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 569 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2024-09-06 |
Detecting COVID-19 infection status from chest X-ray and CT scan via single transfer learning-driven approach
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.980338
PMID:36212141
|
研究论文 | 本文提出了一种基于迁移学习的单模型方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态 | 采用迁移学习方法，在医疗图像数据不足的情况下，快速生成可靠结果，并能同时处理X光和CT扫描图像 | 未提及具体模型的局限性 | 开发一种高效准确的方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态，以帮助快速分类患者并防止病毒传播 | COVID-19感染患者和正常个体 | 计算机视觉 | COVID-19 | 迁移学习 | NA | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 262 | 2024-09-06 |
Computed tomography-based deep-learning prediction of lymph node metastasis risk in locally advanced gastric cancer
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.969707
PMID:36212443
|
研究论文 | 本文开发并评估了一种基于CT图像的深度学习模型，用于预测局部晚期胃癌的淋巴结转移风险 | 本文首次使用深度学习技术从CT图像中提取特征，结合支持向量机进行分类，提供了一种新颖且非侵入性的方法来预测淋巴结转移 | 研究样本量有限，且仅限于单一医院的数据，可能影响模型的泛化能力 | 开发和评估一种基于CT图像的深度学习模型，用于术前预测局部晚期胃癌的淋巴结转移 | 局部晚期胃癌患者的淋巴结转移风险 | 计算机视觉 | 胃癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 523名病理确诊的局部晚期胃癌患者 | NA | NA | NA | NA |
| 263 | 2024-09-06 |
Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis
2022, International journal of arrhythmia
DOI:10.1186/s42444-022-00075-x
PMID:36212507
|
综述 | 本文综述了人工智能在基于心电图的诊断中的临床意义、挑战和局限性 | 人工智能引入了机器学习和深度学习算法，弥补了现有心电图分析方法的局限性，并取得了有希望的结果 | 人工智能算法也存在自身的挑战和局限性，如专业责任、系统性偏差、监控、网络安全以及技术和后勤挑战 | 增加对用于心电图诊断的人工智能算法的熟悉度和认识，并最终向感兴趣的利益相关者通报其在解决当前临床挑战中的潜在效用 | 人工智能在心电图诊断中的应用 | 机器学习 | 心血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 264 | 2024-09-06 |
Fully automatic cardiac four chamber and great vessel segmentation on CT pulmonary angiography using deep learning
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.983859
PMID:36225963
|
研究论文 | 本文开发了一种基于深度学习的全自动心脏四腔和大血管分割模型，用于CT肺动脉造影 | 首次实现了CT肺动脉造影中全自动心脏四腔和大血管的分割，并展示了其高精度和低失败率 | 左心室和右心室心肌分割的Dice相似系数较低，且观察者间的一致性较差 | 开发一种全自动的心脏四腔和大血管分割模型，以提高CT肺动脉造影中心脏评估的准确性和可重复性 | 心脏四腔和大血管的分割 | 计算机视觉 | 肺血管疾病 | 深度学习 | 卷积神经网络 | 图像 | 200名患者用于训练和验证，20名外部患者用于测试 | NA | NA | NA | NA |
| 265 | 2024-09-06 |
Monitoring and early warning of a metal mine tailings pond based on a deep learning bidirectional recurrent long and short memory network
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0273073
PMID:36227890
|
研究论文 | 本文构建了一个基于深度学习双向循环长短记忆网络的金属矿尾矿库监测与预警系统 | 提出了基于深度学习双向循环长短记忆网络的单变量和多变量渗透线预测模型 | NA | 提高金属矿尾矿库的安全风险管理水平 | 金属矿尾矿库的渗透线 | 机器学习 | NA | 深度学习 | 双向循环长短记忆网络 | 监测数据 | 四个监测点的同截面不同位置数据和一个相邻的内部横向位移和内部垂直位移监测点数据 | NA | NA | NA | NA |
| 266 | 2024-09-06 |
An ensemble deep learning approach to evaluate haptic delay from a single trial EEG data
2022, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2022.1013043
PMID:36237844
|
研究论文 | 本文提出了一种基于2D CNN和transformer模型的集成深度学习方法，用于从单次脑电图数据中评估触觉延迟 | 本文首次提出了一种集成深度学习模型，能够从单次脑电图数据中检测触觉延迟的存在及其严重程度 | 研究仅限于特定的视觉-触觉交互任务，且样本量较小 | 研究触觉延迟对人类神经反应的影响，并开发一种自动评估用户在使用触觉接口时体验的方法 | 触觉延迟的存在及其严重程度 | 机器学习 | NA | 深度学习 | 2D CNN和transformer模型 | 脑电图数据 | 两个实验共涉及视觉-触觉交互任务的脑电图数据 | NA | NA | NA | NA |
| 267 | 2024-09-06 |
Artificial Intelligence Meets Whole Slide Images: Deep Learning Model Shapes an Immune-Hot Tumor and Guides Precision Therapy in Bladder Cancer
2022, Journal of oncology
DOI:10.1155/2022/8213321
PMID:36245985
|
研究论文 | 本文构建并验证了一个基于全切片图像（WSI）的深度学习模型，用于描述膀胱癌（BLCA）患者肿瘤微环境（TME）的免疫表型和功能异质性，并探索了用于揭示WSI集群中潜在生物学途径的AI评分 | 本文首次将深度学习应用于全切片图像，构建了一个能够预测膀胱癌患者预后和指导精准治疗的AI评分模型 | 本文仅在膀胱癌患者中验证了模型的有效性，未来需要在更多癌症类型中进行验证 | 构建和验证一个基于全切片图像的深度学习模型，用于描述膀胱癌患者的免疫表型和功能异质性，并探索潜在的生物学途径 | 膀胱癌患者的肿瘤微环境（TME） | 数字病理学 | 膀胱癌 | 深度学习 | 神经网络 | 图像 | 整合了TCGA队列和多个外部测试队列 | NA | NA | NA | NA |
| 268 | 2024-09-06 |
Deep Learning Classification of Breast Cancer Tissue from Terahertz Imaging Through Wavelet Synchro-Squeezed Transformation and Transfer Learning
2022-Jan, Journal of infrared, millimeter and terahertz waves
DOI:10.1007/s10762-021-00839-x
PMID:36246840
|
研究论文 | 本文通过小波同步挤压变换和迁移学习，利用深度学习方法对太赫兹成像技术获取的乳腺癌组织图像进行分类 | 本文创新性地使用小波同步挤压变换对太赫兹图像进行预处理，并结合深度卷积神经网络进行像素级分类，提高了分类准确性和肌肉与癌变区域的分割效果 | 本文的实验仅在新鲜切除的小鼠异种移植组织上进行，样本量有限，且未提及在人类组织上的应用效果 | 提高太赫兹成像技术在乳腺癌组织分类中的准确性和分割效果 | 新鲜切除的小鼠异种移植乳腺癌组织 | 计算机视觉 | 乳腺癌 | 太赫兹成像 | 深度卷积神经网络 | 图像 | 新鲜切除的小鼠异种移植乳腺癌组织样本 | NA | NA | NA | NA |
| 269 | 2024-09-06 |
Segmentation of Breast Tubules in H&E Images Based on a DKS-DoubleU-Net Model
2022, BioMed research international
IF:2.6Q3
DOI:10.1155/2022/2961610
PMID:36246965
|
研究论文 | 本文提出了一种名为DKS-DoubleU-Net的深度学习模型，用于在H&E染色的图像中准确分割具有复杂外观的乳腺小管 | 本文的创新点在于使用DenseNet模块作为DoubleU-Net的第二个子网络的编码器，并通过Kernel Selecting Module (KSM)实现多尺度特征融合，以自适应地选择核进行乳腺小管的准确分割 | NA | 旨在通过深度学习技术提高乳腺小管在H&E图像中的分割准确性 | 乳腺小管 | 数字病理学 | 乳腺癌 | 深度学习 | DKS-DoubleU-Net | 图像 | 使用了公开的BRACS数据集和一个私人临床数据集 | NA | NA | NA | NA |
| 270 | 2024-09-06 |
Evaluating the use of synthetic T1-w images in new T2 lesion detection in multiple sclerosis
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.954662
PMID:36248650
|
研究论文 | 本文研究了使用合成T1加权图像在新T2病变检测中的应用 | 提出了一种从T2-FLAIR图像生成合成T1加权图像的方法，并评估了其在多发性硬化症新T2病变检测中的性能 | 研究样本量较小，且仅限于多发性硬化症患者 | 评估合成T1加权图像在多发性硬化症新T2病变检测中的应用效果 | 多发性硬化症患者的新T2病变检测 | 计算机视觉 | 多发性硬化症 | 深度学习 | NA | 图像 | 136张多发性硬化症患者的图像，其中73张包含病变活动 | NA | NA | NA | NA |
| 271 | 2024-09-06 |
A Hybrid Catheter Localisation Framework in Echocardiography Based on Electromagnetic Tracking and Deep Learning Segmentation
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/2119070
PMID:36248919
|
研究论文 | 本文提出了一种基于电磁跟踪和深度学习分割的混合导管定位框架，用于超声心动图中的导管定位 | 本文的创新点在于结合了电磁跟踪和深度学习分割两种方法，提供了一种新的解决方案来识别低分辨率超声图像中的移动医疗设备 | NA | 本文的研究目的是提高超声心动图引导下心脏介入手术中导管定位的准确性和可靠性 | 本文的研究对象是超声心动图中的导管定位 | 计算机视觉 | 心血管疾病 | 电磁跟踪 | UNet | 图像 | NA | NA | NA | NA | NA |
| 272 | 2024-09-06 |
HIT HAR: Human Image Threshing Machine for Human Activity Recognition Using Deep Learning Models
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1808990
PMID:36248917
|
研究论文 | 本文提出了一种基于深度学习模型的人类图像分拣机（HIT HAR）用于人类活动识别（HAR） | 本文的创新点在于提出了一种基于图像数据集和智能手机摄像头的人类图像分拣机（HIT），使用掩码区域卷积神经网络（R-CNN）进行人体检测和深度学习模型进行活动分类 | 本文未提及具体的局限性 | 研究目的是提高人类活动识别系统的准确性，特别是在复杂活动中的分类效果 | 研究对象是人类活动识别系统及其在健康监测中的应用 | 计算机视觉 | NA | 掩码区域卷积神经网络（R-CNN） | ResNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 273 | 2024-09-06 |
Semantic Sentiment Classification for COVID-19 Tweets Using Universal Sentence Encoder
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/6354543
PMID:36248924
|
研究论文 | 本文介绍了一种基于Universal Sentence Encoder的深度学习模型，用于对COVID-19相关推文进行情感分类 | 本文提出的模型利用Universal Sentence Encoder进行句子嵌入，通过句子相似度检测情感类别，并在准确性上超越了传统的基于TF-IDF的机器学习分类器和基于CNN的分类器 | NA | 通过分析COVID-19相关推文的情感，帮助决策者衡量公众意见并获得有价值的发现 | COVID-19相关推文的情感分类 | 自然语言处理 | NA | 深度学习 | Universal Sentence Encoder | 文本 | 从Twitter收集的数据集，分为正面、中性和负面三类 | NA | NA | NA | NA |
| 274 | 2024-09-06 |
Anatomically curated segmentation of human subcortical structures in high resolution magnetic resonance imaging: An open science approach
2022, Frontiers in neuroanatomy
IF:2.1Q3
DOI:10.3389/fnana.2022.894606
PMID:36249866
|
研究论文 | 本文开发了一种用于手动编辑高分辨率磁共振成像中人脑亚皮质结构的定制软件模块，并将其应用于50个来自人类连接组项目的高分辨率T1w MRI脑图像的手动分割 | 本文创新性地开发了一种基于3D Slicer软件平台的定制软件模块，用于手动编辑脑结构，并结合已建立的神经解剖学定义，手动分割了50个高分辨率T1w MRI脑图像 | 手动分割过程耗时且劳动密集，不适用于使用非常大的数据集、大样本量或多模态成像的研究 | 开发一种高质量、神经解剖学上经过精心策划和手动编辑的MRI脑图像的开源数据库，以及生成这些数据的公开工具和详细程序 | 高分辨率磁共振成像中的人脑亚皮质结构 | 计算机视觉 | NA | 磁共振成像 (MRI) | NA | 图像 | 50个高分辨率T1w MRI脑图像 | NA | NA | NA | NA |
| 275 | 2024-09-06 |
A Multiview Deep Learning Method for Brain Functional Connectivity Classification
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5782569
PMID:36254204
|
研究论文 | 本文提出了一种多视角深度学习方法用于脑功能连接分类 | 采用多脑图谱构建不同视角的脑功能连接，并使用多视角特征选择策略和堆叠自编码器提取深度特征，最后通过多视角融合策略利用互补信息进行分类 | NA | 提高脑功能连接分类的性能以满足临床应用需求 | 脑功能连接分类 | 机器学习 | NA | 深度学习 | 堆叠自编码器 | 脑功能连接数据 | 涉及三个公开的神经精神障碍数据集 | NA | NA | NA | NA |
| 276 | 2024-09-05 |
SchizoGoogLeNet: The GoogLeNet-Based Deep Feature Extraction Design for Automatic Detection of Schizophrenia
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1992596
PMID:36120676
|
研究论文 | 本文设计了一种基于GoogLeNet模型的深度学习特征提取方案SchizoGoogLeNet，用于自动检测精神分裂症 | 提出了一种基于GoogLeNet的深度学习特征提取方法，能够更有效地从脑电图信号中区分精神分裂症患者和健康对照组 | NA | 开发一种用于精神分裂症检测的诊断工具 | 精神分裂症患者和健康对照组的脑电图信号 | 机器学习 | 精神分裂症 | 深度学习 | GoogLeNet | 脑电图信号 | 未具体说明样本数量 | NA | NA | NA | NA |
| 277 | 2024-09-05 |
CHS-Net: A Deep Learning Approach for Hierarchical Segmentation of COVID-19 via CT Images
2022, Neural processing letters
IF:2.6Q3
DOI:10.1007/s11063-022-10785-x
PMID:35310011
|
研究论文 | 本文提出了一种基于深度学习的自动化模型CHS-Net，用于通过CT影像对COVID-19感染区域进行层次分割 | CHS-Net采用两个级联的残差注意力 inception U-Net (RAIU-Net)模型，结合光谱空间和深度注意力网络(SSD)，有效编码和解码语义及多分辨率信息 | NA | 开发一种自动化深度学习模型，以快速准确地诊断COVID-19 | COVID-19患者的CT影像 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 影像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 278 | 2024-09-05 |
Monitoring social-distance in wide areas during pandemics: a density map and segmentation approach
2022, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-022-03172-5
PMID:35400844
|
研究论文 | 本文提出了一种基于深度学习的新框架，用于在可能存在重要遮挡的广阔区域内监测违反社交距离的人群 | 本文创新地提出了两种解决方案：基于密度图和基于分割的方法，用于检测违反社交距离约束的人群 | NA | 旨在防止COVID-19疫情的新大规模爆发，通过监测拥挤公共空间中的社交距离 | 监测广阔区域内的社交距离 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 使用了PET2009和CityStreet数据集生成的地面实况数据进行评估 | NA | NA | NA | NA |
| 279 | 2024-09-05 |
Improved COVID-19 detection with chest x-ray images using deep learning
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-13509-4
PMID:35968409
|
研究论文 | 本文旨在开发一种使用胸部X光片作为输入并将其分类为COVID-19、病毒性肺炎和健康三类之一的计算机辅助设计系统 | 利用四种预训练的深度神经网络（DNNs）来找到最适合该系统的模型 | COVID-19阳性胸部X光片数据集较小 | 提高COVID-19的检测速度和准确性 | 胸部X光片图像分类 | 计算机视觉 | COVID-19 | 深度学习 | AlexNet | 图像 | 2905张图像，包括219例COVID-19病例、1341例健康病例和1345例病毒性肺炎病例 | NA | NA | NA | NA |
| 280 | 2024-09-05 |
Privacy-preserving household load forecasting based on non-intrusive load monitoring: A federated deep learning approach
2022, PeerJ. Computer science
DOI:10.7717/peerj-cs.1049
PMID:36092014
|
研究论文 | 本文提出了一种基于联邦深度学习和非侵入式负载监测（NILM）的家庭负载预测方法 | 这是首次在基于NILM的家庭负载预测中应用联邦学习（FL）的研究 | NA | 旨在通过联邦深度学习提高家庭负载预测的准确性和隐私保护 | 家庭负载预测 | 机器学习 | NA | 联邦学习（FL） | 深度学习模型 | 电力数据 | NA | NA | NA | NA | NA |