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 1261 - 1280 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
1261 2024-08-05
Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review
2024, Frontiers in oncology IF:3.5Q2
meta-analysis 本研究评估了人工智能模型、临床模型和综合模型在预测胃癌患者对新辅助化疗反应的准确性 比较了AI模型、临床模型和综合模型在预测胃癌化疗反应中的效果,并分析了各模型的灵敏度和特异性 该研究的限制在于异质性分析结果可能受到多个因素的影响,如预测反应的方法和标准的选择 研究的目的是识别AI模型的诊断测试,并通过比较各种模型的准确性来优化预测方法 研究对象为3313名胃癌患者,涉及9项研究 机器学习 胃癌 CT 人工智能模型 数据集 3313名患者,7项头对头对比研究涉及2699名患者
1262 2024-08-05
Synergistic Integration of Machine Learning with Microstructure/Composition-Designed SnO2 and WO3 Breath Sensors
2024-01-26, ACS sensors IF:8.2Q1
研究论文 提出了一种高性能半导体金属氧化物气体传感策略,以实现基于传感器的高效疾病预测 创新性地将机器学习方法与SnO-和WO基传感器组成的互补传感器阵列相结合 在相同组中的传感器单独应用时,将会面临较差的辨别能力 研究高性能气体传感器的疾病预测能力 使用SnO-和WO基传感器及神经网络算法来测量气体混合物 数字病理学 肠易激综合症 机器学习 深度神经网络(DNN)和卷积神经网络(CNN) 数值数据和图像数据 使用六个传感器进行实验
1263 2024-08-05
AI and Knowledge-Based Method for Rational Design of Escherichia coli Sigma70 Promoters
2024-01-19, ACS synthetic biology IF:3.7Q1
研究论文 本文开发了一种人工智能和知识驱动的方法用于合理设计大肠杆菌sigma70启动子 提出一种将人工智能与已有深度学习模型结合的新的启动子设计方法 缺乏对其他类型启动子的验证和全面性比较 旨在通过合理设计sigma70启动子来增强重组蛋白的表达 研究对象主要是sigma70启动子及其在不同蛋白表达中的应用 数字病理学 NA 高通量筛选(HTS) 深度学习模型 NA NA
1264 2024-08-05
Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model
2024, PeerJ IF:2.3Q2
研究论文 本文探讨风速和风向对腰果作物产量预测的影响,采用动态时间规整和集成学习模型。 提出了一种结合LSTM和随机森林的集成模型,并利用动态时间规整来评估时空数据的相似性。 未提及数据样本的多样性与广泛性,可能影响模型的普适性。 研究风速和风向对腰果产量预测的影响,并改进预测模型。 研究对象为加纳博诺地区的腰果作物及其风速和风向数据。 机器学习 NA 动态时间规整 (DTW) 长短期记忆网络 (LSTM) 和 随机森林 (RF) 时空数据 NA
1265 2024-08-05
Explainable Deep Learning Model for Predicting Serious Adverse Events in Hospitalized Geriatric Patients Within 72 Hours
2024, Clinical interventions in aging IF:3.5Q2
研究论文 本文开发了一种可解释的深度学习模型,以预测住院老年患者在72小时内发生的不良事件 该研究开发了一种可解释的深度学习模型,能够在72小时内准确预测老年患者的不良事件 该研究使用的回顾性数据可能受限于数据收集的准确性和完整性 研究的目的是提高对老年患者住院期间发生的不良事件的预测能力 研究对象为非创伤性老年患者,这些患者在急诊科就诊并住入普通病房 数字病理 老年疾病 深度学习 深度前馈神经网络 回顾性数据 共纳入127,268名患者
1266 2024-08-05
Multimodal Brain Tumor Classification Using Convolutional Tumnet Architecture
2024, Behavioural neurology IF:2.7Q2
研究论文 本研究提出了一种基于深度学习的脑肿瘤多模态融合影像分类和分割方法 提出了一种新的Tumnet技术,通过三种不同的像素级融合方法来处理MRI和CT影像,以提高脑肿瘤分类的准确性 没有提及样本来源和外部验证,可能限制了结果的广泛适用性 提高脑肿瘤的诊断和治疗效果 308片脑膜瘤和肉瘤的MRI和CT图像 数字病理 脑癌 深度学习 卷积神经网络 (CNN) 图像 869片影像切片(308片和561片)
1267 2024-08-05
WilsonGenAI a deep learning approach to classify pathogenic variants in Wilson Disease
2024, PloS one IF:2.9Q1
研究论文 该文章介绍了一种深度学习方法用于分类与威尔逊病相关的致病变异。 本研究利用机器学习算法为ATP7B基因的遗传变异提供了自动分类工具,能够处理大量变异的数据。 本研究仅限于ATP7B基因的变异分类,可能不适用于其他基因变异的分类。 旨在通过深度学习技术分类与威尔逊病相关的遗传变异。 主要研究对象为ATP7B基因的致病变异。 机器学习 威尔逊病 下一代测序(NGS) TabNet和XGBoost 遗传变异数据 两个高置信度的数据集,包括手动注释和ACMG & AMP分类的变异
1268 2024-08-05
An End-to-End CRSwNP Prediction with Multichannel ResNet on Computed Tomography
2024, International journal of biomedical imaging IF:3.3Q2
研究论文 本文提出一种结合多角度鼻窦计算机断层扫描图像和人工智能的方法,用于预测慢性鼻窦炎伴鼻息肉的亚型 提出多通道特征自适应融合模型,以提升对CT图像中重要鼻窦信息的关注度,增强检测精度 未提及具体的局限性 研究精准医学在慢性鼻窦炎伴鼻息肉中的应用,通过准确预测亚型以改善治疗效果 192名慢性鼻窦炎伴鼻息肉患者的22,265张CT图像 计算机视觉 慢性鼻窦炎 人工智能(AI) 多通道神经网络 图像 192名患者的22,265张CT图像
1269 2024-08-05
Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links
2024-Jan, NeuroImage IF:4.7Q1
研究论文 本文提出了一种自监督框架,用于从多模态神经影像数据中提取代表性,以增强群体推断。 该研究将Deep InfoMax扩展到多模态数据,首次探索其在识别相关脑区和多模态链接中的应用。 该方法依赖于自监督学习,可能在没有准确标签的情况下对某些特定案例的适用性有限。 研究旨在通过增强群体推断,探讨复杂脑部疾病的多模态联系。 研究对象包括使用MRI数据预测阿尔茨海默病及其相关疾病的脑区。 计算机视觉 阿尔茨海默病 自监督学习,Deep InfoMax NA 神经影像数据 NA
1270 2024-08-05
DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery
2024-01-23, Genes IF:2.8Q2
研究论文 本研究介绍了一种基于深度学习的方法,用于CTCF结合序列分类和致癌调控特征发现 提出了一种名为DARDN的计算方法,利用卷积神经网络(CNN)预测癌症特异性CTCF结合位点,并采用DeepLIFT提高深度学习模型的可解释性 缺乏对长期DNA序列的定位信息,使传统的基序分析变得困难 识别从广泛基因组区域中区分癌症特异性CTCF结合位点与常规CTCF结合位点的DNA序列特征 研究针对T细胞急性淋巴细胞白血病及其他癌症类型的CTCF结合位点相关的DNA序列 机器学习 T细胞急性淋巴细胞白血病,急性髓系白血病,乳腺癌,结直肠癌,肺腺癌,前列腺癌 卷积神经网络(CNN),DeepLIFT CNN DNA序列 涉及T-ALL及其他癌症类型的相关DNA序列
1271 2024-08-05
Impact of a deep learning sepsis prediction model on quality of care and survival
2024-Jan-23, NPJ digital medicine IF:12.4Q1
研究论文 本研究评估了一种深度学习模型(COMPOSER)对败血症患者结果的影响 首次在真实世界中评估深度学习模型对败血症早期预测的影响 限于在两个急诊科进行的准实验研究,可能影响结果的普遍适用性 评估深度学习模型对败血症患者的结果影响 6217名成年败血症患者 自然语言处理 败血症 深度学习 NA 样本数据 6217名成年败血症患者
1272 2024-08-05
Self-supervised deep learning of gene-gene interactions for improved gene expression recovery
2024-Jan-22, Briefings in bioinformatics IF:6.8Q1
研究论文 本文提出了一种自监督深度学习方法,以改进基因表达的恢复。 通过自监督2D卷积神经网络利用基因-基因相互作用,提出一种新颖的框架来填补缺失的基因表达值。 可能由于基因交互模型的复杂性和预测过程的假设而导致准确性的问题。 旨在改进单细胞RNA测序数据中基因表达值的恢复。 主要研究基因-基因相互作用在基因表达恢复中的应用。 数字病理学 NA scRNA-seq 2D卷积神经网络 基因组数据 包含模拟和实验的scRNA-seq数据集
1273 2024-08-05
Research on load clustering algorithm based on variational autoencoder and hierarchical clustering
2024, PloS one IF:2.9Q1
研究论文 本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法 创新性地将变分自编码器与度量学习整合,以提高聚类精度和可解释性 在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在 探索时间序列数据的聚类分析方法 工业负载数据的时间序列聚类 机器学习 NA 变分自编码器 (VAE) 门控递归单元 (GRU) 时间序列数据 工业负载数据,样本量未具体提及
1274 2024-08-05
A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics
2024, Frontiers in molecular biosciences IF:3.9Q2
研究论文 本研究开发了深度学习模型,用于利用单细胞转录组学分类头颈鳞状细胞癌(HNSCC)和人类乳头状瘤病毒(HPV)患者 提出了一个基于人工神经网络的模型,通过单细胞转录组学准确区分HNSCC与正常样本,并能够分类HPV阳性和阴性样本 研究样本量相对较小,仅使用了20个HNSCC样本和9个正常组织样本 旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率 针对头颈鳞状细胞癌患者和正常样本进行分类 机器学习 头颈癌 单细胞转录组学 人工神经网络 基因表达数据 20个HNSCC样本(包括13个HPV阴性样本和7个HPV阳性样本),9个正常组织样本
1275 2024-08-05
Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning
2024, Frontiers in plant science IF:4.1Q1
研究论文 本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用 提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性 未提到具体的样本数量和数据集多样性,可能影响结果的普适性 提高高产和抗逆小麦品种的育种效率 冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性 数字病理学 NA 高通量表型分析(HTP)和深度学习(DL) 深度神经网络(DNN) 图像 NA
1276 2024-08-05
FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases
2024, PloS one IF:2.9Q1
研究论文 本文介绍了一种名为FaceTouch的计算机视觉框架,用于检测手与脸的接触以协助追踪传染病 引入了一种基于监督对比学习的深度学习模型,可以在复杂场景中检测手对脸的接触,克服了面部部分遮挡的问题 缺乏其他基准数据集的支持,训练依赖于我们收集的数据集 旨在提供一种自动检测手与脸接触的方法,以减少传染病传播 检测在城市环境中或室内人们的手对脸的接触 计算机视觉 NA 深度学习 监督对比学习 视频 基于我们收集的数据集,样本数量未明确给出
1277 2024-08-05
Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution
2024, Frontiers in artificial intelligence IF:3.0Q2
研究论文 本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性 提出了一种新方法,通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割 使用的数据集是低质量的膀胱镜图像,可能影响模型的准确性 目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性 研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割 计算机视觉 膀胱癌 深度学习 Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34 图像 低质量的标注膀胱镜图像数据集
1278 2024-08-05
Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm
2024, Frontiers in bioengineering and biotechnology IF:4.3Q2
研究论文 本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值 首次实现了利用深度学习工具快速自动分割主动脉根部,提升了模型重建的时间效率 未提及模型在不同患者或病理状态下的适应性和广泛验证 探索基于深度学习工具的主动脉根部的自动分割技术的临床价值 183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据 计算机视觉 心血管疾病 深度学习 NA 图像 183个患者的CT扫描数据
1279 2024-08-05
STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention
2024, Frontiers in genetics IF:2.8Q2
研究论文 本文介绍了一种基于深度学习的模型STM-ac4C,用于预测人类mRNA上的ac4C修饰位点 STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制,能够有效提取和整合RNA序列的多级特征 尽管STM-ac4C在准确性和泛化能力上有所改进,但深度学习模型在某些复杂生物序列数据上仍存在局限性 本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性,以揭示其在疾病中的作用 研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点 机器学习 癌症 深度学习 STM-ac4C 序列数据 独立测试数据集的具体样本数量未提及,涉及平衡和不平衡数据集
1280 2024-08-05
Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale
2024, PloS one IF:2.9Q1
研究论文 本研究探讨了用于细胞穿透肽预测的分子描述符,结合深度学习技术。 提出了使用ConvBoost-CPP的创新方法,该方法结合了改进的卷积神经网络和XGBoost模型,以提高分类器的准确性 未提及具体的局限性 研究细胞穿透肽的分子描述符对膜渗透性的预测能力 细胞穿透肽以及与之相关的分子描述符,如氮、氧和疏水性 机器学习 NA 深度学习 ConvBoost-CPP NA NA
回到顶部