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 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2024-08-27 |
Dual-Branch Convolutional Neural Network Based on Ultrasound Imaging in the Early Prediction of Neoadjuvant Chemotherapy Response in Patients With Locally Advanced Breast Cancer
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.812463
PMID:35463368
|
研究论文 | 本研究开发了一种基于深度学习的新方法——双分支卷积神经网络（DBNN），利用超声图像早期预测局部晚期乳腺癌患者对新辅助化疗（NAC）的反应 | 提出了一种双分支卷积神经网络（DBNN），通过特征共享和调整不同分支的权重，强调了不同阶段数据的重要性，并结合NAC前后的超声图像信息，提高了预测病理完全反应（pCR）的诊断性能 | 本研究为回顾性研究，样本量相对较小，且仅限于局部晚期乳腺癌患者 | 开发一种新的方法，利用超声图像早期预测乳腺癌患者对新辅助化疗的反应，以指导治疗决策 | 局部晚期乳腺癌患者对新辅助化疗的早期反应 | 机器学习 | 乳腺癌 | 超声成像 | 双分支卷积神经网络（DBNN） | 图像 | 114名女性患者 | NA | NA | NA | NA |
| 462 | 2024-08-27 |
Non-Invasive Measurement Using Deep Learning Algorithm Based on Multi-Source Features Fusion to Predict PD-L1 Expression and Survival in NSCLC
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.828560
PMID:35464416
|
研究论文 | 本文开发了一种基于深度学习算法的非侵入性测量系统，用于预测非小细胞肺癌（NSCLC）中的PD-L1表达和生存结果 | 本研究首次提出了一种结合深度学习、影像组学和临床特征的AI系统，用于非侵入性地评估PD-L1表达和生存结果 | NA | 开发一种非侵入性的AI系统，用于测量PD-L1表达特征（ES）并评估NSCLC患者的生存结果 | 非小细胞肺癌（NSCLC）患者的PD-L1表达和生存结果 | 机器学习 | 肺癌 | 深度学习 | 3D ResNet | CT图像 | 1135名非小细胞肺癌（NSCLC）患者 | NA | NA | NA | NA |
| 463 | 2024-08-27 |
Robot Learning From Randomized Simulations: A Review
2022, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2022.799893
PMID:35494543
|
综述 | 本文综述了机器人从随机化模拟中学习的方法，特别是关注于一种名为“域随机化”的技术 | 介绍了通过域随机化技术来克服模拟与现实之间的差异，即“现实差距” | 所有模拟器都是基于模型构建的，因此不可避免地存在不完美之处 | 探讨如何修改模拟器以促进机器人控制策略的学习，并克服模拟与现实之间的不匹配 | 机器人学习方法及其在模拟到现实环境中的应用 | 机器人学 | NA | 域随机化 | 深度学习 | 模拟数据 | NA | NA | NA | NA | NA |
| 464 | 2024-08-27 |
Social media text analytics of Malayalam-English code-mixed using deep learning
2022, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-022-00594-3
PMID:35495077
|
研究论文 | 本文研究了马拉雅拉姆语-英语混合文本的社交媒体文本分析，重点是识别攻击性语言和情感分析 | 提出了一个框架，结合了嵌入方法（Word2Vec和FastText）和深度学习算法（单/双向模型、混合模型和转换器方法），并进行了超参数优化 | 未明确提及 | 旨在提高马拉雅拉姆语-英语混合文本在社交媒体中的处理能力 | 马拉雅拉姆语-英语混合数据集 | 自然语言处理 | NA | 深度学习 | 单/双向模型、混合模型、转换器 | 文本 | FIRE 2020数据集和EACL 2021数据集 | NA | NA | NA | NA |
| 465 | 2024-08-27 |
Research on Intelligent Target Tracking Algorithm Based on MDNet under Artificial Intelligence
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1550543
PMID:35498174
|
研究论文 | 本文介绍了一种基于MDNet的目标跟踪方法，通过引入两种注意力机制来提取和整合更好的特征，并使用案例分区减少跟踪模块的投入和最小化网络大小，以防止结果恶化 | 引入了两种注意力机制来提取和整合更好的特征，并使用案例分区技术来优化网络结构 | 未提及具体的局限性 | 研究基于MDNet的智能目标跟踪算法 | 目标跟踪技术 | 计算机视觉 | NA | 深度学习 | MDNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 466 | 2024-08-26 |
A Comparative Study of Deep Learning Classification Methods on a Small Environmental Microorganism Image Dataset (EMDS-6): From Convolutional Neural Networks to Visual Transformers
2022, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2022.792166
PMID:35308350
|
研究论文 | 本文对21种深度学习模型在小规模环境微生物图像数据集上进行了一系列比较实验，包括直接分类、不平衡训练和超参数调整实验 | 发现21种模型之间存在互补性，为特征融合相关实验提供了基础 | 几何变形的数据增强方法难以提升VT系列模型的性能 | 为研究人员提供可靠的参考，寻找适合当前设备工作环境的具有良好分类性能的模型 | 小规模环境微生物图像数据集 | 计算机视觉 | NA | 深度学习 | CNN, ViT, DeiT, BotNet, T2T-ViT, Xception, ShuffleNet-V2 | 图像 | 小规模环境微生物图像数据集（EMDS-6） | NA | NA | NA | NA |
| 467 | 2024-08-26 |
Tissue Cytometry With Machine Learning in Kidney: From Small Specimens to Big Data
2022, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2022.832457
PMID:35309077
|
综述 | 本文综述了利用机器学习结合细胞学技术在肾脏组织3D成像分析中的最新进展 | 介绍了体积组织探索与分析细胞学工具，以及基于深度学习的完整组织中细胞的图像分类方法 | NA | 探讨如何通过结合机器学习与细胞学技术，利用高分辨率成像提供的内容深度，生成高度信息化的分析输出 | 肾脏组织的3D成像分析 | 机器学习 | 肾脏疾病 | 3D成像 | 深度学习 | 图像 | 小组织样本 | NA | NA | NA | NA |
| 468 | 2024-08-26 |
Multi-Stream Convolutional Neural Network-Based Wearable, Flexible Bionic Gesture Surface Muscle Feature Extraction and Recognition
2022, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2022.833793
PMID:35310001
|
研究论文 | 本文研究了基于表面肌电信号（sEMG）的手势识别问题，提出了一种多流卷积神经网络算法，用于增强手势识别中对手部动作的特征提取能力 | 本文采用了一种多流卷积神经网络算法，通过重建sEMG样本结构来虚拟增加信号通道，提供更丰富的输入信息，从而提高手势识别的准确性 | 本文未详细讨论算法的计算复杂度和实时性问题 | 研究如何利用sEMG信号进行手势识别，提高识别的准确性和鲁棒性 | 表面肌电信号（sEMG）和手势识别 | 机器学习 | NA | 表面肌电信号（sEMG） | 多流卷积神经网络（CNN） | 信号 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 469 | 2024-08-26 |
Machine Vision and Intelligent Algorithm Based on Neural Network
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/6154453
PMID:35310591
|
研究论文 | 本文优化了神经网络算法和智能算法，并在机器视觉环境中进行了模拟实验，以提高算法的目标图像识别能力 | 本文采用了改进的VGG-16卷积神经网络模型进行金属块缺陷检测，并研究了基于神经网络的智能算法，通过比较不同算法的收敛速度，展示了ICS-BP算法的快速收敛性 | NA | 提高机器视觉环境中算法的目标图像识别能力 | 神经网络算法和智能算法在机器视觉中的应用 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了CIFAR-10数据集进行训练和验证测试 | NA | NA | NA | NA |
| 470 | 2024-08-26 |
MPEPE, a predictive approach to improve protein expression in E. coli based on deep learning
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.02.030
PMID:35317239
|
研究论文 | 本研究利用6438个异源蛋白在相同表达条件下的表达数据，构建了一个深度学习分类器，用于筛选高表达和低表达蛋白，并提出了一种增强蛋白表达的突变预测器MPEPE | 本研究提出了MPEPE，一种基于深度学习的突变预测器，用于识别有助于蛋白表达的突变位点，并结合保守残基分析以最小化功能破坏 | NA | 提高大肠杆菌中蛋白表达水平 | 异源蛋白的表达 | 机器学习 | NA | 深度学习 | 深度学习分类器 | 基因序列数据 | 6438个异源蛋白 | NA | NA | NA | NA |
| 471 | 2024-08-26 |
Automatic kidney segmentation using 2.5D ResUNet and 2.5D DenseUNet for malignant potential analysis in complex renal cyst based on CT images
2022, EURASIP journal on image and video processing
IF:2.0Q3
DOI:10.1186/s13640-022-00581-x
PMID:35340560
|
研究论文 | 本文研究使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，以分析复杂肾囊肿的恶性潜力 | 提出使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，有效提取切片内和切片间特征 | 在泰国患者的腹部CT图像上性能有所下降 | 开发精确的二分类方法（良性或恶性肿瘤）以分析计算机断层扫描（CT）图像中的肾囊肿 | 肾脏器官或病变 | 计算机视觉 | NA | NA | 2.5D ResUNet, 2.5D DenseUNet | CT图像 | KiTS19验证集包含60名患者，另外对4名泰国患者的腹部CT图像进行实验 | NA | NA | NA | NA |
| 472 | 2024-08-26 |
Image Compression Based on Hybrid Domain Attention and Postprocessing Enhancement
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/4926124
PMID:35341171
|
研究论文 | 本文提出了一种基于混合域注意力机制和后处理增强的图像压缩方法 | 该方法在主编码-解码网络和超先验网络中嵌入混合域注意力模块作为非线性变换器，构建更紧凑的潜在特征和超先验，并采用参数化高斯尺度混合模型进行更精确的熵估计 | NA | 提高图像压缩效率 | 图像压缩技术 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 473 | 2024-08-26 |
End-to-end antigenic variant generation for H1N1 influenza HA protein using sequence to sequence models
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0266198
PMID:35344562
|
研究论文 | 本文提出了一种基于端到端学习方法的序列到序列模型，用于生成H1N1流感病毒HA蛋白的抗原变体 | 首次开发了一种生成流感病毒HA蛋白抗原变体的模型，利用深度序列到序列架构 | NA | 旨在加速流感病毒抗原变体的识别，从而加快疫苗选择和制造过程 | H1N1流感病毒的HA蛋白抗原变体 | 机器学习 | 流感 | 序列到序列模型 | 序列到序列模型 | 序列数据 | NA | NA | NA | NA | NA |
| 474 | 2024-08-26 |
Novel Method for Safeguarding Personal Health Record in Cloud Connection Using Deep Learning Models
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/3564436
PMID:35345805
|
研究论文 | 本文提出了一种新的安全措施，用于保护云连接中的个人健康记录（PHR），使用深度学习模型和优化的基于规则的模糊推理系统（ORFIS）来确定患者的危急程度 | 提出的ORFIS系统在检测PHR的危急程度方面优于现有的模糊推理方法，并使用基于图形的访问策略和匿名认证在私有云环境中提高了数据存储和检索效率 | NA | 开发一种新的安全措施，以保护云连接中的个人健康记录 | 个人健康记录（PHR）的安全性和患者危急程度的分类 | 机器学习 | NA | 深度学习 | 模糊推理系统 | 文本 | 使用UCI机器学习档案进行试验 | NA | NA | NA | NA |
| 475 | 2024-08-26 |
Deep learning in prediction of intrinsic disorder in proteins
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.03.003
PMID:35356546
|
研究论文 | 本文研究了深度神经网络（DNN）在蛋白质内在无序预测中的应用 | 首次系统地分析了DNN在内在无序预测中的多样性和准确性，并提出了未来发展的可能性 | 讨论了DNN在预测无序结合区域方面的不足 | 评估和推动深度学习在蛋白质内在无序预测领域的发展 | 深度神经网络在蛋白质内在无序预测中的应用 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 蛋白质序列数据 | 使用了来自社区评估内在无序预测（CAID）的盲测数据集 | NA | NA | NA | NA |
| 476 | 2024-08-26 |
User-Accessible Machine Learning Approaches for Cell Segmentation and Analysis in Tissue
2022, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2022.833333
PMID:35360226
|
研究论文 | 本文探讨了利用机器学习和深度学习技术进行细胞分割和分析的方法，特别是在组织中的应用 | 开发了针对特定成像模式和多模式解决方案的细胞分割技术，并构建了用于训练数据的注释细胞库 | 尖端技术通常仅限于少数具有必要领域知识的专家使用 | 提高细胞分割和分类的准确性，以深入了解生物机制 | 细胞在组织中的分析，以及细胞微环境的新模型 | 计算机视觉 | NA | 机器学习和深度学习 | CNN | 图像 | 多种物种、器官和细胞状态的细胞 | NA | NA | NA | NA |
| 477 | 2024-08-26 |
Lung Disease Classification in CXR Images Using Hybrid Inception-ResNet-v2 Model and Edge Computing
2022, Journal of healthcare engineering
DOI:10.1155/2022/9036457
PMID:35368941
|
研究论文 | 本研究评估了多种机器学习、深度学习和迁移学习方法，用于分类公开可用的CXR图像数据集中的疾病 | 采用混合Inception-ResNet-v2迁移学习模型结合数据增强和图像增强，实现了最高的分类准确率 | NA | 自动化CXR图像中的疾病检测 | CXR图像中的肺炎、COVID-19和正常类别 | 计算机视觉 | 肺部疾病 | 迁移学习 | Inception-ResNet-v2 | 图像 | 公开可用的CXR图像数据集 | NA | NA | NA | NA |
| 478 | 2024-08-26 |
Investigation of Effectiveness of Shuffled Frog-Leaping Optimizer in Training a Convolution Neural Network
2022, Journal of healthcare engineering
DOI:10.1155/2022/4703682
PMID:35368933
|
研究论文 | 本文研究了混洗蛙跳优化算法在训练卷积神经网络中的有效性 | 首次采用混洗蛙跳算法训练经典的LeNet-5结构 | 使用该算法会略微增加训练计算时间 | 探讨混洗蛙跳优化算法在训练卷积神经网络中的应用效果 | 卷积神经网络的训练优化 | 计算机视觉 | NA | 混洗蛙跳算法 | CNN | 图像 | 四个不同数据集 | NA | NA | NA | NA |
| 479 | 2024-08-26 |
A Deep Learning Radiomics Analysis for Survival Prediction in Esophageal Cancer
2022, Journal of healthcare engineering
DOI:10.1155/2022/4034404
PMID:35368956
|
研究论文 | 本研究旨在探索深度学习放射组学（DLR）诺模图，用于预测食管癌患者在化疗放疗后的3年总体生存率 | 提出的DLR模型在非侵入性个体化预测食管癌患者3年生存率方面表现优于HCR签名模型 | NA | 探索深度学习放射组学（DLR）诺模图，预测食管癌患者化疗放疗后的3年总体生存率 | 食管癌患者 | 机器学习 | 食管癌 | 深度学习 | CNN | 图像 | 154名患者的数据，随机分为训练集（116）和验证集（38） | NA | NA | NA | NA |
| 480 | 2024-08-26 |
Emotional Experience and Psychological Intervention of Depression Patients Based on SOM
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5064615
PMID:35371214
|
研究论文 | 本研究使用SOM模型识别抑郁症患者的抑郁倾向，并探讨其情绪体验和心理干预 | 本研究提出了一种新的抑郁指数概念，并探讨了其与抑郁症严重程度的关系，同时展示了SOM模型在抑郁症分类中的有效性 | NA | 探索抑郁症的客观诊断标志物，并研究抑郁症患者的情绪体验和心理干预 | 抑郁症患者及其情绪体验和心理干预 | 机器学习 | 抑郁症 | SOM | SOM | 脑电信号 | NA | NA | NA | NA | NA |