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 147 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2024-08-05 |
Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing
2023-Jun-01, JMIR AI
DOI:10.2196/44537
PMID:38875565
|
研究论文 | 本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征 | 创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征 | 样本仅限于肺癌患者，可能不具备更广泛适应性 | 旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析 | 本研究对象为13,216名肺癌患者的放射学记录 | 自然语言处理 | 肺癌 | 深度学习，NLP | 双向长短期记忆模型 | 文本 | 涉及13,216名肺癌患者的放射学记录 | NA | NA | NA | NA |
| 102 | 2024-08-05 |
Automated deep learning auto-segmentation of air volumes for MRI-guided online adaptive radiation therapy of abdominal tumors
2023-06-15, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acda0b
PMID:37253374
|
研究论文 | 本研究开发了一种自动化方法，用于在MRI引导的腹部肿瘤适应性放射治疗中分割空气区域 | 提出了一种修改版ResUNet3D深度学习模型用于自动分割MRI中的空气区域 | 该研究可能受到专门的MR图像序列和模型训练样本的限制 | 研究的目的是提高腹部肿瘤放射治疗中空气区域的分割速度和准确性 | 研究对象是102名患者的MRI图像 | 数字病理学 | NA | 深度学习 | ResUNet3D | 图像 | 102个患者的MR图像 | NA | NA | NA | NA |
| 103 | 2024-08-05 |
MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI
2023-Jun, Information processing in medical imaging : proceedings of the ... conference
DOI:10.1007/978-3-031-34048-2_41
PMID:37915753
|
研究论文 | 本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面 | MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面 | NA | 研究脑的形态学，通过重建皮层和皮层下结构的表面 | 人脑MRI中的皮层下结构 | 数字病理学 | NA | 深度学习 | U-Net | MRI图像 | 涉及了17个皮层下结构 | NA | NA | NA | NA |
| 104 | 2024-08-05 |
Pashto Handwritten Invariant Character Trajectory Prediction Using a Customized Deep Learning Technique
2023-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s23136060
PMID:37447909
|
研究论文 | 本研究专注于使用深度学习技术检测和识别普什图手写字符和连字 | 开发了针对普什图的特定数据集，并引入了数据增强技术，以提升手写字符识别的准确性 | 专注于普什图语言，可能对其他区域语言的适用性有限 | 旨在保护普什图手写字符的识别和记录 | 普什图手写字符和连字 | 计算机视觉 | NA | 深度学习 | 定制CNN | 图像 | NA | NA | NA | NA | NA |
| 105 | 2024-08-05 |
ConvNeXt steel slag sand substitution rate detection method incorporating attention mechanism
2023-Jun-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-37676-y
PMID:37391568
|
研究论文 | 提出了一种基于深度学习的钢渣砂替代率检测方法 | 通过在ConvNeXt模型中加入Squeeze and Excitation注意力机制，提高了钢渣砂混合物颜色特征的提取效率 | 检测方法效率低，缺乏具有代表性的采样 | 提升钢渣砂替代率检测的效率和准确性 | 钢渣砂的替代率 | 计算机视觉 | NA | 深度学习 | ConvNeXt | 图像 | NA | NA | NA | NA | NA |
| 106 | 2024-08-05 |
Micro-architecture design exploration template for AutoML case study on SqueezeSEMAuto
2023-Jun-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-37682-0
PMID:37391458
|
研究论文 | 本文探讨了一种AutoML框架，用于SqueezeNet的微架构设计探索 | 提出了将SE块与残差块组合并应用于SqueezeNet的创新方法 | 没有提及实验的计算资源和时间成本 | 旨在优化CNN架构设计以提高图像识别任务的准确性 | 研究对象为基于SqueezeNet的深度学习模型 | 计算机视觉 | NA | 卷积神经网络 | SqueezeNet | 图像 | CIFAR-10和清华人脸表情数据集 | NA | NA | NA | NA |
| 107 | 2024-08-05 |
Performance Degradation Assessment of Railway Axle Box Bearing Based on Combination of Denoising Features and Time Series Information
2023-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s23135910
PMID:37447760
|
研究论文 | 提出了一种基于深度残差收缩网络和深度长短期记忆网络的铁路轴箱轴承性能退化评估模型 | 提出了结合去噪特征和时间序列信息的方法，提高模型对早期故障的敏感性 | 未提及特定的应用环境和实际操作中的限制 | 解决现有滚动轴承性能退化评估方法中噪声和时间信息被忽略的问题 | 铁路轴箱轴承的性能退化评估 | 机器学习 | NA | 深度残差收缩网络，深度长短期记忆网络 | DRSN-LSTM | 信号 | 人工诱导缺陷和加速疲劳测试数据 | NA | NA | NA | NA |
| 108 | 2024-08-05 |
FPGA Implementation of Keyword Spotting System Using Depthwise Separable Binarized and Ternarized Neural Networks
2023-Jun-19, Sensors (Basel, Switzerland)
DOI:10.3390/s23125701
PMID:37420866
|
研究论文 | 该研究提出了一种深度可分离的二元/三元神经网络硬件加速器，用于关键词识别系统 | 提出了一种新的深度可分离二元/三元神经网络加速器，能够在单一设备上同时进行唤醒词识别和命令分类 | 没有提到在不同硬件平台上的适应性和扩展性 | 研究旨在优化关键词识别系统的硬件实现，以提高效率 | 本研究对象是关键词识别系统中的深度学习算法和硬件实现 | 机器学习 | NA | 硬件加速 | 深度可分离二元/三元神经网络 | 音频数据 | NA | NA | NA | NA | NA |
| 109 | 2024-08-05 |
Forest Fire Smoke Detection Based on Deep Learning Approaches and Unmanned Aerial Vehicle Images
2023-Jun-19, Sensors (Basel, Switzerland)
DOI:10.3390/s23125702
PMID:37420867
|
研究论文 | 该文章提出了一种基于深度学习的森林火灾烟雾检测方法，使用无人机图像提高检测效率 | 提出了改进的YOLOv7模型，结合CBAM注意机制和SPPF+层来增强烟雾特征提取能力 | 未提及限制条件 | 旨在快速识别森林火灾初期烟雾，以便及时响应并防止火势蔓延 | 森林火灾烟雾图像 | 计算机视觉 | NA | YOLOv7 | YOLOv7 | 图像 | 6500张无人机拍摄的烟雾图像 | NA | NA | NA | NA |
| 110 | 2024-08-05 |
Indoor Scene Recognition Mechanism Based on Direction-Driven Convolutional Neural Networks
2023-Jun-17, Sensors (Basel, Switzerland)
DOI:10.3390/s23125672
PMID:37420835
|
研究论文 | 本文提出了一种基于深度学习的房间级室内定位系统，结合视觉信息和智能手机传感器。 | 引入了方向驱动的卷积神经网络（CNN），并采用多种加权融合策略提升系统性能。 | 研究仍受限于智能手机计算能力，需结合服务器进行部分计算。 | 研究旨在提升室内场景识别与定位的准确性。 | 研究对象包括使用智能手机拍摄的室内图像。 | 计算机视觉 | NA | 深度学习、卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 在真实数据集上进行的多个实验分析 | NA | NA | NA | NA |
| 111 | 2024-08-05 |
A Cost-Driven Method for Deep-Learning-Based Hardware Trojan Detection
2023-Jun-11, Sensors (Basel, Switzerland)
DOI:10.3390/s23125503
PMID:37420671
|
研究论文 | 提出了一种基于深度学习的多尺度硬件木马检测模型MHTtext | 引入深度学习进行自动特征提取，并提出了稳定性效率指数(SEI)的新评估指标 | 现有传统检测方法不适用于大规模集成，研究社区尚处于早期阶段 | 研究自动检测硬件木马的方法以应对恶意电路 | 重点研究硬件木马在芯片中的检测问题 | 深度学习 | NA | 深度学习 | TextCNN | 电路网表 | 基准网表的实验结果 | NA | NA | NA | NA |
| 112 | 2024-08-05 |
A Deep Learning Method for Rolling Bearing Fault Diagnosis Based on Attention Mechanism and Graham Angle Field
2023-Jun-10, Sensors (Basel, Switzerland)
DOI:10.3390/s23125487
PMID:37420653
|
研究论文 | 提出了一种基于Gramian角场编码技术和改进的ResNet50模型的滚动轴承故障诊断方法 | 结合Graham角场技术与ResNet算法实现了自动特征提取和故障诊断 | 无法在摘要中找到具体的局限性信息 | 提高滚动轴承故障诊断的准确性和时效性 | 滚动轴承的故障诊断 | 机器学习 | NA | GAF编码技术 | 改进的ResNet50模型 | 图像 | 使用了Casey Reserve University的滚动轴承数据进行验证 | NA | NA | NA | NA |
| 113 | 2024-08-05 |
Research on Apple Recognition Algorithm in Complex Orchard Environment Based on Deep Learning
2023-Jun-08, Sensors (Basel, Switzerland)
DOI:10.3390/s23125425
PMID:37420591
|
研究论文 | 本文提出了一种基于深度学习的水果识别算法，以解决果园复杂环境下的低识别准确率问题 | 通过将残差模块与交叉阶段平衡网络（CSP Net）组合，集成空间金字塔池（SPP）模块，并替换NMS算法为Soft NMS算法，显著提高了识别精度 | 未提及具体的局限性 | 提高在复杂果园环境中的水果识别准确率和实时性 | 果园中的水果 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 使用数据集进行训练和测试，具体样本量未说明 | NA | NA | NA | NA |
| 114 | 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 |
| 115 | 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 |
| 116 | 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 |
| 117 | 2024-08-07 |
Automated Bone Tumor Segmentation and Classification as Benign or Malignant Using Computed Tomographic Imaging
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00771-z
PMID:36627518
|
研究论文 | 本研究利用计算机断层扫描（CT）图像和机器学习技术，实现骨肿瘤的自动分割和良恶性分类，以辅助临床医生判断是否需要进行活检 | 本研究首次提出了一种基于深度学习的方法，用于从CT图像中自动分割和分类骨肿瘤 | 尽管在特异性和敏感性上取得了相似的分类性能，但数据集中良性和恶性病例的不平衡仍然存在 | 开发一种自动化的深度学习方法，用于从CT图像中分割和分类骨肿瘤 | 84例股骨CT扫描图像，包含50名女性和34名男性，年龄20岁及以上，具有明确的骨病变组织学证实 | 计算机视觉 | 骨肿瘤 | 深度学习 | 深度学习架构 | CT扫描图像 | 84例股骨CT扫描图像 | NA | NA | NA | NA |
| 118 | 2024-08-07 |
Using Deep Learning to Predict Treatment Response in Patients with Hepatocellular Carcinoma Treated with Y90 Radiation Segmentectomy
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00762-0
PMID:36629989
|
研究论文 | 本研究利用深度卷积网络集合改进体素剂量模型，预测接受Y90放射性栓塞治疗的肝细胞癌患者的治疗反应 | 本研究通过深度卷积网络集合考虑了Y90在治疗病变中的空间变异摄取，提高了预测治疗完全反应的F1分数、准确性和敏感性 | 本研究为回顾性分析，样本来自单一机构，可能存在选择偏倚 | 旨在提高肝细胞癌患者接受Y90放射性栓塞治疗后治疗反应的预测准确性 | 接受Y90放射性栓塞治疗的肝细胞癌患者 | 机器学习 | 肝细胞癌 | 深度学习 | CNN | 图像 | 77名患者，103个病变 | NA | NA | NA | NA |
| 119 | 2024-08-07 |
Use of Deep Neural Networks in the Detection and Automated Classification of Lesions Using Clinical Images in Ophthalmology, Dermatology, and Oral Medicine-A Systematic Review
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00775-3
PMID:36650299
|
综述 | 本研究通过系统文献综述分析了人工神经网络和深度学习在眼科、皮肤病学和口腔医学中临床图像病变识别和自动分类的应用 | 研究显示人工智能模型在准确性、敏感性和特异性方面表现出色，多数结果与人类比较者相当 | 模型的实际应用中的性能可重复性是一个关键点 | 分析人工神经网络和深度学习在临床图像病变识别和自动分类中的应用 | 眼科、皮肤病学和口腔医学中的临床图像病变 | 计算机视觉 | NA | 人工神经网络 | 深度学习 | 图像 | 包含60项研究 | NA | NA | NA | NA |
| 120 | 2024-08-07 |
Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter
2023-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29593
PMID:36692103
|
研究论文 | 本文开发了一种结合基于滤波器的图像处理算法和卷积神经网络的弱监督3D血管周围空间（PVS）分割模型 | 提出的方法通过结合Frangi滤波器和Unet，提高了真阳性率并降低了假阳性率，特别是在区分PVS和白质高强度方面表现出色 | 模型依赖于手动质量控制和标注的数据，且仍需减少对大规模标注PVS掩膜数据的依赖 | 旨在开发一种弱监督的3D PVS分割模型，以提高分割准确性和减少对大量标注数据的依赖 | 研究对象为血管周围空间（PVS）的3D分割 | 计算机视觉 | NA | Frangi滤波器 | Unet | 图像 | 使用了Human Connectome Project的数据进行模型评估 | NA | NA | NA | NA |