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 107 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-10-05 |
[Deep learning-assisted construction of three-demensional facial midsagittal plane]
2022-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences
PMID:35165480
|
研究论文 | 研究利用深度学习算法和加权Procrustes分析算法，自动构建三维面部正中矢状面 | 首次结合深度学习算法和Procrustes分析算法，实现了三维面部正中矢状面的全自动化构建 | 样本量较小，仅包含100名无明显面部畸形的受试者 | 开发一种能够准确确定三维面部解剖标志并自动构建三维面部正中矢状面的深度学习算法 | 三维面部数据及其解剖标志 | 计算机视觉 | NA | 多视图堆叠沙漏卷积神经网络（MSH-CNN） | 卷积神经网络（CNN） | 三维面部数据 | 100名无明显面部畸形的受试者 | NA | NA | NA | NA |
| 22 | 2024-10-05 |
Detection of COVID-19 Based on Chest X-rays Using Deep Learning
2022-Feb-10, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10020343
PMID:35206957
|
研究论文 | 本文提出了一种基于深度学习的胸部X光图像检测COVID-19的方法 | 本文提出了两种基于ResNet-50的深度学习方法，用于COVID-19的检测，并在多个指标上表现优于现有的方法 | NA | 开发一种可靠且易于使用的深度学习方法，用于早期诊断和隔离COVID-19患者 | COVID-19的胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet-50 | 图像 | 使用了两个公开的基准数据集：COVID-19图像数据集和胸部X光图像数据集 | NA | NA | NA | NA |
| 23 | 2024-10-01 |
Inferring RNA-binding protein target preferences using adversarial domain adaptation
2022-02, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1009863
PMID:35202389
|
研究论文 | 本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA） | 采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能 | NA | 解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性 | RNA结合蛋白（RBP）的目标偏好性 | 机器学习 | NA | 对抗性领域自适应（ADDA） | 神经网络 | 文本 | NA | NA | NA | NA | NA |
| 24 | 2024-09-27 |
A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD
2022-02-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2021.118774
PMID:34861391
|
研究论文 | 提出了一种动态图卷积神经网络框架，用于揭示注意力缺陷多动障碍（ADHD）中的连接组功能障碍 | 引入了一种新的动态图卷积网络（dGCN），并开发了一种新的卷积读出层以改进图表示，显著提高了ADHD诊断的性能 | NA | 设计一种能够捕捉大脑功能连接组拓扑信息的新方法，以提高ADHD的精确诊断 | 注意力缺陷多动障碍（ADHD）患者的大脑功能连接组 | 机器学习 | 精神疾病 | 功能磁共振成像（fMRI） | 动态图卷积神经网络（dGCN） | 图结构 | NA | NA | NA | NA | NA |
| 25 | 2024-09-17 |
Brains and algorithms partially converge in natural language processing
2022-02-16, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-022-03036-1
PMID:35173264
|
研究论文 | 系统比较多种深度语言模型，以识别导致其生成类似大脑句子的计算原理 | 揭示了现代语言算法与大脑在自然语言处理中的部分相似性，并指出了预测上下文单词能力是这种相似性的主要驱动因素 | 未完全解释这种相似性的具体驱动机制 | 探讨深度学习算法与人类大脑在自然语言处理中的相似性 | 多种深度语言模型与大脑对400个孤立句子的反应 | 自然语言处理 | NA | 功能磁共振成像 (fMRI) 和脑磁图 (MEG) | 深度语言模型 | 文本 | 102名受试者，每人记录两小时 | NA | NA | NA | NA |
| 26 | 2024-09-10 |
Weakly Supervised Segmentation of COVID19 Infection with Scribble Annotation on CT Images
2022-Feb, Pattern recognition
IF:7.5Q1
DOI:10.1016/j.patcog.2021.108341
PMID:34565913
|
研究论文 | 提出了一种基于CT图像的COVID-19感染弱监督分割方法，仅使用涂鸦注释，并结合不确定性自集成和变换一致性技术 | 引入不确定性感知均值教师模型和变换一致性策略，以提高弱监督分割的准确性 | 仅在三个数据集上进行了评估，可能需要更多数据集验证其泛化能力 | 开发一种高效的弱监督分割方法，以减少COVID-19感染CT图像分割中对全标注数据的依赖 | COVID-19感染的CT图像 | 计算机视觉 | COVID-19 | 卷积神经网络 | CNN | 图像 | 两个公开数据集和一个本地数据集 | NA | NA | NA | NA |
| 27 | 2024-09-10 |
A novel data augmentation based on Gabor filter and convolutional deep learning for improving the classification of COVID-19 chest X-Ray images
2022-Feb, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2021.103326
PMID:34777557
|
研究论文 | 提出了一种基于Gabor滤波器和卷积深度学习的数据增强方法，用于改进COVID-19胸部X光图像的分类 | 结合传统数据增强技术和生成对抗网络（GANs）解决了数据限制问题，并通过应用不同的滤波器（如Sobel、高斯拉普拉斯（LoG）和Gabor滤波器）实现了更深层次的特征提取 | NA | 改进COVID-19患者的胸部X光图像筛查和分类 | COVID-19胸部X光图像 | 计算机视觉 | COVID-19 | Gabor滤波器、生成对抗网络（GANs） | 卷积神经网络（CNN） | 图像 | 4560张胸部X光图像，其中360张为COVID-19类别，其余为非COVID-19疾病 | NA | NA | NA | NA |
| 28 | 2024-09-07 |
A cognitive framework based on deep neural network for classification of coronavirus disease
2022-Feb-13, Journal of ambient intelligence and humanized computing
DOI:10.1007/s12652-022-03756-6
PMID:35194472
|
研究论文 | 本文提出了一种基于深度神经网络的认知框架，用于冠状病毒疾病的分类 | 本文提出了一种混合模型，使用胸部X光图像早期识别冠状病毒疑似患者，并采用SQueezeNet模型进行分类，实验结果显示平均准确率达到97.8% | NA | 诊断和预防冠状病毒的传播 | 冠状病毒疾病 | 计算机视觉 | 冠状病毒疾病 | 深度学习 | SQueezeNet | 图像 | NA | NA | NA | NA | NA |
| 29 | 2024-09-05 |
Deep learning in macroscopic diffuse optical imaging
2022-02, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.27.2.020901
PMID:35218169
|
综述 | 本文全面回顾了深度学习在宏观漫反射光学成像中的应用 | 深度学习在光学成像中的应用带来了分析时间大幅减少、重建质量提高、对噪声的鲁棒性增强以及学习复杂端到端关系的能力 | NA | 旨在全面回顾深度学习在宏观漫反射光学成像中的应用 | 宏观漫反射光学成像中的深度学习应用 | 计算机视觉 | NA | 深度学习 | DL | 图像 | NA | NA | NA | NA | NA |
| 30 | 2024-09-05 |
Predicting 3D dose distribution with scale attention network for prostate cancer radiotherapy
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611769
PMID:36147747
|
研究论文 | 本研究提出了一种基于新型尺度注意力网络（SA-Net）的框架，用于前列腺癌放疗中的三维剂量分布预测 | 本研究引入了动态尺度注意力模型，结合不同尺度的特征图中的低级细节和高级语义，提高了剂量预测的准确性 | NA | 提高前列腺癌放疗治疗计划的准确性 | 前列腺癌放疗中的三维剂量分布 | 机器学习 | 前列腺癌 | NA | 尺度注意力网络（SA-Net） | 距离数据、CT图像 | 训练集包含120个病例，测试集包含20个病例 | NA | NA | NA | NA |
| 31 | 2024-09-02 |
Edge-enhancement densenet for X-ray fluoroscopy image denoising in cardiac electrophysiology procedures
2022-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15426
PMID:34954836
|
研究论文 | 本文提出了一种名为边缘增强密集网络（EEDN）的新型深度学习去噪框架，用于提高心脏电生理手术中低剂量X射线荧光图像的质量 | EEDN框架设计了一个注意力感知边缘增强模块，以提高边缘锐度，同时保留临床重要细节 | NA | 旨在减少心脏电生理手术中的X射线剂量，同时提高图像质量并保留关键细节 | 低剂量X射线荧光图像的去噪和边缘增强 | 计算机视觉 | 心血管疾病 | 卷积神经网络（CNN） | 边缘增强密集网络（EEDN） | 图像 | 3262张临床图像来自20名患者的100个低剂量X射线序列 | NA | NA | NA | NA |
| 32 | 2024-09-01 |
Predicting SARS-CoV-2 infection duration at hospital admission:a deep learning solution
2022-Feb, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-021-02479-8
PMID:34993693
|
研究论文 | 本文提出了一种深度学习模型，用于预测COVID-19患者在医院入院时的感染持续时间 | 使用深度学习模型结合多种数据类型，包括人口统计学、病史、COVID-19症状、治疗和血液化学测试结果，来预测感染持续时间 | 需要进一步的外部验证和实际应用测试 | 开发一种工具，用于预先估计COVID-19患者的预期病程和相关的住院努力 | COVID-19患者的感染持续时间 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 多种数据类型，包括文本和数值数据 | 222名患者 | NA | NA | NA | NA |
| 33 | 2024-09-01 |
Project Achoo: A Practical Model and Application for COVID-19 Detection From Recordings of Breath, Voice, and Cough
2022-Feb, IEEE journal of selected topics in signal processing
IF:8.7Q1
DOI:10.1109/JSTSP.2022.3142514
PMID:35582703
|
研究论文 | 本文提出了一种使用消费者设备录制的音频快速检测COVID-19的机器学习方法 | 结合信号处理和噪声消除方法与微调的深度学习网络集合，实现了通过咳嗽声检测COVID-19 | NA | 开发一种实用的COVID-19检测模型和应用 | COVID-19的快速检测 | 机器学习 | COVID-19 | 深度学习 | 深度学习网络 | 音频 | 包括公开数据集和用户测试期间收集的噪声数据 | NA | NA | NA | NA |
| 34 | 2024-09-01 |
Efficient Evaluation of Low-contrast Detectability of Deep-CNN-based CT Reconstruction Using Channelized Hotelling Observer on the ACR Accreditation Phantom
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2612414
PMID:35813246
|
研究论文 | 本文利用优化后的通道化Hotelling观察者模型评估了基于深度学习的CT重建方法在低对比度检测能力上的表现。 | 开发了一种高效的通道化Hotelling观察者模型，仅需1-3次重复扫描即可准确测量低对比度检测能力。 | 通道化Hotelling观察者的实际应用受限于对大量重复扫描的需求和缺乏高效且广泛接受的基于幻影的方法。 | 评估基于深度学习的CT重建方法在低对比度检测能力上的表现，以确保诊断信息的完整性。 | 基于深度学习的CT重建方法在低对比度检测能力上的表现。 | 计算机视觉 | NA | 通道化Hotelling观察者 | 深度卷积神经网络（Deep-CNN） | CT图像 | 1-3次重复扫描 | NA | NA | NA | NA |
| 35 | 2024-08-31 |
Yuel: Improving the Generalizability of Structure-Free Compound-Protein Interaction Prediction
2022-02-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.1c01531
PMID:35103472
|
研究论文 | 本文开发了一种新的化合物-蛋白质相互作用预测器Yuel，旨在提高结构自由的化合物-蛋白质相互作用预测的泛化能力 | Yuel在各种数据集上表现出比现有深度学习方法更好的未知化合物和未知蛋白质间相互作用的预测能力 | 现有深度学习方法在预测未知蛋白质和未知小分子间的相互作用时存在泛化能力不足的问题 | 提高化合物-蛋白质相互作用预测的泛化能力 | 化合物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | NA | 数据集 | NA | NA | NA | NA | NA |
| 36 | 2024-08-28 |
Reconstruction of three-dimensional tomographic patient models for radiation dose modulation in CT from two scout views using deep learning
2022-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15414
PMID:34908175
|
研究论文 | 本文提出了一种使用深度学习从两个视角的扫描图像重建三维断层扫描患者模型的方法，以优化CT扫描中的辐射剂量调节。 | 利用深度学习策略从两个视角的扫描图像生成三维断层扫描患者模型，提高了辐射剂量调节的准确性。 | 目前的方法依赖于具有相对均匀衰减系数的患者模型，未考虑人体解剖结构的详细变化。 | 展示如何使用深度学习从两个视角的扫描图像生成三维断层扫描患者模型，并验证其在CT扫描中辐射剂量调节的准确性。 | 研究对象包括4214个独立的CT检查图像及其对应的两个视角的扫描图像。 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 4214个独立的CT检查图像，验证集包含55136张图像来自212名患者。 | NA | NA | NA | NA |
| 37 | 2024-08-27 |
Predicting cancer outcomes with radiomics and artificial intelligence in radiology
2022-02, Nature reviews. Clinical oncology
DOI:10.1038/s41571-021-00560-7
PMID:34663898
|
research paper | 本文讨论了人工智能（AI）工具在放射学图像中解决临床决策中下一代挑战的潜力，如跨多种癌症的预后、治疗反应预测等。 | 介绍了AI在肿瘤影像学中的应用，特别是手工放射组学方法和深度学习派生表示法，并举例说明了它们在决策支持中的应用。 | 提到了临床应用中面临的挑战，包括数据管理、可解释性以及监管和报销问题。 | 探讨AI在放射学中作为癌症管理决策支持工具的潜力和挑战。 | AI工具在放射学图像中的应用，特别是预后、治疗反应预测等方面。 | computer vision | NA | artificial intelligence (AI) | deep learning | image | NA | NA | NA | NA | NA |
| 38 | 2024-08-26 |
Study of Different Deep Learning Methods for Coronavirus (COVID-19) Pandemic: Taxonomy, Survey and Insights
2022-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s22051890
PMID:35271037
|
研究论文 | 本文综述了利用深度学习技术在医学影像模式（如CT和胸片）中检测和分类COVID-19的应用 | 提供了关于COVID-19检测和分类的深度学习系统的概述，并总结了最常用的训练数据库 | 探讨了使用深度学习算法检测COVID-19的挑战 | 旨在概述深度学习在COVID-19诊断中的应用 | COVID-19的检测和分类 | 机器学习 | COVID-19 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 39 | 2024-08-26 |
Kidney Tumor Semantic Segmentation Using Deep Learning: A Survey of State-of-the-Art
2022-Feb-25, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8030055
PMID:35324610
|
综述 | 本文综述了基于深度学习的肾肿瘤语义分割技术的最新进展 | NA | NA | 探讨肾肿瘤分割系统中深度学习的应用 | 肾肿瘤的语义分割 | 计算机视觉 | 肾癌 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 40 | 2024-08-26 |
Medical Professional Enhancement Using Explainable Artificial Intelligence in Fetal Cardiac Ultrasound Screening
2022-Feb-25, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines10030551
PMID:35327353
|
研究论文 | 本文提出了一种基于深度学习的可解释表示“图表图”，用于支持胎儿心脏超声筛查，旨在提高诊断支持工具的可解释性和医疗专业人员的信心。 | 首次展示了使用基于深度学习的可解释表示来提高胎儿心脏超声筛查性能的方法。 | NA | 提高人工智能在医疗领域的可解释性和临床应用的可信度。 | 胎儿心脏超声筛查和医疗专业人员对AI决策的信任。 | 机器学习 | 先天性心脏病 | 深度学习 | 深度神经网络 | 超声图像 | NA | NA | NA | NA | NA |