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 1241 - 1260 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
1241 2024-08-27
Continuous monitoring of surgical bimanual expertise using deep neural networks in virtual reality simulation
2022-Apr-26, NPJ digital medicine IF:12.4Q1
research paper 本文介绍了一种智能连续技能监控系统(ICEMS),利用深度学习技术在虚拟现实模拟中以0.2秒间隔评估外科手术双手操作技能 ICEMS系统能够成功区分不同训练阶段的外科医生和学生,并能进行关键指标的辅导和风险评估 NA 开发一种连续评估外科手术技能的系统,以提供实时反馈和错误避免指导 外科手术双手操作技能的评估 machine learning NA deep learning LSTM virtual reality simulation data 156个虚拟模拟肿瘤切除任务,144个手术程序
1242 2024-08-27
AutoCoV: tracking the early spread of COVID-19 in terms of the spatial and temporal patterns from embedding space by K-mer based deep learning
2022-Apr-25, BMC bioinformatics IF:2.9Q1
研究论文 本文提出了一种基于K-mer的深度学习方法AutoCoV,用于追踪COVID-19早期传播的空间和时间模式 AutoCoV是首个从基因组序列中学习病毒传播模式的方法 NA 追踪COVID-19早期传播的空间和时间模式 COVID-19病毒的传播模式 机器学习 COVID-19 深度学习 深度学习方法 基因组序列 来自NCBI和GISAID数据集的SARS-CoV-2序列
1243 2024-08-27
Prediction of multiple pH compartments by deep learning in magnetic resonance spectroscopy with hyperpolarized 13C-labelled zymonic acid
2022-Apr-23, EJNMMI research IF:3.1Q1
研究论文 本文研究了使用深度学习方法在超极化13C标记的酒石酸磁共振波谱中预测多个pH隔室的可行性 提出使用卷积神经网络(CNN)和多层感知器(MLP)来改进超极化酒石酸波谱中多个pH隔室的预测,相较于传统线性拟合方法,CNN表现出更优越的性能 超极化13C-MRSI数据集通常较小,这可能限制了深度学习模型的训练效果 探索深度学习方法在超极化磁共振波谱成像(MRSI)中对多个pH隔室的预测能力 超极化13C标记的酒石酸波谱中的多个pH隔室 机器学习 NA 超极化磁共振波谱成像(MRSI) 卷积神经网络(CNN)和多层感知器(MLP) 波谱数据 从健康小鼠肾脏获取的八个真实数据集和合成数据集
1244 2024-08-27
CRISPR-Cas9 gRNA efficiency prediction: an overview of predictive tools and the role of deep learning
2022-Apr-22, Nucleic acids research IF:16.6Q1
研究论文 本文综述了CRISPR-Cas9系统中gRNA效率预测的计算工具,并重点讨论了深度学习在此领域的应用 探讨了新的深度学习工具在gRNA效率预测中的应用,并对其进行了系统评估 尽管有许多工具可用,但对其应用场景和性能基准的评估有限 旨在评估和讨论CRISPR-Cas9系统中gRNA设计的计算工具及其应用 CRISPR-Cas9系统中的gRNA效率预测工具 生物信息学 NA CRISPR-Cas9 深度学习 序列数据 NA
1245 2024-08-27
Fast anther dehiscence status recognition system established by deep learning to screen heat tolerant cotton
2022-Apr-21, Plant methods IF:4.7Q1
研究论文 本文通过深度学习技术建立了快速识别棉花花药开裂状态的系统,以筛选耐热棉花品种 首次应用深度学习技术替代人工方法,快速筛选耐热棉花品种 NA 开发深度学习模型以快速准确地识别棉花花药开裂状态,促进棉花遗传育种研究 棉花花药的开裂状态 计算机视觉 NA 深度学习 Faster R-CNN 和 YOLOv5 图像 30种随机选择的棉花品种
1246 2024-08-27
Data-driven discovery of cardiolipin-selective small molecules by computational active learning
2022-Apr-20, Chemical science IF:7.6Q1
研究论文 本文介绍了一种数据驱动的计算活性学习方法,结合深度学习、粗粒度分子动力学模拟和自由能计算,用于发现能够选择性渗透含心磷脂膜的小分子化合物 通过使用可转移的粗粒度模型,高效地探索了分子量小于约500 Da的小有机分子的全原子设计空间,并发现了比常用的心磷脂探针10-壬基吖啶橙具有更高心磷脂选择性的分子 NA 旨在发现能够选择性渗透含心磷脂膜的小分子化合物 心磷脂膜的选择性小分子染料 计算生物学 NA 粗粒度分子动力学模拟 深度学习 分子结构数据 仅模拟了粗粒度搜索空间的0.42%
1247 2024-08-27
Deep learning-based approach for identification of diseases of maize crop
2022-04-15, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的玉米病害图像识别方法,通过采集自ICAR-IIMR实验田的图像,针对三种重要病害进行识别 采用旋转增强和亮度增强方法生成人工图像以解决类别不平衡问题,并使用基于'Inception-v3'网络的三种不同架构进行训练,实现了95.99%的分类准确率和95.96%的平均召回率 NA 开发一种有效的深度学习方法,用于识别田间玉米病害图像 玉米病害图像,包括Maydis Leaf Blight、Turcicum Leaf Blight和Banded Leaf and Sheath Blight 计算机视觉 农作物病害 深度学习 Inception-v3 图像 从ICAR-IIMR实验田采集的病害图像,以及通过旋转增强和亮度增强生成的人工图像
1248 2024-08-27
A Principal Neighborhood Aggregation-Based Graph Convolutional Network for Pneumonia Detection
2022-Apr-15, Sensors (Basel, Switzerland)
研究论文 本文提出了一种基于主要邻域聚合的图卷积网络(PNA-GCN)用于肺炎检测 PNA-GCN通过利用转移学习技术提取特征并构建图,结合多重聚合函数和度标量,有效捕捉图结构的基本属性 NA 设计一个自动化的分类系统来检测肺炎 肺炎检测 机器学习 肺部疾病 图卷积网络 PNA-GCN 图像 使用真实世界数据集进行实验
1249 2024-08-27
MRA-free intracranial vessel localization on MR vessel wall images
2022-04-14, Scientific reports IF:3.8Q1
研究论文 本文研究了在没有磁共振血管造影(MRA)的情况下,直接从磁共振血管壁成像(VWI)中推断血管位置的可行性 提出了一种结合基于图谱的方法和深度学习网络在运动场域中校正残余几何误差的方法 NA 探讨直接从VWI数据中自动进行定量分析的可行性 颅内动脉粥样硬化疾病(ICAD)的血管形态分析 数字病理学 心血管疾病 磁共振成像(MRI) 深度学习网络 图像 NA
1250 2024-08-27
Survey on Self-Supervised Learning: Auxiliary Pretext Tasks and Contrastive Learning Methods in Imaging
2022-Apr-14, Entropy (Basel, Switzerland)
综述 本文综述了自监督学习在图像处理中的辅助预任务和对比学习方法 自监督学习利用未标记数据进行特征表示构建,无需手动标注,通过预任务和对比学习方法提高下游任务性能 自监督学习方法与监督学习方法的比较,以及自监督学习面临的进一步考虑和挑战 综述自监督学习方法,特别是辅助预任务和对比学习技术,并探讨其与监督学习的比较及面临的挑战 自监督学习中的辅助预任务和对比学习方法 计算机视觉 NA 自监督学习 NA 图像 NA
1251 2024-08-27
Medical image segmentation model based on triple gate MultiLayer perceptron
2022-04-12, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于三重门控多层感知器的医学图像分割模型TGMLP U-Net 设计了三重门控多层感知器(TGMLP),通过线性投影编码特征,有效捕捉长距离依赖和精确位置信息,同时设计了局部先验和全局感知器模块,以及门控机制来解决位置嵌入依赖问题 NA 缓解有限医疗资源与日益增长的医疗需求之间的社会矛盾,提高基于深度学习的医学图像辅助诊断效果 医学图像分割 计算机视觉 NA 多层感知器(MLP) TGMLP U-Net 图像 相对较小数量的医学图像分割数据
1252 2024-08-27
What you sample is what you get: ecomorphological variation in Trithemis (Odonata, Libellulidae) dragonfly wings reconsidered
2022-04-11, BMC ecology and evolution IF:2.3Q3
研究论文 本文重新探讨了非洲-亚洲蜻蜓属Trithemis的翅膀生态形态变异,通过更强大的统计测试和更全面的形态数据分析方法,研究了27种Trithemis物种的翅膀形状与栖息地之间的关系。 本文采用了更全面的形态数据分析方法和深度学习神经网络直接分析翅膀图像,以更好地识别生态形态形状差异。 尽管样本量较小,但通过Bootstrap和Jackknife测试确保结果的稳定性。 探讨物种特异性翅膀形状变异与栖息地之间的联系。 27种Trithemis蜻蜓的翅膀形态。 NA NA 深度学习神经网络 卷积神经网络 图像 27种Trithemis蜻蜓
1253 2024-08-27
Machine learning models outperform deep learning models, provide interpretation and facilitate feature selection for soybean trait prediction
2022-Apr-08, BMC plant biology IF:4.3Q1
研究论文 本研究通过使用1110个大豆个体的全基因组分子标记和性状数据,开发了准确预测模型,比较了机器学习与深度学习在预测性能上的表现 本研究首次系统比较了机器学习与深度学习在基因型到表型预测中的应用,并提供了模型的解释性分析 NA 加速作物改良,提高基因型到表型预测的准确性 大豆性状预测 机器学习 NA XGBoost, 随机森林 机器学习模型, 深度学习模型 基因组数据 1110个大豆个体
1254 2024-08-27
A deep learning-based hybrid model of global terrestrial evaporation
2022-04-08, Nature communications IF:14.7Q1
研究论文 本文利用涡度协方差和树液流量数据以及卫星观测数据训练深度学习算法,旨在模拟蒸腾胁迫(S),即从理论最大值减少的蒸发量(E),并将新的S公式嵌入基于过程的E模型中,形成一个全球混合E模型 提出了一种新的深度学习混合模型,用于全球陆地蒸发量的估计,该模型能够双向耦合到宿主模型中,并在每日时间尺度上运行 NA 提高全球蒸腾胁迫和蒸发量的估计能力,并增进对这一关键气候变量的理解 全球陆地蒸发量及其相关环境因素 机器学习 NA 深度学习算法 混合模型 数据 使用了涡度协方差和树液流量数据以及卫星观测数据
1255 2024-08-27
A novel wavelet decomposition and transformation convolutional neural network with data augmentation for breast cancer detection using digital mammogram
2022-04-08, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新的基于小波分解和变换的卷积神经网络结合数据增强方法,用于通过数字乳腺X线摄影检测乳腺癌 本研究通过小波-CNN-小波架构,结合缝雕刻和小波分解算法进行图像预处理,并提出了一种新的小波变换函数,以改进CNN架构,提高数字乳腺摄影中判别特征的检测和分类准确性 目前尚无机制用于区分应增强和应消除的特征以进行特征增强 旨在解决现有方法在特征增强方面的不完整性,并提高乳腺癌检测的分类准确性 乳腺癌的检测 数字病理学 乳腺癌 小波变换 CNN 图像 使用了DDSM + CBIS和MIAS数据集进行实验
1256 2024-08-27
An Automated Glowworm Swarm Optimization with an Inception-Based Deep Convolutional Neural Network for COVID-19 Diagnosis and Classification
2022-Apr-08, Healthcare (Basel, Switzerland)
研究论文 本文提出了一种基于自动萤火虫群优化(GSO)和基于Inception的深度卷积神经网络(IDCNN)的COVID-19诊断和分类模型,称为GSO-IDCNN模型 该模型采用高斯平滑滤波器(GSF)去除放射图像中的噪声,并使用基于Inception v4模型的IDCNN特征提取器,通过GSO算法优化超参数,最后使用自适应神经模糊分类器(ANFC)进行COVID-19分类 NA 开发一种结合深度学习模型和放射图像的COVID-19诊断和分类方法 COVID-19的诊断和分类 机器学习 COVID-19 深度学习 CNN 图像 使用基准放射图像数据库进行了一系列模拟实验
1257 2024-08-27
Artificial intelligence-assisted drug repurposing via "chemical-induced gene expression ranking"
2022-Apr-08, Patterns (New York, N.Y.)
研究论文 本文介绍了使用人工智能算法进行药物再利用的方法,特别是通过化学诱导基因表达排序(CIGER)框架来克服数据不可靠性,并发现针对胰腺癌的再利用药物 开发了CIGER深度学习框架,用于处理数据不可靠性问题,并成功应用于胰腺癌的药物再利用 NA 利用人工智能算法进行药物再利用,特别是针对胰腺癌的治疗 药物再利用和胰腺癌治疗 机器学习 胰腺癌 深度学习 深度学习框架 基因表达数据 NA
1258 2024-08-27
QUCoughScope: An Intelligent Application to Detect COVID-19 Patients Using Cough and Breath Sounds
2022-Apr-07, Diagnostics (Basel, Switzerland)
研究论文 本文介绍了一种名为QUCoughScope的智能应用,该应用利用咳嗽和呼吸声音来检测COVID-19患者 开发了一种创新的堆叠CNN模型,该模型使用三种基础学习器从八种最先进的深度学习CNN算法中构建,用于检测COVID-19患者 NA 利用机器学习方法在家中检测COVID-19患者,以减轻医疗系统的负担并防止病毒的不知情传播 COVID-19患者(包括有症状和无症状) 机器学习 COVID-19 深度学习 堆叠CNN模型 声音数据(咳嗽和呼吸声) 582名健康个体和141名COVID-19患者,其中87名无症状,54名有症状
1259 2024-08-27
Security Risk Level Prediction of Carbofuran Pesticide Residues in Chinese Vegetables Based on Deep Learning
2022-Apr-06, Foods (Basel, Switzerland)
研究论文 本文构建了一个基于深度学习的安全风险评估模型,结合k-means++算法,用于预测中国蔬菜中克百威农药残留的安全风险等级 提出的CNN-AOA-LSTM模型结合了卷积神经网络、算术优化算法和长短期记忆网络,其预测准确率比常用的深度神经网络模型高出6.12%至18.99% 实验仅在一个小样本数据集上进行,可能影响模型的泛化能力 预测蔬菜中克百威农药残留的安全风险等级,为政府提供前瞻性监管 中国蔬菜中的克百威农药残留 机器学习 NA 深度学习 CNN-AOA-LSTM 数据集 小样本数据集
1260 2024-08-27
Deep Tower Networks for Efficient Temperature Forecasting from Multiple Data Sources
2022-Apr-06, Sensors (Basel, Switzerland)
研究论文 本文开发并研究了一种名为塔网络的新型深度学习方法,用于从多个数据源进行短期温度预测 塔网络能够同时从多个输入数据源学习,并在天气预报性能、内存使用和训练时间方面表现出色 NA 解决处理多类型数据流问题的复杂性和挑战 短期温度预测 机器学习 NA 深度学习 塔网络 多源数据 NA
回到顶部