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 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-09-30 |
Design and Analysis of a Deep Learning Ensemble Framework Model for the Detection of COVID-19 and Pneumonia Using Large-Scale CT Scan and X-ray Image Datasets
2023-Mar-16, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10030363
PMID:36978754
|
研究论文 | 研究设计并分析了一个深度学习集成框架模型，用于通过大规模CT扫描和X射线图像数据集检测COVID-19和肺炎 | 提出了一个升级的VGG16深度迁移学习架构，用于X射线图像的多类分类任务，并展示了99%的准确率 | NA | 探索不同的深度学习技术，以在医学CT和放射图像上识别COVID-19和肺炎 | COVID-19和肺炎的检测 | 计算机视觉 | 肺部疾病 | 深度学习 | ResNet152, VGG16, ResNet50, DenseNet121 | 图像 | 使用公开可用的X射线和CT扫描数据集 | NA | NA | NA | NA |
| 62 | 2024-09-30 |
Advances in automatic delineation of target volume and cardiac substructure in breast cancer radiotherapy (Review)
2023-Mar, Oncology letters
IF:2.5Q3
DOI:10.3892/ol.2023.13697
PMID:36817059
|
综述 | 本文综述了乳腺癌放疗中目标体积和心脏亚结构自动勾画的重要性 | 探讨了基于图谱和深度学习的自动勾画技术在临床研究中的应用 | 未详细讨论具体技术的局限性 | 探讨乳腺癌放疗中目标体积和心脏亚结构自动勾画的重要性 | 乳腺癌患者放疗中的目标体积和心脏亚结构 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 63 | 2024-09-28 |
Deep Learning in MRI-guided Radiation Therapy: A Systematic Review
2023-Mar-30, ArXiv
PMID:36994167
|
综述 | 系统性回顾了深度学习在MRI引导放射治疗中的应用 | NA | NA | 回顾深度学习在MRI引导放射治疗中的应用，并讨论其临床意义和未来方向 | MRI引导放射治疗中的深度学习应用 | 机器学习 | NA | MRI | NA | NA | NA | NA | NA | NA | NA |
| 64 | 2024-09-28 |
MediNet: transfer learning approach with MediNet medical visual database
2023-Mar-20, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-14831-1
PMID:37362724
|
研究论文 | 本文提出了一种基于MediNet医学视觉数据库的迁移学习方法，并使用多种深度学习算法进行预训练和分类应用 | 本文提出了MediNet，一个包含10类医学图像的新视觉数据集，并使用多种深度学习算法进行迁移学习，提高了分类准确率 | 本文未详细讨论数据集的构建过程和数据质量问题 | 研究如何通过迁移学习提高医学图像分类的准确率 | 医学图像分类问题，包括胸部X光片、糖尿病视网膜病变和Covid-19数据集 | 计算机视觉 | NA | 迁移学习 | AlexNet, VGG19-BN, Inception V3, DenseNet 121, ResNet 101, EfficientNet B0, Nested-LSTM + CNN, RdiNet | 图像 | MediNet数据集包含10类医学图像，具体样本数量未明确说明 | NA | NA | NA | NA |
| 65 | 2024-09-28 |
AD-Syn-Net: systematic identification of Alzheimer's disease-associated mutation and co-mutation vulnerabilities via deep learning
2023-03-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad030
PMID:36752347
|
研究论文 | 本文构建了一个大规模的阿尔茨海默病（AD）突变和共突变框架，并提出了基于深度学习的模型来系统地识别与AD相关的突变和共突变脆弱性 | 本文提出了名为Deep-SMCI和Deep-CMCI的深度学习模型，能够基于基因突变和共突变谱有效预测认知障碍 | NA | 系统地识别与阿尔茨海默病相关的风险突变 | 阿尔茨海默病相关的基因突变和共突变 | 机器学习 | 阿尔茨海默病 | 深度学习 | 全连接层 | 基因突变和共突变数据 | 大规模数据集 | NA | NA | NA | NA |
| 66 | 2024-09-19 |
Self-supervised attention-based deep learning for pan-cancer mutation prediction from histopathology
2023-Mar-28, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-023-00365-0
PMID:36977919
|
研究论文 | 本文研究了基于自监督注意力的深度学习方法在泛癌变异预测中的应用 | 本文提出了一种结合自监督特征提取和基于注意力的多实例学习的分析流程，提高了预测的鲁棒性和泛化能力 | 文章未提及具体的局限性 | 研究深度学习方法在病理切片中预测基因突变的泛化能力 | 研究对象为多种肿瘤类型的病理切片 | 数字病理学 | 泛癌 | 深度学习 | 基于注意力的多实例学习 | 图像 | 涉及两个大型多肿瘤类型数据集 | NA | NA | NA | NA |
| 67 | 2024-09-19 |
A feasibility study of enhanced prompt gamma imaging for range verification in proton therapy using deep learning
2023-03-20, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acbf9a
PMID:36848674
|
研究论文 | 本文研究了使用深度学习增强提示伽马成像在质子治疗中进行范围验证的可行性 | 提出了一种两层深度学习方法，结合新颖的加权轴投影损失，生成精确的3D提示伽马图像，以实现准确的质子范围验证 | 本文仅进行了初步研究，尚未在临床环境中验证该方法的有效性 | 研究深度学习在质子治疗中增强提示伽马成像以进行范围验证的可行性 | 质子治疗中的提示伽马成像 | 计算机视觉 | NA | 深度学习 | 两层深度学习模型 | 图像 | 模拟了54个质子笔束（能量范围：75-125 MeV，剂量水平：1 × 10^10质子/束和3 × 10^10质子/束） | NA | NA | NA | NA |
| 68 | 2024-09-19 |
Unassisted Clinicians Versus Deep Learning-Assisted Clinicians in Image-Based Cancer Diagnostics: Systematic Review With Meta-analysis
2023-03-02, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/43832
PMID:36862499
|
系统综述与荟萃分析 | 本文系统地量化了在图像辅助癌症诊断中，临床医生在有无深度学习辅助下的诊断准确性 | 首次系统地量化了深度学习辅助临床医生在图像辅助癌症诊断中的诊断准确性 | 研究结果未涵盖临床实践中涉及的所有细节，需要进一步研究以改进深度学习辅助实践 | 量化临床医生在有无深度学习辅助下的诊断准确性 | 临床医生在图像辅助癌症诊断中的诊断准确性 | 机器学习 | NA | 深度学习 | NA | 图像 | 共分析了48项研究，其中25项提供了足够的统计数据进行荟萃分析 | NA | NA | NA | NA |
| 69 | 2024-09-19 |
Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays
2023-03, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3217218
PMID:36288235
|
研究论文 | 提出了一种基于放射组学的全局-局部Transformer模型，用于胸部X光片中病理定位和分类 | 创新性地融合了全局图像信息与局部放射组学引导的辅助信息，无需边界框标注即可实现准确的病理定位和分类 | NA | 开发一种无需边界框标注的病理定位和分类方法 | 胸部X光片中的病理定位和分类 | 数字病理学 | NA | Transformer | Transformer | 图像 | 使用了NIH ChestXRay数据集 | NA | NA | NA | NA |
| 70 | 2024-09-17 |
Recognition of Abnormal-Laying Hens Based on Fast Continuous Wavelet and Deep Learning Using Hyperspectral Images
2023-Mar-31, Sensors (Basel, Switzerland)
DOI:10.3390/s23073645
PMID:37050705
|
研究论文 | 提出了一种基于快速连续小波变换和深度学习的超光谱图像识别异常产蛋母鸡的方法 | 结合超光谱成像技术、快速连续小波变换数据分析方法和卷积神经网络深度学习模型，实现了对低产蛋母鸡和正常母鸡的高精度识别 | NA | 解决商业农场中低产蛋母鸡的识别问题 | 低产蛋母鸡和正常产蛋母鸡 | 计算机视觉 | NA | 超光谱成像 | 卷积神经网络 (CNN) | 图像 | 两种不同类型的母鸡的超光谱图像数据集 | NA | NA | NA | NA |
| 71 | 2024-09-17 |
Machine Learning for Uncovering Biological Insights in Spatial Transcriptomics Data
2023-Mar-29, ArXiv
PMID:37033464
|
研究论文 | 本文总结了空间转录组学数据分析中机器学习的主要目标和当前趋势，并介绍了四个数据科学概念和相关启发式方法，以帮助从业者选择合适的工具 | 本文介绍了机器学习在空间转录组学数据分析中的应用，特别是深度学习技术的创新工具，以帮助解析复杂生物系统中的信号 | 本文主要总结了当前的趋势和方法，但未深入探讨具体的技术细节或提供实际案例分析 | 探讨机器学习在空间转录组学数据分析中的应用，以增强对健康和疾病中多细胞系统发育和稳态过程的理解 | 空间转录组学数据及其在生物系统中的应用 | 机器学习 | NA | 机器学习 | 深度学习 | 空间转录组学数据 | NA | NA | NA | NA | NA |
| 72 | 2024-09-17 |
An intrinsically interpretable neural network architecture for sequence to function learning
2023-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.01.25.525572
PMID:36747873
|
研究论文 | 介绍了一种名为tiSFM的深度学习架构，用于从序列到功能的预测，并展示了其在开放染色质区域预测中的优越性能 | tiSFM不仅在性能上优于标准的多层卷积模型，而且其内部参数具有内在的可解释性，能够直接关联到相关的序列基序 | NA | 开发一种具有内在可解释性的深度学习模型，用于预测基因组功能输出 | 开放染色质区域和转录因子在造血分化中的作用 | 机器学习 | NA | 深度学习 | 多层神经网络 | 序列数据 | 涉及多种造血谱系细胞类型 | NA | NA | NA | NA |
| 73 | 2024-09-17 |
Multimodality Imaging of COVID-19 Using Fine-Tuned Deep Learning Models
2023-Mar-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13071268
PMID:37046486
|
研究论文 | 本研究使用微调的深度学习模型对COVID-19进行多模态影像诊断 | 本研究提出了使用五种最新的深度学习算法（EfficientB0, VGG-19, DenseNet121, EfficientB7, 和 MobileNetV2）对CT扫描和胸部X光图像进行COVID-19诊断，并在精度、敏感性、特异性、F1分数、准确性和数据访问时间方面优于现有最先进的方法 | NA | 旨在通过微调的深度学习模型快速诊断COVID-19，以应对临床医生短缺的问题 | COVID-19病毒的CT扫描和胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | EfficientB0, VGG-19, DenseNet121, EfficientB7, MobileNetV2 | 图像 | NA | NA | NA | NA | NA |
| 74 | 2024-09-17 |
DiffNILM: A Novel Framework for Non-Intrusive Load Monitoring Based on the Conditional Diffusion Model
2023-Mar-28, Sensors (Basel, Switzerland)
DOI:10.3390/s23073540
PMID:37050600
|
研究论文 | 本文介绍了一种基于条件扩散模型的新型非侵入式负载监测框架DiffNILM | 利用扩散概率模型区分单个电器的能耗模式，从随机高斯噪声开始，通过条件采样器迭代重建目标波形 | NA | 推进非侵入式负载监测技术的发展 | 家庭能耗的详细分析和优化管理 | 机器学习 | NA | 扩散概率模型 | 条件扩散模型 | 能耗数据 | 两个公开数据集REDD和UKDALE | NA | NA | NA | NA |
| 75 | 2024-09-17 |
BC2NetRF: Breast Cancer Classification from Mammogram Images Using Enhanced Deep Learning Features and Equilibrium-Jaya Controlled Regula Falsi-Based Features Selection
2023-Mar-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13071238
PMID:37046456
|
研究论文 | 提出了一种新的自动化计算机框架BC2NetRF，用于从乳腺X光图像中进行乳腺癌分类 | 引入了雾霾减少的局部-全局增强技术，改进了图像对比度，并使用Equilibrium-Jaya控制的Regula Falsi特征选择算法优化特征 | NA | 提高乳腺癌分类的准确性 | 乳腺X光图像 | 计算机视觉 | 乳腺癌 | 深度学习 | EfficientNet-b0 | 图像 | 使用了两个公开数据集CBIS-DDSM和INbreast，分别达到了95.4%和99.7%的平均准确率 | NA | NA | NA | NA |
| 76 | 2024-09-17 |
An Evaluation of Non-Contact Photoplethysmography-Based Methods for Remote Respiratory Rate Estimation
2023-Mar-23, Sensors (Basel, Switzerland)
DOI:10.3390/s23073387
PMID:37050444
|
研究论文 | 本文评估了基于非接触式光电容积描记术（PPG）的远程呼吸率估算方法 | 本文首次系统评估了公开数据集上提出的方法，解决了当前阻碍公平比较的问题 | 本文仅评估了两种PPG处理方法，未涵盖所有可能的技术 | 评估不同PPG处理方法在远程呼吸率估算中的性能 | 呼吸率（RR）估算方法 | 生物医学工程 | NA | 光电容积描记术（PPG） | 深度学习 | 图像 | 使用了公开的BP4D+数据集 | NA | NA | NA | NA |
| 77 | 2024-09-17 |
Posterior Estimation Using Deep Learning: A Simulation Study of Compartmental Modeling in Dynamic PET
2023-Mar-17, ArXiv
PMID:36994161
|
研究论文 | 本文研究了使用深度学习方法在动态PET成像中进行隔室模型后验估计的模拟研究 | 本文提出了基于变分贝叶斯推断框架的两种深度神经网络模型（CVAE-dual-encoder和CVAE-dual-decoder），用于高效估计成像参数的后验分布 | 本文仅在模拟研究中验证了方法的有效性，尚未在实际临床数据中进行验证 | 利用深度学习方法高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性 | 动态脑PET成像中的隔室模型参数 | 计算机视觉 | NA | 深度学习 | 条件变分自编码器（CVAE） | 图像 | 模拟数据 | NA | NA | NA | NA |
| 78 | 2024-09-17 |
Structure-Based Neural Network Protein-Carbohydrate Interaction Predictions at the Residue Level
2023-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.14.531382
PMID:36993750
|
研究论文 | 本文介绍了两种深度学习模型CAPSIF，用于预测蛋白质上的碳水化合物结合位点 | 提出了两种新的深度学习模型CAPSIF:V和CAPSIF:G，用于预测蛋白质上的碳水化合物结合位点，并展示了它们在实验和预测结构上的表现 | CAPSIF:V在某些情况下表现优于CAPSIF:G，但仍存在改进空间 | 开发可靠的计算工具来预测蛋白质上的碳水化合物结合位点 | 蛋白质和碳水化合物的相互作用 | 机器学习 | NA | 深度学习 | 3D-UNet和图神经网络 | 蛋白质结构 | NA | NA | NA | NA | NA |
| 79 | 2024-09-17 |
High-Resolution 3D Magnetic Resonance Fingerprinting With a Graph Convolutional Network
2023-03, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3216527
PMID:36269931
|
研究论文 | 本文提出了一种使用图卷积网络（GCN）的高分辨率3D磁共振指纹技术，以实现更快的组织定量和更高的加速因子 | 本文创新性地使用图卷积网络替代传统的GRAPPA方法，实现了更高的加速因子和更准确的组织定量 | NA | 提高3D磁共振指纹技术的加速因子和组织定量精度 | 3D磁共振指纹技术中的组织定量 | 计算机视觉 | NA | 磁共振指纹技术（MRF） | 图卷积网络（GCN） | 图像 | NA | NA | NA | NA | NA |
| 80 | 2024-09-17 |
Posterior estimation using deep learning: a simulation study of compartmental modeling in dynamic positron emission tomography
2023-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16078
PMID:36331429
|
研究论文 | 本文使用深度学习方法在动态正电子发射断层扫描（PET）中进行隔室模型后验估计的模拟研究 | 提出基于变分贝叶斯推断框架的深度学习方法，使用条件变分自编码器（CVAE）及其变体进行后验分布估计 | CVAE-vanilla的性能不如CVAE-dual-encoder和CVAE-dual-decoder | 利用深度学习高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性 | 动态脑PET成像中的后验分布估计 | 计算机视觉 | NA | 深度学习 | 条件变分自编码器（CVAE） | 图像 | 模拟研究中的动态脑PET成像数据 | NA | NA | NA | NA |