基于深度学习的生物医学数据分析进展

发布时间：2021-05-09 19:32

　　传统生物医学数据分析技术在大数据时代背景下,面临着巨大挑战,而深度学习技术在生物医学分析领域的应用,迎来了巨大的发展机遇。本文综述了深度学习在生物医学数据分析领域的最新研究进展。首先阐述了深度学习方法及工具,随后以时间为主线,围绕生物医学问题的提出、数据预处理方法、模型建立方法、训练算法重点总结了近五年深度学习在生物医学数据分析中的具体应用,并重点强调了医疗辅助诊断中的深度学习应用。最后给出了未来深度学习在生物医学数据分析领域可能的发展方向。 

【文章来源】：生物医学工程学杂志. 2020,37(02)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
引言
1 深度学习方法及工具
    1.1 深度学习方法
    1.2 深度学习工具
2 深度学习在生物医学分析中的具体应用
    2.1 医疗辅助诊断中的深度学习应用
        2.1.1 医学图像分割
        2.1.2 医学图像分类识别
    2.2 生物数据分析中的深度学习应用
3 总结与展望


【参考文献】：
期刊论文
[1]融合图像和指标的阿尔茨海默病多分类诊断模型[J]. 鉏家欢,潘乔.  智能计算机与应用. 2019(04)
[2]基于深度学习的白内障自动诊断方法研究[J]. 刘振宇,宋建聪.  微处理机. 2019(03)
[3]基于全卷积网络的胎儿脑部超声图像分割算法[J]. 叶海,冯开平,谢红宁.  现代计算机. 2019(17)
[4]一种只利用序列信息预测RNA结合蛋白的深度学习模型[J]. 李洪顺,于华,宫秀军.  计算机研究与发展. 2018(01)
[5]基于深度学习的心脏病检测的研究[J]. 李岭海.  现代计算机(专业版). 2017(09)



本文编号：3177894