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 162 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2024-09-15 |
Classification modeling of intention to donate for victims of Typhoon Odette using deep learning neural network
2023-Mar, Environmental development
IF:4.7Q2
DOI:10.1016/j.envdev.2023.100823
PMID:36844910
|
研究论文 | 研究使用深度学习神经网络模型分析台风奥黛特受害者捐赠意愿的影响因素 | 首次使用深度学习神经网络模型分析台风受害者捐赠意愿的影响因素，并获得了97.12%的分类准确率 | 研究仅限于菲律宾的台风奥黛特事件，可能不适用于其他国家或地区的自然灾害 | 确定影响台风奥黛特受害者捐赠意愿的关键因素，以促进捐赠行为和经济发展 | 台风奥黛特受害者的捐赠意愿及其影响因素 | 机器学习 | NA | 深度学习神经网络 | 深度学习神经网络 | 文本 | 菲律宾81个省份中的38个 | NA | NA | NA | NA |
| 122 | 2024-09-15 |
TextureWGAN: texture preserving WGAN with multitask regularizer for computed tomography inverse problems
2023-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.2.024003
PMID:36895762
|
研究论文 | 本文提出了一种基于深度学习的TextureWGAN方法，用于解决计算机断层扫描（CT）逆问题中的过度平滑问题，同时保持高像素保真度 | 本文引入了多任务正则化器（MTR）到WGAN框架中，以提高生成图像与真实图像的相关性，从而在不损害像素保真度的情况下解决过度平滑问题 | NA | 解决医学影像行业中后处理算法导致的图像过度平滑问题 | 计算机断层扫描（CT）图像 | 计算机视觉 | NA | 深度学习 | WGAN | 图像 | NA | NA | NA | NA | NA |
| 123 | 2024-09-15 |
Automated Monkeypox Skin Lesion Detection Using Deep Learning and Transfer Learning Techniques
2023-03-01, International journal of environmental research and public health
DOI:10.3390/ijerph20054422
PMID:36901430
|
研究论文 | 研究使用深度学习和迁移学习技术自动检测猴痘皮肤病变 | 本研究首次使用MobileNetV2模型在猴痘图像分类中取得了98.16%的准确率，优于以往文献中的模型 | 研究仅评估了五种预训练深度学习模型，未探讨其他可能的模型 | 旨在通过深度学习方法检测和验证用于猴痘检测的最佳模型 | 猴痘皮肤病变图像 | 计算机视觉 | NA | 深度学习 | MobileNetV2 | 图像 | 不同数据集的验证显示最高准确率为0.94% | NA | NA | NA | NA |
| 124 | 2024-09-15 |
Exploring Self-Supervised Vision Transformers for Gait Recognition in the Wild
2023-Mar-01, Sensors (Basel, Switzerland)
DOI:10.3390/s23052680
PMID:36904884
|
研究论文 | 探索自监督视觉变换器在野外步态识别中的应用 | 首次将五种不同的视觉变换器架构直接应用于自监督步态识别，并在大规模步态数据集上进行预训练 | 研究主要集中在视觉变换器架构的性能比较，未深入探讨其他潜在的步态识别技术 | 研究自监督视觉变换器在步态识别中的应用，并评估其在不同数据集上的性能 | 步态识别 | 计算机视觉 | NA | 自监督学习 | 视觉变换器 | 视频 | 使用了两个大规模步态数据集：GREW和DenseGait，以及两个基准步态识别数据集：CASIA-B和FVG | NA | NA | NA | NA |
| 125 | 2024-09-15 |
Variation of Female Pronucleus Reveals Oocyte or Embryo Chromosomal Copy Number Variations
2023-Mar, Advanced genetics (Hoboken, N.J.)
DOI:10.1002/ggn2.202200001
PMID:36910589
|
研究论文 | 本文介绍了一种结合专家经验和深度学习从大量标注数据中生成的定量原核测量方法，用于评估人类卵子和胚胎的质量 | 本文提出了一种新的定量原核测量方法，结合了专家经验和深度学习技术，能够更准确地评估卵子和胚胎的染色体完整性 | 本文仅在女性供体群体中进行了验证，尚未在男性供体群体中进行验证 | 研究目的是开发一种新的方法来评估人类卵子和胚胎的染色体完整性 | 研究对象是人类卵子和胚胎的原核 | NA | NA | 深度学习 | NA | 图像 | 大量标注数据 | NA | NA | NA | NA |
| 126 | 2024-09-15 |
Deep learning for predicting epidermal growth factor receptor mutations of non-small cell lung cancer on PET/CT images
2023-Mar-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-22-760
PMID:36915325
|
研究论文 | 本文利用深度学习技术预测非小细胞肺癌PET/CT图像中的表皮生长因子受体（EGFR）基因突变 | 本文采用先进的EfficientNet-V2模型，通过融合PET和CT图像来预测EGFR突变，相比传统放射组学方法表现更优 | 由于医学数据量小和PET/CT设备参数不同，预测基因突变仍具有挑战性 | 开发一种非侵入性、低成本的方法，通过PET/CT图像预测非小细胞肺癌中的EGFR基因突变，以支持靶向治疗 | 非小细胞肺癌患者的PET/CT图像 | 计算机视觉 | 肺癌 | 深度学习 | EfficientNet-V2 | 图像 | 150名患者 | NA | NA | NA | NA |
| 127 | 2024-09-15 |
Relationship between the deep features of the full-scan pathological map of mucinous gastric carcinoma and related genes based on deep learning
2023-Mar, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e14374
PMID:36942252
|
研究论文 | 本研究探讨了基于深度学习的全扫描病理图深度特征与粘液性胃癌相关基因之间的关系 | 首次尝试通过深度学习提取病理图的深度特征，并分析其与疾病相关基因表达的相关性，为病理学与基因组学的联合分析提供了新思路 | 研究样本量较小，且仅基于TCGA数据，可能影响结果的普适性 | 探索深度学习提取的病理图深度特征与粘液性胃癌相关基因表达之间的关系 | 粘液性胃癌患者的全病理扫描图像、基因测序数据和临床数据 | 数字病理学 | 胃癌 | 深度学习 | VGG-16 | 图像 | NA | NA | NA | NA | NA |
| 128 | 2024-09-15 |
A pathomic approach for tumor-infiltrating lymphocytes classification on breast cancer digital pathology images
2023-Mar, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e14371
PMID:36950640
|
研究论文 | 本文提出了一种基于数字病理图像的肿瘤浸润淋巴细胞分类的新方法 | 本文提出了一种新的病理学方法，通过高通量图像特征提取技术分析全切片图像中的微观模式，提供比传统深度学习方法更易解释和可解释的结果 | NA | 开发一种客观的肿瘤浸润淋巴细胞浸润分级方法，并支持乳腺癌的决策制定 | 乳腺癌的全切片病理图像中的肿瘤浸润淋巴细胞 | 数字病理学 | 乳腺癌 | 高通量图像特征提取 | 随机森林 | 图像 | 195张H&E染色的全切片图像，包含1037个感兴趣区域 | NA | NA | NA | NA |
| 129 | 2024-09-14 |
Neural network based formation of cognitive maps of semantic spaces and the putative emergence of abstract concepts
2023-03-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30307-6
PMID:36871003
|
研究论文 | 本文提出了一种基于神经网络的认知地图形成方法，用于模拟语义空间的认知过程，并探讨了抽象概念的潜在出现机制 | 本文提出了基于多尺度后继表示的神经网络模型，成功学习了不同动物物种之间的相似性，并构建了认知地图，为人工通用智能提供了新的工具 | 模型的准确率约为30%，接近理论最大值，但由于所有动物物种在特征空间中都有多个可能的后继，因此存在一定的局限性 | 研究如何通过神经网络形成认知地图，并探讨抽象概念的潜在出现机制 | 32种不同动物物种的特征向量 | 机器学习 | NA | 神经网络 | 多尺度后继表示 | 特征向量 | 32种动物物种 | NA | NA | NA | NA |
| 130 | 2024-09-14 |
Neural networks contribution in face mask detection to reduce the spread of COVID-19
2023-Mar-04, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-14920-1
PMID:37362662
|
研究论文 | 本文提出了一种基于脉冲耦合神经网络和全连接神经网络的口罩检测方法，以减少COVID-19的传播 | 结合了脉冲耦合神经网络和全连接神经网络，通过几何模块、特征提取模块和决策模块的三步处理，实现了高效的口罩检测 | 准确率在不同数据集上有所波动，且最低计算时间未明确 | 开发一种高效的口罩检测方法，以防止病毒传播 | 口罩检测系统及其在不同数据集上的性能 | 计算机视觉 | NA | 脉冲耦合神经网络，全连接神经网络 | 神经网络 | 图像 | 使用了多个数据集，包括Kaggle、AIZOO、Moxa3K、Real-World Masked Face Dataset、Medical Masks Dataset和Face Mask Dataset | NA | NA | NA | NA |
| 131 | 2024-09-14 |
Deep learning for face mask detection: a survey
2023-Mar-04, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-14686-6
PMID:37362645
|
综述 | 本文综述了在新冠疫情期间使用深度学习进行口罩检测的研究进展 | 本文总结了现有的口罩检测技术及其性能，并提出了改进方向 | 本文主要总结了现有研究的局限性，并提出了改进建议 | 本文旨在为研究人员提供一个更广泛的视角，以识别新冠疫情期间口罩检测（目标检测）中的模式和趋势 | 本文综述了口罩检测技术的研究对象，包括各种数据集和方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 132 | 2024-09-14 |
Iodine maps derived from sparse-view kV-switching dual-energy CT equipped with a deep learning reconstruction for diagnosis of hepatocellular carcinoma
2023-03-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30460-y
PMID:36869102
|
研究论文 | 本文研究了基于深度学习的能谱CT成像技术在肝细胞癌诊断中的应用 | 提出了一种基于深度学习的能谱CT成像技术，通过级联深度学习重建方法填补了正弦图空间中缺失的视图，并提高了图像质量 | 在小直径模块或碘浓度较低的情况下，碘定量可能会导致低估 | 评估基于深度学习的能谱CT成像技术生成的碘图在肝细胞癌诊断中的临床效用 | 肝细胞癌患者和模拟研究中的碘浓度 | 计算机视觉 | 肝癌 | 能谱CT成像 | CNN | 图像 | 52名肝细胞癌患者和模拟研究中的碘浓度模块 | NA | NA | NA | NA |
| 133 | 2024-09-14 |
Mapping the terraces on the Loess Plateau based on a deep learning-based model at 1.89 m resolution
2023-03-02, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02005-5
PMID:36864066
|
研究论文 | 本文开发了一种基于深度学习的梯田提取模型，用于生成黄土高原1.89米分辨率的梯田分布图 | 首次在区域范围内应用纹理特征进行梯田提取 | NA | 研究黄土高原梯田的分布及其在土壤保护和农业生产中的作用 | 黄土高原的梯田分布 | 计算机视觉 | NA | 深度学习 | UNet++ | 图像 | 11,420个测试样本和815个实地验证点 | NA | NA | NA | NA |
| 134 | 2024-09-14 |
Direct prediction of genetic aberrations from pathology images in gastric cancer with swarm learning
2023-03, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-022-01347-0
PMID:36264524
|
研究论文 | 本文研究了使用群体学习（Swarm Learning）从病理图像中直接预测胃癌中的遗传异常 | 本文首次将群体学习应用于胃癌病理图像的分子生物标志物预测，克服了多中心数据稀缺的问题 | 本文仅在胃癌中验证了群体学习的效果，未来需在更多癌症类型中进行验证 | 验证群体学习在胃癌病理图像中预测分子生物标志物的可行性 | 胃癌患者的病理图像和分子生物标志物 | 数字病理学 | 胃癌 | 深度学习（DL） | 群体学习（SL） | 图像 | 四个国家的四个患者队列，包括瑞士、德国、英国和美国，样本具有已知的微卫星不稳定性（MSI）和Epstein-Barr病毒（EBV）状态 | NA | NA | NA | NA |
| 135 | 2024-09-14 |
Machine learning of electrophysiological signals for the prediction of ventricular arrhythmias: systematic review and examination of heterogeneity between studies
2023-Mar, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104462
PMID:36773349
|
综述 | 本文系统回顾和探索了使用机器学习和深度学习模型预测室性心律失常的研究现状 | 结合了传统方法和数字健康技术收集的电生理信号，利用机器学习和深度学习进行个性化预测 | 研究间的异质性较大，主要由于小规模自定义数据集和机器学习模型的选择，可能影响模型的泛化能力 | 评估现有机器学习和深度学习模型在个性化预测恶性室性心律失常或心脏骤停方面的现状 | 电生理信号和机器学习模型 | 机器学习 | 心血管疾病 | 机器学习 (ML) 和深度学习 (DL) | 机器学习和深度学习模型 | 电生理信号 | 46项研究纳入系统回顾，32项研究纳入元分析 | NA | NA | NA | NA |
| 136 | 2024-09-14 |
Incorporating variant frequencies data into short-term forecasting for COVID-19 cases and deaths in the USA: a deep learning approach
2023-Mar, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104482
PMID:36821889
|
研究论文 | 本文提出了一种多阶段深度学习模型，用于在美国各州进行COVID-19病例和死亡人数的短期预测 | 该模型整合了流行病学、移动性、调查、气候、人口统计和SARS-CoV-2变异频率数据，并在多个时空设置中表现优于CDC的集成模型 | NA | 提高COVID-19风险预测的准确性和鲁棒性，以支持公共卫生决策 | COVID-19病例和死亡人数的短期预测 | 机器学习 | COVID-19 | 深度学习 | 多阶段深度学习模型 | 多源数据（流行病学、移动性、调查、气候、人口统计和SARS-CoV-2变异频率数据） | 美国各州，每周级别，预测范围为1-4周 | NA | NA | NA | NA |
| 137 | 2024-09-14 |
Radar-based human activity recognition with adaptive thresholding towards resource constrained platforms
2023-03-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30631-x
PMID:36859571
|
研究论文 | 本文提出了一种基于雷达的人类活动识别方法，通过自适应阈值技术在资源受限平台上实现高效分类 | 本文的创新点在于提出了一种自适应幅度阈值方法，用于突出多域微多普勒特征中的感兴趣区域，从而减少计算复杂度和资源消耗 | NA | 本文的研究目的是在资源受限平台上实现高效的人类活动识别 | 本文的研究对象是基于雷达的人类活动识别算法 | 计算机视觉 | NA | 雷达系统 | 深度学习方法 | 多域微多普勒特征 | 六种活动 | NA | NA | NA | NA |
| 138 | 2024-09-13 |
Deep learning imaging features derived from kidney ultrasounds predict chronic kidney disease progression in children with posterior urethral valves
2023-03, Pediatric nephrology (Berlin, Germany)
DOI:10.1007/s00467-022-05677-0
PMID:35867160
|
研究论文 | 本文利用深度学习从新生儿肾脏超声图像中提取解剖特征，评估其在预测后尿道瓣膜症患儿慢性肾病进展风险和时间方面的表现 | 本文首次使用深度学习技术从新生儿肾脏超声图像中提取特征，并将其应用于预测慢性肾病的进展，相比仅使用临床特征如最低肌酐水平，具有更高的预测准确性 | 本文为回顾性研究，样本量有限，且仅针对后尿道瓣膜症患儿，研究结果的普适性有待进一步验证 | 研究目的是利用深度学习技术从新生儿肾脏超声图像中提取特征，以提高对后尿道瓣膜症患儿慢性肾病进展的早期预测准确性 | 研究对象为患有后尿道瓣膜症的男孩 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | 随机生存森林 | 图像 | 225名患者 | NA | NA | NA | NA |
| 139 | 2024-09-13 |
SAM-X: sorting algorithm for musculoskeletal x-ray radiography
2023-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-09184-6
PMID:36307553
|
研究论文 | 开发了一种两阶段的深度学习排序算法，用于根据解剖实体对大型肌肉骨骼X光图像数据集进行排序 | 提出了一个两阶段的深度学习排序算法，结合自监督学习和人类专家的弱语义标签，显著提高了分类准确性 | 研究主要集中在肌肉骨骼肿瘤中心的X光图像，可能限制了算法的普适性 | 开发一种高效的深度学习算法，用于根据解剖实体对X光图像进行分类，以支持肌肉骨骼疾病的评估 | 42,608张未结构化和匿名的X光图像 | 计算机视觉 | NA | 深度学习 | 自监督模型 | 图像 | 42,608张X光图像 | NA | NA | NA | NA |
| 140 | 2024-09-13 |
PulDi-COVID: Chronic obstructive pulmonary (lung) diseases with COVID-19 classification using ensemble deep convolutional neural network from chest X-ray images to minimize severity and mortality rates
2023-Mar, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2022.104445
PMID:36466567
|
研究论文 | 本文提出了一种名为PulDi-COVID的深度卷积神经网络模型，用于从胸部X光图像中分类慢性阻塞性肺病和COVID-19，以减少严重程度和死亡率 | 本文创新性地提出了PulDi-COVID模型，结合了多种深度学习模型的快照，通过集成学习方法提高了分类准确性 | 由于数据噪声和小样本问题，现有深度学习策略可能存在显著偏差和泛化失败 | 研究目的是开发一种高效的深度学习模型，用于快速检测COVID-19和慢性肺病，以降低患者的严重程度和死亡率 | 研究对象包括慢性阻塞性肺病和COVID-19患者，以及胸部X光图像 | 计算机视觉 | 肺病 | 深度学习 | 卷积神经网络 | 图像 | 使用了较大的COVID-19和肺病胸部X光图像数据集 | NA | NA | NA | NA |