深度学习在生物医药领域中的应用
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，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10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 560 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-11-18 |
MB-GAN: Microbiome Simulation via Generative Adversarial Network
2021-02-05, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab005
PMID:33543271
|
研究论文 | 本文介绍了一种名为MB-GAN的生成对抗网络框架，用于模拟真实的微生物组数据 | MB-GAN通过生成对抗网络自动学习微生物丰度并生成难以区分的模拟数据，避免了显式统计建模假设 | NA | 解决模拟真实微生物组数据的挑战 | 微生物组数据 | 机器学习 | NA | 生成对抗网络 (GAN) | GAN | 微生物丰度数据 | 396个样本 |
| 22 | 2024-11-18 |
Lilikoi V2.0: a deep learning-enabled, personalized pathway-based R package for diagnosis and prognosis predictions using metabolomics data
2021-01-23, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa162
PMID:33484242
|
研究论文 | 本文介绍了Lilikoi V2.0，一个基于深度学习的个性化通路分析R包，用于代谢组学数据的诊断和预后预测 | Lilikoi V2.0引入了深度学习方法进行分类，并增加了预后预测模块，支持数据预处理、探索性分析、通路可视化和代谢通路回归 | NA | 更新和升级Lilikoi软件，以适应代谢组学领域的新计算趋势 | 代谢组学数据 | 机器学习 | NA | 深度学习 | Cox-nnet模型 | 代谢组学数据 | NA |
| 23 | 2024-11-18 |
Tool recommender system in Galaxy using deep learning
2021-01-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa152
PMID:33404053
|
研究论文 | 本文开发了一个基于深度学习的工具推荐系统，用于帮助研究人员在Galaxy平台上创建工作流程 | 本文提出了一个基于门控循环单元神经网络的工具推荐模型，通过分析研究人员在欧洲Galaxy服务器上创建的工作流程来学习工具之间的依赖关系 | NA | 开发一个工具推荐系统，帮助研究人员在Galaxy平台上更轻松地创建复杂的工作流程 | Galaxy平台上的工具和工作流程 | 机器学习 | NA | 深度学习 | 门控循环单元神经网络 | 工作流程数据 | NA |
| 24 | 2024-11-17 |
Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data
2021-Apr, Analytical science advances
IF:3.0Q2
DOI:10.1002/ansa.202000162
PMID:38716450
|
综述 | 本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势 | 探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用 | NA | 旨在提高化学数据的应用潜力 | 化学和光谱数据 | 机器学习 | NA | 化学计量学 | 深度学习 | 光谱和图像数据 | NA |
| 25 | 2024-11-13 |
Why high intensity plaque is bright on MRI?
2021-Nov, American heart journal plus : cardiology research and practice
DOI:10.1016/j.ahjo.2021.100055
PMID:38549741
|
研究论文 | 研究探讨了非对比T1加权MRI在识别冠状动脉壁高强度斑块（HIP）及其与冠状动脉内斑块出血的关系 | 首次通过病理学分析证实了非对比T1加权MRI与冠状动脉内斑块出血之间的强相关性 | 缺乏对活体组织样本的病理学分析，HIP的病理特征仍未知 | 探讨非对比T1加权MRI在评估高强度斑块中的病理学意义 | 冠状动脉壁高强度斑块及其与冠状动脉内斑块出血的关系 | 医学影像 | 心血管疾病 | MRI | NA | 图像 | 通过定向冠状动脉斑块切除术获得的斑块样本 |
| 26 | 2024-11-11 |
Artificial Intelligence-based Analytics for Diagnosis of Small Bowel Enteropathies and Black Box Feature Detection
2021-06-01, Journal of pediatric gastroenterology and nutrition
IF:2.4Q1
DOI:10.1097/MPG.0000000000003057
PMID:33534362
|
研究论文 | 开发了一种基于人工智能的图像分析平台，利用深度学习卷积神经网络（CNNs）来诊断小肠肠病，并检测其特征 | 利用深度学习CNNs和Grad-CAMs技术，提高了小肠肠病的诊断准确性，并揭示了深度学习模型的决策过程 | 研究样本主要来自儿童，且样本量相对较小 | 开发一种能够准确诊断小肠肠病的计算方法，并揭示深度学习模型的决策过程 | 小肠肠病，包括环境肠病（EE）和乳糜泻（CD） | 计算机视觉 | NA | 深度学习卷积神经网络（CNNs） | CNN | 图像 | 461张高分辨率活检图像，来自150名儿童 |
| 27 | 2024-11-07 |
Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images
2021-11, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28908
PMID:34227163
|
研究论文 | 比较基于直方图和基于图像的算法在肺部超极化气体图像语义分割中的差异 | 提出使用卷积神经网络在图像域中进行直接优化，以利用空间信息，从而解决基于直方图方法的问题 | 未提及 | 研究基于直方图和基于图像的算法在肺部超极化气体图像分割中的性能差异 | 肺部超极化气体图像的分割算法 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 29个公开数据集样本和51个回顾性收集样本 |
| 28 | 2024-10-28 |
Artificial intelligence: a critical review of current applications in pancreatic imaging
2021-Jun, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-021-01098-5
PMID:33550513
|
综述 | 本文综述了人工智能在胰腺疾病影像学中的应用 | 介绍了机器学习和深度学习在胰腺疾病影像学中的最新进展和当前成果 | 讨论了人工智能在胰腺疾病影像学中的局限性和未来展望 | 探讨人工智能在胰腺疾病影像学中的应用 | 胰腺导管腺癌和其他胰腺肿瘤的检测与特征分析 | 计算机视觉 | 胰腺癌 | 机器学习 深度学习 | NA | 影像 | NA |
| 29 | 2024-10-25 |
Automating the assessment of biofouling in images using expert agreement as a gold standard
2021-02-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-81011-2
PMID:33531525
|
研究论文 | 本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准 | 首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性 | 研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据 | 开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率 | 水下检查图像中的生物污损 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 超过10,000张水下检查图像，其中120张由三位专家标注 |
| 30 | 2024-10-18 |
Guest Editorial Annotation-Efficient Deep Learning: The Holy Grail of Medical Imaging
2021-Oct, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/tmi.2021.3089292
PMID:34795461
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 31 | 2024-10-18 |
Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard
2021-08, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24415
PMID:32936018
|
研究论文 | 本文评估了一种全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性，使用未增强CT作为参考标准 | 使用全自动深度学习体积分割算法进行肝脾体积分割，并评估其在对比增强CT上对脂肪肝分类的准确性 | 需要进一步验证不同扫描协议和供应商的结果 | 评估全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性 | 1204名健康成年人 | 计算机视觉 | 肝病 | 3D卷积神经网络 | CNN | CT图像 | 1204名健康成年人（平均年龄45.2岁，726名女性，478名男性） |
| 32 | 2024-10-18 |
Editorial Comment on "Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard"
2021-Aug, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24764
PMID:32997510
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 33 | 2024-10-18 |
Diagnostic Accuracy of Quantitative Multicontrast 5-Minute Knee MRI Using Prospective Artificial Intelligence Image Quality Enhancement
2021-06, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24172
PMID:32755384
|
研究论文 | 本研究评估了使用深度学习增强的5分钟3D定量双回波稳态（qDESS）序列与传统膝关节MRI在诊断准确性方面的比较 | 本研究首次使用深度学习超分辨率增强技术来提高qDESS序列的图像质量，并自动生成T2图 | 本研究样本量较小，仅包括51名患者，且未涵盖所有可能的膝关节病变 | 评估深度学习增强的qDESS序列与传统膝关节MRI在诊断准确性方面的差异 | 膝关节MRI图像的质量和诊断准确性 | 计算机视觉 | NA | 深度学习超分辨率增强 | 深度学习模型 | 图像 | 51名膝关节疼痛患者 |
| 34 | 2024-10-14 |
Infrared Metasurface Augmented by Deep Learning for Monitoring Dynamics between All Major Classes of Biomolecules
2021-Apr, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202006054
PMID:33615570
|
研究论文 | 本文介绍了一种结合深度学习的化学特异性纳米等离子体技术，用于在不干扰天然过程的情况下，以无标签方式区分所有主要类别的生物分子 | 本文提出了一种新的深度学习增强的纳米等离子体技术，能够在微流控设备中增强中红外光谱的吸收，并实时收集大量光谱时间数据，用于构建深度神经网络以准确区分所有主要类别的生物分子 | NA | 开发一种能够监测生物分子间动态交互的新技术，以促进疾病诊断和药物开发 | 蛋白质、核酸、碳水化合物和脂质等主要类别的生物分子 | 生物学 | NA | 纳米等离子体技术 | 深度神经网络 | 光谱时间数据 | 包含蔗糖和核苷酸的脂质体与小分子脂质膜穿孔肽的多步生物测定 |
| 35 | 2024-10-13 |
Detection of Optic Disc Abnormalities in Color Fundus Photographs Using Deep Learning
2021-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000001358
PMID:34415271
|
研究论文 | 本文研究了使用深度学习技术检测彩色眼底照片中的视盘异常 | 本文扩展了深度学习在视盘分析中的应用，以检测一系列非青光眼性视神经病变 | 本文的模型在外部测试数据集上的特异性较低 | 开发一种能够检测彩色眼底照片中视盘异常的深度学习算法 | 视盘异常，包括缺血性视神经病变、萎缩、压迫性视神经病变、遗传性视神经病变、发育不全、视乳头水肿和中毒性视神经病变 | 计算机视觉 | NA | 深度学习 | ResNet-152深度卷积神经网络 | 图像 | 训练数据集包含944张去识别化的彩色眼底照片（异常364张，正常580张），测试数据集包含151张去识别化的彩色眼底照片（异常71张，正常80张） |
| 36 | 2024-10-11 |
Application of deep learning techniques for detection of COVID-19 cases using chest X-ray images: A comprehensive study
2021-Feb, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2020.102365
PMID:33230398
|
研究论文 | 本文研究了使用深度学习技术通过胸部X光图像检测COVID-19病例的方法 | 提出了使用八种预训练的卷积神经网络模型进行COVID-19的早期诊断，并通过比较分析确定了最佳模型 | 仅限于使用胸部X光图像进行诊断，未考虑其他类型的医学影像 | 设计一种自动化和早期诊断系统，以提供快速决策并减少诊断错误 | COVID-19病例的早期诊断 | 计算机视觉 | COVID-19 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 使用了公开可用的胸部X光图像进行验证 |
| 37 | 2024-10-10 |
Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis
2021-Nov, An international journal on information fusion
DOI:10.1016/j.inffus.2021.05.015
PMID:34093095
|
研究论文 | 本文提出了一种多模态知识图谱注意力嵌入方法，用于COVID-19诊断，结合了医生-患者对话和医学图像信息 | 本文的创新点在于结合了多模态数据（文本和图像），并通过知识图谱注意力机制引入医学知识，以提高分类器的性能 | NA | 旨在解决当前深度学习方法在多模态数据充分性方面的问题，并提高COVID-19诊断的准确性和早期评估 | COVID-19患者的医生-患者对话和医学图像 | 自然语言处理 | COVID-19 | 知识图谱注意力机制 | NA | 文本和图像 | 1393个COVID-19患者对话和3706张图像，607个非COVID-19患者对话和10754张图像 |
| 38 | 2024-10-10 |
AIDeveloper: Deep Learning Image Classification in Life Science and Beyond
2021-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202003743
PMID:34105281
|
研究论文 | 介绍了一种名为AIDeveloper的开源软件，用于在不需要编程的情况下训练神经网络进行图像分类 | AIDeveloper提供了一种易于使用、可适应且开源的解决方案，无需编程即可训练神经网络进行图像分类 | NA | 开发一种无需编程即可训练神经网络进行图像分类的软件 | 图像分类在生命科学及其他领域的应用 | 计算机视觉 | NA | 神经网络 | 神经网络 | 图像 | 超过120万张图像用于训练神经网络进行血细胞分类 |
| 39 | 2024-10-10 |
Image-driven classification of functioning and nonfunctioning pituitary adenoma by deep convolutional neural networks
2021, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2021.05.023
PMID:34136106
|
研究论文 | 本文利用深度卷积神经网络对功能性和非功能性垂体腺瘤进行图像驱动的分类 | 首次提出基于深度学习的垂体腺瘤区域分割和分类模型，采用迁移学习和注意力机制提高模型性能 | NA | 开发一种自动化的方法来区分功能性和非功能性垂体腺瘤，以辅助治疗策略的制定 | 垂体腺瘤的功能性分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 185名垂体腺瘤患者（来自两个中心）的3D MRI图像 |
| 40 | 2024-10-10 |
Overview of current state of research on the application of artificial intelligence techniques for COVID-19
2021, PeerJ. Computer science
DOI:10.7717/peerj-cs.564
PMID:34141890
|
综述 | 本文综述了当前人工智能技术在COVID-19应用研究中的现状 | 本文通过综述AI技术在COVID-19预测、诊断、药物设计和分析社会影响方面的应用，为未来研究提供了建议 | NA | 探讨人工智能技术在COVID-19疫情中的应用 | COVID-19的预测、诊断、药物设计和社会影响分析 | 机器学习 | COVID-19 | 机器学习和深度学习 | NA | NA | NA |