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 1294 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2024-08-11 |
Application of artificial intelligence-based magnetic resonance imaging in diagnosis of cerebral small vessel disease
2024-Jul, CNS neuroscience & therapeutics
IF:4.8Q1
DOI:10.1111/cns.14841
PMID:39045778
|
研究论文 | 本文总结了近年来全球在基于深度学习的人工智能技术在磁共振成像（MRI）评估脑小血管病（CSVD）中的应用研究成果 | 利用基于深度学习的人工智能技术提取影像中的高维特征，辅助医生进行临床决策 | NA | 探讨人工智能技术在MRI影像中评估CSVD征象的应用 | 脑小血管病（CSVD）及其在MRI影像中的表现 | 数字病理学 | 脑血管疾病 | 磁共振成像（MRI） | 深度学习 | 影像 | NA | NA | NA | NA | NA |
| 602 | 2024-08-11 |
A Secure High-Order Gene Interaction Detection Algorithm Based on Deep Neural Network
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3214863
PMID:36251904
|
研究论文 | 本文提出了一种基于深度神经网络和差分隐私的高阶基因交互检测算法Deep-DPGI，用于识别复杂疾病的基因类型和预测致病基因 | Deep-DPGI算法通过集成损失函数和逐层相关性分析方法，结合自适应噪声机制，保护了高阶基因交互的安全性，同时平衡了隐私和效用 | NA | 旨在提高高阶单核苷酸多态性交互检测的效能，并有效防止敏感信息的泄露 | 高阶单核苷酸多态性交互 | 机器学习 | NA | 深度学习 | 深度神经网络 | 基因数据 | NA | NA | NA | NA | NA |
| 603 | 2024-08-11 |
Reinforced Computer-Aided Framework for Diagnosing Thyroid Cancer
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2023.3251323
PMID:37028014
|
研究论文 | 本文提出了一种面向甲状腺结节的计算机辅助诊断框架，结合深度学习和强化学习，以提高诊断的准确性和泛化能力 | 该框架通过多方数据协同训练深度学习模型，并利用强化学习代理融合分类结果，以实现更精确的诊断 | NA | 提高甲状腺癌诊断的准确性和泛化能力 | 甲状腺结节 | 计算机视觉 | 甲状腺癌 | 深度学习, 强化学习 | 深度学习模型, 强化学习代理 | 图像 | 两千张甲状腺超声图像 | NA | NA | NA | NA |
| 604 | 2024-08-11 |
SGDA: Towards 3-D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2023.3253713
PMID:37028322
|
研究论文 | 本文提出了一种名为切片分组域注意力（SGDA）的模块，用于增强肺结节检测网络的泛化能力 | SGDA模块在轴向、冠状和矢状方向上工作，通过分组输入特征并利用通用适配器银行捕捉所有肺结节数据集的域特征子空间，从而提高多域肺结节检测性能 | NA | 解决当前肺结节检测方法通常是特定域的，不能满足在多样化的现实世界场景中工作的问题 | 肺结节检测 | 计算机视觉 | 肺癌 | 卷积神经网络（CNN） | CNN | 图像 | 涉及所有肺结节数据集 | NA | NA | NA | NA |
| 605 | 2024-08-11 |
MCAS-GP: Deep Learning-Empowered Middle Cerebral Artery Segmentation and Gate Proposition
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2023.3281776
PMID:37262115
|
研究论文 | 本文提出了一种基于深度学习的框架MCAS-GP，用于自动分割中脑动脉区域并检测相应的门位置 | 设计了一种新的可学习孔洞空间金字塔池化（LASPP）模块，并提出了一种新的评估指标——归属指数 | NA | 减少超声医师的工作量，提高中脑动脉Doppler评估的效率 | 中脑动脉的分割和门位置检测 | 数字医疗 | NA | 深度学习 | LASPP | 图像 | 构建了一个大规模的中脑动脉数据集，并与国际和平妇幼保健院合作 | NA | NA | NA | NA |
| 606 | 2024-08-11 |
The concept of AI-assisted self-monitoring for skeletal malocclusion
2024 Jul-Sep, Health informatics journal
IF:2.2Q3
DOI:10.1177/14604582241274511
PMID:39120929
|
研究论文 | 本研究利用深度学习技术，通过训练模型分析侧位照片，辅助自我监测骨骼错𬌗畸形 | 首次将深度学习应用于口腔医学中的自我健康管理，提高了筛查骨骼错𬌗畸形的准确性 | NA | 探索深度学习在骨骼错𬌗畸形筛查中的应用 | 骨骼错𬌗畸形患者 | 机器学习 | 骨骼错𬌗畸形 | 深度学习 | CNN | 图像 | 2109名新诊断患者 | NA | NA | NA | NA |
| 607 | 2024-08-10 |
A two-stream decision fusion network for cervical pap-smear image classification tasks
2024-Jul-31, Tissue & cell
IF:2.7Q3
DOI:10.1016/j.tice.2024.102505
PMID:39116530
|
研究论文 | 本文提出了一种双流决策融合网络用于宫颈涂片图像分类任务 | 提出了一种包含手动特征分支和深度特征分支的双流特征融合模型，并通过设计尺度卷积块和决策特征通道来增强模型性能 | 深度学习在特定领域如宫颈细胞医学图像分类中的局限性逐渐显现，因为宫颈细胞的形态差异有时非常小且难以捕捉 | 解决深度学习在宫颈细胞医学图像分类中的局限性问题 | 宫颈细胞图像分类 | 计算机视觉 | 宫颈疾病 | CNN | 双流特征融合模型 | 图像 | 148762张宫颈细胞病理学图像 | NA | NA | NA | NA |
| 608 | 2024-08-10 |
An extensive investigation of convolutional neural network designs for the diagnosis of lumpy skin disease in dairy cows
2024-Jul-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e34242
PMID:39114056
|
研究论文 | 本文研究了用于诊断奶牛结节性皮肤病卷积神经网络设计的广泛调查 | 提出了基于卷积神经网络（CNN）的新架构用于检测疾病，并使用图像预处理和分割技术识别受影响的区域 | NA | 利用各种深度学习和机器学习模型确定奶牛是否患有结节性皮肤病 | 奶牛结节性皮肤病 | 计算机视觉 | 动物疾病 | 卷积神经网络（CNN） | CNN | 图像 | 数千头牛 | NA | NA | NA | NA |
| 609 | 2024-08-10 |
Textual emotion classification using MPNet and cascading broad learning
2024-Jul-27, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106582
PMID:39116581
|
研究论文 | 本文提出了一种新的文本情感分类方法，使用级联广义学习（CBL）和掩码与置换预训练语言模型（MPNet）进行句子嵌入 | 本文引入了级联广义学习（CBL）和MPNet模型，通过级联特征节点和增强节点提高文本特征提取能力和模型性能 | NA | 旨在改进文本情感分类的效率和准确性 | 文本情感分类 | 自然语言处理 | NA | 掩码与置换预训练语言模型（MPNet） | 级联广义学习（CBL） | 文本 | 使用了SMP2020-EWECT和SemEval-2019 Task 3数据集进行实验 | NA | NA | NA | NA |
| 610 | 2024-08-10 |
Deep fine-KNN classification of ovarian cancer subtypes using efficientNet-B0 extracted features: a comprehensive analysis
2024-Jul-25, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05879-z
PMID:39052091
|
研究论文 | 本研究提出了一种结合深度学习和k-最近邻（KNN）方法的卵巢癌亚型分类方法 | 利用EfficientNet-B0的强大特征提取能力，并通过fine-KNN方法进行细粒度分类 | NA | 开发一种有效的卵巢癌亚型分类模型 | 五种不同的卵巢癌亚型：高级别浆液性癌（HGSC）、透明细胞卵巢癌（CC）、子宫内膜样癌（EC）、低级别浆液性癌（LGSC）和粘液性癌（MC） | 数字病理学 | 卵巢癌 | 深度学习 | EfficientNet-B0 | 图像 | 725张组织病理学图像，其中80%用于训练，20%用于测试 | NA | NA | NA | NA |
| 611 | 2024-08-10 |
Construction of a Multi-Label Classifier for Extracting Multiple Incident Factors From Medication Incident Reports in Residential Care Facilities: Natural Language Processing Approach
2024-Jul-23, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/58141
PMID:39042454
|
研究论文 | 本文开发并评估了一种多标签分类器，利用自然语言处理技术从住宅护理机构的药物事件报告中识别与药物相关事件的因素 | 使用深度学习模型，包括BERT和ELECTRA，对日本住宅护理机构的药物事件报告进行多标签分类，以识别多个事件因素 | 由于标签数量有限，部分因素如'居民家庭'和'医疗人员'未纳入模型开发过程 | 开发和评估一种多标签分类器，以识别住宅护理机构中药物相关事件的因素，特别是涉及非医疗人员的事件 | 住宅护理机构中的药物事件报告 | 自然语言处理 | NA | 自然语言处理 | BERT, ELECTRA | 文本 | 2143份事件报告，包含7121个句子 | NA | NA | NA | NA |
| 612 | 2024-08-10 |
Contextual AI models for single-cell protein biology
2024-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.18.549602
PMID:37503080
|
研究论文 | 本文介绍了一种名为Pinnacle的几何深度学习方法，用于生成上下文感知的蛋白质表示，并应用于多器官单细胞图谱中 | Pinnacle能够学习上下文化的蛋白质相互作用网络，并生成反映细胞和组织结构的蛋白质表示，支持零样本检索组织层次结构 | NA | 开发一种新的方法来解析蛋白质在不同生物上下文中的功能和相互作用 | 蛋白质功能和相互作用 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 蛋白质相互作用网络 | 394,760个蛋白质表示，来自24个组织的156种细胞类型上下文 | NA | NA | NA | NA |
| 613 | 2024-08-10 |
Developing a deep learning model for predicting ovarian cancer in Ovarian-Adnexal Reporting and Data System Ultrasound (O-RADS US) Category 4 lesions: A multicenter study
2024-Jul-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05872-6
PMID:38981916
|
研究论文 | 开发一个深度学习模型，用于预测O-RADS US分类4病变中的卵巢癌，并在多中心研究中验证其诊断性能 | 使用DeepLabV3和YOLOv8联合进行卵巢肿瘤的分割、分类和检测，提高了诊断的精确度和召回率 | 研究基于回顾性分析，且样本来自三个中心，可能存在数据偏差 | 开发和验证一个深度学习模型，用于区分O-RADS US分类4病变中的良性与恶性卵巢肿瘤 | O-RADS US分类4病变中的卵巢肿瘤 | 机器学习 | 卵巢癌 | 深度学习 | DeepLabV3, YOLOv8 | 图像 | 总共1619张超声图像，涉及519名患者（包括269例良性肿瘤和250例恶性肿瘤） | NA | NA | NA | NA |
| 614 | 2024-08-10 |
Challenges and advances in two-dimensional photoacoustic computed tomography: a review
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.070901
PMID:39006312
|
综述 | 本文综述了光声计算机断层扫描（PACT）技术在生物医学成像领域的挑战与进展 | 提出了多种解决方案，包括新兴的深度学习方法，以进一步提高PACT的性能 | NA | 回顾PACT技术的挑战与进展，并探讨其应用前景 | PACT技术中的限制视野、各向异性分辨率、空间混叠、声学异质性（声速不匹配）和光谱解混的通量校正等问题 | 生物医学成像 | NA | 光声计算机断层扫描（PACT） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 615 | 2024-08-10 |
Ensemble Deep Random Vector Functional Link Network Using Privileged Information for Alzheimer's Disease Diagnosis
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3170351
PMID:35486562
|
研究论文 | 本文提出了一种使用特权信息进行阿尔茨海默病诊断的集成深度随机向量功能链接网络（edRVFL+）。 | 首次在深度RVFL模型中引入学习使用特权信息（LUPI）框架，并提出了一种新的生成特权信息的方法，通过不同的激活函数处理正常和特权信息。 | NA | 提高阿尔茨海默病诊断的准确性和泛化性能。 | 阿尔茨海默病（AD）的诊断。 | 机器学习 | 阿尔茨海默病 | 随机向量功能链接网络（RVFL） | 深度RVFL+（dRVFL+）和集成深度RVFL+（edRVFL+） | 特权信息 | NA | NA | NA | NA | NA |
| 616 | 2024-08-10 |
Integrated CNN and Federated Learning for COVID-19 Detection on Chest X-Ray Images
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3184319
PMID:35724281
|
研究论文 | 本文提出了一种结合卷积神经网络（CNN）和联邦学习（FL）的COVID-19检测框架FedFocus，用于胸部X光图像的COVID-19检测 | FedFocus框架通过动态焦点机制提高了模型训练效率、准确性和稳定性，同时保护了患者隐私 | NA | 提高COVID-19检测的效率和准确性，同时保护患者隐私 | COVID-19检测 | 计算机视觉 | COVID-19 | 联邦学习（FL） | CNN | 图像 | 基于三个真实城市的流行病学数据进行划分 | NA | NA | NA | NA |
| 617 | 2024-08-10 |
Federated Learning Empowered Real-Time Medical Data Processing Method for Smart Healthcare
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3185395
PMID:35737631
|
研究论文 | 本文提出了一种基于联邦学习的实时医疗数据处理方法，用于智能医疗中的计算机辅助诊断 | 该方法通过联邦学习融合新旧模型，并利用旧数据中的代表性样本帮助新模型复习旧知识，有效缓解了灾难性遗忘问题 | NA | 解决深度学习技术在医疗领域应用中，由于医疗数据按时间顺序获取而导致的实时数据处理难题 | 实时医疗数据流中的疾病诊断模型 | 机器学习 | NA | 联邦学习 | NA | 数据流 | NA | NA | NA | NA | NA |
| 618 | 2024-08-10 |
A Deep Learning Approach Considering Image Background for Pneumonia Identification Using Explainable AI (XAI)
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3190265
PMID:35820002
|
研究论文 | 本文提出了一种考虑图像背景因素的深度学习方法，用于通过可解释的深度学习（XAI）进行肺炎识别 | 本文创新地考虑了肺部X光图像背景对模型测试效果的影响，并通过去除图像背景和应用Grad-CAM方法提高了肺炎识别的准确性和可解释性 | 传统深度学习方法在肺炎识别中较少考虑图像背景的影响，限制了模型准确性的提升 | 提高肺炎识别的准确性和可解释性 | 肺部X光图像中的肺炎识别 | 机器学习 | 肺部感染 | 深度学习 | CNN | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 619 | 2024-08-10 |
Predicting Drug-Target Interactions Via Dual-Stream Graph Neural Network
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3204188
PMID:36074878
|
研究论文 | 本文提出了一种名为DSG-DTI的双流图神经网络框架，用于预测药物-靶点相互作用 | DSG-DTI框架包括异构图自编码器和基于异构注意力网络的矩阵补全，能够精确地将已知类型的节点嵌入高维空间，并通过注意力机制有效地提取长程依赖关系 | NA | 解决药物-靶点相互作用预测中的挑战，如药物和蛋白质之间丰富而复杂的关系以及异构图中中间节点的校准问题 | 药物-靶点相互作用 | 机器学习 | NA | 图神经网络 | 双流图神经网络 | 图数据 | 在两个公开基准数据集上验证模型 | NA | NA | NA | NA |
| 620 | 2024-08-10 |
Graph Embedded Ensemble Deep Randomized Network for Diagnosis of Alzheimer's Disease
2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2022.3202707
PMID:36112566
|
研究论文 | 本文提出了一种扩展的图嵌入随机向量功能链接（EGERVFL）模型，用于阿尔茨海默病的诊断，并通过实验验证了其性能优于基线模型 | 提出的EGERVFL模型在优化过程中采用了图嵌入框架下的内在和惩罚子空间学习准则，相比标准RVFL模型，能更好地描述数据的几何关系 | NA | 开发一种新的深度学习模型，用于提高阿尔茨海默病诊断的准确性 | 阿尔茨海默病和UCI数据集 | 机器学习 | 阿尔茨海默病 | 图嵌入框架 | EGERVFL | 数据集 | NA | NA | NA | NA | NA |