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 2292 篇文献，本页显示第 1581 - 1600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1581 | 2024-09-17 |
Multi-scale, domain knowledge-guided attention + random forest: a two-stage deep learning-based multi-scale guided attention models to diagnose idiopathic pulmonary fibrosis from computed tomography images
2023-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16053
PMID:36254789
|
研究论文 | 本文提出了一种基于深度学习的多尺度引导注意力模型，结合随机森林分类器，用于从CT图像中诊断特发性肺纤维化 | 本文的创新点在于提出了一个两阶段模型，第一阶段使用多尺度、领域知识引导的注意力模型，第二阶段使用随机森林分类器，以提高模型的准确性和可解释性 | 本文的局限性在于仅使用了349名IPF患者和529名非IPF的ILD患者的CT扫描数据，样本量相对较小 | 本文的研究目的是开发一种基于深度学习的自动化系统，用于从CT扫描图像中诊断特发性肺纤维化 | 本文的研究对象是特发性肺纤维化患者和间质性肺疾病患者 | 计算机视觉 | 肺病 | 深度学习 | 多尺度引导注意力模型 + 随机森林 | 图像 | 349名IPF患者和529名非IPF的ILD患者 | NA | NA | NA | NA |
| 1582 | 2024-09-17 |
BrainGB: A Benchmark for Brain Network Analysis With Graph Neural Networks
2023-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3218745
PMID:36318557
|
研究论文 | 本文介绍了BrainGB，一个用于脑网络分析的图神经网络基准 | 首次系统研究如何设计有效的图神经网络用于脑网络分析，并提供了一个标准化流程和模块化实现 | NA | 填补图神经网络在脑网络分析中缺乏系统研究的空白 | 脑网络分析中的图神经网络设计 | 计算机视觉 | NA | 图神经网络 (GNN) | 图神经网络 (GNN) | 脑网络数据 | 跨群体和模态的数据集 | NA | NA | NA | NA |
| 1583 | 2024-09-17 |
A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the USA
2023, International journal of data science and analytics
IF:3.4Q2
DOI:10.1007/s41060-021-00295-9
PMID:35071733
|
研究论文 | 本文提出了一种基于时空机器学习的COVID-19发病率预测方法，特别针对美国县级水平 | 本文首次提出了COVID-LSTM模型，该模型基于长短期记忆深度学习架构，能够更准确地预测COVID-19的发病率，优于现有的COVIDhub-ensemble模型 | 本文未详细讨论数据驱动预测方法在其他疾病中的应用限制，也未深入探讨未来深度学习模型在疾病预测中的广泛应用可能性 | 研究目的是开发一种更准确的COVID-19发病率预测模型，以应对全球疫情的影响 | 研究对象是美国各县的COVID-19发病率 | 机器学习 | 传染病 | 长短期记忆（LSTM）深度学习 | LSTM | 时间序列数据 | 17周的评估期，4周的预测期 | NA | NA | NA | NA |
| 1584 | 2024-09-17 |
DeepEZ: A Graph Convolutional Network for Automated Epileptogenic Zone Localization From Resting-State fMRI Connectivity
2023-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2022.3187942
PMID:35776823
|
研究论文 | 本文提出了一种基于静息态功能磁共振成像（rs-fMRI）数据的深度学习方法，用于自动定位癫痫发作区（EZ） | 首次使用图卷积网络（GCN）进行EZ定位，并结合领域特定信息和学习到的个体偏差来提高准确性 | 研究样本量较小，仅包含14名患者，未来需在大规模数据集上验证 | 开发一种准确且无创的EZ定位工具，用于药物难治性癫痫的治疗计划 | 药物难治性癫痫患者的EZ定位 | 计算机视觉 | 癫痫 | 图卷积网络（GCN） | 图卷积网络（GCN） | 功能磁共振成像（fMRI） | 14名患有局灶性癫痫的患者 | NA | NA | NA | NA |
| 1585 | 2024-09-17 |
Functional magnetic resonance imaging, deep learning, and Alzheimer's disease: A systematic review
2023-01, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.13063
PMID:36257926
|
综述 | 本文综述了功能性磁共振成像（fMRI）和深度学习在阿尔茨海默病（AD）诊断中的应用 | 探讨了深度学习技术在简化fMRI分析中的潜力，并总结了当前领域的研究进展 | 讨论了fMRI深度学习方法的局限性和未来研究方向 | 总结当前fMRI和深度学习在AD诊断中的应用，并为新研究人员提供指导 | 阿尔茨海默病（AD）的诊断方法 | 机器学习 | 阿尔茨海默病 | 功能性磁共振成像（fMRI） | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1586 | 2024-09-17 |
Integration of improved YOLOv5 for face mask detector and auto-labeling to generate dataset for fighting against COVID-19
2023, The Journal of supercomputing
IF:2.5Q2
DOI:10.1007/s11227-022-04979-2
PMID:36619832
|
研究论文 | 本文提出了一种改进的YOLOv5模型用于口罩检测，并结合自动标注模块生成新的数据集，以应对COVID-19疫情 | 通过引入坐标注意力（CA）模块改进YOLOv5模型，提高了检测精度和速度，并构建了一个包含7110张图像的新数据集 | 实验仅使用了Kaggle数据集中的853张图像进行训练，且数据集来源有限 | 提高口罩检测系统的实时性能和准确性，并生成新的数据集以支持COVID-19监测系统 | 口罩检测模型和数据集生成系统 | 计算机视觉 | NA | YOLOv5 | YOLOv5s-CA和YOLOV5s-C3CA | 图像 | 853张图像用于训练，7110张图像用于生成新数据集 | NA | NA | NA | NA |
| 1587 | 2024-09-17 |
Active regression model for clinical grading of COVID-19
2023, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2023.1141996
PMID:37026015
|
研究论文 | 本研究构建了一个基于深度学习方法的个性化治疗模型，旨在通过COVID-19患者的临床检测指标数据实现及时干预，并优化医疗资源分配 | 本研究通过特征工程和深度学习模型，实现了对COVID-19患者的个性化诊断和治疗，提供了一种新的视角 | NA | 实现基于COVID-19患者临床检测指标数据的及时干预和优化医疗资源分配 | COVID-19患者的临床检测指标数据 | 机器学习 | COVID-19 | 深度学习 | NA | 临床数据 | 1799名个体，包括560名非呼吸道传染病对照组，681名其他呼吸道病毒感染对照组，558名COVID-19感染组 | NA | NA | NA | NA |
| 1588 | 2024-09-17 |
From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection
2023, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0017
PMID:37040294
|
研究论文 | 本文提出了一种从数据收集到模型部署的深度学习辅助高粱穗密度估算的全面流程 | 本文提供了一个通用的深度学习计数协议，并展示了其在高粱田中的应用，同时该流程可推广到其他谷物物种 | 本文主要在高粱田中展示了该流程，尚未在其他谷物物种中进行广泛验证 | 开发一种自动化的高粱穗密度估算方法，以替代传统的手动计数 | 高粱穗密度 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1589 | 2024-09-17 |
Automated tumor segmentation and brain tissue extraction from multiparametric MRI of pediatric brain tumors: A multi-institutional study
2023 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdad027
PMID:37051331
|
研究论文 | 本文介绍了一种基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤 | 提出了基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤，减少了手动分割的时间和操作员间的差异 | NA | 开发一种自动化的方法来分割儿童脑肿瘤，以辅助手术和治疗计划 | 儿童脑肿瘤的多参数MRI扫描图像 | 计算机视觉 | 脑肿瘤 | 多参数MRI扫描 | 三维卷积神经网络 | 图像 | 244名儿童患者的多参数MRI扫描图像 | NA | NA | NA | NA |
| 1590 | 2024-09-17 |
Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1109411
PMID:37064042
|
综述 | 本文系统回顾了人工智能和机器学习模型在心血管重症监护病房中用于临床决策支持的研究 | 探讨了AI/ML在临床决策支持中的最新进展、陷阱和未来展望 | 75%的论文缺乏对外部数据集的验证，存在可推广性问题；AI决策的可解释性也是一个关键问题 | 研究AI/ML在心血管重症监护病房中用于临床决策支持的方法和工具 | 心血管重症监护病房中的患者监测 | 机器学习 | 心血管疾病 | NA | NA | 时间序列数据和电子健康记录 | NA | NA | NA | NA | NA |
| 1591 | 2024-09-17 |
A convolutional neural network for face mask detection in IoT-based smart healthcare systems
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1143249
PMID:37064899
|
研究论文 | 本文提出了一种基于卷积神经网络的面部口罩检测方法，用于物联网智能医疗系统 | 本文创新性地结合了YOLOv3架构和计算机视觉技术，用于检测未佩戴口罩和未保持社交距离的行为 | 本文未详细讨论系统的实时性能和在不同光照条件下的表现 | 旨在提供一种有效工具，减少传染病的传播 | 面部口罩佩戴情况和社交距离 | 计算机视觉 | NA | YOLOv3 | 卷积神经网络 | 图像 | 使用了COCO数据集进行评估 | NA | NA | NA | NA |
| 1592 | 2024-09-17 |
Towards a Deep Learning Pain-Level Detection Deployment at UAE for Patient-Centric-Pain Management and Diagnosis Support: Framework and Performance Evaluation
2023, Procedia computer science
DOI:10.1016/j.procs.2023.03.044
PMID:37089761
|
研究论文 | 本文提出了一种在阿联酋部署的深度学习疼痛水平检测框架，并评估了其性能 | 首次提出在阿联酋部署深度学习疼痛水平检测框架 | 未提及具体局限性 | 开发和评估一种自动识别患者疼痛水平的深度学习框架 | 患者疼痛水平 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1593 | 2024-09-17 |
A Multimodal Network Security Framework for Healthcare Based on Deep Learning
2023, Computational intelligence and neuroscience
DOI:10.1155/2023/9041355
PMID:39280017
|
研究论文 | 本文提出了一种基于深度学习的多模态网络安全框架，用于医疗领域的网络流量分类 | 该框架通过深度学习方法自动提取空间和序列特征，提高了网络流量分类的效率，并解决了传统方法依赖人工特征提取和单一模型特征的问题 | 本文未详细讨论框架在实际应用中的可扩展性和处理大规模数据时的性能 | 解决现有网络流量分类方法中依赖人工特征提取和单一模型特征的问题，提高分类效率和稳定性 | 网络流量分类 | 机器学习 | NA | 深度学习 | 多模态网络 | 网络流量 | NA | NA | NA | NA | NA |
| 1594 | 2024-09-16 |
Observer studies of image quality of denoising reduced-count cardiac single photon emission computed tomography myocardial perfusion imaging by three-dimensional Gaussian post-reconstruction filtering and deep learning
2023-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1007/s12350-023-03295-3
PMID:37221409
|
研究论文 | 本研究评估了三维高斯后重建滤波和深度学习去噪对减少计数的心脏单光子发射计算机断层扫描心肌灌注成像图像质量的影响 | 本研究首次比较了三维高斯后重建滤波和深度学习去噪在减少计数情况下的性能 | 本研究未发现深度学习去噪在所研究的剂量水平和使用的深度学习网络下优于优化的三维高斯后重建滤波 | 评估减少计数情况下三维高斯后重建滤波和深度学习去噪对心肌灌注缺陷检测准确性的影响 | 心脏单光子发射计算机断层扫描心肌灌注成像图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习网络 | 图像 | 156名正常解读的患者 | NA | NA | NA | NA |
| 1595 | 2024-09-16 |
Lightweight deep CNN-based models for early detection of COVID-19 patients from chest X-ray images
2023-Aug-01, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.119900
PMID:36969370
|
研究论文 | 本文提出了一种基于轻量级深度卷积神经网络（CNN）的模型，用于从胸部X光图像中早期检测COVID-19患者 | 开发了两个新的轻量级CNN模型，能够在减少计算资源需求的同时保持高准确率 | 未提及具体限制 | 开发适用于资源有限设备的轻量级模型，用于早期检测COVID-19患者 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | CNN | 图像 | 相对较大的胸部X光图像数据集 | NA | NA | NA | NA |
| 1596 | 2024-09-16 |
Transfer learning identifies sequence determinants of cell-type specific regulatory element accessibility
2023-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad026
PMID:37007588
|
研究论文 | 本文开发了一种名为ChromTransfer的迁移学习方法，用于识别细胞类型特异性调控元件可及性的序列决定因素 | ChromTransfer利用预训练的细胞类型无关模型作为基础，通过微调来学习细胞类型特异性染色质可及性，显著提高了模型性能 | 深度学习方法需要大量输入数据进行训练 | 理解DNA如何编码调控活性，以更好地理解疾病病因 | 细胞类型特异性染色质可及性的序列决定因素 | 机器学习 | NA | 迁移学习 | 深度学习模型 | DNA序列 | NA | NA | NA | NA | NA |
| 1597 | 2024-09-16 |
ChimeraNet: U-Net for Hair Detection in Dermoscopic Skin Lesion Images
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00740-6
PMID:36385676
|
研究论文 | 本文提出了一种新的深度学习技术ChimeraNet，用于检测皮肤镜图像中的毛发和标尺标记 | ChimeraNet采用预训练的EfficientNet作为编码器，并在解码器中使用挤压和激励残差结构，显著提高了毛发检测的准确性 | NA | 提高皮肤镜图像中毛发和标尺标记的检测准确性 | 皮肤镜图像中的毛发和标尺标记 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了公开的HAM10000皮肤病变数据集，并在25张额外的测试图像上进行了评估 | NA | NA | NA | NA |
| 1598 | 2024-09-16 |
Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00732-6
PMID:36417026
|
研究论文 | 本文提出了一种用于局部晚期宫颈癌（LACC）的跨分次器官变形模拟框架，结合了深度学习技术进行非刚性图像配准 | 本文提出了一种基于深度学习的非刚性图像配准方法，用于高剂量率近距离放射治疗中的跨分次宫颈癌治疗，该方法优于传统算法 | NA | 研究目的是开发一种用于局部晚期宫颈癌的跨分次器官变形模拟框架，以提高高剂量率近距离放射治疗的精度 | 研究对象包括57名局部晚期宫颈癌患者的CT扫描数据，以及膀胱、宫颈和直肠等关键器官的分割数据 | 计算机视觉 | 宫颈癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | 57名局部晚期宫颈癌患者的CT扫描数据，共7202张2D切片，分为训练集（42名患者）和测试集（15名患者） | NA | NA | NA | NA |
| 1599 | 2024-09-16 |
Novel prediction models for hyperketonemia using bovine milk Fourier-transform infrared spectroscopy
2023-Apr, Preventive veterinary medicine
IF:2.2Q1
DOI:10.1016/j.prevetmed.2023.105860
PMID:36724618
|
研究论文 | 本文研究了使用牛乳傅里叶变换红外光谱（FTIR）预测酮症的新模型 | 本文评估了更多样化的建模选项，如深度学习、梯度提升机模型和模型集成，用于酮症分类 | NA | 评估不同建模选项在预测奶牛酮症中的表现 | 奶牛酮症 | 机器学习 | NA | 傅里叶变换红外光谱（FTIR） | 卷积神经网络（CNN） | 光谱数据 | 大量异质数据集，包括牛奶FTIR和同时采集的血液样本 | NA | NA | NA | NA |
| 1600 | 2024-09-16 |
Preparing for the Artificial Intelligence Revolution in Nuclear Cardiology
2023-Apr, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-021-00733-3
PMID:36998588
|
研究论文 | 本文探讨了人工智能在核心脏病学中的应用，特别是深度学习在减少注射剂量、图像重建和过滤、SPECT衰减校正、特征提取和功能测量等方面的进展 | 本文介绍了深度学习和机器学习在核心脏病学中的多种创新应用，如减少注射剂量、图像重建、SPECT衰减校正等 | 尽管这些应用具有显著潜力，但大多数尚未广泛商业化，主要由于其开发时间较短 | 探讨人工智能在核心脏病学中的应用，并准备迎接即将到来的AI革命 | 核心脏病学中的深度学习和机器学习应用 | 机器学习 | 心血管疾病 | 深度学习 (DL), 机器学习 (ML) | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |