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 1933 篇文献，本页显示第 1201 - 1220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2024-09-22 |
Image steganography techniques for resisting statistical steganalysis attacks: A systematic literature review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308807
PMID:39283894
|
综述 | 本文对能够抵抗统计隐写分析攻击的图像隐写技术进行了系统的文献综述 | 本文通过综合分析现有文献，探讨了生成对抗网络在图像隐写技术中的主导地位，并指出人工智能算法如机器学习、深度学习和卷积神经网络在增强安全性方面的应用 | 本文主要关注于现有技术的综述和比较，未提出新的技术或方法 | 填补现有文献中关于能够抵抗统计隐写分析攻击的图像隐写技术的研究空白 | 图像隐写技术及其对统计隐写分析攻击的抵抗能力 | 计算机视觉 | NA | 生成对抗网络、机器学习、深度学习、卷积神经网络、遗传算法 | 生成对抗网络、卷积神经网络 | 图像 | 从ACM数字图书馆、IEEE探索、Science Direct和Wiley中选取了125篇文章 | NA | NA | NA | NA |
| 1202 | 2024-09-21 |
Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于深度学习的自动膝关节定位方法，使用Faster R-CNN模型在放射影像中检测膝关节区域 | 本文的创新点在于利用Faster R-CNN模型实现了膝关节区域的自动检测，克服了传统方法的主观性、耗时和劳动密集的缺点 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 本研究的目的是开发一种更高效和自动化的膝关节分析方法，以替代传统的膝关节X光评估 | 本研究的对象是膝关节区域的放射影像 | 计算机视觉 | 骨关节炎 | Faster R-CNN | Faster R-CNN | 图像 | 使用了膝关节图像数据集进行模型训练和评估 | NA | NA | NA | NA |
| 1203 | 2024-09-21 |
Performance analysis of Alexnet for Classification of Knee Osteoarthritis
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文分析了AlexNet模型在膝关节骨性关节炎分类中的性能 | 本文首次评估了AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行了比较 | 本文仅评估了AlexNet模型的性能，未探讨其他可能更优的深度学习模型 | 评估AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行比较 | 膝关节骨性关节炎的分类 | 计算机视觉 | 骨关节炎 | 深度学习技术 | AlexNet | 图像 | NA | NA | NA | NA | NA |
| 1204 | 2024-09-21 |
Implementation and Efficient Analysis of Preprocessing Techniques in Deep Learning for Image Classification
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文研究了深度学习图像分类中预处理技术的实现及其有效性分析 | 本文采用MSA方法分析了图像处理应用中预处理步骤的影响，并总结了现有使用和不使用预处理步骤的深度学习图像处理模型 | 本文未详细探讨不同预处理技术对模型性能的具体影响 | 探讨预处理步骤在深度学习图像分类中的必要性 | 图像分类中的预处理技术及其对模型性能的影响 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 大量数据样本 | NA | NA | NA | NA |
| 1205 | 2024-09-21 |
Classification of Brain Tumours in MRI Images using a Convolutional Neural Network
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文使用卷积神经网络（CNN）对脑部MRI图像中的肿瘤进行分类 | 提出的CNN模型在处理资源消耗较少的情况下，实现了更高的准确率和损失减少 | 实验在相对有限的样本数据集上进行 | 利用深度学习技术提高脑肿瘤MRI图像分类的准确性 | 脑部MRI图像中的肿瘤 | 计算机视觉 | 脑肿瘤 | 卷积神经网络（CNN） | CNN | 图像 | 相对有限的样本数据集 | NA | NA | NA | NA |
| 1206 | 2024-09-21 |
An Early Detection and Classification of Alzheimer's Disease Framework Based on ResNet-50
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于ResNet-50的阿尔茨海默病早期检测和分类框架 | 通过使用深度残差网络（ResNet）模型和图像预处理技术，解决了传统卷积神经网络（CNN）中卷积层的局限性 | 尽管某些模型在准确性上表现更好，但它们容易过拟合 | 开发一种更有效的阿尔茨海默病早期检测系统 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | 深度残差网络（ResNet） | ResNet-50 | MRI扫描图像 | 阿尔茨海默病患者的MRI扫描数据集 | NA | NA | NA | NA |
| 1207 | 2024-09-21 |
Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3455989
PMID:39264770
|
研究论文 | 提出了一种基于深度学习的自适应视频流凸包预测方法，通过循环卷积网络（RCN）分析视频片段的时空复杂度来预测其凸包 | 采用循环卷积网络（RCN）和两步迁移学习方案，显著减少了预编码时间和计算开销 | 未提及具体限制 | 减少自适应视频流中预编码步骤的时间和计算开销 | 视频片段的凸包预测 | 计算机视觉 | NA | 深度学习 | 循环卷积网络（RCN） | 视频 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1208 | 2024-09-21 |
Change Representation and Extraction in Stripes: Rethinking Unsupervised Hyperspectral Image Change Detection With an Untrained Network
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3438100
PMID:39269800
|
研究论文 | 提出了一种新的无监督高光谱图像变化检测方法StripeCD，通过在无训练网络中集成优化建模来表示和建模条纹变化 | 引入了一种新的特征空间表示方法，通过条纹形式表示变化特征，并提出了一种多尺度前向-后向分割框架来突出显著变化 | 依赖于无训练网络的特征波动性可能导致变化检测结果不准确 | 改进无监督高光谱图像变化检测方法，减少对标注数据的依赖 | 高光谱图像的变化检测 | 计算机视觉 | NA | 无训练卷积网络 | 卷积神经网络 | 图像 | 涉及三个广泛使用的高光谱图像数据集 | NA | NA | NA | NA |
| 1209 | 2024-09-21 |
Diagnostic Value of Artificial Intelligence in Minimal Breast Lesions Based on Real-Time Dynamic Ultrasound Imaging
2024, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S479969
PMID:39295853
|
研究论文 | 探讨基于实时动态超声成像系统的人工智能在诊断微小乳腺病变中的价值 | 使用基于实时动态超声成像系统的人工智能进行微小乳腺病变的诊断 | 仍存在一些漏诊和误诊的情况 | 研究人工智能在微小乳腺病变诊断中的应用价值 | 直径≤10mm的微小乳腺病变 | 计算机视觉 | 乳腺癌 | 深度学习算法 | 深度学习 | 视频 | 291例微小乳腺病变，其中228例良性，63例恶性 | NA | NA | NA | NA |
| 1210 | 2024-09-21 |
A general prediction model for compound-protein interactions based on deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1465890
PMID:39295942
|
研究论文 | 本文开发了一种基于深度学习的化合物-蛋白质相互作用预测模型，并验证了其在中药中的应用 | 本文提出了一个集成大规模生物活性基准数据集和深度学习算法的计算模型，用于预测化合物-蛋白质相互作用，并在中药中验证了其有效性 | 由于化合物和目标的多样性以及缺乏大规模相互作用数据集和负数据集，现有计算方法在预测准确性和泛化能力方面面临挑战 | 开发一种准确的化合物-蛋白质相互作用预测模型，以促进药物发现和理解中药的生物活性 | 化合物-蛋白质相互作用，特别是中药中的化合物 | 机器学习 | NA | 深度学习 | NA | 生物活性数据 | 使用了黄芪和白花蛇舌草这对中药组合中的活性化合物，并从多个公共数据库和文献中收集了这些化合物的完整目标数据 | NA | NA | NA | NA |
| 1211 | 2024-09-21 |
Analysis and comparison of retinal vascular parameters under different glucose metabolic status based on deep learning
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.09.02
PMID:39296560
|
研究论文 | 本文开发了一种基于深度学习的模型，用于自动分割视网膜血管，并分析和比较不同血糖代谢状态下的血管参数 | 本文首次使用深度学习模型U-Net进行视网膜血管分割，并分析了不同血糖代谢状态下的血管参数差异 | 样本量相对较小，可能影响结果的普适性 | 评估人工智能在图像分割和视网膜血管参数分析中预测糖尿病前期的潜力 | 视网膜血管参数在不同血糖代谢状态下的差异 | 计算机视觉 | 糖尿病 | 深度学习 | U-Net | 图像 | 总共600只眼睛，包括200名正常人、200名糖尿病前期患者和200名糖尿病患者 | NA | NA | NA | NA |
| 1212 | 2024-09-21 |
Systematic bibliometric and visualized analysis of research hotspots and trends on the application of artificial intelligence in glaucoma from 2013 to 2022
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.09.22
PMID:39296573
|
综述 | 对2013年至2022年间人工智能在青光眼领域的应用进行文献计量分析和可视化研究 | 通过CiteSpace和VOSviewer软件分析了不同国家、机构、作者和期刊的贡献及共现关系，揭示了该领域的研究热点和未来趋势 | 文章主要关注文献计量分析，未深入探讨具体技术细节和临床应用效果 | 全面了解人工智能在青光眼领域的研究现状，并识别未来研究的新方向 | 2013年至2022年间发表的关于人工智能在青光眼领域应用的英文文章 | 计算机视觉 | 眼科疾病 | NA | NA | 文本 | 750篇英文文章 | NA | NA | NA | NA |
| 1213 | 2024-09-21 |
Deep learning-based ultrasonographic classification of canine chronic kidney disease
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1443234
PMID:39296582
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于通过超声图像对犬慢性肾病（CKD）进行分类，并评估其与兽医影像专家的诊断性能 | 首次尝试将人工智能应用于兽医超声诊断，并开发了一种基于卷积神经网络的对象检测算法来分类犬慢性肾病的IRIS阶段 | 多类分类的准确性较低，仅为0.46 | 开发和验证一种基于深度学习的模型，用于通过超声图像对犬慢性肾病进行分类，并评估其临床实用性 | 犬慢性肾病（CKD）的超声图像 | 机器学习 | 犬病 | 卷积神经网络（CNN） | CNN | 图像 | 883张超声图像，来自198只狗 | NA | NA | NA | NA |
| 1214 | 2024-09-21 |
Deepfake: definitions, performance metrics and standards, datasets, and a meta-review
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1400024
PMID:39296632
|
综述 | 本文全面概述了深度伪造（deepfake）的概念，涵盖了定义、性能指标和标准、相关数据集等多个重要方面 | 本文提供了对深度伪造最全面的综述，包括对15篇相关综述论文的元分析 | NA | 全面了解和分析深度伪造的概念、性能指标、标准、数据集以及相关挑战和建议 | 深度伪造的定义、性能指标和标准、相关数据集以及相关综述论文 | 计算机视觉 | NA | 深度学习 | NA | 图像、视频、音频 | 15篇相关综述论文 | NA | NA | NA | NA |
| 1215 | 2024-09-21 |
Utilizing deep learning models in an intelligent spiral drawing classification system for Parkinson's disease classification
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1453743
PMID:39296906
|
研究论文 | 本文提出了一种利用深度学习模型进行智能螺旋绘图分类系统，用于帕金森病的分类 | 本文通过分析手绘螺旋图中的重要和独特特征，利用迁移学习模型（如VGG19、InceptionV3、ResNet50v2和DenseNet169）进行帕金森病的诊断 | 本文的研究样本量较小，未来需要扩大数据集并进一步优化迁移学习策略 | 开发一种高效准确的帕金森病分类系统，以改善患者的生活质量和早期治疗效果 | 手绘螺旋图和帕金森病 | 机器学习 | 神经退行性疾病 | 迁移学习 | InceptionV3 | 图像 | 102个手绘螺旋图 | NA | NA | NA | NA |
| 1216 | 2024-09-21 |
Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1435204
PMID:39296980
|
研究论文 | 本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型 | 使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型 | 高级扩散模型在诊断性能上并未优于简单扩散模型 | 提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型 | 成人弥漫性胶质瘤的IDH状态和2/3级肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习超分辨率重建 | 生成对抗网络 | 图像 | 90例成人弥漫性胶质瘤患者 | NA | NA | NA | NA |
| 1217 | 2024-09-20 |
Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309109
PMID:39190686
|
研究论文 | 开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变 | 首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性 | 研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元 | 开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征 | 患有肺炎的18个月至17岁儿童 | 计算机视觉 | 肺炎 | 深度学习 | 深度学习算法 | 视频 | 107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频 | NA | NA | NA | NA |
| 1218 | 2024-09-20 |
Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1416169
PMID:39290391
|
研究论文 | 本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型 | 本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案 | 本文未提及具体的局限性 | 开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型 | 肩部磁共振图像中的冈上肌脂肪浸润 | 计算机视觉 | 肩部疾病 | 深度学习 | U-Net 和 VGG-19 | 图像 | 606 张肩部磁共振图像 | NA | NA | NA | NA |
| 1219 | 2024-09-20 |
Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1427239
PMID:39290396
|
研究论文 | 本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势 | 本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性 | NA | 研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策 | 研究对象是COVID-19的传播动态和未来趋势 | 机器学习 | COVID-19 | XGBoost, LSTM | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 1220 | 2024-09-20 |
PNNGS, a multi-convolutional parallel neural network for genomic selection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410596
PMID:39290743
|
研究论文 | 本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性 | 引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS | 当训练样本在小集群中减少时，PNNGS的预测精度显著下降 | 提高基因组选择的预测精度和稳定性 | 水稻、向日葵、小麦和玉米的基因组选择 | 机器学习 | NA | 深度学习 | 并行神经网络 | 基因组数据 | 24个案例，不同集群的样本数量差异很大 | NA | NA | NA | NA |