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 578 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2024-08-28 |
Evaluation Algorithm for the Effectiveness of Stroke Rehabilitation Treatment Using Cross-Modal Deep Learning
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/5435207
PMID:35529256
|
研究论文 | 本文提出了一种基于跨模态深度学习的卒中康复治疗效果评估算法 | 使用三维循环对抗生成神经网络模型恢复缺失的PET数据，并通过跨模态深度学习网络模型融合MRI和PET的特征图像进行识别 | NA | 研究卒中康复治疗效果的评估算法，以优化治疗方案 | 卒中患者的康复治疗效果 | 机器学习 | 卒中 | 跨模态深度学习 | 三维循环对抗生成神经网络 | 图像 | MRI和PET图像被分为正样本和负样本 | NA | NA | NA | NA |
| 442 | 2024-08-28 |
Deep learning kidney segmentation with very limited training data using a cascaded convolution neural network
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0267753
PMID:35533181
|
研究论文 | 本研究探讨了在训练数据非常有限的情况下，使用级联卷积神经网络（CNN）进行肾脏分割的可行性 | 采用3D增强的少样本深度学习方法，即使在单个Unet的情况下也能实现良好的性能，并且级联网络在某些情况下显著提高了分割性能 | 研究仅使用了60个受试者的数据，且仅限于MR图像 | 研究在训练数据非常有限的情况下，使用深度学习CNN模型进行肾脏分割的可行性 | 肾脏分割 | 计算机视觉 | NA | 深度学习 | 级联卷积神经网络（CNN） | 图像 | 60个受试者，其中20个用于训练和测试，40个用于测试 | NA | NA | NA | NA |
| 443 | 2024-08-28 |
Improved Deep Neural Network for Cross-Media Visual Communication
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1556352
PMID:35535179
|
研究论文 | 本文提出了一种改进的生成对抗网络，用于提高跨媒体视觉通信中前景和背景分割的准确性及场景重建的精度 | 在生成对抗网络的基础上增加了组合编解码包，并配置生成器和判别器为级联结构，同时引入了基于卷积神经网络的新辅助分类器，以提高不同特征层视觉场景的识别准确率 | NA | 解决跨媒体视觉通信中的前景和背景分割问题，提高视觉通信场景重建的准确性 | 跨媒体视觉通信中的前景和背景分割及场景重建 | 计算机视觉 | NA | 生成对抗网络 | GAN | 图像 | 使用了Cityscapes、NoW和Replica数据集进行性能验证 | NA | NA | NA | NA |
| 444 | 2024-08-28 |
Golden Standard or Obsolete Method? Review of ECG Applications in Clinical and Experimental Context
2022, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2022.867033
PMID:35547589
|
综述 | 本文综述了心电图（ECG）在研究和临床实践中的应用，探讨了各种方法的优缺点，并总结了高级数据分析的可能性 | 特别强调了在广泛临床应用中扩展的最新深度学习技术，这些技术在实验分支中展现出有前景的前景 | NA | 探讨心电图在心血管研究中的应用及其在临床和实验环境中的重要性 | 心血管系统及其在生理和病理生理条件下的功能 | NA | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | NA | NA | NA | NA | NA |
| 445 | 2024-08-28 |
Update on the Use of Nanocarriers and Drug Delivery Systems and Future Directions in Cervical Cancer
2022, Journal of immunology research
IF:3.5Q2
DOI:10.1155/2022/1636908
PMID:35571568
|
综述 | 本文综述了纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展方向 | 提出通过纳米技术将化疗药物直接递送至宫颈癌细胞，减少副作用，并引入全息技术实现药物递送动力学的非微分模型，以及人工智能作为新的分析方法 | NA | 探讨纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展 | 宫颈癌及其治疗 | NA | 宫颈癌 | 纳米技术 | NA | NA | NA | NA | NA | NA | NA |
| 446 | 2024-08-28 |
Attention-Based DSC-ConvLSTM for Multiclass Motor Imagery Classification
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8187009
PMID:35571721
|
研究论文 | 本文提出了一种基于注意力机制的DSC-ConvLSTM模型，用于多类运动想象脑电信号分类，以提高分类准确率 | 采用深度可分离卷积提取脑电信号的空间特征，并通过改进的LSTM单元结合注意力机制提取时间域特征，提高了模型的解码性能 | NA | 提高运动想象脑电信号分类的准确率，推动脑机接口技术的发展 | 运动想象脑电信号 | 机器学习 | NA | 深度学习 | DSC-ConvLSTM | 脑电信号 | 使用两个数据集，BCI Competition IV Dataset 2a和高伽马数据集进行实验 | NA | NA | NA | NA |
| 447 | 2024-08-28 |
Generating Full-Field Digital Mammogram From Digitized Screen-Film Mammogram for Breast Cancer Screening With High-Resolution Generative Adversarial Network
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.868257
PMID:35574397
|
研究论文 | 本研究开发了一种基于深度学习的生成算法HRGAN，用于从数字化屏幕胶片乳腺摄影（DFM）生成全视野数字乳腺摄影（FFDM），以提高乳腺癌筛查中深度学习算法的性能。 | HRGAN算法能够在使用高分辨率DFM作为输入的同时保持图像分辨率和细节，解决了生成高分辨率FFDM的挑战。 | 由于网络容量和GPU内存的限制，生成高分辨率FFDM仍然是一个挑战。 | 开发一种基于FFDM的深度学习算法，同时利用现有的标记DFM数据集。 | 全视野数字乳腺摄影（FFDM）和数字化屏幕胶片乳腺摄影（DFM）。 | 计算机视觉 | 乳腺癌 | 生成对抗网络（GAN） | U-Net类似生成器和修改鉴别器 | 图像 | 使用了两个公开的乳腺摄影数据集，包括3568张DFM和410张FFDM。 | NA | NA | NA | NA |
| 448 | 2024-08-28 |
DeepNC: a framework for drug-target interaction prediction with graph neural networks
2022, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.13163
PMID:35578674
|
研究论文 | 本文提出了一种基于图神经网络的药物-靶点相互作用预测框架DeepNC | DeepNC框架利用三种图神经网络算法（GENConv、GCNConv和HypergraphConv）学习药物和靶点的特征，并通过全连接层预测结合亲和力值 | NA | 构建一种先进的基于深度学习的药物-靶点相互作用预测模型 | 药物和靶点的结合亲和力 | 机器学习 | NA | 图神经网络 | GNN | 图 | 使用了三个数据集（Davis、Kiba和Allergy）进行模型评估 | NA | NA | NA | NA |
| 449 | 2024-08-28 |
Cleanup Sketched Drawings: Deep Learning-Based Model
2022, Applied bionics and biomechanics
IF:1.8Q3
DOI:10.1155/2022/2238077
PMID:35578715
|
研究论文 | 本文提出了一种基于全卷积网络（FCNN）的深度学习模型，用于简化粗糙的栅格草图图像 | 该模型能够自动生成高质量的简化草图图像，有效解决了粗糙草图图像中的噪声、不必要背景和低分辨率问题 | NA | 研究如何使用深度学习技术自动清理和改进粗糙绘图 | 粗糙的栅格草图图像 | 计算机视觉 | NA | 深度学习 | 全卷积网络（FCNN） | 图像 | 三个公开的栅格图像数据集 | NA | NA | NA | NA |
| 450 | 2024-08-28 |
Automated bone marrow cytology using deep learning to generate a histogram of cell types
2022, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-022-00107-6
PMID:35603269
|
研究论文 | 本文开发了一种基于深度学习的端到端系统，用于自动化骨髓细胞学分析，并生成细胞类型直方图 | 提出了一种新的细胞类型直方图（HCT）表示方法，用于量化骨髓细胞类别概率分布，作为细胞学患者指纹 | NA | 开发一种支持人工智能的计算病理学技术，以提高血液学诊断的效率和准确性 | 骨髓细胞学分析 | 计算机视觉 | 血液疾病 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 451 | 2024-08-28 |
AANet: Attentive All-level Fusion Deep Neural Network Approach for Multi-modality Early Alzheimer's Disease Diagnosis
2022, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:37128453
|
研究论文 | 本文提出了一种名为AANet的新系统，用于融合多层次和多模态患者数据，包括3D脑图像、患者人口统计学、遗传学和血液生物标志物，以进行早期阿尔茨海默病诊断。 | AANet通过自注意力机制的全层次融合方法，自动调整各层次MRI图像特征、患者人口统计学、血液生物标志物和遗传数据的权重，实现了多模态数据的有效整合。 | NA | 开发一种新的深度学习框架，用于多模态数据融合的疾病诊断。 | 早期阿尔茨海默病的诊断。 | 机器学习 | 阿尔茨海默病 | 深度学习 | CNN | 图像、文本 | 数据来自阿尔茨海默病神经成像倡议 | NA | NA | NA | NA |
| 452 | 2024-08-27 |
Pesticide detection combining the Wasserstein generative adversarial network and the residual neural network based on terahertz spectroscopy
2022-Jan-05, RSC advances
IF:3.9Q2
DOI:10.1039/d1ra06905e
PMID:35425184
|
研究论文 | 本文提出了一种结合Wasserstein生成对抗网络和残差神经网络的方法，用于基于太赫兹光谱的农药检测 | 本文首次将Wasserstein生成对抗网络与残差神经网络结合，用于解决太赫兹光谱数据样本不足的问题，并通过预训练模型技术减少训练参数，避免过拟合 | 深度学习在太赫兹光谱分析中的应用报告较少，主要限制是学习样本不足 | 探索深度学习在农药残留检测中的应用，扩展太赫兹光谱的应用范围 | 基于太赫兹光谱的农药检测，特别是多菌灵的检测 | 机器学习 | NA | 太赫兹光谱 | WGAN-ResNet | 光谱数据 | 具体样本数量未提及 | NA | NA | NA | NA |
| 453 | 2024-08-27 |
Deep learning-based breast region extraction of mammographic images combining pre-processing methods and semantic segmentation supported by Deeplab v3
2022, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-228017
PMID:35124595
|
研究论文 | 本文提出了一种基于深度学习的乳腺区域提取方法，结合预处理技术和语义分割模型Deeplab v3+，用于从乳腺X线图像中准确提取乳腺区域。 | 该方法通过中值滤波抑制噪声，CLAHE增强对比度，并使用Deeplab v3+模型进行语义分割，提高了乳腺区域提取的准确性。 | NA | 旨在提高乳腺X线图像中乳腺区域提取的准确性，为计算机辅助诊断系统的发展提供基础。 | 乳腺X线图像中的乳腺区域。 | 计算机视觉 | 乳腺癌 | 中值滤波，CLAHE，Deeplab v3+ | Deeplab v3+ | 图像 | 在mini-MIAS数据集和INbreast数据集上进行了训练和评估。 | NA | NA | NA | NA |
| 454 | 2024-08-27 |
Detection of Types of Mental Illness through the Social Network Using Ensembled Deep Learning Model
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/9404242
PMID:35378814
|
研究论文 | 本文通过集成深度学习模型对Reddit社交网络上的情感进行分类，以预测用户的精神疾病类型 | 采用集成深度学习模型，结合卷积神经网络和循环神经网络进行多类别分类，提高了预测准确率 | NA | 通过社交网络分析预测用户的精神疾病类型 | 社交网络上的用户情感及其对应的精神疾病类型 | 机器学习 | NA | 集成深度学习 | CNN和RNN | 文本 | 未具体说明 | NA | NA | NA | NA |
| 455 | 2024-08-27 |
Advanced brain aging in multiple system atrophy compared to Parkinson's disease
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.102997
PMID:35397330
|
研究论文 | 本研究通过深度学习方法评估了多系统萎缩（MSA）和帕金森病（PD）患者的脑部预测年龄差异（PAD），并比较了两种疾病在灰质和白质中的脑老化模式。 | 本研究首次使用深度学习方法分析了MSA和PD患者的脑部影像特征，揭示了两种疾病在脑老化模式上的显著差异。 | 研究样本量较小，可能影响结果的普遍性；未考虑其他可能影响脑老化的因素。 | 旨在开发一种基于影像的生物标志物，以早期区分多系统萎缩和帕金森病。 | 多系统萎缩（MSA）患者、帕金森病（PD）患者和健康对照组（HC）。 | 神经影像学 | 神经退行性疾病 | 磁共振成像（MRI） | 深度学习 | 影像 | MSA患者23例，PD患者33例，健康对照组34例 | NA | NA | NA | NA |
| 456 | 2024-08-27 |
Computational and Mathematical Methods in Medicine Prediction of COVID-19 in BRICS Countries: An Integrated Deep Learning Model of CEEMDAN-R-ILSTM-Elman
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/1566727
PMID:35419081
|
研究论文 | 本文针对COVID-19在BRICS国家的传播情况，构建了一个基于CEEMDAN-R-ILSTM-Elman的集成深度学习预测模型 | 提出了一个集成深度学习预测模型，结合CEEMDAN、ILSTM和Elman神经网络，通过分解-重构-预测-集成的方法提高预测准确性 | 文章未明确提及模型的局限性 | 预测COVID-19在BRICS国家的新增确诊病例数，并分析疫情传播的影响因素 | COVID-19在BRICS国家的传播数据 | 机器学习 | COVID-19 | CEEMDAN, ILSTM, Elman神经网络 | 集成深度学习模型 | 时间序列数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 457 | 2024-08-27 |
Combination of Radiological and Clinical Baseline Data for Outcome Prediction of Patients With an Acute Ischemic Stroke
2022, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2022.809343
PMID:35432171
|
研究论文 | 本研究旨在开发结合影像和临床基线数据的预测模型，用于急性缺血性中风患者的治疗结果预测 | 本研究创新地结合了影像学和深度学习图像特征与临床数据，显著改善了良好再灌注的预测 | 尽管结合影像和临床数据在预测再灌注方面有所改善，但在预测mRS评分方面并未显示出显著优势 | 开发结合影像和临床基线数据的预测模型，以提高急性缺血性中风患者治疗结果的预测准确性 | 急性缺血性中风患者 | 数字病理学 | 中风 | 深度学习 | CNN | 影像和临床数据 | 3,279名患者 | NA | NA | NA | NA |
| 458 | 2024-08-27 |
A Real-Time Medical Ventilation on Heart Failure Analysis Based on Sleep Apnea Snore and Meta-Analysis
2022, Journal of healthcare engineering
DOI:10.1155/2022/9979413
PMID:35444776
|
研究论文 | 本文通过使用基于LeNet-100 CNN的深度学习技术，对睡眠呼吸暂停打鼾进行实时医疗通气分析，以改善心脏衰竭的诊断和治疗 | 本文采用了LeNet-100 CNN模型进行深度学习，提高了分类准确性，并进行了心脏衰竭的元分析 | NA | 研究旨在通过改进分类准确性来优化睡眠呼吸暂停（OSA）的治疗方法 | 心脏衰竭患者及其睡眠呼吸暂停症状 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 数据集 | 心脏衰竭数据集来自Kaggle网站 | NA | NA | NA | NA |
| 459 | 2024-08-27 |
A Survey of Dental Caries Segmentation and Detection Techniques
2022, TheScientificWorldJournal
DOI:10.1155/2022/8415705
PMID:35450417
|
综述 | 本文深入探讨了深度学习在牙科龋齿分割和检测中的应用 | 本文综述了多种基于深度学习的牙科图像分割和检测方法，并根据龋齿类型和X射线图像类型进行了分类 | 本文讨论了现有方法的局限性，并提出了未来改进的方向 | 分析和比较深度学习在牙科龋齿分割和检测中的应用 | 牙科龋齿的分割和检测 | 计算机视觉 | 牙科疾病 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 460 | 2024-08-27 |
ADC-Net: An Open-Source Deep Learning Network for Automated Dispersion Compensation in Optical Coherence Tomography
2022, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2022.864879
PMID:35463032
|
研究论文 | 本研究开发了一种用于光学相干断层扫描（OCT）中自动色散补偿的深度学习网络（ADC-Net） | ADC-Net基于改进的UNet架构，采用编码器-解码器流水线，能够对OCT B-扫描进行部分补偿并优化所有视网膜层 | NA | 开发一种深度学习网络用于OCT中的自动色散补偿 | 光学相干断层扫描（OCT）中的色散问题 | 计算机视觉 | NA | 深度学习 | UNet | 图像 | 五输入通道模型被观察为ADC-Net训练的最佳选择 | NA | NA | NA | NA |