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 2512 篇文献，本页显示第 2401 - 2420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2401 | 2024-08-05 |
Trends and Challenges in AIoT/IIoT/IoT Implementation
2023-May-25, Sensors (Basel, Switzerland)
DOI:10.3390/s23115074
PMID:37299800
|
研究论文 | 本文分析并强调了AIoT技术生态系统的趋势与挑战 | 探讨了TinyML和神经形态计算等低功耗AI技术，并提出了一个使用TinyML的草莓疾病检测案例研究 | 尽管快速进展，AIoT/IIoT/IoT技术面临安全性、可靠性等多个挑战 | 分析AIoT技术在多领域应用中的趋势与挑战 | AIoT、IIoT、IoT技术及其在健康、智能农业等领域的应用 | NA | 草莓疾病 | TinyML | NA | NA | 一个案例研究 | NA | NA | NA | NA |
| 2402 | 2024-08-05 |
Deep Learning-Based Anomaly Detection in Video Surveillance: A Survey
2023-May-24, Sensors (Basel, Switzerland)
DOI:10.3390/s23115024
PMID:37299751
|
review | 本文提供了深度学习技术在视频异常检测领域的综合评估 | 对深度学习在视频异常检测中的应用进行了分类，并探讨了预处理和特征工程技术 | 未提及具体的评价标准或对比实验 | 旨在全面审视深度学习方法在视频异常检测中的应用 | 讨论不同方法的目标和学习指标下的深度学习方法 | 计算机视觉 | NA | 深度学习 | 生成模型 | 视频 | NA | NA | NA | NA | NA |
| 2403 | 2024-08-05 |
Research on Educational Robot System Based on Vision Processing
2023-Jan-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23021038
PMID:36679835
|
研究论文 | 本文提出了一种机器人教学仪器，旨在提高教育机器人对复杂形状和颜色物体的识别效果 | 采用了伺服电机、驱动器和多种传感器实现闭环控制，并设计了三种实验方案 | 未详细说明机器人在实际教学中的应用效果和学生反馈 | 提高教育机器人在教学中的识别和操作能力 | 教育机器人及其相关实验方案 | 计算机视觉 | NA | 闭环控制 | 级联分类器 | NA | NA | NA | NA | NA | NA |
| 2404 | 2024-08-05 |
RF-Alphabet: Cross Domain Alphabet Recognition System Based on RFID Differential Threshold Similarity Calculation Model
2023-Jan-13, Sensors (Basel, Switzerland)
DOI:10.3390/s23020920
PMID:36679717
|
研究论文 | 本文提出了一种低成本、非侵入性且可扩展的手势识别技术RF-alphabet。 | 通过设计双标签、双天线布局实现复杂、细粒度手势数据的完整捕捉，并结合差异阈值相似度计算预测模型进行实时特征分析。 | 未提及具体的局限性 | 该研究旨在推广无障碍沟通与人机交互技术的发展。 | 研究对象为26个复杂的、细粒度的域独立英文字母的手势识别。 | 人机交互 | 语言障碍 | RFID | 差异阈值相似度计算模型 | 信号 | NA | NA | NA | NA | NA |
| 2405 | 2024-08-05 |
Target Recognition in SAR Images by Deep Learning with Training Data Augmentation
2023-Jan-13, Sensors (Basel, Switzerland)
DOI:10.3390/s23020941
PMID:36679740
|
研究论文 | 本研究旨在通过深度学习和数据增强提升SAR图像目标识别的性能 | 提出了一种基于对比的新型数据增强技术，并利用自开发的MiniSAR系统的图像进行对抗性异常样本曝光 | 限制在深度学习模型对抗性样本的鲁棒性和环境变化的适应性上 | 建立基于深度学习的SAR-ATR系统的大规模开放场景实施基础 | 使用MSTAR和SAMPLE数据集进行SAR图像目标识别的研究 | 计算机视觉 | NA | SAR图像处理 | 深度学习模型 | 合成SAR图像 | 使用MSTAR数据集和MiniSAR系统采集的军用车辆图像 | NA | NA | NA | NA |
| 2406 | 2024-08-05 |
A Method of Generating Real-Time Natural Light Color Temperature Cycle for Circadian Lighting Service
2023-Jan-12, Sensors (Basel, Switzerland)
DOI:10.3390/s23020883
PMID:36679678
|
研究论文 | 本文提出了一种为生物节律照明服务生成实时自然光颜色温度周期的方法 | 通过深度学习模型TadGAN实现了对颜色温度周期的准确实时检测，尤其是在周期的开始和结束点 | 在特定天气条件下，光的颜色温度变化会影响实时监测的准确性 | 研究如何生成与生物节律相匹配的实时自然光颜色温度周期 | 自然光的颜色温度周期及其对人体生物节律的影响 | 数字光学 | NA | 深度学习 | TadGAN | 数据库测量数据 | 基于收集的自然光特征数据库构建的数据集 | NA | NA | NA | NA |
| 2407 | 2024-08-05 |
The Effectiveness of Zero-Day Attacks Data Samples Generated via GANs on Deep Learning Classifiers
2023-Jan-12, Sensors (Basel, Switzerland)
DOI:10.3390/s23020900
PMID:36679705
|
研究论文 | 本研究提出了一种从生成零日类型数据开始，最后评估神经网络零日攻击检测器的整体方法。 | 创新点在于使用生成对抗网络（GANs）合成生成新的、更大规模的零日攻击数据集。 | 未提及具体的限制因素 | 研究目标是检测和评估零日攻击的有效性。 | 研究对象为使用合成数据和原始数据训练的神经网络模型。 | 计算机视觉 | NA | 生成对抗网络 (GAN) | 神经网络 | 表格数据 | 约5000个迭代生成的数据样本 | NA | NA | NA | NA |
| 2408 | 2024-08-05 |
Accurate Crack Detection Based on Distributed Deep Learning for IoT Environment
2023-Jan-11, Sensors (Basel, Switzerland)
DOI:10.3390/s23020858
PMID:36679655
|
研究论文 | 提出一种基于边缘计算的裂纹检测系统，能够在低功耗环境中实现准确的裂纹检测 | 引入了Rsef和Rsef-Edge两个系统，通过优化传统深度学习模型实现实时裂纹图像分割，并有效降低推理时间 | 对低功耗设备的适用性可能在某些极端条件下受到限制 | 提高低功耗物联网环境下的裂纹检测准确性和速度 | 涉及道路、建筑墙壁、地板和产品表面的裂纹检测 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2409 | 2024-08-05 |
Person Re-Identification Based on Contour Information Embedding
2023-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s23020774
PMID:36679571
|
研究论文 | 本研究通过轮廓信息提取模块和轮廓信息嵌入方法，提高了行人重识别的识别性能 | 提出了一种轮廓信息提取模块（CIEM）和轮廓信息嵌入方法，使网络能够更关注轮廓信息 | 未提及具体的局限性 | 旨在提高行人重识别网络的识别性能 | 通过分析行人轮廓特征对行人重识别的影响 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 在Market1501数据集中包含多个样本，mAP达到83.8%，Rank-1达到95.1%；在DukeMTMC-reID数据集中mAP达到73.5%，Rank-1达到86.8% | NA | NA | NA | NA |
| 2410 | 2024-08-05 |
Convolutional Neural Networks or Vision Transformers: Who Will Win the Race for Action Recognitions in Visual Data?
2023-Jan-09, Sensors (Basel, Switzerland)
DOI:10.3390/s23020734
PMID:36679530
|
研究论文 | 本文探讨了卷积神经网络与视觉变压器在视频中的动作识别表现 | 研究CNN和视觉变压器在动作识别中的应用，并进行准确性与复杂性之间的比较分析 | 没有提及特定的数据集或实验设置的局限性 | 探讨CNN和视觉变压器在视频动作识别中的表现 | 视频中的动作识别 | 计算机视觉 | NA | 卷积神经网络，视觉变压器 | CNN，ViT | 视频 | NA | NA | NA | NA | NA |
| 2411 | 2024-08-05 |
Combining generative modelling and semi-supervised domain adaptation for whole heart cardiovascular magnetic resonance angiography segmentation
2023-12-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1186/s12968-023-00981-6
PMID:38124106
|
研究论文 | 本研究探讨了在全心脏心血管磁共振血管造影分割中，结合生成模型与半监督领域适应的方法 | 提出了一种创新的结合生成对抗网络和变分自编码器的无监督领域适应架构，用于处理全心脏CMRA分割问题 | 仅使用了较少的标记案例进行训练，可能会影响模型的泛化能力 | 提高心血管磁共振血管造影的分割质量 | 常规和高分辨率的全心脏心血管磁共振图像 | 计算机视觉 | 心血管疾病 | 生成对抗网络、变分自编码器 | 无监督生成模型 | 影像 | 常规CMRA (n=20) 和高分辨率CMRA (n=45) | NA | NA | NA | NA |
| 2412 | 2024-08-05 |
ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images
2023-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.20.545686
PMID:37425778
|
研究论文 | 本文开发了一种深度学习模型ArcheD，用于从淋巴PET图像直接预测脑脊液中的淀粉样β浓度 | 创新之处在于该模型无需依赖示踪剂、脑参考区域或预先选择的兴趣区域 | 在晚期阿尔茨海默病患者中，该模型的性能有所降低 | 本研究的目的是通过淋巴PET图像早期识别和诊断阿尔茨海默病 | 研究对象为1870幅淀粉样PET图像及其对应的脑脊液测量值 | 数字病理学 | 阿尔茨海默病 | 卷积神经网络 | CNN | 图像 | 1870幅淀粉样PET图像 | NA | NA | NA | NA |
| 2413 | 2024-08-05 |
Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer
2023-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00096
PMID:37906722
|
研究论文 | 本研究开发了一种自然语言处理模型，以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征 | 采用深度学习方法训练自然语言处理，以识别高风险非肌肉侵袭性膀胱癌的标准，并使用电子病历进行回顾性分析 | 本研究基于回顾性数据，可能存在数据不完整或不准确的问题 | 研究旨在开发自然语言处理模型，以识别高风险非肌肉侵袭性膀胱癌患者 | 研究对象为2011年至2020年间被诊断为膀胱癌的成人患者 | 自然语言处理 | 膀胱癌 | 自然语言处理 (NLP) | 深度学习模型 | 电子病历数据 | 共包含4402名患者的三组独立数据集，用于模型开发、验证和回顾性分析 | NA | NA | NA | NA |
| 2414 | 2024-08-05 |
Deep learning estimation of three-dimensional left atrial shape from two-chamber and four-chamber cardiac long axis views
2023-04-24, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jead010
PMID:36725705
|
研究论文 | 本文开发了一种深度学习神经网络从二腔和四腔长轴视图推断左心房的三维形状、体积和表面积 | 提出了一种新的基于深度学习的方法来提高左心房三维体积和表面积估计的准确性 | 使用的训练数据主要来自单一来源，可能影响模型的普适性 | 开发出一种更准确的左心房三维形状和体积估计方法 | 左心房的三维形状、体积和表面积 | 数字病理学 | 心血管疾病 | 3D冠状动脉计算机断层扫描血管成像 (CCTA) | 3D UNet | 图像 | 1700个样本用于训练/验证/测试，其中1400/100/200用于训练/验证/测试，另外20个样本用于独立测试 | NA | NA | NA | NA |
| 2415 | 2024-08-07 |
Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease
2023-Sep-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.22.23295984
PMID:37808872
|
研究论文 | 本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法，通过MRI扫描和临床诊断数据训练深度神经网络，以区分正常认知、轻度认知障碍和阿尔茨海默病 | 提出了一种结合模型可解释性和域泛化的方法，通过统一视觉显著性先验来提高模型在未见目标域上的性能 | NA | 开发一种能够跨多个队列泛化的深度学习模型，用于评估阿尔茨海默病的认知障碍程度 | MRI扫描数据和临床诊断信息 | 机器学习 | 阿尔茨海默病 | 深度神经网络 | CNN | 图像 | 总共使用了来自四个独立队列的7433个样本 | NA | NA | NA | NA |
| 2416 | 2024-08-07 |
Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data
2023-Sep-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.08.23295131
PMID:37732244
|
研究论文 | 本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS，利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练 | GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率，与基于全基因组测序的方法相媲美，并能指导罕见类型和未知原发癌的诊断 | NA | 开发一种临床可行的肿瘤类型分类方法，以指导癌症治疗决策 | 实体肿瘤的类型分类 | 机器学习 | 癌症 | 临床靶向癌症基因组测序 | 深度神经网络 | 基因组数据 | 39,787个实体肿瘤样本 | NA | NA | NA | NA |
| 2417 | 2024-08-07 |
Development of deep learning model and evaluation in real clinical practice of lingual mandibular bone depression (Stafne cyst) on panoramic radiographs
2023-Jul, Dento maxillo facial radiology
DOI:10.1259/dmfr.20220413
PMID:37192044
|
研究论文 | 本研究旨在开发一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤的全自动鉴别诊断，并评估该模型在实际临床实践中的表现 | 本研究开发了一种使用EfficientDet算法的深度学习模型，能够自动区分舌侧下颌骨凹陷与真正需要治疗的病理性放射透光性病变 | NA | 开发并评估一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷与真正病理性放射透光性病变的自动鉴别诊断 | 舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤 | 计算机视觉 | NA | EfficientDet算法 | 深度学习模型 | 图像 | 训练和验证数据集包含443张图像，测试数据集包含1500张图像 | NA | NA | NA | NA |
| 2418 | 2024-08-05 |
Noninvasive Tracking of Every Individual in Unmarked Mouse Groups Using Multi-Camera Fusion and Deep Learning
2023-Jun, Neuroscience bulletin
IF:5.9Q1
DOI:10.1007/s12264-022-00988-6
PMID:36571715
|
研究论文 | 该文章提出了一种新的多目标跟踪系统，用于非侵入性地跟踪未标记的小鼠。 | 创新之处在于结合了Faster R-CNN深度学习算法和多相机融合技术，成功跟踪每个未标记小鼠的移动。 | 文章未讨论该方法在其他动物或不同环境下的适用性。 | 研究旨在开发一种精确、高效的方法，以非侵入性地追踪组内个体小鼠。 | 研究对象为未标记的小鼠群体。 | 计算机视觉 | NA | 视频跟踪 | Faster R-CNN | 视频 | 多个未标记小鼠的群体 | NA | NA | NA | NA |
| 2419 | 2024-08-05 |
Hybrid Optimization Algorithm Enabled Deep Learning Approach Brain Tumor Segmentation and Classification Using MRI
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00752-2
PMID:36622465
|
研究论文 | 本研究提出了一种混合优化算法驱动的深度学习方法用于脑肿瘤的分割和分类 | 创新点在于提出了一种将Jaya算法和蜜獾算法结合，并应用于脑肿瘤分割与分类的混合优化算法 | 未提及具体的限制条件 | 旨在提高脑肿瘤的分割和分类精度以便于医疗诊断 | 使用MRI图像对脑肿瘤进行分割和分类 | 计算机视觉 | 脑肿瘤 | MRI | CNN和深度残差网络（DRN） | 图像 | 使用BRATS 2018和Figshare数据集进行评估 | NA | NA | NA | NA |
| 2420 | 2024-08-05 |
A Comparison of Three Different Deep Learning-Based Models to Predict the MGMT Promoter Methylation Status in Glioblastoma Using Brain MRI
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00757-x
PMID:36604366
|
研究论文 | 本文比较了三种不同的深度学习模型在使用脑部MRI预测胶质母细胞瘤中MGMT启动子甲基化状态的效果 | 该研究提供了三种基于深度学习的方法来无创预测MGMT启动子甲基化状态，解决了传统组织检测的限制 | 研究的准确率相对较低，并且可能受到样本选择和模型训练的影响 | 研究旨在比较三种不同的深度学习方法预测胶质母细胞瘤的MGMT启动子甲基化状态 | 研究对象为576个T2WI脑MRI图像及对应的肿瘤掩模和MGMT启动子甲基化状态 | 计算机视觉 | 胶质母细胞瘤 | 使用深度学习 | 3D-Vnet，目标检测模型，3D Densenet121 | 图像 | 576个T2WI图像 | NA | NA | NA | NA |