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:202401-202401] [清除筛选条件]
当前共找到 1537 篇文献,本页显示第 381 - 400 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
381 2024-11-02
Multimodal Data-Driven Segmentation of Bone Metastasis Lesions in SPECT Bone Scans Using Deep Learning
2024, Current medical imaging IF:1.1Q3
研究论文 本文提出了一种多模态数据驱动的深度学习方法,用于在SPECT骨扫描图像中分割骨转移病变 本文创新性地将诊断报告中的文本数据与SPECT骨扫描图像结合,提出了一种双路径分割框架,显著提高了分割性能 NA 提高深度学习在低分辨率SPECT骨扫描图像中分割骨转移病变的性能 骨转移病变在SPECT骨扫描图像中的分割 计算机视觉 NA 深度学习 编码器-解码器网络 图像和文本 NA
382 2024-11-02
Investigating the ability of deep learning-based structure prediction to extrapolate and/or enrich the set of antibody CDR canonical forms
2024, Frontiers in immunology IF:5.7Q1
研究论文 研究深度学习模型在预测抗体CDR区域结构时是否能产生新的特征 发现即使训练数据中存在极少量的特定结构形状,深度学习模型仍能恢复其预测能力 深度学习蛋白质结构预测方法无法完全进行超出训练数据范围的预测 探讨深度学习模型在预测抗体CDR区域结构时是否能产生新的特征 抗体CDR区域的结构预测 机器学习 NA 深度学习 深度学习模型 序列数据 约150万对抗体序列
383 2024-11-02
Deep learning in public health: Comparative predictive models for COVID-19 case forecasting
2024, PloS one IF:2.9Q1
研究论文 本研究比较了多种深度学习模型在预测COVID-19病例方面的效果 采用了贝叶斯优化技术来提升模型性能,并确定了最适合阿联酋和马来西亚特定条件的模型架构 模型的有效性在不同模型之间存在差异,且未详细说明具体差异 确定最有效的模型来预测阿联酋和马来西亚的COVID-19病例 COVID-19病例预测 机器学习 COVID-19 深度学习 LSTM, 双向LSTM, CNN, 混合CNN-LSTM, 多层感知器, RNN 数值数据 包括确诊病例数、人口统计数据和相关社会经济因素的综合数据集
384 2024-11-02
Improving Image Quality and Diagnostic Performance of CCTA in Patients with Challenging Heart Rate Conditions using a Deep Learning-based Motion Correction Algorithm
2024, Current medical imaging IF:1.1Q3
研究论文 本研究评估了基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响 本研究首次使用基于深度学习的运动校正算法来改善心率挑战条件下冠状动脉CT血管造影的图像质量和诊断性能 本研究为回顾性研究,样本量有限,且未评估算法在不同心率条件下的泛化能力 评估基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响 心率挑战条件下的冠状动脉CT血管造影图像 计算机视觉 心血管疾病 深度学习 深度学习模型 图像 240名患者
385 2024-11-02
Prediction of fellow eye neovascularization in type 3 macular neovascularization (Retinal angiomatous proliferation) using deep learning
2024, PloS one IF:2.9Q1
研究论文 本研究利用深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 首次利用人工智能模型关注3型黄斑新生血管的临床过程 模型整体准确率不高,可能是由于用于AI训练的患者数量相对较少,建议未来进行多中心研究以提高模型准确性 建立深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 单侧3型黄斑新生血管患者 计算机视觉 眼科疾病 深度学习 视觉几何组神经网络 眼底图像和光学相干断层扫描图像 217名患者,其中199名用于模型训练/验证,18名用于测试集
386 2024-11-02
MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种名为MosquitoSong+的深度学习模型,用于从蚊子的翅膀振动声音中进行分类,并提高其在环境噪声中的鲁棒性 本文的创新点在于提出了一种新的深度学习模型MosquitoSong+,通过调整模型架构和引入数据增强技术,使其在环境噪声和蚊子飞行音量变化的情况下仍能有效分类 本文未详细讨论模型的计算资源需求和实时处理能力 研究目的是开发一种能够在实际环境中有效分类蚊子种类和性别的深度学习模型 研究对象是蚊子的翅膀振动声音及其在环境噪声中的分类 机器学习 NA 深度学习 1D-CNN 声音 多个翅膀振动数据集,包含不同背景噪声
387 2024-11-02
Identification of middle cerebral artery stenosis in transcranial Doppler using a modified VGG-16
2024, Frontiers in neurology IF:2.7Q3
研究论文 研究使用改进的VGG-16模型识别经颅多普勒图像中的大脑中动脉狭窄 提出了一种改进的VGG-16模型,结合挤压激励和跳跃连接,提高了对大脑中动脉狭窄的诊断效果 研究为回顾性研究,且样本量有限,需要进一步的前瞻性研究和更大样本量的验证 旨在开发和验证一种基于深度学习模型的方法,用于识别大脑中动脉狭窄,以辅助预防中风 大脑中动脉狭窄的诊断 计算机视觉 心血管疾病 深度学习 VGG-16 图像 3,068张经颅多普勒图像,来自1,729名患者;90张经颅多普勒图像,来自90名体检者
388 2024-11-02
Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy
2024, Theranostics IF:12.4Q1
研究论文 本文开发了一种基于深度学习和表面增强拉曼光谱(SERS)的实时监测单个树突状细胞成熟状态的方法 利用Au@CpG@PEG纳米颗粒作为自报告纳米疫苗,结合无标记SERS策略和深度学习卷积神经网络(CNN)算法,实现了对树突状细胞成熟状态的快速高效识别 NA 实现对树突状细胞成熟状态的动态实时检测,以预测免疫系统激活、评估疫苗效力和免疫治疗效果 单个树突状细胞的成熟状态 生物医学工程 NA 表面增强拉曼光谱(SERS) 卷积神经网络(CNN) 光谱数据 不同成熟状态的树突状细胞
389 2024-10-30
Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation
2024-Jan-25, bioRxiv : the preprint server for biology
研究论文 本文探讨了自监督学习在基于IMU的地反作用力估计中的应用,通过预训练模型提高估计的准确性和数据效率 提出使用自监督学习技术利用大量IMU数据预训练深度学习模型,以提高基于IMU的地反作用力估计的准确性和数据效率 NA 提高基于IMU的地反作用力估计的准确性和数据效率 基于IMU的地反作用力估计 机器学习 NA 自监督学习 transformer模型 IMU数据 三个预训练数据集,包括真实IMU数据、合成IMU数据或两者的组合
390 2024-10-30
Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy
2024-Jan-17, Science translational medicine IF:15.8Q1
研究论文 开发了一种名为SNAF的计算工作流程,用于从患者RNA-Seq数据中发现由剪接产生的肿瘤特异性新抗原,并揭示了这些新抗原在癌症免疫治疗中的潜在共享目标 提出了SNAF工作流程,结合深度学习策略和新的算法,能够预测剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白的改变的外部表位,为癌症免疫治疗提供了新的靶点 NA 通过开发SNAF工作流程,系统地识别剪接新抗原,揭示其在异质性癌症中的潜在治疗共享目标 剪接新抗原及其在癌症免疫治疗中的应用 生物信息学 黑色素瘤 RNA测序 深度学习 RNA序列数据 涉及多个癌症队列的患者样本
391 2024-10-30
Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1
研究论文 本文提出了一种基于知识驱动的镜头光晕去除方法,通过光晕级别估计器预测光晕污染程度,并利用光晕级别调制器和光晕感知块提高网络的适应性和准确性 本文的创新点在于提出了一种新的光晕去除视角,通过知识驱动的方式预测光晕污染程度,并设计了光晕级别调制器和光晕感知块来提高网络的性能 本文的局限性在于依赖于新的真实世界光晕数据集WiderFlare,并且实验仅在三个基准数据集上进行了验证 本文的研究目的是解决镜头光晕去除问题,特别是在真实世界中光晕与场景混合机制不确定的情况下 本文的研究对象是镜头光晕及其对图像质量的影响 计算机视觉 NA 深度学习 CNN 图像 本文收集了一个新的真实世界光晕数据集WiderFlare,并在三个基准数据集上进行了广泛实验
392 2024-10-30
PIFON-EPT: MR-Based Electrical Property Tomography Using Physics-Informed Fourier Networks
2024, IEEE journal on multiscale and multiphysics computational techniques IF:1.8Q3
研究论文 提出了一种基于物理信息傅里叶网络的电性参数断层成像方法(PIFON-EPT),用于从噪声和不完整的磁共振测量中重建电性参数 首次提出了一种能够同时从不完全噪声磁共振测量中重建电性参数和传输场的方法 NA 开发一种新的深度学习方法,用于从噪声和不完整的磁共振测量中重建电性参数 电性参数和传输场的重建 计算机视觉 NA 磁共振成像 物理信息傅里叶网络 图像 模拟实验在3T和7T磁共振成像中进行,使用了20%的噪声测量场作为输入
393 2024-10-30
Multi-resolution visual Mamba with multi-directional selective mechanism for retinal disease detection
2024, Frontiers in cell and developmental biology IF:4.6Q1
研究论文 本文介绍了一种用于视网膜疾病检测的多分辨率视觉Mamba模型,通过多方向选择机制提升OCT图像分类的准确性 提出了多分辨率视觉Mamba模型,结合卷积和Transformer的优势,解决了长程依赖问题,并引入了多方向选择机制以捕捉复杂的视网膜模式 NA 提高视网膜疾病检测的准确性 视网膜疾病及其OCT图像 计算机视觉 视网膜疾病 光学相干断层扫描(OCT) 多分辨率视觉Mamba(MRVM) 图像 两个公共数据集,分别包含98.98%和96.21%的总体准确率
394 2024-10-30
SheepEye: a based-web app for real-time diagnosis of sheep anemia
2024, Translational animal science IF:1.3Q3
研究论文 本文提出了一种基于网络应用的绵羊贫血实时诊断系统SheepEye 利用深度学习算法(U-net模型用于分割,VGG19模型用于分类)开发了一个基于网络的应用程序,用于绵羊贫血的监测和诊断 SheepEye应用仍处于原型阶段,尚未广泛应用于生产者 开发一种能够实时诊断绵羊贫血的网络应用,以提高诊断效率和绵羊生产力 绵羊贫血的监测和诊断 计算机视觉 NA 深度学习 U-net模型,VGG19模型 图像 未明确提及具体样本数量
395 2024-10-30
Innovations and challenges in predicting cognitive trajectories after stroke
2024, Brain communications IF:4.1Q2
评论 本文是对一篇关于使用深度学习预测中风后认知轨迹的论文的科学评论 NA NA 评论和讨论使用深度学习预测中风后认知轨迹的创新和挑战 中风后认知轨迹的预测 NA NA NA NA NA NA
396 2024-10-30
Deep learning disconnectomes to accelerate and improve long-term predictions for post-stroke symptoms
2024, Brain communications IF:4.1Q2
研究论文 本研究探讨了深度学习模型在加速生成断连图谱以进行个性化预测中风后一年神经心理结果方面的有效性 本研究首次使用3D U-Net网络生成深度断连图谱,显著提高了生成效率和预测准确性 研究样本量相对较小,需要进一步验证在大规模数据集上的表现 加速生成断连图谱,提高中风后神经心理结果的长期预测准确性 中风患者的断连图谱和神经心理结果 机器学习 中风 3D U-Net网络 3D U-Net 图像 1333个合成病变和1333个真实中风病变,以及119名中风患者的神经心理评分
397 2024-10-30
The Future of Cervical Cancer Screening
2024, International journal of women's health
研究论文 探讨宫颈癌筛查的新技术和策略 介绍了快速、低成本的HPV检测、高分辨率数字阴道镜和人工智能解释等新兴技术 未提及具体的研究局限性 探索HPV、宫颈不典型增生和宫颈癌的检测与治疗方法 HPV感染、宫颈不典型增生和宫颈癌 NA 宫颈癌 HPV检测、DNA甲基化分析、双染细胞学、芯片实验室检测、深度学习技术 深度学习 NA 未提及具体样本量
398 2024-10-30
Swin Transformer-based automatic delineation of the hippocampus by MRI in hippocampus-sparing whole-brain radiotherapy
2024, Frontiers in neuroscience IF:3.2Q2
研究论文 本研究开发并验证了一种基于Swin Transformer的深度学习模型SwinHS,用于在海马体保护的全脑放疗中自动勾画海马体,以提高临床工作流程效率 本研究首次将Swin Transformer与3D ELSA Transformer模块和sSE CNN解码器结合,用于自动勾画海马体,并在性能上优于其他先进的深度学习模型 尽管SwinHS在自动勾画海马体方面表现优异,但在放疗计划中,自动勾画的海马体Dmax值接近17 Gy的限制,需要谨慎对待 开发和验证一种自动分割模型,用于在海马体保护的全脑放疗中精确勾画海马体,以提高临床工作流程效率 海马体在海马体保护的全脑放疗中的自动勾画 计算机视觉 NA 深度学习 Swin Transformer 三维T1加权MR图像 100例三维T1加权MR图像,其中70例用于训练,30例用于测试
399 2024-10-30
Deep Attention Networks With Multi-Temporal Information Fusion for Sleep Apnea Detection
2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3
研究论文 本文提出了一种基于深度注意力网络和多时间信息融合的睡眠呼吸暂停检测方法 引入了多时间尺度信息融合的深度注意力网络,能够从不同时间尺度的ECG信号中提取更具区分度的特征 NA 提高睡眠呼吸暂停检测的准确性和性能 单导联心电图信号 机器学习 睡眠障碍 深度学习 1D卷积神经网络 心电图信号 NA
400 2024-10-30
Multi-branch deep learning neural network prediction model for the development of angular biosensors based on sEMG
2024, Frontiers in bioengineering and biotechnology IF:4.3Q2
研究论文 本文提出了一种基于sEMG的多分支深度学习神经网络模型,用于步态识别和关节角度预测 本文创新性地采用了多分支深度学习神经网络,使不同神经网络处理不同的特征项,从而实现更准确和高效的步态意图识别 NA 建立一个多分支深度学习神经网络模型,实现准确的步态识别和有效的关节角度估计 人类步态运动意图和关节角度 机器学习 NA sEMG 多分支深度学习神经网络 信号 NA
回到顶部