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 158 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 | 2024-09-20 |
Near-Field Microwave Scattering Formulation by A Deep Learning Method
2022-Nov, IEEE transactions on microwave theory and techniques
IF:4.1Q2
DOI:10.1109/tmtt.2022.3184331
PMID:37313124
|
研究论文 | 本文应用深度学习方法对微波乳房成像中的电磁散射进行建模 | 本文首次将深度学习方法应用于微波乳房成像中的电磁散射建模，并展示了其计算速度上的显著优势 | 深度学习方法产生的误差对图像结果影响不大，但仍需进一步验证其在不同条件下的表现 | 探索深度学习在电磁散射计算中的应用潜力 | 微波乳房成像中的电磁散射 | 机器学习 | NA | 深度学习 | 神经网络 (NN) | 图像 | 18,000个合成数字乳房幻影 | NA | NA | NA | NA |
| 82 | 2024-09-19 |
High-Performance Statistical Computing in the Computing Environments of the 2020s
2022-Nov, Statistical science : a review journal of the Institute of Mathematical Statistics
IF:3.9Q1
DOI:10.1214/21-sts835
PMID:37168541
|
综述 | 本文从统计计算的角度回顾了过去十年在硬件和软件方面的技术进步，特别是高性能计算（HPC）的普及和深度学习软件库的发展 | 首次展示了在如此大规模下进行惩罚回归分析生存结果的可行性 | 未提及 | 探讨技术进步如何使统计学家受益，并展示这些发展在高维模型优化算法中的应用 | 高性能计算环境下的统计计算方法和应用 | 统计计算 | 糖尿病 | 高性能计算（HPC） | 惩罚回归模型 | 基因数据 | 200,000名受试者和约500,000个单核苷酸多态性 | NA | NA | NA | NA |
| 83 | 2024-09-17 |
Predicting the outcome of radiotherapy in brain metastasis by integrating the clinical and MRI-based deep learning features
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15814
PMID:35727568
|
研究论文 | 本文介绍了一种新的深度学习架构，用于预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果，使用治疗计划磁共振成像（MRI）和标准临床属性 | 本文提出了一种结合临床和MRI深度学习特征的新型深度学习架构，用于预测脑转移瘤的放疗结果 | 研究样本量较小，仅包括99名患者的数据，未来需要在更大规模的患者群体中进行验证 | 预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果 | 脑转移瘤患者在接受立体定向放疗后的局部控制/失败结果 | 计算机视觉 | 脑肿瘤 | 深度学习 | InceptionResentV2网络、长短期记忆循环网络 | MRI图像、临床数据 | 99名患者（116个病灶）用于训练和优化，25名患者（40个病灶）用于独立测试 | NA | NA | NA | NA |
| 84 | 2024-09-17 |
Combining natural and artificial intelligence for robust automatic anatomy segmentation: Application in neck and thorax auto-contouring
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15854
PMID:35833287
|
研究论文 | 本文提出了一种结合自然智能和人工智能的混合智能系统，用于颈部和胸部CT图像的自动解剖结构分割 | 通过将自然智能融入人工智能方法，克服了现有基于深度学习的自动分割方法在获取高级解剖信息方面的不足 | 系统在不同临床中心的接受度评分存在显著差异 | 开发一种结合自然智能和人工智能的混合智能系统，用于CT图像中的器官分割，并应用于放射治疗计划 | 颈部和胸部的26个器官 | 计算机视觉 | NA | 深度学习 | 混合智能系统 | CT图像 | 464名患者的数据用于测试，125名患者的数据用于训练/模型构建 | NA | NA | NA | NA |
| 85 | 2024-09-16 |
Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging
2022 Nov-Dec, IPEM-translation
DOI:10.1016/j.ipemt.2022.100008
PMID:36312890
|
综述 | 本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究 | 本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战 | 现有模型的临床应用效果需要进一步验证 | 探讨深度学习在COVID-19诊断中的应用，并提出改进建议 | COVID-19患者的CT和X光胸片 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 86 | 2024-09-13 |
Contrastive semi-supervised harmonization of single-shell to multi-shell diffusion MRI
2022-11, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2022.06.004
PMID:35716922
|
研究论文 | 本文探讨了通过半监督和无监督学习方法，利用深度学习模型将单壳扩散MRI数据协调为多壳数据 | 本文提出了利用解耦协调模型和CycleGAN模型进行数据协调，并展示了其在多壳扩散MRI数据协调中的优越性能 | NA | 研究如何通过深度学习方法将单壳扩散MRI数据协调为多壳数据，以适应多站点或多采集研究的需求 | 单壳和多壳扩散MRI数据 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | 使用了Multi-shell Diffusion MRI Harmonization Challenge (MUSHAC)和Baltimore Longitudinal Study on Aging (BLSA)数据集 | NA | NA | NA | NA |
| 87 | 2024-09-10 |
Reduced order modeling for flow and transport problems with Barlow Twins self-supervised learning
2022-Nov-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-24545-3
PMID:36450820
|
研究论文 | 本文提出了一种统一的数据驱动降阶模型（ROM），结合了自编码器（AE）和Barlow Twins（BT）自监督学习，用于流体和传输问题的建模 | 该模型通过结合自编码器和Barlow Twins自监督学习，成功填补了线性和非线性降阶模型之间的性能差距，并在非结构化网格上表现出色 | 文中提到的相对误差在2%到12%之间，表明在某些情况下模型的精度仍有提升空间 | 旨在开发一种能够有效处理线性和非线性降阶模型的统一数据驱动方法 | 流体和传输问题，特别是多孔介质中的自然对流问题 | 计算机视觉 | NA | 自监督学习 | 自编码器（AE） | 数值数据 | 文中未明确提及具体的样本数量 | NA | NA | NA | NA |
| 88 | 2024-09-10 |
Surgical Gesture Recognition in Laparoscopic Tasks Based on the Transformer Network and Self-Supervised Learning
2022-Nov-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering9120737
PMID:36550943
|
研究论文 | 本文提出了一种基于Transformer网络和自监督学习的视频手术动作识别深度学习框架 | 提出了基于Transformer网络和自监督学习的手术动作识别框架，并设计了两种模型：C3DTrans（监督学习）和SSC3DTrans（自监督学习） | 仅在两个基本的腹腔镜任务（peg transfer和knot tying）上进行了验证，且样本量较小 | 开发一种能够识别视频中手术动作的深度学习框架 | 腹腔镜手术中的peg transfer和knot tying任务 | 计算机视觉 | NA | 3D卷积网络和Transformer网络 | Transformer | 视频 | 80个视频样本，来自两个基本腹腔镜任务 | NA | NA | NA | NA |
| 89 | 2024-09-10 |
Breast Cancer Dataset, Classification and Detection Using Deep Learning
2022-Nov-29, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10122395
PMID:36553919
|
review | 本文综述了利用深度学习进行乳腺癌诊断的计算和数字病理学方法 | NA | NA | 综述现有的计算和数字病理学方法，特别是深度学习方法，用于乳腺癌诊断 | 乳腺癌诊断的计算和数字病理学方法 | digital pathology | breast cancer | deep learning | NA | image | NA | NA | NA | NA | NA |
| 90 | 2024-09-10 |
On Detecting Cryptojacking on Websites: Revisiting the Use of Classifiers
2022-Nov-27, Sensors (Basel, Switzerland)
DOI:10.3390/s22239219
PMID:36501921
|
研究论文 | 本文探讨了使用多种机器学习分类模型检测网站上的加密劫持行为 | 本文通过使用多种特征选择方法和机器学习模型，展示了简单模型在检测加密劫持方面的有效性 | 本文未详细讨论数据集的来源和特征选择的局限性 | 研究如何有效检测网站上的加密劫持行为 | 网站上的加密劫持行为 | 机器学习 | NA | 机器学习 | 逻辑回归、决策树、随机森林、梯度提升分类器、K近邻、XGBoost | 网络和主机特征样本 | 使用了一个包含网络和主机特征样本的数据集 | NA | NA | NA | NA |
| 91 | 2024-09-10 |
Convolutional Neural Network Classification of Rest EEG Signals among People with Epilepsy, Psychogenic Non Epileptic Seizures and Control Subjects
2022-11-26, International journal of environmental research and public health
DOI:10.3390/ijerph192315733
PMID:36497808
|
研究论文 | 本文提出了一种基于深度学习的自动诊断方法，用于区分癫痫发作、非癫痫性心因性发作和健康对照组的静息脑电信号 | 本文创新性地使用卷积神经网络（CNN）对脑电信号进行分类，并结合经验模态分解（EMD）提取增强特征 | 研究样本量较小，且未考虑药物治疗对脑电信号的影响 | 开发一种自动化的方法来区分癫痫发作、非癫痫性心因性发作和健康对照组的脑电信号 | 癫痫发作患者、非癫痫性心因性发作患者和健康对照组的脑电信号 | 机器学习 | 癫痫 | 经验模态分解（EMD） | 卷积神经网络（CNN） | 脑电信号 | 42名新发癫痫患者、42名非癫痫性心因性发作患者和19名健康对照组 | NA | NA | NA | NA |
| 92 | 2024-09-10 |
Lung_PAYNet: a pyramidal attention based deep learning network for lung nodule segmentation
2022-11-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-24900-4
PMID:36434060
|
研究论文 | 本文提出了一种基于金字塔注意力机制的深度学习网络Lung_PAYNet，用于肺结节分割 | 本文创新性地设计了Lung_PAYNet模型，采用金字塔注意力机制和倒残差块结构，显著提高了肺结节分割的准确性 | NA | 提高低剂量CT图像中肺结节分割的准确性和可靠性 | 肺结节 | 计算机视觉 | 肺癌 | 深度学习 | CNN | 图像 | 使用了公开的LIDC-IDRI数据集进行训练和验证 | NA | NA | NA | NA |
| 93 | 2024-09-10 |
Risk of Mortality Prediction Involving Time-Varying Covariates for Patients with Heart Failure Using Deep Learning
2022-Nov-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12122947
PMID:36552953
|
研究论文 | 本研究开发并验证了一种基于深度学习的预测心力衰竭患者全因死亡风险的新型预后模型 | 提出了一个基于时间变化协变量的递归神经网络模型（RNNSurv），该模型在区分度、校准度和风险分层能力上优于传统的深度前馈神经网络模型和多变量Cox比例风险模型 | NA | 预测心力衰竭患者的全因死亡风险 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 深度学习 | 递归神经网络（RNN） | 时间序列数据 | 730名心力衰竭住院患者 | NA | NA | NA | NA |
| 94 | 2024-09-10 |
AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics
2022-11-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-34904-3
PMID:36433986
|
研究论文 | 介绍了一个名为AlphaPeptDeep的模块化深度学习框架，用于预测蛋白质组学中的肽性质 | AlphaPeptDeep框架允许非专业人士通过几行代码创建模型，并广泛使用迁移学习，无需大量数据集即可优化特定实验条件的模型 | NA | 开发一个模块化的深度学习框架，用于预测蛋白质组学中的肽性质 | 肽的保留时间、碰撞截面和片段强度等性质 | 机器学习 | NA | 深度学习 | 神经网络 | 序列 | NA | NA | NA | NA | NA |
| 95 | 2024-09-10 |
MSLF-Net: A Multi-Scale and Multi-Level Feature Fusion Net for Diabetic Retinopathy Segmentation
2022-Nov-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12122918
PMID:36552925
|
研究论文 | 本文提出了一种基于多尺度多层次特征融合的监督分割方法MSLF-Net，用于糖尿病视网膜病变（DR）的病变分割 | 引入多尺度特征提取模块和多层次特征融合模块，通过交叉层结构仅融合相同类别的低级和高级特征，避免特征污染 | NA | 实现准确的端到端糖尿病视网膜病变病变分割 | 糖尿病视网膜病变（DR）的病变 | 计算机视觉 | 糖尿病并发症 | 深度学习算法 | MSLF-Net | 图像 | 在公共数据集IDRID和e_ophtha上进行了广泛实验 | NA | NA | NA | NA |
| 96 | 2024-09-10 |
A Framework for Lung and Colon Cancer Diagnosis via Lightweight Deep Learning Models and Transformation Methods
2022-Nov-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12122926
PMID:36552933
|
研究论文 | 本文提出了一种基于轻量级深度学习模型和变换方法的肺癌和结肠癌诊断框架 | 该框架利用多种变换方法进行特征降维，并提供了更好的数据表示，相比现有方法具有更低的特征数量和计算复杂度 | NA | 早期检测肺癌和结肠癌 | 肺癌和结肠癌的病理扫描图像 | 计算机视觉 | 肺癌, 结肠癌 | 深度学习, 主成分分析 (PCA), 快速Walsh-Hadamard变换 (FHWT), 离散小波变换 (DWT) | ShuffleNet, MobileNet, SqueezeNet | 图像 | NA | NA | NA | NA | NA |
| 97 | 2024-09-10 |
Generation of novel Diels-Alder reactions using a generative adversarial network
2022-Nov-22, RSC advances
IF:3.9Q2
DOI:10.1039/d2ra06022a
PMID:36505715
|
研究论文 | 本文利用生成对抗网络（GAN）生成新的Diels-Alder反应 | 首次将生成对抗网络应用于有机化学领域，生成新的Diels-Alder反应 | 仅限于生成Diels-Alder反应，未涉及其他类型的有机反应 | 探索生成对抗网络在有机化学中的应用，生成新的有机反应 | Diels-Alder反应 | 机器学习 | NA | 生成对抗网络（GAN） | MaskGAN | 反应数据 | 训练数据包含14,092个Diels-Alder反应，生成1,441个新反应 | NA | NA | NA | NA |
| 98 | 2024-09-10 |
[A lightweight multiscale target object detection network for melanoma based on attention mechanism manipulation]
2022-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出了一种结合坐标注意机制和高效通道注意机制的深度学习目标检测模型AM-YOLO，用于黑色素瘤的检测 | 通过在YOLOv5s模型中集成坐标注意机制和高效通道注意机制，提高了黑色素瘤识别的准确性并减小了模型权重 | NA | 开发一种能够有效识别黑色素瘤的深度学习目标检测算法 | 黑色素瘤 | 计算机视觉 | 皮肤癌 | 深度学习 | YOLO | 图像 | NA | NA | NA | NA | NA |
| 99 | 2024-09-10 |
Cardiovascular/Stroke Risk Stratification in Diabetic Foot Infection Patients Using Deep Learning-Based Artificial Intelligence: An Investigative Study
2022-Nov-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm11226844
PMID:36431321
|
研究论文 | 本文探讨了使用基于深度学习的人工智能技术对糖尿病足感染患者进行心血管/中风风险分层的可行性 | 提出了使用深度学习模型（如LSTM和RNN）结合多种生物标志物和影像学特征来预测糖尿病足感染患者的心血管/中风风险 | 研究受限于样本量和科学临床验证方法的不足 | 研究深度学习技术在糖尿病足感染患者中预测心血管/中风风险的有效性 | 糖尿病足感染患者的心血管/中风风险 | 机器学习 | 心血管疾病 | 深度学习 | LSTM和RNN | 生物标志物和影像数据 | 207项研究 | NA | NA | NA | NA |
| 100 | 2024-09-10 |
Pixel-Guided Association for Multi-Object Tracking
2022-Nov-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22228922
PMID:36433519
|
研究论文 | 本文提出了一种像素引导的多目标跟踪方法，通过统一检测和跟踪框架来提高跟踪性能 | 引入了像素引导的方法来构建联合检测和跟踪框架，并使用长时外观关联来计算相似度矩阵 | 未提及 | 提高多目标跟踪任务中的轨迹关联准确性 | 多目标跟踪中的物体轨迹 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 使用了MOT15和MOT17基准数据集进行实验 | NA | NA | NA | NA |