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 32372 篇文献，本页显示第 26861 - 26880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26861 | 2024-08-30 |
Adaptive UNet-based Lung Segmentation and Ensemble Learning with CNN-based Deep Features for Automated COVID-19 Diagnosis
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-11787-y
PMID:34955679
|
研究论文 | 本文提出了一种基于自适应U-Net的肺部分割方法和基于CNN深度特征的集成学习方法，用于自动化COVID-19诊断。 | 本文引入了自适应激活函数（AAF）的U-Net进行肺部分割，并采用自适应海鞘群算法（SA-TSA）作为提升算法，以提高分割和检测性能。 | NA | 开发一种自动化COVID-19检测方法，以提高诊断的准确性和效率。 | COVID-19疾病的自动化检测。 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | U-Net, 集成学习 | 图像 | 胸部X射线图像 | NA | NA | NA | NA |
| 26862 | 2024-08-30 |
Real time deep learning framework to monitor social distancing using improved single shot detector based on overhead position
2022, Earth science informatics
IF:2.7Q2
DOI:10.1007/s12145-021-00758-4
PMID:35035588
|
研究论文 | 本文介绍了一种基于改进的单次检测器和深度学习技术的实时框架，用于通过远程传感顶视图图像自动监测社交距离 | 提出了一种新的深度学习框架，使用改进的单次检测器模型来自动识别人们是否保持社交距离 | NA | 开发一种自动监测社交距离的深度学习框架，以应对COVID-19疫情的传播 | 社交距离的自动监测 | 计算机视觉 | NA | 深度学习 | 单次检测器 | 图像 | 广泛收集的远程传感图像 | NA | NA | NA | NA |
| 26863 | 2024-08-30 |
MEDAS: an open-source platform as a service to help break the walls between medicine and informatics
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06750-9
PMID:35068703
|
研究论文 | 本文介绍了一个名为MEDAS的开源平台，旨在促进医学与信息学领域的深度学习技术在医学图像分析中的应用与合作 | MEDAS是首个为医学背景的研究人员提供深度学习工具包的开放源代码平台，同时为信息学领域的科学家和工程师提供快速建模服务 | NA | 打破医学与信息学之间的壁垒，促进两个领域的研究人员在医学图像分析中的合作 | 医学图像分析中的分割、分类、检测等任务 | 数字病理学 | NA | 深度学习 | DL相关工具包 | 图像 | 涉及肺、肝、脑、胸和病理学五个任务的验证 | NA | NA | NA | NA |
| 26864 | 2024-08-30 |
A holistic overview of deep learning approach in medical imaging
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-021-00884-5
PMID:35079207
|
综述 | 本文综述了深度学习技术在医学影像分析中的应用及其不同医学影像模态，旨在为医学领域的非专家提供深度学习概念的贡献 | 介绍了深度学习技术在医学影像分析中的多种应用，如分割、分类、检测等，并讨论了基本架构、数据增强、迁移学习和特征选择方法 | 文章提出了一些研究挑战和文献中建议的解决方案，但未具体阐述这些挑战的具体内容和解决方案的实施细节 | 旨在综述深度学习技术在医学影像分析中的最新进展，并为医学领域的非专家提供深度学习概念的贡献 | 深度学习技术及其在医学影像分析中的应用 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 26865 | 2024-08-30 |
Multithreshold Image Segmentation Technique Using Remora Optimization Algorithm for Diabetic Retinopathy Detection from Fundus Images
2022, Neural processing letters
IF:2.6Q3
DOI:10.1007/s11063-021-10734-0
PMID:35095328
|
研究论文 | 本文提出了一种使用Remora优化算法的多阈值图像分割技术，用于从眼底图像中检测糖尿病视网膜病变 | 本文引入了基于多阈值的Remora优化算法进行血管分割，并使用带有野鹅算法的区域卷积神经网络进行特征提取和分类 | NA | 旨在开发一种新的框架用于糖尿病视网膜病变的检测和分类 | 糖尿病视网膜病变及其不同阶段 | 计算机视觉 | 糖尿病视网膜病变 | 多阈值图像分割技术 | 区域卷积神经网络（R-CNN） | 图像 | 实验图像来自DRIVE数据库 | NA | NA | NA | NA |
| 26866 | 2024-08-30 |
The winter, the summer and the summer dream of artificial intelligence in law: Presidential address to the 18th International Conference on Artificial Intelligence and Law
2022, Artificial intelligence and law
IF:3.1Q1
DOI:10.1007/s10506-022-09309-8
PMID:35132296
|
演讲 | 本文是作者作为IAAIL主席在ICAIL 2021上的演讲，旨在阐述AI与法律领域的现状及未来展望 | 提出了结合自下而上的机器/深度学习与NLP方法和自上而下的法律知识表示及推理模型的方法，以促进语义网和AI系统的发展 | 提到了AI发展的技术机遇和理论限制 | 探讨AI与法律领域的历史变迁、现状及未来发展方向 | AI与法律领域的研究及其在语义网和AI系统中的应用 | 人工智能 | NA | 机器学习, 深度学习, NLP | NA | 文本 | NA | NA | NA | NA | NA |
| 26867 | 2024-08-30 |
Deep learning techniques to classify agricultural crops through UAV imagery: a review
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07104-9
PMID:35281624
|
综述 | 本文综述了使用无人机影像进行农作物分类的深度学习技术，特别是基于卷积神经网络的方法 | 融合不同无人机数据和深度学习方法已成为准确分类不同作物类型的强大工具 | NA | 帮助研究人员和农民根据其研究的作物和使用的硬件选择合适的算法 | 农作物分类 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 26868 | 2024-08-30 |
Quantifying prognosis severity of COVID-19 patients from deep learning based analysis of CT chest images
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-12214-6
PMID:35282403
|
研究论文 | 本文提出了一种基于深度学习的CT胸部图像分析技术，用于量化COVID-19患者的预后严重程度 | 使用预训练的孪生神经网络（SNN）进行COVID-19阳性患者的检测，并通过去除高度相似的图像来提高数据集的质量 | 最终的多分类问题仅获得了47%的加权平均F1分数，表明在患者优先级排序方面仍有改进空间 | 开发一种新的技术来帮助医疗人员对COVID-19患者进行严重程度评估和优先级排序 | COVID-19患者的CT胸部图像 | 计算机视觉 | COVID-19 | 孪生神经网络（SNN） | CNN | 图像 | 使用了经过医学专家标注的CT胸部扫描切片图像数据集，去除了40%的高度相似图像 | NA | NA | NA | NA |
| 26869 | 2024-08-30 |
Leverage knowledge graph and GCN for fine-grained-level clickbait detection
2022, World wide web
IF:2.7Q2
DOI:10.1007/s11280-022-01032-3
PMID:35308295
|
研究论文 | 本文提出了一种结合知识图谱、图卷积网络和图注意力网络的细粒度级标题党检测模型 | 首次尝试将知识图谱和深度学习技术结合用于标题党检测，并实现了可解释性 | 未提及具体限制 | 提高标题党检测的准确性和可解释性 | 标题党检测 | 自然语言处理 | NA | 知识图谱，图卷积网络，图注意力网络 | GCN | 文本 | 使用真实数据集进行实验 | NA | NA | NA | NA |
| 26870 | 2024-08-30 |
Deep Learning-Enabled Clinically Applicable CT Planbox for Stroke With High Accuracy and Repeatability
2022, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2022.755492
PMID:35359626
|
研究论文 | 本文介绍了一种基于深度学习的智能CT系统，用于中风患者的临床评估，具有高准确性和重复性 | 开发了一种名为CAPITAL-CT的智能CT系统，通过使用区域提议网络（RPN）和V-Net模型，实现了对中风患者的高精度自动扫描 | NA | 开发一种智能CT系统，以提高中风患者随访期间的图像标准性、准确性和重复性 | 中风患者 | 计算机视觉 | 中风 | 区域提议网络（RPN），V-Net | CNN | 图像 | 训练集包含76,382个人脸图像，另一个训练集包含295个受试者，验证集包含1,124名患者 | NA | NA | NA | NA |
| 26871 | 2024-08-30 |
Head and Neck Cancer Primary Tumor Auto Segmentation Using Model Ensembling of Deep Learning in PET/CT Images
2022, Head and neck tumor segmentation and outcome prediction : second challenge, HECKTOR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings. Head and Neck Tumor Segmentation Challenge (2nd : 2021 ...
DOI:10.1007/978-3-030-98253-9_11
PMID:35399869
|
研究论文 | 本研究开发了一系列基于3D残差Unet（ResUnet）架构的深度学习模型，用于自动分割PET/CT图像中的口咽癌原发肿瘤，并通过内部和外部验证展示了其高性能 | 采用标签融合集成方法，包括Simultaneous Truth and Performance Level Estimation（STAPLE）和基于多数投票的体素级阈值方法（AVERAGE），生成共识分割 | 未来研究应关注通道组合和标签融合策略的最佳组合，以最大化分割性能 | 提高辐射肿瘤学工作流程中口咽癌原发肿瘤的自动分割 | 口咽癌原发肿瘤的自动分割 | 计算机视觉 | 头颈癌 | 深度学习 | 3D Residual Unet（ResUnet） | 图像 | 训练集224名患者，测试集101名患者 | NA | NA | NA | NA |
| 26872 | 2024-08-30 |
Combining Tumor Segmentation Masks with PET/CT Images and Clinical Data in a Deep Learning Framework for Improved Prognostic Prediction in Head and Neck Squamous Cell Carcinoma
2022, Head and neck tumor segmentation and outcome prediction : second challenge, HECKTOR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings. Head and Neck Tumor Segmentation Challenge (2nd : 2021 ...
DOI:10.1007/978-3-030-98253-9_28
PMID:35399870
|
研究论文 | 本研究利用基于DenseNet架构的深度学习框架，结合PET图像、CT图像、原发肿瘤分割掩模和临床数据，预测头颈鳞状细胞癌患者的无进展生存期 | 本研究首次将肿瘤分割掩模作为额外的输入通道，显著提高了预测模型的C-index值 | NA | 提高头颈鳞状细胞癌患者的预后预测准确性 | 头颈鳞状细胞癌患者的无进展生存期 | 机器学习 | 头颈鳞状细胞癌 | 深度学习 | DenseNet | 图像 | 大量训练数据来自2021年HECKTOR挑战赛 | NA | NA | NA | NA |
| 26873 | 2024-08-30 |
Optimizing Graphical Procedures for Multiplicity Control in a Confirmatory Clinical Trial via Deep Learning
2022, Statistics in biopharmaceutical research
IF:1.5Q2
DOI:10.1080/19466315.2020.1799855
PMID:35401935
|
研究论文 | 本文评估了两种现有的无导数约束方法的性能，并提出了一种基于深度学习的优化框架，用于在确认性临床试验中优化图形程序以控制多重性 | 提出了一种基于前馈神经网络（FNN）的深度学习增强优化框架，该方法在保持某些测试程序特征固定的同时，优化其他特征 | NA | 优化确认性临床试验中的图形程序，以控制多重性并最大化特定目标函数 | 确认性临床试验中的多重性控制 | 机器学习 | NA | 深度学习 | 前馈神经网络（FNN） | NA | NA | NA | NA | NA | NA |
| 26874 | 2024-08-30 |
A systematic review on cough sound analysis for Covid-19 diagnosis and screening: is my cough sound COVID-19?
2022, PeerJ. Computer science
DOI:10.7717/peerj-cs.958
PMID:35634112
|
综述 | 本文综述了2020年和2021年利用人工智能工具分析咳嗽声音进行COVID-19筛查的最新研究 | 采用机器学习算法和深度学习模型分析咳嗽声音，以实现COVID-19的筛查 | 未包括预印本文章，因为它们未经同行评审 | 探讨人工智能工具在资源有限地区进行COVID-19大规模筛查的应用 | 咳嗽声音分析 | 机器学习 | COVID-19 | 机器学习 | 深度学习模型 | 声音 | NA | NA | NA | NA | NA |
| 26875 | 2024-08-30 |
Multiple Traffic Target Tracking with Spatial-Temporal Affinity Network
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/9693767
PMID:35655505
|
研究论文 | 本文提出了一种时空编码解码亲和网络用于多交通目标跟踪，旨在利用深度学习的力量学习检测和轨迹的鲁棒时空亲和特征以进行数据关联 | 该研究提出了一种新的时空编码解码亲和网络，通过两阶段变换器编码模块捕获图像级别和轨迹级别的特征，以及一个空间变换器解码模块计算关联亲和度，从而实现高效的数据关联 | NA | 利用深度学习技术改进智能交通系统中的多目标跟踪任务 | 多交通目标的跟踪 | 计算机视觉 | NA | 深度学习 | 变换器（Transformer） | 图像 | 使用了三个流行的多交通目标跟踪数据集：KITTI、UA-DETRAC和VisDrone进行评估 | NA | NA | NA | NA |
| 26876 | 2024-08-30 |
Interpretable Deep Learning Model Reveals Subsequences of Various Functions for Long Non-Coding RNA Identification
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.876721
PMID:35685437
|
研究论文 | 本文介绍了一种名为Xlnc1DCNN的工具，用于通过一维卷积神经网络区分长非编码RNA（lncRNA）和蛋白质编码转录本（PCT），并提供预测解释 | Xlnc1DCNN不仅在准确性和F1分数上优于其他现有工具，还提供了预测结果的解释，揭示了lncRNA和PCT的主要识别特征 | NA | 开发一种能够有效区分lncRNA和PCT的计算工具，并提供预测结果的解释 | 长非编码RNA（lncRNA）和蛋白质编码转录本（PCT） | 机器学习 | NA | 下一代测序技术 | 一维卷积神经网络（1DCNN） | 序列数据 | 人类测试集 | NA | NA | NA | NA |
| 26877 | 2024-08-30 |
PSegNet: Simultaneous Semantic and Instance Segmentation for Point Clouds of Plants
2022, Plant phenomics (Washington, D.C.)
DOI:10.34133/2022/9787643
PMID:35693119
|
研究论文 | 本文提出了一种名为PSegNet的深度学习网络，用于植物点云的语义和实例分割 | 引入了Voxelized Farthest Point Sampling (VFPS)点云下采样策略和三个新模块：Double-Neighborhood Feature Extraction Block (DNFEB)、Double-Granularity Feature Fusion Module (DGFFM)和Attention Module (AM) | 未提及 | 提高植物表型分析中对植物生长监测的自动化水平 | 植物的叶子和茎的3D点云 | 计算机视觉 | NA | 深度学习 | PSegNet | 点云 | 涉及三种植物物种的数据集 | NA | NA | NA | NA |
| 26878 | 2024-08-30 |
Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline
2022, Plant phenomics (Washington, D.C.)
DOI:10.34133/2022/9758532
PMID:35693120
|
研究论文 | 开发并验证了一种基于深度学习的自动化微根窗图像分析流程 | 结合了先进的软件工具，使用深度神经网络和自动特征提取，显著减少了微根窗图像的处理时间 | NA | 开发一种用于高通量图像分析的客观方法，为田间根系表型分析提供数据 | 作物根系及其在农业生态系统中的作用 | 计算机视觉 | NA | 深度神经网络 | 神经网络模型 | 图像 | 超过36,500张图像 | NA | NA | NA | NA |
| 26879 | 2024-08-30 |
Deep Learning-Based Automated Detection of Arterial Vessel Wall and Plaque on Magnetic Resonance Vessel Wall Images
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.888814
PMID:35720719
|
研究论文 | 本文开发并评估了一种基于深度学习的动脉血管壁和斑块自动分割方法，该方法有助于在磁共振血管壁成像中进行动脉形态学定量分析 | 提出的自动分割方法在分割动脉血管壁和斑块方面与手动方法具有良好的一致性，并且比传统U-Net、Attention U-Net和Inception U-Net在相同测试集上表现更好 | NA | 开发和评估一种自动分割动脉血管壁和斑块的方法，以促进动脉形态学在磁共振血管壁成像中的定量分析 | 动脉血管壁和斑块的自动分割 | 计算机视觉 | 心血管疾病 | 磁共振血管壁成像 | 卷积神经网络 | 图像 | 124名患有动脉粥样硬化斑块的患者 | NA | NA | NA | NA |
| 26880 | 2024-08-30 |
A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality
2021-Dec, International journal of imaging systems and technology
IF:3.0Q2
DOI:10.1002/ima.22627
PMID:34518739
|
研究论文 | 本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19 | 采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性 | NA | 开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播 | COVID-19、肺炎和正常胸部X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像 | NA | NA | NA | NA |