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 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2024-09-11 |
Joint EANM/SNMMI guideline on radiomics in nuclear medicine : Jointly supported by the EANM Physics Committee and the SNMMI Physics, Instrumentation and Data Sciences Council
2023-01, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-022-06001-6
PMID:36326868
|
指南 | 本指南旨在提供关于放射组学分析最佳实践的综合信息，涵盖手工特征和深度学习方法 | 本指南结合了EANM和SNMMI的共同努力，提供了放射组学分析的当前最佳实践和推荐 | 本指南主要关注手工特征方法，因为该领域更为成熟，对深度学习方法的应用推荐较少 | 提供放射组学分析的最佳实践和推荐 | 放射组学分析的手工特征和深度学习方法 | 核医学 | NA | 放射组学 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 342 | 2024-09-11 |
Strong semantic segmentation for Covid-19 detection: Evaluating the use of deep learning models as a performant tool in radiography
2023-01, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2022.10.010
PMID:36335787
|
研究论文 | 本文探讨了使用深度学习模型进行Covid-19检测的语义分割方法 | 提出了一种结合深度学习模块的语义分割新模型，用于从Covid-19 CT图像中提取明确的图形特征 | NA | 旨在提高Covid-19诊断的准确性和效率 | Covid-19 CT图像 | 计算机视觉 | Covid-19 | 深度学习 | U-net | 图像 | 包括正常胸部CT、肺炎、典型病毒原因和Covid-19病例的CT图像 | NA | NA | NA | NA |
| 343 | 2024-09-11 |
Utilizing deep learning for dermal matrix quality assessment on in vivo line-field confocal optical coherence tomography images
2023-Jan, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13221
PMID:36366860
|
研究论文 | 本文开发了一种利用深度学习自动评估体内线场共聚焦光学相干断层扫描图像中真皮基质质量的新方法 | 本文首次提出了一种基于深度学习的自动评估方法，用于快速、准确地评估真皮基质质量 | 研究样本仅限于健康的高加索志愿者，且样本量相对较小 | 开发一种自动评估真皮基质质量的新方法，并应用于评估光老化相关的真皮基质变化 | 体内线场共聚焦光学相干断层扫描图像中的真皮基质质量 | 计算机视觉 | NA | 线场共聚焦光学相干断层扫描 (LC-OCT) | MobileNetv3-Small | 图像 | 57名健康高加索志愿者和36名健康高加索女性 | NA | NA | NA | NA |
| 344 | 2024-09-11 |
A survey on deep learning applied to medical images: from simple artificial neural networks to generative models
2023, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07953-4
PMID:36373133
|
综述 | 本文综述了深度学习技术在医学图像分析中的应用，特别是生成模型 | 提供了对最新深度学习模型在医学图像生成中的应用的简明概述 | 未提及具体的研究局限性 | 提供深度学习在医学影像中应用的全面概述，以促进其在医学领域的应用 | 医学图像，包括不同受损身体部位或器官的图像 | 计算机视觉 | NA | 深度学习 | 生成对抗网络（GAN）和变分自编码器（VAE） | 图像 | 使用了包含磁共振（MR）图像、计算机断层扫描（CT）扫描和常见图片的公开医学数据集 | NA | NA | NA | NA |
| 345 | 2024-09-11 |
Off the deep end: What can deep learning do for the gene expression field?
2023-01, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2022.102760
PMID:36462664
|
评论 | 本文讨论了深度学习在基因表达领域的应用潜力 | 探讨了深度学习在解码DNA序列信息中的应用，以及如何通过深度学习模型识别跨物种的重要遗传变异 | NA | 探讨深度学习在基因调控和进化生物学中的应用 | 基因调控、进化生物学、DNA序列信息 | 机器学习 | NA | 深度学习 | 神经网络 | DNA序列 | NA | NA | NA | NA | NA |
| 346 | 2024-09-11 |
Machine Learning and Deep Learning Based Time Series Prediction and Forecasting of Ten Nations' COVID-19 Pandemic
2023, SN computer science
DOI:10.1007/s42979-022-01493-3
PMID:36532634
|
研究论文 | 本文利用机器学习和深度学习技术对十个国家的COVID-19疫情进行时间序列预测 | 提出了多种机器学习、深度学习和时间序列模型来预测COVID-19的确诊、死亡和康复病例 | 未提及具体的局限性 | 研究并预测COVID-19的未来环境情况以减少其影响 | COVID-19在十个国家的确诊、死亡和康复病例 | 机器学习 | COVID-19 | 机器学习、深度学习、时间序列模型 | 随机森林回归器、Facebook Prophet模型、堆叠LSTM | 时间序列数据 | 2020年1月22日至2021年5月29日的COVID-19病例数据 | NA | NA | NA | NA |
| 347 | 2024-09-11 |
Post-pandemic healthcare for COVID-19 vaccine: Tissue-aware diagnosis of cervical lymphadenopathy via multi-modal ultrasound semantic segmentation
2023-Jan, Applied soft computing
IF:7.2Q1
DOI:10.1016/j.asoc.2022.109947
PMID:36570119
|
研究论文 | 本文提出了一种基于深度学习的框架，用于快速诊断接种COVID-19疫苗后引起的颈部淋巴结肿大 | 本文创新性地提出了Tissue-Aware Cervical Lymph Node Diagnosis方法，通过多模态超声语义分割实现对颈部淋巴结及其周围组织的像素级定位和诊断 | 本文未提及具体的局限性 | 研究目的是开发一种快速诊断方法，以帮助医生在疫情后时代区分COVID相关反应性淋巴结肿大和转移性淋巴结肿大 | 研究对象是接种COVID-19疫苗后出现的颈部淋巴结肿大 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 本文未提及具体的样本数量 | NA | NA | NA | NA |
| 348 | 2024-09-11 |
Motion artifact reduction for magnetic resonance imaging with deep learning and k-space analysis
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0278668
PMID:36603007
|
研究论文 | 本研究提出了一种新的方法，通过深度学习和k空间分析来检测和去除磁共振成像中的运动伪影 | 本研究的创新点在于结合深度学习和k空间分析，能够有效检测受运动影响的相位编码线，并利用压缩感知技术从不受影响的数据中重建图像，从而减少运动伪影 | 本研究的局限性在于仅使用了IXI公共数据集中的67个病例进行实验，未来需要更多的临床数据来验证方法的普适性 | 本研究旨在提高磁共振成像的质量，减少运动伪影的影响 | 本研究主要针对磁共振成像中的运动伪影问题 | 计算机视觉 | NA | 压缩感知 | 卷积神经网络 (CNN) | 图像 | 本研究使用了67个病例，共8710张轴向T2加权图像，分为训练集（50个病例/6500张图像）、验证集（5个病例/650张图像）和测试集（12个病例/1560张图像） | NA | NA | NA | NA |
| 349 | 2024-09-11 |
Deep learning prediction of pathological complete response, residual cancer burden, and progression-free survival in breast cancer patients
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0280148
PMID:36607982
|
研究论文 | 本研究利用深度学习卷积神经网络预测乳腺癌患者在接受新辅助化疗后的病理完全缓解、残留癌症负担和无进展生存期 | 本研究创新性地结合了纵向多参数MRI、人口统计学和分子亚型数据，通过深度学习模型预测乳腺癌患者的治疗效果 | 研究样本量较小，仅包括155名患者，可能影响模型的泛化能力 | 利用深度学习技术预测乳腺癌患者在接受新辅助化疗后的治疗效果 | 乳腺癌患者在接受新辅助化疗后的病理完全缓解、残留癌症负担和无进展生存期 | 计算机视觉 | 乳腺癌 | 深度学习 | 卷积神经网络 | 影像 | 155名乳腺癌患者 | NA | NA | NA | NA |
| 350 | 2024-09-11 |
CRNet: a multimodal deep convolutional neural network for customer revisit prediction
2023, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-022-00674-4
PMID:36618886
|
研究论文 | 本文介绍了一种用于预测客户再次光顾的多模态深度卷积神经网络CRNet | CRNet在客户再次光顾预测任务中表现优于当前最先进的多模态框架，准确率和F1分数显著提高 | 未来的研究应考虑引入其他资源（如元数据信息）以进一步增强该框架 | 开发一种高效的多模态深度学习模型，用于预测客户再次光顾 | 客户再次光顾行为 | 机器学习 | NA | 深度卷积神经网络 | CNN | 多模态数据 | 两个数据集：客户回购数据集（CRD）和移动食品配送再次光顾数据集（MFDRD） | NA | NA | NA | NA |
| 351 | 2024-09-11 |
Swin-textural: A novel textural features-based image classification model for COVID-19 detection on chest computed tomography
2023, Informatics in medicine unlocked
DOI:10.1016/j.imu.2022.101158
PMID:36618887
|
研究论文 | 提出了一种基于纹理特征的图像分类模型swin-textural，用于在胸部CT图像上自动诊断COVID-19 | 结合了基于swin的补丁划分和纹理特征提取，提出了一种新的图像分类模型swin-textural，用于COVID-19的自动诊断 | NA | 评估swin架构在特征工程中的性能 | 胸部CT图像上的COVID-19检测 | 计算机视觉 | COVID-19 | 局部二值模式和局部相位量化 | swin-textural | 图像 | 4171张胸部CT图像，来自210名受试者 | NA | NA | NA | NA |
| 352 | 2024-09-11 |
Identifying Thematics in a Brain-Computer Interface Research
2023, Computational intelligence and neuroscience
DOI:10.1155/2023/2793211
PMID:36643889
|
综述 | 本文综述了脑机接口（BCI）研究主题的转变，从医疗进步和系统开发转向教育、营销、游戏、安全和安全等应用领域 | 本文揭示了BCI研究从理解脑功能和接口模式转向更多应用研究的新领域，包括人工智能、机器学习、预处理和深度学习 | 本文未探讨BCI软件和硬件开发的具体领域 | 理解脑机接口研究主题的转变 | 脑机接口（BCI）研究的主题和应用领域 | NA | NA | NA | NA | NA | 92篇BCI综述文章 | NA | NA | NA | NA |
| 353 | 2024-09-11 |
Artifact-free fat-water separation in Dixon MRI using deep learning
2023, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-022-00677-1
PMID:36686622
|
研究论文 | 本文提出了一种使用深度学习进行Dixon MRI中脂肪-水分离的方法，以消除脂肪-水交换伪影 | 将脂肪-水分离问题转化为风格迁移问题，并引入了一种新的生成器模型损失函数 | NA | 开发一种鲁棒的方法，以准确分离大规模数据集（如UK Biobank）中的脂肪和水体积 | Dixon MRI中的脂肪和水信号 | 计算机视觉 | 代谢性疾病 | Dixon MRI | 条件生成对抗网络 | 图像 | 超过100,000名参与者 | NA | NA | NA | NA |
| 354 | 2024-09-11 |
Dysarthria detection based on a deep learning model with a clinically-interpretable layer
2023-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0016833
PMID:36725533
|
研究论文 | 本文提出了一种基于深度学习模型并包含临床可解释层的构音障碍检测方法 | 该模型通过瓶颈层同时学习分类标签和四个临床可解释特征，提高了分类准确性和临床可解释性 | NA | 开发一种能够同时提高分类准确性和临床可解释性的构音障碍检测方法 | 构音障碍患者和对照组 | 机器学习 | NA | 深度神经网络 (DNN) | 深度学习模型 | 语音数据 | 涉及两种构音障碍亚型的评估 | NA | NA | NA | NA |
| 355 | 2024-09-10 |
Artificial Intelligence and Machine Learning in Prediction of Surgical Complications: Current State, Applications, and Implications
2023-Jan, The American surgeon
DOI:10.1177/00031348221101488
PMID:35562124
|
综述 | 本文综述了人工智能（AI）在预测手术并发症中的应用现状，重点介绍了机器学习和深度学习算法在手术风险分层中的作用 | AI驱动的模型能够准确识别高风险患者，并克服传统统计风险计算器的局限性 | NA | 探讨AI在预测手术并发症中的应用及其对未来基于个体患者因素的知情同意讨论的影响 | 手术并发症的预测和患者风险分层 | 机器学习 | NA | 机器学习和深度学习算法 | NA | NA | NA | NA | NA | NA | NA |
| 356 | 2024-09-10 |
A Surgeon's Guide to Artificial Intelligence-Driven Predictive Models
2023-Jan, The American surgeon
DOI:10.1177/00031348221103648
PMID:35588764
|
研究论文 | 本文为外科医生提供了人工智能驱动的预测模型的基本理解 | 介绍了常见的机器学习和深度学习算法、模型开发、性能指标和解释 | 未提及具体的研究限制 | 帮助外科医生理解人工智能驱动的预测模型 | 外科医生和人工智能驱动的预测模型 | 机器学习 | NA | 机器学习 | 机器学习和深度学习算法 | NA | NA | NA | NA | NA | NA |
| 357 | 2024-09-10 |
Advanced deep learning approaches to predict supply chain risks under COVID-19 restrictions
2023-Jan, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2022.118604
PMID:35999828
|
研究论文 | 本文提出了一种基于深度学习的方法来预测在COVID-19限制下的供应链风险 | 本文提出了两种深度学习模型变体（RNN和TCN）来预测供应链风险，并展示了TCN模型在预测风险方面的100%准确率 | NA | 预测在COVID-19限制下的供应链风险，以提高供应链的韧性 | 供应链中的货物运输风险 | 机器学习 | NA | 深度学习 | RNN（LSTM、BiLSTM、GRU）和TCN | 在线数据集 | NA | NA | NA | NA | NA |
| 358 | 2024-09-10 |
SARS-CoV-2 virus classification based on stacked sparse autoencoder
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.12.007
PMID:36530948
|
研究论文 | 本文提出了一种基于堆叠稀疏自编码器（SSAE）的SARS-CoV-2病毒分类方法 | 使用图像表示的完整基因组序列作为SSAE的输入，实现了高效的病毒分类 | 未在训练过程中使用SARS-CoV-2样本，仅在后续测试中使用 | 开发一种高效的病毒基因组分类方法，特别是针对SARS-CoV-2 | SARS-CoV-2病毒的基因组序列 | 机器学习 | NA | 堆叠稀疏自编码器（SSAE） | 堆叠稀疏自编码器（SSAE） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 359 | 2024-09-10 |
Intelligent lead-based bidirectional long short term memory for COVID-19 sentiment analysis
2023, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-01005-4
PMID:36532863
|
研究论文 | 本文介绍了一种基于智能引导的双向长短期记忆网络（BiLSTM）用于COVID-19情感分析 | 通过引入智能引导优化，减少了分类器在学习数据时的损失，提高了情感分析的准确性 | 未提及具体限制 | 识别COVID-19相关推特数据中人们的情感 | COVID-19相关推特数据 | 自然语言处理 | NA | NA | 双向长短期记忆网络（BiLSTM） | 文本 | 未提及具体样本数量 | NA | NA | NA | NA |
| 360 | 2024-09-10 |
Evaluating GPCR modeling and docking strategies in the era of deep learning-based protein structure prediction
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.11.057
PMID:36544468
|
研究论文 | 本文评估了在深度学习时代下，GPCR建模和对接策略在基于结构的药物发现中的应用 | 本文展示了通过深度学习技术改进蛋白质结构预测后，对接和虚拟筛选的显著提升 | 本文的研究结果主要基于70个GPCR复合物的数据集，可能无法完全代表所有GPCR的情况 | 探讨如何将深度学习在蛋白质结构预测领域的革命性进展转化为基于结构的药物发现领域的进步 | 70个与小分子或肽结合的GPCR复合物 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | 70个GPCR复合物 | NA | NA | NA | NA |