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 32922 篇文献，本页显示第 26621 - 26640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26621 | 2024-09-06 |
Improved CT-based Osteoporosis Assessment with a Fully Automated Deep Learning Tool
2022-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.220042
PMID:36204542
|
研究论文 | 开发并验证了一种基于深度学习的工具，用于改进基于CT图像的骨密度评估，并与手动参考标准进行比较 | 新的深度学习工具在异质性患者群体中的成功率显著高于旧的基于特征的图像处理骨密度算法 | 在骨质疏松评估中，单切片方法与多切片方法之间存在敏感性和特异性的权衡 | 开发和验证一种改进的基于CT图像的骨密度评估工具 | 基于CT图像的骨密度评估工具的性能 | 计算机视觉 | NA | 深度学习 | 深度学习工具 | 图像 | 11035名患者（平均年龄58岁，标准差12岁；6311名女性） | NA | NA | NA | NA |
| 26622 | 2024-09-06 |
Mitigating Bias in Radiology Machine Learning: 1. Data Handling
2022-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.210290
PMID:36204544
|
研究论文 | 本文探讨了在放射学机器学习中数据处理阶段的偏差问题，并提出了12种次优实践及其潜在的偏差来源 | 本文提出了一个简化的框架，将机器学习数据处理分为四个步骤，并提供了代码示例来展示如何避免次优实践 | 本文使用了一个任意的简化框架，可能无法涵盖所有复杂的数据处理情况 | 减少机器学习在临床实践中应用时的偏差 | 放射学机器学习中的数据处理偏差 | 计算机视觉 | NA | 机器学习 | 卷积神经网络 (CNN) | 图像 | NA | NA | NA | NA | NA |
| 26623 | 2024-09-06 |
A deep learning-based diagnostic pattern for ultrasound breast imaging: can it reduce unnecessary biopsy?
2022-Sep, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-22-473
PMID:36221270
|
研究论文 | 本文研究了基于深度学习的超声乳腺影像诊断模式，旨在减少不必要的活检 | 本文首次探讨了深度学习模型在超声乳腺影像中的应用，特别是通过VGG-16和VGG-19模型来区分恶性与良性乳腺病变，并评估其减少不必要活检的效果 | 研究样本量相对较小，且仅限于超声影像数据，未涵盖其他类型的乳腺影像 | 探讨深度学习模型在超声乳腺影像诊断中的应用，评估其减少不必要活检的效果 | 恶性与良性乳腺病变 | 计算机视觉 | 乳腺疾病 | 深度学习 | 卷积神经网络（VGG-16和VGG-19） | 图像 | 共纳入1063例乳腺病变，其中训练集843例，验证集220例 | NA | NA | NA | NA |
| 26624 | 2024-09-06 |
Early Glaucoma Detection by Using Style Transfer to Predict Retinal Nerve Fiber Layer Thickness Distribution on the Fundus Photograph
2022-Sep, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100180
PMID:36245759
|
研究论文 | 本文开发了一种基于深度学习的算法，用于从彩色眼底照片中预测视网膜神经纤维层厚度分布，以实现早期青光眼的检测 | 本文创新性地使用变分自编码器网络架构，通过深度神经网络确定眼底照片与视网膜神经纤维层厚度分布之间的相关性，从而生成相应的合成OCT扫描图像 | 本文未详细讨论算法的泛化能力和在不同人群中的适用性 | 开发一种基于深度学习的算法，用于早期青光眼的检测 | 彩色眼底照片和视网膜神经纤维层厚度分布 | 计算机视觉 | 青光眼 | 变分自编码器网络 | 变分自编码器 | 图像 | 189名健康参与者和371名早期青光眼患者 | NA | NA | NA | NA |
| 26625 | 2024-09-06 |
Non-Linear Dimensionality Reduction With a Variational Encoder Decoder to Understand Convective Processes in Climate Models
2022-Aug, Journal of advances in modeling earth systems
IF:4.4Q1
DOI:10.1029/2022MS003130
PMID:36245669
|
研究论文 | 本文使用变分编码器-解码器结构（VED）来理解和学习气候模型中的对流过程 | VED能够将原始信息压缩到仅五个潜在节点，从而提高模型的可解释性 | NA | 研究如何通过非线性降维技术来理解和表示气候模型中的对流过程 | 气候模型中的对流过程 | 机器学习 | NA | 变分编码器-解码器结构（VED） | 变分编码器-解码器 | 模拟数据 | NA | NA | NA | NA | NA |
| 26626 | 2024-09-06 |
TL-med: A Two-stage transfer learning recognition model for medical images of COVID-19
2022 Jul-Sep, Biocybernetics and biomedical engineering
IF:5.3Q1
DOI:10.1016/j.bbe.2022.04.005
PMID:35506115
|
研究论文 | 本文提出了一种两阶段迁移学习识别模型TL-Med，用于COVID-19医学图像的识别 | 提出了基于Vision Transformer的两阶段迁移学习模型，解决了COVID-19数据不足的问题 | NA | 开发一种高效的COVID-19医学图像识别模型，以应对数据稀缺的问题 | COVID-19医学图像 | 计算机视觉 | COVID-19 | 迁移学习 | Vision Transformer (ViT) | 图像 | 使用了一个COVID-19数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 26627 | 2024-09-06 |
The state of the art for artificial intelligence in lung digital pathology
2022-07, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.5966
PMID:35579955
|
综述 | 本文综述了人工智能在肺部数字病理学中的最新进展和应用 | 探讨了人工智能工具在肺部疾病中的应用，包括肺癌、结核病、特发性肺纤维化和COVID-19等，并介绍了新兴应用如多模态数据分析和3D病理学 | 讨论了基于数字病理学的人工智能工具面临的挑战，如监管批准、开发报销模型、临床部署和解决AI偏见 | 探讨人工智能在肺部数字病理学中的应用和未来发展 | 肺部疾病，包括肺癌、结核病、特发性肺纤维化和COVID-19等 | 数字病理学 | 肺部疾病 | 人工智能 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 26628 | 2024-09-06 |
A Deep Learning Approach for Quantifying Vocal Fold Dynamics During Connected Speech Using Laryngeal High-Speed Videoendoscopy
2022-06-08, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2022_JSLHR-21-00540
PMID:35605603
|
研究论文 | 本文提出了一种基于深度学习的方案，用于在连接语音期间使用喉部高速视频内窥镜量化声带动力学，并自动分割声门区域 | 本文引入了一种自动化的深度学习方案，用于在连接语音期间准确分割声门区域，即使在复杂的非平稳发声事件和声带不振动的情况下也能克服先前混合方法的局限性 | NA | 开发一种自动化的深度学习方法，用于在连接语音期间准确分割声门区域，以评估声带振动特性 | 声带动力学和声门区域分割 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 视频 | 一名语音健康的参与者 | NA | NA | NA | NA |
| 26629 | 2024-09-06 |
A Deep Learning Network for Classifying Arteries and Veins in Montaged Widefield OCT Angiograms
2022-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100149
PMID:36278031
|
研究论文 | 提出了一种基于深度学习的方法，用于在拼接的广域OCT血管造影中区分动脉和静脉 | 提出了一个卷积神经网络（CAVnet）来分类视网膜血管，并能够识别动脉和静脉的交点 | NA | 开发一种能够准确区分动脉和静脉的深度学习方法 | 视网膜血管的分类和测量 | 计算机视觉 | 糖尿病视网膜病变 | 卷积神经网络 | CNN | 图像 | 232名参与者，包括88只眼睛用于训练，144只眼睛用于测试 | NA | NA | NA | NA |
| 26630 | 2024-09-06 |
Stable Deep Neural Network Architectures for Mitochondria Segmentation on Electron Microscopy Volumes
2022-04, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-021-09556-1
PMID:34855126
|
研究论文 | 本文研究了用于电子显微镜体积中线粒体分割的稳定深度神经网络架构 | 本文遵循领域内的最佳实践，对最先进的架构进行了广泛研究，并与不同变体的U-Net模型进行了比较 | NA | 旨在解决线粒体分割任务中的可重复性和模型比较问题 | 电子显微镜体积中的线粒体 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了EPFL海马线粒体分割数据集、Lucchi++和Kasthuri++数据集 | NA | NA | NA | NA |
| 26631 | 2024-09-06 |
Implementation of artificial intelligence in upper gastrointestinal endoscopy
2022-Apr, DEN open
IF:1.4Q4
DOI:10.1002/deo2.72
PMID:35873509
|
综述 | 本文综述了人工智能在食管胃内镜中的应用现状，并提出了临床实践和未来研究的方向 | 本文展示了人工智能在早期胃癌和食管癌检测中的应用，并展示了其在临床实践中减轻医生负担的潜力 | NA | 总结人工智能在食管胃内镜中的应用现状，并提出临床实践和未来研究的方向 | 人工智能在食管胃内镜中的应用，包括早期胃癌和食管癌的检测 | 计算机视觉 | 胃癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 26632 | 2024-09-06 |
Survey of Supervised Learning for Medical Image Processing
2022, SN computer science
DOI:10.1007/s42979-022-01166-1
PMID:35602289
|
综述 | 本文综述了监督学习在医学图像处理中的关键概念和算法 | 本文总结了现有的医学数据集，并研究了最先进的监督学习架构，包括卷积神经网络（CNN）及其变体 | 监督学习需要大量标注数据集才能学习和取得良好性能，数据增强、迁移学习和dropout技术被广泛用于克服数据集不足的问题 | 帮助医学图像分析的研究人员和从业者理解监督学习技术的核心概念和算法 | 医学图像的分类、检测和分割 | 计算机视觉 | NA | 监督学习 | 卷积神经网络（CNN）、全卷积网络（FCN）、U-Net架构 | 图像 | NA | NA | NA | NA | NA |
| 26633 | 2024-09-06 |
An intelligent cyber security phishing detection system using deep learning techniques
2022, Cluster computing
DOI:10.1007/s10586-022-03604-4
PMID:35602317
|
研究论文 | 本文提出了一种基于深度学习技术的智能网络安全钓鱼检测系统 | 本文通过使用机器学习算法和数据集分割方法，提高了钓鱼邮件检测的准确性和效率 | 本文未详细讨论数据集的来源和质量，以及模型在实际应用中的泛化能力 | 开发一种更有效的钓鱼邮件检测技术，以应对日益增长的钓鱼威胁 | 钓鱼邮件及其检测技术 | 机器学习 | NA | 机器学习 | 决策树 | 文本 | 使用了三个不同的数据集进行训练和验证 | NA | NA | NA | NA |
| 26634 | 2024-09-06 |
Bike sharing usage prediction with deep learning: a survey
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07380-5
PMID:35702665
|
综述 | 本文综述了使用深度学习技术进行共享单车使用预测的最新研究 | 本文是首个专注于使用深度学习技术进行共享单车使用预测的综合性综述 | NA | 探讨共享单车使用预测的重要性及其在系统运营和管理中的应用 | 共享单车使用预测问题及其相关模型 | 机器学习 | NA | 深度学习 | RNN, CNN, 图神经网络 | 时间序列数据, 空间数据 | NA | NA | NA | NA | NA |
| 26635 | 2024-09-06 |
Explainable artificial intelligence approach in combating real-time surveillance of COVID19 pandemic from CT scan and X-ray images using ensemble model
2022, The Journal of supercomputing
IF:2.5Q2
DOI:10.1007/s11227-022-04631-z
PMID:35754515
|
研究论文 | 本文提出了一种基于深度学习和机器学习集成模型的可解释人工智能方法，用于从CT扫描和X光图像中实时监测COVID-19疫情 | 本文结合了深度学习和机器学习算法，开发了一种集成模型，用于从CT扫描和X光图像中自动检测COVID-19，并通过Grad-CAM和t-SNE解释模型的决策过程 | NA | 开发一种自动检测COVID-19的方法，以提高检测的准确性和稳定性，降低死亡率 | COVID-19患者的CT扫描和X光图像 | 计算机视觉 | COVID-19 | 深度学习和机器学习 | 集成模型（包括CNN、GNB、SVM、DT、LR、KNN、RF） | 图像 | 1646和2481张CT扫描图像 | NA | NA | NA | NA |
| 26636 | 2024-09-06 |
Real-time internet of medical things framework for early detection of Covid-19
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07582-x
PMID:35912366
|
研究论文 | 提出了一种用于Covid-19感染检测和早期预防的IoMT框架 | 首次提出了结合IoMT、Apache Spark和机器学习算法（如随机森林和梯度提升树）的实时Covid-19检测框架 | 实验结果基于模拟数据，实际应用中可能存在差异 | 开发一种实时Covid-19检测系统，以减轻医疗系统的负担 | Covid-19感染的早期检测和预防 | 机器学习 | Covid-19 | Apache Spark | 随机森林和梯度提升树 | 健康数据 | 使用了Riverbed Modeler模拟软件中的多种传感器数据 | NA | NA | NA | NA |
| 26637 | 2024-09-06 |
FAM: focal attention module for lesion segmentation of COVID-19 CT images
2022, Journal of real-time image processing
IF:2.9Q2
DOI:10.1007/s11554-022-01249-5
PMID:36091622
|
研究论文 | 提出了一种新的焦点注意力模块（FAM）用于COVID-19 CT图像的病变分割 | FAM包含通道注意模块和空间注意模块，通过中值滤波和距离变换生成粗略的空间注意力，并通过7×7卷积层进行修正，显著提高了分割精度 | NA | 提高COVID-19 CT图像病变分割的准确性 | COVID-19 CT图像的病变区域 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 使用了包含COVID-19 CT图像的公开数据集 | NA | NA | NA | NA |
| 26638 | 2024-09-06 |
A Novel COVID-19 Detection Model Based on DCGAN and Deep Transfer Learning
2022, Procedia computer science
DOI:10.1016/j.procs.2022.08.008
PMID:36120410
|
研究论文 | 本文提出了一种基于DCGAN和深度迁移学习的COVID-19检测模型，用于从X光图像中检测COVID-19 | 本文创新性地使用DCGAN生成与原始数据相似的假实例，并通过深度迁移学习提高分类器性能 | 数据增强在医疗领域有限数据的情况下可能不适用 | 生成用于神经网络训练的数据集，以从X光图像中检测COVID-19 | COVID-19的X光图像检测 | 计算机视觉 | NA | 深度卷积生成对抗网络（DCGAN） | 生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 26639 | 2024-09-06 |
Few-shot learning approach with multi-scale feature fusion and attention for plant disease recognition
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.907916
PMID:36186021
|
研究论文 | 本文提出了一种基于多尺度特征融合和注意力机制的小样本学习方法，用于植物病害识别 | 结合了多尺度特征和通道注意力机制，并提出了一组训练策略以适应不同的泛化需求 | 仅在特定数据设置下进行了实验，未涵盖所有可能的应用场景 | 解决小样本学习在植物病害识别中的应用问题 | 植物病害图像 | 计算机视觉 | 植物病害 | 小样本学习 | Meta-Baseline | 图像 | 1-shot 和 5-shot 任务分别涉及少量样本 | NA | NA | NA | NA |
| 26640 | 2024-09-06 |
Towards edge devices implementation: deep learning model with visualization for COVID-19 prediction from chest X-ray
2022, Advances in computational intelligence
DOI:10.1007/s43674-022-00044-w
PMID:36187081
|
研究论文 | 提出了一种基于深度学习的模型，用于在边缘设备上通过胸部X光图像进行COVID-19预测，并结合可视化技术 | 采用迁移学习技术对卷积神经网络进行微调，以提高COVID-19和肺炎感染的预测准确性，并在边缘设备上实现高效的推理速度 | 未提及具体的研究局限性 | 开发一种能够在边缘设备上运行的深度学习模型，用于快速准确地诊断COVID-19 | 胸部X光图像，COVID-19和肺炎感染 | 计算机视觉 | COVID-19 | 迁移学习 | 卷积神经网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |