深度学习在生物医药领域中的应用

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,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!

Sample Image
添加微信请说明来意
Sample Image
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10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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202201-202201] [清除筛选条件]
当前共找到 528 篇文献,本页显示第 181 - 200 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
181 2024-09-07
Classification of Breast Cancer Histopathological Images Using DenseNet and Transfer Learning
2022, Computational intelligence and neuroscience
研究论文 本文提出了一种基于DenseNet和迁移学习的方法DenTnet,用于分类乳腺癌病理图像 本文的创新点在于使用DenseNet作为骨干模型,并通过迁移学习解决了从同一分布中提取特征的问题,提高了分类准确性和计算速度 现有方法的局限性包括高计算需求和对同一特征分布的依赖,本文通过DenTnet方法缓解了这些问题 研究目的是提高乳腺癌病理图像分类的准确性和计算效率 研究对象是乳腺癌病理图像 计算机视觉 乳腺癌 迁移学习 DenseNet 图像 使用了BreaKHis数据集,训练测试比为80%:20%
182 2024-09-07
Considerate motion imagination classification method using deep learning
2022, PloS one IF:2.9Q1
研究论文 提出了一种基于深度学习的细致运动想象分类方法,通过图结构和双分支架构提取多维特征信息,并结合注意力机制和全局特征聚合模块提高分类准确性 提出了一种适用于脑电图的图结构,能够准确表示非欧几里得空间中脑电图电极的分布,并充分考虑电极间的空间相关性 NA 提高运动想象分类的准确性 脑电图信号 机器学习 NA 深度学习 图卷积网络 脑电图信号 涉及多个不同的公共脑机接口数据集
183 2024-09-07
Automatic extraction of upper-limb kinematic activity using deep learning-based markerless tracking during deep brain stimulation implantation for Parkinson's disease: A proof of concept study
2022, PloS one IF:2.9Q1
研究论文 本文介绍了一种基于深度学习的无标记跟踪技术,用于在帕金森病深部脑刺激植入手术中自动提取上肢运动学活动 本文的创新点在于应用深度学习技术进行无标记跟踪,以提高运动评估的准确性,并自动分类运动行为,从而优化深部脑刺激手术的目标定位 本文的局限性在于样本量较小(仅5名患者),且未提及该方法在不同文化和资源有限地区的适用性 本文的研究目的是开发一种自动化的方法,用于在深部脑刺激手术中准确评估和分类患者的运动行为,以优化手术目标定位 本文的研究对象是接受深部脑刺激手术的帕金森病患者 计算机视觉 帕金森病 深度学习 支持向量机(SVM) 视频 5名患者
184 2024-09-07
CT-based radiomics in predicting pathological response in non-small cell lung cancer patients receiving neoadjuvant immunotherapy
2022, Frontiers in oncology IF:3.5Q2
研究论文 本研究评估了基于CT的放射组学特征、临床特征、深度学习特征及其组合,用于预测非小细胞肺癌患者在接受免疫治疗辅助治疗后的良好病理反应 本研究首次将深度学习特征与传统放射组学特征和临床特征结合,构建了一个综合模型,用于预测非小细胞肺癌患者的病理反应 样本量较小,仅包括62名患者,可能影响模型的泛化能力 评估基于CT的放射组学特征在预测非小细胞肺癌患者接受免疫治疗辅助治疗后的病理反应中的应用 非小细胞肺癌患者在接受免疫治疗辅助治疗后的病理反应 数字病理学 肺癌 放射组学 多层感知器 (MLP) 图像 62名非小细胞肺癌患者
185 2024-09-07
Improving unsupervised stain-to-stain translation using self-supervision and meta-learning
2022, Journal of pathology informatics
研究论文 本文探讨了在数字病理学中使用无监督域适应和图像到图像翻译技术来处理不同组织染色变异的问题 提出了两种新方法来改进染色到染色的翻译效果:一是将先验分割网络集成到CycleGAN中进行自监督的应用导向优化,二是通过在翻译输出中加入额外通道来隐式分离人工元信息 CycleGAN在翻译其他结构(如动脉)时表现有限,且与原始染色分割相比,所有结构在所有染色中的表现略有下降 研究如何通过无监督染色到染色的翻译技术,使深度学习分割模型在不同染色条件下具有独立适用性 肾脏组织病理学图像中的不同染色变异 数字病理学 NA CycleGAN CycleGAN 图像 涉及多种肾脏结构,如肾小球、肾小管和静脉
186 2024-09-07
Multiscale generative model using regularized skip-connections and perceptual loss for anomaly detection in toxicologic histopathology
2022, Journal of pathology informatics
研究论文 本文介绍了一种利用深度学习进行毒理病理学异常检测的方法,通过生成对抗网络(GAN)和自编码器架构中的正则化和感知技术,提高了模型对毒理病理学数据的泛化能力 本文提出了一种新的异常检测方法,结合了生成对抗网络(GAN)和自编码器架构,并引入了正则化和感知技术,以提高模型对毒理病理学数据的泛化能力 NA 开发一种能够泛化应用于毒理病理学数据异常检测的深度学习方法 毒理病理学中的异常检测,特别是组织切片中的异常 数字病理学 NA 生成对抗网络(GAN),自编码器 生成对抗网络(GAN),自编码器 图像 训练数据包括正常的大鼠肝脏切片的全切片图像(WSIs),验证数据包括三种异常类别的WSIs
187 2024-09-07
Automated recognition of glomerular lesions in the kidneys of mice by using deep learning
2022, Journal of pathology informatics
研究论文 本文构建了一种基于深度学习的人工智能模型,用于自动识别小鼠肾脏中的肾小球病变 首次在非临床研究中应用深度学习技术自动识别小鼠肾脏中的肾小球病变 模型仅在Col4a3 KO小鼠和ADR诱导的肾病小鼠中验证,通用性有待进一步验证 开发一种能够自动识别小鼠肾脏中肾小球病变的人工智能模型 小鼠肾脏中的肾小球病变 数字病理学 NA 深度学习 DenseNet 图像 使用Col4a3 KO小鼠和ADR诱导的肾病小鼠的HE染色全切片图像
188 2024-09-07
Histology segmentation using active learning on regions of interest in oral cavity squamous cell carcinoma
2022, Journal of pathology informatics
研究论文 本文研究了在口腔鳞状细胞癌中使用主动学习进行组织学分割的方法 提出了一种基于主动学习的改进U-net分类器,用于在感兴趣区域(ROI)尺度上进行分割 需要大量高质量的病理学家注释,且处理大型全切片图像(WSIs)时存在网络瓶颈 探讨主动学习在数字病理学中进行组织学分割的有效性 口腔鳞状细胞癌的组织学图像 数字病理学 口腔癌 主动学习 U-net 图像 NA
189 2024-09-07
Tackling stain variability using CycleGAN-based stain augmentation
2022, Journal of pathology informatics
研究论文 本文探讨了使用CycleGAN进行染色增强以应对病理学中的染色变异性问题 提出了一种通过数据增强而非传统的染色标准化方法来应对染色变异性的新策略 尽管提出的方法在分割准确性上有所提升,但提升幅度较小,且需考虑额外的碳足迹 旨在提高预训练深度学习分割模型在具有较大染色变异性的多中心队列中的适用性 肾脏病理学中的染色变异性问题 数字病理学 NA 深度学习 CycleGAN 图像 涉及三个外部多中心队列
190 2024-09-07
JustDeepIt: Software tool with graphical and character user interfaces for deep learning-based object detection and segmentation in image analysis
2022, Frontiers in plant science IF:4.1Q1
研究论文 介绍了一种名为JustDeepIt的软件工具,该工具通过图形用户界面和字符用户界面支持基于深度学习的对象检测和分割 JustDeepIt提供了一个易于使用的图形用户界面,简化了深度学习模型的构建过程,特别适合编程初学者 NA 开发一种易于使用的深度学习软件工具,以支持实验人员在图像分析中的工作 植物科学中的关键问题,如小麦头检测、甜菜和杂草分割、植物和叶片分割 计算机视觉 NA 深度学习 Faster R-CNN, YOLOv3, SSD, RetinaNet, Mask R-CNN, U-Net 图像 四个案例研究,涵盖植物科学中的不同应用
191 2024-09-07
Using AAEHS-Net as an Attention-Based Auxiliary Extraction and Hybrid Subsampled Network for Semantic Segmentation
2022, Computational intelligence and neuroscience
研究论文 本文提出了一种基于注意力机制的辅助提取和混合子采样网络(AAEHS-Net)用于语义分割 引入互补增强提取模块(CEEM)和混合子采样模块(HSM),以及全局最大池和全局平均池模块(GAGM)来提高特征提取和分割精度 未提及 解决深度学习语义分割中浅层特征被忽视导致的分割不准确问题 语义分割网络的性能提升 计算机视觉 NA 深度学习 AAEHS-Net 图像 三个数据集:无人机图像数据集、马萨诸塞州道路数据集和马萨诸塞州建筑数据集
192 2024-09-07
Analysis of Characteristic Factors of Nursing Safety Incidents in ENT Surgery by Deep Learning-Based Medical Data Association Rules Method
2022, Computational and mathematical methods in medicine
研究论文 本文通过深度学习结合医疗数据关联规则方法,分析了耳鼻喉科手术后护理安全事件的特征因素 采用深度学习结合关联规则方法分析护理安全事件的特征因素,为改善耳鼻喉科手术后护理安全提供了新思路 样本量较小,仅涉及385名住院患者,可能影响结果的普适性 探讨耳鼻喉科手术后护理安全事件的特征因素,以提高护理安全 耳鼻喉科手术后的护理安全事件及其影响因素 机器学习 耳鼻喉疾病 深度学习 关联规则方法 文本 385名住院患者
193 2024-09-07
Deep Transfer Learning for COVID-19 Detection and Lesion Recognition Using Chest CT Images
2022, Computational and mathematical methods in medicine
研究论文 本文提出了一种基于深度迁移学习的方法,用于使用胸部CT图像进行COVID-19检测和病变识别 引入了2D全局最大池化层以提高模型性能,并开发了一种热图方法来突出显示COVID-19胸部CT图像中的病变区域 NA 开发一种快速且自动化的COVID-19诊断方法,以提高诊断效率和准确性 COVID-19的检测和胸部CT图像中的病变识别 计算机视觉 COVID-19 深度卷积神经网络 CNN 图像 测试数据集上的准确率为94.12%
194 2024-09-07
A Machine Learning Applied Diagnosis Method for Subcutaneous Cyst by Ultrasonography
2022, Oxidative medicine and cellular longevity
研究论文 本文提出了一种基于机器学习的皮下囊肿超声诊断方法 利用深度学习技术提升超声计算机辅助诊断系统的性能 仅在湖南省级人民医院的132例患者数据上进行了验证 开发一种机器学习方法来诊断皮下囊肿 皮下囊肿的超声图像 机器学习 NA 超声成像 支持向量机(SVM) 图像 132例患者
195 2024-09-07
A multi-task FP-GNN framework enables accurate prediction of selective PARP inhibitors
2022, Frontiers in pharmacology IF:4.4Q1
研究论文 提出了一种多任务FP-GNN深度学习框架,用于预测分子对四种PARP同工酶的抑制活性 多任务FP-GNN方法在预测PARP抑制剂活性方面表现最佳,并能识别与每种PARP同工酶抑制相关的关键结构片段 NA 开发一种能够准确预测选择性PARP抑制剂的深度学习框架 四种PARP同工酶(PARP-1, PARP-2, PARP-5A, PARP-5B)的抑制活性 机器学习 NA FP-GNN(指纹和图神经网络) 多任务FP-GNN 分子数据 NA
196 2024-09-07
Contrastive learning and subtyping of post-COVID-19 lung computed tomography images
2022, Frontiers in physiology IF:3.2Q2
研究论文 研究构建了一个深度学习模型,通过对比学习方法对COVID-19后遗症患者的肺部CT图像进行分类和亚型识别 引入肺体积变换的对比学习模型,能够从CT扫描中学习疾病的潜在特征,并识别出COVID-19后遗症的两种亚型 研究样本量相对较小,可能影响模型的泛化能力 通过深度学习模型区分COVID-19后遗症患者与健康个体,并识别COVID-19后遗症的亚型 COVID-19后遗症患者的肺部CT图像 计算机视觉 肺部疾病 对比学习 对比学习模型 图像 140名COVID-19后遗症患者和105名健康对照者
197 2024-09-07
Evaluation of deep learning techniques for identification of sarcoma-causing carcinogenic mutations
2022 Jan-Dec, Digital health IF:2.9Q2
研究论文 本文提出了一种使用深度学习循环神经网络(RNN)算法进行人类肉瘤癌症早期检测的框架 本文首次将RNN算法应用于肉瘤癌症的早期检测,并取得了高达99.6%的准确率 研究样本数量有限,仅包含134个样本和141个突变,可能影响模型的泛化能力 开发一种用于早期检测人类肉瘤癌症的深度学习框架 人类肉瘤癌症的早期检测 机器学习 肉瘤 深度学习 循环神经网络(RNN) 基因序列 134个样本,包含141个突变
198 2024-09-07
Classification of multiple sclerosis clinical profiles using machine learning and grey matter connectome
2022, Frontiers in robotics and AI IF:2.9Q2
研究论文 本研究旨在利用灰质连接组数据和机器学习方法区分多发性硬化症(MS)的临床分型 本研究首次提出了一种自动化管道,利用灰质形态连接组的全局图指标进行MS临床分型的分类,避免了复杂和耗时的MR技术 本研究仅使用了90名MS患者的样本,样本量较小,可能影响结果的普适性 研究灰质厚度连接组数据在区分多发性硬化症临床分型中的判别能力 多发性硬化症患者的灰质连接组数据 机器学习 多发性硬化症 机器学习 集成模型 图像 90名多发性硬化症患者
199 2024-09-07
Learning to diagnose common thorax diseases on chest radiographs from radiology reports in Vietnamese
2022, PloS one IF:2.9Q1
研究论文 本文提出了一种从越南语放射报告自动提取标签的数据收集和标注流程,用于胸部X光片的常见胸腔疾病诊断 本文的创新点在于利用越南语放射报告自动生成标签,为越南放射学家和临床医生提供更符合当地诊断类别的标注数据 本文的局限性在于仅使用了越南语放射报告,未涉及其他语言的报告 本文的研究目的是开发一种自动化的数据标注工具,用于胸部X光片的常见胸腔疾病诊断 本文的研究对象是胸部X光片及其对应的越南语放射报告 计算机视觉 胸腔疾病 深度学习 EfficientNet-B2 图像 9752个胸部X光片研究
200 2024-09-07
Deep Learning for Strawberry Canopy Delineation and Biomass Prediction from High-Resolution Images
2022, Plant phenomics (Washington, D.C.)
研究论文 本文提出了一种利用深度神经网络从高分辨率图像中自动分割草莓冠层并预测生物量的工作流程 本文首次将Mask R-CNN应用于草莓冠层的分割,并使用深度回归模型预测冠层叶面积和干生物量 本文仅在RGB和RGB-NIR图像上进行了实验,未探讨其他波段组合的效果 研究如何利用深度学习技术从高分辨率图像中自动分割草莓冠层并预测其生物量 草莓冠层的分割和生物量预测 计算机视觉 NA 深度学习 Mask R-CNN, VGG-16, ResNet-50 图像 使用了高分辨率RGB、近红外和数字表面模型图像,样本数量未明确提及
回到顶部