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 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-08-23 |
WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments
2021, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2021.811355
PMID:35186717
|
研究论文 | 本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌 | 提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法 | NA | 开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19 | COVID-19和肺癌的早期诊断 | 计算机视觉 | COVID-19 | 卷积神经网络 | CNN | 图像 | 使用了三个基准医学胸部X射线和CT图像数据集 | NA | NA | NA | NA |
| 402 | 2024-08-22 |
Integrating Domain Knowledge into Deep Learning for Skin Lesion Risk Prioritization to Assist Teledermatology Referral
2021-Dec-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12010036
PMID:35054203
|
研究论文 | 本文通过结合领域知识与深度学习，开发了一种用于皮肤病变风险优先级排序的方法，以辅助远程皮肤科转诊 | 提出了一种新的优先级排序流程，该流程受领域知识启发，并探索了自动病变分割、层次分类和课程学习等不同学习方案 | 在大多数实验中，添加患者信息并未带来益处 | 改进现有的远程皮肤科流程，提高皮肤病变诊断的效率 | 皮肤病变的风险优先级排序 | 机器学习 | NA | 深度学习 | CNN | 图像 | 回顾性数据集来自葡萄牙国家卫生系统的转诊请求 | NA | NA | NA | NA |
| 403 | 2024-08-22 |
Robustness of convolutional neural networks to physiological electrocardiogram noise
2021-Dec-13, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
DOI:10.1098/rsta.2020.0262
PMID:34689617
|
研究论文 | 本研究探讨了卷积神经网络对生理性心电图噪声的鲁棒性 | 首次系统评估了卷积神经网络在处理含噪声心电图数据时的性能 | 研究仅限于特定类型的心电图噪声和数据集，可能不适用于所有情况 | 评估深度学习方法在心电图信号处理中的鲁棒性 | 心电图信号及其在心血管疾病诊断中的应用 | 机器学习 | 心血管疾病 | NA | CNN | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 404 | 2024-08-22 |
Wheat physiology predictor: predicting physiological traits in wheat from hyperspectral reflectance measurements using deep learning
2021-Oct-19, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-021-00806-6
PMID:34666801
|
研究论文 | 本文比较了偏最小二乘回归（PLSR）与多种深度学习方法及集成模型在预测小麦叶片光合作用及相关性状方面的准确性 | 提出的深度学习及集成模型能灵活应用于不同光谱范围，且不显著影响准确性，无需昂贵的高成本叶片光谱仪 | NA | 提高小麦叶片光合作用及相关性状的预测准确性 | 小麦叶片的光合作用及相关性状 | 机器学习 | NA | 深度学习 | 集成模型 | 光谱数据 | 使用先前发表的数据集进行训练和测试 | NA | NA | NA | NA |
| 405 | 2024-08-21 |
Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics
2021-Dec-21, Cancers
IF:4.5Q1
DOI:10.3390/cancers14010012
PMID:35008177
|
研究论文 | 本研究旨在通过多参数磁共振成像（mpMRI）比较深度学习和放射组学模型在临床显著性前列腺癌（PCa）分类中的性能 | 本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能 | 研究仅限于四个数据集，可能需要更多数据集以进一步验证模型的泛化能力 | 比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能 | 临床显著性前列腺癌的分类 | 机器学习 | 前列腺癌 | 多参数磁共振成像（mpMRI） | 深度学习模型和放射组学模型 | 医学影像 | 共包含371名患者的数据集，以及两个外部数据集（195名患者和79名患者） | NA | NA | NA | NA |
| 406 | 2024-08-21 |
A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images
2021-Dec-20, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm10245982
PMID:34945278
|
研究论文 | 本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法，该方法利用胸部CT图像进行检测 | 采用卷积神经网络（CNN）作为特征提取器，并结合信息增益过滤器选择特征，最终通过多数投票方法进行分类 | NA | 评估自动化COVID-19检测方法的性能 | 胸部CT图像 | 计算机视觉 | COVID-19 | 迁移学习 | CNN | 图像 | 4171张CT扫描图像，来自210名不同患者 | NA | NA | NA | NA |
| 407 | 2024-08-21 |
Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities
2021-Dec-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics11122279
PMID:34943516
|
综述 | 本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用 | 介绍了新型数字前房角镜GS-1，该设备允许半自动的环形记录前房角的真实彩色照片，并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用 | 裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点 | 探讨裂隙灯前房角镜检查的挑战和未来机遇 | 前房角及其在青光眼诊断和治疗中的应用 | NA | 青光眼 | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 408 | 2024-08-21 |
Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study
2021-Dec-02, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics11122257
PMID:34943494
|
研究论文 | 本文研究了一种新的深度学习方法，用于在多中心心血管研究中分割颈动脉超声中的低斑块，该方法在不同种族群体中进行训练和测试。 | 首次采用“未见人工智能”范式，即在不同种族群体中进行训练和测试，以验证深度学习模型的通用性。 | 研究仅限于颈动脉超声图像的分割，且样本来自两个特定的种族群体。 | 验证深度学习模型在不同种族群体中分割低斑块的能力，并评估其与“已见人工智能”模型的性能接近程度。 | 颈动脉超声图像中的低斑块分割。 | 机器学习 | 心血管疾病 | 深度学习 | UNet | 图像 | 630个样本，包括330个日本人和300个香港人 | NA | NA | NA | NA |
| 409 | 2024-08-21 |
Stent detection with very thick tissue coverage in intravascular OCT
2021-Dec-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.444336
PMID:35003848
|
研究论文 | 本文开发了一种深度学习方法，用于自动分析具有薄和非常厚组织覆盖的支架，并提出了一种算法来准确分析植入多个支架的血管区域 | 本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法，并能够有效分析植入多个支架的血管区域 | NA | 开发一种自动分析具有不同组织覆盖厚度的支架的方法，以提高评估支架植入和支架后组织覆盖的效率 | 冠状动脉支架及其组织覆盖情况 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 25203张图像来自56次OCT回拉和41名患者 | NA | NA | NA | NA |
| 410 | 2024-08-21 |
An empirical study of using radiology reports and images to improve ICU-mortality prediction
2021-Aug, Proceedings. IEEE International Conference on Healthcare Informatics
DOI:10.1109/ichi52183.2021.00088
PMID:35531070
|
研究论文 | 本研究构建了一个基于深度学习的生存预测模型，利用多模态数据预测ICU死亡率 | 本研究首次结合生理测量数据、预定义的胸部疾病标签、基于BERT的文本表示和胸部X光图像特征，通过深度学习方法显著提高了ICU死亡率的预测准确性 | NA | 提高ICU死亡率的预测准确性 | ICU患者的死亡率 | 机器学习 | NA | 深度学习 | 深度学习模型 | 多模态数据 | 使用了Medical Information Mart for Intensive Care IV (MIMIC-IV)数据集 | NA | NA | NA | NA |
| 411 | 2024-08-21 |
Novel loss functions for ensemble-based medical image classification
2021, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0261307
PMID:34968393
|
研究论文 | 本文研究了基于集成学习的医学图像分类中损失函数的优化 | 提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能 | 未提及 | 分析并选择适合当前分类任务的损失函数 | 儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像 | 计算机视觉 | NA | 深度神经网络 | 集成模型 | 图像 | 未明确提及具体数量 | NA | NA | NA | NA |
| 412 | 2024-08-20 |
Multi-step ahead predictive model for blood glucose concentrations of type-1 diabetic patients
2021-12-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-03341-5
PMID:34934084
|
研究论文 | 本文提出了一种新颖的多组件深度学习模型BG-Predict，用于预测1型糖尿病患者的血糖水平 | 该研究引入了一种新的多步骤预测模型，能够提前预测血糖水平，有助于患者减少低血糖和高血糖的风险 | NA | 开发一种有效的工具，帮助1型糖尿病患者监测血糖水平，以便做出关于胰岛素注射和食物摄入的适当决策 | 1型糖尿病患者的血糖水平 | 机器学习 | 糖尿病 | 深度学习 | 深度学习模型 | 血糖数据 | 97名患者 | NA | NA | NA | NA |
| 413 | 2024-08-20 |
A stroke detection and discrimination framework using broadband microwave scattering on stochastic models with deep learning
2021-12-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-03043-y
PMID:34930921
|
研究论文 | 研究利用宽带微波散射和深度学习模型进行中风检测和鉴别 | 提出了一种新的智能诊断方法，使用微波宽带散射信息，避免了传统的图像形成过程 | NA | 开发一种快速、便携、安全且低成本的中风检测技术 | 研究中风检测和出血位置及大小的鉴别 | 机器学习 | 中风 | 微波散射 | 深度神经网络（DNN） | 模拟数据 | 666名出血性中风患者和对照组 | NA | NA | NA | NA |
| 414 | 2024-08-20 |
Deep learning based classification of dynamic processes in time-resolved X-ray tomographic microscopy
2021-12-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-03546-8
PMID:34921184
|
研究论文 | 本文提出了一种高效的动态过程重建与分类管道，结合代数滤波近似和机器学习，显著减少了计算时间 | 提出的SIRT-FBP-MS-D-DIFF管道通过代数滤波近似和卷积神经网络自动提取低信噪比重建中的动态特征，提高了处理效率 | NA | 开发一种高效的方法来处理时间分辨X射线断层显微镜中的动态过程，以减少手动劳动和计算成本 | 时间分辨X射线断层显微镜中的动态过程 | 计算机视觉 | NA | 时间分辨X射线断层显微镜 | 卷积神经网络 | 图像 | 三个不同的动态燃料电池数据集，一个用于训练，两个用于测试 | NA | NA | NA | NA |
| 415 | 2024-08-20 |
Predictive models for personalized asthma attacks based on patient's biosignals and environmental factors: a systematic review
2021-12-09, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-021-01704-6
PMID:34886852
|
综述 | 本文对基于患者生物信号和环境因素的个性化哮喘发作预测模型进行了系统性回顾 | 提出了使用患者生物信号和环境因素相结合的哮喘发作预测模型的必要性，并指出了缺乏使用深度学习等先进机器学习方法的问题 | 大多数研究仅使用哮喘生物信号因素进行预测，使用环境因素和两者结合的研究较少 | 评估哮喘发作预测模型的使用方法、模型性能，并确定该领域研究改进的需求 | 儿童和成人的哮喘发作预测模型 | 机器学习 | 哮喘 | 支持向量机、回归 | NA | 生物信号、环境因素 | 从1068篇研究文章中筛选出15种不同的哮喘发作预测模型进行回顾 | NA | NA | NA | NA |
| 416 | 2024-08-20 |
AutoProstate: Towards Automated Reporting of Prostate MRI for Prostate Cancer Assessment Using Deep Learning
2021-Dec-06, Cancers
IF:4.5Q1
DOI:10.3390/cancers13236138
PMID:34885246
|
研究论文 | 介绍了一种名为AutoProstate的深度学习框架，用于自动评估基于MRI的前列腺癌 | AutoProstate在前列腺体积和前列腺特异性抗原密度估计方面显示出统计学上的显著改进，并匹配了放射科医生的CSPCa病变检测敏感性 | AutoProstate产生了更多的假阳性检测 | 开发一种自动化的深度学习框架，用于提高前列腺MRI报告的质量和一致性 | 前列腺MRI图像和前列腺癌评估 | 计算机视觉 | 前列腺癌 | 深度学习 | NA | MRI图像 | 使用了公开的PROSTATEx数据集进行训练，并使用PICTURE数据集进行外部验证 | NA | NA | NA | NA |
| 417 | 2024-08-20 |
Interpretability of a Deep Learning Based Approach for the Classification of Skin Lesions into Main Anatomic Body Sites
2021-Dec-01, Cancers
IF:4.5Q1
DOI:10.3390/cancers13236048
PMID:34885158
|
研究论文 | 本文提出了一种基于深度学习的方法，用于将皮肤病变分类到主要的解剖体位 | 本研究首次考虑了皮肤病变的来源，并利用预训练网络和密集连接分类器来提高分类准确性 | NA | 解决现有深度学习方法在皮肤病变分类中未考虑病变来源的问题 | 皮肤病变及其解剖体位分类 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 418 | 2024-08-20 |
A Study of the Recent Trends of Immunology: Key Challenges, Domains, Applications, Datasets, and Future Directions
2021-Nov-23, Sensors (Basel, Switzerland)
DOI:10.3390/s21237786
PMID:34883787
|
综述 | 本文探讨了免疫学领域中人工智能方法的最新趋势，包括关键挑战、应用领域、数据集和未来方向 | 引入了AIoMT、遗传智能算法和智能免疫学方法等技术，使理解免疫系统的过程变得更加容易 | NA | 探索免疫学领域中人工智能方法的现状和未来研究方向 | 免疫学及其子领域中的疾病分类 | 机器学习 | 癌症 | AIoMT | 机器学习和深度学习 | 数据集 | NA | NA | NA | NA | NA |
| 419 | 2024-08-20 |
Comparative analysis of molecular fingerprints in prediction of drug combination effects
2021-11-05, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbab291
PMID:34401895
|
研究论文 | 本文比较了基于规则和数据驱动的分子表示方法在预测药物组合敏感性和药物协同得分方面的性能 | 本文通过使用标准化的高通量筛选结果，评估了分子表示的聚类性能和相似性，并强调了在选择最优分子表示时，除了定量基准结果外，还需要考虑模型的可解释性和鲁棒性等定性因素 | NA | 系统评估新型计算解决方案与传统技术在预测药物组合效应方面的性能 | 药物组合敏感性和药物协同得分 | 机器学习 | 癌症 | NA | NA | 分子数据 | 64,200个独特的药物组合，涉及4,153种分子和112种癌细胞系 | NA | NA | NA | NA |
| 420 | 2024-08-20 |
Deep Learning Prediction of Voxel-Level Liver Stiffness in Patients with Nonalcoholic Fatty Liver Disease
2021-Nov, Radiology. Artificial intelligence
DOI:10.1148/ryai.2021200274
PMID:34870213
|
研究论文 | 本研究利用机器学习算法，基于传统的MRI输入重建虚拟MR弹性成像（MRE）图像 | 本研究通过修改卷积神经网络架构，使其能够接受多通道三维输入并包含临床和人口统计信息，从而在体素水平上重建MRE图像 | 本研究为单机构回顾性研究，样本量有限，且结果需要进一步的外部验证 | 研究目的是通过机器学习算法，利用传统MRI和临床数据生成虚拟弹性成像图像 | 研究对象为149名非酒精性脂肪肝病患者 | 计算机视觉 | 非酒精性脂肪肝病 | MRI | 卷积神经网络（CNN） | 图像 | 149名患者 | NA | NA | NA | NA |