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 32373 篇文献，本页显示第 23121 - 23140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23121 | 2024-10-09 |
Deep Learning-Based Detection of Impacted Teeth on Panoramic Radiographs
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241288319
PMID:39372969
|
研究论文 | 本文通过改进预训练的MedSAM模型，实现了全景X光片中阻生牙的检测 | 本文对SAM模型进行了改进，通过聚焦牙齿中心来提高阻生牙检测的准确性 | 模型的准确性和选择仍有待进一步提高 | 通过改进模型提高阻生牙在X光片中的检测准确性，辅助牙科诊断 | 阻生牙的检测 | 计算机视觉 | NA | 深度学习 | MedSAM | 图像 | 1016张X光片，分为训练集、验证集和测试集，比例为16:3:1 | NA | NA | NA | NA |
| 23122 | 2024-10-09 |
DeepPBS: Geometric deep learning for interpretable prediction of protein-DNA binding specificity
2023-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.15.571942
PMID:38293168
|
研究论文 | 本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性 | DeepPBS模型能够基于蛋白质-DNA结构预测跨蛋白质家族的结合特异性，并提供可解释的蛋白质重原子级别的重要性评分 | NA | 开发一种可解释的深度学习模型，用于预测蛋白质-DNA结合特异性，并指导实验选择和复杂设计 | 蛋白质-DNA结合特异性 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 蛋白质-DNA结构 | NA | NA | NA | NA | NA |
| 23123 | 2024-10-09 |
Large-scale annotation dataset for fetal head biometry in ultrasound images
2023-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.109708
PMID:38020431
|
数据集 | 本文介绍了一个大规模的胎儿头部超声图像标注数据集 | 该数据集提供了多种格式的兼容性，适用于多种计算机视觉任务，并经过严格的验证过程 | NA | 为医学影像和计算机视觉领域的研究提供一个高质量的标注数据集 | 胎儿头部超声图像及其解剖区域的标注 | 计算机视觉 | NA | NA | NA | 图像 | 3832张高分辨率超声图像 | NA | NA | NA | NA |
| 23124 | 2024-10-09 |
Multi-class deep learning architecture for classifying lung diseases from chest X-Ray and CT images
2023-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-46147-3
PMID:37938631
|
研究论文 | 本文提出了一种用于从胸部X光和CT图像中分类多种肺部疾病的自动化系统 | 本文提出了一种新的图像增强算法，使用k-符号Lerch超越函数模型，并结合定制的卷积神经网络（CNN）和两个预训练的深度学习模型（AlexNet和VGG16Net）进行图像分类 | NA | 开发一种自动化的系统，用于从胸部X光和CT图像中检测多种肺部疾病 | 胸部X光和CT图像中的肺部疾病 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | CNN | 图像 | 公开可用的图像数据集（CT和X光图像数据集） | NA | NA | NA | NA |
| 23125 | 2024-10-09 |
Identification of hybrids between the Japanese giant salamander (Andrias japonicus) and Chinese giant salamander (Andrias cf. davidianus) using deep learning and smartphone images
2023-Nov, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.10698
PMID:37953985
|
研究论文 | 本研究利用深度学习和智能手机图像识别日本大鲵和中国大鲵的杂交个体 | 首次采用EfficientNetV2模型和智能手机图像进行杂交个体的识别 | 样本数量有限，仅包括11个日本大鲵和20个杂交个体的图像 | 开发一种基于深度学习的方法，用于识别日本大鲵和中国大鲵的杂交个体，以保护生物多样性 | 日本大鲵和中国大鲵的杂交个体 | 计算机视觉 | NA | 深度学习 | EfficientNetV2 | 图像 | 11个日本大鲵和20个杂交个体的图像 | NA | NA | NA | NA |
| 23126 | 2024-10-09 |
Super-resolution segmentation network for inner-ear tissue segmentation
2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-44689-4_2
PMID:38560492
|
研究论文 | 本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割 | 本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异 | NA | 研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息 | 内耳组织 | 计算机视觉 | NA | 深度学习 | 超分辨率分割网络 | 图像 | NA | NA | NA | NA | NA |
| 23127 | 2024-10-09 |
Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis
2023-04-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性 | 首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积 | 这是一项横断面研究，无法确定因果关系 | 评估ePVSs的风险因素及其在全脑范围内的临床重要性 | 扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系 | NA | NA | 磁共振成像（MRI） | 深度学习算法 | 图像 | 1026名参与者 | NA | NA | NA | NA |
| 23128 | 2024-10-09 |
Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI
2023-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2023.100162
PMID:37035520
|
研究论文 | 研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化 | 研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响 | 研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素 | 旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率 | 研究对象为脑MRI图像中的扩大血管周围间隙（ePVS） | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 23129 | 2024-10-09 |
Predictive Diagnostic Approach to Dementia and Dementia Subtypes Using Wireless and Mobile Electroencephalography: A Pilot Study
2022-Mar, Bioelectricity
IF:1.6Q4
DOI:10.1089/bioe.2021.0030
PMID:39372226
|
研究论文 | 本研究探讨了使用无线和移动脑电图（wmEEG）对痴呆及其亚型进行预测性诊断的可行性 | 首次使用无线和移动脑电图技术对痴呆及其亚型进行预测性诊断，并展示了其在不同任务下的分类准确性 | 本研究为初步研究，样本量较小，需要进一步验证和扩大样本以提高结果的普适性 | 开发一种用于老年人群轻度认知障碍筛查的方法，并基于此方法早期干预痴呆的进展 | 痴呆患者及其亚型与非痴呆对照组 | 神经科学 | 老年疾病 | 无线和移动脑电图（wmEEG） | 深度学习 | 脑电图数据 | 101名痴呆患者和非痴呆对照组 | NA | NA | NA | NA |
| 23130 | 2024-10-09 |
Enhancing deep-learning training for phase identification in powder X-ray diffractograms
2021-May-01, IUCrJ
IF:2.9Q3
DOI:10.1107/S2052252521002402
PMID:33953927
|
研究论文 | 本文提出了一种生成合成粉末X射线衍射图谱的方法，用于增强深度学习模型在相位识别任务中的训练 | 开发了一种生成合成XRD扫描图谱的框架，模拟真实测量中的典型效应，用于训练机器或深度学习模型 | 需要数千个训练样本才能使模型达到可靠性能，但可用样本不足 | 提高深度学习模型在粉末X射线衍射图谱相位识别任务中的性能 | 铁矿石和水泥化合物 | 机器学习 | NA | 粉末X射线衍射（XRD） | 卷积神经网络（CNN） | 衍射图谱 | 数千个合成XRD扫描图谱 | NA | NA | NA | NA |
| 23131 | 2024-10-09 |
Machine learning and deep learning to predict mortality in patients with spontaneous coronary artery dissection
2021-04-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-88172-0
PMID:33903608
|
研究论文 | 本文探讨了机器学习和深度学习技术在预测自发性冠状动脉夹层患者住院期间死亡率中的应用 | 首次应用深度神经网络模型从电子健康记录中提取信息，预测自发性冠状动脉夹层患者的住院死亡率，并展示了该模型在预测准确性和区分能力上优于传统的机器学习模型 | 研究样本量较小，且仅限于一个城市健康系统的数据，可能影响模型的普适性 | 探索机器学习和深度学习技术在预测自发性冠状动脉夹层患者死亡率中的应用价值 | 自发性冠状动脉夹层患者 | 机器学习 | 心血管疾病 | 机器学习 (ML) 和深度学习 (DL) | 深度神经网络 | 电子健康记录 (EHR) | 375名自发性冠状动脉夹层患者 | NA | NA | NA | NA |
| 23132 | 2024-10-09 |
SMORE: A Self-Supervised Anti-Aliasing and Super-Resolution Algorithm for MRI Using Deep Learning
2021-03, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2020.3037187
PMID:33170776
|
研究论文 | 本文提出了一种基于卷积神经网络的自监督抗锯齿和超分辨率算法SMORE，用于提高MRI图像的质量 | 该方法无需外部训练数据，利用图像本身的高分辨率和低分辨率数据进行自监督训练 | NA | 提高MRI图像的分辨率和减少锯齿伪影 | MRI图像 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 广泛收集的MRI数据，包括滤波和下采样的图像以及实际采集的低分辨率图像 | NA | NA | NA | NA |
| 23133 | 2024-10-09 |
Deep Neural Networks Offer Morphologic Classification and Diagnosis of Bacterial Vaginosis
2021-01-21, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/JCM.02236-20
PMID:33148709
|
研究论文 | 本文开发并优化了一种卷积神经网络（CNN）模型，用于自动识别和分类显微镜图像中的Nugent评分，以诊断细菌性阴道病 | 本文首次使用深度学习模型进行细菌性阴道病的形态学分类和诊断，模型在准确性和稳定性上优于人类医疗从业者 | 本文未详细讨论模型的泛化能力在不同医院或不同设备上的表现 | 开发一种自动化的方法来诊断细菌性阴道病，以替代传统的人工诊断方法 | 细菌性阴道病的诊断和分类 | 计算机视觉 | 妇科疾病 | 卷积神经网络（CNN） | CNN | 图像 | 验证图像5,815张，独立测试图像1,082张 | NA | NA | NA | NA |
| 23134 | 2024-10-09 |
Prediction of COVID-19 with Computed Tomography Images using Hybrid Learning Techniques
2021, Disease markers
DOI:10.1155/2021/5522729
PMID:33968281
|
研究论文 | 本文使用混合学习模型对COVID-19、社区获得性肺炎（CAP）和正常CT图像进行分类 | 提出了一种混合学习模型，相比其他机器学习和深度学习分类器，在COVID-19分类中表现更优 | 未提及具体限制 | 提高COVID-19早期诊断的准确性 | COVID-19、社区获得性肺炎（CAP）和正常CT图像 | 计算机视觉 | COVID-19 | 混合学习技术 | 混合学习模型 | CT图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 23135 | 2024-10-09 |
Deep learning-based medical image segmentation with limited labels
2020-11-20, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abc363
PMID:33086205
|
研究论文 | 本文提出了一种基于深度学习的医学图像分割方法，利用变形图像配准技术生成伪轮廓，以减少对大量标注数据的依赖 | 本文创新性地使用变形图像配准技术生成伪轮廓，结合少量标注数据训练深度学习模型，提高了在有限标注数据情况下的分割精度 | 本文仅在特定数据集上进行了验证，尚未在更广泛的数据集上进行测试 | 研究如何在有限标注数据的情况下，利用深度学习技术实现准确的医学图像分割 | 本文主要研究了下颌骨、腮腺和下颌下腺的分割 | 计算机视觉 | NA | 变形图像配准 | 深度学习模型 | 医学图像 | 10个标注的TCIA数据集和50个未标注的CT扫描图像 | NA | NA | NA | NA |
| 23136 | 2024-10-09 |
Role of intelligent computing in COVID-19 prognosis: A state-of-the-art review
2020-Sep, Chaos, solitons, and fractals
DOI:10.1016/j.chaos.2020.109947
PMID:32836916
|
综述 | 本文综述了机器学习和深度学习方法在COVID-19诊断和预测中的应用 | 比较了机器学习与其他竞争方法（如数学和统计模型）在COVID-19问题上的影响 | NA | 探讨智能计算在COVID-19预后中的作用 | COVID-19的诊断和预测 | 机器学习 | COVID-19 | 机器学习、深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 23137 | 2024-10-09 |
Early triage of critically ill COVID-19 patients using deep learning
2020-07-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-17280-8
PMID:32669540
|
研究论文 | 本文展示了基于深度学习的生存模型可以预测COVID-19患者发展为重症的风险 | 开发了一种基于深度学习的生存模型，用于早期识别COVID-19患者发展为重症的风险 | NA | 早期识别COVID-19患者发展为重症的风险 | COVID-19患者 | 机器学习 | COVID-19 | 深度学习 | 生存模型 | 临床特征 | 1590名患者，来自575家医疗中心，并在武汉、湖北和广东省的三个独立队列中验证，共1393名患者 | NA | NA | NA | NA |
| 23138 | 2024-10-09 |
Efficient Pneumonia Detection in Chest Xray Images Using Deep Transfer Learning
2020-Jun-19, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics10060417
PMID:32575475
|
研究论文 | 提出了一种基于深度迁移学习的模型，用于在胸部X光图像中高效检测肺炎 | 引入了一种加权分类器，结合了多种最先进的深度学习模型（如ResNet18、Xception、InceptionV3、DenseNet121和MobileNetV3）的加权预测，以优化诊断效果 | NA | 提高肺炎诊断的准确性，辅助放射科医生的决策过程 | 胸部X光图像中的肺炎检测 | 计算机视觉 | 肺炎 | 深度迁移学习 | 加权分类器 | 图像 | 使用了来自广州妇女儿童医疗中心的肺炎数据集 | NA | NA | NA | NA |
| 23139 | 2024-10-09 |
Artificial Intelligence and COVID-19: Deep Learning Approaches for Diagnosis and Treatment
2020, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2020.3001973
PMID:34192103
|
研究论文 | 本文探讨了利用人工智能和深度学习方法来诊断和治疗COVID-19 | 本文介绍了多种深度学习方法，如生成对抗网络（GANs）、极限学习机（ELM）和长短期记忆网络（LSTM），用于构建诊断和治疗COVID-19的AI平台 | NA | 开发基于人工智能的平台，以加速COVID-19的诊断和治疗 | COVID-19的诊断和治疗 | 机器学习 | 传染病 | 深度学习 | 生成对抗网络（GANs）、极限学习机（ELM）、长短期记忆网络（LSTM） | 临床数据、医学影像 | NA | NA | NA | NA | NA |
| 23140 | 2024-10-09 |
Infer Cause of Death for Population Health Using Convolutional Neural Network
2017-Aug, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3107411.3107447
PMID:32642743
|
研究论文 | 本文利用卷积神经网络（CNN）推断人口死亡原因，以改善公共卫生报告和提高患者护理质量 | 采用数据驱动的方法分析和改进死亡报告流程，构建了先进的深度学习模型CNN，并提供了模型解释 | 模型准确率为75%，仍有提升空间 | 推断人口死亡原因，改善公共卫生报告和患者护理质量 | 人口死亡原因 | 机器学习 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 医疗数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |