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 33150 篇文献，本页显示第 27541 - 27560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 27541 | 2024-08-31 |
SparNet: A Convolutional Neural Network for EEG Space-Frequency Feature Learning and Depression Discrimination
2022, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2022.914823
PMID:35722169
|
研究论文 | 本文提出了一种名为SparNet的卷积神经网络，用于学习EEG的空间-频率特征并区分抑郁症与正常对照 | SparNet模型结合了五个并行的卷积滤波器和SENet，专门设计用于学习不同脑区的空间和频率域特征 | NA | 提高抑郁症识别的分类准确性 | 抑郁症与正常对照的区分 | 机器学习 | 抑郁症 | 卷积神经网络 | CNN | EEG信号 | NA | NA | NA | NA | NA |
| 27542 | 2024-08-31 |
Deep Learning in Neuroimaging: Overcoming Challenges With Emerging Approaches
2022, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2022.912600
PMID:35722548
|
研究论文 | 本文介绍了三种新兴的深度学习方法，旨在克服神经影像学中的挑战，加速其在精神病学研究中的应用 | 提出了两种减少训练数据需求的方法：深度学习者跨数据源的知识迁移能力和自监督学习技术，以及可解释人工智能工具，以揭示深度学习决策的特征组合 | NA | 探索深度学习在精神病学中的应用，特别是利用多维数据集如fMRI数据预测临床结果 | 深度学习方法在神经影像学中的应用 | 机器学习 | 精神疾病 | 深度学习 | DL | fMRI数据 | NA | NA | NA | NA | NA |
| 27543 | 2024-08-31 |
Accuracy of two deep learning-based reconstruction methods compared with an adaptive statistical iterative reconstruction method for solid and ground-glass nodule volumetry on low-dose and ultra-low-dose chest computed tomography: A phantom study
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0270122
PMID:35737734
|
研究论文 | 本研究评估了两种基于深度学习的重建方法与自适应统计迭代重建方法在低剂量和高剂量胸部CT上对实性和磨玻璃结节体积测量的准确性。 | 首次评估了基于深度学习的算法在低剂量和高剂量胸部CT上对实性和磨玻璃结节体积测量的准确性。 | 研究仅限于使用模拟器进行的实验，未涉及临床患者数据。 | 研究旨在比较两种基于深度学习的图像重建算法与迭代重建方法在低剂量和高剂量设置下对实性和磨玻璃结节体积测量的准确性。 | 实性和磨玻璃结节在低剂量和高剂量胸部CT上的体积测量。 | 计算机视觉 | 肺部疾病 | CT扫描 | 深度学习算法 | 图像 | 不同直径的实性和磨玻璃结节放置在模拟器中，进行了四种辐射剂量的CT扫描。 | NA | NA | NA | NA |
| 27544 | 2024-08-31 |
FetalGAN: Automated Segmentation of Fetal Functional Brain MRI Using Deep Generative Adversarial Learning and Multi-Scale 3D U-Net
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.887634
PMID:35747213
|
研究论文 | 本文提出了一种基于深度生成对抗网络和多尺度3D U-Net的自动化胎儿功能性脑部MRI分割方法，称为FetalGAN | FetalGAN首次成功实现了在胎儿fMRI脑图像上应用3D CNN与GAN的结合，显著推进了rs-MRI图像处理的自动化 | NA | 旨在提高胎儿功能性脑部MRI图像预处理中脑部分割的自动化程度 | 胎儿功能性脑部MRI图像 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | NA | NA | NA | NA | NA |
| 27545 | 2024-08-31 |
Automatic Segmentation of MRI of Brain Tumor Using Deep Convolutional Network
2022, BioMed research international
IF:2.6Q3
DOI:10.1155/2022/4247631
PMID:35757482
|
研究论文 | 本文研究了基于深度卷积网络的脑肿瘤MRI自动分割方法 | 提出了一种基于全卷积神经网络的级联网络模型，并引入了Dice损失函数和并行Dice损失来改善类别不平衡问题和子结构分割效果 | 未提及具体局限性 | 开发适用于脑肿瘤分割任务的网络模型，提高分割准确性 | 多模态磁共振成像（MRI）脑肿瘤图像 | 医学图像处理 | 脑肿瘤 | MRI | 全卷积神经网络 | 图像 | 使用BraTS 2017数据集 | NA | NA | NA | NA |
| 27546 | 2024-08-31 |
Emerging artificial intelligence applications in Spatial Transcriptomics analysis
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.05.056
PMID:35765645
|
综述 | 本文综述了当前用于空间转录组学分析的人工智能方法 | 介绍了多种利用机器学习和深度学习技术进行空间转录组学数据分析的人工智能方法 | NA | 综述空间转录组学分析中的人工智能应用 | 空间转录组学数据分析 | 自然语言处理 | NA | 机器学习, 深度学习 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 27547 | 2024-08-31 |
Novel extreme regression-voting classifier to predict death risk in vaccinated people using VAERS data
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0270327
PMID:35767542
|
研究论文 | 本研究利用机器学习模型预测接种疫苗人群的死亡风险，并引入了一种新的极端回归投票分类器（ER-VC）来提高预测准确性 | 本研究引入了新的极端回归投票分类器（ER-VC），结合了额外树分类器和逻辑回归，使用软投票准则，并通过合成少数过采样（SMOTE）和自适应合成采样（ADASYN）技术避免模型过拟合 | NA | 预测接种疫苗人群的死亡风险，以减少公众对疫苗的恐惧并促进疫苗接种 | 接种COVID-19疫苗后的人群 | 机器学习 | NA | 机器学习模型，包括极端回归投票分类器（ER-VC） | 极端回归投票分类器（ER-VC） | 文本 | 使用了COVID-19 VAERS数据集，该数据集记录了接种COVID-19疫苗后的不良事件 | NA | NA | NA | NA |
| 27548 | 2024-08-31 |
AlphaFold Models of Small Proteins Rival the Accuracy of Solution NMR Structures
2022, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2022.877000
PMID:35769913
|
研究论文 | 本研究评估了AlphaFold模型在小而相对刚性的蛋白质上的准确性，与实验溶液NMR结构的比较 | 首次展示了AlphaFold模型在小蛋白质上的准确性可与实验溶液NMR结构相媲美，挑战了普遍认为AlphaFold无法准确模拟溶液NMR结构的误解 | 研究仅限于小而相对刚性的蛋白质，未涵盖所有类型的蛋白质结构 | 评估AlphaFold模型在小蛋白质上的准确性，并比较其与实验NMR和X射线晶体结构的匹配程度 | 六种代表性的小蛋白质，其结构已通过NMR和X射线晶体学确定 | 结构生物学 | NA | AlphaFold | 深度学习模型 | 蛋白质结构数据 | 六种小蛋白质 | NA | NA | NA | NA |
| 27549 | 2024-08-31 |
Magnetic Resonance Imaging Data Features to Evaluate the Efficacy of Compound Skin Graft for Diabetic Foot
2022, Contrast media & molecular imaging
DOI:10.1155/2022/5707231
PMID:35815055
|
研究论文 | 本研究旨在分析基于深度学习算法的磁共振成像（MRI）数据特征在评估复合皮肤移植治疗糖尿病足（DF）中的作用 | 研究利用深度学习算法分析MRI图像数据，以辅助评估复合皮肤移植治疗糖尿病足的疗效 | NA | 评估复合皮肤移植治疗糖尿病足的疗效 | 糖尿病足患者 | 数字病理学 | 糖尿病足 | 磁共振成像（MRI） | 深度学习算法 | 图像 | 78名糖尿病足患者，分为实验组（复合皮肤移植）和对照组（自体皮肤移植）各39名 | NA | NA | NA | NA |
| 27550 | 2024-08-31 |
Motion Extraction of the Right Ventricle from 4D Cardiac Cine MRI Using A Deep Learning-Based Deformable Registration Framework
2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC46164.2021.9630586
PMID:34892062
|
研究论文 | 本文描述了一种基于深度学习的可变形配准框架，用于从4D心脏电影MRI中提取右心室的动态模型，并评估其功能。 | 提出了一种结合CondenseUNet和深度学习可变形网络的方法，用于生成右心室的动态模型。 | 仅在ACDC数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的性能。 | 开发动态的、特定于患者的右心室模型，用于评估右心室功能。 | 正常受试者和异常右心室患者的右心室模型。 | 数字病理学 | 心血管疾病 | MRI | CondenseUNet | 图像 | 150例心脏MRI患者数据 | NA | NA | NA | NA |
| 27551 | 2024-08-31 |
Towards Real-time pose estimation of the Mitral Valve Robot under C-arm X-ray Fluoroscopy
2021-Nov, IEEE transactions on medical robotics and bionics
IF:3.4Q2
DOI:10.1109/tmrb.2021.3122351
PMID:35756715
|
research paper | 本文讨论了使用C臂荧光透视下实时跟踪夹子位置和方向的算法，以实现二尖瓣机器人的精确定位 | 提出了一种深度学习语义分割框架来定位夹子的位置，并通过等效椭圆算法和SVM分类器计算其弯曲和旋转角度 | 弯曲角度计算的平均误差为7.7°，旋转角度分类的准确率为76% | 开发一种用于治疗二尖瓣反流（MR）的机器人，实现夹子对瓣叶的精确导航 | 二尖瓣机器人的定位和导航 | computer vision | 心血管疾病 | C-arm fluoroscopy | CNN | image | NA | NA | NA | NA | NA |
| 27552 | 2024-08-31 |
A Coarse-to-Fine Framework for Automated Knee Bone and Cartilage Segmentation Data from the Osteoarthritis Initiative
2021-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-021-00464-z
PMID:34031789
|
研究论文 | 本文开发了一种基于深度学习的粗到细方法，用于自动分割膝关节骨、软骨和半月板，具有高计算效率 | 提出了一个基于深度学习的粗到细框架，用于自动分割膝关节骨和软骨，提高了分割的准确性和效率 | NA | 开发一种自动化的方法来分割膝关节骨和软骨，以便于量化分析OA图像 | 膝关节骨、软骨和半月板的自动分割 | 计算机视觉 | 骨关节炎 | 深度学习 | NA | 图像 | 507个MR体积（81,120个切片） | NA | NA | NA | NA |
| 27553 | 2024-08-31 |
Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction
2021-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.14609
PMID:33225476
|
研究论文 | 本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测 | 首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测 | 需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性 | 开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测 | COVID-19患者的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | VB-Net神经网络 | CT扫描图像 | 训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描 | NA | NA | NA | NA |
| 27554 | 2024-08-31 |
Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays
2021-Feb-05, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09775-9
PMID:33564340
|
研究论文 | 本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例 | 该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度 | NA | 开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例 | COVID-19阳性病例和非COVID-19病例的胸部X光片 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | CNN | 图像 | 321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片 | NA | NA | NA | NA |
| 27555 | 2024-08-31 |
Automatic Screening of COVID-19 Using an Optimized Generative Adversarial Network
2021-Jan-25, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09785-7
PMID:33520007
|
研究论文 | 本文提出了一种使用优化生成对抗网络（GAN）进行COVID-19自动筛查的方法 | 采用鲸鱼优化算法（WOA）优化GAN生成器的超参数，提高了模型的性能 | NA | 开发一种自动筛查COVID-19的方法，减轻医疗系统的负担 | COVID-19和非COVID-19的CT图像 | 计算机视觉 | COVID-19 | 生成对抗网络（GAN） | GAN | 图像 | 使用了包含COVID-19和非COVID-19图像的SARS-CoV-2 CT-Scan数据集 | NA | NA | NA | NA |
| 27556 | 2024-08-31 |
DRISTI: a hybrid deep neural network for diabetic retinopathy diagnosis
2021, Signal, image and video processing
DOI:10.1007/s11760-021-01904-7
PMID:33897905
|
研究论文 | 本文提出了一种名为DRISTI的混合深度神经网络模型，用于糖尿病视网膜病变（DR）的诊断和分类 | DRISTI模型结合了VGG16和胶囊网络，相较于现有技术，在性能上有了显著提升 | NA | 旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性 | 糖尿病视网膜病变（DR）的诊断和分类 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 混合深度神经网络（VGG16和胶囊网络） | 图像 | 使用了扩增的APTOS数据集进行训练和验证 | NA | NA | NA | NA |
| 27557 | 2024-08-31 |
Convolutional neural networks for the classification of chest X-rays in the IoT era
2021, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-10907-y
PMID:34155434
|
研究论文 | 本文提出两种基于深度学习的方法，用于快速自动分类胸片图像，以检测胸部疾病 | 引入了基于AlexNet和VGGNet16的支持向量机方法，这些方法在胸片图像分类任务中表现优于传统的AlexNet和VGG16深度学习方法 | NA | 开发自动化的人工智能系统，帮助放射科医生更准确和快速地检测肺部疾病 | 胸片图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 十二种胸片疾病 | NA | NA | NA | NA |
| 27558 | 2024-08-31 |
Rapid Identification of Potential Inhibitors of SARS-CoV-2 Main Protease by Deep Docking of 1.3 Billion Compounds
2020-08, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202000028
PMID:32162456
|
研究论文 | 本文利用深度对接技术（Deep Docking）对13亿化合物进行虚拟筛选，以快速识别SARS-CoV-2主蛋白酶的潜在抑制剂 | 开发了一种新的深度学习平台——深度对接（Deep Docking），能够快速预测对接分数，实现对大量化合物的结构基础虚拟筛选 | NA | 开发针对SARS-CoV-2的小分子治疗药物 | SARS-CoV-2主蛋白酶的潜在抑制剂 | 机器学习 | COVID-19 | 深度对接（Deep Docking） | 深度学习平台 | 化合物 | 13亿化合物 | NA | NA | NA | NA |
| 27559 | 2024-08-31 |
Facial expression recognition for monitoring neurological disorders based on convolutional neural network
2019-Nov, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-019-07959-6
PMID:35693322
|
研究论文 | 本研究开发了一种基于卷积神经网络的自动化面部表情识别系统，用于监测神经障碍患者 | 该系统采用了一种新颖的深度学习方法，通过四阶段网络结构，结合整体面部信息和局部特征，提高了面部表情识别的准确性 | NA | 开发一种低成本、无创的自动化面部表情识别系统，帮助专家检测神经障碍 | 面部表情识别在神经障碍患者中的应用 | 计算机视觉 | 神经障碍 | 卷积神经网络 | CNN | 图像 | 在RaFD数据库上进行了实验，实现了94.44%的准确率 | NA | NA | NA | NA |
| 27560 | 2024-08-30 |
A Deep Learning Framework for Analysis of the Eustachian Tube and the Internal Carotid Artery
2024-Sep, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.789
PMID:38686594
|
研究论文 | 本文介绍了一种深度学习框架，用于从CT扫描中自动分割咽鼓管和颈内动脉，并计算两者之间的距离 | 这是首个端到端的深度学习管道，用于自动分割咽鼓管和颈内动脉，并分析这些结构之间的距离 | NA | 开发一种深度学习管道，自动分割咽鼓管和颈内动脉，并利用这些分割结果计算结构间的距离 | 咽鼓管和颈内动脉 | 计算机视觉 | NA | CT扫描 | nnU-Net | 3D模型 | 30个CT扫描，60对咽鼓管和颈内动脉 | NA | NA | NA | NA |