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:202301-202312] [清除筛选条件]
当前共找到 1805 篇文献,本页显示第 341 - 360 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
341 2024-10-13
Conformer Generation for Structure-Based Drug Design: How Many and How Good?
2023-11-13, Journal of chemical information and modeling IF:5.6Q1
研究论文 本文探讨了构象生成在基于结构的药物设计中的重要性,并研究了构象集合的大小、多样性和质量对药物发现任务性能的影响 本文通过实验阐明了构象集合的大小、多样性和质量对药物发现任务性能的影响,并比较了先进的生成深度学习方法与经典几何方法的性能 NA 研究构象生成在基于结构的药物设计中的最佳实践 构象集合的大小、多样性和质量对药物发现任务性能的影响 药物设计 NA 生成深度学习 NA 分子结构 NA
342 2024-10-13
Counting manatee aggregations using deep neural networks and Anisotropic Gaussian Kernel
2023-Nov-13, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的海牛聚集计数方法,使用各向异性高斯核(AGK)和低质量图像来自动计算海牛数量 本文创新性地使用了各向异性高斯核(AGK)来捕捉不同聚集中个体海牛的形状,并将其应用于多种深度神经网络以学习海牛密度 NA 开发一种自动计数海牛聚集的方法,以观察其习性并设计安全规则和护理计划 海牛及其聚集 计算机视觉 NA 各向异性高斯核(AGK) 深度神经网络(包括VGG、SANet、CSRNet、MARUNet等) 图像 使用从监控视频中提取的低质量图像进行实验
343 2024-10-13
Evaluation of deep learning-based feature selection for single-cell RNA sequencing data analysis
2023-11-10, Genome biology IF:10.1Q1
研究论文 本文探讨了基于深度学习的特征选择方法在单细胞RNA测序数据分析中的应用 本文提出了基于深度学习的特征选择方法,与传统的基于差异分布的方法相比,该方法通过神经网络确定基因的重要性 NA 评估基于深度学习的特征选择方法在单细胞RNA测序数据分析中的效用 单细胞RNA测序数据 机器学习 NA 单细胞RNA测序 神经网络 基因表达数据 从Tabula Muris和Tabula Sapiens图谱中采样创建的单细胞RNA测序数据集
344 2024-10-13
trRosettaRNA: automated prediction of RNA 3D structure with transformer network
2023-11-09, Nature communications IF:14.7Q1
研究论文 本文介绍了trRosettaRNA,一种基于深度学习的RNA三维结构预测自动化方法 trRosettaRNA在RNA三维结构预测中表现优异,尤其是在CASP15和RNA-Puzzles实验中的盲测中,其预测结果与顶尖人类预测结果相当 对于合成RNA的准确结构预测仍然具有挑战性 开发一种自动化方法来预测RNA的三维结构 RNA的三维结构 机器学习 NA 深度学习 Transformer网络 RNA结构数据 涉及CASP15和RNA-Puzzles实验中的RNA样本
345 2024-10-13
Categorization of collagen type I and II blend hydrogel using multipolarization SHG imaging with ResNet regression
2023-11-09, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于多极化SHG成像和ResNet回归的方法,用于分类和回归胶原I型和II型混合水凝胶 本文的创新点在于使用多极化SHG成像和ResNet模型,无需预先进行耗时的模型拟合,即可实现对胶原I型和II型混合水凝胶的分类和回归 本文的局限性在于仅测试了特定比例的混合水凝胶,未涵盖所有可能的混合比例 研究目的是开发一种自动化方法,利用深度学习从胶原基质中提取有价值的信息 研究对象是胶原I型和II型混合水凝胶 计算机视觉 NA 多极化SHG成像 ResNet 图像 18张渐进极化SHG图像,每种比例10°间隔
346 2024-10-13
SDF4CHD: Generative Modeling of Cardiac Anatomies with Congenital Heart Defects
2023-Nov-08, ArXiv
PMID:37961745
研究论文 本文提出了一种用于生成具有先天性心脏缺陷的心脏解剖结构的生成模型 本文提出了一种类型和形状解耦的生成方法,能够捕捉不同先天性心脏缺陷类型中观察到的广泛心脏解剖结构,并合成保留特定先天性心脏缺陷类型独特拓扑结构的形状 NA 改进先天性心脏缺陷患者的诊断和治疗计划 具有先天性心脏缺陷的心脏解剖结构 计算机视觉 先天性心脏缺陷 深度学习 生成模型 图像 NA
347 2024-10-13
Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3
研究论文 本文提出了一种混合深度学习方法,用于在医疗物联网(IoMT)环境中对皮肤病变进行分割和分类 本文的创新点在于结合了Mask Region-based Convolutional Neural Network(MRCNN)和ResNet50两种先进方法,以提高皮肤病变分析的准确性和效率 NA 提高皮肤病变分析的准确性和效率 皮肤病变 计算机视觉 NA 混合深度学习 MRCNN, ResNet50 图像 大量标注的皮镜图像
348 2024-10-13
A novel bidirectional LSTM deep learning approach for COVID-19 forecasting
2023-10-20, Scientific reports IF:3.8Q1
研究论文 开发了一种基于双向长短期记忆(Bi-LSTM)深度学习模型的COVID-19预测方法 采用双向长短期记忆(Bi-LSTM)架构进行COVID-19病例预测,并验证了在减少变量的情况下仍能保持预测准确性 模型在每日病例较少和未经历多次疫情波动的国家中预测准确性较低 预测COVID-19疫情早期阶段的每日新增病例数 全球190个国家的COVID-19病例数据 机器学习 COVID-19 双向长短期记忆(Bi-LSTM) Bi-LSTM 时间序列数据 22nd Jan 2020 至 8 Jan 2021 的数据,预测 9 至 31 Jan 2021 的每日新增病例
349 2024-10-13
Radiation pneumonia predictive model for radiotherapy in esophageal carcinoma patients
2023-Oct-17, BMC cancer IF:3.4Q2
研究论文 本研究探讨了三维剂量分布和临床特征在预测食管癌患者放疗后放射性肺炎中的作用,并设计了一种新的混合深度学习网络来预测放射性肺炎的发生 本研究首次将临床特征整合到深度学习模型中,设计了一种新的混合深度学习网络HybridNet,结合了3D ResNet18和1D卷积层,显著提高了预测精度 NA 探索三维剂量分布和临床特征在预测食管癌患者放疗后放射性肺炎中的作用,并设计新的混合深度学习网络来提高预测精度 食管癌患者放疗后的放射性肺炎 机器学习 食管癌 深度学习 HybridNet(结合3D ResNet18和1D卷积层) 三维剂量分布矩阵和一维临床特征矩阵 105名接受过放疗的食管癌患者
350 2024-10-13
Unbiased image segmentation assessment toolkit for quantitative differentiation of state-of-the-art algorithms and pipelines
2023-Oct-12, BMC bioinformatics IF:2.9Q1
研究论文 本文介绍了一个用于评估图像分割算法的无偏评估工具包,通过69种指标对分割数据进行全面评估,并提出了一种基于定量分析、降维或无监督分类技术以及选择标准的模型选择方法 本文提出了一个全面的图像分割评估工具包,包含69种评估指标,并提供了一种基于定量分析和选择标准的模型选择方法 NA 开发一个用于评估图像分割算法的无偏评估工具包,并提出一种模型选择方法 图像分割算法和管道 计算机视觉 NA NA NA 图像 NA
351 2024-10-13
disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data
2023-Oct-11, BMC bioinformatics IF:2.9Q1
研究论文 本文介绍了一种名为disperseNN2的深度学习工具,用于从地理参考的多态性数据中估计每代平均扩散距离 disperseNN2通过使用样本的地理信息,在处理成对基因型时进行特征提取,从而优于不使用显式空间信息的先进深度学习方法 NA 开发一种新的深度学习工具,用于从地理参考的多态性数据中估计生物的扩散能力 生物的地理遗传变异和扩散距离 机器学习 NA 深度学习 神经网络 多态性数据 10和100个个体
352 2024-10-13
Reliable interpretability of biology-inspired deep neural networks
2023-Oct-10, NPJ systems biology and applications IF:3.5Q1
研究论文 本文研究了生物启发深度神经网络的可解释性问题,并提出了一种提高解释鲁棒性和减少偏差的方法 本文扩展了先前的研究,测试并改进了生物启发模型P-NET的可解释性方法,提出了一种控制解释鲁棒性和偏差的新方法 本文主要关注生物启发模型的可解释性问题,未涉及其他类型的深度学习模型 研究生物启发深度神经网络的可解释性,并提出提高解释鲁棒性和减少偏差的方法 生物启发模型P-NET,训练于患者突变数据 机器学习 NA 深度学习 深度神经网络 患者突变数据 NA
353 2024-10-13
Homologous Pairs of Low and High Temperature Originating Proteins Spanning the Known Prokaryotic Universe
2023-10-07, Scientific data IF:5.8Q1
研究论文 本文介绍了通过同源配对方法构建的大规模蛋白质温度数据集learn2thermDB,用于研究蛋白质在高温下的稳定性 本文创新性地构建了一个包含2400万实例和6900万蛋白质对的大规模数据集,远超当前最大规模,为高温稳定性研究提供了新的数据资源 NA 旨在通过大规模数据集推动高温蛋白质稳定性设计方法的创新 蛋白质在高温下的稳定性 生物信息学 NA 同源配对 深度学习 蛋白质序列数据 2400万实例,6900万蛋白质对
354 2024-10-13
A unified method to revoke the private data of patients in intelligent healthcare with audit to forget
2023-10-06, Nature communications IF:14.7Q1
研究论文 提出了一种通过审计指导遗忘过程的方法,用于在智能医疗中撤销患者的私人数据 引入了知识净化方法,统一了审计和遗忘两个任务,并开发了审计遗忘软件(AFS) 未提及具体的技术实现细节和实验结果 保护患者的数据撤销权和隐私 患者的私人数据和预训练的深度学习模型 机器学习 NA 深度学习 深度学习模型 数据集 未提及具体样本数量
355 2024-10-13
Physics-informed neural network with transfer learning (TL-PINN) based on domain similarity measure for prediction of nuclear reactor transients
2023-Oct-06, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于领域相似性度量的迁移学习物理信息神经网络(TL-PINN),用于预测核反应堆瞬态状态 通过迁移学习方法显著减少了模型训练的迭代次数,实现了对不同核反应堆瞬态状态的快速预测 NA 开发一种准确且快速的核反应堆瞬态状态预测方法,以提高核反应堆的安全性和效率 核反应堆瞬态状态的预测 机器学习 NA 物理信息神经网络(PINN) 迁移学习物理信息神经网络(TL-PINN) 实验参数数据 使用普渡大学反应堆一号(PUR-1)研究反应堆的实验参数生成的不同瞬态状态
356 2024-10-13
Complexities of deep learning-based undersampled MR image reconstruction
2023-10-04, European radiology experimental IF:3.7Q1
综述 本文综述了基于深度学习的欠采样磁共振图像重建方法 探讨了深度学习在解决图像重建等逆问题中的潜力 重建图像的鲁棒性和诊断质量难以评估 帮助研究人员和放射科医生开发新方法或提供有价值的反馈 基于深度学习的磁共振图像重建方法 机器学习 NA 深度学习 NA 图像 NA
357 2024-10-13
Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks
2023-Oct-03, Nature communications IF:14.7Q1
研究论文 本文提出了一种基于分子组装任务的可解释深度学习框架RetroExplainer,用于逆合成预测 将逆合成任务形式化为分子组装过程,并引入了多感官和多尺度图变换器、结构感知的对比学习和动态自适应多任务学习单元,提高了模型的鲁棒性和解释性 NA 加速数字实验室中有机化学研究的自动化逆合成预测 逆合成预测任务 机器学习 NA 深度学习 图变换器 分子数据 12个大规模基准数据集
358 2024-10-13
plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style
2023-Oct-03, BMC genomics IF:3.5Q2
研究论文 介绍了一个名为plotnineSeqSuite的Python包,用于使用ggplot2风格的API可视化序列数据 plotnineSeqSuite是首个在Python中实现ggplot2风格序列相关图形可视化的包,增强了R和Python之间编程绘图的统一性 NA 开发一个Python包,提供类似于R语言中ggseqlogo的API,以降低学习成本并增强编程方法的统一性 序列数据的可视化 生物信息学 NA NA NA 序列数据 NA
359 2024-10-13
A deep learning model to triage and predict adenocarcinoma on pancreas cytology whole slide imaging
2023-10-02, Scientific reports IF:3.8Q1
研究论文 本文提出了一种深度学习框架MIPCL,用于胰腺细胞学全切片成像中腺癌的分类和预测 MIPCL模型在所有评估指标上显著优于其他两种深度学习模型,并且能够恢复对最终预测贡献最大的切片区域 NA 开发一种辅助筛查工具,用于预测胰腺细胞学全切片成像中腺癌的存在与否 胰腺细胞学全切片成像中的腺癌 数字病理 胰腺癌 深度学习 深度学习框架 图像 通过数据集优化策略增加了训练样本数量
360 2024-10-13
SurfFlow: A Flow-Based Approach for Rapid and Accurate Cortical Surface Reconstruction from Infant Brain MRI
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
研究论文 本文介绍了一种基于流的方法,用于从婴儿脑部MRI快速准确地重建皮层表面 提出了一种针对婴儿脑部MRI的皮层表面重建方法,利用三个无缝连接的变形块,能够在一秒内重建高分辨率的皮层表面网格 NA 开发一种能够准确重建婴儿脑部皮层表面的方法,以理解早期大脑发育过程中皮层形态学的快速变化 婴儿脑部的皮层表面 计算机视觉 NA 流形变形 NA MRI图像 0到12个月大的婴儿MRI数据集
回到顶部