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 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2024-09-11 |
Deep Learning to Estimate Biological Age From Chest Radiographs
2021-11, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2021.01.008
PMID:33744131
|
研究论文 | 本文研究了使用深度学习从胸部X光片估计生物年龄，并评估其对长寿预测的有效性 | 提出了一种新的方法，使用卷积神经网络从胸部X光片估计生物年龄，作为长期死亡风险的衡量标准 | NA | 评估从胸部X光片估计的生物年龄是否能比实际年龄更好地预测长寿 | 胸部X光片图像 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 116,035个个体用于开发，40,967个个体用于PLCO测试集，5,414个个体用于NLST测试集 | NA | NA | NA | NA |
| 42 | 2024-09-10 |
Unsupervised PM2.5 anomalies in China induced by the COVID-19 epidemic
2021-Nov-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2021.148807
PMID:34237535
|
研究论文 | 研究评估了COVID-19疫情对中国城市PM2.5水平的影响 | 开发了一种基于深度学习的条件变分自编码器（CVAE）算法来识别疫情期间的无监督PM2.5异常 | NA | 评估COVID-19疫情对PM2.5水平的影响 | 中国城市的PM2.5水平 | 环境科学 | NA | 深度学习 | 条件变分自编码器（CVAE） | PM2.5数据 | 2017年至2020年中国春节期间的PM2.5数据 | NA | NA | NA | NA |
| 43 | 2024-09-10 |
SCOAT-Net: A novel network for segmenting COVID-19 lung opacification from CT images
2021-Nov, Pattern recognition
IF:7.5Q1
DOI:10.1016/j.patcog.2021.108109
PMID:34127870
|
研究论文 | 提出了一种新的空间和通道级粗到细注意力网络（SCOAT-Net），用于从CT图像中分割COVID-19肺部不透明区域 | 设计了空间和通道级注意力模块，以增强网络对感染区域的特征提取能力 | 由于医疗资源有限，短时间内难以获取大量数据，这进一步阻碍了深度学习模型的训练 | 解决从CT图像中自动分割COVID-19肺部不透明区域的挑战 | COVID-19肺部不透明区域的CT图像 | 计算机视觉 | COVID-19 | CT成像 | SCOAT-Net | 图像 | NA | NA | NA | NA | NA |
| 44 | 2024-09-10 |
Multi-label segmentation and detection of COVID-19 abnormalities from chest radiographs using deep learning
2021-Nov, Optik
DOI:10.1016/j.ijleo.2021.167780
PMID:34393275
|
研究论文 | 本文提出了一种基于深度学习的全自动多标签分割和检测COVID-19异常的模型 | 设计了带有通道和空间注意力块的Attention U-Net模型，应用了扩张卷积以提高模型对前景像素的敏感性，并提出了一种新的混合损失函数 | NA | 开发一种能够自动检测胸部X光片中COVID-19常见异常的深度学习模型 | 胸部X光片中的COVID-19异常 | 计算机视觉 | COVID-19 | 深度学习 | Attention U-Net | 图像 | 使用了Chest X-ray 14数据集和日本放射技术学会(JSRT)CXR数据集 | NA | NA | NA | NA |
| 45 | 2024-09-10 |
Impact of COVID-19 on city-scale transportation and safety: An early experience from Detroit
2021-Nov, Smart health (Amsterdam, Netherlands)
DOI:10.1016/j.smhl.2021.100218
PMID:34541278
|
研究论文 | 研究COVID-19对底特律城市交通和安全的影响，并开发深度学习模型预测未来一周的病例数 | 提出了使用长短期记忆网络进行COVID-19病例预测的方法，并展示了高达0.91的决定系数 | 研究仅限于底特律的数据，可能不适用于其他城市 | 分析COVID-19对城市交通和安全的影响，并开发预测模型 | 底特律的交通流量、每日病例数、天气、社交距离指数和事故数据 | NA | NA | 长短期记忆网络 (LSTM) | LSTM | 交通流量数据、病例数据、天气数据、社交距离指数、事故数据 | 2019年1月至2020年6月的数据 | NA | NA | NA | NA |
| 46 | 2024-09-10 |
Unsupervised Deep Learning based Variational Autoencoder Model for COVID-19 Diagnosis and Classification
2021-Nov, Pattern recognition letters
IF:3.9Q2
DOI:10.1016/j.patrec.2021.08.018
PMID:34566223
|
研究论文 | 本文提出了一种基于无监督深度学习的变分自编码器模型，用于COVID-19的诊断和分类 | 引入了一种新的无监督深度学习变分自编码器（UDL-VAE）模型，结合了自适应维纳滤波（AWF）预处理技术和Inception v4与Adagrad特征提取技术 | 未提及具体限制 | 开发一种高效的无监督学习技术，用于COVID-19的检测和分类 | COVID-19的诊断和分类 | 计算机视觉 | COVID-19 | 变分自编码器（VAE） | 变分自编码器（VAE） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 47 | 2024-09-10 |
The application of industry 4.0 technologies in pandemic management: Literature review and case study
2021-Nov, Healthcare analytics (New York, N.Y.)
DOI:10.1016/j.health.2021.100008
PMID:36618951
|
综述 | 本文通过科学计量分析，系统回顾了工业4.0技术在疫情管理中的应用，并结合案例研究进行了讨论 | 本文首次系统性地回顾了工业4.0技术在疫情管理中的应用，并结合实际案例进行了深入分析 | 本文主要基于文献回顾和单一案例研究，缺乏大规模实证数据的支持 | 探讨工业4.0技术在疫情管理中的应用及其对未来疫情管理的影响 | 工业4.0技术及其在新冠疫情管理中的应用 | NA | NA | 物联网(IoT)、人工智能(AI)、云计算、机器学习、大数据、区块链、深度学习、数字化、网络物理系统(CPS) | NA | NA | NA | NA | NA | NA | NA |
| 48 | 2024-09-08 |
A mixture-density-based tandem optimization network for on-demand inverse design of thin-film high reflectors
2021-Nov, Nanophotonics
IF:6.5Q1
DOI:10.1515/nanoph-2021-0392
PMID:36425324
|
研究论文 | 本文介绍了一种基于混合密度网络和全连接网络的串联优化模型，用于薄膜高反射器的按需逆向设计 | 该模型结合了混合密度网络的多模态特性，能够访问由概率分布描述的无限候选设计，并通过全连接网络进行迭代采样和评估，从而实现快速优化 | NA | 开发一种高效且准确的逆向设计方法，用于薄膜高反射器的实际应用 | 薄膜高反射器的逆向设计 | 计算机视觉 | NA | 深度学习 | 混合密度网络（MDN）和全连接网络（FC） | 光谱数据 | 20层薄膜结构 | NA | NA | NA | NA |
| 49 | 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 |
| 50 | 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 |
| 51 | 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 |
| 52 | 2024-08-28 |
Clinical Artificial Intelligence Applications: Breast Imaging
2021-Nov, Radiologic clinics of North America
IF:2.1Q2
DOI:10.1016/j.rcl.2021.07.010
PMID:34689871
|
review | 本文简要概述了人工智能在临床乳腺影像学中的发展 | 随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集 | NA | 探讨人工智能在乳腺影像学中的应用 | 乳腺影像学中的检测、诊断及治疗反应评估任务 | computer vision | breast cancer | AI | deep learning | image | NA | NA | NA | NA | NA |
| 53 | 2024-08-27 |
A deep learning-based segmentation pipeline for profiling cellular morphodynamics using multiple types of live cell microscopy
2021-11-22, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2021.100105
PMID:34888542
|
研究论文 | 本文介绍了一种基于深度学习的分割流程MARS-Net，用于使用多种活细胞显微镜技术对细胞形态动力学进行定量分析 | MARS-Net利用迁移学习和多种显微镜数据，实现了对细胞边缘的高精度定位，相较于仅使用单一显微镜数据集训练的神经网络模型，其边缘定位更为准确 | NA | 开发一种能够从活细胞成像数据中准确分割细胞边缘并量化细胞形态动力学的方法 | 细胞边缘的定位和细胞形态动力学的定量分析 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了来自相衬、旋转盘共聚焦和全内反射荧光显微镜的电影数据进行训练 | NA | NA | NA | NA |
| 54 | 2024-08-26 |
20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction
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/EMBC46164.2021.9631107
PMID:34892055
|
研究论文 | 本研究利用自监督深度学习重建技术，在5倍SMS和4倍平面加速的7T fMRI数据上实现了20倍加速的高质量图像重建 | 采用自监督学习方法进行深度学习重建，无需完全采样的训练数据集，显示出与监督学习相似的性能 | NA | 提高fMRI的空间和时间分辨率，以更准确地解析大脑中的神经活动 | 7T fMRI数据的高加速重建 | 计算机视觉 | NA | fMRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 55 | 2024-08-25 |
An Internet-of-Medical-Things-Enabled Edge Computing Framework for Tackling COVID-19
2021-Nov-01, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/JIOT.2021.3051080
PMID:35782185
|
研究论文 | 本文开发了一个基于互联网医疗物联网（IoMT）的边缘计算框架，利用深度学习（DL）检测多样化的与COVID-19相关的健康症状，并生成用于医疗决策支持的报告和警报。 | 该研究利用IoMT收集家庭环境中的多样化情感和身体健康数据，并在资源受限的边缘环境中运行先进的深度学习应用，实现了本地化的数据处理和推理，确保了用户隐私、安全性和低延迟。 | NA | 开发一个边缘IoMT系统，用于在疫情期间管理家庭健康，并通过深度学习检测COVID-19症状。 | COVID-19相关的健康症状和家庭环境中的情感及生理状态数据。 | 机器学习 | COVID-19 | 深度学习（DL） | NA | 情感和生理状态数据 | NA | NA | NA | NA | NA |
| 56 | 2024-08-25 |
Computer Audition for Fighting the SARS-CoV-2 Corona Crisis-Introducing the Multitask Speech Corpus for COVID-19
2021-Nov-01, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/JIOT.2021.3067605
PMID:35782182
|
研究论文 | 本文介绍了一个用于COVID-19研究的多任务语音语料库，收集了51名确诊COVID-19患者的自然语音数据，并定义了三个分类任务来评估患者的身体和/或心理状态 | 提出了一个新颖的多任务语音语料库，用于COVID-19研究，填补了计算机听觉在传染病监测方面的研究空白 | NA | 利用计算机听觉技术支持COVID-19的预防、诊断、治疗、追踪和管理 | COVID-19患者的语音数据及其身体和心理状态 | 机器学习 | COVID-19 | 计算机听觉 | 深度学习 | 语音 | 51名确诊COVID-19患者 | NA | NA | NA | NA |
| 57 | 2024-08-24 |
Deep learning-based facial image analysis in medical research: a systematic review protocol
2021-11-11, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2020-047549
PMID:34764164
|
综述 | 本文旨在通过系统综述方法，探讨深度学习在医学研究中基于面部图像分析的特征和效果 | 本文旨在填补关于深度学习在医学面部图像分析领域现状的认知空白，并提供对该技术在疾病检测、诊断和预后应用中的特征、挑战和机遇的深入理解 | NA | 了解深度学习在医学面部图像分析中的应用现状、挑战和机遇 | 深度学习在医学面部图像分析的研究 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 58 | 2024-08-24 |
Cohort and Trajectory Analysis in Multi-Agent Support Systems for Cancer Survivors
2021-Nov-11, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01770-3
PMID:34766229
|
研究论文 | 本文提出了一种基于队列和轨迹分析（CTA）模块的个性化支持系统，用于癌症幸存者，该系统集成在名为EREBOTS的基于代理的个性化聊天机器人中 | 引入CTA模块，结合生存估计模型、机器学习和深度学习技术，为临床医生提供个性化治疗选择的证据，并为患者提供适应其状况和轨迹的定制建议 | NA | 开发一种个性化支持系统，以提高癌症幸存者的生存质量 | 癌症幸存者及其个性化支持需求 | 机器学习 | 癌症 | 机器学习, 深度学习 | 生存估计模型 | NA | NA | NA | NA | NA | NA |
| 59 | 2024-08-20 |
A Study of the Recent Trends of Immunology: Key Challenges, Domains, Applications, Datasets, and Future Directions
2021-Nov-23, Sensors (Basel, Switzerland)
DOI:10.3390/s21237786
PMID:34883787
|
综述 | 本文探讨了免疫学领域中人工智能方法的最新趋势，包括关键挑战、应用领域、数据集和未来方向 | 引入了AIoMT、遗传智能算法和智能免疫学方法等技术，使理解免疫系统的过程变得更加容易 | NA | 探索免疫学领域中人工智能方法的现状和未来研究方向 | 免疫学及其子领域中的疾病分类 | 机器学习 | 癌症 | AIoMT | 机器学习和深度学习 | 数据集 | NA | NA | NA | NA | NA |
| 60 | 2024-08-20 |
Comparative analysis of molecular fingerprints in prediction of drug combination effects
2021-11-05, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbab291
PMID:34401895
|
研究论文 | 本文比较了基于规则和数据驱动的分子表示方法在预测药物组合敏感性和药物协同得分方面的性能 | 本文通过使用标准化的高通量筛选结果，评估了分子表示的聚类性能和相似性，并强调了在选择最优分子表示时，除了定量基准结果外，还需要考虑模型的可解释性和鲁棒性等定性因素 | NA | 系统评估新型计算解决方案与传统技术在预测药物组合效应方面的性能 | 药物组合敏感性和药物协同得分 | 机器学习 | 癌症 | NA | NA | 分子数据 | 64,200个独特的药物组合，涉及4,153种分子和112种癌细胞系 | NA | NA | NA | NA |