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 33008 篇文献，本页显示第 30101 - 30120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30101 | 2024-08-07 |
Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges
2019-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-019-00227-x
PMID:31144149
|
research paper | 本文对利用深度学习技术进行医学图像分割的流行方法进行了关键性评估，并总结了最常见的挑战及可能的解决方案 | NA | NA | 评估深度学习技术在医学图像分割中的应用 | 医学图像分割的深度学习方法及其挑战 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 30102 | 2024-08-07 |
ORCA-SPOT: An Automatic Killer Whale Sound Detection Toolkit Using Deep Learning
2019-07-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-47335-w
PMID:31358873
|
研究论文 | 本文介绍了一种使用深度学习自动检测虎鲸声音的工具包ORCA-SPOT | ORCA-SPOT工具包能够自动从大型生物声学数据库中提取虎鲸声音，提高了处理效率和准确性 | NA | 旨在通过自动识别虎鲸的通信模式来增进对非人类动物种内通信的理解 | 虎鲸（Orcinus orca）的声音和环境噪音 | 机器学习 | NA | 深度神经网络 | 深度学习模型 | 声音 | 11,509个虎鲸信号和34,848个噪音片段 | NA | NA | NA | NA |
| 30103 | 2024-08-07 |
Two-stage framework for optic disc localization and glaucoma classification in retinal fundus images using deep learning
2019-07-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-019-0842-8
PMID:31315618
|
研究论文 | 本文提出了一种两阶段框架，用于在视网膜眼底图像中定位视盘并进行青光眼分类 | 该方法在视盘定位和青光眼分类方面达到了新的最先进水平，并提出了一种基于规则的半自动地面实况生成方法，用于训练基于RCNN的模型进行自动视盘定位 | 在评估青光眼分类时，仅报告曲线下面积可能无法全面反映分类器的性能，需要额外的性能指标来证实结果 | 开发一种自动化的方法来定位视盘并进行青光眼分类，以辅助临床医生进行疾病识别 | 视网膜眼底图像中的视盘定位和青光眼分类 | 计算机视觉 | 青光眼 | 深度学习 | CNN | 图像 | 七个公开可用的视盘定位数据集和一个包含健康和青光眼标签的最大公开可用数据集ORIGA | NA | NA | NA | NA |
| 30104 | 2024-08-07 |
Deep Learning to Assess Long-term Mortality From Chest Radiographs
2019-07-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本文开发并测试了一种名为CXR-risk的卷积神经网络（CNN），用于从胸部X光片预测长期死亡率，包括非癌症死亡 | 利用深度学习技术从单一胸部X光片中评估长期死亡风险，为预防和干预提供依据 | NA | 开发和测试一种CNN模型，用于预测基于胸部X光片的长期死亡率 | 胸部X光片数据及其与长期死亡率的关系 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 开发阶段样本量为41,856，测试阶段样本量为10,464，外部测试样本量为5,493 | NA | NA | NA | NA |
| 30105 | 2024-08-07 |
Deep learning for automatic Gleason pattern classification for grade group determination of prostate biopsies
2019-Jul, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-019-02577-x
PMID:31098801
|
研究论文 | 本文利用卷积神经网络（CNN）自动检测前列腺活检中的Gleason模式（GP）并确定分级组（GG），以减少前列腺癌病理分级中的观察者间变异性。 | 本文首次使用Inception-v3卷积神经网络对数字化前列腺活检图像进行GP的自动检测和GG的确定，提高了病理分级的准确性。 | 研究样本量较小，仅涉及38名患者的96份前列腺活检样本，可能影响结果的泛化性。 | 开发一种计算机辅助方法，通过自动检测Gleason模式和确定分级组，提高前列腺癌病理分级的准确性和治疗选择的优化。 | 前列腺活检样本中的Gleason模式和分级组。 | 数字病理学 | 前列腺癌 | 卷积神经网络（CNN） | Inception-v3 | 图像 | 96份前列腺活检样本来自38名患者 | NA | NA | NA | NA |
| 30106 | 2024-08-07 |
DeepCentering: fully automated crystal centering using deep learning for macromolecular crystallography
2019-Jul-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S160057751900434X
PMID:31274465
|
研究论文 | 介绍了一种名为DeepCentering的新型自动化晶体中心定位系统，该系统利用卷积神经网络实现完全自动化的精确晶体中心定位 | DeepCentering系统实现了无需X射线照射晶体的完全自动化精确晶体中心定位 | NA | 开发一种用于高吞吐量蛋白质晶体学的完全自动化晶体中心定位系统 | 蛋白质晶体 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 30107 | 2024-08-07 |
Characterization of Industry 4.0 Lean Management Problem-Solving Behavioral Patterns Using EEG Sensors and Deep Learning
2019-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s19132841
PMID:31247966
|
研究论文 | 本文通过结合脑电图非侵入式传感器和深度学习架构，研究了工业4.0中精益管理问题解决行为模式的神经特征 | 首次使用脑电图传感器和深度学习技术来分析和表征工业4.0中的问题解决行为模式 | NA | 旨在发现问题解决行为模式的神经特征，并利用深度学习架构进行行为模式表征 | 工业4.0中的精益管理问题解决行为模式 | 机器学习 | NA | 脑电图(EEG) | 深度学习架构 | 脑活动信号 | 案例研究数据集 | NA | NA | NA | NA |
| 30108 | 2024-08-07 |
A Literature Review: Geometric Methods and Their Applications in Human-Related Analysis
2019-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s19122809
PMID:31234601
|
综述 | 本文综述了几何方法及其在人类相关分析中的应用 | 提出了基于提取几何属性范围的几何方法分类：面向对象的几何方法、面向特征的几何方法和基于流程的几何方法 | NA | 探讨几何概念、几何方法及其在人类相关分析中的应用 | 人类形状分析、人类姿态分析和人类动作分析 | 计算机视觉 | NA | 几何深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 30109 | 2024-08-07 |
A Deep Learning-Based Automatic Mosquito Sensing and Control System for Urban Mosquito Habitats
2019-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s19122785
PMID:31234294
|
研究论文 | 本文介绍了一种基于深度学习的自动蚊子检测与控制系统，用于城市蚊子栖息地 | 该系统使用全卷积网络（FCN）和基于神经网络的回归方法进行图像处理，提高了检测准确性和处理速度 | 单图像分类器的准确率较低，仅为52% | 开发一种高效的自动蚊子检测与控制系统，以控制蚊子传播的传染病 | 蚊子及其栖息地 | 机器学习 | NA | 深度学习网络 | 全卷积网络（FCN） | 图像 | NA | NA | NA | NA | NA |
| 30110 | 2024-08-07 |
2019-Jun, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2019.05.010
PMID:31101593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30111 | 2024-08-07 |
Improvement diagnostic accuracy of sinusitis recognition in paranasal sinus X-ray using multiple deep learning models
2019-Jun, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims.2019.05.15
PMID:31367548
|
研究论文 | 本研究探讨了使用多深度学习模型通过鼻窦X光片识别上颌窦炎特征的可行性，并提出了一种通过多数决策算法确定合理共识的方法 | 本研究采用了多数决策算法，通过多个卷积神经网络模型（VGG-16、VGG-19和ResNet-101）来提高鼻窦炎检测的准确性 | NA | 研究目的是探讨通过鼻窦X光片识别上颌窦炎特征的可行性，并提出最有效的确定合理共识的方法 | 上颌窦炎的识别 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | 共4,860名患者，包括2,430名正常和上颌窦炎患者 | NA | NA | NA | NA |
| 30112 | 2024-08-07 |
Predicting Ion Mobility Collision Cross-Sections Using a Deep Neural Network: DeepCCS
2019-04-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.8b05821
PMID:30932474
|
研究论文 | 本文通过深度学习算法预测离子迁移碰撞截面（CCS）值，以提高小分子鉴定的准确性 | 开发了一种新的深度学习模型DeepCCS，用于预测CCS值，该模型在多个实验室的不同仪器上进行了训练和测试，表现优于现有预测算法 | NA | 提高使用质谱进行非靶向代谢组学测量时小分子鉴定的准确性 | 小分子的离子迁移碰撞截面（CCS）值 | 机器学习 | NA | 离子迁移谱（IMS） | 深度神经网络 | SMILES符号和离子类型信息 | 超过2400个分子 | NA | NA | NA | NA |
| 30113 | 2024-08-07 |
A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb
2019-01-15, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2018.12.003
PMID:30529409
|
研究论文 | 本文开发了一种基于深度学习的方法，用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像 | 首次为小鼠嗅球构建了一个高质量的基因表达注册图谱，并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因 | NA | 利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像，以构建基因表达图谱并揭示其表达模式 | 小鼠嗅球的原位杂交实验图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 数千个脑组织切片 | NA | NA | NA | NA |
| 30114 | 2024-08-07 |
The application of convolutional neural network to stem cell biology
2019, Inflammation and regeneration
IF:5.0Q1
DOI:10.1186/s41232-019-0103-3
PMID:31312276
|
研究论文 | 本文探讨了卷积神经网络（CNN）在诱导多能干细胞（iPSC）生物学研究中的应用 | 提出使用CNN自动从相位对比显微镜图像中识别细胞类型，无需分子标记 | NA | 探索CNN在干细胞生物学研究中的应用潜力 | 诱导多能干细胞（iPSC）及其分化后的特定细胞类型 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 30115 | 2024-08-07 |
Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0210689
PMID:31318885
|
研究论文 | 本文研究利用Twitter数据进行综合症监测，并通过半监督分类技术筛选相关推文，以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力 | 提出了一种半监督方法用于症状相关推文的分类和相关性过滤，并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能 | 尽管关键词数据收集，但许多收集的推文可能不相关，因为它们代表闲聊或意识讨论而非个人特定状况 | 评估Twitter数据在综合症监测中的应用，增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群 | 特定综合症——哮喘/呼吸困难 | 自然语言处理 | NA | 半监督分类技术 | NA | 文本 | 大量推文数据 | NA | NA | NA | NA |
| 30116 | 2024-08-07 |
Using distant supervision to augment manually annotated data for relation extraction
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0216913
PMID:31361753
|
研究论文 | 本文通过远监督方法增强人工标注数据，以改善自然语言处理任务中的关系抽取 | 采用远监督方法和迁移学习技术，提高了模型在人工标注数据集上的表现 | 远监督方法获取的数据通常存在噪声，需要通过启发式方法进行预处理 | 探索如何有效利用远监督数据增强人工标注数据集，以满足深度学习模型对大量标注数据的需求 | 自然语言处理任务中的关系抽取 | 自然语言处理 | NA | 远监督方法 | NA | 文本 | NA | NA | NA | NA | NA |
| 30117 | 2024-08-07 |
A Full-Image Deep Segmenter for CT Images in Breast Cancer Radiotherapy Treatment
2019, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2019.00677
PMID:31403032
|
研究论文 | 本文提出了一种用于乳腺癌放疗治疗中CT图像的自动分割方法，该方法利用深度学习技术对女性乳房和心脏进行精确分割 | 新开发的深度神经网络在性能上优于当前最先进的神经网络，并将推理速度提高了近一个数量级 | NA | 开发一种自动分割解决方案，以提高乳腺癌放疗治疗中CT图像的分割准确性和速度 | 女性乳房和心脏的CT图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 30118 | 2024-08-07 |
Deep Learning for Drug Design: an Artificial Intelligence Paradigm for Drug Discovery in the Big Data Era
2018-03-30, The AAPS journal
DOI:10.1208/s12248-018-0210-0
PMID:29603063
|
综述 | 本文综述了深度学习方法在药物设计中的应用，特别是卷积神经网络、循环神经网络和深度自编码网络等主流架构在监督学习和非监督学习中的应用 | 深度学习方法在药物设计领域的应用相较于传统机器学习算法具有更大的潜力 | 深度学习方法在药物发现和开发领域尚未得到广泛认可，仍需进一步的研究和应用推广 | 探讨深度学习在药物设计中的应用及其面临的挑战 | 深度学习方法及其在药物设计中的应用 | 机器学习 | NA | 深度学习 | CNN, RNN, DAENs | 小分子数据 | NA | NA | NA | NA | NA |
| 30119 | 2024-08-05 |
Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints
2024-Sep, JOR spine
IF:3.4Q1
DOI:10.1002/jsp2.1353
PMID:39011368
|
研究论文 | 本研究介绍了一种基于磁共振成像的自动化技术，用于对腰椎间盘和关节的分级。 | 提出了一种基于卷积神经网络的自动化分级技术，增强了评估的一致性。 | 在Fujiwara分级系统中表现出较大的误差，显示出该系统的高变异性。 | 旨在使用自动化系统根据Pfirrmann和Fujiwara分级系统分类腰椎间盘和关节的健康状况。 | 临床MRI图像，涉及腰椎间盘和关节的健康状况。 | 计算机视觉 | NA | 磁共振成像 | 卷积神经网络 | 图像 | 从公共可访问的腰椎MRI数据集中获取的临床MRI图像 | NA | NA | NA | NA |
| 30120 | 2024-08-05 |
The Impact of Drop Test Conditions on Brain Strain Location and Severity: A Novel Approach Using a Deep Learning Model
2024-Aug, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-024-03525-w
PMID:38739210
|
研究论文 | 本研究采用深度学习模型分析了实验室控制的掉落测试参数对大脑应变的影响 | 提出了一种新方法，利用训练好的卷积神经网络（CNN）预测大脑区域性最大主应变 | 未讨论不同研究条件对结果的潜在影响 | 探讨掉落测试条件对大脑区域最大主应变的影响 | 运动员在高强度头部冲击下的脑部损伤 | 数字病理学 | NA | 深度学习 | 卷积神经网络（CNN） | 数值数据 | NA | NA | NA | NA | NA |