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 2035 篇文献，本页显示第 1921 - 1940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1921 | 2024-08-05 |
Comparison of Three Deep Learning Models in Accurate Classification of 770 Dermoscopy Skin Lesion Images
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827104
|
研究论文 | 本研究提出一种利用深度学习对良性和恶性皮肤病变进行分类的方法 | 将深度学习应用于皮肤病变的分类，并评估了三种深度学习模型的表现 | 仅使用了来自单一医疗机构的770张去标识化的皮肤镜图像 | 提高皮肤癌的早期诊断准确性 | 良性和恶性皮肤病变的分类 | 计算机视觉 | 皮肤癌 | 深度学习 | ResNet50, DenseNet121, Inception-V3 | 图像 | 770张皮肤病变图像 | NA | NA | NA | NA |
| 1922 | 2024-08-05 |
Evaluation of Interstitial Lung Diseases with Deep Learning Method of Two Major Computed Tomography Patterns
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究利用深度学习方法诊断间质性肺疾病的两种主要高分辨率计算机断层扫描模式 | 本研究创新地采用VGG16和VGG19深度学习架构，以无人工干预的方式进行间质性肺疾病模式的诊断 | 没有提及研究中可能的局限性 | 旨在区分和诊断最常见的间质性肺疾病模式 | 研究对象为患有常见间质性肺疾病模式的患者 | 计算机视觉 | 间质性肺疾病 | 深度学习 | VGG16, VGG19 | 计算机断层扫描图像 | NA | NA | NA | NA | NA |
| 1923 | 2024-08-05 |
Recognition of facial emotion based on SOAR model
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1374112
PMID:38826778
|
研究论文 | 本文提出了一种基于SOAR模型的面部情绪识别方法 | 创新点在于结合了3D卷积神经网络和学习自动机，以提高面部情绪识别的效率和准确率 | 未提及具体的局限性 | 研究旨在提高面部情绪识别的准确性和效率 | 研究对象为面部图像中的情绪状态 | 计算机视觉 | NA | 3D卷积神经网络 | 3DCNN与学习自动机的结合 | 图像 | NA | NA | NA | NA | NA |
| 1924 | 2024-08-05 |
Improved tomato leaf disease classification through adaptive ensemble models with exponential moving average fusion and enhanced weighted gradient optimization
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1382416
PMID:38828218
|
研究论文 | 本文提出了一种新的番茄叶病分类方法，利用适应性集成模型实现准确分类 | 本研究通过引入带有时间约束的指数移动平均函数和增强加权梯度优化器，提高了深度学习模型的分类准确性 | 现有机器学习分类器在识别新类型病害的准确性上存在不足 | 旨在提高番茄叶病的识别准确性，以支持农民并改善作物产量 | 研究对象为包含九种不同类型叶病的番茄叶图像数据集 | 计算机视觉 | NA | 深度学习 | VGG-16 和 NASNet | 图像 | 包含10,000张番茄叶图像用于训练和验证，1,000张用于测试 | NA | NA | NA | NA |
| 1925 | 2024-08-07 |
Research on breast cancer pathological image classification method based on wavelet transform and YOLOv8
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230296
PMID:38189740
|
研究论文 | 本文提出了一种基于小波变换和YOLOv8的乳腺癌病理图像分类方法 | 结合深度学习和小波变换技术，提高了乳腺癌病理图像的分类准确性 | NA | 提高乳腺癌病理图像的自动识别和分类准确性 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 小波变换 | YOLOv8 | 图像 | 数据集通过图像翻转技术扩增，训练集和测试集按8:2和7:3划分 | NA | NA | NA | NA |
| 1926 | 2024-08-07 |
Performance evaluation of deep learning image reconstruction algorithm for dual-energy spectral CT imaging: A phantom study
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230333
PMID:38393883
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）算法在双能谱CT（DEsCT）成像中的性能，特别是在不同辐射剂量和图像能量水平下的表现，并与滤波反投影（FBP）和自适应统计迭代重建-V（ASIR-V）算法进行了比较。 | DLIR算法在低keV图像中提供了更好的噪声控制，并且在所有剂量和能量水平下具有最低的图像噪声和最高的检测能力。 | NA | 评估DLIR算法在双能谱CT成像中的性能，特别是在不同辐射剂量和图像能量水平下的表现。 | ACR464 phantom在不同剂量和能量水平下的虚拟单色图像重建。 | 计算机视觉 | NA | 双能谱CT（DEsCT） | 深度学习图像重建（DLIR） | 图像 | ACR464 phantom在四个剂量水平（3.5 mGy, 5 mGy, 7.5 mGy, 10 mGy）和五个能量水平（40 keV, 50 keV, 68 keV, 74 keV, 140 keV）下的扫描数据。 | NA | NA | NA | NA |
| 1927 | 2024-08-07 |
Predicting the error magnitude in patient-specific QA during radiotherapy based on ResNet
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230251
PMID:38457139
|
研究论文 | 本研究利用ResNet模型预测放射治疗中特定患者质量保证（QA）过程中的误差幅度 | 首次探讨了深度学习在预测误差幅度方面的可行性 | NA | 旨在预测放射治疗中不同交付误差类型的误差幅度 | 胸部癌症计划的强度调制放射治疗（IMRT） | 机器学习 | 胸部癌症 | ResNet | CNN | 剂量分布 | 34个胸部癌症计划（172个场），其中30个计划用于模型训练和验证，4个计划用于外部测试 | NA | NA | NA | NA |
| 1928 | 2024-08-07 |
A user-friendly deep learning application for accurate lung cancer diagnosis
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230255
PMID:38607727
|
研究论文 | 本研究开发了一种用户友好的深度学习应用，用于提高肺癌诊断的准确性 | 利用放射组学和深度学习技术，通过U-NET和DenseNet模型进行图像分割和癌症分类，提高了肺癌诊断的效率和准确性 | 3D图像处理可能受器官重叠、畸变和放大等因素的限制，且可能无法检测到新的病理变化 | 开发一种工具，利用放射组学和深度学习技术进行肺癌诊断 | 肺癌患者的CT扫描图像 | 机器学习 | 肺癌 | 放射组学, 深度学习 | U-NET, DenseNet | 图像 | 86名患者来自Bach Mai医院，1012名患者来自开放数据库 | NA | NA | NA | NA |
| 1929 | 2024-08-07 |
DDA-SSNets: Dual decoder attention-based semantic segmentation networks for COVID-19 infection segmentation and classification using chest X-Ray images
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230421
PMID:38607728
|
研究论文 | 本文提出了一种基于双解码器注意力机制的语义分割网络DDA-SSNets，用于通过胸部X光图像对COVID-19感染进行分割和分类 | 提出了双解码器注意力机制的语义分割网络DDA-SSNets，包括DDA-UNet和DDA-SegNet，以及基于遗传算法的深度卷积神经网络分类器GADCNet，用于提高COVID-19感染的诊断和分期能力 | NA | 开发基于深度学习的模型，用于分类和量化与COVID-19相关的肺部感染 | COVID-19感染的肺部区域和非感染区域 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 胸部X光图像中的肺叶和感染区域 | NA | NA | NA | NA |
| 1930 | 2024-08-07 |
Feature shared multi-decoder network using complementary learning for Photon counting CT ring artifact suppression
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230396
PMID:38669511
|
研究论文 | 本文提出了一种新颖的特征共享多解码器网络（FSMDN），利用互补学习来抑制光子计数CT图像中的环状伪影 | 该网络通过特征共享编码器提取上下文和环状伪影特征，并通过并行的独立解码器进行处理，实现了伪影抑制和组织细节保留 | NA | 旨在全面解决光子计数CT图像中环状伪影的问题 | 光子计数CT图像中的环状伪影 | 计算机视觉 | NA | 深度学习 | 特征共享多解码器网络（FSMDN） | 图像 | 涉及具有三种强度环状伪影的光子计数CT图像的多次实验 | NA | NA | NA | NA |
| 1931 | 2024-08-07 |
Development and Application of Traditional Chinese Medicine Using AI Machine Learning and Deep Learning Strategies
2024, The American journal of Chinese medicine
DOI:10.1142/S0192415X24500265
PMID:38715181
|
综述 | 本文综述了机器学习和深度学习在传统中医中的应用和发展 | 探讨了机器学习和深度学习在中医理论中的应用，如舌诊、脉诊和辨证施治，并强调了其在中医领域的早期成功应用 | 文章指出了中医在机器学习和深度学习应用中面临的问题和挑战 | 旨在验证机器学习和深度学习在中医应用中的成就，并探讨其未来的发展 | 传统中医及其在现代技术中的应用 | 自然语言处理 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | NA | NA | NA | NA | NA | NA |
| 1932 | 2024-08-07 |
Intelligent Stroke Disease Prediction Model Using Deep Learning Approaches
2024, Stroke research and treatment
IF:1.8Q3
DOI:10.1155/2024/4523388
PMID:38817540
|
研究论文 | 本文利用一系列生理特征参数与深度神经网络（如Wasserstein生成对抗网络和回归网络）合作，构建了一个中风预测模型 | 使用WGAN-GP进行正样本数据增强以解决样本不平衡问题，并设计了一个基于深度回归网络的中风预测模型 | NA | 开发一个智能的中风疾病预测模型，以帮助早期识别中风症状并及时干预 | 中风疾病的预测 | 机器学习 | 中风 | 深度学习 | 深度神经网络 | 生理特征参数 | 使用中风公共数据集，具体样本数量未明确 | NA | NA | NA | NA |
| 1933 | 2024-08-07 |
Revolutionising healthcare with artificial intelligence: A bibliometric analysis of 40 years of progress in health systems
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241258757
PMID:38817839
|
研究论文 | 本文通过文献计量分析，回顾了过去四十年人工智能在医疗系统中的发展历程 | 本文首次对人工智能在医疗系统中的应用进行了长达四十年的文献计量分析，揭示了该领域的增长趋势和关键研究方向 | NA | 评估和可视化人工智能在医疗系统中的研究趋势和影响力 | 人工智能在医疗系统中的应用 | 机器学习 | NA | 文献计量分析 | NA | 文本 | 64,063篇论文 | NA | NA | NA | NA |
| 1934 | 2024-08-07 |
Dermoscopy-based Radiomics Help Distinguish Basal Cell Carcinoma and Actinic Keratosis: A Large-scale Real-world Study Based on a 207-combination Machine Learning Computational Framework
2024, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.94759
PMID:38817855
|
研究论文 | 本研究利用机器学习算法开发了一种预测模型，用于区分皮肤镜图像中的基底细胞癌（BCC）和光化性角化病（AK） | 研究开发了一个深度学习模型用于图像特征的定量分析，并整合了15种机器学习算法，通过随机组合和交叉验证生成了207种算法组合 | NA | 开发一种有效的预测模型，用于区分皮肤镜图像中的基底细胞癌和光化性角化病 | 皮肤镜图像中的基底细胞癌和光化性角化病 | 机器学习 | 皮肤癌 | 机器学习算法 | 深度学习模型 | 图像 | 904张皮肤镜图像 | NA | NA | NA | NA |
| 1935 | 2024-08-07 |
Simulation of Automatically Annotated Visible and Multi-/Hyperspectral Images Using the Helios 3D Plant and Radiative Transfer Modeling Framework
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0189
PMID:38817960
|
研究论文 | 本文提出了一种基于Helios 3D植物建模软件的辐射传输建模框架，用于模拟植物的可见光、多/高光谱图像，并自动生成标注信息 | 该框架能够模拟RGB、多/高光谱、热成像和深度相机图像，并生成带有完全解析的参考标签的植物图像，如植物物理特性、叶片化学浓度和叶片生理特性 | NA | 解决深度学习模型在植物和作物特性分析中对标注图像数据集的需求，以及从遥感数据中提取复杂特性的挑战 | 植物和作物的特性分析 | 计算机视觉 | NA | 辐射传输建模 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1936 | 2024-08-07 |
Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network
2024, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848241251569
PMID:38812708
|
研究论文 | 本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动 | 本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析 | 本研究为初步研究，样本量较小，需要进一步验证和优化 | 开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动 | 克罗恩病患者的胶囊内镜视频 | 机器学习 | 克罗恩病 | 卷积神经网络 | CNN | 视频 | 61名克罗恩病患者 | NA | NA | NA | NA |
| 1937 | 2024-08-07 |
SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach
2024, Acta medica Philippina
DOI:10.47895/amp.vi0.7582
PMID:38812768
|
研究论文 | 本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常 | 本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果 | NA | 应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性 | SPECT-MPI图像和卷积神经网络模型 | 机器学习 | 心血管疾病 | 卷积神经网络（CNN） | CNN | 图像 | 192名接受应激测试-休息Tc99m MPI的患者 | NA | NA | NA | NA |
| 1938 | 2024-08-07 |
SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241257045
PMID:38812845
|
研究论文 | 本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。 | 该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。 | NA | 开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。 | 胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。 | 计算机视觉 | COVID-19 | 深度神经网络（DNN） | CNN | 图像 | 使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库 | NA | NA | NA | NA |
| 1939 | 2024-08-07 |
Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241258079
PMID:38812848
|
research paper | 本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类 | 使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数 | NA | 开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型 | 外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞 | machine learning | 血液病 | NA | EfficientNet-V1, EfficientNet-V2 | image | 42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞） | NA | NA | NA | NA |
| 1940 | 2024-08-07 |
Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1397003
PMID:38812917
|
研究论文 | 本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs） | 本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果 | 研究中未提及具体的局限性 | 开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型 | 脊柱X光片中的新鲜椎体压缩性骨折 | 机器学习 | NA | 深度残差网络（DRN） | 深度残差网络 | 图像 | 1,747名参与者 | NA | NA | NA | NA |