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 1381 - 1400 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
1381 2024-08-25
Artificial intelligence to detect malignant eyelid tumors from photographic images
2022-Mar-02, NPJ digital medicine IF:12.4Q1
研究论文 本文开发了一种基于卷积神经网络和深度学习分类网络的人工智能系统,用于从摄影图像中自动检测和区分恶性与良性眼睑肿瘤 该系统能够自动定位眼睑肿瘤并区分恶性与良性,其性能与资深眼科医生相当 NA 促进恶性眼睑肿瘤的早期检测和治疗 眼睑肿瘤的恶性与良性区分 计算机视觉 眼睑肿瘤 卷积神经网络 CNN 图像 1,417张图像来自851名患者
1382 2024-08-25
Generating 3D molecules conditional on receptor binding sites with deep generative models
2022-Mar-02, Chemical science IF:7.6Q1
research paper 本文首次描述了一种基于深度学习的系统,用于生成以受体结合位点为条件的3D分子结构 本研究首次应用深度学习生成预测与蛋白质结合的3D分子,通过条件变分自编码器和原子密度网格表示法来实现 NA 旨在通过深度学习找到与特定目标蛋白质结合的小分子,实现基于结构的药物发现 3D分子结构及其与蛋白质的结合能力 machine learning NA 条件变分自编码器 VAE 原子密度网格 涉及交叉对接的蛋白质-配体结构
1383 2024-08-25
Glycosyltransferases: Mining, engineering and applications in biosynthesis of glycosylated plant natural products
2022-Mar, Synthetic and systems biotechnology IF:4.4Q1
综述 本文综述了植物UDP-糖基转移酶(UGTs)在植物天然产物糖基化生物合成中的功能、系统发育分布、催化多样性及工程应用 讨论了利用多组学技术和深度学习预测模型识别新型UGT候选物,以及通过理性设计和定向进化工程策略改进UGT功能的最新进展 NA 阐明UGT功能,为代谢工程中生产药物前体、化妆品、营养素和甜味剂的糖基化提供必要步骤 植物UGTs及其在植物天然产物糖基化生物合成中的应用 代谢工程 NA 多组学技术,深度学习 深度学习预测模型 NA NA
1384 2024-08-25
Quantitative analysis of the effect of radiation on mitochondria structure using coherent diffraction imaging with a clustering algorithm
2022-Mar-01, IUCrJ IF:2.9Q3
研究论文 本文通过使用基于深度学习的聚类算法,对生物材料在X射线源下的相干衍射成像(CDI)中的辐射损伤和低信噪比问题进行了定量分析 引入了一种基于深度学习的聚类算法,用于从噪声衍射图案中获得准确和一致的图像重建 NA 研究X射线辐射对软生物材料的影响,并提高生物材料的成像质量 人类胚胎肾细胞的线粒体 数字病理学 NA 相干衍射成像(CDI) 聚类算法 图像 人类胚胎肾细胞的线粒体
1385 2024-08-25
Grayscale medical image segmentation method based on 2D&3D object detection with deep learning
2022-02-27, BMC medical imaging IF:2.9Q2
研究论文 本文提出了一种结合阈值法和深度学习的2D&3D目标检测技术的新型灰度医学图像分割方法 该方法通过使用2D目标检测网络确定感兴趣区域,并将裁剪图像中的像素转换为点云,然后应用3D目标检测网络获取边界框,从而实现灰度医学图像的精确分割 该方法需要大量的训练数据来支持复杂的深度学习架构 开发一种有效的灰度医学图像分割方法,以提高临床计算机辅助诊断的准确性 灰度医学图像的分割 计算机视觉 NA 深度学习 2D&3D目标检测网络 图像 三组灰度医学图像数据集
1386 2024-08-25
Quantifying arousal and awareness in altered states of consciousness using interpretable deep learning
2022-02-25, Nature communications IF:14.7Q1
研究论文 本文提出了一种可解释的意识指标(ECI),利用深度学习技术来区分意识的不同组成部分,即觉醒(清醒状态)和意识(主观体验) 首次报道了能够区分觉醒和意识这两个意识组成部分的神经生理学指标 NA 开发一种新的方法来量化不同生理、药理和病理条件下的觉醒和意识 使用脑电图(EEG)响应于经颅磁刺激,研究了睡眠、全身麻醉和严重脑损伤等多种条件下的觉醒和意识 神经科学 脑损伤 脑电图(EEG) 深度学习 脑电图数据 共涉及105个样本,包括睡眠(6个)、全身麻醉(16个)、严重脑损伤(34个)以及休息状态下的全身麻醉(15个)和严重脑损伤(34个)
1387 2024-08-25
Winter wheat yield prediction using convolutional neural networks from environmental and phenological data
2022-02-25, Scientific reports IF:3.8Q1
研究论文 本研究利用环境数据和表型数据,通过卷积神经网络(CNN)模型预测冬季小麦产量 提出了一种使用一维卷积操作的卷积神经网络(CNN)模型,有效捕捉环境变量的时间依赖性 NA 分析机器学习和深度学习方法在冬季小麦产量预测中的表现 冬季小麦产量预测 机器学习 NA 卷积神经网络(CNN) CNN 环境数据和表型数据 271个德国县从1999年到2019年的数据
1388 2024-08-25
Recent Advances of Deep Learning for Computational Histopathology: Principles and Applications
2022-Feb-25, Cancers IF:4.5Q1
综述 本文综述了深度学习在数字H&E染色病理图像分析中的最新进展和应用 深度学习及其扩展为解决病理图像分析中的挑战性问题提供了多种途径,如颜色归一化、图像分割以及癌症的诊断和预后 NA 综述深度学习在数字病理学中的应用和原理 数字H&E染色病理图像 数字病理学 NA 深度学习 CNN 图像 NA
1389 2024-08-25
Deep learning-based quantitative analyses of spontaneous movements and their association with early neurological development in preterm infants
2022-02-24, Scientific reports IF:3.8Q1
研究论文 本研究旨在基于深度学习算法开发高风险早产儿自发运动的定量评估方法 利用深度学习算法和样本熵对早产儿自发运动的复杂性指数进行定量评估 NA 开发早产儿自发运动的定量评估方法,并探讨其与早期神经发育的关联 高风险早产儿的自发运动 机器学习 NA 深度学习算法 pose-estimation model 视频图像 65名早产儿
1390 2024-08-25
Forecasting the outcome of spintronic experiments with Neural Ordinary Differential Equations
2022-Feb-23, Nature communications IF:14.7Q1
研究论文 本文展示了使用神经常微分方程(Neural Ordinary Differential Equations)的动态神经网络,能够在极少数据训练下,高精度且高效地预测自旋电子器件的行为 提出了将神经常微分方程应用于自旋电子学的框架,能够显著加速复杂问题的模拟,如磁斯格明子构成的储备池计算机的模拟 目前仅限于自旋电子器件的预测,尚未扩展到其他类型的电子设备 开发一种新的工具,以辅助自旋电子应用的开发,并弥补微磁模拟在处理噪声和不完美情况时的不足 自旋电子器件及其在不同输入下的响应 机器学习 NA 神经常微分方程(Neural Ordinary Differential Equations) 动态神经网络 实验数据 五毫秒的测量响应数据
1391 2024-08-25
Segmentation of pancreatic ductal adenocarcinoma (PDAC) and surrounding vessels in CT images using deep convolutional neural networks and texture descriptors
2022-02-23, Scientific reports IF:3.8Q1
研究论文 本文介绍了一种基于卷积神经网络(CNN)的框架,用于在CT图像中分割胰腺导管腺癌(PDAC)及其周围血管,结合了强大的经典特征 引入了Texture Attention U-Net(TAU-Net),通过融合密集的尺度不变特征变换(SIFT)和局部二值模式(LBP)描述符到注意力U-Net中,并提出了一个多目标损失函数来减少不平衡数据的影响 由于样本量不足,血管分割采用了预训练网络并进行微调 实现胰腺导管腺癌及其周围血管的全自动和体积分割,以辅助诊断和手术规划 胰腺导管腺癌(PDAC)及其周围血管的分割 计算机视觉 胰腺癌 卷积神经网络(CNN) 3D-CNN, 2D注意力U-Net, Texture Attention U-Net(TAU-Net) CT图像 样本量不足
1392 2024-08-25
UFold: fast and accurate RNA secondary structure prediction with deep learning
2022-02-22, Nucleic acids research IF:16.6Q1
研究论文 本文提出了一种基于深度学习的方法UFold,用于预测RNA二级结构,该方法通过全卷积网络(FCN)高效处理RNA序列的图像类表示 UFold采用了一种新颖的图像类表示方法,能够通过全卷积网络高效处理RNA序列,并且在跨家族RNA数据集上与传统方法表现相当 NA 解决RNA二级结构预测的性能瓶颈问题 RNA二级结构的预测 机器学习 NA 深度学习 全卷积网络(FCN) 序列 NA
1393 2024-08-25
Variational autoencoding of gene landscapes during mouse CNS development uncovers layered roles of Polycomb Repressor Complex 2
2022-02-22, Nucleic acids research IF:16.6Q1
研究论文 本文通过变分自编码器分析小鼠中枢神经系统发育过程中的基因表达图谱,揭示了Polycomb抑制复合物2(PRC2)在促进前脑扩张中的多层作用 开发了一种结合标准统计分析和概率深度学习的方法,以整合转录组响应PRC2失活与表观遗传数据,并发现了几组未预期的基因 NA 探究PRC2在小鼠胚胎中枢神经系统发育中的全面作用及其与表观遗传景观的交集 小鼠中枢神经系统发育中的PRC2功能 数字病理学 NA 变分自编码器 变分自编码器 转录组数据 通过突变关键基因Eed去除了发育中小鼠中枢神经系统中的PRC2功能,并生成了时空转录组数据
1394 2024-08-25
Deep learning for fully automatic detection, segmentation, and Gleason grade estimation of prostate cancer in multiparametric magnetic resonance images
2022-02-22, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的全自动系统,用于从多参数磁共振成像(mpMRI)中定位、分割和评估前列腺癌(PCa)病变的Gleason分级 该系统在测试集上实现了高水平的AUC、敏感性和特异性,并在在线ProstateX挑战中取得了与原始获胜者相当的AUC NA 开发一种全自动系统,用于从多参数磁共振成像中检测、分割和评估前列腺癌的Gleason分级 前列腺癌病变 计算机视觉 前列腺癌 深度学习 NA 图像 训练/验证集使用490个mpMRI,测试集使用75个mpMRI
1395 2024-08-25
Deep learning forecasting using time-varying parameters of the SIRD model for Covid-19
2022-02-22, Scientific reports IF:3.8Q1
研究论文 本文介绍了一种结合易感-感染-恢复-死亡模型(SIRD模型)和长短期记忆(LSTM)神经网络的新算法,用于实时预测和时间依赖参数估计,包括接触率和死亡率 该算法通过将SIRD模型的流行病学动态融入LSTM网络,提高了预测准确性,并利用手机移动数据和阳性测试率,以及疫苗接种模型,捕捉个体行为变化和政策制定者的响应 NA 开发一种准确的流行病学模型,帮助政府、组织和个人对新冠疫情做出适当反应 新冠疫情中的基本再生数和时间依赖参数 机器学习 NA 长短期记忆(LSTM)神经网络 LSTM 数据 NA
1396 2024-08-25
The Free Energy Principle for Perception and Action: A Deep Learning Perspective
2022-Feb-21, Entropy (Basel, Switzerland)
研究论文 本文探讨了利用深度学习设计基于主动推理的人工智能代理,并提供了自由能原理的深度学习视角 将自由能原理与深度学习结合,为主动推理框架提供了新的视角,并将其理论基础与实际应用相结合 NA 研究如何利用深度学习实现基于主动推理的人工智能代理 自由能原理及其在人工智能代理中的应用 机器学习 NA 深度学习 NA NA NA
1397 2024-08-25
Drug Properties Prediction Based on Deep Learning
2022-Feb-21, Pharmaceutics IF:4.9Q1
research paper 本文提出基于深度学习的预测模型,用于提高口服速溶药物的崩解时间和缓释片累积溶解曲线的预测性能 首次使用Wasserstein生成对抗网络(WGAN)进行药物制剂预测 数据集不平衡且规模小,神经网络结构效率不高 提高口服速溶药物制剂预测的性能 口服速溶薄膜(OFDF)和缓释片(SRMT)的崩解时间和溶解曲线 machine learning NA 深度学习 WGAN 数据集 小规模且不平衡的数据集
1398 2024-08-25
Molecular Imaging of Brain Tumors and Drug Delivery Using CEST MRI: Promises and Challenges
2022-Feb-20, Pharmaceutics IF:4.9Q1
综述 本文综述了化学交换饱和转移(CEST)磁共振成像(MRI)在脑肿瘤检测和药物递送中的应用前景与挑战 CEST MRI通过检测内源性分子如蛋白质/肽和临床批准药物,提供了一种敏感且非侵入性的方法来评估脑肿瘤及相关分子改变 CEST对比度依赖于脉冲序列、饱和参数、CEST光谱分析方法(如Z-光谱)以及如何解释CEST对比度的变化和相关的分子改变 探讨CEST MRI在脑肿瘤识别、肿瘤分级、分子改变检测(如IDH和MGMT)、治疗效果评估以及开发癌症治疗中的治疗诊断方法的应用 脑肿瘤及其分子改变 医学影像 脑肿瘤 CEST MRI NA 影像 NA
1399 2024-08-25
Identification of Diabetic Retinopathy Using Weighted Fusion Deep Learning Based on Dual-Channel Fundus Scans
2022-Feb-19, Diagnostics (Basel, Switzerland)
研究论文 本文提出了一种基于双通道眼底扫描的加权融合深度学习网络(WFDLN),用于自动提取特征并分类糖尿病视网膜病变(DR)阶段 本文创新性地使用了双通道眼底图像(CLAHE和CECED),并通过加权融合的方法提高了分类准确性 NA 旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性 糖尿病视网膜病变(DR)的分类 计算机视觉 糖尿病视网膜病变 深度学习 加权融合深度学习网络(WFDLN) 图像 在Messidor数据集上测试,准确率为98.5%,敏感性为98.9%,特异性为98.0%;在Kaggle数据集上测试,准确率为98.0%,敏感性为98.7%,特异性为97.8%
1400 2024-08-25
Knee Injury Detection Using Deep Learning on MRI Studies: A Systematic Review
2022-Feb-19, Diagnostics (Basel, Switzerland)
综述 本文通过系统综述方法,评估了深度学习在MRI研究中用于膝关节(前交叉韧带、半月板和软骨)损伤检测的应用 深度学习在MRI诊断膝关节损伤中的应用显示出与人类水平相当的决策能力 当前深度学习方法的局限包括数据不平衡、模型在不同中心的泛化能力、验证偏差、缺乏多类别分类研究以及基准真相的主观性 旨在通过系统综述探讨深度学习在MRI膝关节损伤检测中的应用 膝关节(前交叉韧带、半月板和软骨)损伤 机器学习 NA 深度学习 NA 图像 NA
回到顶部