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 43 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 | 2024-09-25 |
An imageomics and multi-network based deep learning model for risk assessment of liver transplantation for hepatocellular cancer
2021-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文开发了一种结合临床数据和定量组织学及放射组学特征的深度学习模型，用于评估肝细胞癌患者肝移植的风险 | 本文的创新点在于开发了一种结合多尺度组织病理学和放射组学图像特征的深度学习模型，用于发现超出肿瘤大小和生物标志物分析的复发风险因素 | NA | 本文的研究目的是开发一种能够更客观评估肝细胞癌患者肝移植风险的深度学习模型 | 本文的研究对象是接受肝移植的肝细胞癌患者 | 计算机视觉 | 肝癌 | 深度学习 | 多层感知器 | 图像 | 共109名患者（训练组87名，测试组22名），其中20名患者出现癌症复发 | NA | NA | NA | NA |
| 22 | 2024-09-19 |
A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images
2021-Apr-29, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare9050522
PMID:33946809
|
研究论文 | 提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法 | 提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率 | 由于COVID-19数据集较小，存在过拟合的风险 | 开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者 | COVID-19患者的胸部X光图像 | 计算机视觉 | 传染病 | 深度学习 | Inception-ResNet | 图像 | 有限数量的COVID-19患者胸部X光图像 | NA | NA | NA | NA |
| 23 | 2024-09-19 |
Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets
2021-Apr-22, Knowledge-based systems
IF:7.2Q1
DOI:10.1016/j.knosys.2021.106849
PMID:33584016
|
研究论文 | 本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法 | 本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别 | 本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证 | 开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担 | COVID-19的CT影像识别 | 计算机视觉 | COVID-19 | 迁移学习 | DensNet-121 | CT影像 | 小规模数据集 | NA | NA | NA | NA |
| 24 | 2024-09-13 |
[Research progress in lung parenchyma segmentation based on computed tomography]
2021-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202008032
PMID:33913299
|
综述 | 本文综述了近年来基于CT图像的肺实质分割研究进展 | 重点介绍了改进深度学习模型网络结构的研究进展 | 讨论了肺实质分割中尚未解决的问题 | 回顾和分析肺实质分割的研究进展，为相关领域的研究人员提供参考 | 基于CT图像的肺实质分割方法 | 计算机视觉 | 肺部疾病 | CT技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 25 | 2024-09-10 |
Does non-COVID-19 lung lesion help? investigating transferability in COVID-19 CT image segmentation
2021-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2021.106004
PMID:33662804
|
研究论文 | 研究了非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果 | 提出了混合编码器学习策略，结合了专用编码器和适应性编码器，以及基于注意力的选择性融合单元，用于动态特征选择和聚合 | NA | 探讨非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果，并提出一种更有效的深度学习模型训练策略 | COVID-19 CT图像分割 | 计算机视觉 | 肺部疾病 | 迁移学习 | 3D U-Net | CT图像 | 基于公开的COVID-19 CT数据集和三个公开的非COVID-19数据集 | NA | NA | NA | NA |
| 26 | 2024-09-08 |
Deep Learning-Based Cell Detection and Extraction in Thin Blood Smears for Malaria Diagnosis
2021-Apr-26, IEEE Applied Imagery Pattern Recognition Workshop : [proceedings]. IEEE Applied Imagery Pattern Recognition Workshop
DOI:10.1109/AIPR52630.2021.9762109
PMID:36483328
|
研究论文 | 本文提出了一种基于深度学习的薄血涂片中细胞检测和提取框架，用于疟疾诊断 | 使用改进的Channel-wise Feature Pyramid Network for Medicine (CFPNet-M)深度学习网络进行细胞检测，并通过距离变换图像提高密集细胞的计数准确性 | 初步结果基于193名患者的数据，需要进一步验证和扩展 | 自动化疟疾诊断，解决传统显微镜检查的繁琐和误差问题 | 薄血涂片中的红细胞检测和提取 | 计算机视觉 | 疟疾 | 深度学习 | CFPNet-M | 图像 | 193名患者（包括148名感染患者和45名未感染患者） | NA | NA | NA | NA |
| 27 | 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 |
| 28 | 2024-08-28 |
High-resolution 3D abdominal segmentation with random patch network fusion
2021-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2020.101894
PMID:33421919
|
研究论文 | 本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。 | 该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。 | NA | 研究高分辨率3D腹部器官分割的挑战性问题。 | 3D腹部器官在高分辨率CT上的分割。 | 计算机视觉 | NA | 3D全卷积网络（FCN） | 补丁网络 | 图像 | 260名受试者 | NA | NA | NA | NA |
| 29 | 2024-08-11 |
Model Simplification of Deep Random Forest for Real-Time Applications of Various Sensor Data
2021-Apr-25, Sensors (Basel, Switzerland)
DOI:10.3390/s21093004
PMID:33922953
|
研究论文 | 本文提出了一种新的方法来简化深度随机森林（DRF）的黑盒模型，通过提出的规则消除方法来量化特征贡献和频率，从而实现模型简化。 | 本文的创新点在于提出了一种新的规则消除方法，通过量化特征贡献和频率来简化深度随机森林模型，使其参数和规则数量减少，同时保持了较高的分类准确性。 | NA | 研究目的是简化深度随机森林模型，提高其实时应用的性能和效率。 | 研究对象是深度随机森林模型及其在各种传感器数据实时应用中的表现。 | 机器学习 | NA | 深度随机森林（DRF） | 深度随机森林（DRF） | 传感器数据 | 使用基准传感器数据集进行验证 | NA | NA | NA | NA |
| 30 | 2024-08-11 |
Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring
2021-Apr-12, Insects
IF:2.7Q1
DOI:10.3390/insects12040342
PMID:33921492
|
研究论文 | 本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量 | 研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能 | 未提及具体限制 | 开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫 | 松黑松小蠹 | 计算机视觉 | NA | 深度学习 | 目标检测模型 | 图像 | 使用了在实地收集的诱捕器图像进行训练、验证和测试 | NA | NA | NA | NA |
| 31 | 2024-08-11 |
Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning
2021-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.415962
PMID:33996229
|
研究论文 | 本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法 | 首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色 | NA | 开发一种无需实验室染色过程的诊断应用计算染色技术 | 非线性多模态成像与H&E染色图像的相关性 | 数字病理学 | NA | 非线性多模态成像 | 生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 32 | 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 |
| 33 | 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 |
| 34 | 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 |
| 35 | 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 |
| 36 | 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 |
| 37 | 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 |
| 38 | 2024-08-07 |
The whole is greater than its parts: ensembling improves protein contact prediction
2021-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-87524-0
PMID:33850214
|
研究论文 | 本文探讨了通过集成学习提高蛋白质接触预测准确性的方法 | 提出使用集成学习技术，结合不同神经网络模型的输出，以提高蛋白质接触预测的准确性 | 需要创建更好的蛋白质接触基准集和额外的开源接触预测方法以进一步发展 | 提高蛋白质接触预测的准确性 | 蛋白质接触预测 | 机器学习 | NA | 深度学习 | 神经网络 | 序列数据 | 涉及多个深度神经网络模型，包括AlphaFold、trRosetta和ProSPr | NA | NA | NA | NA |
| 39 | 2024-08-07 |
Accessory pathway analysis using a multimodal deep learning model
2021-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-87631-y
PMID:33850245
|
研究论文 | 本文评估了一种使用心电图（ECG）和胸部X射线的人工智能模型在识别Wolff-Parkinson-White综合征中旁路位置的有效性 | 提出了一种结合ECG和胸部X射线数据的多模态深度学习模型，显著提高了旁路位置识别的准确性 | NA | 开发和评估一种新的深度学习模型，用于准确识别心脏旁路的位置 | Wolff-Parkinson-White综合征患者的心脏旁路位置 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 图像和文本 | 206名WPW综合征患者的心电图和胸部X射线数据，以及来自其他数据集的1519个胸部X射线样本 | NA | NA | NA | NA |
| 40 | 2024-08-07 |
Impact of Image Context on Deep Learning for Classification of Teeth on Radiographs
2021-Apr-12, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm10081635
PMID:33921440
|
研究论文 | 本研究旨在评估图像上下文信息对全景牙科放射图像中牙齿分类深度学习模型准确性的影响 | 通过调整图像上下文大小（从100%到300%）并使用ResNet-34模型，研究了上下文信息对牙齿分类准确性的影响 | 在200%到300%的上下文范围内，准确性提升有限，且犬齿的分类准确性在较小上下文下已经很高，增加上下文带来的提升不大 | 评估图像上下文信息对深度学习模型在全景牙科放射图像中牙齿分类准确性的影响 | 全景牙科放射图像中的牙齿分类 | 计算机视觉 | NA | 深度学习 | ResNet-34 | 图像 | 5008张全景放射图像，每张图像平均包含25.2颗牙齿 | NA | NA | NA | NA |