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 134 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2024-09-06 |
Mitigating Bias in Radiology Machine Learning: 2. Model Development
2022-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.220010
PMID:36204532
|
研究论文 | 本文探讨了在放射学机器学习模型开发过程中减轻偏差的方法 | 本文强调了在模型开发过程中考虑和实践适当的方法以减轻偏差的重要性 | NA | 研究如何在放射学机器学习模型开发过程中减轻偏差 | 数据增强、模型和损失函数、优化器以及迁移学习 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 82 | 2024-09-06 |
Improved CT-based Osteoporosis Assessment with a Fully Automated Deep Learning Tool
2022-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.220042
PMID:36204542
|
研究论文 | 开发并验证了一种基于深度学习的工具，用于改进基于CT图像的骨密度评估，并与手动参考标准进行比较 | 新的深度学习工具在异质性患者群体中的成功率显著高于旧的基于特征的图像处理骨密度算法 | 在骨质疏松评估中，单切片方法与多切片方法之间存在敏感性和特异性的权衡 | 开发和验证一种改进的基于CT图像的骨密度评估工具 | 基于CT图像的骨密度评估工具的性能 | 计算机视觉 | NA | 深度学习 | 深度学习工具 | 图像 | 11035名患者（平均年龄58岁，标准差12岁；6311名女性） | NA | NA | NA | NA |
| 83 | 2024-09-06 |
Mitigating Bias in Radiology Machine Learning: 1. Data Handling
2022-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.210290
PMID:36204544
|
研究论文 | 本文探讨了在放射学机器学习中数据处理阶段的偏差问题，并提出了12种次优实践及其潜在的偏差来源 | 本文提出了一个简化的框架，将机器学习数据处理分为四个步骤，并提供了代码示例来展示如何避免次优实践 | 本文使用了一个任意的简化框架，可能无法涵盖所有复杂的数据处理情况 | 减少机器学习在临床实践中应用时的偏差 | 放射学机器学习中的数据处理偏差 | 计算机视觉 | NA | 机器学习 | 卷积神经网络 (CNN) | 图像 | NA | NA | NA | NA | NA |
| 84 | 2024-09-06 |
A deep learning-based diagnostic pattern for ultrasound breast imaging: can it reduce unnecessary biopsy?
2022-Sep, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-22-473
PMID:36221270
|
研究论文 | 本文研究了基于深度学习的超声乳腺影像诊断模式，旨在减少不必要的活检 | 本文首次探讨了深度学习模型在超声乳腺影像中的应用，特别是通过VGG-16和VGG-19模型来区分恶性与良性乳腺病变，并评估其减少不必要活检的效果 | 研究样本量相对较小，且仅限于超声影像数据，未涵盖其他类型的乳腺影像 | 探讨深度学习模型在超声乳腺影像诊断中的应用，评估其减少不必要活检的效果 | 恶性与良性乳腺病变 | 计算机视觉 | 乳腺疾病 | 深度学习 | 卷积神经网络（VGG-16和VGG-19） | 图像 | 共纳入1063例乳腺病变，其中训练集843例，验证集220例 | NA | NA | NA | NA |
| 85 | 2024-09-06 |
Early Glaucoma Detection by Using Style Transfer to Predict Retinal Nerve Fiber Layer Thickness Distribution on the Fundus Photograph
2022-Sep, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100180
PMID:36245759
|
研究论文 | 本文开发了一种基于深度学习的算法，用于从彩色眼底照片中预测视网膜神经纤维层厚度分布，以实现早期青光眼的检测 | 本文创新性地使用变分自编码器网络架构，通过深度神经网络确定眼底照片与视网膜神经纤维层厚度分布之间的相关性，从而生成相应的合成OCT扫描图像 | 本文未详细讨论算法的泛化能力和在不同人群中的适用性 | 开发一种基于深度学习的算法，用于早期青光眼的检测 | 彩色眼底照片和视网膜神经纤维层厚度分布 | 计算机视觉 | 青光眼 | 变分自编码器网络 | 变分自编码器 | 图像 | 189名健康参与者和371名早期青光眼患者 | NA | NA | NA | NA |
| 86 | 2024-09-05 |
Limb, joint and pelvic kinematic control in the quail coping with steps upwards and downwards
2022-09-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-20247-y
PMID:36151454
|
研究论文 | 本文分析了普通鹌鹑在应对上下台阶时使用的骨盆和腿部运动学策略 | 首次详细描述了鹌鹑在不同高度台阶上的运动学适应性变化 | 研究仅限于特定高度的台阶，未涵盖所有可能的复杂地形 | 探究小型奔跑鸟类在复杂地形中的神经力学控制策略 | 普通鹌鹑在上下台阶时的运动学策略 | NA | NA | 双平面荧光透视法，深度学习 | NA | 图像 | 普通鹌鹑 | NA | NA | NA | NA |
| 87 | 2024-09-05 |
A pipeline for automated deep learning liver segmentation (PADLLS) from contrast enhanced CT exams
2022-09-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-20108-8
PMID:36138084
|
研究论文 | 本文介绍了一种自动化深度学习肝脏分割流水线（PADLLS），通过结合不同深度卷积神经网络（DCNN）架构的优势，实现了全自动肝脏分割。 | PADLLS通过级联多个DCNN模型，显著提高了肝脏分割的准确性，优于现有的H-DenseUnet和V-net模型。 | NA | 开发一种能够自动进行肝脏分割的深度学习流水线，以提高分割准确性并解决过度分割问题。 | 肝脏分割 | 计算机视觉 | NA | 深度卷积神经网络（DCNN） | V-net, H-DenseUnet | CT扫描图像 | 超过200个CT扫描 | NA | NA | NA | NA |
| 88 | 2024-09-05 |
Beyond deep learning
2022-Sep-20, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2214148119
PMID:36074815
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 89 | 2024-09-05 |
Critical Analysis of the Current Medical Image-Based Processing Techniques for Automatic Disease Evaluation: Systematic Literature Review
2022-Sep-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22187065
PMID:36146414
|
综述 | 本文综述了基于医学图像处理技术在疾病诊断中的应用 | 提供了对医学图像处理和分析技术的全面回顾，包括机器学习和深度学习方法 | NA | 评估和总结当前医学图像处理技术在自动疾病评估中的应用 | 医学图像分析技术及其在疾病诊断中的应用 | 数字病理学 | NA | 医学图像处理 | 机器学习和深度学习 | 图像 | 40篇研究文章 | NA | NA | NA | NA |
| 90 | 2024-09-05 |
Comparing Out-of-Sample Performance of Machine Learning Methods to Forecast U.S. GDP Growth
2022-Sep-16, Computational economics
IF:1.9Q2
DOI:10.1007/s10614-022-10312-z
PMID:36157276
|
研究论文 | 本文通过比较机器学习和深度学习方法在预测美国GDP增长中的样本外表现，评估了不同预测方法的效果 | 首次系统比较了密度基于的机器学习方法和稀疏基于的方法在不同预测范围下的表现，并强调了高频预测因子在经济预测中的重要性 | 文章主要关注于预测方法的比较，未深入探讨预测结果的经济意义或政策影响 | 比较不同机器学习方法在预测美国GDP增长中的效果 | 美国GDP增长预测 | 机器学习 | NA | 机器学习, 深度学习 | 神经网络, Lasso | 宏观经济数据 | 使用224个宏观经济预测因子，9个强预测因子和包含高频商业条件指数的9个强预测因子 | NA | NA | NA | NA |
| 91 | 2024-09-05 |
Application of Deep Learning Techniques in Diagnosis of Covid-19 (Coronavirus): A Systematic Review
2022-Sep-16, Neural processing letters
IF:2.6Q3
DOI:10.1007/s11063-022-11023-0
PMID:36158520
|
综述 | 本文系统回顾了深度学习技术在Covid-19诊断中的应用 | 使用深度学习方法如CNN和RNN从放射图像中提取关键特征，用于Covid-19的早期预测 | 样本选择、网络架构、使用少量标注数据库进行训练以及安全问题 | 探讨深度学习技术在Covid-19检测系统中的应用 | Covid-19的诊断和预测 | 机器学习 | Covid-19 | 深度学习 | CNN, RNN | 图像 | 64个预训练和自定义深度学习模型 | NA | NA | NA | NA |
| 92 | 2024-09-05 |
An Efficient Model for a Vast Number of Bird Species Identification Based on Acoustic Features
2022-Sep-15, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani12182434
PMID:36139299
|
研究论文 | 本文提出了一种基于长短期记忆网络（LSTM）和坐标注意力机制的新型深度学习方法，用于识别大量鸟类物种 | 本文的创新点在于使用LSTM结合坐标注意力机制，有效提高了对大量鸟类物种的识别准确率 | NA | 旨在提高基于声学特征的大量鸟类物种识别的准确性 | 264种鸟类物种及其超过70,000个叫声音频片段 | 机器学习 | NA | 深度学习 | LSTM | 音频 | 70,000个鸟类叫声音频片段，涉及264种鸟类物种 | NA | NA | NA | NA |
| 93 | 2024-09-05 |
Deep Ensemble Fake News Detection Model Using Sequential Deep Learning Technique
2022-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22186970
PMID:36146319
|
研究论文 | 本文提出了一种使用序列深度学习技术的深度集成假新闻检测模型，旨在提高检测准确性 | 该模型通过提取新闻内容的特征并使用自然语言处理技术进行预处理和丰富，结合深度学习网络进行特征提取，最终通过多层感知器进行分类，相较于现有模型在性能上有所提升 | NA | 提高假新闻检测的准确性 | 假新闻检测 | 自然语言处理 | NA | 序列深度学习技术 | 多层感知器 (MLP) | 文本 | 使用了两个流行且知名的数据集（LIAR和ISOT） | NA | NA | NA | NA |
| 94 | 2024-09-05 |
Real-Time Learning and Monitoring System in Fighting against SARS-CoV-2 in a Private Indoor Environment
2022-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22187001
PMID:36146346
|
研究论文 | 本研究开发了一个实时学习系统，用于在私人室内环境中通过传感器控制SARS-CoV-2的传播，并实时预测用户活动以进行远程监控 | 开发了一个集成多种机器学习技术的实时学习系统，能够高效地预测用户活动并生成大数据 | NA | 研究如何在私人室内环境中通过科技手段控制SARS-CoV-2的传播 | 私人室内环境中的用户活动和SARS-CoV-2传播控制 | 机器学习 | NA | 机器学习技术，包括分类学习、回归学习、错误校正输出代码（ECOC）和深度学习模型 | 神经网络 | IoT数据 | 多个传感器在实验环境中收集的数据 | NA | NA | NA | NA |
| 95 | 2024-09-05 |
U-Net Based Segmentation and Characterization of Gliomas
2022-Sep-14, Cancers
IF:4.5Q1
DOI:10.3390/cancers14184457
PMID:36139616
|
研究论文 | 本文开发了一种基于深度学习的框架，用于自动分割和预测胶质瘤患者的生物标志物和预后 | 使用基于U-Net的深度学习框架进行胶质瘤的自动分割和生物标志物状态及生存预测 | NA | 开发一个深度学习框架，用于胶质瘤的自动分割和生物标志物及预后预测 | 胶质瘤患者及其手术病理和术前MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | U-Net | 图像 | 208名患者 | NA | NA | NA | NA |
| 96 | 2024-09-05 |
Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network
2022-Sep-13, Micromachines
IF:3.0Q2
DOI:10.3390/mi13091515
PMID:36144138
|
研究论文 | 本研究开发了一种名为A-net的深度学习网络，用于提高共聚焦显微镜捕获的细胞骨架图像的分辨率 | 结合A-net深度学习网络和DWDC算法，显著提高了细胞骨架图像的空间分辨率，达到原始分辨率的10倍 | NA | 提高细胞骨架图像的分辨率，以便更好地进行生物分子结构的体内重建 | 细胞骨架图像的分辨率 | 计算机视觉 | NA | 深度学习网络 | A-net | 图像 | NA | NA | NA | NA | NA |
| 97 | 2024-09-05 |
Struct2Graph: a graph attention network for structure based predictions of protein-protein interactions
2022-Sep-10, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-022-04910-9
PMID:36088285
|
研究论文 | 本文介绍了一种基于图注意力网络的蛋白质-蛋白质相互作用预测方法Struct2Graph，该方法直接从折叠蛋白质的结构数据中识别相互作用 | Struct2Graph是首个基于三维结构的图注意力网络，用于预测蛋白质-蛋白质相互作用，并引入了一种新的互注意力机制，通过无监督的知识选择过程提供可能的相互作用位点 | NA | 开发新的方法来分析分子和纳米尺度的蛋白质-蛋白质相互作用，以深入了解细胞内信号传导途径和蛋白质功能 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | 图注意力网络 | 图注意力网络 | 结构数据 | 平衡数据集包含相等数量的正负对，不平衡数据集正负对比例为1:10 | NA | NA | NA | NA |
| 98 | 2024-09-05 |
COVID-19 pneumonia level detection using deep learning algorithm and transfer learning
2022-Sep-10, Evolutionary intelligence
IF:2.3Q3
DOI:10.1007/s12065-022-00777-0
PMID:36105664
|
研究论文 | 本文开发了一种人工智能引擎，用于分类COVID-19确诊患者的肺部炎症程度（轻度、进展期、重度阶段），并使用深度学习算法和迁移学习技术进行肺炎水平检测 | 本文采用了改进的卷积神经网络（CNN）和k-最近邻算法，并通过迁移学习技术在较小数据集上训练预训练的CNN模型，提高了检测准确率 | NA | 开发智能、快速、高效的COVID-19肺炎检测技术 | COVID-19确诊患者的肺部炎症程度 | 计算机视觉 | COVID-19 | 深度学习算法 | CNN | 图像 | 相对较大的数据集 | NA | NA | NA | NA |
| 99 | 2024-09-05 |
Accurate prediction of virus-host protein-protein interactions via a Siamese neural network using deep protein sequence embeddings
2022-Sep-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2022.100551
PMID:36124304
|
研究论文 | 本文提出了一种基于深度蛋白质序列嵌入技术的深度学习方法，用于预测病毒-宿主蛋白质-蛋白质相互作用 | 本文采用了基于深度蛋白质序列嵌入技术的孪生神经网络方法，该方法在病毒-宿主蛋白质-蛋白质相互作用预测中表现出色 | NA | 开发一种新的深度学习方法，用于预测和理解病毒-宿主蛋白质-蛋白质相互作用，以促进新型治疗干预措施的发展 | 病毒-宿主蛋白质-蛋白质相互作用 | 自然语言处理 | NA | 深度蛋白质序列嵌入技术 | 孪生神经网络 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 100 | 2024-09-05 |
Predicting drug toxicity at the intersection of informatics and biology: DTox builds a foundation
2022-Sep-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2022.100586
PMID:36124303
|
研究论文 | Hao等人（2022年）介绍了DTox（毒理学深度学习），这是一种神经网络，旨在预测和探究化学毒性的位点和潜在机制 | DTox提供了一个地图，以促进跨多个不同应用的模块化测试和改进 | NA | 预测药物毒性并探究其潜在机制 | 化学毒性的位点和潜在机制 | 机器学习 | NA | 深度学习 | 神经网络 | 化学数据 | NA | NA | NA | NA | NA |