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 42 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-09-11 |
Handling of uncertainty in medical data using machine learning and probability theory techniques: a review of 30 years (1991-2020)
2021-Mar-21, Annals of operations research
IF:4.4Q1
DOI:10.1007/s10479-021-04006-2
PMID:33776178
|
综述 | 本文回顾了过去30年（1991-2020）使用概率论和机器学习技术处理医疗数据中不确定性的相关研究 | 总结了处理医疗原始数据不确定性及新模型中挑战的各种方法 | 医疗数据中的不确定性问题仍存在有限的知识和挑战 | 探讨如何通过概率论和机器学习技术处理医疗数据中的不确定性 | 医疗数据中的不确定性及其处理方法 | 机器学习 | NA | 概率论 | 深度学习 | 医疗数据 | NA | NA | NA | NA | NA |
| 22 | 2024-09-10 |
TLCoV- An automated Covid-19 screening model using Transfer Learning from chest X-ray images
2021-Mar, Chaos, solitons, and fractals
DOI:10.1016/j.chaos.2021.110713
PMID:33526961
|
研究论文 | 本文设计了一种基于迁移学习的自动化Covid-19筛查模型，通过胸部X光图像识别患者是否感染Covid-19 | 本文提出的模型使用VGG-16架构，在Covid-19筛查中表现优于现有的CNN和ResNet-50模型 | NA | 开发一种高精度的自动化Covid-19筛查模型，以减少疾病的快速传播 | Covid-19感染患者、其他肺炎感染患者和无感染者 | 计算机视觉 | Covid-19 | 迁移学习 | VGG-16 | 图像 | 使用来自Kaggle仓库的标准Covid-19放射影像数据集中的胸部X光图像 | NA | NA | NA | NA |
| 23 | 2024-09-05 |
Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach
2021-03-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2020.10.005
PMID:33068690
|
研究论文 | 本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。 | 该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。 | 研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。 | 开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。 | 头颈部癌症患者的淋巴结CTV轮廓。 | 计算机视觉 | 头颈部癌症 | 计算机断层扫描（CT） | U-Net | 图像 | 71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。 | NA | NA | NA | NA |
| 24 | 2024-09-04 |
[Research progress and application of retention time prediction method based on deep learning]
2021-Mar, Se pu = Chinese journal of chromatography
DOI:10.3724/SP.J.1123.2020.08015
PMID:34227303
|
研究论文 | 本文综述了基于深度学习的保留时间预测方法及其在蛋白质组学中的应用进展 | 引入深度学习技术进行保留时间预测，通过迁移学习提高模型在不同色谱条件下的适用性，并生成伪光谱库以克服传统方法的局限 | 对于复杂修饰如糖基化的预测仍存在不足 | 探讨深度学习在保留时间预测及其相关应用中的研究进展和未来发展方向 | 蛋白质组学中的肽段保留时间预测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 25 | 2024-09-02 |
Can peritumoral regions increase the efficiency of machine-learning prediction of pathological invasiveness in lung adenocarcinoma manifesting as ground-glass nodules?
2021-Mar, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-20-2981
PMID:33841926
|
研究论文 | 本研究探讨了基于CT图像的深度学习模型在预测肺腺癌表现为磨玻璃结节（GGNs）的病理侵袭性中的价值和应用 | 使用包含肿瘤周围区域的GPTV模型比仅使用GTV的模型在预测GGN侵袭性方面更有效 | NA | 探索肿瘤及肿瘤周围区域的CT图像深度学习模型在预测磨玻璃结节侵袭性中的价值和应用 | 622名患者的687个肺部磨玻璃结节 | 机器学习 | 肺腺癌 | 3D DenseNet | DenseNet | CT图像 | 622名患者，共687个肺部磨玻璃结节 | NA | NA | NA | NA |
| 26 | 2024-08-27 |
Deep learning quantified mucus-tumor ratio predicting survival of patients with colorectal cancer using whole-slide images
2021-Mar, Precision clinical medicine
IF:5.1Q1
DOI:10.1093/pcmedi/pbab002
PMID:35693123
|
研究论文 | 本文利用深度学习技术量化结直肠癌患者的粘液-肿瘤比例，并研究其对患者生存率的预测价值 | 首次使用深度学习技术量化粘液比例，并探讨其在结直肠癌中的预后价值 | NA | 量化粘液比例并研究其在结直肠癌患者中的预后价值 | 结直肠癌患者的粘液-肿瘤比例及其预后影响 | 数字病理 | 结直肠癌 | 深度学习 | NA | 图像 | 训练集419例，验证集315例 | NA | NA | NA | NA |
| 27 | 2024-08-11 |
Application of artificial intelligence in digital chest radiography reading for pulmonary tuberculosis screening
2021-Mar, Chronic diseases and translational medicine
DOI:10.1016/j.cdtm.2021.02.001
PMID:34013178
|
研究论文 | 本文探讨了人工智能在数字胸部X光片阅读中用于肺结核筛查的应用 | 结合人工智能和大量医学图像，为计算机辅助检测系统在医学应用中的建立提供了新的机会，特别是在深度学习技术时代 | NA | 研究人工智能在肺结核筛查中的应用 | 肺结核的筛查和诊断 | 计算机视觉 | 肺结核 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 28 | 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 |
| 29 | 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 |
| 30 | 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 |
| 31 | 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 |
| 32 | 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 |
| 33 | 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 |
| 34 | 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 |
| 35 | 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 |
| 36 | 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 | NA | NA | NA | NA |
| 37 | 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
DOI:10.1371/journal.pcbi.1008374
PMID:33651804
|
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 | NA | NA | NA | NA |
| 38 | 2024-08-07 |
Artificial intelligence assistance significantly improves Gleason grading of prostate biopsies by pathologists
2021-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1038/s41379-020-0640-y
PMID:32759979
|
研究论文 | 研究探讨了人工智能辅助对前列腺活检Gleason评分的影响，发现AI辅助显著提高了评分的一致性 | 首次详细研究了AI系统与病理学家协同工作在前列腺活检Gleason评分中的应用，显示出AI辅助下的病理学家表现优于单独的病理学家和AI系统 | 研究未涉及AI系统在存在异常情况（如异物组织）时的表现 | 评估AI辅助对前列腺活检Gleason评分的影响 | 前列腺活检样本的Gleason评分 | 数字病理学 | 前列腺癌 | 深度学习 | AI系统 | 图像 | 160个活检样本用于实验，87个样本用于外部验证 | NA | NA | NA | NA |
| 39 | 2024-08-07 |
Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: analysis of 697 Italian patients
2021-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-020-07269-8
PMID:32945968
|
研究论文 | 本研究评估了人工智能系统评估的初始胸部X光片（CXR）严重程度在COVID-19患者中的预后价值 | 人工智能系统与放射科医生评估的疾病严重程度评分在CXR上独立且可比较，预测COVID-19患者不良结果的能力 | NA | 评估人工智能系统在COVID-19患者中通过初始胸部X光片预测临床结果的预后价值 | COVID-19患者的初始胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | AI系统 | 图像 | 697名患者 | NA | NA | NA | NA |
| 40 | 2024-08-07 |
Dual-wavelength interferogram decoupling method for three-frame generalized dual-wavelength phase-shifting interferometry based on deep learning
2021-Mar-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.412433
PMID:33690460
|
研究论文 | 本研究提出了一种基于深度学习的双波长干涉图解耦方法，用于三帧广义双波长相移干涉测量 | 该方法通过深度神经网络，仅使用三帧随机相移的双波长干涉图，即可有效提取每个波长的相位 | NA | 解决双波长干涉测量中如何高效利用最少波长复用干涉图获取每个波长相位的问题 | 双波长干涉图的解耦和相位提取 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 干涉图 | 三帧随机相移的双波长干涉图 | NA | NA | NA | NA |