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 1869 篇文献，本页显示第 681 - 700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 2024-12-06 |
Fine grained automatic left ventricle segmentation via ROI based Tri-Convolutional neural networks
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240062
PMID:39058464
|
研究论文 | 本文提出了一种基于Tri-Convolutional神经网络的左心室自动分割方法 | 本文创新性地结合了三种不同的深度学习结构，通过Tri-Convolutional网络实现了高精度的左心室分割 | NA | 提高左心室分割的准确性和效率 | 左心室图像的自动分割 | 计算机视觉 | 心血管疾病 | 深度学习 | Tri-Convolutional神经网络 | 图像 | 使用了sunny brook、York、ACDC和LVSC数据集 | NA | NA | NA | NA |
| 682 | 2024-12-06 |
Gastrointestinal tract disease detection via deep learning based structural and statistical features optimized hexa-classification model
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240603
PMID:39031411
|
研究论文 | 提出了一种基于深度学习的结构和统计特征优化六分类模型，用于检测胃肠道疾病 | 提出了Deep SS-Hexa模型，结合两种深度学习结构提取WCE图像的结构和统计特征，并通过Walrus优化算法选择最佳特征，最终使用深度信念网络进行六分类 | 未提及具体局限性 | 提高胃肠道疾病检测的准确性和效率 | 胃肠道疾病的检测 | 计算机视觉 | 胃肠道疾病 | 深度学习 | 深度信念网络 | 图像 | 使用了KVASIR和KID数据集 | NA | NA | NA | NA |
| 683 | 2024-12-06 |
A hybrid model for the classification of Autism Spectrum Disorder using Mu rhythm in EEG
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240644
PMID:39031413
|
研究论文 | 研究利用脑电图中的Mu节律，结合机器学习和深度学习技术，开发了一种混合模型用于自闭症谱系障碍的分类 | 提出了一个结合深度学习和机器学习的混合模型，显著提高了自闭症谱系障碍的分类准确率 | 研究仅使用了有限的脑电图通道，可能无法全面反映自闭症谱系障碍的复杂性 | 提高自闭症谱系障碍与典型发育个体的分类准确率 | 自闭症谱系障碍患者和典型发育个体 | 机器学习 | 自闭症谱系障碍 | 脑电图 | 混合模型 | 脑电图数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 684 | 2024-12-06 |
CNN-based glioma detection in MRI: A deep learning approach
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240158
PMID:39031408
|
研究论文 | 本文开发了一种基于卷积神经网络（CNN）的自动化胶质瘤分割算法，用于在MRI图像中准确识别肿瘤成分 | 本文利用CNN技术提高了胶质瘤分割的准确性，达到了与经验丰富的放射科医生和商用工具相当的水平 | NA | 开发一种自动化的胶质瘤分割算法，以提高诊断精度和量化 | 高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描图像 | 计算机视觉 | 脑肿瘤 | 卷积神经网络（CNN） | U-Net网络 | MRI图像 | 285例高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描 | NA | NA | NA | NA |
| 685 | 2024-12-06 |
Development of an efficient novel method for coronary artery disease prediction using machine learning and deep learning techniques
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240740
PMID:39031414
|
研究论文 | 本文提出了一种基于机器学习和深度学习技术的新方法，用于提高冠状动脉疾病预测的准确性 | 本文提出了一种新的集成投票分类器模型，结合了多种机器学习算法和深度学习算法，以提高冠状动脉疾病预测的准确性 | NA | 提高冠状动脉疾病预测的准确性 | 冠状动脉疾病 | 机器学习 | 心血管疾病 | 机器学习、深度学习 | 集成投票分类器模型 | 临床数据 | 216例冠状动脉疾病病例 | NA | NA | NA | NA |
| 686 | 2024-12-06 |
Football teaching and training based on video surveillance using deep learning
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-231860
PMID:39177616
|
研究论文 | 本文研究了基于视频监控和深度学习的足球教学与训练，通过自动识别和分类训练动作来评估运动员的表现 | 本文提出了基于深度学习的足球教学动作识别模型（DL-FTMR），并结合惯性测量单元（IMU）和计算机视觉分析数据进行系统性研究 | NA | 研究目的是通过深度学习技术自动识别和分类足球教学与训练动作，以提高运动员的表现评估准确性 | 足球教学与训练动作的自动识别和分类 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 视频 | 使用了公开的Human Activity Recognition (HAR)数据集和UT-Interaction数据集 | NA | NA | NA | NA |
| 687 | 2024-12-06 |
Liver tumor segmentation method combining multi-axis attention and conditional generative adversarial networks
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312105
PMID:39625955
|
研究论文 | 提出了一种结合多轴注意力和条件生成对抗网络的肝脏肿瘤分割方法 | 引入了多轴注意力机制和条件生成对抗网络，以解决现有方法在类不平衡、全局上下文特征融合不足和局部细节感知弱等问题 | 未提及具体局限性 | 提高肝脏肿瘤分割的效率和准确性 | 肝脏和肿瘤在腹部CT图像中的分割 | 计算机视觉 | NA | 深度学习 | 条件生成对抗网络 (cGAN) | 图像 | 使用了LiTS公共数据集进行训练和测试 | NA | NA | NA | NA |
| 688 | 2024-12-06 |
DLLabelsCT: Annotation tool using deep transfer learning to assist in creating new datasets from abdominal computed tomography scans, case study: Pancreas
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313126
PMID:39625972
|
研究论文 | 开发了一种名为DLLabelsCT的注释工具，利用深度迁移学习加速腹部CT扫描图像分析过程，并以胰腺为例进行了案例研究 | 提出了DLLabelsCT工具，通过使用ResNet34-UNet模型显著加速了注释过程，并展示了其在不同数据集上的高准确性和可扩展性 | 仅在胰腺分割任务上进行了验证，尚未在其他器官上进行广泛测试 | 开发一种能够加速医学图像注释过程的工具，以支持深度学习算法在放射学评估中的应用 | 腹部CT扫描图像中的胰腺分割 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 3715张CT扫描切片 | NA | NA | NA | NA |
| 689 | 2024-12-06 |
A fact based analysis of decision trees for improving reliability in cloud computing
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311089
PMID:39625991
|
研究论文 | 本文通过比较五种机器学习算法在云计算中的准确性和故障预测能力，提出了一种改进决策树算法的方法 | 提出了对决策树（J48）算法的改进，以提高其在云计算中的可靠性和准确性 | 算法复杂度较高，需要进一步优化 | 提高云计算中的决策树算法的可靠性和准确性 | 五种机器学习算法在云计算中的性能 | 机器学习 | NA | 机器学习算法 | 决策树（J48） | 数值数据 | NA | NA | NA | NA | NA |
| 690 | 2024-12-06 |
Dual assurance for healthcare and future education development: normalized assistance for low-income population in rural areas-evidence from the population identification
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1384474
PMID:39628808
|
研究论文 | 本研究探讨了农村低收入人口在医疗和未来教育方面的关系，并开发了一种智能识别分类模型来准确检测和分类农村低收入个体 | 提出了一个准确度达到91.93%的智能识别分类模型，超过了其他基线神经网络算法 | 研究仅限于广东省J市，结果可能不适用于其他地区 | 探索农村低收入人口在医疗和未来教育方面的关系，并为政策制定提供支持 | 农村低收入人口的医疗和教育状况 | 机器学习 | NA | 深度学习算法 | 神经网络 | 大数据 | NA | NA | NA | NA | NA |
| 691 | 2024-12-06 |
SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1469490
PMID:39628873
|
研究论文 | 本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像 | 提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节 | NA | 开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露 | 低计数[18F]-FDG-PET脑部图像 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者 | NA | NA | NA | NA |
| 692 | 2024-12-06 |
The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241079
PMID:39520159
|
研究论文 | 研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性 | 提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性 | 研究样本量较小，且仅限于一家医院的病例 | 探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果 | 良性和恶性肺结节 | 计算机视觉 | 肺部疾病 | 深度学习 | 深度学习模型 | CT图像 | 120例肺结节患者 | NA | NA | NA | NA |
| 693 | 2024-12-05 |
[Changes in FDG-PET Images of Small Lung and Liver Masses Caused by the Deep Learning-based Time-of-flight Processing]
2024, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1518
PMID:39617445
|
研究论文 | 研究评估了基于深度学习的飞行时间处理（DL-ToF）对PET图像中肺部和肝脏小肿块的影响 | DL-ToF通过后处理模拟飞行时间效应，应用深度学习增强PET图像 | 研究仅使用了一个胸腹部仿真模型，未涉及临床数据 | 评估DL-ToF在PET成像中的有效性 | 肺部和肝脏的小肿块 | 计算机视觉 | NA | PET成像 | 深度学习 | 图像 | 一个胸腹部仿真模型 | NA | NA | NA | NA |
| 694 | 2024-12-05 |
Estimating protein-ligand interactions with geometric deep learning and mixture density models
2024, Journal of biosciences
IF:2.1Q2
PMID:39618061
|
研究论文 | 本文介绍了一种基于几何深度学习和混合密度模型的方法，用于预测蛋白质与配体的结合构象 | 开发了一种生成蛋白质图形表示的技术，利用图神经网络学习基于距离概率的统计势能，并结合全局优化算法进行配体结合构象的预测 | NA | 改进现有的基于物理学的解决方案，提高蛋白质与配体相互作用的预测精度 | 蛋白质与配体的结合构象 | 计算机视觉 | NA | 几何深度学习 | 图神经网络 | 结构数据 | NA | NA | NA | NA | NA |
| 695 | 2024-12-05 |
Advanced Analysis of OCT/OCTA Images for Accurately Differentiating Between Glaucoma and Healthy Eyes Using Deep Learning Techniques
2024, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S472231
PMID:39618988
|
研究论文 | 评估OCT和OCTA图像在区分青光眼和健康眼睛中的区分能力，使用深度学习技术 | 提出了一种结合OCT和OCTA图像的深度学习方法，用于更准确地区分青光眼和健康眼睛 | 研究样本量相对较小，可能影响结果的普适性 | 评估OCT和OCTA图像在区分青光眼和健康眼睛中的有效性 | 青光眼和健康眼睛的OCT和OCTA图像 | 计算机视觉 | 眼科疾病 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 157名受试者的1106次眼扫描 | NA | NA | NA | NA |
| 696 | 2024-12-05 |
Segmentation of glioblastomas via 3D FusionNet
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1488616
PMID:39619438
|
研究论文 | 本文提出了一种用于脑肿瘤自动分割的端到端3D深度学习模型 | FusionNet结合了U-Net和SegNet的优点，在肿瘤分割性能上优于两者 | 尽管模型在脑肿瘤分割上表现出色，但仍有提升空间 | 开发一种能够自动分割脑肿瘤的3D深度学习模型 | 胶质母细胞瘤（GBM）患者的脑肿瘤 | 计算机视觉 | 脑肿瘤 | NA | FusionNet | MRI图像 | 630名GBM患者 | NA | NA | NA | NA |
| 697 | 2024-12-05 |
Advancing EGFR mutation subtypes prediction in NSCLC by combining 3D pretrained ConvNeXt, radiomics, and clinical features
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1464555
PMID:39619439
|
研究论文 | 本研究开发了一种结合3D预训练ConvNeXt、放射组学和临床特征的新方法，用于预测非小细胞肺癌患者中表皮生长因子受体（EGFR）及其亚型的表达状态 | 本研究首次将3D预训练ConvNeXt与放射组学和临床特征结合，用于EGFR突变及其亚型的预测 | 本研究为回顾性研究，样本量有限，未来需在更大规模的前瞻性研究中验证模型的有效性 | 开发一种新的方法，用于预测非小细胞肺癌患者中EGFR及其亚型的表达状态 | 非小细胞肺癌患者的EGFR及其亚型表达状态 | 计算机视觉 | 肺癌 | 3D卷积神经网络（3D-CNN） | ConvNeXt | 图像 | 732名非小细胞肺癌患者 | NA | NA | NA | NA |
| 698 | 2024-12-05 |
IGAMT: Privacy-Preserving Electronic Health Record Synthesization with Heterogeneity and Irregularity
2024, Proceedings of the ... AAAI Conference on Artificial Intelligence. AAAI Conference on Artificial Intelligence
DOI:10.1609/aaai.v38i14.29491
PMID:39619768
|
研究论文 | 提出了一种名为IGAMT的框架，用于生成隐私保护的合成电子健康记录（EHR）数据，解决了特征异质性、结构缺失值和时间测量不规则性等问题 | IGAMT框架不仅能够生成高质量的合成EHR数据，还能在隐私保护和数据效用之间实现更好的平衡 | 未明确提及 | 解决电子健康记录数据在机器学习应用中的隐私和安全问题 | 电子健康记录数据及其合成方法 | 机器学习 | NA | 深度学习 | NA | 文本 | 未明确提及 | NA | NA | NA | NA |
| 699 | 2024-12-05 |
Deep learning methods for high-resolution microscale light field image reconstruction: a survey
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1500270
PMID:39624772
|
综述 | 本文综述了基于深度学习的光场显微图像重建技术的最新进展 | 本文分类并分析了三种基于深度学习的光场显微重建算法的特点 | 本文讨论了提高光场显微预测时间信息的准确性、获取光场训练数据、利用现有数据进行数据增强以及深度神经网络的可解释性等挑战 | 综述基于深度学习的光场显微图像重建技术 | 光场显微图像重建技术 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 700 | 2024-12-05 |
Efficient generation of HPLC and FTIR data for quality assessment using time series generation model: a case study on Tibetan medicine Shilajit
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1503508
PMID:39624838
|
研究论文 | 本研究使用深度学习模型TimeVQVAE生成高效液相色谱（HPLC）和傅里叶变换红外光谱（FTIR）数据，以评估藏药Shilajit的质量 | 首次采用TimeVQVAE模型生成HPLC和FTIR数据，显著提高了数据量和分类准确性 | 研究仅限于Shilajit样本，未探讨其他药材的适用性 | 解决高原特色药材样本稀缺问题，提高质量评估的准确性和稳定性 | 藏药Shilajit | 机器学习 | NA | 高效液相色谱（HPLC）、傅里叶变换红外光谱（FTIR） | 时间向量量化变分自编码器（TimeVQVAE） | 时间序列数据 | 三种等级的Shilajit样本 | NA | NA | NA | NA |