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 42805 篇文献，本页显示第 34321 - 34340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 34321 | 2024-10-01 |
MRI Segmentation and Classification of Human Brain Using Deep Learning for Diagnosis of Alzheimer's Disease: A Survey
2020-Jun-07, Sensors (Basel, Switzerland)
DOI:10.3390/s20113243
PMID:32517304
|
综述 | 本文综述了利用深度学习方法进行MRI分割和分类以诊断阿尔茨海默病（AD）的研究现状 | 本文总结了当前基于深度学习的MRI分割方法，并讨论了其在AD诊断中的应用 | 本文未具体讨论每种方法的局限性，而是集中在当前研究的概述和未来方向上 | 提供当前基于深度学习的MRI分割方法的概述，以用于AD的定量分析和诊断 | 人脑MRI图像及其在AD诊断中的应用 | 计算机视觉 | 阿尔茨海默病 | MRI | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 34322 | 2024-10-01 |
The Application of Deep Learning in Cancer Prognosis Prediction
2020-Mar-05, Cancers
IF:4.5Q1
DOI:10.3390/cancers12030603
PMID:32150991
|
综述 | 本文综述了深度学习在癌症预后预测中的应用 | 深度学习模型在处理大规模数据时表现出更高的预测准确性，且需要较少的数据工程 | NA | 探讨深度学习在癌症预后预测中的应用及其潜在优势 | 癌症预后预测模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 多组学数据（基因组数据、转录组数据和临床信息） | NA | NA | NA | NA | NA |
| 34323 | 2024-10-01 |
Automated Hierarchy Evaluation System of Large Vessel Occlusion in Acute Ischemia Stroke
2020, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2020.00013
PMID:32265682
|
研究论文 | 本文介绍了一种基于香港医院管理局2016年所有急性缺血性卒中（AIS）患者记录的自动化大血管闭塞（LVO）评估系统 | 首次结合结构化临床数据和非结构化非对比CT（NCCT）影像数据进行急性期LVO诊断，性能优于以往报道的方法 | NA | 开发一种能够快速识别大血管闭塞的自动化评估系统，以提高急性缺血性卒中患者的再灌注治疗机会和神经恢复 | 急性缺血性卒中患者的大血管闭塞 | 机器学习 | 脑血管疾病 | 机器学习技术，包括逻辑回归、随机森林、支持向量机（SVM）和极端梯度提升（XGBoost） | 多层次模型 | 结构化临床数据和非对比CT（NCCT）影像数据 | 300名患者，其中200名用于模型训练，100名用于模型性能评估 | NA | NA | NA | NA |
| 34324 | 2024-10-01 |
Enhanced Accuracy for Multiclass Mental Workload Detection Using Long Short-Term Memory for Brain-Computer Interface
2020, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2020.00584
PMID:32655353
|
研究论文 | 研究使用长短期记忆网络（LSTM）提高脑机接口中多类心理负荷检测的准确性 | 提出了使用卷积神经网络（CNN）和长短期记忆网络（LSTM）的新型深度学习框架，显著提高了多类心理负荷分类的准确性 | NA | 提高脑机接口中多类心理负荷检测的准确性 | 心理负荷的分类和检测 | 机器学习 | NA | 功能近红外光谱（fNIRS） | 长短期记忆网络（LSTM） | 脑活动信号 | 15名参与者（男女各半），每人进行10次心理负荷实验 | NA | NA | NA | NA |
| 34325 | 2024-10-01 |
A Path Toward Explainable AI and Autonomous Adaptive Intelligence: Deep Learning, Adaptive Resonance, and Models of Perception, Emotion, and Action
2020, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2020.00036
PMID:32670045
|
研究论文 | 本文总结了生物神经网络模型如何帮助理解自主适应智能，并解释了这些模型的动态和涌现特性如何可解释，从而可以自信地应用于大规模应用 | 提出了Adaptive Resonance Theory (ART)算法，克服了反向传播和深度学习的计算问题，实现了无灾难性遗忘的快速分类 | 未提及 | 探讨可解释的人工智能和自主适应智能的发展路径 | 生物神经网络模型及其在感知、认知、情感和行动中的应用 | 机器学习 | NA | Adaptive Resonance Theory (ART) | NA | NA | NA | NA | NA | NA | NA |
| 34326 | 2024-09-30 |
Research Note: A deep learning method segments chicken keel bones from whole-body X-ray images
2024-Nov, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.104214
PMID:39190989
|
研究论文 | 本文提出了一种基于深度学习的方法，用于从全身X光图像中分割鸡的胸骨（龙骨） | 本文首次使用U-net模型对鸡的全身X光图像进行胸骨分割，并取得了较高的分割精度 | 本文未详细讨论模型的泛化能力和在不同品种鸡上的适用性 | 训练一个深度学习模型，用于从全身X光图像中自动分割鸡的胸骨 | 鸡的胸骨（龙骨） | 计算机视觉 | NA | 深度学习 | U-net | 图像 | 1,051只产蛋鸡的全身X光图像 | NA | NA | NA | NA |
| 34327 | 2024-09-16 |
Monitoring activity index and behaviors of cage-free hens with advanced deep learning technologies
2024-Nov, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.104193
PMID:39191000
|
研究论文 | 本研究开发了卷积神经网络模型来监测散养鸡的活动指数 | 结合YOLOv8和DeepSORT模型在多目标跟踪精度上表现最佳，达到94%的MOTA | NA | 评估动物健康和福利 | 散养鸡的行为和活动 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 1500张顶视图图像，其中900张用于训练，300张用于验证，300张用于测试 | NA | NA | NA | NA |
| 34328 | 2024-09-30 |
Research note: A method for recognizing and evaluating typical behaviors of laying hens in a thermal environment
2024-Nov, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.104122
PMID:39190998
|
研究论文 | 提出了一种基于深度学习的方法，用于自动识别和评估热环境中笼养蛋鸡的典型热应激行为 | 开发了一种轻量级目标检测算法YOLO-HGP，基于YOLOv8n模型，显著提高了检测精度和效率 | NA | 提高热环境中笼养蛋鸡行为管理的自动化水平，为培育耐热蛋鸡提供参考指标 | 笼养蛋鸡在热环境中的典型热应激行为 | 计算机视觉 | NA | 深度学习 | YOLO-HGP | 视频 | NA | NA | NA | NA | NA |
| 34329 | 2024-09-30 |
Dissecting AI-based mutation prediction in lung adenocarcinoma: A comprehensive real-world study
2024-Nov, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2024.114292
PMID:39276594
|
研究论文 | 本文通过大规模真实世界研究，评估了基于AI的深度学习模型在肺腺癌突变预测中的应用 | 本文利用大规模样本集（2356个晚期FFPE样本）训练模型，提高了突变预测的鲁棒性和泛化能力 | 尽管模型在预测突变方面表现良好，但不能完全替代全面的分子分析 | 评估深度学习模型在肺腺癌突变预测中的准确性和泛化能力 | 肺腺癌患者的突变预测 | 数字病理 | 肺腺癌 | 深度学习 | 深度学习模型 | 图像 | 2356个晚期FFPE样本 | NA | NA | NA | NA |
| 34330 | 2024-09-30 |
Classification of Shoulder Implant Manufacturer Using Pre-Trained DenseNet201 Combined With Capsule Network
2024-Oct, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.2672
PMID:39334563
|
研究论文 | 本研究旨在通过X射线影像和深度学习技术，提前识别肩部植入物制造商，以加速修订手术和治疗 | 提出了基于预训练DenseNet201与胶囊网络（DenseNet201-Caps）的肩部植入物分类模型，并通过多阶段分类方法提高了准确性 | DenseNet201-Caps在区分Cofield和Depuy制造商时存在困难 | 加速修订手术和治疗，提前识别肩部植入物制造商 | 肩部植入物制造商的分类 | 计算机视觉 | NA | 深度学习 | DenseNet201与胶囊网络 | X射线影像 | 聚类的肩部植入物数据集 | NA | NA | NA | NA |
| 34331 | 2024-09-30 |
Identification of Alzheimer's disease and vascular dementia based on a Deep Forest and near-infrared spectroscopy analysis method
2024-Sep-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125209
PMID:39340951
|
研究论文 | 本研究利用近红外光谱技术和深度森林模型，开发了一种阿尔茨海默病和血管性痴呆的鉴别诊断模型 | 首次将近红外光谱技术与深度学习结合，用于阿尔茨海默病和血管性痴呆的鉴别诊断 | 样本量相对较小，可能影响模型的泛化能力 | 开发一种准确且快速的阿尔茨海默病和血管性痴呆鉴别诊断方法 | 阿尔茨海默病患者、血管性痴呆患者和健康个体 | 机器学习 | 阿尔茨海默病 | 近红外光谱技术 | 深度森林 | 光谱数据 | 33名阿尔茨海默病患者、37名血管性痴呆患者和130名健康个体 | NA | NA | NA | NA |
| 34332 | 2024-09-30 |
Optimizing Deep Learning Models with Improved BWO for TEC Prediction
2024-Sep-22, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9090575
PMID:39329597
|
研究论文 | 本文提出了一种改进的BWO算法FAMBWO，用于优化深度学习模型的超参数，并应用于TEC预测 | 提出了FAMBWO算法，结合了萤火虫优化和多策略优化，显著提高了收敛速度和优化效果 | 未提及具体限制 | 优化深度学习模型的超参数，提高TEC预测的准确性 | TEC预测和深度学习模型的超参数优化 | 机器学习 | NA | 深度学习 | BiLSTM | 数值数据 | 30个基准函数 | NA | NA | NA | NA |
| 34333 | 2024-09-30 |
Improvement in Image Quality of Low-Dose CT of Canines with Generative Adversarial Network of Anti-Aliasing Generator and Multi-Scale Discriminator
2024-Sep-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090944
PMID:39329686
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的低剂量CT图像质量改进框架，专门用于动物CT成像 | 引入了抗锯齿生成器和多尺度判别器，结合BlurPool、PixelShuffle、分层特征合成网络和空间通道挤压激励块等技术，显著提高了低剂量CT图像的噪声减少、对比度增强和解剖结构保留 | NA | 旨在通过深度学习技术改进低剂量CT图像质量，以减少辐射暴露并提高诊断准确性 | 动物CT图像 | 计算机视觉 | NA | 生成对抗网络（GAN） | CycleGAN | 图像 | NA | NA | NA | NA | NA |
| 34334 | 2024-09-30 |
Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems
2024-Sep-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090941
PMID:39329683
|
研究论文 | 本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性 | 本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE） | NA | 提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性 | 耳鼻喉手术导航系统中的表面注册 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 硅胶面具头模和CT影像 | NA | NA | NA | NA |
| 34335 | 2024-09-30 |
A Multi-Task Model for Pulmonary Nodule Segmentation and Classification
2024-Sep-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10090234
PMID:39330454
|
研究论文 | 本文提出了一种多任务网络模型，用于肺结节的分割和良恶性分类 | 通过共享主干架构和预测蒸馏结构，整合了肺结节分割和分类任务，利用任务间的潜在关联提升模型性能 | NA | 提升肺结节分割和分类的准确性 | 肺结节的分割和良恶性分类 | 计算机视觉 | 肺癌 | 深度学习 | 多任务网络 (MT-Net) | 图像 | 使用公开数据集 LIDC-IDRI 进行实验 | NA | NA | NA | NA |
| 34336 | 2024-09-30 |
Segment Anything in Optical Coherence Tomography: SAM 2 for Volumetric Segmentation of Retinal Biomarkers
2024-Sep-19, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090940
PMID:39329682
|
研究论文 | 本文探讨了在光学相干断层扫描（OCT）中使用SAM 2和MedSAM 2模型进行视网膜生物标志物的体积分割 | 引入了SAM 2和MedSAM 2模型，并与传统的U-Net模型进行了性能比较 | 未提及具体的局限性 | 提高视网膜疾病诊断的质量 | 视网膜生物标志物的体积分割 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | SAM 2, MedSAM 2, U-Net | 图像 | 两个开源数据集：OIMHS和AROI | NA | NA | NA | NA |
| 34337 | 2024-09-30 |
Deep Learning-Based Biomimetic Identification Method for Mask Wearing Standardization
2024-Sep-18, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9090563
PMID:39329585
|
研究论文 | 提出了一种基于改进YOLOv5s的口罩佩戴标准化检测模型，用于检测口罩佩戴是否符合规范 | 首次提出专门检测鼻子目标的口罩佩戴标准化检测模型，并通过改进BottleneckCSP模块和插入SE模块提高了模型的特征提取能力 | 未提及 | 提高后疫情时代口罩佩戴深度学习检测模型的准确性和速度 | 口罩佩戴是否符合规范，特别是鼻子是否暴露在外 | 计算机视觉 | NA | YOLOv5s | CNN | 图像 | 未提及具体数量，但涉及不同人群和复杂背景的图像 | NA | NA | NA | NA |
| 34338 | 2024-09-30 |
Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches
2024-Sep-18, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10090232
PMID:39330452
|
研究论文 | 本文通过后启发式方法增强深度学习模型在脑肿瘤数据集中的可解释性 | 提出了一种基于场景特定规则的后处理机制，显著提升了LIME库和LIME图像解释器的解释能力 | NA | 解决深度学习模型在医疗诊断中缺乏解释性的问题 | 脑肿瘤检测数据集 | 机器学习 | 脑肿瘤 | LIME | 深度学习模型 | 图像 | 使用了多个公开可用的脑肿瘤检测数据集 | NA | NA | NA | NA |
| 34339 | 2024-09-30 |
Time Sequence Deep Learning Model for Ubiquitous Tabular Data with Unique 3D Tensors Manipulation
2024-Sep-12, Entropy (Basel, Switzerland)
DOI:10.3390/e26090783
PMID:39330116
|
研究论文 | 本文提出了一种利用堆叠双向LSTM深度学习算法处理表格数据的方法，通过定制的3D张量建模来提高模型性能 | 本文创新性地将时间序列深度学习模型应用于表格数据处理，通过3D张量建模提高了模型在表格数据上的表现 | 本文仅在六个公开数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试 | 提出一种新的方法，利用深度学习算法提高表格数据模型的性能 | 表格数据及其在深度学习模型中的应用 | 机器学习 | NA | 深度学习 | 堆叠双向LSTM | 表格数据 | 六个公开数据集，每个数据集的大小和学习目标不同 | NA | NA | NA | NA |
| 34340 | 2024-09-30 |
NMGrad: Advancing Histopathological Bladder Cancer Grading with Weakly Supervised Deep Learning
2024-Sep-11, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090909
PMID:39329651
|
研究论文 | 本文提出了一种用于膀胱癌分级的新方法，通过弱监督深度学习技术提高病理切片的分级准确性 | 引入了嵌套多实例学习方法和注意力机制，以提高模型对不同恶性程度区域的区分能力 | NA | 提高膀胱癌分级的准确性和一致性 | 膀胱癌病理切片 | 数字病理学 | 膀胱癌 | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |