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:202201-202212] [清除筛选条件]
当前共找到 1636 篇文献,本页显示第 221 - 240 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
221 2024-09-28
A Deep Learning Quantification Algorithm for HER2 Scoring of Gastric Cancer
2022, Frontiers in neuroscience IF:3.2Q2
研究论文 本文提出了一种用于胃癌HER2评分的深度学习量化算法 首次提出了一种自动化的HER2评分框架,并使用重参数化方案加速推理过程 NA 开发一种辅助病理学家诊断胃癌HER2评分的深度学习算法 胃癌HER2评分 计算机视觉 胃癌 深度学习 卷积神经网络 图像 NA
222 2024-09-28
Individual Factors Associated With COVID-19 Infection: A Machine Learning Study
2022, Frontiers in public health IF:3.0Q2
研究论文 本研究旨在通过机器学习技术识别与COVID-19感染相关的潜在因素 本研究采用了多种机器学习和深度学习算法,包括随机森林、XGBoost和深度神经网络,以选择最佳预测模型 本研究的数据集主要包含临床数据和健康参数,可能未涵盖所有潜在影响因素 识别与COVID-19感染相关的潜在因素,并开发预测模型以帮助预防SARS-CoV-2感染 COVID-19感染的潜在风险因素 机器学习 COVID-19 随机森林、XGBoost、支持向量机、深度神经网络 随机森林、XGBoost、深度神经网络 临床数据、人体测量数据、健康参数 包含临床数据、人体测量数据和健康参数的样本
223 2024-09-28
Cultural and Creative Product Design and Image Recognition Based on Deep Learning
2022, Computational intelligence and neuroscience
研究论文 研究基于深度学习的文化创意产品设计和图像识别 提出了一种基于深度学习的图像识别技术,用于文化创意产品设计,相较于现有的LDA、HMM和优化算法,该系统提供了更准确的解决方案 NA 研究如何利用深度学习技术进行文化创意产品设计和图像识别 文化创意产品和图像识别技术 计算机视觉 NA 深度学习 NA 图像 NA
224 2024-09-28
Deep Learning Dual Neural Networks in the Construction of Learning Models for Online Courses in Piano Education
2022, Computational intelligence and neuroscience
研究论文 本文探讨了深度学习和人工智能在儿童钢琴教育中的应用,提出了一种基于双神经网络的钢琴音符起始检测方法 本文创新性地将深度学习与人工智能结合,用于在线钢琴课程的学习模型构建,并提出了一种双神经网络方法来检测钢琴音符的起始 本文未详细讨论模型的训练数据集大小和多样性,以及模型在不同钢琴音乐风格中的泛化能力 研究目的是提升现代钢琴教学质量,通过深度学习和人工智能技术改进在线钢琴课程的学习模型 研究对象是在线钢琴课程中的学习模型和儿童钢琴教育 机器学习 NA 深度学习 双神经网络 音频信号 未明确提及具体样本数量
225 2024-09-28
Scope of repurposed drugs against the potential targets of the latest variants of SARS-CoV-2
2022, Structural chemistry IF:2.1Q2
综述 本文综述了利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种潜在靶点的研究进展 本文介绍了通过分子对接、分子动力学模拟、定量结构活性关系、网络方法和人工智能等计算科学技术的进步,提高了药物重新定位的潜力 本文讨论了药物重新定位的优缺点,强调了其在最新进展中的应用范围 探讨利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种的潜在靶点 SARS-CoV-2的最新变种及其重要蛋白质靶点 计算生物学 NA 分子对接、分子动力学模拟、定量结构活性关系、网络方法、人工智能 机器学习、深度学习 蛋白质结构、药物分子 NA
226 2024-09-28
Research on the Predictive Analysis of Park Landscape Design and Cost Based on RNN Model
2022, Computational intelligence and neuroscience
研究论文 研究基于RNN模型的公园景观设计和成本预测分析 引入人工蜂群算法更新RNN权重,提出全局最优的ABC-RNN预测模型 未提及具体限制 探索影响公园景观成本的主要因素,提出成本预测模型以控制建设成本 公园景观设计及其成本 机器学习 NA 深度学习技术 RNN NA 未提及具体样本数量
227 2024-09-27
A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD
2022-02-01, NeuroImage IF:4.7Q1
研究论文 提出了一种动态图卷积神经网络框架,用于揭示注意力缺陷多动障碍(ADHD)中的连接组功能障碍 引入了一种新的动态图卷积网络(dGCN),并开发了一种新的卷积读出层以改进图表示,显著提高了ADHD诊断的性能 NA 设计一种能够捕捉大脑功能连接组拓扑信息的新方法,以提高ADHD的精确诊断 注意力缺陷多动障碍(ADHD)患者的大脑功能连接组 机器学习 精神疾病 功能磁共振成像(fMRI) 动态图卷积神经网络(dGCN) 图结构 NA
228 2024-09-27
Learning to Localize Cross-Anatomy Landmarks in X-Ray Images with a Universal Model
2022, BME frontiers IF:5.0Q1
研究论文 本文开发了一种通用的解剖标志检测模型,该模型可以从多个对应不同解剖区域的X射线图像数据集中学习 首次尝试在多个数据集上训练单一网络进行解剖标志检测,相比传统单数据集训练模型,该模型更轻量且训练更简单,同时提高了解剖标志定位的准确性 NA 开发一种能够在不同解剖区域X射线图像中准确自动定位解剖标志的通用模型 X射线图像中的解剖标志 计算机视觉 NA 深度学习 全卷积网络 图像 1710张X射线图像,包含72个解剖标志,涉及四个解剖区域
229 2024-09-27
Virtual Staining, Segmentation, and Classification of Blood Smears for Label-Free Hematology Analysis
2022, BME frontiers IF:5.0Q1
研究论文 本文提出了一种基于单通道、无标记深紫外显微镜的全自动血液分析框架,用于无标记血液分析 利用深紫外显微镜的独特能力,开发了一种基于深度学习的管道,实现了虚拟染色、分割、分类和白细胞计数 NA 简化并改进当前的全血计数和血涂片分析,开发一种简单、快速、低成本的即时血液分析仪 白细胞的虚拟染色、分割、分类和计数 数字病理学 NA 深紫外显微镜 深度学习网络 图像 NA
230 2024-09-27
Label-Free Virtual HER2 Immunohistochemical Staining of Breast Tissue using Deep Learning
2022, BME frontiers IF:5.0Q1
研究论文 本文介绍了一种基于深度学习的无标签虚拟HER2免疫组化染色方法 提出了一种基于条件生成对抗网络的虚拟HER2免疫组化染色方法,能够快速将未标记的乳腺组织切片的自发荧光显微图像转换为与标准化学染色相匹配的明场显微图像 需要进一步验证该方法在其他生物标志物上的适用性 开发一种无需化学处理的虚拟HER2免疫组化染色方法,以加速生物医学工作流程 乳腺组织中的HER2生物标志物 数字病理学 乳腺癌 深度学习 条件生成对抗网络 图像 NA
231 2024-09-27
A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification
2022, BME frontiers IF:5.0Q1
研究论文 提出了一种低成本高性能的数据增强策略,用于基于深度学习的皮肤病变分类 该策略不仅提高了皮肤病变的分类性能,还突出了临床医生关注的潜在区域,并且可以在低资源环境下广泛应用于多种疾病的早期筛查和自动诊断 NA 开发高性能且低成本的数据增强策略,用于智能皮肤癌筛查设备 皮肤病变分类 机器学习 皮肤癌 数据增强 EfficientNets 图像 HAM10000数据集
232 2024-09-27
Connectivity-based Cortical Parcellation via Contrastive Learning on Spatial-Graph Convolution
2022, BME frontiers IF:5.0Q1
研究论文 本文提出了一种基于结构连接的皮质分割框架,利用空间图卷积网络进行对比学习 提出了空间图卷积分割(SGCP)框架,通过两阶段深度学习模型进行图表示脑成像数据的分割 NA 开发和评估基于结构连接的皮质分割框架 脑皮质分割 计算机视觉 NA 空间图卷积网络 深度学习模型 图像 15个受试者的DWI数据集,用于5个脑区域的分割任务
233 2024-09-26
Generalizable deep learning model for early Alzheimer's disease detection from structural MRIs
2022-10-17, Scientific reports IF:3.8Q1
研究论文 本研究开发了一种基于3D深度卷积神经网络的新方法,用于从结构MRI中早期检测阿尔茨海默病 提出了基于3D深度卷积神经网络的新方法,能够自动学习识别与阿尔茨海默病相关的成像生物标志物,并实现早期准确检测 在检测轻度认知障碍(MCI)时,模型的AUC较低,表明在该任务上仍存在挑战 开发一种能够早期检测阿尔茨海默病的深度学习模型 阿尔茨海默病、轻度认知障碍和认知正常个体 机器学习 阿尔茨海默病 3D深度卷积神经网络 CNN 图像 内部验证集来自阿尔茨海默病神经影像学倡议(ADNI),外部独立验证集来自国家阿尔茨海默病协调中心(NACC)
234 2024-09-26
CMC-Net: 3D calf muscle compartment segmentation with sparse annotation
2022-07, Medical image analysis IF:10.7Q1
研究论文 本文提出了一种新的深度学习框架CMC-Net,用于在3D MR图像中对小腿肌肉隔室进行分割,通过选择有效的2D切片子集进行标注,并利用未标注的切片来促进后续训练步骤的泛化 CMC-Net通过选择最具代表性的2D切片进行标注,并利用未标注的切片进行模型训练,从而在标注数据量较小的情况下实现了良好的分割性能 本文未详细讨论模型在不同类型肌肉疾病中的适用性,以及在不同MR设备和成像条件下的表现 开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架,用于诊断和评估肌肉疾病的进展 小腿肌肉隔室的3D分割 计算机视觉 NA 深度学习 深度网络 3D MR图像 实验中使用了小腿肌肉隔室的3D MR图像数据集,并进行了额外的3D MR大腿数据集实验
235 2024-09-26
Latent Linguistic Motifs in Social Media Postings Resisting COVID-19 Misinformation
2022-Jun-06, Studies in health technology and informatics
研究论文 本文研究了社交媒体上抵抗COVID-19错误信息的潜在语言模式 采用混合方法包括定性编码、深度学习分类和计算机文本分析,揭示了纠正性推文中的语言变量差异 未提及 探讨社交媒体上纠正COVID-19错误信息的语言机制 COVID-19相关推文及其语言变量 自然语言处理 NA 深度学习分类 深度学习分类器 文本 未提及
236 2024-09-26
Deep Learning-Based Recurrence Prediction of Atrial Fibrillation After Catheter Ablation
2022-01-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2
研究论文 研究使用深度卷积神经网络(CNN)预测心房颤动(AF)患者在射频消融(RFCA)后的复发情况,并与传统统计分析方法进行比较 提出了一种新的CNNSurv模型用于预测AF复发,其性能优于传统的统计分析方法 NA 研究深度学习模型在预测心房颤动复发中的应用 接受射频消融治疗的心房颤动患者 机器学习 心血管疾病 深度卷积神经网络(CNN) CNN 数值数据 310名接受射频消融治疗的心房颤动患者,其中包括94名复发患者
237 2024-09-26
A systematic literature review of deep learning neural network for time series air quality forecasting
2022-Jan, Environmental science and pollution research international
综述 本文系统回顾了深度学习神经网络在时间序列空气质量预测中的应用 本文总结了不同类型的深度学习算法在空气质量预测中的应用,并介绍了混合深度学习技术的有效性 本文主要集中在现有研究的回顾和总结,未提出新的模型或方法 探讨深度学习在时间序列空气质量预测中的应用 深度学习算法在空气质量预测中的应用 机器学习 NA 深度学习 混合深度学习模型 时间序列数据 NA
238 2024-09-25
Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics
2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
研究论文 本文开发了一种基于深度学习的模型,用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测 本文提出了一种创新的滑动窗口过程,能够对定量 MS/MS 数据进行高分辨率处理,从而提高 MS2 特征检测的准确性 NA 提高 LC-MS 分析中肽段鉴定的准确性,以促进生物标志物发现和复杂蛋白质组学的研究 肽段片段离子在串联质谱中的检测 机器学习 NA LC-MS 分析 深度学习模型 MS2 数据 NA
239 2024-09-25
Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach
2022-08, Neurocritical care IF:3.1Q2
研究论文 本文介绍了PRECICECAP研究的方案和信息学方法,旨在通过机器学习分析高分辨率的多模态数据,发现新的生物标志物特征,以预测治疗性低温的最佳持续时间和90天功能结果 开发了一个免费的开源软件平台,用于标准化重症监护病房数据的整理,并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析 NA 通过机器学习分析高分辨率的多模态数据,发现新的生物标志物特征,以预测治疗性低温的最佳持续时间和90天功能结果 从院外心脏骤停复苏的患者中收集的高分辨率多模态数据 机器学习 心血管疾病 自编码器神经网络、监督深度学习神经网络算法 自编码器神经网络、监督深度学习神经网络 多模态数据(包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件) 12个ICECAP站点将收集数据,研究预计在2025年底完成
240 2024-09-25
Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification
2022-May-16, Diagnostics (Basel, Switzerland)
研究论文 本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究 本文首次将自监督学习方法应用于牙釉质龋齿分类,显著提高了标签效率和分类性能 研究仅限于牙釉质龋齿分类,未涉及其他口腔疾病 探索自监督学习在医疗图像分析中的应用,特别是在标签获取成本高昂的情况下 牙釉质龋齿分类 计算机视觉 口腔疾病 自监督学习 神经网络 图像 38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像
回到顶部