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:202401-202412] [清除筛选条件]
当前共找到 12042 篇文献,本页显示第 7241 - 7260 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
7241 2024-09-05
Deep Learning for Dynamic Graphs: Models and Benchmarks
2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文探讨了深度图网络在动态图上的应用,并进行了模型性能比较 提供了动态图表示学习的全面概述,并建立了评估新架构和方法的基准 NA 促进动态图领域的研究 动态图上的预测任务 机器学习 NA 深度图网络(DGNs) NA 图数据 NA
7242 2024-09-05
Deep learning approach for dysphagia detection by syllable-based speech analysis with daily conversations
2024-08-31, Scientific reports IF:3.8Q1
研究论文 本研究评估了一种新开发的深度学习模型,该模型通过分析基于音节的日常对话数据来诊断吞咽困难 本研究首次采用基于音节的数据分析方法来诊断吞咽困难 NA 评估深度学习模型在日常环境中早期、非侵入性和简单地检测吞咽困难的有效性 吞咽困难患者和对照组 机器学习 老年疾病 深度学习 卷积神经网络 音频 16名吞咽困难患者和24名对照组
7243 2024-09-05
Leveraging electrocardiography signals for deep learning-driven cardiovascular disease classification model
2024-Aug-30, Heliyon IF:3.4Q1
研究论文 本研究介绍了一种基于深度学习的自动化心电图信号识别技术(ADL-ECGSR),用于心血管疾病的检测和分类 该技术采用双向长短期记忆网络(BiLSTM)进行特征提取,并结合Adamax优化器和龙fly算法(DFA)与堆叠稀疏自编码器(SSAE)模块进行信号识别和分类 文章未提及具体限制 开发一种高效的自动化心电图信号识别技术,以提高心血管疾病的诊断准确性 心电图信号及其在心血管疾病分类中的应用 机器学习 心血管疾病 深度学习 BiLSTM 心电图信号 使用PTB-XL数据集进行模拟验证
7244 2024-09-05
The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning
2024-Aug-30, Heliyon IF:3.4Q1
研究论文 本研究利用卷积神经网络(CNN)模型和深度学习方法,全面分析和评估大学体育舞蹈教学质量 引入基于一维CNN的教学质量评估(TQE)模型,创新性地应用深度学习技术量化评估体育舞蹈教育质量 NA 旨在通过多维评估体系和1D-CNN模型的应用,全面评估大学体育舞蹈教育质量 大学体育舞蹈教学质量 机器学习 NA 卷积神经网络(CNN) CNN 一维评估数据 24个评估指标
7245 2024-09-05
Deep learning artificial neural network framework to optimize the adsorption capacity of 3-nitrophenol using carbonaceous material obtained from biomass waste
2024-08-30, Scientific reports IF:3.8Q1
研究论文 本研究利用从农业废弃物中提取的碳质材料,通过人工神经网络和遗传算法优化吸附过程,以提高3-硝基苯酚的吸附能力。 本研究创新性地使用Haematoxylum campechianum树皮和椰壳(墨西哥坎佩切丰富的农业废弃物)进行毒素去除,并通过人工神经网络和遗传算法优化吸附条件,提高吸附效率。 NA 研究旨在通过深度学习优化吸附过程,提高碳质材料对3-硝基苯酚的吸附能力。 研究对象包括碳质材料(CM-HC)、3-硝基苯酚、人工神经网络和遗传算法。 环境科学 NA 扫描电子显微镜(SEM/EDS)、BET方法、X射线粉末衍射(XRD)、人工神经网络(ANNs)、遗传算法 人工神经网络(ANNs) 实验数据 吸附剂用量2-10 g/L,温度300.15-330.15 K,pH值3-8
7246 2024-09-05
Character recognition system for pegon typed manuscript
2024-Aug-30, Heliyon IF:3.4Q1
研究论文 研究针对Pegon打印手稿的光学字符识别系统 首次探索了Pegon打印手稿的光学字符识别,并引入了新的合成和真实标注数据集 NA 开发和评估Pegon打印手稿的光学字符识别系统 Pegon打印手稿 计算机视觉 NA OCR (光学字符识别) YOLOv5, CTC-CRNN 文本 合成和真实标注的Pegon打印手稿数据集
7247 2024-09-05
[Early classification and recognition algorithm for sudden cardiac arrest based on limited electrocardiogram data trained with a two-stages convolutional neural network]
2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
research paper 本文提出了一种基于深度迁移学习的SCA早期预测与分类算法,利用有限的心电图数据,通过两阶段卷积神经网络模型进行预训练和微调,实现对SCA高风险心电信号的早期分类、识别和预测。 本文提出的方法通过深度迁移学习,解决了深度学习模型对大量训练数据的需求,实现了在有限数据下对SCA高风险信号的早期准确检测和识别。 NA 研究目的是开发一种能够在有限心电图数据下早期预测和分类突发心脏骤停(SCA)的算法。 研究对象是突发心脏骤停患者和窦性心律患者的心电图数据。 machine learning cardiovascular disease 卷积神经网络 CNN 心电图数据 20名SCA患者和18名窦性心律患者的心电图数据,共16788个30秒的心率特征片段
7248 2024-09-05
[Detection model of atrial fibrillation based on multi-branch and multi-scale convolutional networks]
2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
研究论文 本文设计了一种基于Inception模块的心房颤动(AF)检测模型,通过构建多分支检测通道处理AF期间的原始ECG信号、梯度信号和频率信号 与仅使用RR间期和心率变异性特征的现有机器学习算法相比,该算法额外采用了频率特征,更充分地利用了信号中的信息 NA 旨在早期检测心房颤动(AF),提高诊断效率 心房颤动(AF)的早期检测 计算机视觉 心血管疾病 多分支和多尺度卷积网络 CNN 信号 在MIT-BIH AF数据库上测试,检测准确率为96.89%,敏感性为97.72%,特异性为95.88%
7249 2024-09-05
[A lightweight recurrence prediction model for high grade serous ovarian cancer based on hierarchical transformer fusion metadata]
2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
研究论文 本文提出了一种新的轻量级深度学习算法模型,用于预测高级别浆液性卵巢癌的复发 模型采用Ghost卷积(Ghost Conv)和坐标注意力(CA)建立Ghost计数器残差(SCblock)模块提取图像的局部特征信息,并通过分层融合Transformer(STblock)模块捕获全局信息和整合多层次信息,增强了不同层之间的交互 NA 提高高级别浆液性卵巢癌复发预测的准确性和效率 高级别浆液性卵巢癌的复发预测 机器学习 卵巢癌 Ghost卷积(Ghost Conv)、坐标注意力(CA)、分层融合Transformer(STblock) Transformer 图像 NA
7250 2024-09-05
[Study on automatic and rapid diagnosis of distal radius fracture by X-ray]
2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
research paper 本文结合深度学习与图像分析技术,提出了一种有效的桡骨远端骨折类型分类方法 使用扩展的U-Net三层级联分割网络进行精确分割,并通过分别对关节面区域和非关节面区域图像进行分类训练,以区分骨折类型 NA 开发一种自动且快速的桡骨远端骨折诊断方法 桡骨远端骨折的自动诊断 computer vision NA NA U-Net image 测试集上的准确率分别为正常0.99,A型0.92,B型0.91,C型0.82
7251 2024-09-05
Delineating yeast cleavage and polyadenylation signals using deep learning
2024-Aug-20, Genome research IF:6.2Q1
研究论文 本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的退化调控元件及其在介导多聚(A)位点形成、切割异质性和强度中的位置重要性 开发了深度学习模型来揭示酵母多聚(A)位点的独特基序配置,并提供了对酵母多聚(A)位点形成的深入见解 NA 解决酵母中多聚腺苷酸化信号的退化调控元件的特征问题 酵母中的多聚腺苷酸化信号及其调控元件 机器学习 NA 深度学习 深度学习模型 序列数据 未明确提及样本数量
7252 2024-09-05
The Artificial Intelligence-Powered New Era in Pharmaceutical Research and Development: A Review
2024-Aug-15, AAPS PharmSciTech IF:3.4Q2
综述 本文综述了人工智能(AI)、机器学习(ML)和深度学习(DL)在制药研究和开发领域的应用 这些计算技术通过先进的建模技术提高了效率和准确性,能够处理复杂数据并在几分钟内促进新发现 NA 探讨AI在制药研究和开发中的应用现状及其在未来研究和制药工业4.0和5.0时代中的潜在作用 AI、ML和DL在制药研究开发中的应用,包括药物发现、个性化医疗、药物配方优化等 机器学习 NA AI、ML、DL NA 复杂数据集 NA
7253 2024-09-05
Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI
2024-08, Radiology IF:12.1Q1
研究论文 本文开发了一种深度学习模型,用于在MRI中自动检测临床显著性前列腺癌(csPCa),并将其性能与放射科医生的性能进行比较 使用深度学习模型预测临床显著性前列腺癌,无需肿瘤位置信息,并能通过Grad-CAMs显示肿瘤定位 研究仅限于单个学术机构的数据,且未提及模型的泛化能力 开发和验证一种深度学习模型,用于在MRI中自动检测临床显著性前列腺癌 临床显著性前列腺癌的检测 机器学习 前列腺癌 MRI 卷积神经网络(CNN) 图像 5735次检查,涉及5215名患者,其中1514次检查显示临床显著性前列腺癌
7254 2024-09-05
Computational tools for plant genomics and breeding
2024-Aug, Science China. Life sciences
研究论文 本文综述了植物基因组学和作物育种领域中计算工具的应用 介绍了通过高通量测序、分子生物学和数据科学推动的基因组装配、基因组注释、表观基因组和转录组分析等技术进步 NA 探讨计算工具在植物基因组学和作物育种中的应用 植物基因组学和作物育种 生物技术 NA 高通量测序 深度学习 基因组数据 NA
7255 2024-09-05
Artificial Intelligence in Otology, Rhinology, and Laryngology: A Narrative Review of Its Current and Evolving Picture
2024-Aug, Cureus
综述 本文综述了人工智能在耳鼻喉科领域的当前应用和未来发展 探讨了人工智能在耳鼻喉科领域的多样化应用和进展,包括机器学习、神经网络和深度学习等子领域 NA 旨在展望人工智能在耳鼻喉科领域的应用和未来发展 人工智能在耳鼻喉科领域的应用,包括听力辅助设备、影像技术、脑干听觉系统解释等 机器学习 NA 机器学习, 神经网络, 深度学习 NA 影像, 声音 NA
7256 2024-09-05
Identification and Validation of New DNA-PKcs Inhibitors through High-Throughput Virtual Screening and Experimental Verification
2024-Jul-22, International journal of molecular sciences IF:4.9Q2
研究论文 本研究通过基于深度学习的筛选和分子动力学模拟,识别并验证了新的DNA-PKcs抑制剂,这些抑制剂在实验中显示出对DNA-PKcs介导的细胞增殖的有效抑制作用。 首次应用DeepBindGCN_RG于实际药物筛选任务,并成功发现新型DNA-PKcs抑制剂。 NA 探索新型抗癌药物和推进基因编辑技术的发展。 DNA-PKcs抑制剂的识别与验证。 机器学习 癌症 分子动力学模拟 DeepBindGCN_RG 分子 三个小分子(5025-0002, M769-1095, V008-1080)
7257 2024-09-05
Reproducible image-based profiling with Pycytominer
2024-Jul-02, ArXiv
PMID:38045474
研究论文 本文介绍了一个名为Pycytominer的开源Python包,用于处理高内涵显微镜图像分析产生的单细胞特征,以进行下游应用 Pycytominer提供了一个用户友好的工具,用于实现图像分析后的生物信息学步骤,即图像基础的分析 NA 开发和验证一个用于处理单细胞特征的工具,以应用于下游生物信息学分析 高内涵显微镜图像分析产生的单细胞特征 计算机视觉 NA 图像分析 NA 图像 NA
7258 2024-09-05
CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
研究论文 本文提出了一种基于扩散后验采样的CT重建方法,该方法结合了非线性测量模型 本文的创新点在于将扩散后验采样技术与非线性测量模型相结合,以提高CT图像重建的质量 NA 研究目的是改进CT图像重建技术,特别是在处理低质量测量数据时 研究对象是CT图像重建技术及其在不同采集协议中的应用 计算机视觉 NA 扩散后验采样 扩散模型 图像 NA
7259 2024-09-05
CT Reconstruction using Diffusion Posterior Sampling conditioned on a Nonlinear Measurement Model
2024-Jun-11, ArXiv
PMID:38947914
研究论文 本文提出了一种基于扩散后验采样的非线性测量模型CT重建新方法 该方法通过结合非线性物理模型的测量似然得分函数与扩散先验,实现了无需额外训练的通用非线性CT图像重建 NA 解决非线性CT图像重建的逆问题 CT图像重建技术 计算机视觉 NA 扩散后验采样 扩散模型 图像 在全采样低剂量数据和稀疏视图几何中进行了演示
7260 2024-09-05
Epitope Identification of an mGlu5 Receptor Nanobody Using Physics-Based Molecular Modeling and Deep Learning Techniques
2024-Jun-10, Journal of chemical information and modeling IF:5.6Q1
研究论文 本文提出了一种计算方法,用于识别作为激动剂和正变构调节剂的纳米抗体的表位,并使用物理基础的分子建模和深度学习技术进行验证。 本文首次采用计算方法结合多种结构建模工具和人工智能算法来识别纳米抗体的表位,并进行了实验验证。 实验结构技术虽然有效,但成本高且耗时。 旨在通过计算方法识别纳米抗体的表位,以促进其作为治疗药物的开发。 研究对象为作为激动剂和正变构调节剂的纳米抗体,以及大鼠代谢型谷氨酸受体5。 机器学习 NA 物理基础的分子建模和深度学习技术 人工智能算法 分子结构 NA
回到顶部