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 401 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-09-23 |
Retracted: Evaluation and Stratification for Chinese International Education Quality with Deep Learning Model
2023, Computational and mathematical methods in medicine
DOI:10.1155/2023/9840651
PMID:37538452
|
correction | 该文章已被撤回 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 222 | 2024-09-23 |
Research Hotspots and Trends of Deep Learning in Critical Care Medicine: A Bibliometric and Visualized Study
2023, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S420709
PMID:37539364
|
研究论文 | 本研究通过文献计量学方法分析了深度学习在重症监护医学中的研究热点和趋势 | 首次系统评估了全球范围内深度学习在重症监护医学中的研究热点和趋势 | 研究主要基于文献计量学分析，缺乏实际临床应用的验证 | 系统评估深度学习在重症监护医学中的研究热点和趋势 | 全球范围内深度学习在重症监护医学中的应用研究 | 机器学习 | 重症监护医学 | 深度学习技术 | CNN, LSTM, RNN, Transformer, 注意力机制 | 文献 | 1708篇文献 | NA | NA | NA | NA |
| 223 | 2024-09-23 |
Accelerated MRI using intelligent protocolling and subject-specific denoising applied to Alzheimer's disease imaging
2023, Frontiers in neuroimaging
DOI:10.3389/fnimg.2023.1072759
PMID:37554641
|
研究论文 | 本文通过智能协议和个体特异性去噪技术加速MRI成像，应用于阿尔茨海默病的诊断 | 利用深度学习进行对比特异性图像去噪，提高加速协议下采集数据的图像质量，并展示了个体特异性图像去噪的效果 | NA | 加速MRI成像并提高图像质量，以应用于阿尔茨海默病的诊断 | MRI成像协议的优化和图像去噪技术 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | 25个回顾性数据集 | NA | NA | NA | NA |
| 224 | 2024-09-21 |
Exploiting multi-granularity visual features for retinal layer segmentation in human eyes
2023, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2023.1191803
PMID:37324431
|
研究论文 | 本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割 | 引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节 | NA | 提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测 | 人眼视网膜层的分割 | 计算机视觉 | NA | ConvNeXt | ConvNeXt | 图像 | 206张健康人眼视网膜图像（NR206数据集） | NA | NA | NA | NA |
| 225 | 2024-09-21 |
Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning
2023, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2023.1195923
PMID:37333009
|
研究论文 | 本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区 | 首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区 | 样本量较小，仅包括51名疼痛患者和20名健康对照 | 探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用 | 骨关节炎慢性疼痛患者和健康对照的脑区 | 计算机视觉 | 骨关节炎 | fMRI | CNN | 图像 | 51名疼痛患者和20名健康对照 | NA | NA | NA | NA |
| 226 | 2024-09-21 |
A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study
2023, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.15408
PMID:37334122
|
研究论文 | 本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应 | 首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应 | 仅限于使用苏木精-伊红染色图像进行分类 | 开发一种多分类算法，用于预测直肠癌新辅助治疗的反应 | 直肠癌新辅助治疗的病理反应 | 数字病理学 | 直肠癌 | NA | 残差神经网络 (ResNet) | 图像 | NA | NA | NA | NA | NA |
| 227 | 2024-09-21 |
A novel framework based on deep learning for COVID-19 diagnosis from X-ray images
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1375
PMID:37346600
|
研究论文 | 本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测 | 本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 设计一种高精度的深度神经网络，用于在线识别医学图像 | COVID-19的X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet-121 | 图像 | 涉及不同类型的肺炎数据 | NA | NA | NA | NA |
| 228 | 2024-09-20 |
DynamicSleepNet: a multi-exit neural network with adaptive inference time for sleep stage classification
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1171467
PMID:37250117
|
研究论文 | 提出了一种名为DynamicSleepNet的多出口神经网络，用于动态调整睡眠阶段分类的精度和效率 | DynamicSleepNet通过多出口结构和动态推理时间调整，减少了多模态电生理信号处理中的冗余计算，提高了效率 | NA | 提高睡眠阶段分类的自动化程度和效率 | 睡眠阶段的分类 | 机器学习 | NA | 多模态电生理信号 | 多出口神经网络 | 电生理信号 | 四个数据集 | NA | NA | NA | NA |
| 229 | 2024-09-20 |
A Lightweight convolutional neural network for nicotine prediction in tobacco by near-infrared spectroscopy
2023, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2023.1138693
PMID:37251760
|
研究论文 | 本文提出了一种轻量级一维卷积神经网络（1D-CNN）用于通过近红外光谱预测烟草中的尼古丁含量 | 本文的创新点在于提出了一种轻量级的一维卷积神经网络模型，用于通过近红外光谱数据预测烟草中的尼古丁含量，并采用了批量归一化技术来减少过拟合并提高模型的泛化性能 | 本文的局限性在于仅使用了Savitzky-Golay平滑预处理方法，未探讨其他预处理方法对模型性能的影响 | 本研究的目的是开发一种高效、准确的模型，用于通过近红外光谱技术快速预测烟草中的尼古丁含量 | 本研究的对象是烟草中的尼古丁含量 | 机器学习 | NA | 近红外光谱 | 一维卷积神经网络（1D-CNN） | 光谱数据 | 随机生成的训练和测试数据集 | NA | NA | NA | NA |
| 230 | 2024-09-20 |
Enhancing Disease Classification in Abdominal CT Scans through RGB Superposition Methods and 2D Convolutional Neural Networks: A Study of Appendicitis and Diverticulitis
2023, Computational and mathematical methods in medicine
DOI:10.1155/2023/7714483
PMID:37284168
|
研究论文 | 本文提出了一种利用RGB叠加方法和2D卷积神经网络增强腹部CT扫描中疾病分类的方法，主要研究了阑尾炎和憩室炎的诊断 | 本文创新性地使用RGB通道叠加图像作为模型输入，相比传统的3D CNN方法，减少了数据需求和计算资源，提高了分类性能 | 本文未详细讨论模型在其他疾病或不同数据集上的泛化能力 | 提高腹部CT扫描中阑尾炎和憩室炎的分类准确性 | 阑尾炎和憩室炎 | 计算机视觉 | NA | 2D卷积神经网络 | EfficientNet | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 231 | 2024-09-20 |
Hematologic Cancer Detection Using White Blood Cancerous Cells Empowered with Transfer Learning and Image Processing
2023, Journal of healthcare engineering
DOI:10.1155/2023/1406545
PMID:37284488
|
研究论文 | 本文提出了一种利用迁移学习和图像处理技术增强的深度学习模型，用于检测血液癌症 | 本文的创新点在于结合了迁移学习和图像处理技术，提高了血液癌症检测的准确性 | 本文的局限性在于仅使用了AlexNet、MobileNet和ResNet模型，未探索其他可能更优的模型 | 本文的研究目的是提高血液癌症的早期预测和治疗效果 | 本文的研究对象是血液癌症中的淋巴瘤和白血病 | 计算机视觉 | 血液癌症 | 迁移学习、图像处理 | 深度学习模型（AlexNet、MobileNet、ResNet） | 图像 | 使用了大量的白血癌细胞图像进行训练和测试 | NA | NA | NA | NA |
| 232 | 2024-09-20 |
The current state of artificial intelligence in endoscopic diagnosis of early esophageal squamous cell carcinoma
2023, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2023.1198941
PMID:37293591
|
综述 | 本文综述了人工智能在早期食管鳞状细胞癌内镜诊断中的现状 | 人工智能通过深度学习模型中的卷积神经网络（CNN）提取图像数据的关键特征，并进行图像分类，显著提高了内镜图像分类的准确性 | 人工智能系统的训练数据集存在选择性偏差，影响其通用性 | 探讨人工智能在早期食管鳞状细胞癌内镜诊断和侵袭深度预测中的应用 | 早期食管鳞状细胞癌 | 计算机视觉 | 食管癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 233 | 2024-09-19 |
Interpretable tourism demand forecasting with temporal fusion transformers amid COVID-19
2023, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-022-04254-0
PMID:36320610
|
研究论文 | 提出了一种创新的ADE-TFT可解释旅游需求预测模型，以解决现有旅游需求预测解释性不足的问题 | 采用自适应差分进化算法优化Temporal Fusion Transformer参数，结合历史旅游量、月度新增确诊案例和旅游论坛大数据，提高COVID-19期间旅游量预测精度，并使用卷积神经网络分析旅客情绪和话题 | NA | 提高旅游需求预测的解释性和精度，特别是在COVID-19疫情期间 | 旅游需求预测模型及其在COVID-19期间的应用 | 机器学习 | NA | 自适应差分进化算法、卷积神经网络 | Temporal Fusion Transformer、卷积神经网络 | 文本、时间序列 | NA | NA | NA | NA | NA |
| 234 | 2024-09-19 |
Deep learning on multi-view sequential data: a survey
2023, Artificial intelligence review
IF:10.7Q1
DOI:10.1007/s10462-022-10332-z
PMID:36466765
|
综述 | 本文综述了深度学习在多视角序列数据上的应用 | 本文首次系统介绍了多视角序列数据的构成类型和技术挑战，并总结了深度学习技术在该领域的最新进展 | 本文主要为综述性质，未提出具体的新方法或模型 | 探讨深度学习在多视角序列数据上的应用及其技术挑战 | 多视角序列数据及其在不同领域的应用 | 机器学习 | NA | 深度学习 | NA | 多视角序列数据 | NA | NA | NA | NA | NA |
| 235 | 2024-09-19 |
LWSNet - a novel deep-learning architecture to segregate Covid-19 and pneumonia from x-ray imagery
2023, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-14247-3
PMID:36532598
|
研究论文 | 本文提出了一种名为LWSNet的新型深度学习架构，用于从X射线图像中区分新冠肺炎、普通肺炎和正常胸部图像 | 本文的创新点在于提出了一种轻量级堆叠网络（LWSNet），通过单、双、三和四重堆叠机制来解决三分类问题，并在资源受限设备上方便部署 | NA | 开发一种自动检测肺部疾病的AI工具，以应对全球范围内大量病例的需求，并支持医生工作 | 新冠肺炎、普通肺炎和正常胸部X射线图像 | 计算机视觉 | 新冠肺炎 | 深度学习 | CNN | 图像 | 使用了三个公开数据集及其组合进行评估 | NA | NA | NA | NA |
| 236 | 2024-09-19 |
A Systematic Review of Using Deep Learning Technology in the Steady-State Visually Evoked Potential-Based Brain-Computer Interface Applications: Current Trends and Future Trust Methodology
2023, International journal of telemedicine and applications
IF:3.1Q2
DOI:10.1155/2023/7741735
PMID:37168809
|
综述 | 本文通过系统综述评估了深度学习技术在基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）应用中的重要性 | 提出了一个信任提案解决方案，包含三个方法论阶段，用于评估和基准测试基于SSVEP的BCI应用 | 本文主要关注于综述和分析现有研究，未提出新的实验或模型 | 评估深度学习技术在基于SSVEP的BCI应用中的现状和未来发展趋势 | 基于SSVEP的BCI应用中的深度学习方法 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN）、循环神经网络（RNN）、深度神经网络（DNN）、长短期记忆（LSTM）、受限玻尔兹曼机（RBM） | 稳态视觉诱发电位（SSVEP）数据 | 30篇相关文献 | NA | NA | NA | NA |
| 237 | 2024-09-19 |
Combination of multi-modal MRI radiomics and liquid biopsy technique for preoperatively non-invasive diagnosis of glioma based on deep learning: protocol for a double-center, ambispective, diagnostical observational study
2023, Frontiers in molecular neuroscience
IF:3.5Q2
DOI:10.3389/fnmol.2023.1183032
PMID:37201155
|
研究论文 | 本研究旨在利用多模态MRI放射组学和液体活检技术，基于深度学习构建一种新型的多任务放射组学模型，实现胶质瘤的术前无创“综合诊断” | 首次将放射组学与液体活检技术结合用于胶质瘤诊断，探索了深度学习模型结合液体活检参数是否能提高胶质瘤诊断的性能 | NA | 开发一种新型的多任务深度学习放射组学模型，实现胶质瘤的术前无创“综合诊断” | 胶质瘤 | 数字病理学 | 脑肿瘤 | MRI放射组学、液体活检 | 深度学习模型 | 影像数据 | 使用2019脑肿瘤分割挑战数据集（BraTS）和两个原始数据集，包括南昌大学第二附属医院和武汉大学人民医院的数据 | NA | NA | NA | NA |
| 238 | 2024-09-19 |
Flu-Net: two-stream deep heterogeneous network to detect flu like symptoms from videos using grey wolf optimization algorithm
2023, Journal of ambient intelligence and humanized computing
DOI:10.1007/s12652-023-04585-x
PMID:37228698
|
研究论文 | 本文提出了一种名为Flu-Net的AI框架，用于从视频中检测流感样症状，以限制感染的传播 | 本文创新性地采用了灰狼优化算法进行特征选择，并结合2D和3D卷积神经网络构建了一个双流异构网络 | 本文未详细讨论模型的泛化能力和对不同数据集的适应性 | 开发一种能够识别流感样症状的AI框架，以帮助控制传染病的传播 | 从监控视频中识别咳嗽、打喷嚏等流感样症状 | 计算机视觉 | NA | 灰狼优化算法 | 双流异构网络（2D和3D卷积神经网络） | 视频 | 使用了BII Sneeze-Cough (BIISC)视频数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 239 | 2024-09-19 |
On QSAR-based cardiotoxicity modeling with the expressiveness-enhanced graph learning model and dual-threshold scheme
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1156286
PMID:37228825
|
研究论文 | 本文提出了一种基于QSAR的增强图学习模型和双阈值方案的心脏毒性建模方法 | 引入了子结构感知偏置的图子图变换网络模型，提高了GNN模型的表达能力，并提出了双阈值方案以优化模型性能 | NA | 改进基于QSAR的计算模型，以更准确地筛选出心脏毒性化合物 | 心脏毒性化合物 | 机器学习 | 心血管疾病 | 图神经网络 (GNN) | 图子图变换网络模型 | 分子指纹 | NA | NA | NA | NA | NA |
| 240 | 2024-09-19 |
GUI Enabled Optimized Approach of CNN for Automatic Diagnosis of COVID-19 Using Radiograph Images
2023, New generation computing
IF:2.0Q2
DOI:10.1007/s00354-023-00212-7
PMID:37229178
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）和图形用户界面（GUI）的优化方法，用于自动诊断COVID-19肺炎感染 | 本文的创新点在于结合了GUI和CNN，并针对21种肺炎放射图像进行了训练，实现了对COVID-19的高精度分类 | 本文未详细讨论模型的泛化能力和对其他疾病的适用性 | 研究目的是开发一种自动诊断COVID-19肺炎感染的方法，以减少疾病的快速传播 | 研究对象是COVID-19肺炎感染及其与其他肺炎类型的区分 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 21种肺炎放射图像 | NA | NA | NA | NA |