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 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-09-05 |
How to learn with intentional mistakes: NoisyEnsembles to overcome poor tissue quality for deep learning in computational pathology
2022, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2022.959068
PMID:36106328
|
研究论文 | 本文探讨了在计算病理学中使用深度学习技术时，如何通过引入标签噪声训练NoisyEnsembles来克服组织质量差的问题 | 提出了一种新的方法NoisyEnsembles，通过在训练过程中引入标签噪声来提高CNN在低质量数据上的性能 | 文章未明确指出具体的局限性 | 研究如何提高深度学习模型在计算病理学中的应用性能，特别是在组织质量较差的情况下的表现 | TCGA卵巢癌（TCGA-OV）数据集中的不同组织样本 | 数字病理学 | 卵巢癌 | 卷积神经网络（CNN） | NoisyEnsembles | 图像 | 使用了TCGA卵巢癌（TCGA-OV）数据集中的样本 | NA | NA | NA | NA |
| 282 | 2024-09-05 |
Dermoscopic image segmentation based on Pyramid Residual Attention Module
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0267380
PMID:36112649
|
研究论文 | 本文提出了一种结合金字塔残差注意力（PRA）模块的堆叠卷积神经网络，用于自动分割皮肤镜图像 | 引入了金字塔残差注意力模块，通过金字塔结构提取不同尺度的病变区域特征信息，残差机制确保模型训练效率，注意力机制筛选有效特征图 | NA | 提高皮肤病变诊断和治疗中计算机辅助诊断技术的精确分割能力 | 皮肤镜图像中的病变区域 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了ISIC2017和ISIC2018数据集进行广泛评估 | NA | NA | NA | NA |
| 283 | 2024-09-05 |
Applying artificial intelligence technology to assist with breast cancer diagnosis and prognosis prediction
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.980793
PMID:36119479
|
综述 | 本文综述了人工智能技术在乳腺癌诊断和预后预测中的应用进展 | 探讨了放射组学特征与肿瘤微环境之间的关联，并介绍了基于人工智能的定量图像特征分析模型在乳腺癌风险预测、肿瘤恶性程度评估及治疗反应预测中的应用 | 尽管基于人工智能的乳腺癌图像模型取得了显著进展，但在临床实践中的应用仍面临障碍 | 旨在回顾和评估人工智能技术在乳腺癌诊断和预后预测中的最新进展 | 乳腺癌的诊断、预后预测以及治疗反应 | 计算机视觉 | 乳腺癌 | 放射组学和深度学习技术 | 人工智能模型 | 图像 | NA | NA | NA | NA | NA |
| 284 | 2024-09-05 |
Dance Action Recognition Model Using Deep Learning Network in Streaming Media Environment
2022, Journal of environmental and public health
DOI:10.1155/2022/8955326
PMID:36133163
|
研究论文 | 本文研究了一种基于深度学习网络的卷积神经网络用于舞蹈动作识别的方法，并通过模拟测试验证了其有效性 | 通过添加手动提取的时间域光流信息，提高了卷积神经网络在舞蹈动作识别中的准确性 | NA | 研究舞蹈动作识别技术，提高其在智能应用中的效果 | 舞蹈动作识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 视频 | NA | NA | NA | NA | NA |
| 285 | 2024-09-05 |
LCDAE: Data Augmented Ensemble Framework for Lung Cancer Classification
2022 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338221124372
PMID:36148908
|
research paper | 本文提出了一种用于肺癌分类的数据增强集成框架LCDAE，通过合成图像和数据增强技术提高模型性能并解决过拟合问题 | 引入LCDAE框架，结合深度卷积GAN、数据增强集成模型和混合数据增强技术，显著提升了肺癌分类任务的准确性、精确度和F1分数 | NA | 提高肺癌早期检测的准确性，降低患者死亡率 | 肺癌分类 | computer vision | lung cancer | 深度学习 | CNN, GAN | image | NA | NA | NA | NA | NA |
| 286 | 2024-09-05 |
Deformation Analysis and Research of Building Envelope by Deep Learning Technology under the Reinforcement of the Diaphragm Wall
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/9489445
PMID:36156955
|
研究论文 | 本文通过深度学习技术中的长短期记忆网络（LSTM）模型，对地下建筑外壳的变形进行分析和预测，以提高其安全性 | 采用LSTM模型进行地下建筑外壳变形预测，提高了预测的准确性和效率 | 模型在预测水平位移和沉降位移时的平均相对误差仍有一定范围，且计算时间较长 | 优化地下建筑外壳的安全分析结果，全面提升地下建筑的安全性 | 地下建筑外壳的变形分析和预测 | 机器学习 | NA | 长短期记忆网络（LSTM） | LSTM | 数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 287 | 2024-09-05 |
Application of Genetic Algorithm and U-Net in Brain Tumor Segmentation and Classification: A Deep Learning Approach
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5625757
PMID:36156956
|
研究论文 | 本文提出了一种基于遗传算法和U-Net的深度学习方法，用于脑肿瘤的分割和分类 | 本文引入了遗传算法进行分割，并使用U-Net进行分类，提高了脑肿瘤检测的准确性 | NA | 旨在通过深度学习技术提高脑肿瘤检测的准确性 | 脑肿瘤的分割和分类 | 机器学习 | 脑癌 | 遗传算法, U-Net, 离散小波变换 (DWT), 粒子群优化技术 | U-Net | 图像 | 130名患者的多种序列MRI数据 | NA | NA | NA | NA |
| 288 | 2024-09-05 |
DeepHEMNMA: ResNet-based hybrid analysis of continuous conformational heterogeneity in cryo-EM single particle images
2022, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2022.965645
PMID:36158571
|
研究论文 | 本文介绍了一种基于ResNet的深度学习方法DeepHEMNMA，用于加速分析cryo-EM单颗粒图像中的连续构象异质性 | DeepHEMNMA结合了HEMNMA方法与基于ResNet的深度学习技术，显著降低了计算成本 | NA | 开发一种新的方法以加速分析cryo-EM单颗粒图像中的连续构象异质性 | cryo-EM单颗粒图像中的连续构象异质性 | 计算机视觉 | NA | cryo-EM | ResNet | 图像 | NA | NA | NA | NA | NA |
| 289 | 2024-09-05 |
Pre-thrombectomy prognostic prediction of large-vessel ischemic stroke using machine learning: A systematic review and meta-analysis
2022, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2022.945813
PMID:36158960
|
meta-analysis | 本文通过系统综述和荟萃分析，总结了使用机器学习方法对接受血管内血栓切除术的大血管闭塞性脑卒患者进行术前预后预测的研究 | 探讨了传统机器学习模型和深度学习模型在预测大血管闭塞性脑卒治疗后结果中的应用 | 大多数模型使用小数据集开发，缺乏坚实的外部验证，且存在潜在偏倚风险 | 旨在总结基于机器学习的术前预后模型，并识别关键研究空白 | 接受血管内血栓切除术的大血管闭塞性脑卒患者 | machine learning | ischemic stroke | machine learning | ML models, DL models | clinical data | 16项研究描述的19个模型 | NA | NA | NA | NA |
| 290 | 2024-09-05 |
Construction and Analysis of Emotion Recognition and Psychotherapy System of College Students under Convolutional Neural Network and Interactive Technology
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5993839
PMID:36164423
|
research paper | 本研究旨在有效建立大学生心理干预和治疗系统，及时发现和纠正他们的心理问题。从教育学和心理学角度出发，选取体育专业大学生作为研究对象，基于卷积神经网络（CNN）建立了一个互动式大学生情绪识别和心理干预系统 | 本研究采用深度学习CNN模型，相比反向传播神经网络（BPNN）和决策树算法，具有更好的情绪识别能力。同时，采用支持向量机算法进行情绪分类，提高了识别准确率 | NA | 旨在通过情绪识别猜测学生的心理状态，减少人为参与，为大学心理治疗提供新的研究思路 | 体育专业的大学生 | machine learning | NA | 卷积神经网络（CNN） | CNN | image | 未明确具体数量 | NA | NA | NA | NA |
| 291 | 2024-09-05 |
Optimal Facial Feature Based Emotional Recognition Using Deep Learning Algorithm
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8379202
PMID:36177319
|
研究论文 | 本研究通过改进卷积神经网络技术，识别七种基本情绪，并评估多种预处理技术对CNN性能的影响 | 提出了一种基于深度学习的卷积神经网络技术，用于优化面部特征的情感识别 | 未使用优化技术 | 提高基于面部特征的情感识别准确性 | 七种基本情绪的识别 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 约32,298张图片用于测试和训练 | NA | NA | NA | NA |
| 292 | 2024-09-05 |
Construction of Intelligent Nursing System Based on Visual Action Recognition Algorithm
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8311371
PMID:36177321
|
研究论文 | 本文构建了一个基于视觉动作识别算法的智能护理系统，旨在通过视频监控识别老年人的生活状态，提供实时高效的护理服务 | 利用深度学习算法进行视觉动作识别，以满足老年人多样化的需求，并提供更高质量的生活和人文关怀 | NA | 开发一种智能护理系统，通过视觉动作识别算法提高老年人的生活质量和护理效率 | 老年人的日常生活状态，特别是正常生活状态和跌倒状态 | 计算机视觉 | NA | 深度学习算法 | DL | 视频 | 未具体说明 | NA | NA | NA | NA |
| 293 | 2024-09-05 |
Deep learning applications in myocardial perfusion imaging, a systematic review and meta-analysis
2022, Informatics in medicine unlocked
DOI:10.1016/j.imu.2022.101055
PMID:36187893
|
综述 | 本文对深度学习在心肌灌注成像中的应用进行了系统回顾和荟萃分析 | 深度学习在提高心肌灌注成像诊断准确性、预测患者事件和安全性方面显示出潜力 | 需要更多临床应用研究以实现对已知或疑似冠状动脉疾病患者的更好护理 | 总结深度学习在心肌灌注成像中的应用证据 | 深度学习在心肌灌注成像中的应用 | 机器学习 | 心血管疾病 | NA | CNN | 图像 | 46项研究 | NA | NA | NA | NA |
| 294 | 2024-09-05 |
EasyDAM_V2: Efficient Data Labeling Method for Multishape, Cross-Species Fruit Detection
2022, Plant phenomics (Washington, D.C.)
DOI:10.34133/2022/9761674
PMID:36204392
|
研究论文 | 本文提出了一种改进的数据标注方法EasyDAM_V2，用于多形状和跨物种水果检测 | 引入了Across-CycleGAN图像转换网络和伪标签自适应阈值选择策略，以提高数据标注的准确性 | NA | 旨在降低基于深度学习的水果检测模型的应用成本 | 多形状和跨物种水果的检测 | 计算机视觉 | NA | GANs | CycleGAN | 图像 | 使用了一个有标签的橙子数据集作为源域，火龙果和芒果数据集作为目标域 | NA | NA | NA | NA |
| 295 | 2024-09-04 |
Training calibration-based counterfactual explainers for deep learning models in medical image analysis
2022-01-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-04529-5
PMID:35022467
|
研究论文 | 本文提出了一种基于训练校准的反事实解释器技术（TraCE），用于在医学影像分析中对深度学习模型进行可靠的反事实合成 | TraCE技术采用了一种新颖的不确定性基础区间校准策略，以确保反事实解释的可靠性 | NA | 旨在提高深度学习模型在医学影像分析中的解释性和可靠性 | 深度学习模型在胸部X光图像中识别异常的应用 | 计算机视觉 | NA | 深度学习 | 深度模型 | 图像 | NA | NA | NA | NA | NA |
| 296 | 2024-09-04 |
Deep Learning for Reliable Classification of COVID-19, MERS, and SARS from Chest X-ray Images
2022, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-021-09955-1
PMID:35035591
|
研究论文 | 本文使用深度卷积神经网络对COVID-19、MERS和SARS的胸部X光图像进行分类 | 首次在文献中探讨了COVID-19、SARS和MERS胸部X光图像的分类方案 | 分类性能在分割的胸部X光图像上有所下降，但结果更可靠 | 开发一个可靠的COVID-19识别系统，用于从胸部X光图像中分类COVID-19、MERS和SARS | COVID-19、MERS和SARS的胸部X光图像 | 计算机视觉 | COVID-19 | 深度卷积神经网络 | CNN | 图像 | 423张COVID-19、144张MERS和134张SARS的胸部X光图像 | NA | NA | NA | NA |
| 297 | 2024-09-04 |
AM-UNet: automated mini 3D end-to-end U-net based network for brain claustrum segmentation
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-11568-7
PMID:35035265
|
研究论文 | 本文提出了一种自动优化的基于U-Net的3D分割模型AM-UNet，用于人脑闭壳核的自动分割 | AM-UNet是一个轻量级且可扩展的解决方案，实现了3D磁共振图像上自动闭壳核分割的最先进准确性 | NA | 开发一种高效的自动分割模型，用于人脑闭壳核的分割 | 人脑闭壳核 | 计算机视觉 | NA | 磁共振成像(MRI) | U-Net | 图像 | T1/T2联合MRI闭壳核数据集 | NA | NA | NA | NA |
| 298 | 2024-09-04 |
Masked-face recognition using deep metric learning and FaceMaskNet-21
2022, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-021-03150-3
PMID:35233149
|
研究论文 | 本文提出了一种使用深度度量学习和FaceMaskNet-21深度学习网络的蒙面人脸识别系统 | 系统能够从静态图像、实时视频流和静态视频文件中生成128维编码，实现蒙面人脸识别 | NA | 解决COVID-19疫情期间传统人脸识别系统因面部遮挡而失效的问题 | 蒙面人脸识别技术 | 计算机视觉 | NA | 深度度量学习 | FaceMaskNet-21 | 图像、视频 | NA | NA | NA | NA | NA |
| 299 | 2024-09-04 |
Modality specific U-Net variants for biomedical image segmentation: a survey
2022, Artificial intelligence review
IF:10.7Q1
DOI:10.1007/s10462-022-10152-1
PMID:35250146
|
综述 | 本文综述了U-Net架构在生物医学图像分割中的应用，特别是针对不同模态的U-Net变体 | 本文通过进行模态间和模态内的分类分析，提供了对U-Net变体在生物医学图像分割中应用的深入见解 | NA | 探讨U-Net架构及其变体在生物医学图像分割中的应用，以及在疾病早期诊断和治疗中的潜力 | U-Net架构及其变体在生物医学图像分割中的应用 | 计算机视觉 | NA | 深度卷积神经网络, 残差神经网络, 对抗网络 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 300 | 2024-09-04 |
Deep-Precognitive Diagnosis: Preventing Future Pandemics by Novel Disease Detection With Biologically-Inspired Conv-Fuzzy Network
2022, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2022.3153059
PMID:35360503
|
研究论文 | 本文提出了一种新型计算机辅助诊断模型——深度预知诊断，该模型采用生物启发式卷积模糊网络，能够在训练数据中不存在的情况下识别未知疾病 | 提出了一种新的计算机辅助诊断模型，能够在无标签数据的情况下实时创建新类别，无需重新训练模型 | 文章未明确提及模型的局限性 | 开发一种能够在早期自动检测未知传染病的模型，以控制其快速传播 | 未知传染病 | 计算机视觉 | NA | 深度学习 | 卷积模糊网络 | 图像 | 模型在测试中成功识别了训练样本中未见的新疾病，并在后续测试中对SARS-CoV-1和MERS-CoV样本达到了最先进的准确率 | NA | NA | NA | NA |