深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 643 篇文献，本页显示第 361 - 380 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-08-27 |
Convolutional neural networks for high throughput screening of catalyst layer inks for polymer electrolyte fuel cells
2021-Sep-27, RSC advances
IF:3.9Q2
DOI:10.1039/d1ra05324h
PMID:35495497
|
研究论文 | 本文首次应用深度卷积神经网络（ConvNets）于透射电子显微镜图像的高通量筛选催化剂层墨水阶段 | 首次将深度卷积神经网络应用于催化剂层墨水阶段的透射电子显微镜图像高通量筛选 | NA | 加速催化剂层设计和制造的进一步进展 | 聚合物电解质燃料电池的催化剂层墨水 | 机器学习 | NA | 深度学习算法 | CNN | 图像 | NA | NA | NA | NA | NA |
| 362 | 2024-08-27 |
Transmol: repurposing a language model for molecular generation
2021-Jul-27, RSC advances
IF:3.9Q2
DOI:10.1039/d1ra03086h
PMID:35479483
|
研究论文 | 本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性 | 首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域 | NA | 探索和改进机器学习在分子生成领域的应用 | 分子生成和分子库的构建 | 机器学习 | NA | transformer | transformer | 分子数据 | NA | NA | NA | NA | NA |
| 363 | 2024-08-27 |
Deep learning quantified mucus-tumor ratio predicting survival of patients with colorectal cancer using whole-slide images
2021-Mar, Precision clinical medicine
IF:5.1Q1
DOI:10.1093/pcmedi/pbab002
PMID:35693123
|
研究论文 | 本文利用深度学习技术量化结直肠癌患者的粘液-肿瘤比例，并研究其对患者生存率的预测价值 | 首次使用深度学习技术量化粘液比例，并探讨其在结直肠癌中的预后价值 | NA | 量化粘液比例并研究其在结直肠癌患者中的预后价值 | 结直肠癌患者的粘液-肿瘤比例及其预后影响 | 数字病理 | 结直肠癌 | 深度学习 | NA | 图像 | 训练集419例，验证集315例 | NA | NA | NA | NA |
| 364 | 2024-08-26 |
20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction
2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC46164.2021.9631107
PMID:34892055
|
研究论文 | 本研究利用自监督深度学习重建技术，在5倍SMS和4倍平面加速的7T fMRI数据上实现了20倍加速的高质量图像重建 | 采用自监督学习方法进行深度学习重建，无需完全采样的训练数据集，显示出与监督学习相似的性能 | NA | 提高fMRI的空间和时间分辨率，以更准确地解析大脑中的神经活动 | 7T fMRI数据的高加速重建 | 计算机视觉 | NA | fMRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 365 | 2024-08-26 |
ICON: Learning Regular Maps Through Inverse Consistency
2021-Oct, Proceedings. IEEE International Conference on Computer Vision
DOI:10.1109/iccv48922.2021.00338
PMID:35355618
|
研究论文 | 研究如何通过逆一致性损失来学习数据样本之间的正则化映射 | 提出了一种结合深度网络、逆一致性损失和随机离网格插值的方法，以获得近似微分同胚的空间变换，无需精心调整的显式正则化器 | 未提及具体限制 | 探索在计算图像配准时，是否可以通过仅使用逆一致性损失来获得空间正则性 | 空间变换的正则性 | 计算机视觉 | NA | 深度学习 | 深度网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 366 | 2024-08-26 |
E-Learning Research Trends in Higher Education in Light of COVID-19: A Bibliometric Analysis
2021, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2021.762819
PMID:35308075
|
研究论文 | 本文通过对602篇发表在Web of Science数据库中的研究进行文献计量分析，概述了COVID-19期间高等教育领域电子学习的重要概念进展 | 研究探索了人工智能、机器学习和深度学习等新研究方向在电子学习中的应用 | NA | 分析COVID-19背景下高等教育领域电子学习的研究趋势 | 电子学习在高等教育中的应用及其相关研究 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 602篇研究论文 | NA | NA | NA | NA |
| 367 | 2024-08-25 |
An Internet-of-Medical-Things-Enabled Edge Computing Framework for Tackling COVID-19
2021-Nov-01, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/JIOT.2021.3051080
PMID:35782185
|
研究论文 | 本文开发了一个基于互联网医疗物联网（IoMT）的边缘计算框架，利用深度学习（DL）检测多样化的与COVID-19相关的健康症状，并生成用于医疗决策支持的报告和警报。 | 该研究利用IoMT收集家庭环境中的多样化情感和身体健康数据，并在资源受限的边缘环境中运行先进的深度学习应用，实现了本地化的数据处理和推理，确保了用户隐私、安全性和低延迟。 | NA | 开发一个边缘IoMT系统，用于在疫情期间管理家庭健康，并通过深度学习检测COVID-19症状。 | COVID-19相关的健康症状和家庭环境中的情感及生理状态数据。 | 机器学习 | COVID-19 | 深度学习（DL） | NA | 情感和生理状态数据 | NA | NA | NA | NA | NA |
| 368 | 2024-08-25 |
Computer Audition for Fighting the SARS-CoV-2 Corona Crisis-Introducing the Multitask Speech Corpus for COVID-19
2021-Nov-01, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/JIOT.2021.3067605
PMID:35782182
|
研究论文 | 本文介绍了一个用于COVID-19研究的多任务语音语料库，收集了51名确诊COVID-19患者的自然语音数据，并定义了三个分类任务来评估患者的身体和/或心理状态 | 提出了一个新颖的多任务语音语料库，用于COVID-19研究，填补了计算机听觉在传染病监测方面的研究空白 | NA | 利用计算机听觉技术支持COVID-19的预防、诊断、治疗、追踪和管理 | COVID-19患者的语音数据及其身体和心理状态 | 机器学习 | COVID-19 | 计算机听觉 | 深度学习 | 语音 | 51名确诊COVID-19患者 | NA | NA | NA | NA |
| 369 | 2024-08-25 |
Automatic detection of cotton balls during brain surgery: Where deep learning meets ultrasound imaging to tackle foreign objects
2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2580887
PMID:35233128
|
研究论文 | 本文研究了使用深度学习和超声成像技术自动检测脑外科手术中棉球的方法 | 采用3D打印的自定义深度盒和Butterfly IQ手持超声探头，结合YOLOv4算法进行实时物体识别 | NA | 提高脑外科手术中棉球的检测准确性和速度 | 棉球在脑外科手术中的检测 | 计算机视觉 | NA | 超声成像 | YOLOv4 | 图像 | 棉球在不同位置和深度下的检测 | NA | NA | NA | NA |
| 370 | 2024-08-25 |
Deep Learning-Based Mapping of Tumor Infiltrating Lymphocytes in Whole Slide Images of 23 Types of Cancer
2021, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2021.806603
PMID:35251953
|
研究论文 | 本文提出了一种基于深度学习的流程，用于在23种癌症的全切片图像中分类肿瘤浸润淋巴细胞（TILs），并生成TIL图 | 该研究使用了三种先进的卷积神经网络架构（VGG16、Inception-V4和ResNet-34），并结合了病理学家手动标注和计算机生成的标签进行训练，提高了模型的准确性和F分数 | NA | 研究肿瘤浸润淋巴细胞作为生物标志物在预测疾病进展和临床结果中的作用 | 23种不同类型的癌症中的肿瘤浸润淋巴细胞 | 数字病理学 | 多种癌症 | 深度学习 | CNN | 图像 | 涉及23种癌症的全切片图像，包括大量训练数据和手动标注的图像块 | NA | NA | NA | NA |
| 371 | 2024-08-25 |
An Interpretable Deep Learning Model for Covid-19 Detection With Chest X-Ray Images
2021, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2021.3087583
PMID:35256923
|
研究论文 | 本文介绍了一种用于COVID-19检测的可解释深度学习模型Gen-ProtoPNet | Gen-ProtoPNet模型使用了广义距离函数，能够处理任意类型的空间维度原型，提高了模型的解释性 | NA | 开发一种可解释的深度学习模型用于COVID-19的及时准确检测 | COVID-19的检测 | 机器学习 | COVID-19 | 深度学习 | Gen-ProtoPNet | 图像 | 使用了X射线图像数据集 | NA | NA | NA | NA |
| 372 | 2024-08-25 |
Learning Predictive and Interpretable Timeseries Summaries from ICU Data
2021, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:35309006
|
研究论文 | 本文提出了一种新方法，从ICU数据中学习既具有预测性又易于人类理解的临床时间序列摘要 | 提出的摘要方法由简单直观的临床数据函数组成，如“下降的平均动脉压”，这些摘要不仅易于理解，而且在性能上与最先进的深度学习模型相当 | NA | 提高重症监护病房风险分层任务的性能，并增强模型的可解释性 | 临床时间序列数据 | 机器学习 | NA | NA | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 373 | 2024-08-24 |
Automatic pulmonary vessel segmentation on noncontrast chest CT: deep learning algorithm developed using spatiotemporally matched virtual noncontrast images and low-keV contrast-enhanced vessel maps
2021-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-021-08036-z
PMID:34009411
|
研究论文 | 开发了一种基于深度学习的肺血管分割算法（DLVS），用于非对比剂胸部CT图像，并探讨其在慢性阻塞性肺疾病（COPD）患者血管重塑评估中的临床应用 | 利用双源CT扫描仪生成的时空匹配的50千电子伏特增强图像和虚拟非对比剂图像，开发了一种新的深度学习肺血管分割算法 | NA | 开发和验证一种基于深度学习的肺血管分割算法，并评估其在COPD患者中的临床应用 | COPD患者的肺血管分割 | 计算机视觉 | 慢性阻塞性肺疾病 | 双源CT扫描 | 3D U-Net | 图像 | 开发阶段使用了104个肺部CT血管造影扫描（共49,054张切片），外部验证使用了14个供应商独立的非对比剂CT图像和3个VESSEL 12挑战公开数据集，临床验证包括281名COPD患者 | NA | NA | NA | NA |
| 374 | 2024-08-24 |
Comparing deep learning-based automatic segmentation of breast masses to expert interobserver variability in ultrasound imaging
2021-12, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2021.104966
PMID:34715553
|
研究论文 | 本文比较了基于深度学习的乳腺肿块自动分割模型与超声图像中专家间观察者变异性的表现 | 提出了一种高表现的深度学习分割模型，并与三位专家的手动分割结果进行比较 | 深度学习模型通常只与一位专家进行评估，其误差是否在临床可接受范围内尚不清楚 | 研究深度学习技术在医学图像处理中的可靠性和重复性 | 乳腺肿块的自动分割 | 计算机视觉 | 乳腺肿瘤 | 深度学习 | CNN | 图像 | 使用了455名患者的甲状腺超声分割数据集和733名患者的乳腺超声分割数据集 | NA | NA | NA | NA |
| 375 | 2024-08-24 |
Deep learning-based facial image analysis in medical research: a systematic review protocol
2021-11-11, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2020-047549
PMID:34764164
|
综述 | 本文旨在通过系统综述方法，探讨深度学习在医学研究中基于面部图像分析的特征和效果 | 本文旨在填补关于深度学习在医学面部图像分析领域现状的认知空白，并提供对该技术在疾病检测、诊断和预后应用中的特征、挑战和机遇的深入理解 | NA | 了解深度学习在医学面部图像分析中的应用现状、挑战和机遇 | 深度学习在医学面部图像分析的研究 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 376 | 2024-08-24 |
Cohort and Trajectory Analysis in Multi-Agent Support Systems for Cancer Survivors
2021-Nov-11, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01770-3
PMID:34766229
|
研究论文 | 本文提出了一种基于队列和轨迹分析（CTA）模块的个性化支持系统，用于癌症幸存者，该系统集成在名为EREBOTS的基于代理的个性化聊天机器人中 | 引入CTA模块，结合生存估计模型、机器学习和深度学习技术，为临床医生提供个性化治疗选择的证据，并为患者提供适应其状况和轨迹的定制建议 | NA | 开发一种个性化支持系统，以提高癌症幸存者的生存质量 | 癌症幸存者及其个性化支持需求 | 机器学习 | 癌症 | 机器学习, 深度学习 | 生存估计模型 | NA | NA | NA | NA | NA | NA |
| 377 | 2024-08-24 |
Distant Domain Transfer Learning for Medical Imaging
2021-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2021.3051470
PMID:33449887
|
研究论文 | 本文提出了一种新的医学图像分类迁移学习框架，并应用于COVID-19的肺部CT图像诊断 | 该方法利用远领域中的未标记数据，有效处理训练数据与测试数据之间的分布偏移，并实现了96%的分类准确率 | 由于疾病的创新性和隐私政策，难以获取良好标记的训练数据集 | 开发一种远领域迁移学习模型，用于COVID-19的诊断 | COVID-19的肺部CT图像 | 计算机视觉 | 肺部疾病 | 迁移学习 | Unet分割模型和远特征融合分类模型 | 图像 | 使用未标记的Office-31、Caltech-256和胸部X射线图像数据集作为源数据，以及一小部分标记的COVID-19肺部CT图像作为目标数据 | NA | NA | NA | NA |
| 378 | 2024-08-24 |
Predicting COVID-19 cases using bidirectional LSTM on multivariate time series
2021-Oct, Environmental science and pollution research international
DOI:10.1007/s11356-021-14286-7
PMID:34043172
|
研究论文 | 本文提出了一种使用双向长短期记忆网络（Bi-LSTM）在多变量时间序列上预测COVID-19病例数的深度学习方法 | 该方法首先使用K-means聚类算法对具有相似人口统计、社会经济和卫生部门指标的国家进行分组，然后利用这些国家的累计病例数据和封锁措施数据训练双向LSTM模型 | NA | 帮助政策制定者做出适当决策以阻止COVID-19疫情的传播 | COVID-19病例数的预测 | 机器学习 | COVID-19 | 双向长短期记忆网络（Bi-LSTM） | Bi-LSTM | 多变量时间序列 | 涉及多个国家的数据 | NA | NA | NA | NA |
| 379 | 2024-08-24 |
A Deep Learning Radiomics Model to Identify Poor Outcome in COVID-19 Patients With Underlying Health Conditions: A Multicenter Study
2021-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2021.3076086
PMID:33905341
|
研究论文 | 本研究开发了一种结合深度学习和放射组学的混合模型，用于从初始CT扫描中识别患有基础健康状况的COVID-19患者的较差预后 | 提出的混合模型结合了3D-ResNet10深度学习模型和量化3D放射组学模型，显著提高了预测COVID-19患者较差预后的准确性 | NA | 开发一种精确的预测工具，用于识别患有基础健康状况的COVID-19患者的较差预后 | 患有基础健康状况的COVID-19患者 | 机器学习 | COVID-19 | 深度学习 | 3D-ResNet10 | CT扫描图像 | 共400名患者，包括54名死亡病例和346名出院或住院至少7天的患者 | NA | NA | NA | NA |
| 380 | 2024-08-24 |
Deep Learning on Chest X-ray Images to Detect and Evaluate Pneumonia Cases at the Era of COVID-19
2021-Jun-08, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01745-4
PMID:34101042
|
研究论文 | 本文研究使用深度学习方法自动分析胸部X光图像，以检测和评估COVID-19相关的肺炎病例 | 提出了定制的深度学习模型来检测肺炎感染病例，特别是病毒性肺炎，并提出了易于应用的健康指标来估计感染状态和预测患者状态 | NA | 开发精确的工具帮助医疗专业人员筛查COVID-19和诊断确诊患者 | 胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 公开的胸部X光图像数据集 | NA | NA | NA | NA |