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 11826 篇文献,本页显示第 11101 - 11120 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
11101 2024-08-07
Validation and Feasibility of Ultrafast Cervical Spine MRI Using a Deep Learning-Assisted 3D Iterative Image Enhancement System
2024, Journal of multidisciplinary healthcare IF:2.7Q2
研究论文 本研究旨在评估使用深度学习辅助的3D迭代图像增强系统(DL-3DIIE)进行超快速(2分钟)颈椎MRI协议的可行性,并与常规MRI协议(6分钟14秒)进行比较 采用DL-3DIIE系统,实现了67%的脊柱MRI扫描时间减少,同时获得至少等同于常规协议的图像质量和诊断结果 NA 评估超快速颈椎MRI协议的可行性 51名患者接受常规和超快速颈椎MRI协议,并由两位放射科医生独立评估图像质量 计算机视觉 NA MRI DL-3DIIE系统 图像 51名患者
11102 2024-08-07
Exploring the Role of Artificial Intelligence in Mental Healthcare: Current Trends and Future Directions - A Narrative Review for a Comprehensive Insight
2024, Risk management and healthcare policy IF:2.7Q2
综述 本文通过叙述性综述探讨了人工智能在精神健康护理中的当前趋势和未来方向 AI通过预测分析能力改进治疗计划,并能分析各种精神健康数据集以预测相关模式 当前研究在评估医疗专业人员与AI在提供精神健康护理方面的合作有限,且存在伦理问题、网络安全、数据分析多样性不足、文化敏感性和语言障碍等问题 旨在讨论AI在精神健康护理中的作用及其面临的挑战和前景 人工智能在精神健康护理中的应用,包括筛查、诊断和治疗 机器学习 NA 机器学习, 深度学习 NA 数据集 未来研究需要更大样本量和数据集
11103 2024-08-07
Hype or hope? Ketamine for the treatment of depression: results from the application of deep learning to Twitter posts from 2010 to 2023
2024, Frontiers in psychiatry IF:3.2Q2
研究论文 通过分析2010年至2023年Twitter上的帖子,研究公众对氯胺酮用于抑郁症治疗的看法 使用深度学习和自然语言处理技术分析社交媒体数据,以了解公众对氯胺酮治疗抑郁症的态度 研究受限于Twitter用户的年龄和语言偏好,可能无法代表所有人群 调查公众对氯胺酮用于抑郁症治疗的看法 Twitter上关于氯胺酮和抑郁症的帖子 自然语言处理 抑郁症 自然语言处理 BERT 文本 18,899条独特推文
11104 2024-08-07
The application of natural language processing for the extraction of mechanistic information in toxicology
2024, Frontiers in toxicology IF:3.6Q2
研究论文 本文探讨了使用自然语言处理(NLP)技术从科学文献中提取毒理学机制信息的方法 提出了一种结合命名实体识别和基于规则的关系提取模型的NLP流程,用于筛选与肝脏不良事件相关的化合物并提取机制信息 NA 研究如何利用NLP技术优化和构建不良结果路径(AOP),以支持现代毒理学研究 肝脏中的两种常见不良事件:胆汁淤积和脂肪变性 自然语言处理 NA 自然语言处理(NLP) 深度学习语言模型 文本 NA
11105 2024-08-07
A Novel Deep Learning Model for Drug-drug Interactions
2024, Current computer-aided drug design IF:1.5Q3
研究论文 本文提出了一种新的深度学习模型,用于预测药物-药物相互作用(DDI) 使用两个独立的消息传递神经网络(MPNN)模型,每个模型专注于一对药物中的一个药物,以提高DDI预测的准确性 需要进一步的研究和验证在更大数据集和实际场景中的通用性和实用性 提高药物-药物相互作用预测的准确性 药物-药物相互作用 机器学习 NA 消息传递神经网络(MPNN) MPNN 分子特征数据 一个综合数据集
11106 2024-08-07
Dermatological disease prediction and diagnosis system using deep learning
2024-Jun, Irish journal of medical science IF:1.7Q2
研究论文 本文开发了一种利用机器学习和深度学习算法准确识别多达20种不同皮肤疾病的预测系统 采用Xception, Inception-v3, Resnet50, DenseNet121和Inception-ResNet-v2等深度学习算法,能够准确分类疾病图像,且系统无内在偏见,平等对待所有类别 NA 开发一种高效且准确的皮肤疾病预测系统 多达20种不同的皮肤疾病 机器学习 皮肤疾病 深度学习算法 Xception, Inception-v3, Resnet50, DenseNet121, Inception-ResNet-v2 图像 超过10,000张照片
11107 2024-08-07
Improved detection of cholesterol gallstones using quasi-material decomposition images generated from single-energy computed tomography images via deep learning
2024-Jun, Radiological physics and technology IF:1.7Q3
研究论文 本研究开发了一种利用深度卷积神经网络(DCNN)从单能量计算机断层扫描(SECT)图像生成准物质分解(quasi-MD)图像的方法,旨在提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用 本研究展示了使用DCNN训练的高端计算机断层扫描系统获得的DECT图像可以提高SECT图像的病变检测能力 NA 提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用 胆固醇胆结石的检测 计算机视觉 胆结石 计算机断层扫描(CT) 深度卷积神经网络(DCNN) 图像 4000对虚拟单色图像(70 keV)和MD图像(脂肪/水)用于训练DCNN,70名患者(40名有胆结石,30名无胆结石)的SECT图像用于测试
11108 2024-08-07
Intra and inter-regional functional connectivity of the human brain due to Task-Evoked fMRI Data classification through CNN & LSTM
2024-Jun, Journal of neuroradiology = Journal de neuroradiologie
研究论文 本研究通过CNN和LSTM模型对任务诱发fMRI数据进行分类,分析人类大脑的区域内和区域间功能连接 首次详细研究嗅觉fMRI数据,使用CNN-LSTM架构结合ResNet模型进行分类 NA 评估嗅觉功能在fMRI数据中的表现,并使用深度学习模型进行分类 健康人群和嗅觉障碍患者的嗅觉功能 机器学习 NA fMRI CNN, LSTM fMRI数据 两组不同健康状况和嗅觉障碍的受试者
11109 2024-08-07
Subjective and objective image quality of low-dose CT images processed using a self-supervised denoising algorithm
2024-Jun, Radiological physics and technology IF:1.7Q3
研究论文 本研究旨在评估使用自监督去噪深度学习算法处理的低剂量计算机断层扫描(CT)图像的主观和客观图像质量 本研究采用自监督去噪算法,其在噪声水平和边缘锐度方面的表现优于原始图像和其他传统去噪算法 自监督去噪算法的对比噪声比(CNR)和信噪比(SNR)虽然高于原始图像,但略低于其他算法 评估自监督去噪算法在低剂量CT图像处理中的图像质量 低剂量CT图像的图像质量 计算机视觉 NA 自监督去噪算法 深度学习模型 图像 训练集包含40名患者的低剂量CT图像,测试集包含30名患者的CT图像
11110 2024-08-07
DeepPLM_mCNN: An approach for enhancing ion channel and ion transporter recognition by multi-window CNN based on features from pre-trained language models
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 提出了一种结合预训练语言模型和多窗口卷积神经网络的新框架DeepPLM_mCNN,用于有效分类膜蛋白为离子通道和离子转运体 该研究首次将预训练语言模型与多窗口卷积神经网络结合,用于从蛋白质序列数据中准确识别膜蛋白 NA 提高膜蛋白分类的准确性,特别是离子通道和离子转运体的识别 膜蛋白,特别是离子通道和离子转运体 机器学习 NA 预训练语言模型(PLMs)和多窗口卷积神经网络(mCNNs) 多窗口卷积神经网络(mCNN) 蛋白质序列 NA
11111 2024-08-07
Predicting associations between drugs and G protein-coupled receptors using a multi-graph convolutional network
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 本文提出了一种基于多图卷积网络的端到端深度模型,用于高效准确地发现潜在的药物-G蛋白偶联受体(GPCR)关系 该模型能够同时考虑药物结构、药物间相互作用、GPCR序列及亚家族信息,从而更全面地检测药物与GPCR之间的关系 NA 加速药物再利用过程,通过计算模型预测药物与GPCR之间的新型相互作用 药物与G蛋白偶联受体(GPCR)之间的关系 机器学习 NA 多图卷积网络 多图卷积网络 结构数据、序列数据 NA
11112 2024-08-07
Advancing Drug-Target Interaction prediction with BERT and subsequence embedding
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 本文提出了一种基于BERT和子序列嵌入的深度学习框架,用于改进药物-靶点相互作用(DTI)预测 使用氨基酸子序列编码蛋白质,模拟DTI的生物过程,并结合高频子序列嵌入和迁移学习方法 NA 探索蛋白质与药物之间的关系,提高DTI预测的准确性 蛋白质和药物序列的相互作用 机器学习 NA BERT BERT 序列数据 三个不同的基准数据集
11113 2024-08-07
Attention-based deep convolutional neural network for classification of generalized and focal epileptic seizures
2024-Jun, Epilepsy & behavior : E&B IF:2.3Q2
研究论文 本文提出了一种基于注意力的深度卷积神经网络模型,用于自动分类广义和局灶性癫痫发作 该模型结合了多头自注意力机制与深度卷积神经网络,提高了癫痫发作分类的准确性 NA 旨在通过自动化方法提高癫痫诊断的效率和准确性 使用来自Temple University Hospital Seizure Corpus的EEG信号,对七种不同类型的癫痫发作进行分类 机器学习 癫痫 EEG信号分析 CNN 信号 使用了包括时间相关性、功率谱密度等在内的11种特征,从10秒滑动窗口中提取
11114 2024-08-07
Assessment of the deep learning-based gamma passing rate prediction system for 1.5 T magnetic resonance-guided linear accelerator
2024-Jun, Radiological physics and technology IF:1.7Q3
研究论文 本研究评估了一种基于深度学习的系统,用于预测在线自适应磁共振成像引导放射治疗(oMRgRT)中的伽马通过率(GPR)。 本研究采用卷积神经网络预测不同伽马标准的GPR,并验证了该模型在自适应计划中的应用。 研究样本量较小,且仅限于前列腺癌患者和Elekta Unity设备。 评估深度学习系统在在线自适应磁共振成像引导放射治疗中预测伽马通过率的潜力。 前列腺癌患者在接受Elekta Unity设备治疗时的放射治疗计划。 机器学习 前列腺癌 深度学习 卷积神经网络 放射治疗计划数据 125个验证计划(参考计划100个,自适应计划25个)
11115 2024-08-07
A deep-learning-based scatter correction with water equivalent path length map for digital radiography
2024-Jun, Radiological physics and technology IF:1.7Q3
研究论文 本文提出了一种基于深度学习的数字放射摄影散射校正方法,使用水等效路径长度(WEPL)图来提高校正的准确性 提出的U-Net模型包含两个模块,一个用于生成WEPL图,另一个用于利用WEPL图作为辅助信息预测散射,无需实际放射摄影系统即可收集训练数据集 NA 开发一种基于深度学习的散射校正方法,以提高数字放射摄影的图像质量 数字放射摄影中的散射校正 计算机视觉 NA Monte Carlo模拟 U-Net 图像 使用3D CT图像作为数值模型进行训练和验证
11116 2024-08-07
SurfPro-NN: A 3D point cloud neural network for the scoring of protein-protein docking models based on surfaces features and protein language models
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 本文介绍了一种基于三维点云神经网络的蛋白质-蛋白质对接模型评分方法SurfPro-NN 该方法将蛋白质结构表示为点云,并通过点云神经网络学习蛋白质界面的相互作用信息,同时结合蛋白质表面表示模型和语言模型,显著提升了特征表示能力 NA 旨在解决蛋白质-蛋白质对接模拟中选择与天然结构相似的候选假体结构的挑战 蛋白质-蛋白质对接模型 计算机视觉 NA 点云神经网络 点云神经网络 点云 使用公共数据集进行全面测试
11117 2024-08-07
A novel multilevel iterative training strategy for the ResNet50 based mitotic cell classifier
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 本文提出了一种新的多级迭代训练策略,用于改进基于ResNet50的细胞有丝分裂分类器 提出了一个多级迭代训练策略,以解决模型训练中收敛到局部最优解的问题 未明确提及 提高细胞有丝分裂自动识别的准确性 细胞有丝分裂分类模型 数字病理学 乳腺癌 深度学习 ResNet50 图像 使用了公共的MITOSI14数据集
11118 2024-08-07
Feature engineered embeddings for classification of molecular data
2024-Jun, Computational biology and chemistry IF:2.6Q2
研究论文 本文提出了一种使用自然语言处理技术对分子文本数据进行特征工程的方法,以改进分子分类 采用自然语言处理技术如计数向量化、词频-逆文档频率、word2vec和隐狄利克雷分配来处理分子文本数据,提供了一种快速且可复制的嵌入方法 仅依赖于化学文本数据,未涉及分子结构信息 探索使用自然语言处理技术对分子文本数据进行特征工程,以提高分子分类的性能 分子文本数据,包括FASTA序列数据和简化分子输入线规范数据 自然语言处理 NA 自然语言处理技术(计数向量化、词频-逆文档频率、word2vec、隐狄利克雷分配) NA 文本 两种类型的分子文本数据:FASTA序列数据和简化分子输入线规范数据
11119 2024-08-07
Deep learning-powered enzyme efficiency boosting with evolutionary information
2024-May-30, Science bulletin IF:18.8Q1
NA NA NA NA NA NA NA NA NA NA NA NA
11120 2024-08-07
TIST-Net: style transfer in dynamic contrast enhanced MRI using spatial and temporal information
2024-May-27, Physics in medicine and biology IF:3.3Q1
研究论文 本文提出了一种结合空间和时间信息的风格转换方法TIST-Net,用于动态对比增强MRI图像的处理 TIST-Net通过自动编码器与卷积长短期记忆网络的结合,实现了时间序列数据的内容和风格潜在空间的解耦,并使用可变形和自适应卷积生成新图像 NA 开发一种结合空间和时间信息的风格转换方法,用于动态对比增强MRI图像的处理 动态对比增强MRI图像 计算机视觉 NA 自动编码器,卷积长短期记忆网络,可变形和自适应卷积 TIST-Net 图像 三个数据集(肾脏、前列腺和子宫),分别达到SSIM为0.91 ± 0.03、0.73 ± 0.04、0.88 ± 0.04
回到顶部