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 1547 篇文献,本页显示第 561 - 580 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
561 2024-10-17
Specialized gray matter segmentation via a generative adversarial network: application on brain white matter hyperintensities classification
2024, Frontiers in neuroscience IF:3.2Q2
研究论文 本文提出了一种基于生成对抗网络(GAN)的灰质分割方法,用于脑白质高信号(WMH)分类,特别是针对皮质旁WMH(JCWMH)的分类 本文创新性地使用条件生成对抗网络(cGAN)替代传统的分割流程,仅使用FLAIR图像进行WMH分类,显著提高了分类效率和准确性 由于缺乏多类标记的WMH数据集,研究中需要手动分割和标记部分数据,这可能影响模型的泛化能力 开发一种自动化的WMH检测和分类方法,以辅助脑部疾病的诊断和监测 脑白质高信号(WMH),特别是皮质旁WMH(JCWMH) 计算机视觉 多发性硬化症(MS) 生成对抗网络(GAN) 条件生成对抗网络(cGAN) 图像 大量本地数据集,手动分割和标记部分WMH和脑室数据
562 2024-10-17
Prediction Model for in-Stent Restenosis Post-PCI Based on Boruta Algorithm and Deep Learning: The Role of Blood Cholesterol and Lymphocyte Ratio
2024, Journal of multidisciplinary healthcare IF:2.7Q2
研究论文 本文基于Boruta算法和深度学习开发了一种预测PCI术后支架内再狭窄的模型,并探讨了血胆固醇与淋巴细胞比率在其中的作用 首次将胆固醇-淋巴细胞比率(CLR)作为预测支架内再狭窄的新生物标志物,并结合深度学习模型进行预测 研究为回顾性分析,样本量有限,需进一步前瞻性研究验证 开发一种预测PCI术后支架内再狭窄的模型,并评估CLR的预测价值 PCI术后支架内再狭窄的预测及CLR的预测作用 机器学习 心血管疾病 深度学习 多层感知器(MLP) 临床和实验室数据 1967名患者
563 2024-10-17
Fruit and vegetable leaf disease recognition based on a novel custom convolutional neural network and shallow classifier
2024, Frontiers in plant science IF:4.1Q1
研究论文 本文提出了一种基于自定义卷积神经网络和浅层分类器的水果和蔬菜叶片疾病识别方法 本文提出了一种新的深度学习和优化框架,结合了Bi-LSTM和Haze减少技术进行对比度增强,并设计了两种自定义模型BRwSA和IBRwSA,以及使用改进的人类学习优化算法进行特征优化和分类 NA 解决水果和蔬菜叶片疾病识别中的挑战,提高分类准确性和减少测试时间 苹果和黄瓜叶片疾病 计算机视觉 NA 卷积神经网络 卷积神经网络 图像 苹果和黄瓜叶片数据集
564 2024-10-16
AI prediction of cardiovascular events using opportunistic epicardial adipose tissue assessments from CT calcium score
2024-Jan-29, ArXiv
PMID:38351935
研究论文 本文提出了一种利用CT钙化评分中的机会性心外膜脂肪组织评估来预测心血管事件的AI方法 本文创新性地提出了手工制作的EAT特征,称为“脂肪组学”,以捕捉EAT的病理生理学并改进MACE预测 本文的初步发现表明,使用更精细的、可解释的EAT评估可以提高心血管风险预测,但仍需进一步验证 本文旨在通过创建新的EAT特征来改进主要不良心血管事件的预测 本文的研究对象是心外膜脂肪组织(EAT)及其在心血管事件预测中的应用 计算机视觉 心血管疾病 深度学习 CNN 图像 NA
565 2024-10-16
A week in the life of the human brain: stable states punctuated by chaotic transitions
2024-Jan-15, Research square
研究论文 研究了人类大脑在自然行为中的神经动力学,揭示了大脑网络在稳定状态和混沌过渡之间的平衡 利用深度学习和动力系统方法分析了长时间的多电极颅内记录,揭示了大脑网络在自然行为中的稳定状态和混沌过渡 研究样本仅限于20名人类,且研究时间跨度为3-12天 研究人类大脑在自然行为中的神经动力学 人类大脑在自然行为中的神经网络和状态变化 神经科学 NA 多电极颅内记录 深度学习 神经信号 20名人类,记录时间为3-12天
566 2024-10-16
Towards full-stack deep learning-empowered data processing pipeline for synchrotron tomography experiments
2024-Jan-08, Innovation (Cambridge (Mass.))
综述 本文综述了深度学习在同步辐射断层扫描数据处理管道中的最新进展 探讨了如何将医学影像和电子断层扫描等数据密集型领域的应用迁移到同步辐射断层扫描中 未具体提及 探讨深度学习在同步辐射断层扫描数据处理中的应用及其未来发展 同步辐射断层扫描数据处理管道 计算机视觉 NA 深度学习 NA 图像 NA
567 2024-10-16
Artificial Intelligence in Eye Movements Analysis for Alzheimer's Disease Early Diagnosis
2024, Current Alzheimer research IF:1.8Q4
研究论文 本文探讨了利用人工智能技术分析眼球运动以早期诊断阿尔茨海默病的可能性 提出了一种基于眼球运动分析的非侵入性方法,结合人工智能特别是深度学习和机器学习技术,用于早期诊断阿尔茨海默病 卷积神经网络需要更多数据以实现精确分类 研究人工智能技术在眼球运动分析中的应用,以提高阿尔茨海默病的早期诊断准确性 眼球运动数据与阿尔茨海默病之间的关系 机器学习 阿尔茨海默病 深度学习 卷积神经网络 眼球运动数据 NA
568 2024-10-16
A dual-branch and dual attention transformer and CNN hybrid network for ultrasound image segmentation
2024, Frontiers in physiology IF:3.2Q2
研究论文 提出了一种结合Transformer和CNN的混合网络DDTransUNet,用于超声图像分割 创新性地结合了Transformer和CNN,并引入了双分支编码器和双注意力机制,以有效融合全局上下文和局部细节信息 NA 提高超声图像分割的准确性,以支持临床诊断和治疗决策 超声图像中的器官和病变 计算机视觉 NA Transformer和CNN DDTransUNet 图像 三个超声图像数据集,包括TN3K、BUS-BRA和CAMUS
569 2024-10-16
Development of prognostic models for advanced multiple hepatocellular carcinoma based on Cox regression, deep learning and machine learning algorithms
2024, Frontiers in medicine IF:3.1Q1
研究论文 本文开发了基于Cox回归、深度学习和机器学习算法的预后模型,用于预测晚期多发性肝细胞癌患者的预后 本文首次将Cox回归、机器学习和深度学习算法应用于晚期多发性肝细胞癌的预后预测,并比较了不同模型的性能 研究仅基于SEER数据库的数据,可能存在数据偏倚;未在其他数据集上验证模型的泛化能力 识别多发性肝细胞癌的预后因素,并开发预后模型以量化患者的预后风险和生存概率 晚期多发性肝细胞癌患者 机器学习 肝癌 Cox回归、机器学习、深度学习 梯度提升机(GBM) 临床数据 从SEER数据库中获取的符合条件的肝癌患者
570 2024-10-16
Investigation of protein family relationships with deep learning
2024, Bioinformatics advances IF:2.4Q2
研究论文 本文提出了一种基于预训练神经网络ProtENN2的蛋白质家族相似性分析方法 利用ProtENN2模型生成高维度的家族嵌入,并基于这些嵌入计算家族间的相似性得分,用于改进Pfam家族的分类 方法存在一些失败模式,需要进一步改进 探索深度学习在蛋白质家族关系和功能理解中的应用 蛋白质家族及其相似性 机器学习 NA 深度学习 神经网络 蛋白质数据 涉及Pfam家族的分类
571 2024-10-16
Plant disease recognition datasets in the age of deep learning: challenges and opportunities
2024, Frontiers in plant science IF:4.1Q1
研究论文 本文探讨了在深度学习时代植物病害识别数据集的挑战和机遇 提出了一个分类法来描述潜在的植物病害数据集,并提供了未来数据集创建的方向 未具体讨论现有数据集的具体局限性 探讨如何创建适合深度学习的植物病害识别数据集 植物病害识别数据集 计算机视觉 植物病害 深度学习 NA 图像 NA
572 2024-10-16
Relationship Between Dementia and Systemic Metabolic Disorders
2024, Advances in experimental medicine and biology
研究论文 研究探讨了系统性代谢障碍与认知功能下降及痴呆风险之间的关系,并利用深度学习模型从血液检测和年龄数据中预测认知功能和脑萎缩 首次利用深度学习模型从常规血液检测中预测认知功能和脑萎缩,并提出个性化饮食干预的可能性 研究样本仅来自一家康复医院,可能存在样本偏差 探讨系统性代谢障碍与痴呆之间的关系,并开发一种从常规血液检测中预测认知功能和脑萎缩的模型 认知功能下降、痴呆风险、系统性代谢障碍 机器学习 老年病 深度学习 深度学习模型 血液检测数据 2897例
573 2024-10-15
PSAA-nnUNet: An Efficient Method for CT Carotid Artery Image Segmentation
2024, Advances in experimental medicine and biology
研究论文 本文提出了一种基于深度学习的颈动脉狭窄自动评估方法,用于CT影像的早期检测 引入了参数共享轴向注意力(PSAA)-nnUNet神经网络进行颈动脉的自动分割 未提及 开发一种非侵入性的颈动脉狭窄自动评估方法,用于早期检测 颈动脉狭窄 计算机视觉 心血管疾病 深度学习 PSAA-nnUNet CT影像 未提及
574 2024-10-14
InstructNet: A novel approach for multi-label instruction classification through advanced deep learning
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种新的多标签指令分类方法InstructNet,通过使用先进的深度学习技术对“How To”文章进行分类 本文提出了InstructNet方法,并使用XLNet架构在多标签分类任务中取得了前所未有的高准确率 本文未详细讨论模型的训练时间和计算资源需求,以及在不同数据集上的泛化能力 研究如何通过深度学习技术对多标签指令文本进行分类 对“How To”文章进行多标签分类 自然语言处理 NA 深度学习 XLNet 文本 11,121条来自wikiHow的数据记录
575 2024-10-14
Multi-feature fusion based face forgery detection with local and global characteristics
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种基于多特征融合的面部伪造检测方法,结合空间域、噪声域和频率域的特征,并使用Inception Transformer动态学习局部和全局信息 本文的创新点在于综合分析伪造面部特征,融合空间域、噪声域和频率域的多特征,并使用Inception Transformer动态学习局部和全局信息 现有的检测方法主要基于单一特征域的判别信息进行分类,存在一定的局限性 研究准确高效的深度伪造视频检测技术 深度伪造视频的检测 计算机视觉 NA 深度学习 Inception Transformer 视频 在DFDC、Celeb-DF和FaceForensic++基准数据集上进行了评估
576 2024-10-14
Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2024, PloS one IF:2.9Q1
研究论文 本文研究了一种基于可见光的高速通信信号处理方法,结合自适应均衡算法和深度学习技术,应用于铁路通信信号处理 本文创新地将自适应均衡算法与深度学习相结合,应用于铁路通信信号处理,并采用波分复用(WDM)和正交频分复用(OFDM)技术,以及模糊C均值均衡算法,有效减少了信号失真和干扰 实验结果表明,增加步长会降低均衡效果,增加调制参数会增加误码率 研究一种能够满足高速信号处理需求的高速通信信号处理方法,以提高铁路通信系统的质量和传输效率 铁路通信信号处理 通信技术 NA 波分复用(WDM)、正交频分复用(OFDM)、模糊C均值均衡算法 深度学习 信号 NA
577 2024-10-13
Knowledge mapping and bibliometric analysis of medical knee magnetic resonance imaging for knee osteoarthritis (2004-2023)
2024, Frontiers in surgery IF:1.6Q2
研究论文 本研究系统分析了2004年至2023年间全球关于膝关节磁共振成像(MRI)在膝骨关节炎(KOA)治疗中应用的研究现状,并通过知识图谱展示研究热点和未来趋势 本研究首次通过知识图谱形式展示膝关节MRI在KOA治疗中的应用研究热点和未来趋势 研究仅基于Web of Science核心数据库的文献,可能存在数据偏差 系统分析全球膝关节MRI在KOA治疗中的应用研究现状,探索研究热点和未来趋势 2004年至2023年间关于膝关节MRI在KOA治疗中的应用研究 数字病理学 骨关节炎 磁共振成像(MRI) NA 文本 共纳入2904篇文章
578 2024-10-13
DynProfiler: a Python package for comprehensive analysis and interpretation of signaling dynamics leveraged by deep learning techniques
2024, Bioinformatics advances IF:2.4Q2
研究论文 本文介绍了一个名为DynProfiler的Python包,利用深度学习技术对信号传导动力学进行全面分析和解释 DynProfiler利用整个信号传导动力学(包括中间变量)作为输入,并利用深度学习技术提取信息特征,无需任何标签,并结合现代可解释AI解决方案提供每个动力学的定量时间依赖性重要性评分 NA 开发一种能够有效提取信号传导动力学信息特征的工具,用于后续分析如患者分层和生存预测 信号传导动力学及其在乳腺癌患者中的应用 机器学习 乳腺癌 深度学习技术 NA 模拟信号传导动力学数据 NA
579 2024-10-13
Estimation of sorghum seedling number from drone image based on support vector machine and YOLO algorithms
2024, Frontiers in plant science IF:4.1Q1
研究论文 本文研究了基于支持向量机和YOLO算法从无人机图像中估算高粱幼苗数量的方法 本文提出了三种模型(支持向量机、YOLOv5和YOLOv8)用于从无人机RGB图像中快速自动地计数高粱幼苗,并验证了YOLOv8模型在不同飞行高度下的准确性 本文仅在特定飞行高度下验证了模型的准确性,未涵盖所有可能的环境条件 测试并比较三种模型在不同飞行高度下从无人机图像中估算高粱幼苗数量的准确性 高粱幼苗的数量 计算机视觉 NA 支持向量机、YOLO算法 支持向量机、YOLOv5、YOLOv8 图像 在15米、30米和45米飞行高度下采集的RGB图像
580 2024-10-12
Deepdefense: annotation of immune systems in prokaryotes using deep learning
2024-Jan-02, GigaScience IF:11.8Q1
研究论文 本文介绍了一种使用深度学习方法对原核生物免疫系统进行注释的算法Deepdefense 提出了一种基于深度学习的免疫蛋白分类算法Deepdefense,能够区分免疫系统相关和无关的蛋白质,并识别已知和潜在的新型免疫系统蛋白质 该方法依赖于已知的免疫系统蛋白质数据集进行训练,可能无法识别训练数据集中未包含的新型免疫系统 开发一种自动检测基因并定义免疫系统注释和分类的方法 原核生物的免疫系统蛋白质 机器学习 NA 深度学习 神经网络 基因组数据 已知的免疫系统蛋白质数据集
回到顶部