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 1070 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-12-15 |
Aspect-based sentiment analysis in smart devices: A comprehensive and specialized dataset
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110642
PMID:39669762
|
研究论文 | 本文介绍了一个专门针对智能设备领域的基于方面的情感分析数据集 | 该数据集通过咨询行业专家和终端用户的方法，识别了用户评论中的关键方面，并提供了全面的情感分布 | NA | 研究旨在通过情感分析提升智能设备的用户体验和技术改进 | 智能设备领域的用户评论和情感分析 | 自然语言处理 | NA | 情感分析 | NA | 文本 | 2370条评论，包括842条正面、800条负面和728条中性评论 | NA | NA | NA | NA |
| 222 | 2024-12-13 |
Dual-Mode Imaging System for Early Detection and Monitoring of Ocular Surface Diseases
2024-08, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3411713
PMID:38875082
|
研究论文 | 本文介绍了一种基于深度学习的双模态成像系统，用于自动化、客观和可靠地评估干眼症、结膜炎和结膜下出血等三种代表性眼表疾病 | 该系统结合了红外（IR）和可见光（RGB）图像的双模态处理技术，并采用多阶段深度学习模型，显著提高了诊断的准确性和一致性 | NA | 开发一种自动化、准确且便携的成像系统，用于早期检测和持续监测眼表疾病 | 干眼症、结膜炎、结膜下出血以及睑板腺功能障碍 | 计算机视觉 | 眼科疾病 | 深度学习 | 多阶段深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 223 | 2024-12-13 |
sEMG-Driven Hand Dynamics Estimation With Incremental Online Learning on a Parallel Ultra-Low-Power Microcontroller
2024-08, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3415392
PMID:38885102
|
研究论文 | 本文提出了一种基于表面肌电图（sEMG）的增量在线学习策略，用于在超低功耗微控制器上进行多指力估计 | 本文的创新点在于提出了一种增量在线学习策略，能够在嵌入式设备上进行实时训练，并实现了跨天的多指力估计 | 本文的局限性在于仅在HYSER数据集上进行了验证，未来需要在更多数据集上进行测试 | 研究目的是开发一种能够在嵌入式设备上进行实时训练的sEMG驱动控制策略 | 研究对象是基于sEMG的多指力估计 | 机器学习 | NA | 表面肌电图（sEMG） | 时间卷积网络（Temporal Convolutional Network） | 信号 | HYSER数据集中的RANDOM数据集 | NA | NA | NA | NA |
| 224 | 2024-12-13 |
Electrical Capacitance Tomography of Cell Cultures on a CMOS Microelectrode Array
2024-08, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3415360
PMID:38885101
|
研究论文 | 本文介绍了一种基于CMOS微电极阵列的微尺度电容层析成像系统，并使用深度学习模型重建细胞培养的三维体积 | 引入了多目标损失函数，结合像素级损失函数、基于分布的损失函数和基于区域的损失函数，提高了模型的重建精度 | 未提及具体的局限性 | 开发一种低成本、低功耗、无标记的三维生物样本成像工具 | 细胞培养的三维体积重建 | NA | NA | 电容层析成像（ECT） | 深度学习模型 | 电容测量数据 | 实验数据集包括细菌生物膜 | NA | NA | NA | NA |
| 225 | 2024-12-12 |
Clinical value of deep learning image reconstruction on the diagnosis of pulmonary nodule for ultra-low-dose chest CT imaging
2024-08, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.04.008
PMID:38749827
|
研究论文 | 比较深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在超低剂量CT（ULD-CT）中对肺结节的图像质量和检测能力 | DLIR在超低剂量CT中显著降低了图像噪声，提高了图像质量和结节测量的准确性 | 研究样本量有限，且未探讨DLIR在不同类型肺结节中的表现差异 | 评估DLIR在超低剂量CT中对肺结节诊断的临床价值 | 超低剂量CT（ULD-CT）中的图像质量和肺结节检测能力 | 计算机视觉 | 肺部疾病 | 深度学习图像重建（DLIR） | 深度学习模型 | 图像 | 142名需要肺部检查的参与者 | NA | NA | NA | NA |
| 226 | 2024-12-11 |
Harnessing machine learning to predict cytochrome P450 inhibition through molecular properties
2024-08, Archives of toxicology
IF:4.8Q1
DOI:10.1007/s00204-024-03756-9
PMID:38619593
|
研究论文 | 本研究利用机器学习算法通过分子性质预测细胞色素P450酶的抑制作用 | 本研究采用了三种不同的分子或子结构性质（Morgan、MACCS和Morgan组合以及RDKit）来训练针对不同细胞色素P450同工酶的SVM模型，并发现Morgan指纹在独立数据集上表现最佳 | 本研究仅使用了三种分子性质进行模型训练，可能存在其他未考虑的分子性质对预测结果的影响 | 预测细胞色素P450同工酶的抑制作用，以减少药物-药物相互作用带来的药理学和毒理学风险 | 细胞色素P450同工酶1A2、2C9、2C19、2D6和3A4的抑制作用 | 机器学习 | NA | 机器学习算法 | SVM | 分子性质 | 多种分子 | NA | NA | NA | NA |
| 227 | 2024-12-11 |
Modeling 3D Cardiac Contraction and Relaxation With Point Cloud Deformation Networks
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3389871
PMID:38648144
|
研究论文 | 本文提出了一种名为点云变形网络（PCD-Net）的几何深度学习方法，用于直接建模心脏双心室解剖结构在心脏周期极端端之间的三维心脏力学 | 创新点在于使用点云变形网络（PCD-Net）直接建模心脏的三维力学过程，结合编码器-解码器架构和点云深度学习技术，实现了对心脏收缩和舒张的有效多尺度特征学习 | NA | 研究目的是提高对心脏三维变形过程的理解和诊断准确性 | 研究对象是心脏双心室解剖结构在心脏周期极端端之间的三维力学 | 计算机视觉 | 心血管疾病 | 点云深度学习 | 编码器-解码器架构 | 点云 | 超过10,000名受试者的UK Biobank数据集 | NA | NA | NA | NA |
| 228 | 2024-12-11 |
Sparse Graph Representation Learning Based on Reinforcement Learning for Personalized Mild Cognitive Impairment (MCI) Diagnosis
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3393625
PMID:38683720
|
研究论文 | 本文提出了一种基于强化学习的稀疏图表示学习框架，用于个性化轻度认知障碍（MCI）诊断 | 采用分而治之的方法将功能连接网络（FCN）构建任务分解为更小的子问题，并利用学习到的价值函数确定FCN的稀疏度，考虑了个体FCN的特征 | 依赖于监督学习的方法在探索新解决方案时存在局限性 | 开发一种新的强化学习框架，用于提高轻度认知障碍（MCI）诊断的准确性 | 轻度认知障碍（MCI）患者的功能连接网络（FCN） | 机器学习 | 老年疾病 | 静息态功能磁共振成像（rs-fMRI） | 强化学习（RL） | 图像 | 公开的队列数据集 | NA | NA | NA | NA |
| 229 | 2024-12-11 |
MPCNN: A Novel Matrix Profile Approach for CNN-based Single Lead Sleep Apnea in Classification Problem
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3397653
PMID:38713565
|
研究论文 | 本文提出了一种基于矩阵剖面算法的新方法，用于单导联ECG信号的睡眠呼吸暂停分类问题 | 创新点在于引入了基于距离关系的特征提取方法，包括最小距离剖面（MinDP）、最大距离剖面（MaxDP）和平均距离剖面（MeanDP），并结合CNN模型进行分类 | NA | 旨在提高基于ECG信号的睡眠呼吸暂停分类的准确性 | 单导联ECG信号中的睡眠呼吸暂停分类 | 机器学习 | 睡眠呼吸暂停 | 矩阵剖面算法 | CNN | ECG信号 | PhysioNet Apnea-ECG数据集（70个夜间记录）和UCDDB数据集（25个夜间记录） | NA | NA | NA | NA |
| 230 | 2024-12-11 |
MultiModRLBP: A Deep Learning Approach for Multi-Modal RNA-Small Molecule Ligand Binding Sites Prediction
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3400521
PMID:38739505
|
研究论文 | 本研究提出了一种名为MultiModRLBP的深度学习方法，用于预测RNA与小分子配体的结合位点 | MultiModRLBP方法整合了多模态特征，包括RNA分子的核苷酸级别的3D结构属性、基于整体RNA结构的关联图以及丰富的RNA语义信息，能够更准确地捕捉结构层面的细微变化 | NA | 解决预测RNA与小分子结合位点的复杂挑战，探索RNA药物靶点的潜在价值 | RNA与小分子配体的结合位点 | 机器学习 | NA | 深度学习算法 | NA | 结构数据 | 851个RNA与小分子配体的相互作用 | NA | NA | NA | NA |
| 231 | 2024-12-11 |
TransFOL: A Logical Query Model for Complex Relational Reasoning in Drug-Drug Interaction
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3401035
PMID:38743532
|
研究论文 | 本文提出了一种基于Cross-Transformer和图卷积网络（GCNs）的一阶逻辑查询形式的药物-药物相互作用（DDI）预测模型TransFOL | TransFOL模型通过结合Cross-Transformer和GCNs，能够处理更复杂的药物相互作用推理任务，并引入生物医学信息以增强模型的泛化能力 | NA | 旨在提高药物-药物相互作用预测的准确性和复杂性 | 药物-药物相互作用（DDI）及其相关的生物医学因素 | 机器学习 | NA | 图卷积网络（GCNs），Cross-Transformer | TransFOL | 知识图谱 | 两个基准数据集 | NA | NA | NA | NA |
| 232 | 2024-12-10 |
An Attention-Based Hemispheric Relation Inference Network for Perinatal Brain Age Prediction
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3411620
PMID:38857141
|
研究论文 | 提出了一种基于注意力机制的半球关系推理网络（HRINet），用于预测围产期婴儿的大脑年龄 | 利用大脑结构侧化的自然特性，通过图注意力机制捕捉半球间关系，并传递侧化信息作为特征，描述双侧半球之间的交互发育 | NA | 评估大脑状态，如异常发育和老化 | 围产期婴儿的大脑年龄 | 计算机视觉 | NA | 图注意力机制 | HRINet | 图像 | 531名早产和足月新生儿 | NA | NA | NA | NA |
| 233 | 2024-12-10 |
Multi-View Fusion Network-Based Gesture Recognition Using sEMG Data
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3287979
PMID:37339021
|
研究论文 | 本文提出了一种基于多视图融合网络的手势识别方法，使用表面肌电图（sEMG）数据进行手势分类 | 提出了一个新颖的IMSE（Inception-MaxPooling-Squeeze-Excitation）网络模块，用于减少深度学习过程中特征信息的损失，并构建了多特征编码器以丰富稀疏sEMG特征图的信息 | 本文未提及具体的局限性 | 研究如何通过多视图融合网络减少稀疏sEMG特征信息损失，并提高手势识别的分类性能 | 表面肌电图（sEMG）信号及其在手势识别中的应用 | 机器学习 | NA | 表面肌电图（sEMG） | 多视图融合网络 | 信号 | 在NinaPro DB1数据集中，使用300ms时间窗口获取的特征图进行手势动作分类，平均准确率达到93.96%，个体动作识别率的最大变化范围小于11.2% | NA | NA | NA | NA |
| 234 | 2024-12-10 |
DCNNLFS: A Dilated Convolutional Neural Network With Late Fusion Strategy for Intelligent Classification of Gastric Histopathology Images
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3334709
PMID:37983160
|
研究论文 | 本文设计了一种带有后期融合策略的扩张卷积神经网络（DCNNLFS）用于胃病理图像的智能分类 | 引入扩张卷积和后期融合策略，增强了模型对细节的感知和分类能力 | 未提及 | 提高胃病理图像分类的准确性和细节感知能力 | 胃病理图像 | 计算机视觉 | 胃癌 | 扩张卷积 | CNN | 图像 | 未提及具体数量，但提到了一个胃病理图像数据集 | NA | NA | NA | NA |
| 235 | 2024-12-10 |
Polygonal Approximation Learning for Convex Object Segmentation in Biomedical Images With Bounding Box Supervision
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3341699
PMID:38090818
|
研究论文 | 本文提出了一种名为多边形近似学习（PAL）的新方法，用于在仅使用边界框监督的情况下进行生物医学图像中凸物体的实例分割 | PAL方法利用检测模型中已有的信息，通过边界框的交集近似生成凸包，从而实现分割，无需精细标注 | PAL方法在非凸物体实例分割任务中表现出色，但未详细讨论其在其他复杂场景中的应用 | 减少深度学习在生物医学图像分割中对精细标注数据的依赖 | 生物医学图像中的凸物体实例分割 | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 236 | 2024-12-10 |
Precision and Robust Models on Healthcare Institution Federated Learning for Predicting HCC on Portal Venous CT Images
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3400599
PMID:38739503
|
研究论文 | 本研究提出了一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的创新策略 | 引入了一种结合二维和三维深度学习模型的联邦学习框架，显著提高了肝癌和肿瘤区域的分割效率和准确性 | 未来研究将集中在改进联邦学习算法及其在AI系统操作中的持续集成和部署过程 | 开发一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的方法 | 肝癌和肿瘤区域的精确分割 | 计算机视觉 | 肝癌 | 联邦学习 | Hybrid-ResUNet | CT图像 | 131个CT扫描 | NA | NA | NA | NA |
| 237 | 2024-12-10 |
Non-Contact Blood Pressure Estimation From Radar Signals by a Stacked Deformable Convolution Network
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3400961
PMID:38743528
|
研究论文 | 本文介绍了一种基于雷达信号的无接触血压监测方法，结合了传统的雷达信号处理和创新的深度学习架构 | 提出了基于雷达信号的堆叠可变形卷积网络（RSD-Net），通过结合通道和空间自注意力机制，增强了雷达信号的特征提取能力 | NA | 开发一种无接触的连续血压监测方法 | 健康个体的血压 | 机器学习 | NA | 雷达信号处理 | 堆叠可变形卷积网络（RSD-Net） | 雷达信号 | 30名健康个体 | NA | NA | NA | NA |
| 238 | 2024-12-10 |
Segmentation Guided Crossing Dual Decoding Generative Adversarial Network for Synthesizing Contrast-Enhanced Computed Tomography Images
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3403199
PMID:38768004
|
研究论文 | 提出了一种新的生成对抗网络模型SGCDD-GAN，用于从非增强CT图像合成增强CT图像 | 引入了一个交叉双解码生成器，包括注意力解码器和改进的变换解码器，并通过交叉技术增强彼此的能力，同时采用多任务学习策略引导生成器更多关注病变区域 | 未提及 | 提高从非增强CT图像合成增强CT图像的准确性，减轻患者使用对比剂的负担 | 合成增强CT图像以诊断肝脏病变 | 计算机视觉 | 肝脏病变 | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 使用了一个内部增强CT数据集进行测试 | NA | NA | NA | NA |
| 239 | 2024-12-10 |
Attention-Based MultiOffset Deep Learning Reconstruction of Chemical Exchange Saturation Transfer (AMO-CEST) MRI
2024-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3404225
PMID:38776205
|
研究论文 | 提出了一种基于注意力机制的多偏移深度学习重建网络（AMO-CEST），用于加速化学交换饱和转移（CEST）磁共振成像（MRI）的采集 | 引入了注意力机制和多径向k空间采样策略，结合扩张卷积和数据一致性模块，提高了CEST-MRI图像的质量和重建效率 | NA | 加速CEST-MRI的采集并保持图像质量 | 小鼠脑部数据集中的5760张CEST图像 | 计算机视觉 | NA | MRI | 深度学习网络 | 图像 | 5760张CEST图像 | NA | NA | NA | NA |
| 240 | 2024-12-09 |
Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis
2024-Aug-09, ArXiv
PMID:39148930
|
研究论文 | 本文提出了一种数据自适应不确定性引导的时空分析方法，用于提高多中心心肌灌注MRI数据集的深度学习分割算法的鲁棒性 | 本文提出了一种数据自适应不确定性引导的时空分析方法（DAUGS），通过使用时空滑动补丁分析和不确定性映射，自动选择最佳分割结果，从而提高多中心数据集的鲁棒性 | NA | 开发一种能够分析多中心数据集的深度学习技术，尽管训练数据有限且软件和硬件存在差异 | 心肌灌注MRI数据集 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net | 图像 | 150名受试者，21,150张首次通过图像 | NA | NA | NA | NA |