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 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 | 2024-08-26 |
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 |
| 462 | 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 |
| 463 | 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 |
| 464 | 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 |
| 465 | 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 |
| 466 | 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 |
| 467 | 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 |
| 468 | 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 |
| 469 | 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 |
| 470 | 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 |
| 471 | 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 |
| 472 | 2024-08-26 |
Deep Learning-Based Electrocardiograph in Evaluating Radiofrequency Ablation for Rapid Arrhythmia
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/6491084
PMID:35371280
|
研究论文 | 本研究旨在分析基于深度学习的电生理图（ECG）在评估射频消融治疗快速性心律失常疗效中的重要作用 | 使用基于深度学习的卷积神经网络模型对ECG检查指标进行量化分析 | NA | 评估射频消融治疗快速性心律失常的疗效 | 158名接受射频消融治疗的快速性心律失常患者 | 机器学习 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 电生理图（ECG） | 158名患者，分为有效治疗组（142例）和无效治疗组（16例） | NA | NA | NA | NA |
| 473 | 2024-08-26 |
Kidney Tumor Segmentation Based on FR2PAttU-Net Model
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.853281
PMID:35372025
|
研究论文 | 本文提出基于FR2PAttU-Net的深度学习模型，用于帮助医生快速高效地处理肾脏CT图像，节省医疗资源 | 使用R2Att网络改进U-Net的'U'结构，增加并行卷积，构建FR2PAttU-Net模型，提高模型对不同尺度图像特征的适应性，避免网络加深导致学习有价值特征的失败 | NA | 提高肾脏肿瘤从肾脏CT图像中的分割效果 | 肾脏肿瘤的CT图像分割 | 计算机视觉 | 肾脏肿瘤 | 深度学习 | FR2PAttU-Net | 图像 | 使用KiTS19数据集，通过增强小样本数据集以平衡样本数据集 | NA | NA | NA | NA |
| 474 | 2024-08-25 |
A Comparison of Infectious Disease Forecasting Methods across Locations, Diseases, and Time
2022-Jan-29, Pathogens (Basel, Switzerland)
DOI:10.3390/pathogens11020185
PMID:35215129
|
研究论文 | 本研究比较了统计学、机器学习和深度学习方法在不同国家和时间段内预测三种传染病（弯曲杆菌病、伤寒和Q热）的性能 | 本研究展示了机器学习方法在整合广泛因素方面比传统统计方法更准确地预测各种传染病的能力 | 研究中提到某些情况下统计学或深度学习模型在特定子集（如病例数非常低的伤寒）的误差指标略小 | 比较不同预测方法在传染病预测中的性能 | 三种传染病（弯曲杆菌病、伤寒和Q热） | 机器学习 | NA | 机器学习（ML）和深度学习（DL） | 极端梯度提升树（XGB）、随机森林（RF）、多层感知器和编码器-解码器模型 | 公共数据集（景观、气候和社会经济因素） | 七个不同国家的地区级数据（2009-2017年） | NA | NA | NA | NA |
| 475 | 2024-08-25 |
Automatic Identification of Bioprostheses on X-ray Angiographic Sequences of Transcatheter Aortic Valve Implantation Procedures Using Deep Learning
2022-Jan-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12020334
PMID:35204425
|
研究论文 | 本文提出使用U-Net架构自动分割血管造影图像中的经导管心脏瓣膜（THV），并研究其超参数对分割质量的影响 | 引入了两个新的评价指标，更适当地评估了数据集类别不平衡情况下的结果质量 | NA | 研究自动分割血管造影图像中THV的方法及其超参数对分割质量的影响 | 经导管心脏瓣膜（THV）的自动分割 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net | 图像 | 不同类型的血管造影图像帧 | NA | NA | NA | NA |
| 476 | 2024-08-25 |
A Computer Vision-Based Approach for Tick Identification Using Deep Learning Models
2022-Jan-22, Insects
IF:2.7Q1
DOI:10.3390/insects13020116
PMID:35206690
|
研究论文 | 本文介绍了一种基于计算机视觉和深度学习模型的蜱虫识别工具 | 使用改进的卷积神经网络（CNN）模型，通过大规模分子验证数据集训练，实现了高精度的蜱虫物种识别 | NA | 开发一种高效、准确的蜱虫识别工具，以辅助疾病风险评估和早期诊断 | 蜱虫物种识别 | 计算机视觉 | NA | 深度学习算法 | CNN | 图像 | 大规模分子验证数据集 | NA | NA | NA | NA |
| 477 | 2024-08-25 |
Brain Tumor Classification Using a Combination of Variational Autoencoders and Generative Adversarial Networks
2022-Jan-21, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines10020223
PMID:35203433
|
研究论文 | 本文提出了一种结合变分自编码器（VAEs）和生成对抗网络（GANs）的框架，用于脑肿瘤分类，并通过生成的人工脑肿瘤图像来增强数据集 | 通过结合VAEs和GANs，避免了GAN的模式崩溃问题，并生成逼真的脑肿瘤MRI图像，从而解决了小规模医学数据集的限制 | 需要大量的数据来训练深度学习模型以获得良好结果，而医学领域中大型公共数据集较为罕见 | 开发一种能够帮助神经学家加速诊断过程并减轻医疗系统负担的自动化计算机辅助工具 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | 变分自编码器（VAEs），生成对抗网络（GANs） | ResNet50 | 图像 | 使用了可用的MR图像训练集，并通过生成的人工图像进行数据增强 | NA | NA | NA | NA |
| 478 | 2024-08-25 |
Design of a Diagnostic System for Patient Recovery Based on Deep Learning Image Processing: For the Prevention of Bedsores and Leg Rehabilitation
2022-Jan-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12020273
PMID:35204364
|
研究论文 | 本文提出了一种基于深度学习图像处理的诊断系统，用于预防褥疮和腿部康复，以改善韩国康复医疗领域的需求。 | 结合人工智能技术与康复医学领域，开发了一个不需要高度专业知识的系统。 | 文章未明确提及具体的局限性。 | 开发一个结合人工智能技术的系统，以改善韩国康复医疗领域的需求。 | 预防褥疮和腿部康复方法。 | 机器学习 | NA | 深度学习图像处理 | 深度学习模型 | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 479 | 2024-08-25 |
Literature Review on Artificial Intelligence Methods for Glaucoma Screening, Segmentation, and Classification
2022-Jan-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8020019
PMID:35200722
|
综述 | 本文综述了基于深度学习技术在青光眼筛查、分割和分类方面的最新研究进展 | 利用深度学习技术进行青光眼筛查，具有高灵敏度和特异性 | NA | 验证深度学习技术在青光眼相关准确且低成本测量中的应用潜力 | 青光眼的筛查、分割和分类 | 计算机视觉 | 青光眼 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 480 | 2024-08-25 |
Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT
2022-01-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac4000
PMID:34874302
|
研究论文 | 本文开发了一种基于深度学习的自动分割模型，用于在CT图像中分割吞咽和咀嚼结构，以辅助放射治疗（RT）的规划。 | 本文是首个经过前瞻性验证的基于深度学习的CT图像吞咽和咀嚼结构分割模型。 | NA | 开发一种准确且高效的方法来自动化吞咽和咀嚼结构的分割，以辅助放射治疗规划。 | 吞咽和咀嚼结构，包括咬肌、内侧翼状肌、喉和咽缩肌。 | 数字病理学 | 头颈癌 | DeepLabV3+ | 深度学习模型 | CT扫描图像 | 242名头颈癌患者的历史CT扫描数据，以及91名患者的近期CT扫描数据用于前瞻性评估。 | NA | NA | NA | NA |