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 26881 - 26900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26881 | 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 |
| 26882 | 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 |
| 26883 | 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 |
| 26884 | 2024-08-30 |
Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions
2021-Oct-26, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06636-w
PMID:34720443
|
研究论文 | 本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割 | 引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征 | 未提及 | 开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断 | COVID-19受影响区域的分割和病变定位 | 计算机视觉 | COVID-19 | 深度学习 | CNN | CT图像 | 基准CT数据集 | NA | NA | NA | NA |
| 26885 | 2024-08-30 |
Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements
2021-09-14, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2021_JSLHR-21-00134
PMID:34428093
|
研究论文 | 本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力 | 本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注 | 研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较 | 比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性 | 神经退行性疾病患者和健康成年人的吞咽功能 | 数字病理学 | 神经退行性疾病 | 高分辨率颈听诊（HRCA） | 深度学习机器学习算法 | 信号 | 170名神经退行性疾病患者和171名健康成年人的吞咽样本 | NA | NA | NA | NA |
| 26886 | 2024-08-30 |
Examining embedded apparatuses of AI in Facebook and TikTok
2021-Sep-12, AI & society
IF:2.9Q2
DOI:10.1007/s00146-021-01270-5
PMID:34539095
|
研究论文 | 本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。 | 文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。 | 文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。 | 研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。 | 研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。 | 自然语言处理 | NA | 机器学习 (ML), 深度学习 (DL) | NA | 文本 | NA | NA | NA | NA | NA |
| 26887 | 2024-08-30 |
Machine learning for medical imaging-based COVID-19 detection and diagnosis
2021-Sep, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22504
PMID:38607786
|
综述 | 本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型 | 利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者 | 许多机器学习模块在样本量有限的数据集上取得了显著的预测结果 | 探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率 | COVID-19的检测与诊断 | 机器学习 | COVID-19 | NA | 卷积神经网络 | 图像 | 有限样本量 | NA | NA | NA | NA |
| 26888 | 2024-08-30 |
CondenseNet with exclusive lasso regularization
2021, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06222-0
PMID:34219978
|
研究论文 | 本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题 | 引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征 | NA | 提高计算效率并缓解神经网络的过拟合问题 | CondenseNet-elasso模型及其在图像分类任务中的性能 | 机器学习 | NA | group convolution | CNN | image | CIFAR10, CIFAR100和Tiny ImageNet数据集 | NA | NA | NA | NA |
| 26889 | 2024-08-30 |
Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review
2021, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06137-x
PMID:34456618
|
综述 | 本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法 | 讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战 | 未具体提及 | 探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播 | COVID-19的早期检测和诊断 | 计算机视觉 | COVID-19 | 深度学习算法 | 深度神经网络 | 图像 | 未具体提及 | NA | NA | NA | NA |
| 26890 | 2024-08-30 |
Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks
2021, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-020-01900-3
PMID:34764554
|
研究论文 | 本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法 | 采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型 | 研究使用的数据集样本有限，主要关注COVID-19阳性病例 | 开发一种更稳健和替代的COVID-19诊断技术 | COVID-19的自动诊断和肺部感染的识别 | 机器学习 | 呼吸系统疾病 | 深度学习 | NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169 | 图像 | 公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限 | NA | NA | NA | NA |
| 26891 | 2024-08-30 |
A deep learning approach to characterize 2019 coronavirus disease (COVID-19) pneumonia in chest CT images
2020-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-020-07044-9
PMID:32617690
|
研究论文 | 利用深度学习模型自动检测COVID-19患者的胸部CT图像中的异常，并与放射科住院医师的定量判断性能进行比较 | 深度学习模型在检测COVID-19肺炎方面表现出比放射科住院医师更高的敏感性和诊断效率 | NA | 开发和验证一种深度学习算法，用于自动检测COVID-19患者的胸部CT图像中的肺炎病变 | COVID-19患者的胸部CT图像 | 计算机视觉 | COVID-19 | 深度学习 | 深度学习算法 | 图像 | 14,435名参与者的胸部CT图像用于训练和验证，96名确诊COVID-19患者的非重叠数据集用于测试 | NA | NA | NA | NA |
| 26892 | 2024-08-29 |
Osteoporotic vertebral compression fracture (OVCF) detection using artificial neural networks model based on the AO spine-DGOU osteoporotic fracture classification system
2024-Sep, North American Spine Society journal
DOI:10.1016/j.xnsj.2024.100515
PMID:39188670
|
研究论文 | 本文评估了基于AO脊柱-DGOU骨质疏松性骨折分类系统的人工神经网络模型在骨质疏松性椎体压缩骨折（OVCF）检测中的潜力。 | 利用深度学习的人工神经网络模型快速自动识别和可视化OVCF。 | NA | 评估人工神经网络在OVCF检测中的潜力。 | 骨质疏松性椎体压缩骨折（OVCF）的检测、分类和分级。 | 机器学习 | 骨质疏松症 | 深度学习 | ANN | CT图像 | 训练数据集包含934张CT图像，测试数据集包含116张CT图像。 | NA | NA | NA | NA |
| 26893 | 2024-08-29 |
The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography
2024-Aug-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae081
PMID:38525588
|
研究论文 | 本研究旨在验证通过低剂量计算机断层扫描（LDCT）自动和视觉评分冠状动脉钙化（CAC）的准确性，并评估在[15O]-水正电子发射断层扫描（PET）心肌灌注成像（MPI）期间获取的LDCT扫描对主要不良心脏事件（MACE）预测的附加价值 | 本研究首次评估了在[15O]-水PET MPI期间获取的LDCT扫描对CAC评分的附加价值，并使用深度学习方法进行自动评分 | 风险组分类的一致性仅为中等，且样本量相对较小 | 验证LDCT扫描中CAC评分的准确性并评估其对MACE预测的附加价值 | 572名疑似冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 低剂量计算机断层扫描（LDCT） | 深度学习 | 图像 | 572名患者 | NA | NA | NA | NA |
| 26894 | 2024-08-29 |
Preliminary Evaluation of Fine-Tuning the OpenDeLD Deidentification Pipeline Across Multi-Center Corpora
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240515
PMID:39176896
|
研究论文 | 本研究评估了OpenDeID去标识化管道在多中心语料库中的微调效果，以提高电子健康记录（EHR）二次使用中的患者隐私保护 | 采用混合去标识化策略，结合深度学习和上下文规则，提高了EHR数据中敏感信息的保护能力 | NA | 评估和增强电子健康记录二次使用中的患者隐私保护 | OpenDeID去标识化管道在不同语料库中的性能 | 自然语言处理 | NA | 深度学习 | BioBERT | 文本 | 4,038份报告 | NA | NA | NA | NA |
| 26895 | 2024-08-29 |
Deep learning assisted segmentation of the lumbar intervertebral disc: a systematic review and meta-analysis
2024-Aug-21, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05002-5
PMID:39169382
|
meta-analysis | 本研究旨在评估深度学习技术在磁共振图像中腰椎间盘分割的性能并探索改进策略 | 本研究通过系统评价和荟萃分析方法，综合评估了深度学习模型在腰椎间盘分割中的表现 | 由于纳入研究在算法框架和结果报告上的异质性，结论应谨慎解释 | 评估深度学习技术在腰椎间盘分割中的性能并探索改进策略 | 腰椎间盘分割 | machine learning | NA | deep learning | NA | image | 45项研究被纳入系统评价，其中16项提供了完整的分割性能数据 | NA | NA | NA | NA |
| 26896 | 2024-08-29 |
Deep learning-enhanced R-loop prediction provides mechanistic implications for repeat expansion diseases
2024-Aug-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110584
PMID:39188986
|
research paper | 本文介绍了DeepER，一种基于深度学习的R-loop预测工具，用于研究人类R-loop的形成及其在重复序列扩张疾病中的机制。 | DeepER工具在性能上优于现有工具，能够准确地进行全基因组R-loop注释，并揭示了某些串联重复序列与R-loop形成之间的强关联。 | NA | 开发和应用一种准确的计算工具来研究人类R-loop，并探索其在重复序列扩张疾病中的机制。 | R-loop的形成及其在重复序列扩张疾病中的作用。 | machine learning | NA | deep learning | deep learning model | genomic data | NA | NA | NA | NA | NA |
| 26897 | 2024-08-29 |
Fully Automatic Deep Learning Model for Spine Refracture in Patients with OVCF: A Multi-Center Study
2024-Aug, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.14155
PMID:38952050
|
研究论文 | 本文构建了一种基于骨转换标志物和CT的全新预测模型，用于识别更易遭受脊柱再骨折的患者 | 该研究首次结合骨转换标志物和CT图像，利用深度学习模型预测脊柱再骨折，提高了预测的准确性和临床实用性 | 研究仅回顾性收集了三个医疗中心的数据，样本量和数据来源的限制可能影响模型的泛化能力 | 构建一种新的预测模型，用于识别脊柱再骨折的高风险患者 | 383名骨质疏松性椎体压缩骨折患者 | 机器学习 | 骨质疏松症 | CT | Densenet 121-3D | 图像 | 383名患者，其中训练集240例，验证集63例，测试集80例 | NA | NA | NA | NA |
| 26898 | 2024-08-29 |
Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection
2024-Aug-01, Annals of plastic surgery
IF:1.4Q3
DOI:10.1097/SAP.0000000000004007
PMID:38896860
|
研究论文 | 本研究利用深度学习工具包识别与色素沉着过度相关的34个基因，并优化治疗选择 | 本研究采用综合方法，结合文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络和功能富集分析，以及网络中心性参数，以识别与色素沉着过度密切相关的基因，并利用深度学习工具包进行药物-靶点相互作用预测 | NA | 探索计算方法在识别色素沉着过度治疗中新靶向疗法的潜力 | 识别与色素沉着过度相关的基因及潜在治疗药物 | 机器学习 | 皮肤疾病 | 文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析 | 深度学习 | 基因数据、蛋白质数据 | 34个与色素沉着过度相关的基因，35种潜在治疗药物 | NA | NA | NA | NA |
| 26899 | 2024-08-29 |
Loss of plasticity in deep continual learning
2024-Aug, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-07711-7
PMID:39169245
|
研究论文 | 本文探讨了深度学习方法在持续学习环境下的表现，发现标准深度学习方法在持续学习设置中逐渐失去可塑性，最终学习效果不如浅层网络 | 提出了一种持续反向传播算法，通过不断向网络注入多样性来维持可塑性 | 研究仅限于使用ImageNet数据集和强化学习问题，未涉及其他类型的数据和任务 | 探究深度学习方法在持续学习环境下的有效性 | 深度学习方法在持续学习环境下的可塑性 | 机器学习 | NA | 深度学习方法，反向传播算法 | 深度神经网络 | 图像 | 使用经典的ImageNet数据集 | NA | NA | NA | NA |
| 26900 | 2024-08-29 |
A prediction model based on deep learning and radiomics features of DWI for the assessment of microsatellite instability in endometrial cancer
2024-Aug, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70046
PMID:39171859
|
研究论文 | 本研究探讨了基于深度学习（DL）和放射组学特征的扩散加权成像（DWI）预测模型在评估子宫内膜癌（EC）微卫星不稳定（MSI）状态中的效能 | 本研究结合了DL特征、放射组学特征、临床变量和ADC值，通过随机森林（RF）分类器构建了一个优化的预测模型，该模型在训练和测试集中的AUC值均显示出显著提升 | NA | 评估基于DWI特征的预测模型在识别子宫内膜癌微卫星不稳定状态中的有效性 | 子宫内膜癌患者 | 机器学习 | 妇科肿瘤 | 扩散加权成像（DWI） | 随机森林（RF）和逻辑回归 | 图像 | 116名子宫内膜癌患者，分为训练集（81名）和测试集（35名） | NA | NA | NA | NA |