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 32801 篇文献，本页显示第 26901 - 26920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26901 | 2024-09-02 |
Improved Variational Mode Decomposition and CNN for Intelligent Rotating Machinery Fault Diagnosis
2022-Jun-30, Entropy (Basel, Switzerland)
DOI:10.3390/e24070908
PMID:35885131
|
研究论文 | 本文提出了一种基于改进变分模式分解（IVMD）和卷积神经网络（CNN）的旋转机械故障智能诊断方法，用于处理旋转机械非平稳信号 | 本文提出了一种改进的变分模式分解方法，该方法通过自动优化模式数量，克服了传统VMD方法中参数设置依赖经验且受主观经验影响大的问题 | NA | 开发一种适用于复杂环境下旋转机械故障的智能诊断方法 | 旋转机械故障信号 | 机器学习 | NA | 变分模式分解（VMD），连续小波变换（CWT） | 卷积神经网络（CNN） | 时间-频率域特征图 | NA | NA | NA | NA | NA |
| 26902 | 2024-09-02 |
Are We There Yet? The Value of Deep Learning in a Multicenter Setting for Response Prediction of Locally Advanced Rectal Cancer to Neoadjuvant Chemoradiotherapy
2022-Jun-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12071601
PMID:35885506
|
研究论文 | 本研究旨在评估一种先进的深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力 | 使用Siamese网络结合U-Net模型，利用多中心数据进行训练和验证，以提高模型的泛化能力 | 在多中心设置中，尽管进行了专门的数据预处理，模型的预测性能仍显著下降 | 评估深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力 | 局部晚期直肠癌患者及其对新辅助放化疗的反应 | 机器学习 | 直肠癌 | 深度学习 | Siamese网络结合U-Net | T2加权图像、扩散加权图像和表观扩散系数图 | 83名局部晚期直肠癌患者的多中心数据集和46名患者的临床常规数据集 | NA | NA | NA | NA |
| 26903 | 2024-09-02 |
A Depression Diagnosis Method Based on the Hybrid Neural Network and Attention Mechanism
2022-Jun-26, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci12070834
PMID:35884641
|
研究论文 | 本文提出了一种结合深度学习技术的高性能混合神经网络抑郁症检测方法，通过使用一维卷积神经网络（1D-CNN）和门控循环单元（GRU）提取脑电图（EEG）信号的局部和全局特征，并引入注意力机制以提高诊断准确性。 | 本文创新性地结合了1D-CNN和GRU提取EEG信号特征，并引入了注意力机制以筛选更具代表性的特征，从而提高模型性能。 | NA | 提高抑郁症诊断的准确性 | 抑郁症的诊断 | 机器学习 | 抑郁症 | 深度学习 | 混合神经网络（1D-CNN-GRU-ATTN） | 脑电图（EEG） | 使用了公共数据集和私有数据集进行实验验证 | NA | NA | NA | NA |
| 26904 | 2024-09-02 |
Semantic Segmentation of Extraocular Muscles on Computed Tomography Images Using Convolutional Neural Networks
2022-Jun-26, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12071553
PMID:35885459
|
研究论文 | 本研究评估了深度学习算法在从CT图像中分割眼外肌和测量肌肉尺寸的有效性 | 提出了基于U-net算法的深度学习方法，能够高效准确地分割眼外肌并测量其尺寸 | 研究仅使用了32个测试样本进行验证，样本量相对较小 | 评估深度学习算法在CT图像中分割眼外肌和测量肌肉尺寸的效果 | 眼外肌的分割和尺寸测量 | 计算机视觉 | NA | NA | CNN | 图像 | 210名患者的连续CT扫描图像，其中32个用于测试 | NA | NA | NA | NA |
| 26905 | 2024-09-02 |
Deep Learning Paradigm for Cardiovascular Disease/Stroke Risk Stratification in Parkinson's Disease Affected by COVID-19: A Narrative Review
2022-Jun-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12071543
PMID:35885449
|
综述 | 本文探讨了深度学习在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的应用 | 提出了结合COVID-19病灶、帕金森病症状、动脉粥样硬化图像生物标志物和药物使用等因素的深度学习模型，用于心血管疾病/中风风险的分层 | 由于共病、样本量限制和科学临床验证技术不足，目前缺乏完善的机器学习范式 | 研究深度学习解决方案在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的可行性 | 受COVID-19影响的帕金森病患者 | 机器学习 | 帕金森病 | 深度学习 | LSTM, RNN | CT扫描图像, 生物标志物数据 | 292项研究 | NA | NA | NA | NA |
| 26906 | 2024-09-02 |
A Light Deep Learning Algorithm for CT Diagnosis of COVID-19 Pneumonia
2022-Jun-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12071527
PMID:35885433
|
研究论文 | 本文介绍了一种基于VGG16架构的轻量级3D卷积神经网络Cimatec-CovNet-19，用于从胸部CT扫描中识别COVID-19肺炎 | 提出了一种新的预处理方法，仅基于肺部CT掩模和经验选择的阈值进行切片选择，仅需16个切片即可识别COVID-19 | 仅在414个样本的测试集上进行了验证，可能需要更多数据来验证其泛化能力 | 开发一种轻量级的深度学习算法，用于从胸部CT扫描中快速准确地诊断COVID-19肺炎 | COVID-19肺炎的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 3D卷积神经网络 | CNN | 图像 | 训练集包含3000个CT扫描图像（其中1500个为COVID-19阳性），测试集包含414个样本（其中207个为COVID-19阳性） | NA | NA | NA | NA |
| 26907 | 2024-09-02 |
Improving the Accuracy of Diagnosis for Multiple-System Atrophy Using Deep Learning-Based Method
2022-Jun-22, Biology
DOI:10.3390/biology11070951
PMID:36101332
|
研究论文 | 本研究使用基于深度学习的点线性模型来提高多系统萎缩症（MSA）的诊断准确性 | 采用深度学习方法分析MSA的诊断特征，提高了诊断的准确性 | 大多数人工智能程序仅限于评估诊断影像，本研究扩展到特征识别和可视化 | 通过深度学习识别与疾病区分相关的重要特征 | 多系统萎缩症（MSA）及其亚型 | 机器学习 | 神经退行性疾病 | 深度学习 | 点线性模型 | 病例数据 | 3377例MSA病例 | NA | NA | NA | NA |
| 26908 | 2024-09-02 |
Applications of Neural Networks in Biomedical Data Analysis
2022-Jun-21, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines10071469
PMID:35884772
|
综述 | 本文综述了神经网络在生物医学数据分析中的应用，特别是生物图像数据中的生物标志物分析 | 介绍了最新的神经网络及其工作原理，并提供了关于激活函数和框架等技术方面的总结 | NA | 探讨神经网络在生物医学数据分析中的应用 | 生物医学数据，特别是生物图像数据中的生物标志物 | 机器学习 | NA | 神经网络 | 人工神经网络 | 图像 | NA | NA | NA | NA | NA |
| 26909 | 2024-09-02 |
Selfee, self-supervised features extraction of animal behaviors
2022-06-16, eLife
IF:6.4Q1
DOI:10.7554/eLife.76218
PMID:35708244
|
research paper | 本文介绍了一种自监督特征提取（Selfee）卷积神经网络，用于从动物行为视频帧中直接提取全面且具有区分性的特征，并展示了其在多种下游应用中的潜力 | 首次实现了使用端到端的自监督神经网络直接从社交行为视频帧中提取综合且具有区分性的特征 | NA | 开发一种能够快速且准确地表征动物行为的自监督学习方法 | 动物行为视频帧 | 机器学习 | NA | 卷积神经网络 | CNN | 视频 | NA | NA | NA | NA | NA |
| 26910 | 2024-09-02 |
Edge-enhancement densenet for X-ray fluoroscopy image denoising in cardiac electrophysiology procedures
2022-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15426
PMID:34954836
|
研究论文 | 本文提出了一种名为边缘增强密集网络（EEDN）的新型深度学习去噪框架，用于提高心脏电生理手术中低剂量X射线荧光图像的质量 | EEDN框架设计了一个注意力感知边缘增强模块，以提高边缘锐度，同时保留临床重要细节 | NA | 旨在减少心脏电生理手术中的X射线剂量，同时提高图像质量并保留关键细节 | 低剂量X射线荧光图像的去噪和边缘增强 | 计算机视觉 | 心血管疾病 | 卷积神经网络（CNN） | 边缘增强密集网络（EEDN） | 图像 | 3262张临床图像来自20名患者的100个低剂量X射线序列 | NA | NA | NA | NA |
| 26911 | 2024-09-02 |
AI-Driven Image Analysis in Central Nervous System Tumors-Traditional Machine Learning, Deep Learning and Hybrid Models
2022, Journal of biotechnology and biomedicine
DOI:10.26502/jbb.2642-91280046
PMID:35106480
|
综述 | 本文综述了人工智能在中枢神经系统肿瘤影像分析中的应用，包括传统机器学习、深度学习和混合模型 | 探讨了机器学习、深度学习和混合模型在AI驱动影像分析中的结合使用，可能产生更优结果 | 面临数据集有限、影像变化随时间变异及分析方法多样性的挑战 | 标准化报告、减少偏差、加速管理并改善治疗结果 | 中枢神经系统肿瘤的影像分析 | 机器学习 | 中枢神经系统肿瘤 | NA | 机器学习（ML）、深度学习（DL）、混合模型 | 影像 | NA | NA | NA | NA | NA |
| 26912 | 2024-09-02 |
A statistical and deep learning-based daily infected count prediction system for the coronavirus pandemic
2022, Evolutionary intelligence
IF:2.3Q3
DOI:10.1007/s12065-021-00600-2
PMID:33841583
|
研究论文 | 本文提出了一种基于数据分析的预测系统，用于预测新冠病毒大流行期间的每日感染人数 | 使用易感感染恢复（SIR）模型，实现了99.82%的预测准确率，并预测了印度每日新增COVID病例的四种最可能情况 | 传统的统计方法在特定国家有限人口的情况下效率不高 | 帮助政府规划未来行动，并帮助医疗服务更好地准备应对未来情况 | 新冠病毒大流行期间的每日感染人数 | 机器学习 | NA | 数据分析 | SIR模型 | NA | NA | NA | NA | NA | NA |
| 26913 | 2024-09-02 |
Deep learning and evolutionary intelligence with fusion-based feature extraction for detection of COVID-19 from chest X-ray images
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-021-00800-x
PMID:34075280
|
研究论文 | 本文提出了一种基于融合特征提取的深度学习和进化智能模型，用于从胸部X光图像中检测COVID-19感染 | 该模型结合了灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRM)和局部二值模式(LBP)进行特征提取，并使用海豚群算法(SSA)选择最优特征子集，最后通过人工神经网络(ANN)进行分类 | NA | 开发一种高效准确的COVID-19诊断模型 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRM)、局部二值模式(LBP) | 人工神经网络(ANN) | 图像 | 使用胸部X光图像数据集进行评估 | NA | NA | NA | NA |
| 26914 | 2024-09-02 |
Self-assessment and deep learning-based coronavirus detection and medical diagnosis systems for healthcare
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-021-00839-w
PMID:34511733
|
研究论文 | 本文提出了一种基于深度学习的医疗图像分类方法DLM-COVID-19，用于COVID-19患者的检测，并开发了一个移动应用进行自我评估和在线诊断 | 提出了DLM-COVID-19模型，该模型在敏感性、特异性和准确性方面优于现有算法，并开发了一个结合自我评估和医学专业知识的移动应用 | 未提及具体限制 | 提高COVID-19的医疗图像分类和优化诊断，以及开发一个帮助预防病毒传播的移动应用 | COVID-19患者和医疗图像分类 | 机器学习 | 肺部疾病 | 深度学习 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 26915 | 2024-09-02 |
A comprehensive Benchmark for fake news detection
2022, Journal of intelligent information systems
IF:2.3Q3
DOI:10.1007/s10844-021-00646-9
PMID:35342227
|
研究论文 | 本文提供了一个基准框架，用于分析和讨论用于假新闻检测的最广泛使用和有前景的机器/深度学习技术，并利用了与文献中提出的不同的特征组合。 | 本文通过实验展示了在有限内容信息的情况下，不同方法在准确性和效率方面的优势和缺点。 | 文章中提到的信息关于新闻传播的可用性是有限的。 | 开发更准确的假新闻检测策略，特别是早期检测。 | 假新闻检测的机器/深度学习技术及其特征组合。 | 自然语言处理 | NA | 机器/深度学习 | NA | 文本 | 使用了广泛使用的真实世界数据集 | NA | NA | NA | NA |
| 26916 | 2024-09-02 |
A deep learning-based framework for detecting COVID-19 patients using chest X-rays
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-022-00917-7
PMID:35341212
|
研究论文 | 本文提出了一种基于深度学习的系统，用于从胸部X光图像中可靠地检测COVID-19患者 | 提出了一种轻量级的浅层卷积神经网络架构，具有高准确率、高灵敏度和高特异性 | NA | 快速开发一种高效的轻量级CNN架构，用于检测COVID-19感染患者 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 2,541张胸部X光图像 | NA | NA | NA | NA |
| 26917 | 2024-09-02 |
How deep learning is empowering semantic segmentation: Traditional and deep learning techniques for semantic segmentation: A comparison
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-12821-3
PMID:35411201
|
review | 本文比较了传统和深度学习技术在语义分割领域的应用，并探讨了深度学习如何提升语义分割的效率和准确性 | 本文通过研究约120篇相关论文，总结了深度学习在解决语义分割关键问题上的优势 | NA | 比较传统和深度学习技术在语义分割中的应用，并评估深度学习在此领域的改进 | 语义分割技术及其在图像和视频处理中的应用 | computer vision | NA | deep learning | NA | image | 约120篇相关研究论文 | NA | NA | NA | NA |
| 26918 | 2024-09-02 |
COVID-CXNet: Detecting COVID-19 in frontal chest X-ray images using deep learning
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-12156-z
PMID:35431611
|
研究论文 | 本文研究使用深度卷积神经网络在大规模数据集中有效检测COVID-19病毒性肺炎的影像特征 | 提出了一种名为COVID-CXNet的模型，该模型能够基于相关且有意义的特征精确地检测和定位新冠病毒性肺炎 | NA | 开发一种全自动且强大的COVID-19检测系统 | COVID-19病毒性肺炎的影像特征 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 大量胸部X光图像 | NA | NA | NA | NA |
| 26919 | 2024-09-02 |
Optimized deformable convolution network for detection and mitigation of ocular artifacts from EEG signal
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-12874-4
PMID:35431612
|
研究论文 | 本文提出了一种基于优化可变形卷积网络的方法，用于从脑电图信号中检测和减轻眼部伪影 | 使用优化可变形卷积网络（DCN）和多种信号处理技术（如离散小波变换、Pisarenko谐波分解、主成分分析和独立成分分析）来提高眼部伪影检测和减轻的效率 | NA | 开发一种新的基于深度学习的眼部伪影检测和预防模型，以提高脑电图信号分析的效率 | 脑电图信号中的眼部伪影 | 机器学习 | NA | 离散小波变换（DWT）、Pisarenko谐波分解、主成分分析（PCA）、独立成分分析（ICA）、可变形卷积网络（DCN） | 可变形卷积网络（DCN） | 脑电图信号 | 来自不同受试者的脑电图数据 | NA | NA | NA | NA |
| 26920 | 2024-09-02 |
C-COVIDNet: A CNN Model for COVID-19 Detection Using Image Processing
2022, Arabian journal for science and engineering
IF:2.6Q2
DOI:10.1007/s13369-022-06841-2
PMID:35528505
|
研究论文 | 本文介绍了一种基于图像处理的COVID-19检测模型C-COVIDNet，该模型使用轻量级卷积神经网络（CNN）对胸部X光图像进行分类，以实现高效的COVID-19诊断 | C-COVIDNet模型通过图像预处理提取感兴趣区域（ROI），实现了97.5%的准确率和97.91%的F1分数，超越了现有技术水平 | NA | 开发一种高效且成本效益高的COVID-19诊断方法，以改善治疗并消除误诊病例 | COVID-19、肺炎和正常人的胸部X光图像 | 计算机视觉 | 呼吸系统疾病 | 图像处理 | CNN | 图像 | 包含COVID-19、肺炎和正常人的胸部X光图像的数据集 | NA | NA | NA | NA |