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 27161 - 27180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 27161 | 2024-08-31 |
Automatic Segmentation of Retinal Fluid and Photoreceptor Layer from Optical Coherence Tomography Images of Diabetic Macular Edema Patients Using Deep Learning and Associations with Visual Acuity
2022-May-29, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines10061269
PMID:35740291
|
研究论文 | 本文提出了一种改进的U-net深度学习算法，用于自动分割糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层，并分析其与最佳矫正视力的关联 | 本文首次将视网膜特征的分割与视觉视力相关联，并使用改进的U-net模型进行自动分割 | NA | 研究如何通过深度学习技术自动分割视网膜OCT图像中的关键特征，并分析这些特征与视觉视力的关系 | 糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层 | 计算机视觉 | 糖尿病 | 深度学习 | U-net | 图像 | 视网膜OCT图像被手动标记并由医生检查 | NA | NA | NA | NA |
| 27162 | 2024-08-31 |
Modeling physician's preference in treatment plan approval of stereotactic body radiation therapy of prostate cancer
2022-05-26, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac6d9e
PMID:35523171
|
研究论文 | 本研究开发了一种基于深度学习的虚拟医生网络（VPN），用于模拟医生对前列腺癌立体定向体部放疗（SBRT）治疗计划批准的偏好 | 使用对抗框架训练VPN，以解决数据库中缺乏未批准计划的问题，并能对未批准计划提出剂量改进建议 | 研究样本量较小，仅包括68名前列腺癌患者 | 开发一种能够模拟医生偏好并提供剂量改进建议的虚拟医生网络 | 前列腺癌患者的立体定向体部放疗治疗计划 | 机器学习 | 前列腺癌 | 深度学习 | VPN | 图像 | 68名前列腺癌患者，其中60名用于训练和交叉验证，8名用于独立测试 | NA | NA | NA | NA |
| 27163 | 2024-08-31 |
Pneumonia Transfer Learning Deep Learning Model from Segmented X-rays
2022-May-26, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10060987
PMID:35742039
|
研究论文 | 本文研究了利用图像分割和机器学习模型从X光图像中可靠地预测肺炎疾病 | 提出了改进的BoxENet模型，通过结合ImgNet和SqueezeNet的迁移学习，使用多数融合模型，提高了分类性能和速度 | NA | 开发一种快速且精确的深度学习模型来诊断肺炎疾病 | 肺炎疾病的X光图像 | 计算机视觉 | 肺炎 | 迁移学习 | BoxENet | 图像 | 4000张肺炎疾病X光图像和4000张健康X光图像 | NA | NA | NA | NA |
| 27164 | 2024-08-31 |
Partial Differential Equation-Constrained Diffeomorphic Registration from Sum of Squared Differences to Normalized Cross-Correlation, Normalized Gradient Fields, and Mutual Information: A Unifying Framework
2022-May-13, Sensors (Basel, Switzerland)
DOI:10.3390/s22103735
PMID:35632143
|
研究论文 | 本文提出了一种统一的框架，将基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）从平方差和（SSD）扩展到使用归一化交叉相关（NCC）、局部归一化交叉相关（lNCC）、归一化梯度场（NGFs）和互信息（MI）等不同图像相似性度量的PDE-LDDMM。 | 本文通过引入新的图像相似性度量，扩展了PDE-LDDMM的应用范围，并在多个基准测试中展示了其优越性能。 | 对于归一化梯度场（NGFs）和互信息（MI），高斯-牛顿-克雷洛夫（GNK）优化未能超越梯度下降法，且MI的GNK优化涉及大量密集矩阵的乘积，导致内存需求过高。 | 旨在通过引入新的图像相似性度量，提高基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）的注册准确性。 | 研究对象包括不同图像相似性度量在PDE-LDDMM中的应用及其优化方法。 | 计算机视觉 | NA | PDE-LDDMM | NA | 图像 | NA | NA | NA | NA | NA |
| 27165 | 2024-08-31 |
Global User-Level Perception of COVID-19 Contact Tracing Applications: Data-Driven Approach Using Natural Language Processing
2022-May-11, JMIR formative research
IF:2.0Q4
DOI:10.2196/36238
PMID:35389357
|
研究论文 | 本文通过自然语言处理技术，自动分析用户对COVID-19接触追踪应用的评论，提取并分类用户情感极性 | 提出了一种自动分析用户评论并提取情感的解决方案，结合用户友好的界面，可作为快速监控工具 | NA | 分析AI和NLP技术在自动提取和分类用户情感极性方面的有效性 | COVID-19接触追踪移动应用的用户评论 | 自然语言处理 | NA | 自然语言处理 | AI模型 | 文本 | 34,534条手动标注的评论 | NA | NA | NA | NA |
| 27166 | 2024-08-31 |
Evolution of Brains and Computers: The Roads Not Taken
2022-May-09, Entropy (Basel, Switzerland)
DOI:10.3390/e24050665
PMID:35626550
|
研究论文 | 本文探讨了大脑和计算机发展过程中的相似性和差异性，以及这些发展如何影响人工智能的设计 | 文章提出了大脑和计算机在进化过程中的相似性和差异性，并讨论了这些相似性和差异性如何影响人工智能的设计 | 文章主要集中在理论探讨，未涉及具体的实验或数据分析 | 探讨大脑和计算机在进化过程中的相似性和差异性，以及这些相似性和差异性如何影响人工智能的设计 | 大脑和计算机的进化过程及其对人工智能设计的影响 | 机器学习 | NA | 深度学习 | 人工神经网络 | NA | NA | NA | NA | NA | NA |
| 27167 | 2024-08-31 |
Rigid motion-resolved B1+ prediction using deep learning for real-time parallel-transmission pulse design
2022-05, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29132
PMID:34958134
|
研究论文 | 本文提出了一种深度学习框架，用于预测并实时重新设计并行传输脉冲，以解决7T磁共振成像中头部运动对均匀激发轮廓的影响。 | 利用条件生成对抗网络预测头部运动后的B1+分布，并用于实时重新设计并行传输脉冲，以减少运动相关误差。 | 研究基于模拟数据，尚未在实际临床环境中验证。 | 开发一种能够实时预测并重新设计并行传输脉冲的方法，以减少头部运动对磁共振成像质量的影响。 | 并行传输脉冲的实时重新设计和头部运动对磁共振成像的影响。 | 计算机视觉 | NA | 深度学习 | 条件生成对抗网络 | 模拟数据 | 两个未用于训练的虚拟身体模型 | NA | NA | NA | NA |
| 27168 | 2024-08-31 |
Automatic evaluation of graft orientation during Descemet membrane endothelial keratoplasty using intraoperative OCT
2022-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.446519
PMID:35774322
|
研究论文 | 本文介绍了一种利用内镜下光学相干断层扫描（iOCT）自动评估Descemet膜内皮角膜移植（DMEK）手术中移植物方向的方法 | 该方法利用移植物的自然滚动行为，通过深度学习模型进行移植物分割，并计算曲率以确定移植物方向 | 自动方法在独立测试集中的准确性为78%，低于专业人员的识别率 | 开发一种自动评估DMEK手术中移植物方向的方法，以提高手术成功率 | DMEK手术中的移植物方向评估 | 数字病理学 | NA | 光学相干断层扫描（OCT） | 深度学习模型 | 图像 | 100个iOCT帧 | NA | NA | NA | NA |
| 27169 | 2024-08-31 |
Feasibility of the soft attention-based models for automatic segmentation of OCT kidney images
2022-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.449942
PMID:35774323
|
研究论文 | 本文研究了基于软注意力的深度学习模型在OCT肾脏图像自动分割中的可行性 | 提出并评估了五种方法，包括Residual-Attention-UNET、Attention-UNET等，其中Residual-Attention-UNET在分割准确性和可靠性上表现最佳 | 未提及具体局限性 | 开发基于注意力的UNET模型，用于肾脏OCT图像的自动分析、模式识别和分割 | 肾脏OCT图像中的近端卷曲小管（PCTs） | 计算机视觉 | NA | 光学相干断层扫描（OCT） | CNN | 图像 | 14403张OCT图像来自169个移植肾脏 | NA | NA | NA | NA |
| 27170 | 2024-08-31 |
Retinopathy grading with deep learning and wavelet hyper-analytic activations
2022-Apr-25, The Visual computer
DOI:10.1007/s00371-022-02489-z
PMID:35493724
|
研究论文 | 本文通过结合多分辨率分析（MRA）和卷积神经网络（CNN）框架，利用超分析小波激活函数增强输入图像的特征，提高了糖尿病视网膜病变（DR）分级的准确性 | 提出了一种新颖的超分析小波激活函数，该函数能够转换负系数以保留重要的边缘特征图，并通过选择合适的激活函数超参数，产生单调且有效的激活 | NA | 提高糖尿病视网膜病变分级的准确性 | 糖尿病视网膜病变（DR）的图像分级 | 计算机视觉 | 糖尿病视网膜病变 | 卷积神经网络（CNN） | CNN | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 27171 | 2024-08-31 |
Fully Automated Wound Tissue Segmentation Using Deep Learning on Mobile Devices: Cohort Study
2022-04-22, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/36977
PMID:35451982
|
研究论文 | 本研究利用深度学习技术在移动设备上实现全自动伤口组织分割，以减少临床评估中的主观性。 | 开发了两种深度卷积神经网络架构用于伤口和组织分割，并在大量多样化的图像数据集上进行训练，模型在多种成像条件下表现稳健，且对肤色无偏见。 | 研究中报告了临床医生在识别组织类型时的中等到较差的一致性，以及在识别上皮化时的非常低的Krippendorff α值。 | 旨在测量伤口护理临床医生在手动组织分割和量化中的相互和内部评分者变异性，并确定是否可以使用深度神经网络实现对组织类型的客观评估。 | 研究对象包括58张不同类型的慢性伤口图像，以及4种不同的伤口床组织类型（上皮、肉芽、腐肉和焦痂）。 | 计算机视觉 | NA | 深度学习 | 深度卷积神经网络 | 图像 | 465,187和17,000对图像标签用于训练模型，58张伤口图像用于评估。 | NA | NA | NA | NA |
| 27172 | 2024-08-31 |
Research and Application of Artificial Intelligence Based on Electronic Health Records of Patients With Cancer: Systematic Review
2022-Apr-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/33799
PMID:35442195
|
综述 | 本文系统回顾了基于电子健康记录的人工智能在癌症患者护理中的应用现状和局限性 | 首次系统分析了基于电子健康记录的人工智能在癌症护理中的应用及其意义 | 现有研究主要使用英文电子病历数据，且数据来源多为私人机构数据库 | 旨在介绍基于电子健康记录的人工智能在癌症患者护理中的当前状态、局限性及其对癌症护理的影响 | 癌症患者的电子健康记录及其在癌症护理中的应用 | 机器学习 | 癌症 | NA | 集成方法和深度学习 | 文本 | 148篇符合条件的论文 | NA | NA | NA | NA |
| 27173 | 2024-08-31 |
Yuel: Improving the Generalizability of Structure-Free Compound-Protein Interaction Prediction
2022-02-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.1c01531
PMID:35103472
|
研究论文 | 本文开发了一种新的化合物-蛋白质相互作用预测器Yuel，旨在提高结构自由的化合物-蛋白质相互作用预测的泛化能力 | Yuel在各种数据集上表现出比现有深度学习方法更好的未知化合物和未知蛋白质间相互作用的预测能力 | 现有深度学习方法在预测未知蛋白质和未知小分子间的相互作用时存在泛化能力不足的问题 | 提高化合物-蛋白质相互作用预测的泛化能力 | 化合物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | NA | 数据集 | NA | NA | NA | NA | NA |
| 27174 | 2024-08-31 |
Simultaneous prediction of antibody backbone and side-chain conformations with deep learning
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0258173
PMID:35704640
|
研究论文 | 本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体骨架和侧链构象 | DeepSCAb方法能够预测抗体变异片段的残基间几何结构以及侧链二面角，且仅需要序列作为输入，适用于无已知骨架构象的抗体 | NA | 提高抗体结构预测的准确性，特别是在侧链建模方面 | 抗体骨架和侧链构象 | 机器学习 | NA | 深度学习 | 自注意力层 | 序列 | NA | NA | NA | NA | NA |
| 27175 | 2024-08-31 |
Deep learning empowered COVID-19 diagnosis using chest CT scan images for collaborative edge-cloud computing platform
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-11158-7
PMID:34220289
|
研究论文 | 本文开发了一种基于MobileNet V2架构的微调深度学习模型，用于在边缘云协同计算平台上进行COVID-19的胸部CT扫描图像诊断 | 提出的模型在准确性和诊断时间上优于现有的深度学习模型，且适用于资源受限环境 | NA | 提高COVID-19诊断的效率和可及性 | COVID-19的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | MobileNet V2 | 图像 | 2482张胸部CT扫描图像 | NA | NA | NA | NA |
| 27176 | 2024-08-31 |
A Tensorized Multitask Deep Learning Network for Progression Prediction of Alzheimer's Disease
2022, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2022.810873
PMID:35601611
|
研究论文 | 本研究提出了一种基于模态融合、核化和张量化的深度神经网络，用于阿尔茨海默病（AD）的进展预测，同时进行多类分类和纵向回归 | 该研究通过统一的多任务框架，同时进行多类分类和纵向回归，利用多模态特征的互补性，提高了模型的整体效能 | 研究发现，优化预测结果的超参数集可能与优化多类分类的超参数集不同，存在一个临界点，超过该点进一步提高一个过程的结果可能导致另一个过程的准确性下降 | 旨在提高早期诊断的前景和预测未来疾病状态的能力 | 阿尔茨海默病（AD）的进展预测 | 机器学习 | 阿尔茨海默病 | 深度神经网络 | CNN | 多模态数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 27177 | 2024-08-31 |
Potential drug discovery for COVID-19 treatment targeting Cathepsin L using a deep learning-based strategy
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.05.023
PMID:35602976
|
研究论文 | 本研究利用基于深度学习的策略，通过Chemprop模型识别能够抑制Cathepsin L活性的小分子和FDA批准的药物，以发现治疗COVID-19的新药物 | 首次应用Chemprop模型预测酶抑制剂，并发现daptomycin这一FDA批准的抗生素具有显著的Cathepsin L抑制作用 | NA | 发现和开发针对Cathepsin L的新型抑制剂，用于COVID-19的治疗 | Cathepsin L、SARS-CoV-2病毒、FDA批准的药物 | 机器学习 | COVID-19 | 深度学习 | 深度神经网络 | 分子数据 | 5种小分子和多种FDA批准的药物 | NA | NA | NA | NA |
| 27178 | 2024-08-31 |
Application of Convolutional Neural Network-Based Detection Methods in Fresh Fruit Production: A Comprehensive Review
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.868745
PMID:35651761
|
综述 | 本文全面回顾了卷积神经网络（CNN）在新鲜水果生产中的应用 | 首次全面回顾了CNN在新鲜水果生产全过程中的应用 | NA | 探讨CNN在新鲜水果生产各环节中的应用及效果 | 新鲜水果生产的各个环节，包括花果检测、果实检测、采摘和分级 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 大量文章 | NA | NA | NA | NA |
| 27179 | 2024-08-31 |
Design of Machine Learning Algorithm for Tourism Demand Prediction
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/6352381
PMID:35720035
|
研究论文 | 本文构建了一个基于机器学习的旅游需求预测模型，通过引入LSTM自动编码器的深度堆叠方法，提高了深度学习模型的性能，并进行了四年的旅游人数预测实验。 | 提出了基于LSTM的自动编码器深度堆叠方法，采用分层贪婪预训练方法替代深度网络中的随机权重初始化方法，结合预训练阶段和微调网络，形成SAE-LSTM预测模型。 | NA | 提高旅游需求预测的准确性，帮助政府做出关于基础设施发展和住宿地点规划的明智决策。 | 旅游需求预测 | 机器学习 | NA | LSTM | SAE-LSTM | 数据集 | 使用城市A的月度搜索引擎强度数据及其相关影响因素作为数据集，进行了四年的旅游人数预测。 | NA | NA | NA | NA |
| 27180 | 2024-08-31 |
Unsupervised Black-Box Model Domain Adaptation for Brain Tumor Segmentation
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.837646
PMID:35720708
|
研究论文 | 本文提出了一种无监督领域自适应框架，用于脑肿瘤分割，该框架使用仅在源域训练的黑盒分割模型，无需依赖源数据或可访问网络参数的白盒源模型 | 提出了一种知识蒸馏方案，以逐步学习目标特定表示，并通过无监督熵最小化来规范目标域标签的置信度 | 未提及具体的局限性 | 解决跨中心合作中因隐私问题导致的数据和标签共享困难，实现无监督领域自适应 | 脑肿瘤分割 | 计算机视觉 | 脑肿瘤 | 无监督领域自适应 (UDA) | 黑盒模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |