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 748 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2024-09-01 |
Trustworthy and Intelligent COVID-19 Diagnostic IoMT Through XR and Deep-Learning-Based Clinic Data Access
2021-Nov-01, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/JIOT.2021.3055804
PMID:35782175
|
研究论文 | 本文介绍了一种基于扩展现实（XR）和深度学习的互联网医疗物联网（IoMT）解决方案，用于COVID-19远程诊断，结合虚拟现实/增强现实（AR）远程手术规划/演练硬件、定制的5G云计算和深度学习算法，提供实时COVID-19治疗方案线索 | 与现有的感知治疗技术相比，该新技术能显著提高性能和安全性。采用了一种新颖的辅助分类器生成对抗网络（AC-GAN）的智能预测算法，并使用Copycat网络进行模型窃取和攻击，以提高IoMT的安全性能 | NA | 开发一种新的COVID-19诊断集成框架，并探索XR和深度学习在IoMT实施中的集成 | COVID-19患者 | 机器学习 | COVID-19 | 5G传输 | 辅助分类器生成对抗网络（AC-GAN） | 临床数据 | 347名阳性COVID-19患者和2270名阴性COVID-19患者 | NA | NA | NA | NA |
| 442 | 2024-09-01 |
SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment
2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops
DOI:10.1109/cvprw53098.2021.00505
PMID:35794879
|
研究论文 | 本文介绍了一种名为SrvfNet的生成式深度学习框架，用于对包含平方根速度函数（SRVF）的大量功能数据进行联合多重微分同胚对齐 | 该框架是完全无监督的，不仅能对预定义模板进行对齐，还能从数据中联合预测最优模板并同时实现对齐 | NA | 开发一种新的深度学习框架，用于功能数据的无监督多重微分同胚对齐 | 功能数据，特别是包含平方根速度函数的集合 | 机器学习 | NA | 深度学习 | 生成式编码器-解码器架构 | 功能数据 | 涉及合成数据和磁共振成像（MRI）数据中的扩散轮廓 | NA | NA | NA | NA |
| 443 | 2024-09-01 |
Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes
2021-Jan-04, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-020-01701-8
PMID:33404886
|
研究论文 | 本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果 | 本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制 | 影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性 | 旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性 | 心血管手术后的临床结果 | 机器学习 | 心血管疾病 | 深度神经网络 | 深度神经网络模型 | 图像 | 使用过往病史的时间图像表示作为输入，具体样本数量未提及 | NA | NA | NA | NA |
| 444 | 2024-08-31 |
Motion Extraction of the Right Ventricle from 4D Cardiac Cine MRI Using A Deep Learning-Based Deformable Registration Framework
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/EMBC46164.2021.9630586
PMID:34892062
|
研究论文 | 本文描述了一种基于深度学习的可变形配准框架，用于从4D心脏电影MRI中提取右心室的动态模型，并评估其功能。 | 提出了一种结合CondenseUNet和深度学习可变形网络的方法，用于生成右心室的动态模型。 | 仅在ACDC数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的性能。 | 开发动态的、特定于患者的右心室模型，用于评估右心室功能。 | 正常受试者和异常右心室患者的右心室模型。 | 数字病理学 | 心血管疾病 | MRI | CondenseUNet | 图像 | 150例心脏MRI患者数据 | NA | NA | NA | NA |
| 445 | 2024-08-31 |
Towards Real-time pose estimation of the Mitral Valve Robot under C-arm X-ray Fluoroscopy
2021-Nov, IEEE transactions on medical robotics and bionics
IF:3.4Q2
DOI:10.1109/tmrb.2021.3122351
PMID:35756715
|
research paper | 本文讨论了使用C臂荧光透视下实时跟踪夹子位置和方向的算法，以实现二尖瓣机器人的精确定位 | 提出了一种深度学习语义分割框架来定位夹子的位置，并通过等效椭圆算法和SVM分类器计算其弯曲和旋转角度 | 弯曲角度计算的平均误差为7.7°，旋转角度分类的准确率为76% | 开发一种用于治疗二尖瓣反流（MR）的机器人，实现夹子对瓣叶的精确导航 | 二尖瓣机器人的定位和导航 | computer vision | 心血管疾病 | C-arm fluoroscopy | CNN | image | NA | NA | NA | NA | NA |
| 446 | 2024-08-31 |
A Coarse-to-Fine Framework for Automated Knee Bone and Cartilage Segmentation Data from the Osteoarthritis Initiative
2021-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-021-00464-z
PMID:34031789
|
研究论文 | 本文开发了一种基于深度学习的粗到细方法，用于自动分割膝关节骨、软骨和半月板，具有高计算效率 | 提出了一个基于深度学习的粗到细框架，用于自动分割膝关节骨和软骨，提高了分割的准确性和效率 | NA | 开发一种自动化的方法来分割膝关节骨和软骨，以便于量化分析OA图像 | 膝关节骨、软骨和半月板的自动分割 | 计算机视觉 | 骨关节炎 | 深度学习 | NA | 图像 | 507个MR体积（81,120个切片） | NA | NA | NA | NA |
| 447 | 2024-08-31 |
Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction
2021-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.14609
PMID:33225476
|
研究论文 | 本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测 | 首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测 | 需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性 | 开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测 | COVID-19患者的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | VB-Net神经网络 | CT扫描图像 | 训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描 | NA | NA | NA | NA |
| 448 | 2024-08-31 |
Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays
2021-Feb-05, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09775-9
PMID:33564340
|
研究论文 | 本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例 | 该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度 | NA | 开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例 | COVID-19阳性病例和非COVID-19病例的胸部X光片 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | CNN | 图像 | 321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片 | NA | NA | NA | NA |
| 449 | 2024-08-31 |
Automatic Screening of COVID-19 Using an Optimized Generative Adversarial Network
2021-Jan-25, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09785-7
PMID:33520007
|
研究论文 | 本文提出了一种使用优化生成对抗网络（GAN）进行COVID-19自动筛查的方法 | 采用鲸鱼优化算法（WOA）优化GAN生成器的超参数，提高了模型的性能 | NA | 开发一种自动筛查COVID-19的方法，减轻医疗系统的负担 | COVID-19和非COVID-19的CT图像 | 计算机视觉 | COVID-19 | 生成对抗网络（GAN） | GAN | 图像 | 使用了包含COVID-19和非COVID-19图像的SARS-CoV-2 CT-Scan数据集 | NA | NA | NA | NA |
| 450 | 2024-08-31 |
DRISTI: a hybrid deep neural network for diabetic retinopathy diagnosis
2021, Signal, image and video processing
DOI:10.1007/s11760-021-01904-7
PMID:33897905
|
研究论文 | 本文提出了一种名为DRISTI的混合深度神经网络模型，用于糖尿病视网膜病变（DR）的诊断和分类 | DRISTI模型结合了VGG16和胶囊网络，相较于现有技术，在性能上有了显著提升 | NA | 旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性 | 糖尿病视网膜病变（DR）的诊断和分类 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 混合深度神经网络（VGG16和胶囊网络） | 图像 | 使用了扩增的APTOS数据集进行训练和验证 | NA | NA | NA | NA |
| 451 | 2024-08-31 |
Convolutional neural networks for the classification of chest X-rays in the IoT era
2021, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-10907-y
PMID:34155434
|
研究论文 | 本文提出两种基于深度学习的方法，用于快速自动分类胸片图像，以检测胸部疾病 | 引入了基于AlexNet和VGGNet16的支持向量机方法，这些方法在胸片图像分类任务中表现优于传统的AlexNet和VGG16深度学习方法 | NA | 开发自动化的人工智能系统，帮助放射科医生更准确和快速地检测肺部疾病 | 胸片图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 十二种胸片疾病 | NA | NA | NA | NA |
| 452 | 2024-08-30 |
A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality
2021-Dec, International journal of imaging systems and technology
IF:3.0Q2
DOI:10.1002/ima.22627
PMID:34518739
|
研究论文 | 本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19 | 采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性 | NA | 开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播 | COVID-19、肺炎和正常胸部X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像 | NA | NA | NA | NA |
| 453 | 2024-08-30 |
Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions
2021-Oct-26, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06636-w
PMID:34720443
|
研究论文 | 本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割 | 引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征 | 未提及 | 开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断 | COVID-19受影响区域的分割和病变定位 | 计算机视觉 | COVID-19 | 深度学习 | CNN | CT图像 | 基准CT数据集 | NA | NA | NA | NA |
| 454 | 2024-08-30 |
Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements
2021-09-14, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2021_JSLHR-21-00134
PMID:34428093
|
研究论文 | 本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力 | 本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注 | 研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较 | 比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性 | 神经退行性疾病患者和健康成年人的吞咽功能 | 数字病理学 | 神经退行性疾病 | 高分辨率颈听诊（HRCA） | 深度学习机器学习算法 | 信号 | 170名神经退行性疾病患者和171名健康成年人的吞咽样本 | NA | NA | NA | NA |
| 455 | 2024-08-30 |
Examining embedded apparatuses of AI in Facebook and TikTok
2021-Sep-12, AI & society
IF:2.9Q2
DOI:10.1007/s00146-021-01270-5
PMID:34539095
|
研究论文 | 本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。 | 文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。 | 文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。 | 研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。 | 研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。 | 自然语言处理 | NA | 机器学习 (ML), 深度学习 (DL) | NA | 文本 | NA | NA | NA | NA | NA |
| 456 | 2024-08-30 |
Machine learning for medical imaging-based COVID-19 detection and diagnosis
2021-Sep, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22504
PMID:38607786
|
综述 | 本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型 | 利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者 | 许多机器学习模块在样本量有限的数据集上取得了显著的预测结果 | 探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率 | COVID-19的检测与诊断 | 机器学习 | COVID-19 | NA | 卷积神经网络 | 图像 | 有限样本量 | NA | NA | NA | NA |
| 457 | 2024-08-30 |
CondenseNet with exclusive lasso regularization
2021, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06222-0
PMID:34219978
|
研究论文 | 本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题 | 引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征 | NA | 提高计算效率并缓解神经网络的过拟合问题 | CondenseNet-elasso模型及其在图像分类任务中的性能 | 机器学习 | NA | group convolution | CNN | image | CIFAR10, CIFAR100和Tiny ImageNet数据集 | NA | NA | NA | NA |
| 458 | 2024-08-30 |
Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review
2021, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06137-x
PMID:34456618
|
综述 | 本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法 | 讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战 | 未具体提及 | 探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播 | COVID-19的早期检测和诊断 | 计算机视觉 | COVID-19 | 深度学习算法 | 深度神经网络 | 图像 | 未具体提及 | NA | NA | NA | NA |
| 459 | 2024-08-30 |
Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks
2021, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-020-01900-3
PMID:34764554
|
研究论文 | 本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法 | 采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型 | 研究使用的数据集样本有限，主要关注COVID-19阳性病例 | 开发一种更稳健和替代的COVID-19诊断技术 | COVID-19的自动诊断和肺部感染的识别 | 机器学习 | 呼吸系统疾病 | 深度学习 | NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169 | 图像 | 公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限 | NA | NA | NA | NA |
| 460 | 2024-08-29 |
An investigation of traffic density changes inside Wuhan during the COVID-19 epidemic with GF-2 time-series images
2021-Dec-01, International journal of applied earth observation and geoinformation : ITC journal
IF:7.6Q1
DOI:10.1016/j.jag.2021.102503
PMID:35481227
|
研究论文 | 本文通过收集武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像，分析了武汉内部交通密度的变化，以反映城市内部人口流动的变化。 | 利用高分辨率遥感图像和结合形态学滤波与深度学习的车辆检测方法，首次详细分析了武汉封城期间内部交通密度的变化。 | 研究主要依赖于遥感图像数据，可能存在天气等外部因素对数据质量的影响。 | 探讨武汉封城政策对城市内部交通密度和人口流动的影响。 | 武汉封城前后的交通密度变化。 | 遥感 | COVID-19 | 遥感图像分析 | 深度学习 | 图像 | 武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像 | NA | NA | NA | NA |