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 1638 篇文献,本页显示第 1141 - 1160 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
1141 2024-08-30
Risk assessment of COVID-19 pandemic using deep learning model for J&K in India: a district level analysis
2022-Mar, Environmental science and pollution research international
研究论文 本研究使用深度学习模型对印度J&K地区的COVID-19疫情进行风险评估,并进行地区级别的分析 采用深度学习基础的增量学习技术模型当前COVID-19传播趋势并预测未来趋势,使用GIS系统存储、分析和展示COVID-19的传播情况 NA 评估COVID-19疫情的演变并预测未来趋势 印度J&K地区各区的COVID-19疫情数据 机器学习 COVID-19 深度学习 深度学习模型 数据 228天的每日COVID-19病例数据
1142 2024-08-30
Automated COVID-19 diagnosis and prognosis with medical imaging and who is publishing: a systematic review
2022-Mar, Physical and engineering sciences in medicine IF:2.4Q2
综述 对使用医学影像进行COVID-19自动诊断和预后的已发表技术进行系统性调查,评估报告性能的有效性并研究提出的临床应用案例。同时对发表此类工作的作者进行范围审查。 研究了深度学习技术在COVID-19诊断和预后中的应用,发现其报告的AUC和准确性较高。 研究领域存在高偏倚性,71%的研究因偏倚被排除,平均每项研究有8.3次CLAIM失败。 评估使用医学影像进行COVID-19自动诊断和预后技术的有效性,并研究其临床应用。 使用医学影像进行COVID-19自动诊断和预后的技术。 计算机视觉 COVID-19 深度学习 CNN 医学影像 1002项研究中,390项通过筛选,81项通过相关性和偏倚排除。
1143 2024-08-30
Imaging through diffuse media using multi-mode vortex beams and deep learning
2022-01-28, Scientific reports IF:3.8Q1
研究论文 本文提出了一种使用多模涡旋光束和名为“LGDiffNet”的新型深度学习网络通过散射介质进行成像的新方法 使用多模涡旋光束和“LGDiffNet”网络进行图像重建,相比现有模式提供了增强的图像重建能力 NA 解决通过散射介质进行光学成像的挑战 通过散射介质进行图像重建 计算机视觉 NA 深度学习 LGDiffNet 图像 使用220号砂砾和2毫米宽的强散射散射器进行实验验证
1144 2024-08-30
CariesNet: a deep learning approach for segmentation of multi-stage caries lesion from oral panoramic X-ray image
2022-Jan-07, Neural computing & applications IF:4.5Q2
研究论文 本文提出了一种名为CariesNet的深度学习架构,用于从口腔全景X光图像中分割多阶段龋齿病变 引入了一个带有全尺度轴向注意力模块的U形网络,以提高龋齿类型分割的准确性 未提及具体限制 开发一种自动化的方法来提高龋齿诊断的准确性和效率 多阶段龋齿病变 计算机视觉 口腔疾病 深度学习 U形网络 图像 3127张高质量的全景X光图像
1145 2024-08-30
Inverted bell-curve-based ensemble of deep learning models for detection of COVID-19 from chest X-rays
2022-Jan-05, Neural computing & applications IF:4.5Q2
研究论文 本文提出了一种基于倒钟形曲线的深度学习模型集成方法,用于从胸部X光片中检测COVID-19 采用倒钟形曲线加权集成方法,结合迁移学习预训练模型,提高了COVID-19检测的准确性 NA 开发一种高效的深度学习模型集成方法,用于从胸部X光片中准确检测COVID-19 COVID-19患者的胸部X光片 计算机视觉 COVID-19 深度学习 CNN 图像 使用了两个公开数据集:COVID-19放射学数据库和IEEE COVID胸部X光数据集
1146 2024-08-30
A Survey on Mathematical, Machine Learning and Deep Learning Models for COVID-19 Transmission and Diagnosis
2022, IEEE reviews in biomedical engineering IF:17.2Q1
综述 本文综述了用于COVID-19传播分析和诊断的数学、机器学习和深度学习模型 提供了对现有数学模型、机器学习模型和深度学习模型的全面回顾,以帮助选择合适的模型进行疾病传播分析和快速自动化诊断 每种模型都有其特定的局限性和优势,需要根据具体情况选择 旨在通过数学和数据驱动模型分析和预测COVID-19的传播,以及提供快速自动化诊断机制 COVID-19的传播分析和诊断 机器学习 COVID-19 NA 数学模型、机器学习模型、深度学习模型 NA NA
1147 2024-08-30
Mix-and-Interpolate: A Training Strategy to Deal With Source-Biased Medical Data
2022-01, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本文提出了一种名为MIx-aNd-Interpolate(MINI)的训练策略,用于解决使用多源真实世界数据训练深度卷积神经网络进行COVID-19分类时遇到的数据源偏差问题 MINI方法通过结合来自不同医院的样本生成缺失类别的体积,从而扩大了原始源偏差数据集的样本空间 NA 解决在训练深度学习模型进行COVID-19分类时遇到的数据源偏差问题 COVID-19的分类 机器学习 COVID-19 深度学习 深度卷积神经网络 CT图像 1,221例COVID-19阳性CT图像和1,520例阴性CT图像(其中786例社区获得性肺炎和734例非肺炎)
1148 2024-08-30
A novel approach based on combining deep learning models with statistical methods for COVID-19 time series forecasting
2022, Neural computing & applications IF:4.5Q2
研究论文 本文提出了一种结合深度学习模型与统计方法的新方法,用于COVID-19时间序列预测 使用时间序列增强技术创建新的时间序列,以提高深度学习模型的性能 未提及具体限制 提高COVID-19感染病例预测的准确性,以便做出更有效的控制措施决策 COVID-19感染病例的时间序列数据 机器学习 COVID-19 时间序列增强技术 LSTM, GRU, CNN 时间序列数据 未提及具体样本数量
1149 2024-08-30
Outbreak COVID-19 in Medical Image Processing Using Deep Learning: A State-of-the-Art Review
2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1
综述 本文综述了深度学习技术在医学影像处理中应对COVID-19疫情的应用 探讨了深度学习在医学影像如X射线、CT扫描和磁共振成像中的应用,以对抗COVID-19疫情 介绍了在控制健康危机和疫情爆发中遇到的一些问题和挑战 讨论深度学习技术在医学影像处理中的应用,特别是针对COVID-19的预测、传播迹象检测、治疗方面和疫苗研究 COVID-19疫情及其在医学影像处理中的应用 计算机视觉 COVID-19 深度学习 NA 图像 NA
1150 2024-08-30
Adaptive UNet-based Lung Segmentation and Ensemble Learning with CNN-based Deep Features for Automated COVID-19 Diagnosis
2022, Multimedia tools and applications IF:3.0Q2
研究论文 本文提出了一种基于自适应U-Net的肺部分割方法和基于CNN深度特征的集成学习方法,用于自动化COVID-19诊断。 本文引入了自适应激活函数(AAF)的U-Net进行肺部分割,并采用自适应海鞘群算法(SA-TSA)作为提升算法,以提高分割和检测性能。 NA 开发一种自动化COVID-19检测方法,以提高诊断的准确性和效率。 COVID-19疾病的自动化检测。 计算机视觉 COVID-19 卷积神经网络(CNN) U-Net, 集成学习 图像 胸部X射线图像
1151 2024-08-30
Real time deep learning framework to monitor social distancing using improved single shot detector based on overhead position
2022, Earth science informatics IF:2.7Q2
研究论文 本文介绍了一种基于改进的单次检测器和深度学习技术的实时框架,用于通过远程传感顶视图图像自动监测社交距离 提出了一种新的深度学习框架,使用改进的单次检测器模型来自动识别人们是否保持社交距离 NA 开发一种自动监测社交距离的深度学习框架,以应对COVID-19疫情的传播 社交距离的自动监测 计算机视觉 NA 深度学习 单次检测器 图像 广泛收集的远程传感图像
1152 2024-08-30
MEDAS: an open-source platform as a service to help break the walls between medicine and informatics
2022, Neural computing & applications IF:4.5Q2
研究论文 本文介绍了一个名为MEDAS的开源平台,旨在促进医学与信息学领域的深度学习技术在医学图像分析中的应用与合作 MEDAS是首个为医学背景的研究人员提供深度学习工具包的开放源代码平台,同时为信息学领域的科学家和工程师提供快速建模服务 NA 打破医学与信息学之间的壁垒,促进两个领域的研究人员在医学图像分析中的合作 医学图像分析中的分割、分类、检测等任务 数字病理学 NA 深度学习 DL相关工具包 图像 涉及肺、肝、脑、胸和病理学五个任务的验证
1153 2024-08-30
A holistic overview of deep learning approach in medical imaging
2022, Multimedia systems IF:3.5Q1
综述 本文综述了深度学习技术在医学影像分析中的应用及其不同医学影像模态,旨在为医学领域的非专家提供深度学习概念的贡献 介绍了深度学习技术在医学影像分析中的多种应用,如分割、分类、检测等,并讨论了基本架构、数据增强、迁移学习和特征选择方法 文章提出了一些研究挑战和文献中建议的解决方案,但未具体阐述这些挑战的具体内容和解决方案的实施细节 旨在综述深度学习技术在医学影像分析中的最新进展,并为医学领域的非专家提供深度学习概念的贡献 深度学习技术及其在医学影像分析中的应用 计算机视觉 NA 深度学习 CNN 图像 NA
1154 2024-08-30
Multithreshold Image Segmentation Technique Using Remora Optimization Algorithm for Diabetic Retinopathy Detection from Fundus Images
2022, Neural processing letters IF:2.6Q3
研究论文 本文提出了一种使用Remora优化算法的多阈值图像分割技术,用于从眼底图像中检测糖尿病视网膜病变 本文引入了基于多阈值的Remora优化算法进行血管分割,并使用带有野鹅算法的区域卷积神经网络进行特征提取和分类 NA 旨在开发一种新的框架用于糖尿病视网膜病变的检测和分类 糖尿病视网膜病变及其不同阶段 计算机视觉 糖尿病视网膜病变 多阈值图像分割技术 区域卷积神经网络(R-CNN) 图像 实验图像来自DRIVE数据库
1155 2024-08-30
The winter, the summer and the summer dream of artificial intelligence in law: Presidential address to the 18th International Conference on Artificial Intelligence and Law
2022, Artificial intelligence and law IF:3.1Q1
演讲 本文是作者作为IAAIL主席在ICAIL 2021上的演讲,旨在阐述AI与法律领域的现状及未来展望 提出了结合自下而上的机器/深度学习与NLP方法和自上而下的法律知识表示及推理模型的方法,以促进语义网和AI系统的发展 提到了AI发展的技术机遇和理论限制 探讨AI与法律领域的历史变迁、现状及未来发展方向 AI与法律领域的研究及其在语义网和AI系统中的应用 人工智能 NA 机器学习, 深度学习, NLP NA 文本 NA
1156 2024-08-30
Deep learning techniques to classify agricultural crops through UAV imagery: a review
2022, Neural computing & applications IF:4.5Q2
综述 本文综述了使用无人机影像进行农作物分类的深度学习技术,特别是基于卷积神经网络的方法 融合不同无人机数据和深度学习方法已成为准确分类不同作物类型的强大工具 NA 帮助研究人员和农民根据其研究的作物和使用的硬件选择合适的算法 农作物分类 计算机视觉 NA 深度学习 CNN 图像 NA
1157 2024-08-30
Quantifying prognosis severity of COVID-19 patients from deep learning based analysis of CT chest images
2022, Multimedia tools and applications IF:3.0Q2
研究论文 本文提出了一种基于深度学习的CT胸部图像分析技术,用于量化COVID-19患者的预后严重程度 使用预训练的孪生神经网络(SNN)进行COVID-19阳性患者的检测,并通过去除高度相似的图像来提高数据集的质量 最终的多分类问题仅获得了47%的加权平均F1分数,表明在患者优先级排序方面仍有改进空间 开发一种新的技术来帮助医疗人员对COVID-19患者进行严重程度评估和优先级排序 COVID-19患者的CT胸部图像 计算机视觉 COVID-19 孪生神经网络(SNN) CNN 图像 使用了经过医学专家标注的CT胸部扫描切片图像数据集,去除了40%的高度相似图像
1158 2024-08-30
Leverage knowledge graph and GCN for fine-grained-level clickbait detection
2022, World wide web IF:2.7Q2
研究论文 本文提出了一种结合知识图谱、图卷积网络和图注意力网络的细粒度级标题党检测模型 首次尝试将知识图谱和深度学习技术结合用于标题党检测,并实现了可解释性 未提及具体限制 提高标题党检测的准确性和可解释性 标题党检测 自然语言处理 NA 知识图谱,图卷积网络,图注意力网络 GCN 文本 使用真实数据集进行实验
1159 2024-08-30
Deep Learning-Enabled Clinically Applicable CT Planbox for Stroke With High Accuracy and Repeatability
2022, Frontiers in neurology IF:2.7Q3
研究论文 本文介绍了一种基于深度学习的智能CT系统,用于中风患者的临床评估,具有高准确性和重复性 开发了一种名为CAPITAL-CT的智能CT系统,通过使用区域提议网络(RPN)和V-Net模型,实现了对中风患者的高精度自动扫描 NA 开发一种智能CT系统,以提高中风患者随访期间的图像标准性、准确性和重复性 中风患者 计算机视觉 中风 区域提议网络(RPN),V-Net CNN 图像 训练集包含76,382个人脸图像,另一个训练集包含295个受试者,验证集包含1,124名患者
1160 2024-08-30
Head and Neck Cancer Primary Tumor Auto Segmentation Using Model Ensembling of Deep Learning in PET/CT Images
2022, Head and neck tumor segmentation and outcome prediction : second challenge, HECKTOR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings. Head and Neck Tumor Segmentation Challenge (2nd : 2021 ...
研究论文 本研究开发了一系列基于3D残差Unet(ResUnet)架构的深度学习模型,用于自动分割PET/CT图像中的口咽癌原发肿瘤,并通过内部和外部验证展示了其高性能 采用标签融合集成方法,包括Simultaneous Truth and Performance Level Estimation(STAPLE)和基于多数投票的体素级阈值方法(AVERAGE),生成共识分割 未来研究应关注通道组合和标签融合策略的最佳组合,以最大化分割性能 提高辐射肿瘤学工作流程中口咽癌原发肿瘤的自动分割 口咽癌原发肿瘤的自动分割 计算机视觉 头颈癌 深度学习 3D Residual Unet(ResUnet) 图像 训练集224名患者,测试集101名患者
回到顶部