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 12073 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 2024-09-20
Two mass-imbalanced atoms in a hard-wall trap: Deep learning integrability of many-body systems
2024-Aug, Physical review. E
研究论文 本文通过数值实验分析了质量不平衡的两体系统在硬壁阱中的可积性,利用能量级统计和深度学习波函数的方法 本文设计了一种卷积神经网络,能够通过概率密度图像高精度且快速地识别可积与不可积系统之间的转变点,并成功识别出一个新的可积质量比1/3 NA 研究质量不平衡的两体系统的可积性 质量不平衡的两体系统 机器学习 NA 深度学习 卷积神经网络 图像 NA
7242 2024-09-20
AB067. New drug development for the use of PARP1-E2F1 transcriptional inhibitors in the treatment of glioblastoma
2024-Aug, Chinese clinical oncology IF:2.1Q3
研究论文 本文探讨了通过抑制PARP1-E2F1转录活性来开发治疗胶质母细胞瘤的新药物 提出了通过破坏PARP1-E2F1相互作用来抑制细胞周期,从而为不同类型的癌症提供新的治疗策略 缺乏PARP1-E2F1蛋白-蛋白相互作用的完整结构信息,使用BRCA1的同源结构进行替代 开发针对胶质母细胞瘤的新药物 PARP1-E2F1转录抑制剂 NA 脑肿瘤 深度学习神经网络 NA 化合物 83种化合物
7243 2024-09-20
AB093. Pixel-wise classification of glioma using deep learning for accurate tumour mapping on magnetic resonance imaging
2024-Aug, Chinese clinical oncology IF:2.1Q3
研究论文 本文研究了使用深度学习进行磁共振成像(MRI)上胶质瘤的像素级分类和肿瘤映射 本文首次将深度学习技术应用于MRI图像上胶质瘤的像素级分类和肿瘤映射 研究样本量较小,仅包括69个低级别胶质瘤(LGG)样本 开发机器学习算法以实现对脑肿瘤的准确诊断和精确映射 胶质瘤患者的脑部MRI图像 计算机视觉 脑肿瘤 深度学习 UNet-based architecture with CNN 图像 69个低级别胶质瘤(LGG)样本
7244 2024-09-20
Structured light for touchless 3D registration in video-based surgical navigation
2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文介绍了一种使用激光扫描仪进行无接触3D注册的方法,用于视频辅助手术导航系统 提出了一种基于深度学习的语义分割技术,用于在重建前识别感兴趣的结构,从而减少非刚性结构重建中的异常值 目前的方法在复杂手术中的性能和适用性仍需进一步优化 开发一种无创的3D注册方法,以提高视频辅助手术导航系统的效率和可达区域 膝关节和髋关节的手术导航 计算机视觉 NA 激光扫描 深度学习模型 图像 使用膝关节和髋关节的模型以及离体数据进行实验验证
7245 2024-09-20
Shape completion in the dark: completing vertebrae morphology from 3D ultrasound
2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文提出了一种基于点云的概率深度学习方法,用于从3D超声图像中完成被遮挡的解剖结构的形态补全,并以脊柱检查为例进行应用 本文的创新点在于引入了基于点云的概率深度学习方法,通过模拟超声物理和考虑固有伪影生成合成3D表示,从而实现被遮挡解剖结构的3D形状补全 本文的局限性在于主要依赖于合成数据进行训练,尽管在患者数据上表现良好,但仍需进一步验证其在更多实际病例中的适用性 本文的研究目的是通过复制医疗专业人员在超声检查中创建3D解剖结构心理地图的过程,增强解剖结构的视觉表示 本文的研究对象是腰椎椎体的3D形状补全 计算机视觉 NA 深度学习 概率深度学习模型 3D超声图像 合成数据和患者数据
7246 2024-09-20
OneSLAM to map them all: a generalized approach to SLAM for monocular endoscopic imaging based on tracking any point
2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文提出了一种名为OneSLAM的单目SLAM算法,用于手术内窥镜成像,能够在多个内窥镜领域中无需重新训练即可工作 OneSLAM利用了基于跟踪任何点的稳健基础模型,能够在不同内窥镜领域中泛化,无需重新训练 未来研究需要解决全局回环检测问题,以减少累积漂移并增强长期导航能力 开发一种能够在多个内窥镜领域中通用的单目SLAM算法 内窥镜成像中的单目SLAM算法 计算机视觉 NA 单目SLAM NA 图像 涉及四个内窥镜领域:鼻窦内窥镜、结肠镜检查、关节镜检查和腹腔镜检查
7247 2024-09-20
HE-Mind: A model for automatically predicting hematoma expansion after spontaneous intracerebral hemorrhage
2024-Jul, European journal of radiology IF:3.2Q1
研究论文 开发并验证了一种用于自动预测自发性脑出血后血肿扩张的端到端模型 设计了一种新颖的深度学习框架,包括密集连接的U-net用于分割过程,多实例学习策略用于解决标签模糊性,以及Siamese网络用于分类过程 NA 开发和验证一种自动预测自发性脑出血后血肿扩张的模型 自发性脑出血患者的颅内非对比CT图像 计算机视觉 脑血管疾病 深度学习 U-net, Siamese网络 图像 490名自发性脑出血患者
7248 2024-09-20
A radiograph-based deep learning model improves radiologists' performance for classification of histological types of primary bone tumors: A multicenter study
2024-Jul, European journal of radiology IF:3.2Q1
研究论文 本文开发了一种基于深度学习的模型,用于分类原发性骨肿瘤的组织学类型,并评估了其在辅助放射科医生中的临床效用 本文创新性地结合了放射图像和临床特征,基于EfficientNet-B3模型进行五分类,显著提高了放射科医生的分类准确性和诊断信心 研究为回顾性研究,样本主要来自两个中心,可能存在一定的偏倚 开发和评估一种深度学习模型,用于辅助放射科医生分类原发性骨肿瘤的组织学类型 原发性骨肿瘤的组织学类型分类 计算机视觉 骨肿瘤 深度学习 EfficientNet-B3 图像 878名病理确诊的原发性骨肿瘤患者,分为训练集638例,验证集77例,内部测试集80例,外部测试集83例
7249 2024-09-20
Recovering speech intelligibility with deep learning and multiple microphones in noisy-reverberant situations for people using cochlear implants
2024-06-01, The Journal of the Acoustical Society of America IF:2.1Q1
研究论文 研究通过深度学习和多麦克风系统在噪声和混响环境中提高人工耳蜗使用者的语音可懂度 提出了一种结合深度学习和多麦克风系统的方法,通过去除噪声和混响来恢复语音信号,显著提高了语音接收阈值 研究仅限于模拟和实际人工耳蜗使用者的测试,未涵盖所有可能的听觉环境 旨在通过深度学习算法和多麦克风系统提高人工耳蜗使用者在噪声和混响环境中的语音可懂度 研究对象包括15名典型听力听众和12名人工耳蜗使用者 机器学习 NA 深度学习算法 NA 语音信号 15名典型听力听众和12名人工耳蜗使用者
7250 2024-09-20
ChildAugment: Data augmentation methods for zero-resource children's speaker verification
2024-03-01, The Journal of the Acoustical Society of America IF:2.1Q1
研究论文 本文提出了一种名为ChildAugment的数据增强方法,用于零资源儿童说话人验证,通过调整成人语音的共振峰频率和带宽来模拟儿童语音 创新点在于通过儿童特定的数据增强方法,将成人语音数据转化为儿童语音数据,以提高儿童说话人验证系统的准确性 NA 研究目的是探索更有效的方法来利用成人语音数据,以提高儿童说话人验证系统的准确性 研究对象是儿童说话人验证系统及其数据增强方法 机器学习 NA 数据增强 时间延迟神经网络识别器 语音 使用了CSLU kids语料库进行评估
7251 2024-09-20
Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound
2024, PloS one IF:2.9Q1
研究论文 开发并测试了一种深度学习算法,用于通过手持超声检测患有肺炎的儿童的肺实变 首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法,并展示了其在手持超声设备上的高准确性 研究仅限于特定年龄段的儿童,且数据集主要来自学术急诊科和儿科住院或重症监护单元 开发和测试一种人工智能算法,用于在住院儿童的床旁肺超声中检测肺实变特征 患有肺炎的18个月至17岁儿童 计算机视觉 肺炎 深度学习 深度学习算法 视频 107名儿童参与者,产生了117次独立检查,共604个阳性视频和589个阴性视频
7252 2024-09-20
Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network
2024, Frontiers in medicine IF:3.1Q1
研究论文 本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型 本文提出了一种无监督训练的混合框架,结合分割和分类来检测冈上肌脂肪浸润,相较于传统的手动分割和标记方法,提供了更高效的解决方案 本文未提及具体的局限性 开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型 肩部磁共振图像中的冈上肌脂肪浸润 计算机视觉 肩部疾病 深度学习 U-Net 和 VGG-19 图像 606 张肩部磁共振图像
7253 2024-09-20
Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach
2024, Frontiers in medicine IF:3.1Q1
研究论文 本文提出了一种结合机器学习和数学模型的深度学习模型,用于预测COVID-19的传播动态和未来趋势 本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合,提高了COVID-19预测的准确性 NA 研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型,以支持公共卫生决策 研究对象是COVID-19的传播动态和未来趋势 机器学习 COVID-19 XGBoost, LSTM 深度学习模型 时间序列数据 NA
7254 2024-09-20
PNNGS, a multi-convolutional parallel neural network for genomic selection
2024, Frontiers in plant science IF:4.1Q1
研究论文 本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS,通过并行卷积和残差连接提高了预测精度和稳定性 引入并行卷积到深度学习中用于基因组选择,提出了一种新的并行神经网络PNNGS 当训练样本在小集群中减少时,PNNGS的预测精度显著下降 提高基因组选择的预测精度和稳定性 水稻、向日葵、小麦和玉米的基因组选择 机器学习 NA 深度学习 并行神经网络 基因组数据 24个案例,不同集群的样本数量差异很大
7255 2024-09-20
DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis
2024, Frontiers in bioengineering and biotechnology IF:4.3Q2
研究论文 本文提出了一种新的神经网络架构DSEception,用于增强肺炎和肺结核的诊断 本文提出了一种基于InceptionV3架构的混合模型,通过引入深度可分离卷积和挤压激励机制,提高了特征提取能力,同时减少了参数数量和计算负担 NA 开发一种高精度的自动诊断和分类方法,用于区分正常、肺炎和肺结核 肺炎和肺结核的诊断 计算机视觉 肺部疾病 深度学习 混合模型 图像 NA
7256 2024-09-19
Harnessing deep learning for detection of diabetic retinopathy in geriatric group using optical coherence tomography angiography-OCTA: A promising approach
2024-Dec, MethodsX IF:1.6Q2
研究论文 本文提出了一种利用光学相干断层扫描血管造影(OCTA)图像和深度学习算法检测老年糖尿病视网膜病变的方法 结合OCTA和深度学习技术,提出了一种创新的方法来提高老年糖尿病视网膜病变的诊断准确性 NA 提高老年糖尿病视网膜病变的早期检测和管理 老年糖尿病视网膜病变患者 计算机视觉 老年疾病 光学相干断层扫描血管造影(OCTA) 卷积神经网络(CNN) 图像 262张OCTA扫描图像,来自179名老年个体,包括糖尿病患者和非糖尿病患者
7257 2024-09-19
A dataset of the 2023 presidential election in Nigeria
2024-Dec, Data in brief IF:1.0Q3
研究论文 本文介绍了2023年尼日利亚总统选举的推特数据集,并探讨了社交媒体在政治发展和情感分析中的作用 本文首次收集并分析了2023年尼日利亚总统选举相关的推特数据,展示了深度学习在情感分析中的应用 数据集仅包含推特上的公开信息,可能无法全面反映所有选民的意见 研究社交媒体在政治发展和情感分析中的作用 2023年尼日利亚总统选举相关的推特数据 自然语言处理 NA 深度学习 NA 文本 364,867条推文
7258 2024-09-19
Prediction of Functional and Anatomic Progression in Lamellar Macular Holes
2024 Nov-Dec, Ophthalmology science IF:3.2Q1
研究论文 使用人工智能识别层状黄斑孔的解剖和功能进展的影像生物标志物,并基于OCT和OCTA构建深度学习模型预测未治疗层状黄斑孔的视力损失 首次使用深度学习模型预测层状黄斑孔的功能进展,并识别出关键的影像生物标志物 研究为回顾性观察性研究,样本量有限,且仅限于特定类型的层状黄斑孔 开发和验证一种基于OCT和OCTA的深度学习模型,用于预测层状黄斑孔的功能和解剖进展 层状黄斑孔患者的功能和解剖进展 计算机视觉 眼科疾病 深度学习 深度学习模型 影像数据 139只眼,其中41只眼属于功能进展组,98只眼属于功能稳定组
7259 2024-09-19
Unifying antimicrobial peptide datasets for robust deep learning-based classification
2024-Oct, Data in brief IF:1.0Q3
研究论文 本文通过整合来自豆科植物种子的抗菌肽序列,开发了一个新的非冗余数据库,用于抗菌肽的二分类和预测 提出了一个新的非冗余抗菌肽序列数据库,解决了现有数据库中序列重叠的问题 NA 开发一个更精确的抗菌肽序列数据库,以支持可持续农业实践 豆科植物种子中的抗菌肽 计算生物学 NA 深度学习 二分类模型 序列数据 来自不同来源和功能的抗菌肽序列
7260 2024-09-19
Deep-learning optical flow for measuring velocity fields from experimental data
2024-Sep-18, Soft matter IF:2.9Q2
研究论文 本文研究了基于深度学习的光流法(DLOF)在实验数据中测量速度场的应用 DLOF在密集标记样本中比粒子图像测速法(PIV)产生更准确的速度场,并能克服PIV在高密度下无法可靠区分对比度变化的局限 对于稀疏标记样本,DLOF与PIV结果相当,但DLOF提供更高分辨率的速度场 评估光流法在量化微管(MT)基活性向列体自发流动中的能力,并比较其与粒子图像测速法的性能 微管(MT)基活性向列体在不同标记条件下的自发流动 计算机视觉 NA 深度学习 卷积神经网络(CNN) 视频 不同标记条件下的微管(MT)基活性向列体样本
回到顶部