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 75 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 | 2025-02-21 |
Prediction and detection of freezing of gait in Parkinson's disease from plantar pressure data using long short-term memory neural-networks
2021-11-27, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-021-00958-5
PMID:34838066
|
研究论文 | 本研究探讨了使用长短期记忆神经网络（LSTM）从足底压力数据中检测和预测帕金森病（PD）患者的步态冻结（FOG） | 首次使用足底压力数据结合LSTM模型进行FOG的检测和预测，相较于传统的惯性测量单元（IMU）和加速度计数据，足底压力数据能捕捉到FOG发作时独特的细微重量变化 | 研究样本量较小（11名参与者），且数据在实验室环境中收集，需进一步研究以提高FOG预测性能，并扩大样本量 | 开发一种基于足底压力数据的实时可穿戴系统，用于检测和预测帕金森病患者的步态冻结 | 帕金森病患者的步态冻结（FOG） | 机器学习 | 帕金森病 | 长短期记忆神经网络（LSTM） | LSTM | 足底压力数据 | 11名帕金森病患者 | NA | NA | NA | NA |
| 22 | 2025-02-21 |
Tourist Experiences Recommender System Based on Emotion Recognition with Wearable Data
2021-Nov-25, Sensors (Basel, Switzerland)
DOI:10.3390/s21237854
PMID:34883853
|
研究论文 | 本文提出了一种基于穿戴设备数据的情感识别旅游体验推荐系统（TERS）架构 | 与大多数在控制实验中使用高精度传感器诱发情感的研究不同，本研究挑战在于基于用户日常生活中收集的心率数据进行情感识别，并生成考虑穿戴者情感状态的旅游推荐 | 穿戴设备收集的生理数据精度较低，可能影响情感识别的准确性 | 开发一种基于穿戴设备数据的情感识别旅游体验推荐系统 | 穿戴设备的用户 | 机器学习 | NA | 深度学习算法 | CNN, LSTM, 混合模型 | 心率数据 | NA | NA | NA | NA | NA |
| 23 | 2025-02-21 |
Spatio-temporal prediction of the COVID-19 pandemic in US counties: modeling with a deep LSTM neural network
2021-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-01119-3
PMID:34741093
|
研究论文 | 本文提出了一种深度学习方法，用于预测美国各县未来1至4周的COVID-19感染病例和死亡人数 | 使用多变量LSTM递归神经网络，结合移动性数据，提高了预测性能 | 在疫情初期，由于训练数据量较小，机器学习方法的预测能力有限 | 预测COVID-19疫情在美国各县的时空演变 | 美国各县的COVID-19感染病例和死亡人数 | 机器学习 | COVID-19 | LSTM | LSTM | 时间序列数据 | 多个时间序列样本 | NA | NA | NA | NA |
| 24 | 2025-02-21 |
Classification of thermoluminescence features of CaCO3 with long short-term memory model
2021-Nov, Luminescence : the journal of biological and chemical luminescence
IF:3.2Q2
DOI:10.1002/bio.4109
PMID:34156748
|
研究论文 | 本文提出了一种基于长短期记忆（LSTM）深度学习模型的新方法，用于分类碳酸钙（CaCO3）的热释光特性 | 首次将LSTM模型应用于碳酸钙热释光特性的分类，实现了高准确率、精确度和灵敏度 | 研究仅针对碳酸钙的热释光特性，未涉及其他矿物的分类 | 研究碳酸钙的热释光特性分类方法 | 碳酸钙（CaCO3）的热释光特性 | 机器学习 | NA | 深度学习 | LSTM | 热释光数据 | 包含四个类别的数据集 | NA | NA | NA | NA |
| 25 | 2025-02-21 |
Cardinality and Short-Term Memory Concepts based Novel Feature Extraction for Myoelectric Pattern Recognition
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/EMBC46164.2021.9629963
PMID:34891390
|
研究论文 | 本文提出了一种结合传统特征提取方法和LSTM模型记忆概念的新方法，用于高效提取EMG信号的空间-时间动态特性 | 创新点包括：a) 利用深度学习结构的记忆概念捕捉EMG信号的短期时间依赖性，b) 使用基数生成空间上不同的EMG信号的逻辑组合作为特征提取方法，c) 低计算成本和增强的分类性能 | 尽管提出的方法在实验室和可穿戴设备上表现出色，但其在临床环境中的实际应用仍需进一步验证 | 研究目的是改进肌电模式识别，以促进从实验室到临床环境的转化 | 研究对象包括9名经桡骨截肢者和17名完整肢体者，以及22名使用两种可穿戴消费臂带的完整肢体者 | 机器学习 | NA | EMG信号处理 | LSTM | EMG信号 | 48名参与者（9名经桡骨截肢者和39名完整肢体者） | NA | NA | NA | NA |
| 26 | 2025-10-07 |
Alzheimer's Disease Classification Using 2D Convolutional Neural Networks
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/EMBC46164.2021.9629587
PMID:34891877
|
研究论文 | 本研究提出三种基于2D卷积神经网络处理3D MRI数据的方法，用于阿尔茨海默病分类 | 首次系统性地将2D CNN应用于3D MRI数据分析，在保持性能的同时大幅降低计算成本 | 未详细讨论方法在其他神经系统疾病上的泛化能力，数据来源单一 | 开发高效准确的阿尔茨海默病自动诊断方法 | 阿尔茨海默病患者的脑部MRI数据 | 医学影像分析 | 阿尔茨海默病 | 脑磁共振成像（MRI） | CNN | 3D MRI图像 | 阿尔茨海默病神经影像倡议（ADNI）数据集 | NA | 2D CNN, ResNet | 准确率, auROC | NA |
| 27 | 2025-01-07 |
Lung tumor segmentation in 4D CT images using motion convolutional neural networks
2021-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15204
PMID:34469001
|
研究论文 | 本文提出了一种基于深度学习的框架，用于快速准确地在4D CT图像集上分割肺部肿瘤 | 该框架结合了全局和局部运动估计网络架构，能够学习肿瘤运动引起的主要和次要变化，并在掩码头网络中引入了自注意力策略以去除可能影响分割性能的噪声特征 | NA | 提高肺部肿瘤在4D CT图像上的分割准确性和效率 | 肺部肿瘤 | 计算机视觉 | 肺癌 | 深度学习 | 运动区域卷积神经网络（R-CNN） | 4D CT图像 | 20个4D CT数据集（每个包含10个呼吸阶段，共200个3D图像体积）和40个患者的4D CT数据集 | NA | NA | NA | NA |
| 28 | 2024-12-08 |
A large-scale systematic survey of SARS-CoV-2 antibodies reveals recurring molecular features
2021-Nov-30, bioRxiv : the preprint server for biology
DOI:10.1101/2021.11.26.470157
PMID:34873599
|
研究论文 | 对SARS-CoV-2抗体进行大规模系统调查，揭示了重复的分子特征 | 利用深度学习预测抗原特异性，区分SARS-CoV-2刺突蛋白抗体和流感血凝素抗体序列 | NA | 研究SARS-CoV-2抗体的公共反应和分子特征 | SARS-CoV-2刺突蛋白抗体 | 生物信息学 | COVID-19 | 深度学习 | 深度学习模型 | 序列数据 | 约8000个人类抗体，来自超过200名捐赠者 | NA | NA | NA | NA |
| 29 | 2024-11-13 |
Why high intensity plaque is bright on MRI?
2021-Nov, American heart journal plus : cardiology research and practice
DOI:10.1016/j.ahjo.2021.100055
PMID:38549741
|
研究论文 | 研究探讨了非对比T1加权MRI在识别冠状动脉壁高强度斑块（HIP）及其与冠状动脉内斑块出血的关系 | 首次通过病理学分析证实了非对比T1加权MRI与冠状动脉内斑块出血之间的强相关性 | 缺乏对活体组织样本的病理学分析，HIP的病理特征仍未知 | 探讨非对比T1加权MRI在评估高强度斑块中的病理学意义 | 冠状动脉壁高强度斑块及其与冠状动脉内斑块出血的关系 | 医学影像 | 心血管疾病 | MRI | NA | 图像 | 通过定向冠状动脉斑块切除术获得的斑块样本 | NA | NA | NA | NA |
| 30 | 2024-10-10 |
Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis
2021-Nov, An international journal on information fusion
DOI:10.1016/j.inffus.2021.05.015
PMID:34093095
|
研究论文 | 本文提出了一种多模态知识图谱注意力嵌入方法，用于COVID-19诊断，结合了医生-患者对话和医学图像信息 | 本文的创新点在于结合了多模态数据（文本和图像），并通过知识图谱注意力机制引入医学知识，以提高分类器的性能 | NA | 旨在解决当前深度学习方法在多模态数据充分性方面的问题，并提高COVID-19诊断的准确性和早期评估 | COVID-19患者的医生-患者对话和医学图像 | 自然语言处理 | COVID-19 | 知识图谱注意力机制 | NA | 文本和图像 | 1393个COVID-19患者对话和3706张图像，607个非COVID-19患者对话和10754张图像 | NA | NA | NA | NA |
| 31 | 2024-10-06 |
Deep Learning for the Industrial Internet of Things (IIoT): A Comprehensive Survey of Techniques, Implementation Frameworks, Potential Applications, and Future Directions
2021-Nov-12, Sensors (Basel, Switzerland)
DOI:10.3390/s21227518
PMID:34833594
|
综述 | 本文综述了深度学习在工业物联网（IIoT）中的应用，包括技术、实现框架、潜在应用和未来方向 | 本文系统地评估了深度学习在IIoT应用中的潜力，并讨论了多种深度学习算法及其在IIoT中的实现框架 | 本文主要集中在现有技术的综述和讨论，未涉及具体的实验验证或案例研究 | 探讨深度学习在工业物联网中的应用潜力和未来研究方向 | 工业物联网中的智能传感器、执行器、通信协议和网络安全机制 | 机器学习 | NA | 深度学习 | NA | 大数据 | NA | NA | NA | NA | NA |
| 32 | 2024-10-06 |
Automation of Lung Ultrasound Interpretation via Deep Learning for the Classification of Normal versus Abnormal Lung Parenchyma: A Multicenter Study
2021-Nov-04, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics11112049
PMID:34829396
|
研究论文 | 本文通过深度学习技术自动化肺部超声图像的解读，以区分正常和异常肺实质 | 利用深度学习技术实现肺部超声图像的自动化解读，提高了诊断的准确性和非专家用户的可用性 | NA | 开发一种基于深度学习的肺部超声图像自动解读系统，以区分正常和异常肺实质 | 肺部超声图像中的A线和B线 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 272,891张标记的肺部超声图像用于训练，23,393帧用于外部验证，1162个视频用于临床应用 | NA | NA | NA | NA |
| 33 | 2024-09-30 |
Epileptic Seizures Detection in EEG Signals Using Fusion Handcrafted and Deep Learning Features
2021-Nov-19, Sensors (Basel, Switzerland)
DOI:10.3390/s21227710
PMID:34833780
|
研究论文 | 本文提出了一种基于手工特征和深度学习特征融合的计算机辅助诊断系统，用于自动检测脑电图信号中的癫痫发作 | 本文创新性地结合了手工特征和深度学习特征，提出了一种基于CNN-RNN的分类方法，显著提高了癫痫发作检测的准确性 | 本文未详细讨论模型的泛化能力和在其他数据集上的表现 | 开发一种自动检测脑电图信号中癫痫发作的计算机辅助诊断系统 | 脑电图信号中的癫痫发作 | 机器学习 | 癫痫 | Tunable-Q Wavelet Transform (TQWT) | CNN-RNN | 信号 | Bonn和Freiburg数据集 | NA | NA | NA | NA |
| 34 | 2024-09-30 |
PScL-HDeep: image-based prediction of protein subcellular location in human tissue using ensemble learning of handcrafted and deep learned features with two-layer feature selection
2021-11-05, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbab278
PMID:34337652
|
研究论文 | 本文提出了一种基于人类蛋白质图谱数据的新型计算方法PScL-HDeep，用于准确高效地预测人类组织中蛋白质的亚细胞定位 | 本文结合了手工特征和深度学习特征，并通过两层特征选择算法优化特征集，提高了预测的准确性和效率 | NA | 开发一种新的计算方法，用于准确预测人类组织中蛋白质的亚细胞定位 | 人类组织中蛋白质的亚细胞定位 | 计算机视觉 | NA | 支持向量机 | 支持向量机 | 图像 | 基于人类蛋白质图谱数据库构建的新金标准基准训练数据集 | NA | NA | NA | NA |
| 35 | 2024-09-29 |
CinE caRdiac magneTic resonAnce to predIct veNTricular arrhYthmia (CERTAINTY)
2021-11-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-02111-7
PMID:34811411
|
研究论文 | 研究利用心脏磁共振成像（CMR）和深度学习模型预测心室心律失常（VA）的风险 | 开发了一种新的深度学习模型，通过心脏磁共振成像提取心脏结构和功能特征，以预测心室心律失常的风险 | 需要多中心参与进行外部验证 | 开发更好的模型来识别低风险心室心律失常的患者，以减少植入式心脏复律除颤器（ICD）相关并发症的风险 | 心室心律失常的风险预测 | 机器学习 | 心血管疾病 | 心脏磁共振成像（CMR） | 神经网络 | 图像 | 350名主要预防性ICD接受者，其中97名女性，中位年龄59岁，178名患有缺血性心肌病 | NA | NA | NA | NA |
| 36 | 2024-09-29 |
Neural Decoding of EEG Signals with Machine Learning: A Systematic Review
2021-Nov-18, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci11111525
PMID:34827524
|
综述 | 本文系统综述了机器学习和深度学习在脑电信号解码和分类中的应用 | 本文总结了最新的机器学习和深度学习模型在脑电信号处理中的应用，并提供了特征提取和分类器的推荐 | 本文主要基于文献综述，未进行新的实验或数据分析 | 系统综述机器学习和深度学习在脑电信号解码和分类中的最新进展 | 脑电信号的解码和分类 | 机器学习 | NA | 脑电图 (EEG) | 卷积神经网络 (CNN), 支持向量机 (SVM) | 脑电信号 | NA | NA | NA | NA | NA |
| 37 | 2024-09-29 |
Wound Size Imaging: Ready for Smart Assessment and Monitoring
2021-11, Advances in wound care
IF:5.8Q1
DOI:10.1089/wound.2018.0937
PMID:32320356
|
研究论文 | 本文介绍并评估了用于伤口尺寸成像的新兴设备和模式，以及用于智能伤口评估和监测的有前景的图像处理工具 | 本文引入了低成本设备和机器学习技术，使伤口评估更加稳健和准确，并结合多种成像模式和机器学习，实现了智能伤口监测 | NA | 研究目的是评估新兴设备和图像处理工具在智能伤口评估和监测中的应用 | 研究对象是伤口尺寸成像设备和图像处理工具 | 计算机视觉 | NA | 机器学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 38 | 2024-09-29 |
Importance of the 5' regulatory region to bacterial synthetic biology applications
2021-11, Microbial biotechnology
IF:4.8Q1
DOI:10.1111/1751-7915.13868
PMID:34171170
|
综述 | 本文综述了细菌合成生物学中5'调控区域（包括启动子、非翻译区域和编码序列的5'端）的创建方法及其在基因表达调控和化合物合成中的重要性 | 本文总结了细菌合成生物学中5'调控区域创建方法的最新进展，并讨论了其在细菌工程中的重要性 | 本文主要讨论了现有方法的优缺点，但未提出新的解决方案或技术 | 探讨细菌合成生物学中5'调控区域的创建方法及其在基因表达调控和化合物合成中的应用 | 细菌合成生物学中的5'调控区域（启动子、非翻译区域和编码序列的5'端） | 合成生物学 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 39 | 2024-09-26 |
A Deep Learning Perspective on Dropwise Condensation
2021-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202101794
PMID:34561960
|
研究论文 | 本文提出了一种基于深度学习的智能视觉框架，用于从高度瞬态的液滴群体中提取可解释的物理描述符，以研究表面异质冷凝过程 | 结合经典热流体成像技术和深度学习，实现了对物理描述符的自主提取和热性能的量化，达到了极高的时空分辨率 | NA | 研究冷凝过程中的热流体机制，特别是液滴成核、生长和脱离的循环过程 | 冷凝过程中的液滴群体及其热性能 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 40 | 2024-09-11 |
Deep IDA: A Deep Learning Method for Integrative Discriminant Analysis of Multi-View Data with Feature Ranking-An Application to COVID-19 severity
2021-Nov-18, ArXiv
PMID:34815984
|
研究论文 | 本文提出了一种名为Deep IDA的深度学习方法，用于多视角数据的整合判别分析，并应用于COVID-19严重程度的预测 | Deep IDA能够学习非线性投影，最大化关联多个视角并分离不同类别的数据，同时允许特征排序以解释结果 | NA | 通过整合临床和分子数据，更好地理解COVID-19的分子机制及其严重程度 | COVID-19患者的临床和分子数据 | 机器学习 | COVID-19 | 深度学习 | 深度学习模型 | 多视角数据 | COVID-19患者和非COVID-19患者的临床和分子数据 | NA | NA | NA | NA |