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 33008 篇文献，本页显示第 26121 - 26140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26121 | 2024-09-11 |
Artificial intelligence-driven design of fuel mixtures
2022-Sep-16, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-022-00722-3
PMID:36697675
|
研究论文 | 本文介绍了一种基于数据驱动的人工智能框架，用于设计具有定制燃烧特性的液体燃料，以提高发动机效率并降低碳排放 | 本文提出了一种新的混合操作符（MO），将混合物的隐藏向量表示为每个单一成分向量的线性组合，并将其整合到网络架构中 | NA | 开发一种能够快速设计优化发动机效率和降低排放的燃料配方的人工智能方法 | 液体燃料的燃烧特性 | 机器学习 | NA | 深度学习（DL） | 深度学习模型 | 化学成分数据 | NA | NA | NA | NA | NA |
| 26122 | 2024-09-11 |
DMDF-Net: Dual multiscale dilated fusion network for accurate segmentation of lesions related to COVID-19 in lung radiographic scans
2022-Sep-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2022.117360
PMID:35529253
|
研究论文 | 本文提出了一种名为DMDF-Net的双重多尺度扩张融合网络，用于从胸部CT图像中准确分割与COVID-19相关的病变 | 本文的创新点在于提出了双重多尺度扩张融合网络，通过在编码器和解码器模块中融合多尺度深度特征，实现了对小病变的鲁棒分割，并引入了后处理步骤中的后区域兴趣（ROI）融合，以减少假阳性并准确量化感染区域 | 本文未明确提及研究的具体局限性 | 研究目的是开发一种基于深度学习的计算机辅助诊断解决方案，用于从胸部CT图像中诊断COVID-19病变 | 研究对象是与COVID-19相关的肺部病变 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 26123 | 2024-09-11 |
Deep learning-enabled ultra-widefield retinal vessel segmentation with an automated quality-optimized angiographic phase selection tool
2022-09, Eye (London, England)
DOI:10.1038/s41433-021-01661-4
PMID:34373610
|
研究论文 | 本文展示了一种基于深度学习的超广角视网膜血管分割工具，并评估了其自动识别质量优化相位特异性图像的能力 | 本文提出了一种基于深度学习的血管分割和相位选择系统，能够显著提高超广角荧光血管造影评估的速度、一致性和客观性 | NA | 展示基于深度学习的血管分割工具的可行性，并评估其自动识别质量优化相位特异性图像的能力 | 糖尿病视网膜病变、镰状细胞视网膜病变和正常视网膜血管的超广角荧光血管造影图像 | 计算机视觉 | NA | 深度学习 | 深度学习算法 | 图像 | 共使用了13,980个超广角荧光血管造影序列，来自462个会话，用于评估性能；1578个序列来自66个会话，用于创建三次样条曲线 | NA | NA | NA | NA |
| 26124 | 2024-09-11 |
A novel fusion based convolutional neural network approach for classification of COVID-19 from chest X-ray images
2022-Aug, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2022.103778
PMID:35530169
|
研究论文 | 本文提出了一种基于融合卷积神经网络的新方法，用于从胸部X光图像中分类COVID-19 | 本文提出了COVDC-Net，一种基于深度卷积网络的分类方法，通过融合两个预训练模型MobileNetV2和VGG16，实现了更高的分类准确率 | NA | 开发一种高准确率的深度学习方法，用于从胸部X光图像中分类COVID-19 | COVID-19、正常和肺炎患者的胸部X光图像 | 计算机视觉 | 呼吸系统疾病 | 卷积神经网络 | CNN | 图像 | 涉及两个公开数据集，用于3类和4类分类任务 | NA | NA | NA | NA |
| 26125 | 2024-09-11 |
ViDMASK dataset for face mask detection with social distance measurement
2022-Jul, Displays
IF:3.7Q2
DOI:10.1016/j.displa.2022.102235
PMID:35574253
|
研究论文 | 本文提出了一种基于深度学习的口罩检测和社交距离测量模型，并引入了一个新的视频口罩检测数据集ViDMASK | 提出了一个新的视频口罩检测数据集ViDMASK，该数据集在姿态、环境、图像质量和多样化的主体特征方面具有多样性 | 由于ViDMASK数据集的复杂性和场景中人数的增加，大多数模型的性能在ViDMASK数据集上表现不佳 | 开发一种能够监测口罩佩戴和社交距离的AI系统，以应对COVID-19疫情 | 口罩检测和社交距离测量 | 计算机视觉 | NA | 深度学习 | Mask RCNN, YOLOv4, YOLOv5, YOLOR | 视频 | NA | NA | NA | NA | NA |
| 26126 | 2024-09-11 |
Joint synthesis and registration network for deformable MR-CBCT image registration for neurosurgical guidance
2022-06-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac72ef
PMID:35609586
|
研究论文 | 提出了一种基于深度学习的可变形配准方法，用于神经外科手术中MR和CBCT图像的配准 | 使用联合图像合成和配准网络（JSR）同时合成MR和CBCT图像到CT域，并在CT域进行多分辨率金字塔配准 | NA | 解决微创神经外科手术中由于脑脊液流出导致的深部脑变形问题 | MR和CBCT图像的配准 | 计算机视觉 | NA | 深度学习 | 联合图像合成和配准网络（JSR） | 图像 | 使用模拟数据集进行初步训练，并在真实临床图像上通过迁移学习进行优化 | NA | NA | NA | NA |
| 26127 | 2024-09-11 |
SMD-YOLO: An efficient and lightweight detection method for mask wearing status during the COVID-19 pandemic
2022-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2022.106888
PMID:35598435
|
研究论文 | 提出了一种基于YOLOv4-tiny的高效轻量级口罩佩戴状态检测方法，并设计了相应的监控系统 | 通过网络结构优化和K-means++聚类算法提高了检测精度，设计了改进的残差模块和交叉融合模块以有效提取小或中等大小目标的特征，并使用深度可分离卷积模块减少参数数量和提高检测效率 | NA | 开发一种高效且轻量级的口罩佩戴状态检测方法，以应对COVID-19疫情期间的口罩佩戴监控需求 | 口罩佩戴状态检测 | 计算机视觉 | NA | 深度学习 | YOLOv4-tiny | 图像 | 使用了公开的口罩数据集进行评估 | NA | NA | NA | NA |
| 26128 | 2024-09-11 |
A deep learning segmentation-classification pipeline for X-ray-based COVID-19 diagnosis
2022-Jun, Biomedical engineering advances
DOI:10.1016/j.bea.2022.100041
PMID:35663366
|
研究论文 | 本文设计了一种基于深度学习的分割-分类流水线，用于基于X射线的COVID-19诊断 | 本文的创新点在于在深度学习模型中引入了分割模块，并结合集成分类器，以提高COVID-19诊断的准确性和敏感性 | 本文的局限性在于仅使用了公开数据集，并未涵盖所有可能的病例，且未详细讨论模型的泛化能力和实际临床应用的可行性 | 本文的研究目的是设计一种能够准确区分COVID-19与其他肺部疾病的深度学习诊断模型 | 本文的研究对象是基于胸部X射线的COVID-19诊断 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 使用了公开数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 26129 | 2024-09-11 |
FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI
2022-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2022.118933
PMID:35122967
|
研究论文 | 本文介绍了一种名为FastSurferVINN的神经网络模型，用于在高分辨率脑部MRI图像上进行分辨率无关的分割任务 | 首次提出了一种支持0.7-1.0毫米全脑分割的分辨率无关神经网络（VINN），并显著优于现有方法 | NA | 开发一种能够在不同分辨率下进行脑部MRI图像分割的深度学习方法 | 高分辨率脑部MRI图像的分割 | 计算机视觉 | NA | 深度学习 | 神经网络（VINN） | 图像 | NA | NA | NA | NA | NA |
| 26130 | 2024-09-11 |
INASNET: Automatic identification of coronavirus disease (COVID-19) based on chest X-ray using deep neural network
2022-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2022.02.033
PMID:35300854
|
研究论文 | 本文提出了一种基于深度神经网络的系统，用于通过胸部X光片自动识别COVID-19感染 | 本文提出了一种名为INASNET的新模型，结合了InceptionNet和神经网络架构搜索，以实现更高的预测速度和准确性 | NA | 开发一种经济实惠且高效的COVID-19检测方法，帮助医生和医疗工作者快速识别感染者 | COVID-19感染的胸部X光片图像 | 计算机视觉 | COVID-19 | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 26131 | 2024-09-11 |
SAM: Self-augmentation mechanism for COVID-19 detection using chest X-ray images
2022-Apr-06, Knowledge-based systems
IF:7.2Q1
DOI:10.1016/j.knosys.2022.108207
PMID:35068707
|
研究论文 | 本文提出了一种自增强机制，用于通过胸部X光图像检测COVID-19感染 | 本文的创新点在于提出了一种在特征空间而非数据空间进行数据增强的自增强机制，并结合了深度卷积神经网络和双向LSTM进行分类 | 本文的局限性在于依赖于公开数据集中的胸部X光图像，这些图像的数量和代表性可能有限 | 本文的研究目的是提高COVID-19检测的准确性和速度 | 本文的研究对象是COVID-19感染的胸部X光图像 | 计算机视觉 | COVID-19 | 重建独立成分分析 (RICA) | 卷积神经网络 (CNN) 和双向LSTM (BiLSTM) | 图像 | 使用了三个公开数据库进行实验 | NA | NA | NA | NA |
| 26132 | 2024-09-11 |
A comprehensive survey and deep learning-based approach for human recognition using ear biometric
2022, The Visual computer
DOI:10.1007/s00371-021-02119-0
PMID:33907343
|
综述 | 本文综述了基于耳部生物特征的人类识别系统，并提出了一种基于深度学习的方法 | 引入了新的数据库NITJEW用于无约束环境下的耳部检测和识别，并使用改进的深度学习模型Faster-RCNN和VGG-19进行耳部检测和识别任务 | 在无约束环境下，图像面临多种挑战，识别难度较大 | 综述耳部生物特征识别技术，并提出一种新的深度学习方法以提高识别性能 | 耳部生物特征识别系统及其在无约束环境下的应用 | 计算机视觉 | NA | 深度学习 | Faster-RCNN, VGG-19 | 图像 | 使用了六个现有流行数据库和一个新引入的数据库NITJEW进行基准比较评估 | NA | NA | NA | NA |
| 26133 | 2024-09-11 |
COVID-view: Diagnosis of COVID-19 using Chest CT
2022-01, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2021.3114851
PMID:34587075
|
研究论文 | 本文介绍了一种名为COVID-view的可视化应用程序，专门为放射科医生设计，用于从胸部CT数据中诊断COVID-19 | COVID-view结合了传统的2D工作流程和新的2D及3D可视化技术，并支持深度学习，提供更全面的诊断。此外，系统还包含一种新颖的深度学习模型，用于分类患者是否为COVID-19阳性或阴性，并提供注意力热图作为模型输出的可解释性支持 | NA | 开发一种支持放射科医生通过胸部CT数据诊断COVID-19的综合可视化系统 | COVID-19的胸部CT数据 | 计算机视觉 | COVID-19 | 深度学习 | 深度学习模型 | 图像 | 涉及真实世界患者数据的案例研究 | NA | NA | NA | NA |
| 26134 | 2024-09-11 |
A novel machine learning scheme for face mask detection using pretrained convolutional neural network
2022, Materials today. Proceedings
DOI:10.1016/j.matpr.2022.01.165
PMID:35079578
|
研究论文 | 本文提出了一种使用预训练卷积神经网络进行口罩检测的新型机器学习方案 | 利用预训练的VGG16模型，仅训练最后一层全连接层，减少了训练时间和工作量，并通过数据增强提高了小数据集的准确性 | NA | 开发一种高效的口罩检测系统，以应对COVID-19疫情 | 口罩检测 | 计算机视觉 | NA | 卷积神经网络 | VGG16 | 图像 | 两个数据集，分别包含1484张和7200张图片 | NA | NA | NA | NA |
| 26135 | 2024-09-11 |
On the Acceptance of "Fake" Histopathology: A Study on Frozen Sections Optimized with Deep Learning
2022, Journal of pathology informatics
DOI:10.4103/jpi.jpi_53_21
PMID:35136673
|
研究论文 | 研究使用深度学习优化冷冻切片图像，以提高其诊断准确性 | 利用生成对抗网络将冷冻切片图像转换为虚拟石蜡切片图像，以提高诊断质量 | 专家对转换图像的评估存在较大的个人偏好差异 | 探讨深度学习技术在优化冷冻切片图像质量中的应用 | 冷冻切片和石蜡切片的图像转换 | 数字病理学 | NA | 生成对抗网络 | 生成对抗网络 | 图像 | 40个冷冻切片和40个石蜡切片用于训练和评估 | NA | NA | NA | NA |
| 26136 | 2024-09-11 |
Outcome and Biomarker Supervised Deep Learning for Survival Prediction in Two Multicenter Breast Cancer Series
2022, Journal of pathology informatics
DOI:10.4103/jpi.jpi_29_21
PMID:35136676
|
研究论文 | 本文开发并评估了一种结合深度学习和专家知识的联合结果和生物标志物监督的多任务深度学习模型，用于预测芬兰两个多中心乳腺癌系列中的患者生存率 | 本文的创新点在于结合深度学习和专家知识，提供更准确、稳健和综合的乳腺癌结果预测 | NA | 预测乳腺癌患者的临床结果，指导疾病诊断、治疗和患者咨询 | 芬兰两个多中心乳腺癌系列中的693名和674名患者 | 数字病理学 | 乳腺癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 693名患者（FinProg系列）和674名患者（FinHer系列） | NA | NA | NA | NA |
| 26137 | 2024-09-11 |
Deep learning based topic and sentiment analysis: COVID19 information seeking on social media
2022, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-00917-5
PMID:35911483
|
研究论文 | 本研究分析了澳大利亚与COVID19相关的时空推特数据集，通过主题建模和情感检测等方法，探讨了疫情爆发期间公众讨论的变化 | 利用深度学习技术进行主题和情感分析，结合时空数据，提供了对疫情和公众情绪的深入理解 | 研究仅限于澳大利亚的推特数据，可能无法全面反映全球情况 | 通过分析社交媒体数据，了解COVID19疫情期间公众的信息需求和情感变化 | 澳大利亚与COVID19相关的推特数据 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 澳大利亚的时空推特数据集 | NA | NA | NA | NA |
| 26138 | 2024-09-11 |
Applications of machine learning for COVID-19 misinformation: a systematic review
2022, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-00921-9
PMID:35919516
|
综述 | 本文系统回顾了使用机器学习和深度学习技术检测COVID-19虚假信息的研究 | 本文系统性地评估和综合了现有的使用不同机器学习和深度学习技术检测COVID-19虚假信息的研究 | 本文讨论了使用机器学习技术检测COVID-19虚假信息面临的挑战和局限性 | 系统回顾、评估和综合使用机器学习和深度学习技术检测COVID-19虚假信息的研究 | COVID-19虚假信息检测 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | 文本 | 43篇符合纳入标准的研究论文 | NA | NA | NA | NA |
| 26139 | 2024-09-11 |
Evolution of research trends in artificial intelligence for breast cancer diagnosis and prognosis over the past two decades: A bibliometric analysis
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.854927
PMID:36267967
|
综述 | 本文通过文献计量分析，综述了过去二十年人工智能在乳腺癌诊断和预后研究中的发展趋势 | 本文首次通过文献计量分析方法，全面概述了人工智能在乳腺癌诊断和预后研究中的发展历程 | 本文主要依赖于文献计量分析，可能忽略了某些未被广泛引用的创新研究 | 旨在通过文献计量分析，全面了解人工智能在乳腺癌诊断和预后研究中的发展趋势 | 人工智能在乳腺癌诊断和预后研究中的应用 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文本 | 2000年至2021年间发表的相关研究文章 | NA | NA | NA | NA |
| 26140 | 2024-09-11 |
A Frobenius Norm Regularization Method for Convolutional Kernel Tensors in Neural Networks
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/3277730
PMID:36579174
|
研究论文 | 本文提出了一种新的Frobenius范数正则化方法，用于卷积核张量，以使相应变换矩阵的奇异值在训练过程中保持在1附近 | 提出了一种新的Frobenius范数惩罚函数，用于卷积核张量，以解决梯度爆炸/消失问题并提高神经网络的泛化能力 | NA | 研究如何通过正则化方法提高卷积神经网络的性能 | 卷积神经网络中的卷积核张量 | 机器学习 | NA | NA | 卷积神经网络 (CNN) | NA | NA | NA | NA | NA | NA |