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 646 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2024-08-10 |
Deep learning-based forecasting model for COVID-19 outbreak in Saudi Arabia
2021-May, Process safety and environmental protection : transactions of the Institution of Chemical Engineers, Part B
IF:6.9Q1
DOI:10.1016/j.psep.2020.10.048
PMID:33162687
|
研究论文 | 本研究提出了一种基于长短期记忆网络（LSTM）的深度学习模型，用于预测沙特阿拉伯COVID-19疫情的发展情况 | 本研究采用了LSTM网络作为预测模型，并与ARIMA和NARANN模型进行了比较，展示了其更高的预测准确性 | NA | 预测COVID-19疫情的发展，为政策制定者提供决策支持 | 沙特阿拉伯及其他六个国家的COVID-19疫情数据 | 机器学习 | COVID-19 | LSTM | LSTM | 数值数据 | 沙特阿拉伯及其他六个国家的疫情数据 | NA | NA | NA | NA |
| 522 | 2024-08-10 |
Predicting ASD Diagnosis in Children with Synthetic and Image-based Eye Gaze Data
2021-May, Signal processing. Image communication
DOI:10.1016/j.image.2021.116198
PMID:33859457
|
研究论文 | 本文提出两种机器学习方法，基于合成和图像的注视数据，自动分类儿童的自闭症谱系障碍（ASD）诊断 | 使用合成扫视模式和图像基础方法处理注视数据，以提高ASD预测的准确性 | 实验中ASD预测的准确率在验证集和测试集上分别为67.23%和62.13%，仍有提升空间 | 开发早期干预工具，通过注视数据识别ASD风险，以便在症状完全显现之前进行干预 | 儿童的注视数据 | 机器学习 | 自闭症谱系障碍 | 深度学习 | 卷积神经网络（CNN）和循环神经网络（RNN） | 注视数据 | 公开可访问的儿童注视数据集 | NA | NA | NA | NA |
| 523 | 2024-08-10 |
Application of Artificial Intelligence for Screening COVID-19 Patients Using Digital Images: Meta-analysis
2021-Apr-29, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/21394
PMID:33764884
|
meta-analysis | 本研究通过系统综述和meta分析，评估了深度学习算法在利用胸部影像自动分类COVID-19患者中的性能 | 深度学习模型在检测COVID-19方面表现出比放射科医生更高的敏感性和特异性，尤其是初级放射科医生在使用基于深度学习的预测工具后性能有所提升 | NA | 评估深度学习算法在自动分类COVID-19患者使用胸部影像中的性能 | COVID-19患者和胸部影像 | computer vision | COVID-19 | deep learning | DL | image | 5896张胸部影像 | NA | NA | NA | NA |
| 524 | 2024-08-10 |
Learning future terrorist targets through temporal meta-graphs
2021-04-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-87709-7
PMID:33879811
|
研究论文 | 本文利用阿富汗和伊拉克2001年至2018年的真实攻击数据，提出使用时间元图和深度学习来预测未来的恐怖分子目标 | 通过时间元图构建特征空间，产生比仅依赖特征出现频率的浅层时间序列更丰富的知识；实验表明双向LSTM网络在预测性能上优于其他算法 | NA | 预测未来恐怖分子目标 | 恐怖分子攻击的时间和目标特征 | 机器学习 | NA | 深度学习 | LSTM | 时间序列 | 2001年至2018年阿富汗和伊拉克的攻击数据 | NA | NA | NA | NA |
| 525 | 2024-08-10 |
Pivotal mental states
2021-04, Journal of psychopharmacology (Oxford, England)
DOI:10.1177/0269881120959637
PMID:33174492
|
研究论文 | 本文介绍了一种新的心理状态——'关键心理状态'，这是一种促进快速深入学习并能介导心理转变的超可塑性状态 | 提出了'关键心理状态'这一新概念，并探讨了其在心理学和精神病学现象中的相关性 | NA | 探讨关键心理状态的进化功能及其在心理转变中的作用 | 关键心理状态及其与压力、神经质特质和血清素2A受体激动剂的关系 | 心理学 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 526 | 2024-08-10 |
Robust Computationally-Efficient Wireless Emitter Classification Using Autoencoders and Convolutional Neural Networks
2021-Apr-01, Sensors (Basel, Switzerland)
DOI:10.3390/s21072414
PMID:33915685
|
研究论文 | 本文提出了一种基于深度学习（DL）的无线发射机分类新方法，该方法在恶劣信道条件下提高了计算效率和准确性 | 提出了一种结合去噪自编码器（DAE）和卷积神经网络（CNN）的新型发射机分类解决方案，该方案在恶劣信道条件下表现更优，且计算资源需求显著减少 | NA | 旨在提高无线发射机在恶劣信道条件下的分类效率和准确性 | 无线发射机的无线接入技术（RAT）分类 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 频谱图 | 包括LTE和四种最新Wi-Fi标准在内的多种RAT的标准合规模拟 | NA | NA | NA | NA |
| 527 | 2024-08-10 |
Automatic Segmentation in Multiple OCT Layers For Stargardt Disease Characterization Via Deep Learning
2021-04-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.10.4.24
PMID:34004000
|
研究论文 | 本研究旨在通过深度学习技术自动分割11层视网膜层和与斯特格病相关的特征，并分析正常眼与斯特格病眼之间的差异 | 这是首个针对斯特格病患者在OCT图像上自动分割11层视网膜层的算法 | NA | 实现斯特格病患者的视网膜层自动分割，并分析其与正常眼的差异 | 斯特格病患者的视网膜层和相关特征 | 机器学习 | 眼科疾病 | 深度学习 | 全卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 528 | 2024-08-10 |
Use of deep learning for structural analysis of computer tomography images of soil samples
2021-Mar-31, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.201275
PMID:33959314
|
研究论文 | 本文使用深度学习方法对来自多个欧洲国家的土壤样本的计算机断层扫描（CT）图像进行结构分析 | 引入了新的自动化标注方法'surrogate'学习，并使用VGG16网络进行训练 | NA | 研究深度学习在土壤样本CT图像结构分析中的应用 | 欧洲多个国家的土壤样本 | 计算机视觉 | NA | 深度学习 | VGG16 | 图像 | 多个土壤样本 | NA | NA | NA | NA |
| 529 | 2024-08-10 |
Novel Transfer Learning Approach for Medical Imaging with Limited Labeled Data
2021-Mar-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers13071590
PMID:33808207
|
研究论文 | 本文提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练深度学习模型，然后将知识迁移到少量标记医学图像上，以提高医学图像分类的性能 | 提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练模型，并将知识迁移到少量标记医学图像上，以及引入了一种新的深度卷积神经网络（DCNN）模型 | NA | 克服传统迁移学习方法在医学图像分类中的无效性，提高医学图像分类的性能 | 皮肤癌和乳腺癌的分类任务 | 计算机视觉 | 皮肤癌, 乳腺癌 | 迁移学习 | 深度卷积神经网络（DCNN） | 图像 | 少量标记医学图像和大量未标记医学图像 | NA | NA | NA | NA |
| 530 | 2024-08-10 |
An Improved UNet++ Model for Congestive Heart Failure Diagnosis Using Short-Term RR Intervals
2021-Mar-16, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics11030534
PMID:33809773
|
研究论文 | 本文提出了一种基于心率变异性信号的端到端编码器-解码器模型，用于诊断充血性心力衰竭 | 改进的UNet++模型结合挤压激励（SE）残差块，用于层次化提取深层特征并区分充血性心力衰竭患者与正常对象 | NA | 开发一种新的深度学习模型，用于早期检测充血性心力衰竭 | 充血性心力衰竭的早期诊断 | 机器学习 | 心血管疾病 | NA | UNet++ | 信号 | 使用了两个开源数据库，分别使用了500、1000和2000个RR间期进行评估 | NA | NA | NA | NA |
| 531 | 2024-08-10 |
Differential Deep Convolutional Neural Network Model for Brain Tumor Classification
2021-Mar-10, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci11030352
PMID:33801994
|
研究论文 | 本文提出了一种差分深度卷积神经网络模型（differential deep-CNN）用于脑肿瘤分类 | 使用差分算子在原始CNN特征图中导出额外的差分特征图，提高了模型的性能 | NA | 改进脑肿瘤分类算法，帮助放射科医生在没有手术干预的情况下诊断肿瘤 | 不同类型的脑肿瘤，包括异常和正常的磁共振（MR）图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像（MRI） | CNN | 图像 | 25,000张脑磁共振成像（MRI）图像 | NA | NA | NA | NA |
| 532 | 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
DOI:10.1148/ryai.2020200137
PMID:33937860
|
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 | NA | NA | NA | NA |
| 533 | 2024-08-10 |
DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution
2021, Journal of healthcare engineering
DOI:10.1155/2021/5594649
PMID:33897991
|
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 | NA | NA | NA | NA |
| 534 | 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
DOI:10.3389/fpubh.2021.675801
PMID:33898386
|
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 | NA | NA | NA | NA |
| 535 | 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
DOI:10.1148/ryai.2020200015
PMID:33937850
|
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）。 | NA | NA | NA | NA |
| 536 | 2024-08-09 |
DeepMapi: a Fully Automatic Registration Method for Mesoscopic Optical Brain Images Using Convolutional Neural Networks
2021-04, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-020-09483-7
PMID:32754778
|
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 | NA | NA | NA | NA |
| 537 | 2024-08-09 |
Evaluation of lung involvement in COVID-19 pneumonia based on ultrasound images
2021-Mar-20, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-021-00863-x
PMID:33743707
|
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 | NA | NA | NA | NA |
| 538 | 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
DOI:10.1186/s12911-021-01462-5
PMID:33726723
|
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 | NA | NA | NA | NA |
| 539 | 2024-08-09 |
Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach
2021-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s21051836
PMID:33800716
|
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 | NA | NA | NA | NA |
| 540 | 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
DOI:10.3233/XST-200735
PMID:33164982
|
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 | NA | NA | NA | NA |