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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202101-202112] [清除筛选条件]
当前共找到 560 篇文献,本页显示第 441 - 460 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
441 2024-08-10
CT-less Direct Correction of Attenuation and Scatter in the Image Space Using Deep Learning for Whole-Body FDG PET: Potential Benefits and Pitfalls
2021-Mar, Radiology. Artificial intelligence
研究论文 本研究展示了使用深度学习在图像空间中进行无CT的全身PET衰减和散射校正(ASC)的可行性,并探讨了其潜在优势和缺陷 开发了一种基于U-Net的网络,用于直接将未校正的PET(PETNC)转换为衰减和散射校正的PET(PETASC),并进行了定量和定性评估 潜在的缺陷包括由于模糊或遗漏病变导致的假阴性结果,以及由于伪低摄取模式导致的假阳性结果 展示无CT的全身PET衰减和散射校正的可行性,并探讨其潜在优势和缺陷 110例全身氟脱氧葡萄糖(FDG)PET/CT研究,涉及107名患者 计算机视觉 NA 深度学习 U-Net 图像 110例全身PET/CT研究,涉及107名患者,其中72名女性,年龄范围11-92岁
442 2024-08-10
DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution
2021, Journal of healthcare engineering
研究论文 本文提出了一种基于深度学习的MRI超分辨率统一框架,将先进的深度学习方法应用于MRI超分辨率 该框架整合了五种具有最佳超分辨率效果的深度学习方法,并构建了一个包含×2、×3和×4尺度的高低分辨率MR图像数据集 NA 旨在提高MRI图像的分辨率,以帮助医生更准确地定位病变和诊断疾病 MRI图像的超分辨率处理 计算机视觉 NA 深度学习 深度学习方法 图像 包含颅骨、膝盖、乳房和头颈部的MR图像数据集
443 2024-08-10
Determinants of Tourism Stocks During the COVID-19: Evidence From the Deep Learning Models
2021, Frontiers in public health IF:3.0Q2
研究论文 本文研究了2018年10月25日至2020年10月21日期间,包括COVID-19时期中国旅游股票回报的决定因素,并提出了基于反向传播神经网络(BPNN)的四种深度学习预测模型 提出了基于量子群智能算法(QSIA)、量子步长果蝇优化算法(QSFOA)、量子粒子群优化算法(QPSO)和量子遗传算法(QGA)的深度学习预测模型 NA 研究旅游股票回报的决定因素,并评估不同深度学习模型的预测准确性 中国旅游股票回报 机器学习 NA 深度学习 反向传播神经网络(BPNN) 股票回报数据 2018年10月25日至2020年10月21日的数据
444 2024-08-10
A Multisite Study of a Breast Density Deep Learning Model for Full-Field Digital Mammography and Synthetic Mammography
2021-Jan, Radiology. Artificial intelligence
研究论文 本研究开发了一个用于全数字化乳腺X线摄影和合成乳腺摄影的BI-RADS乳腺密度深度学习模型,并在多中心环境中进行了评估。 该模型在没有使用合成乳腺摄影图像进行训练的情况下,在两个机构的全数字化乳腺X线摄影和合成乳腺摄影图像上展示了强大的性能,并通过使用少量合成乳腺摄影图像进一步改进。 NA 开发和评估一个用于合成二维乳腺摄影图像的BI-RADS乳腺密度深度学习模型。 全数字化乳腺X线摄影图像和合成乳腺摄影图像。 机器学习 乳腺疾病 深度学习 深度学习模型 图像 57,492名患者,187,627次检查,750,752张图像(站点1,全数字化乳腺X线摄影);3,842名患者,3,866次检查,14,472张图像(站点1,合成乳腺摄影);7,557名患者,16,283次检查,63,973张图像(站点2,合成乳腺摄影)。
445 2024-08-09
DeepMapi: a Fully Automatic Registration Method for Mesoscopic Optical Brain Images Using Convolutional Neural Networks
2021-04, Neuroinformatics IF:2.7Q3
研究论文 提出了一种基于深度学习的全自动注册方法DeepMapi,用于将介观光学脑图像与脑图谱对齐 使用自反馈策略处理不平衡训练集问题,并采用双层级网络捕捉大范围和小范围的形变 NA 开发一种全自动的脑图像注册方法,以提高处理复杂神经解剖结构的效率 介观光学脑图像的自动注册 计算机视觉 NA 卷积神经网络 CNN 图像 包括光学和MRI图像的一组基准图像
446 2024-08-09
Evaluation of lung involvement in COVID-19 pneumonia based on ultrasound images
2021-Mar-20, Biomedical engineering online IF:2.9Q3
研究论文 本研究旨在基于深度学习建立一个评估COVID-19肺炎肺部受累程度的模型 提出了一种结合多模态通道和感受野注意网络与ResNeXt的新型网络(MCRFNet),用于自动融合浅层特征并确定不同通道及其相应领域的重要性 NA 建立一个基于深度学习的肺部受累评估模型 COVID-19肺炎患者的肺部超声图像 计算机视觉 COVID-19 深度学习 MCRFNet 超声图像 104名患者的多中心和多模态超声数据
447 2024-08-09
Stacked LSTM based deep recurrent neural network with kalman smoothing for blood glucose prediction
2021-03-16, BMC medical informatics and decision making IF:3.3Q2
研究论文 本文提出了一种基于堆叠长短期记忆(LSTM)的深度循环神经网络模型,结合卡尔曼平滑技术,用于预测血糖水平,特别考虑了传感器故障问题 本文创新地使用了堆叠LSTM的深度循环神经网络模型,并结合卡尔曼平滑技术来校正由于传感器错误导致的CGM读数不准确问题 NA 旨在提高血糖预测的准确性,从而改善人工胰腺和胰岛素输注系统在1型糖尿病管理中的性能 1型糖尿病患者的血糖管理 机器学习 糖尿病 卡尔曼平滑技术 堆叠LSTM的深度循环神经网络 生理信息数据 包含六名不同患者八周数据的OhioT1DM(2018)数据集
448 2024-08-09
Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach
2021-Mar-06, Sensors (Basel, Switzerland)
研究论文 本文研究了使用深度学习方法从公共雷达数据集中分类五种复杂血流动力学场景的可能性 本文展示了雷达传感技术在监测复杂血流动力学场景方面的潜力,超越了传统的心率和呼吸率监测 NA 探索使用非接触式传感器(如雷达)监测复杂血流动力学场景的可行性 五种复杂血流动力学场景(静息、模拟窒息、瓦尔萨尔瓦动作、倾斜台上的倾斜上和倾斜下) 机器学习 NA 深度学习 神经网络 时间域和频率域数据 使用了公共雷达和接触输入信号的数据集
449 2024-08-09
Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections
2021, Journal of X-ray science and technology IF:1.7Q3
研究论文 本研究开发了一种基于深度学习算法的AI模型,使用ResUNet网络,评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力 本研究首次使用ResUNet网络的深度学习模型,显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性 研究仅使用了694个病例和111,066张CT扫描图像,样本量可能不足以完全代表所有病例 开发和验证一种AI模型,以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力 COVID-19感染的肺炎患者与其他肺部感染患者 计算机视觉 COVID-19 深度学习算法 ResUNet 图像 694个病例,包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例
450 2024-08-09
Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review
2021, Journal of healthcare engineering
综述 本文通过系统综述方法,探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状 深度学习模型提供了准确且高效的系统,显著提高了敏感性和特异性值 NA 旨在解决COVID-19早期检测和诊断的主要挑战,并提高诊断准确性 COVID-19的放射学图像 机器学习 COVID-19 深度学习 深度学习模型 图像 37篇文章作为研究样本
451 2024-08-09
Comparison of machine learning and deep learning techniques in promoter prediction across diverse species
2021, PeerJ. Computer science
研究论文 本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果 使用频率基础的标记化(FBT)进行数据预处理,减少了输入维度并缩短了训练时间,同时保持了分类的敏感性和特异性 NA 研究机器学习和深度学习模型在基因启动子预测中的应用 酵母、植物和人类的基因组序列 机器学习 NA 一维卷积神经网络(CNN)、长短期记忆(LSTM)和随机森林(RF)分类器 CNN、LSTM、RF 基因组序列 涉及酵母、植物和人类三种不同的真核生物
452 2024-08-08
Automated deep learning in ophthalmology: AI that can build AI
2021-Sep-01, Current opinion in ophthalmology IF:3.0Q1
综述 本文综述了自动化深度学习在医疗领域的当前状态,并探讨了使用商业平台开发这些模型的进展 自动化深度学习允许无编程经验的用户开发深度学习算法,展示了在眼科及其他专科中的应用潜力 尽管自动化深度学习显示出巨大潜力,但仍存在一些挑战需要克服 描述自动化深度学习在医疗领域的应用现状,并讨论其当前挑战和未来发展方向 自动化深度学习模型及其在眼科、皮肤病学、放射学和组织病理学等专科中的应用 机器学习 NA 深度学习 监督学习 图像 NA
453 2024-08-08
Transfer learning for predicting conversion from mild cognitive impairment to dementia of Alzheimer's type based on a three-dimensional convolutional neural network
2021-03, Neurobiology of aging IF:3.7Q2
研究论文 本文开发了一种深度学习模型,利用三维卷积神经网络通过转移学习预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化 该模型在目标任务上的分类准确率达到82.4%,优于当前领域的模型,并能通过遮挡图方法可视化对预测有显著贡献的大脑区域 NA 预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化 轻度认知障碍患者及其向阿尔茨海默病型痴呆的转化 机器学习 阿尔茨海默病 结构磁共振成像 三维卷积神经网络 图像 使用正常对照组和阿尔茨海默病型痴呆患者的扫描数据进行预训练,然后在轻度认知障碍患者的扫描数据上进行再训练
454 2024-08-08
DeepMIB: User-friendly and open-source software for training of deep learning network for biological image segmentation
2021-03, PLoS computational biology IF:3.8Q1
研究论文 介绍DeepMIB软件包,用于训练卷积神经网络进行多维显微镜图像分割 DeepMIB是一个用户友好且开源的软件,适用于在任何工作站上训练深度学习网络进行图像分割 NA 开发一个易于使用且功能强大的深度学习工具,用于生物图像分割 多维显微镜图像数据 计算机视觉 NA 卷积神经网络 CNN 图像 2D和3D电子及多色光显微镜数据集
455 2024-08-08
Diagnosis and Risk Prediction of Dilated Cardiomyopathy in the Era of Big Data and Genomics
2021-Feb-26, Journal of clinical medicine IF:3.0Q1
综述 本文综述了在基因组学和大数據时代下,扩张型心肌病(DCM)的诊断和风险预测的进展 介绍了多变量风险模型和遗传风险评分在个性化风险评估中的应用,以及机器学习和深度学习在复杂交互和预后建模中的作用 NA 探讨在基因组学和大数據时代下,如何改进扩张型心肌病的个性化风险评估 扩张型心肌病(DCM)的诊断和风险预测 基因组学 心血管疾病 基因组/外显子组关联研究 机器学习和深度学习 电子健康记录、现有研究数据库和疾病登记 NA
456 2024-08-08
Performance of Ultrasound Techniques and the Potential of Artificial Intelligence in the Evaluation of Hepatocellular Carcinoma and Non-Alcoholic Fatty Liver Disease
2021-Feb-14, Cancers IF:4.5Q1
综述 本文综述了超声技术在非酒精性脂肪肝病(NAFLD)及其相关肝细胞癌(HCC)评估中的诊断性能,并探讨了人工智能(AI)辅助优化超声诊断的可能性 探讨了人工智能和深度学习算法在通过超声方法评估NAFLD和NAFLD相关HCC中的应用,认为这可能对患者护理产生重大影响 传统超声在量化NAFLD和准确表征特定肝局灶性病变(FLL)方面存在局限性 分析超声技术在NAFLD和NAFLD相关HCC评估中的诊断性能,并探索人工智能优化超声诊断的可能性 非酒精性脂肪肝病(NAFLD)及其相关肝细胞癌(HCC) 医学影像 肝病 超声成像 深度学习算法 图像 NA
457 2024-08-08
Deep learning approach for the segmentation of aneurysmal ascending aorta
2021-Feb, Biomedical engineering letters IF:3.2Q2
研究论文 本研究探讨了使用UNet、ENet和ERFNet技术进行升主动脉瘤自动分割的可行性和有效性 本研究展示了深度学习模型能够快速且准确地分割和量化升主动脉瘤的3D几何结构 NA 开发新的基于图像的风险评估策略,以提高患者风险管理的个性化水平 升主动脉瘤的自动分割 计算机视觉 心血管疾病 深度学习 UNet, ENet, ERFNet 图像 72名患有升主动脉瘤和不同瓣膜形态(即三尖瓣和二尖瓣)的患者
458 2024-08-08
Artificial Intelligence in Nutrients Science Research: A Review
2021-Jan-22, Nutrients IF:4.8Q1
综述 本文分析了人工智能在营养科学研究中的当前应用 探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用 NA 分析人工智能在营养科学研究中的应用 人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用 计算机科学 NA 人工智能 人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL) 文本 399篇文献,最终筛选出55篇
459 2024-08-08
Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature
2021, Frontiers in genetics IF:2.8Q2
综述 本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用 深度学习技术如卷积神经网络(CNN)和其他神经网络在头颈部肿瘤的多组学图像分析中的应用 强调了这些技术的挑战和潜在问题 评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用 头颈部肿瘤的多组学数据 计算机视觉 头颈部肿瘤 深度学习(DL) 卷积神经网络(CNN) 图像 NA
460 2024-08-08
An Improved Double Channel Long Short-Term Memory Model for Medical Text Classification
2021, Journal of healthcare engineering
研究论文 本文提出了一种改进的双通道长短期记忆(LSTM)模型用于医疗文本分类 引入了双通道机制,同时接收词级和字级嵌入,并采用混合注意力机制来计算权重,提高了模型的泛化能力 NA 提高医疗文本分类的准确性 医疗和健康互联网社区中的大量症状咨询文本 自然语言处理 NA 长短期记忆(LSTM) LSTM 文本 使用了两个不同的数据集:cMedQA和Sentiment140
回到顶部