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 1556 篇文献,本页显示第 641 - 660 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
641 2024-10-05
Deep learning enabled label-free microfluidic droplet classification for single cell functional assays
2024, Frontiers in bioengineering and biotechnology IF:4.3Q2
研究论文 本文开发了一种基于ResNet-50深度学习模型的无标签微流控液滴分类方法,用于单细胞功能分析 该模型能够在包含非细胞结构的液滴中准确分类细胞数量,适用于多种细胞类型,具有广泛的应用前景 NA 开发一种高效准确的液滴分类方法,用于单细胞功能分析 微流控液滴中的细胞数量分类 计算机视觉 NA 深度学习 ResNet-50 图像 NA
642 2024-10-04
Leveraging Artificial Intelligence for Synergies in Drug Discovery: From Computers to Clinics
2024, Current pharmaceutical design IF:2.6Q2
综述 本文综述了人工智能在药物发现和开发中的应用,涵盖了从分子识别到临床批准的全过程 探讨了人工智能在药物开发中的创新应用,如疫苗开发和纳米药物的靶向治疗 NA 探讨人工智能在药物发现和开发中的应用及其对科学研究的促进作用 人工智能在药物设计、发现和开发、中药、多组学数据整合、药物再利用和多药理学研究中的应用 机器学习 NA 机器学习 (ML)、深度学习 (DL)、神经网络 (NNs) NA 多组学数据 NA
643 2024-10-04
Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology
2024, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1
研究论文 本文提出了一种基于人工智能的泛源性淋巴结癌症检测系统,用于手术后淋巴结的组织病理学诊断 该系统通过两个深度学习模型定位淋巴结并检测癌症,实现了泛源性淋巴结癌症转移的检测 NA 开发一种临床适用的泛源性淋巴结癌症检测系统,以提高病理诊断的准确性 淋巴结癌症转移的检测 数字病理学 NA 深度学习 深度学习模型 图像 训练数据包括700张全切片图像,测试数据包括1402张来自49个器官的全切片图像和1051张来自52个器官的全切片图像
644 2024-10-04
Prompt-guided and multimodal landscape scenicness assessments with vision-language models
2024, PloS one IF:2.9Q1
研究论文 本文探讨了使用视觉-语言模型(VLM)进行景观美景预测的潜力,通过零样本和少样本学习方法评估景观的美学质量 本文引入了景观提示集成(LPE)方法,通过文本描述获取景观美景评分,无需图像数据集 本文未提及具体的局限性 测试视觉-语言模型在景观美景预测中的应用潜力 景观的美学质量 计算机视觉 NA 视觉-语言模型(VLM) 线性层 图像 数百个样本
645 2024-10-04
Graph neural pre-training based drug-target affinity prediction
2024, Frontiers in genetics IF:2.8Q2
研究论文 本文提出了一种基于图神经预训练的药物-靶点亲和力预测方法 本文创新性地结合了药物和靶点的预训练模型,通过图神经网络提取特征,并利用2D卷积神经网络进行高层次表示,最终预测药物-靶点亲和力 本文未详细讨论模型的可解释性和泛化能力 加速药物发现过程中的药物-靶点亲和力预测 药物-靶点亲和力 机器学习 NA 图神经网络 2D卷积神经网络 图数据 大量未标记的训练样本和部分标记的训练样本
646 2024-10-04
Intelligent analysis and measurement of semicircular canal spatial attitude
2024, Frontiers in neurology IF:2.7Q3
研究论文 本文提出了一种基于颅脑MRI的智能方法,用于解释和测量半规管的空间方向 本文创新性地使用了nnDetection深度学习算法进行半规管和眼球的自动分割,并通过点特征分析和奇异值分解方法计算半规管的法向量 NA 开发一种智能方法,用于构建精确的数学模型,准确表示半规管的空间方向 半规管的空间方向 计算机视觉 NA 深度学习 nnDetection 图像 115例颅脑MRI扫描
647 2024-10-04
Assessing microvascular invasion in HBV-related hepatocellular carcinoma: an online interactive nomogram integrating inflammatory markers, radiomics, and convolutional neural networks
2024, Frontiers in oncology IF:3.5Q2
研究论文 研究开发了一种基于炎症标志物、放射组学和卷积神经网络的在线交互式诺模图,用于预测HBV相关肝细胞癌中的微血管侵犯 结合了炎症标志物、放射组学特征和深度学习特征,开发了一种新的在线交互式诺模图,用于术前预测微血管侵犯 NA 开发一种术前预测HBV相关肝细胞癌微血管侵犯的在线交互式诺模图 HBV相关肝细胞癌患者的微血管侵犯 数字病理学 肝癌 放射组学、卷积神经网络 3D ResNet 图像 173名HBV相关肝细胞癌患者
648 2024-10-04
Classification of tomato seedling chilling injury based on chlorophyll fluorescence imaging and DBO-BiLSTM
2024, Frontiers in plant science IF:4.1Q1
研究论文 本文利用叶绿素荧光图像集,通过蜣螂优化算法增强深度学习双向长短期记忆模型,提高番茄幼苗冷害分类预测的准确性 本文提出了一种基于蜣螂优化算法增强的双向长短期记忆模型,用于番茄幼苗冷害分类,显著提高了分类预测的准确性 本文未详细讨论模型在不同环境条件下的泛化能力 研究目的是通过叶绿素荧光成像技术,实现番茄幼苗冷害的自动分类和标记,为植物自身抗冷害研究和深度学习分类方法在精准农业中的应用奠定基础 研究对象是番茄幼苗的冷害分类 计算机视觉 NA 叶绿素荧光成像技术 双向长短期记忆模型(BiLSTM) 图像 使用了番茄幼苗的叶绿素荧光图像集进行训练和测试
649 2024-10-04
YOLO-CFruit: a robust object detection method for Camellia oleifera fruit in complex environments
2024, Frontiers in plant science IF:4.1Q1
研究论文 提出了一种名为YOLO-CFruit的深度学习方法,用于在复杂环境中准确检测油茶果 结合了CBAM模块和CSP模块与Transformer,改进了YOLOv5的损失函数,提高了检测精度和速度 未提及具体限制 开发一种在自然环境中准确检测油茶果的鲁棒方法,为自动化采摘设备奠定基础 油茶果的检测 计算机视觉 NA 深度学习 YOLOv5 图像 收集了油茶果的图像并创建了数据集,使用了数据增强方法增加数据多样性
650 2024-10-04
Machine Learning Techniques to Predict Mental Health Diagnoses: A Systematic Literature Review
2024, Clinical practice and epidemiology in mental health : CP & EMH
综述 本研究通过系统文献综述方法,探讨了机器学习在预测大学生心理健康状况中的应用 本研究首次系统综述了多种机器学习模型在预测心理健康诊断中的应用,并强调了卷积神经网络(CNN)在双相情感障碍诊断中的高准确性 研究存在数据集不足、心理健康状况异质性考虑不足以及缺乏纵向数据等问题 探讨机器学习在预测大学生心理健康状况中的潜力与挑战 大学生的心理健康状况 机器学习 NA 深度学习 卷积神经网络(CNN)、随机森林(RF)、支持向量机(SVM)、深度神经网络、极限学习机(ELM) 文本 30项相关研究
651 2024-10-04
Enhanced classification and severity prediction of major depressive disorder using acoustic features and machine learning
2024, Frontiers in psychiatry IF:3.2Q2
研究论文 本研究利用深度学习方法构建分类和预测模型,以提高对抑郁症和健康对照组的分类准确性 本研究采用深度学习方法,通过声学特征对抑郁症和健康对照组进行分类和严重程度预测,提高了分类准确性 研究结果可能受到焦虑共病的影响 提高抑郁症和健康对照组的分类准确性,并预测抑郁症的严重程度 抑郁症和健康对照组的分类及抑郁症严重程度的预测 机器学习 精神疾病 深度学习 神经网络 声学特征 120名年龄在16-25岁的参与者,包括64名抑郁症组和56名健康对照组
652 2024-10-04
Predicting microbe-disease association based on graph autoencoder and inductive matrix completion with multi-similarities fusion
2024, Frontiers in microbiology IF:4.0Q2
研究论文 本文提出了一种基于图自编码器和归纳矩阵补全的多相似性融合方法,用于预测微生物与疾病之间的关联 通过多相似性融合策略改进了预测性能,并使用图自编码器和归纳矩阵补全技术构建了一个端到端的深度学习框架 未提及具体的局限性 旨在开发一种高效准确的方法来识别微生物与疾病之间的潜在关联 微生物与疾病之间的关联 机器学习 NA 图自编码器和归纳矩阵补全 深度学习模型 微生物与疾病关联数据 使用了3个数据集(HMDAD, Disbiome, 和 multiMDA)
653 2024-10-04
Forbidden Neurds: A Neuroscience Word Game
2024, Journal of undergraduate neuroscience education : JUNE : a publication of FUN, Faculty for Undergraduate Neuroscience
research paper 本文介绍了一种基于游戏的神经科学词汇学习工具的开发、实施和评估 设计了一种名为Forbidden Neurds的卡牌游戏,通过禁止使用特定词汇来帮助学生更好地掌握神经科学术语 NA 研究基于游戏的学习方法在神经科学课程中的应用效果 神经科学课程中的学生 NA NA NA NA NA 在一个小型公立文理学院的200级神经科学基础课程中进行了评估,涉及的学生数量未明确提及
654 2024-10-03
Evaluation of Neoadjuvant Chemoradiotherapy Response in Rectal Cancer Using MR Images and Deep Learning Neural Networks
2024, Current medical imaging IF:1.1Q3
研究论文 研究利用深度学习神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应 首次使用深度LSTM神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应 研究样本量较小,仅包含59个病例 开发深度学习神经网络以指导治疗决策并准确评估直肠癌患者对新辅助放化疗的反应 直肠癌患者在接受新辅助放化疗后的肿瘤反应 计算机视觉 直肠癌 磁共振成像(MR) 深度神经网络(DNN)包含长短期记忆(LSTM)单元 图像 59个直肠癌病例
655 2024-10-02
Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals
2024, Journal of Alzheimer's disease : JAD
研究论文 研究探讨了定期中等至剧烈身体活动与磁共振神经影像量化脑体积之间的关系 首次在大规模样本中探讨了中等至剧烈身体活动与脑体积的具体关联,并发现其可能具有神经保护作用 研究仅基于横断面数据,无法确定因果关系 探讨定期中等至剧烈身体活动与脑体积之间的关系 10,125名健康参与者的脑体积和身体活动数据 计算机视觉 NA 磁共振成像(MRI) 深度学习模型 图像 10,125名健康参与者
656 2024-10-02
DLKcat cannot predict meaningful k cat values for mutants and unfamiliar enzymes
2024, Biology methods & protocols IF:2.5Q3
研究论文 本文对DLKcat模型预测酶转换数的能力进行了批判性评估 NA DLKcat模型在预测与训练数据序列相似度低于60%的酶以及突变酶的转换数时表现不佳 评估DLKcat模型在预测酶转换数方面的实际应用价值 DLKcat模型及其预测酶转换数的能力 机器学习 NA 深度学习 DLKcat 序列数据 NA
657 2024-10-02
Using novel deep learning models for rapid and efficient assistance in monkeypox screening from skin images
2024, Frontiers in medicine IF:3.1Q1
研究论文 本文开发了一种基于自注意力机制和特征金字塔集成的深度学习模型,用于从皮肤图像中快速高效地辅助猴痘筛查 本文提出的模型结合了自注意力机制和特征金字塔集成,通过注意力策略融合不同尺度的图像特征,并借鉴VGG模型选择性地捕捉显著特征,相比现有最先进的深度学习模型,在准确性和精确度上提高了6% NA 开发一种自动化、高效的辅助诊断模型,以提高猴痘诊断的准确性和可及性 猴痘病毒感染的皮肤图像 计算机视觉 传染性疾病 深度学习 CNN 图像 NA
658 2024-10-02
Early Diagnosing and Transformation Prediction of Alzheimer's Disease Using Multi-Scaled Self-Attention Network on Structural MRI Images with Occlusion Sensitivity Analysis
2024, Journal of Alzheimer's disease : JAD
研究论文 本文提出了一种基于多尺度自注意力网络的阿尔茨海默病早期诊断和转化预测方法,结合结构磁共振成像和遮挡敏感性分析 本文创新性地提出了多尺度自注意力网络(MUSAN),并结合遮挡敏感性算法,提高了阿尔茨海默病的分类和预测性能 NA 实现阿尔茨海默病的精确分类和转化预测,并提高深度学习模型的可解释性 阿尔茨海默病患者的结构磁共振成像数据 计算机视觉 阿尔茨海默病 多尺度自注意力网络 自注意力网络 图像 使用了ADNI-1、ADNI-2和ADNI-3的数据集
659 2024-10-01
Early Detection of Parkinson's Disease Using Deep NeuroEnhanceNet With Smartphone Walking Recordings
2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1
研究论文 本文利用智能手机步行记录进行帕金森病的早期检测,并提出了一种基于深度学习的NeuroEnhanceNet模型 提出了一种专门用于惯性传感器数据的深度学习模型NeuroEnhanceNet,能够同时关注单通道内的长期数据特征和通道间的相关性 NA 探索智能手机步行记录在帕金森病早期检测中的应用 帕金森病患者 机器学习 神经退行性疾病 深度学习 深度神经网络 惯性传感器数据 NA
660 2024-10-01
Cortical ROI Importance Improves MI Decoding From EEG Using Fused Light Neural Network
2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1
研究论文 本文提出了一种基于皮质感兴趣区域(ROI)重要性的轻量级神经网络方法,用于从脑电图(EEG)中解码运动想象(MI) 本文创新性地提出了代表性偶极子(RD)的概念,并通过ROI重要性指标强化子带频谱,结合2D分离卷积和门控循环单元(2DSCG)网络,提高了MI解码的准确性 本文仅基于两个公开数据集进行验证,未来需要在更多数据集上进行验证以确保方法的普适性 研究目的是提高基于脑机接口的智能康复系统中运动想象的解码准确性 研究对象是皮质感兴趣区域(ROI)和脑电图(EEG)信号 机器学习 NA 脑电图(EEG) 2D分离卷积和门控循环单元(2DSCG) 时间-频率谱 基于两个公开数据集,分别进行了十折交叉验证
回到顶部