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 1858 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2024-09-11 |
Deep learning based topic and sentiment analysis: COVID19 information seeking on social media
2022, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-00917-5
PMID:35911483
|
研究论文 | 本研究分析了澳大利亚与COVID19相关的时空推特数据集，通过主题建模和情感检测等方法，探讨了疫情爆发期间公众讨论的变化 | 利用深度学习技术进行主题和情感分析，结合时空数据，提供了对疫情和公众情绪的深入理解 | 研究仅限于澳大利亚的推特数据，可能无法全面反映全球情况 | 通过分析社交媒体数据，了解COVID19疫情期间公众的信息需求和情感变化 | 澳大利亚与COVID19相关的推特数据 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 澳大利亚的时空推特数据集 | NA | NA | NA | NA |
| 622 | 2024-09-11 |
Applications of machine learning for COVID-19 misinformation: a systematic review
2022, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-00921-9
PMID:35919516
|
综述 | 本文系统回顾了使用机器学习和深度学习技术检测COVID-19虚假信息的研究 | 本文系统性地评估和综合了现有的使用不同机器学习和深度学习技术检测COVID-19虚假信息的研究 | 本文讨论了使用机器学习技术检测COVID-19虚假信息面临的挑战和局限性 | 系统回顾、评估和综合使用机器学习和深度学习技术检测COVID-19虚假信息的研究 | COVID-19虚假信息检测 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | 文本 | 43篇符合纳入标准的研究论文 | NA | NA | NA | NA |
| 623 | 2024-09-11 |
Evolution of research trends in artificial intelligence for breast cancer diagnosis and prognosis over the past two decades: A bibliometric analysis
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.854927
PMID:36267967
|
综述 | 本文通过文献计量分析，综述了过去二十年人工智能在乳腺癌诊断和预后研究中的发展趋势 | 本文首次通过文献计量分析方法，全面概述了人工智能在乳腺癌诊断和预后研究中的发展历程 | 本文主要依赖于文献计量分析，可能忽略了某些未被广泛引用的创新研究 | 旨在通过文献计量分析，全面了解人工智能在乳腺癌诊断和预后研究中的发展趋势 | 人工智能在乳腺癌诊断和预后研究中的应用 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文本 | 2000年至2021年间发表的相关研究文章 | NA | NA | NA | NA |
| 624 | 2024-09-11 |
A Frobenius Norm Regularization Method for Convolutional Kernel Tensors in Neural Networks
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/3277730
PMID:36579174
|
研究论文 | 本文提出了一种新的Frobenius范数正则化方法，用于卷积核张量，以使相应变换矩阵的奇异值在训练过程中保持在1附近 | 提出了一种新的Frobenius范数惩罚函数，用于卷积核张量，以解决梯度爆炸/消失问题并提高神经网络的泛化能力 | NA | 研究如何通过正则化方法提高卷积神经网络的性能 | 卷积神经网络中的卷积核张量 | 机器学习 | NA | NA | 卷积神经网络 (CNN) | NA | NA | NA | NA | NA | NA |
| 625 | 2024-09-11 |
Editorial: The use of deep learning in mapping and diagnosis of cancers
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.1077341
PMID:36582789
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 626 | 2024-09-11 |
A novel deep learning segmentation model for organoid-based drug screening
2022, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2022.1080273
PMID:36588731
|
研究论文 | 本文提出了一种基于深度学习的器官芯片分割模型，用于提高基于器官芯片的药物筛选效率和准确性 | 开发了一种新的深度学习模型RDAU-Net，集成了动态卷积和注意力模块，显著提高了特征提取能力和抗干扰能力 | NA | 提高基于器官芯片的药物筛选效率和准确性 | 膀胱癌器官芯片系统 | 计算机视觉 | 膀胱癌 | 深度学习 | RDAU-Net | 图像 | 200张膀胱癌器官芯片图像，分别在第1、3、5、7天拍摄，有无药物处理 | NA | NA | NA | NA |
| 627 | 2024-09-11 |
Deep learning and session-specific rapid recalibration for dynamic hand gesture recognition from EMG
2022, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2022.1034672
PMID:36588953
|
研究论文 | 本文介绍了使用深度学习和会话特定快速重新校准技术进行动态手势识别的方法 | 提出了MiSDIREKt数据集和一种非线性编码器-解码器架构，用于手势分类中的降维，并展示了会话特定重新校准的有效性 | 研究仅基于单个参与者的数据，可能缺乏普适性 | 解决日常佩戴的腕部和前臂肌电图接口设备在会话特定差异下的适应问题 | 动态手势识别 | 机器学习 | NA | 肌电图（EMG） | 非线性编码器-解码器 | 数据集 | 单个参与者，43个会话，总计814分钟 | NA | NA | NA | NA |
| 628 | 2024-09-11 |
Lower hypothalamus subunit volumes link with impaired long-term body weight gain after preterm birth
2022, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2022.1057566
PMID:36589836
|
研究论文 | 本文研究了早产儿出生后下丘脑亚单位体积与长期体重增长受损之间的关系 | 首次探讨了早产儿下丘脑结构变化与成年后体重控制异常之间的关联 | 样本量相对较小，且仅限于巴伐利亚纵向研究中的个体 | 探讨早产儿下丘脑结构变化与长期体重增长之间的关系 | 早产儿和足月出生的成年人的下丘脑亚单位体积及体重增长情况 | NA | NA | 磁共振成像（MRI），深度学习 | NA | 图像 | 101名早产儿和110名足月出生的成年人 | NA | NA | NA | NA |
| 629 | 2024-09-11 |
A Deep Intelligent Attack Detection Framework for Fog-Based IoT Systems
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/6967938
PMID:36590844
|
研究论文 | 提出了一种基于雾计算的物联网系统深度智能攻击检测框架 | 使用长短期记忆网络（LSTM）在雾节点上预测和检测多种攻击 | 由于物联网设备的计算和存储空间有限，深度学习无法直接在这些设备上运行 | 开发一种在雾计算环境中检测物联网系统攻击的有效方法 | 物联网设备与雾节点之间的通信行为 | 机器学习 | NA | 长短期记忆网络（LSTM） | LSTM | 数据集 | 使用了DDoS-SDN、NSLKDD、UNSW-NB15和IoTID20数据集进行实验 | NA | NA | NA | NA |
| 630 | 2024-09-11 |
Design of field real-time target spraying system based on improved YOLOv5
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.1072631
PMID:36600914
|
研究论文 | 本文设计了一种基于改进YOLOv5的田间实时目标喷洒系统 | 通过替换YOLOv5s模型的主干网络并添加注意力机制，实现了模型的轻量化改进，并设计了电磁阀组开关的网格决策控制算法 | 随着操作速度的增加，喷洒命中率下降，有效识别率受速度影响较大 | 结合深度学习算法与喷洒技术，设计一种适用于田间场景的机器视觉精准实时目标喷洒系统 | 以常见恶性杂草为对象，生成数据集并完成模型训练 | 计算机视觉 | NA | YOLOv5 | YOLOv5s | 图像 | 以常见恶性杂草为对象，生成数据集并完成模型训练 | NA | NA | NA | NA |
| 631 | 2024-09-11 |
Wheat yield estimation using remote sensing data based on machine learning approaches
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.1090970
PMID:36618627
|
研究论文 | 研究利用遥感数据和机器学习方法预测小麦产量 | 本研究首次将LSTM模型应用于小麦产量预测，并发现其在精度上优于传统的随机森林、梯度提升决策树和支持向量回归方法 | 研究仅限于冬季小麦，且依赖于特定的遥感数据源 | 提高小麦产量预测的准确性，为农民的生产计划和国际小麦贸易提供支持 | 冬季小麦的产量预测 | 机器学习 | NA | 遥感数据分析 | LSTM | 遥感图像 | 15709个网格化产量数据，分辨率为5m × 5m | NA | NA | NA | NA |
| 632 | 2024-09-10 |
A novel deep neural network model based Xception and genetic algorithm for detection of COVID-19 from X-ray images
2022-Dec-25, Annals of operations research
IF:4.4Q1
DOI:10.1007/s10479-022-05151-y
PMID:36591406
|
研究论文 | 本文提出了一种基于Xception和遗传算法的新型深度神经网络模型，用于从X射线图像中检测COVID-19 | 本文的创新点在于结合了Xception模型和遗传算法，通过迭代优化网络结构和参数，提高了COVID-19检测的准确性 | NA | 开发一种高效的深度学习模型，用于从X射线图像中检测COVID-19 | COVID-19的X射线图像 | 计算机视觉 | COVID-19 | 遗传算法 | Xception | 图像 | 使用了COVID-19的X射线图像数据集，包括两类、三类和四类数据集 | NA | NA | NA | NA |
| 633 | 2024-09-10 |
Convolutional neural network for automated segmentation of the liver and its vessels on non-contrast T1 vibe Dixon acquisitions
2022-12-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26328-2
PMID:36543852
|
研究论文 | 评估了在非对比T1 vibe Dixon采集上使用卷积神经网络自动分割肝脏及其血管的有效性 | 使用单模态的同相重建输入在肝脏实质、门静脉和肝静脉的分割中取得了最佳性能 | 未观察到使用多模态输入的益处 | 研究深度学习在非对比T1 vibe Dixon图像上自动分割肝脏及其血管的效果 | 肝脏及其血管的自动分割 | 计算机视觉 | NA | 卷积神经网络 | 3D U-Net | 图像 | 使用了非对比T1 vibe Dixon肝脏磁共振图像的数据集，由专家逐层标注了肝脏外边界、门静脉和肝静脉 | NA | NA | NA | NA |
| 634 | 2024-09-10 |
Automatic segmentation of prostate zonal anatomy on MRI: a systematic review of the literature
2022-Dec-21, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-022-01340-2
PMID:36543901
|
综述 | 本文对当前文献中关于MRI上前列腺分区解剖自动分割的方法进行了系统性回顾和分析 | NA | 本文发现许多方法存在方法学缺陷和偏倚，导致无法进行定量分析，表明这些方法在临床实践中的鲁棒性和适用性较低 | 评估和比较已发表的自动分割前列腺分区解剖方法的适用性和效率 | MRI上的前列腺分区解剖 | 计算机视觉 | 前列腺癌 | 深度学习 | NA | 图像 | 共回顾了33篇文章 | NA | NA | NA | NA |
| 635 | 2024-09-10 |
Where do we stand in AI for endoscopic image analysis? Deciphering gaps and future directions
2022-Dec-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00733-3
PMID:36539473
|
review | 本文综述了人工智能在内窥镜图像分析领域的最新进展，并强调了当前未满足的需求和未来方向 | NA | NA | 探讨人工智能在内窥镜图像分析中的应用现状及未来发展方向 | 内窥镜图像分析中的数据异质性、多模态性及罕见或不明显的疾病案例 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 636 | 2024-09-10 |
What makes the unsupervised monocular depth estimation (UMDE) model training better
2022-12-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26613-0
PMID:36539595
|
研究论文 | 本文提出了一种合成数据集生成方法，用于无监督单目深度估计模型的训练，并通过实验验证了该方法的有效性 | 提出了一种合成数据集生成方法，无需大量人工标注，能够扩展数据集，并验证了该数据集在深度估计模型训练中的有效性 | 仅在飞机导航应用场景中进行了验证，未涵盖其他应用场景 | 探索无监督单目深度估计模型训练中的关键因素，提升模型性能 | 无监督单目深度估计模型及其训练数据集 | 计算机视觉 | NA | 深度学习 | 无监督单目深度估计模型 | 视频 | 包含飞机第一人称视角视频的MineNavi数据集 | NA | NA | NA | NA |
| 637 | 2024-09-10 |
Research on an intelligent diagnosis method of mechanical faults for small sample data sets
2022-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26316-6
PMID:36539540
|
研究论文 | 提出了一种针对小样本数据集的智能机械故障诊断方法 | 该方法不仅能够诊断轴承故障和齿轮故障，还具有较强的泛化性能，通过卷积神经网络实现自动特征提取，并使用SVM进行特征分类 | NA | 解决机械故障诊断领域中特征提取困难和小样本问题 | 轴承故障和齿轮故障 | 机器学习 | NA | 卷积神经网络 | CNN | 数据集 | 使用了来自Case Western Reserve University、西安交通大学和康涅狄格大学的轴承和齿轮故障数据集 | NA | NA | NA | NA |
| 638 | 2024-09-10 |
Automatic lesion detection and segmentation in 18F-flutemetamol positron emission tomography images using deep learning
2022-Dec-20, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-022-01058-8
PMID:36539779
|
研究论文 | 本研究利用深度学习技术，通过2D U-Net卷积神经网络自动检测和分割18F-flutemetamol PET图像中的病变区域 | 首次使用2D U-Net卷积神经网络进行18F-flutemetamol PET图像的自动病变检测和分割 | 研究仅限于特定脑区的病变检测和分割，未涵盖全脑范围 | 提高阿尔茨海默病患者脑部PET图像病变检测和分割的准确性 | 18F-flutemetamol PET图像中的病变区域 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 639 | 2024-09-10 |
Recent advances in Predictive Learning Analytics: A decade systematic review (2012-2022)
2022-Dec-20, Education and information technologies
IF:4.8Q1
DOI:10.1007/s10639-022-11536-0
PMID:36571084
|
综述 | 本文综述了2012年至2022年间高等教育领域预测学习分析的最新研究进展 | 系统回顾了过去十年中预测分析在高等教育中的应用，分析了预测模型的过程及其关键性能指标 | 主要基于文献综述，未进行实证研究 | 回顾和分析高等教育领域预测学习分析的最新研究 | 预测学术成果的机器学习和深度学习模型及其应用 | 机器学习 | NA | 机器学习和深度学习模型 | 机器学习模型 | 学生相关数据 | NA | NA | NA | NA | NA |
| 640 | 2024-09-10 |
Deep Learning Model for Computer-Aided Diagnosis of Urolithiasis Detection from Kidney-Ureter-Bladder Images
2022-Dec-16, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering9120811
PMID:36551017
|
研究论文 | 本文提出了一种基于深度学习模型的计算机辅助诊断系统，用于从肾脏-输尿管-膀胱图像中检测尿路结石 | 本文提出的深度学习模型在检测尿路结石方面表现优异，优于现有的基于卷积神经网络的方法 | 本文仅使用了来自一家医院的355张KUB图像进行训练和测试，样本量较小 | 开发一种帮助急诊室临床医生准确诊断尿路结石的计算机辅助诊断系统 | 肾脏-输尿管-膀胱图像中的尿路结石 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | ResNet | 图像 | 355张KUB图像，来自104名确诊尿路结石的患者 | NA | NA | NA | NA |