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 1001 - 1020 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
1001 2024-08-04
Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases
2024-01, Kidney international IF:14.8Q1
研究论文 本文开发了一种使用深度学习自动估计足突宽度的技术,用于患者的肾脏活检。 创新点在于开发了一种基于深度学习的自动化FPW估计技术,并通过云应用使其易于访问。 当前研究只使用了有限数量的患者样本,未涵盖所有类型的肾脏疾病。 研究旨在提高肾脏疾病中足突宽度的测量效率和可获取性。 研究对象为来自Fabry病、2型糖尿病、最小变病和正常个体的肾脏活检图像。 数字病理学 肾脏疾病 深度学习 U-Net 电子显微镜图像 56名Fabry病患者,15名2型糖尿病患者,10名最小变病患者和17名正常个体
1002 2024-08-05
Performance Investigation of Somfit Sleep Staging Algorithm
2024, Nature and science of sleep IF:3.0Q2
研究论文 研究了新型家用睡眠监测设备Somfit的睡眠分期算法的准确性 提出了一种基于卷积神经网络架构的Somfit深度学习睡眠分期算法 研究中仅限于睡眠监测设备的准确性验证,未包含其他可能影响的因素 探讨Somfit睡眠分期算法在家用睡眠监测设备中的准确性 110名有阻塞性睡眠呼吸暂停症状的参与者 数字病理学 阻塞性睡眠呼吸暂停 无创监测技术 卷积神经网络 (CNN) 多导睡眠监测数据 110名参与者
1003 2024-08-05
A cutting-edge deep learning-and-radiomics-based ultrasound nomogram for precise prediction of axillary lymph node metastasis in breast cancer patients ≥ 75 years
2024, Frontiers in endocrinology IF:3.9Q2
研究论文 本研究旨在开发一种基于深度学习和放射组学的超声命名法,以评估75岁及以上乳腺癌患者腋窝淋巴结转移风险 本研究结合深度学习与放射组学,提出了一种新的超声命名法,极大提升了预测腋窝淋巴结转移的准确性 样本仅限于接受哨兵淋巴结活检或腋窝淋巴结清扫的患者,可能影响结果的普适性 研究旨在提高75岁及以上乳腺癌患者腋窝淋巴结转移预测的准确性 研究对象为75岁及以上的乳腺癌患者 数字病理学 乳腺癌 超声, 深度学习 DenseNet-201 图像 75岁及以上乳腺癌患者,具体样本数量未提及
1004 2024-08-05
Advanced integration of 2DCNN-GRU model for accurate identification of shockable life-threatening cardiac arrhythmias: a deep learning approach
2024, Frontiers in physiology IF:3.2Q2
研究论文 本研究提出了一种新的混合方法,用于自动检测危险的心律失常。 提出了一种新的深度学习架构的混合神经网络来分类危险心律失常,利用小段ECG信号的连续小波变换技术将信号转化为图像。 研究中使用的数据集可能在特征和样本方面存在不平衡的问题,尚未探讨其他心律失常种类。 旨在开发一种有效的混合方法,用于自动识别重症心律失常。 研究主要对象为心脏病患者的短ECG片段。 机器学习 心血管疾病 连续小波变换 (CWT) 混合神经网络 ECG数据 使用实际ECG数据以及通过SMOTE方法合成的ECG数据
1005 2024-08-05
MEFFNet: Forecasting Myoelectric Indices of Muscle Fatigue in Healthy and Post-Stroke During Voluntary and FES-Induced Dynamic Contractions
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 本研究提出了一种深度学习模型MEFFNet,用于预测健康人及中风后患者在自愿和功能电刺激下的肌电疲劳指标 将迁移学习应用于肌电疲劳预测,是对传统模型的一种创新扩展 研究主要集中在动态收缩期间的指标预测,未涉及其他可能的应用场景 旨在提高肌电疲劳指标的预测准确性,以帮助可穿戴技术的应用 研究对象包括16名健康个体和17名中风患者 机器学习 中风 深度学习 MEFFNet 时间序列 共计33名受试者(16名健康个体和17名中风患者)
1006 2024-08-05
Exploratory analysis of swallowing behaviour in community-dwelling older adults using a wearable device: Differences by age and ingestant under different task loads
2024 Jan-Dec, Digital health IF:2.9Q2
研究论文 本文开发了一种新的方法来评估吞咽行为 采用可穿戴设备非侵入性地监测吞咽声音,评估不同年龄和食物对吞咽行为的影响 研究样本相对较小,仅限于健康参与者,可能不适用于所有人群 提出一种新的评估吞咽行为的方法 健康的社区老年人,分为年轻组和老年组 数字病理学 老年疾病 深度学习 神经网络 生物声音 69名参与者(年轻组32人,老年组37人)
1007 2024-08-05
LSTM-Based Prediction Model for Tuberculosis Among HIV-Infected Patients Using Structured Electronic Medical Records: A Retrospective Machine Learning Study
2024, Journal of multidisciplinary healthcare IF:2.7Q2
研究论文 本研究建立了一种基于LSTM的预测模型,以利用电子病历预测HIV感染者中的结核病。 结合多层感知机分类器与长短时记忆网络(LSTM)提高了电子健康记录的提取和疾病预测能力。 尽管模型在识别HIV-结核共感染方面表现准确,但仍存在进一步优化和泛化的机会。 研究旨在通过电子健康记录构建预测模型,为HIV感染者中的结核病提供早期检测和精准干预的科学依据。 研究对象为4540名HIV感染患者,重点分析其结核病的感染情况及相关特征。 机器学习 结核病 机器学习,电子健康记录,自然语言处理 多层感知机,LSTM 电子病历数据 4540名(HIV感染者)
1008 2024-08-05
Incorporating longitudinal history of risk factors into atherosclerotic cardiovascular disease risk prediction using deep learning
2024-01-31, Scientific reports IF:3.8Q1
研究论文 本研究探讨了使用深度学习模型整合纵向危险因素历史来提高动脉粥样硬化心血管疾病风险预测的效果 首次比较了纵向深度学习模型与传统Pooled Cohort Equations (PCE)在ASCVD风险预测中的效果 未提及模型在不同人群或环境下的推广性和适用性 研究纵向风险因素对动脉粥样硬化心血管疾病风险预测的影响 该研究包含来自四个心血管疾病队列的15,565名没有基线ASCVD的参与者 机器学习 心血管疾病 深度学习 Dynamic-DeepHit 纵向数据 15,565名参与者
1009 2024-08-05
Deep learning-based respiratory muscle segmentation as a potential imaging biomarker for respiratory function assessment
2024, PloS one IF:2.9Q1
研究论文 本研究开发了一种基于深度学习的自动化方法,用于从CT图像中分割和分类三种类型的呼吸肌肉 提出了一种使用Attention U-Net架构进行呼吸肌肉定量分析的新方法,且呼吸肌肉体积可能作为呼吸功能的潜在成像生物标志物 肌肉密度与肺功能测试参数的相关性较弱,可能限制了其在医学研究中的意义 评估呼吸肌肉的状态及其对肺功能的影响 从3200个个体的约600,000个胸部CT图像中提取的呼吸肌肉 计算机视觉 呼吸系统疾病 计算机断层扫描(CT) Attention U-Net 图像 3200个个体的约600,000个胸部CT图像
1010 2024-08-05
DeepDRA: Drug repurposing using multi-omics data integration with autoencoders
2024, PloS one IF:2.9Q1
研究论文 该文章提出了一种基于多组学数据集成的深度学习模型,用于癌症药物重新利用的预测。 创新点在于使用自编码器降维多组学数据,并结合多任务学习模型与多层感知器进行深度学习。 没有详细说明数据收集的局限性和模型的可扩展性。 研究旨在开发一个深度学习模型,以根据多组学数据预测癌症药物反应并促进药物重新利用。 研究对象是癌症药物的反应和多组学数据。 机器学习 癌症 深度学习、自编码器 多层感知器(MLP) 多组学数据 使用了三个主要数据集:GDSC、CTRP 和 CCLE
1011 2024-08-05
Deep learning-based material decomposition of iodine and calcium in mobile photon counting detector CT
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种基于深度学习的材料分解方法,用于在移动光子计数检测器CT中分解碘和钙。 创新点在于提出了一种基于Unet架构的MD-Unet模型,能够在使用实时动物数据进行材料分解时提供更高精度的成像。 研究可能受到数据获取的限制,尽管使用了预训练模型和增强策略。 研究的目的是开发一种准确的材料分解技术,以改善基于光子计数检测器的CT成像。 研究对象为使用实时动物数据进行的材料分解。 数字病理学 NA 光子计数检测器CT Unet 动物数据 NA
1012 2024-08-05
Correction: Improved runoff forecasting based on time-varying model averaging method and deep learning
2024, PloS one IF:2.9Q1
更正 本文更正了之前发布的文章的内容 NA NA NA NA NA NA NA NA NA NA
1013 2024-08-05
Field pea leaf disease classification using a deep learning approach
2024, PloS one IF:2.9Q1
研究论文 该论文提出了一种基于深度学习的方法来自动诊断田豌豆叶病 采用了迁移学习方法提升田豌豆叶疾病的自动分类准确性 研究可能局限于特定的田豌豆种类及其疾病类型 旨在改进田豌豆叶病的检测和分类过程 对田豌豆的三种叶病进行分类,包括灰斑病、叶斑病和白粉病 计算机视觉 NA 迁移学习 DenseNet121 图像 1600张健康和病叶图像
1014 2024-08-05
A deep learning framework for the early detection of multi-retinal diseases
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种深度学习框架,用于早期检测多种视网膜疾病。 本研究通过分析彩色眼底图像,实现了多种眼病的同时检测,并提供了可靠高效的诊断系统。 20层CNN模型虽然准确率高,但存在过拟合现象。 研究的目的是提供一种非侵入性的方法,用于早期检测和及时治疗眼病。 研究对象为包含多种眼病的眼底图像数据集,以及健康图像。 计算机视觉 视网膜疾病 CNN CNN 图像 使用了Retinal Fundus Multi-disease Image Dataset (RFMiD) 数据集,包含各种视网膜病变的眼底图像类别
1015 2024-08-05
Predicting lncRNA-disease associations using multiple metapaths in hierarchical graph attention networks
2024-Jan-29, BMC bioinformatics IF:2.9Q1
研究论文 本研究提出了一种基于分层图注意网络的深度学习模型,用于预测未知的lncRNA-疾病关联 通过多种元路径提取特征,构建lncRNA-疾病-miRNA异质图,并在此基础上实现更精确的关联预测 模型在处理部分复杂网络结构时可能存在路径信息的遗失 探索lncRNA与疾病之间的潜在关联,以增进对复杂疾病的理解 主要研究lncRNA及其与肺癌、食管癌和乳腺癌等疾病的关联 计算机视觉 肺癌 深度学习 MMHGAN 图数据 共研究15个与肺癌、食管癌和乳腺癌相关的lncRNA
1016 2024-08-05
Highly Accurate and Efficient Deep Learning Paradigm for Full-Atom Protein Loop Modeling with KarmaLoop
2024, Research (Washington, D.C.)
研究论文 本文提出了一种名为KarmaLoop的深度学习模型,用于全原子蛋白质环建模 KarmaLoop是首个以全原子为中心的深度学习方法,具有更高的准确性和计算效率 现有方法在原子精度或计算效率方面仍然不足 研究蛋白质结构预测中的环建模问题 全原子蛋白质环模型 机器学习 NA 深度学习 NA NA CASP13+14和CASP15基准数据集
1017 2024-08-05
Fast reconstruction of SMS bSSFP myocardial perfusion images using noise map estimation network (NoiseMapNet): a head-to-head comparison with parallel imaging and iterative reconstruction
2024, Frontiers in cardiovascular medicine IF:2.8Q2
研究论文 本研究提出了一种新的图像重建技术NoiseMapNet,用于SMS-bSSFP心肌灌注成像。 首次将噪声图估计网络与平行成像和图像去噪相结合,改善了心肌灌注成像的质量和速度。 与ITER相比,NoiseMapNet在图像质量和感知信噪比方面略显不足。 开发一种结合平行成像和图像去噪的SMS-bSSFP心肌灌注成像重建技术。 包括17名接受应激灌注成像的患者样本。 数字病理学 心血管疾病 深度学习 2D Unet 医学图像 17名患者
1018 2024-08-05
Realistic morphology-preserving generative modelling of the brain
2024, Nature machine intelligence IF:18.8Q1
研究论文 本文介绍了一种三维生成模型,可生成真实且形态保持的人脑图像 提出了一种能够在必要规模下训练的生成模型,以生成多样且高分辨率的人脑样本,并保持生物学和疾病表型 尽管该模型具有广泛的未来适用性,但具体的局限性未在文中详细讨论 解决医疗影像数据稀缺和可获取性的问题 人脑的三维生成模型 数字病理学 NA 生成模型 三维生成模型 图像 NA
1019 2024-08-05
Enhanced LSTM-based robotic agent for load forecasting in low-voltage distributed photovoltaic power distribution network
2024, Frontiers in neurorobotics IF:2.6Q3
研究论文 本研究探讨了低电压分布式光伏电力分配网络的负载预测问题 提出了一种增强的长短期记忆(LSTM)模型与频域分解(FDD)相结合的负载预测方法 实验仅在广东省的历史操作数据集上验证,外部地区的适用性需进一步研究 研究低电压分布式光伏电力分配网络的负载预测技术 低电压分布式光伏电力分配网络的负载数据 机器学习 NA 频域分解(FDD),长短期记忆(LSTM) LSTM 数据集 广东省的历史操作数据集
1020 2024-08-05
Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis
2024-Jan-29, EJNMMI physics IF:3.0Q2
研究论文 本文评估了一种基于放射治疗的深度学习合成CT算法在盆腔PET-MR衰减校正中的应用 本研究结合了一种新开发的零回声时间(ZTE)MR序列和深度学习模型生成合成CT,显著提高了衰减校正的准确性 样本量相对较小,仅包含10位患者 评估新算法在PET-MR衰减校正中的效果 10名进行肛直肠放射治疗的患者 数字病理学 NA ZTE-MR序列 深度学习模型 图像 10名患者
回到顶部