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 11744 篇文献,本页显示第 11321 - 11340 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
11321 2024-08-07
Application of MR images in radiotherapy planning for brain tumor based on deep learning
2024-May-20, The International journal of neuroscience
研究论文 本文研究了基于深度学习方法的MRI图像在脑肿瘤放射治疗计划中的功能和剂量计算准确性 提出了一种使用深度学习方法(U-NET)将MRI图像转换为CT图像的新模型,并验证了其在剂量计算中的可行性 研究样本量相对较小,可能需要更大规模的研究来进一步验证模型的泛化能力 探索MRI图像在放射治疗计划中的应用,特别是通过深度学习方法进行剂量计算的准确性 131名接受放射治疗的脑肿瘤患者的MRI和CT图像 机器学习 脑肿瘤 深度学习 U-NET 图像 131名脑肿瘤患者,其中105名用于训练,26名用于调优,8名用于测试
11322 2024-08-07
Authentication with a one-dimensional CNN model using EEG-based brain-computer interface
2024-May-20, Computer methods in biomechanics and biomedical engineering IF:1.7Q3
研究论文 本文提出了一种基于一维卷积神经网络(1-D CNN)的脑机接口(BCI)技术,用于运动想象(MI)识别,并创新性地应用于身份验证系统 提出了一种轻量级的1-D CNN模型,用于运动想象识别,并创新性地将其应用于身份验证系统,为残疾人士提供了一种新的安全措施 EEG信号处理中存在噪声和其他信号源的干扰,且其泛化能力有限 提高EEG信号分类的鲁棒性,使其在多种应用中更加实用,减少对专业训练的依赖 运动想象(MI)识别,包括右手、左手、脚和静坐任务 机器学习 NA EEG CNN 信号 NA
11323 2024-08-07
Similarity-guided graph contrastive learning for lncRNA-disease association prediction
2024-May-18, Journal of molecular biology IF:4.7Q1
研究论文 本文提出了一种基于相似性引导的图对比学习模型(SGGCL),用于预测长非编码RNA与疾病之间的关联 创新地结合了图神经网络和对比学习方法,并引入了一种新的相似性引导图数据增强方法,以生成高质量的正负样本对 NA 提高长非编码RNA与疾病关联预测的准确性 长非编码RNA与疾病之间的关联 机器学习 NA 图对比学习 图卷积神经网络 图数据 多个数据集
11324 2024-08-07
Enhanced cell segmentation with limited training datasets using cycle generative adversarial networks
2024-May-17, iScience IF:4.6Q1
研究论文 本文介绍了一种基于CycleGAN的架构cGAN-Seg,用于在有限标注数据集的情况下增强细胞分割模型的训练 cGAN-Seg能够在训练过程中生成具有真实图像形态细节和细微差别的合成相位对比或荧光图像,从而提高分割模型的预测准确性和泛化能力 NA 解决深度学习在单细胞分割应用中因缺乏大型多样化标注数据集的限制 细胞分割模型 计算机视觉 NA CycleGAN CycleGAN 图像 有限标注数据集
11325 2024-08-07
DeepDive: estimating global biodiversity patterns through time using deep learning
2024-May-17, Nature communications IF:14.7Q1
研究论文 本研究通过深度学习模型和随机模拟方法,推断全球或区域尺度上的生物多样性随时间的变化,并考虑了空间、时间和分类学采样变异 本方法在模拟数据集上优于其他方法,特别是在大空间尺度上,提供了在多种保存场景下稳健的古生物多样性估计 NA 理解生物多样性随时间的变化是进化生物学的核心目标 全球或区域尺度上的生物多样性随时间的变化 机器学习 NA 深度学习 深度学习模型 数据集 两个实证数据集,分别涉及二叠纪-三叠纪海洋动物记录和新生代长鼻类动物的演化
11326 2024-08-07
A domain knowledge-based interpretable deep learning system for improving clinical breast ultrasound diagnosis
2024-May-17, Communications medicine IF:5.4Q1
研究论文 本文提出了一种基于领域知识的可解释深度学习系统,用于提高临床乳腺超声诊断的准确性 该系统通过结合多模态超声图像和领域知识,提供了解释性特征,增强了与放射科医生的互动 NA 提高乳腺超声图像的自动解读准确性,并增强系统的临床应用性 乳腺超声图像和乳腺癌症风险预测 机器学习 乳腺癌症 深度学习 深度学习系统 图像 4320张多模态乳腺超声图像,来自1348名前瞻性入组患者
11327 2024-08-07
Multi-step forecasting of dissolved oxygen in River Ganga based on CEEMDAN-AdaBoost-BiLSTM-LSTM model
2024-May-16, Scientific reports IF:3.8Q1
研究论文 本研究提出了一种结合CEEMDAN、AdaBoost和深度学习的新方法,用于对Ganga河的溶解氧进行多步预测 使用CEEMDAN生成不同频率的固有模态函数,捕捉数据的非线性和非平稳特性,并结合AdaBoost和BiLSTM进行预测 NA 提高溶解氧预测的准确性 Ganga河的溶解氧 机器学习 NA CEEMDAN, AdaBoost, BiLSTM, LSTM BiLSTM, LSTM 时间序列数据 Ganga河的十个站点数据
11328 2024-08-07
AI-based disease category prediction model using symptoms from low-resource Ethiopian language: Afaan Oromo text
2024-05-16, Scientific reports IF:3.8Q1
研究论文 本文研究了基于Afaan Oromo语言症状文本的AI疾病分类预测模型 首次探索了在资源匮乏的Afaan Oromo语言中使用机器学习和深度学习方法进行疾病分类预测 由于缺乏标准语料库,研究使用了自行准备的数据集 开发一种能够自动从Afaan Oromo语言的症状文本中预测疾病类别的AI模型 Afaan Oromo语言的症状文本 自然语言处理 NA 机器学习与深度学习 支持向量机、随机森林、逻辑回归、朴素贝叶斯、LSTM、GRU、双向LSTM 文本 三个不同数量的患者症状数据集,分为10个类别
11329 2024-08-07
Transformer fault diagnosis based on adversarial generative networks and deep stacked autoencoder
2024-May-15, Heliyon IF:3.4Q1
研究论文 本文采用条件Wasserstein生成对抗网络与梯度惩罚优化(CWGAN-GP)扩充变压器油色谱故障样本,并使用深度自编码器进行故障分类 提出了一种基于CWGAN-GP的样本扩充方法,提高了变压器故障诊断的准确性 需要大量的故障样本以避免过拟合和模型缺乏代表性 提高变压器故障诊断的准确性 变压器油色谱数据 机器学习 NA CWGAN-GP 深度自编码器 油色谱数据 500组变压器油色谱数据,包含5种故障类型
11330 2024-08-07
Multi-organ segmentation: a progressive exploration of learning paradigms under scarce annotation
2024-May-14, Physics in medicine and biology IF:3.3Q1
研究论文 本文探讨了在稀缺标注情况下,多器官分割任务中学习范式的渐进式探索 研究了利用外部数据集的迁移学习、包括未标注数据集的半监督学习和整合部分标注数据集的部分监督学习等标注效率高的学习范式 稀缺的标注数据限制了高性能多器官分割模型的发展 探索在稀缺标注情况下的自动分割方法,特别是基于深度学习的多器官分割方法 多器官分割任务 计算机视觉 NA 深度学习 NA 医学图像 NA
11331 2024-08-07
An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries
2024-May-10, Nature communications IF:14.7Q1
研究论文 本文介绍了一种名为MAGMA-seq的综合技术,用于定量分析人类抗体Fab库的广泛突变扫描 MAGMA-seq技术结合了多种抗原和抗体,并利用深度测序确定定量生物物理参数,能够快速且可扩展地进行多重抗体工程 NA 旨在通过深度学习方法学习抗体分子识别,以实现对几乎任何蛋白质表面的高亲和力结合剂的计算机设计 研究对象包括九种不同人类抗体的突变体,涵盖轻链基因使用、CDR H3长度和抗原目标 生物技术 NA 深度测序 NA 序列数据 两个混合库,包含九种不同人类抗体的突变体
11332 2024-08-07
Leveraging machine learning models for peptide-protein interaction prediction
2024-May-08, RSC chemical biology IF:4.2Q2
综述 本文综述了近年来利用机器学习和深度学习模型预测肽-蛋白质相互作用的研究进展 机器学习模型提供了比传统计算方法更高效、准确、稳健和可解释的预测解决方案 NA 综述机器学习和深度学习模型在预测肽-蛋白质相互作用方面的应用 肽-蛋白质相互作用的预测 机器学习 NA 机器学习 机器学习和深度学习模型 生物数据 NA
11333 2024-08-07
Discovering optimal kinetic pathways for self-assembly using automatic differentiation
2024-May-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1
研究论文 本文展示了如何利用自动微分算法在深度学习中常用的质量作用动力学模型参数空间中搜索,以识别促进自组装的动力学协议类别 通过使用自动微分算法,探索了自组装的动力学参数空间,揭示了如何通过内部设计速率常数或外部控制子单元来有效避免动力学陷阱 内部设计速率常数的方法对相对速率的选择有严格限制,而外部控制方法虽然更灵活,但效率和鲁棒性较低 研究如何通过优化动力学协议来实现高效和高产的自组装 自组装过程中的动力学陷阱和子单元的控制 NA NA 自动微分算法 质量作用动力学模型 NA NA
11334 2024-08-07
Assessing robustness to adversarial attacks in attention-based networks: Case of EEG-based motor imagery classification
2024-May-07, SLAS technology IF:2.5Q3
研究论文 本文研究了基于注意力的网络在对抗攻击下的鲁棒性,特别是在基于EEG的运动想象分类中的应用 本文首次探讨了基于注意力的网络在对抗攻击下的鲁棒性,并提出了一种高性能的注意力深度学习模型 研究发现注意力模型在对抗攻击下表现脆弱,需要进一步增强其鲁棒性 研究基于注意力的网络在对抗攻击下的鲁棒性 基于EEG的运动想象分类 机器学习 NA EEG 注意力网络 脑电信号 使用了BCI竞赛2a数据集
11335 2024-08-07
Cryo2StructData: A Large Labeled Cryo-EM Density Map Dataset for AI-based Modeling of Protein Structures
2024-May-06, Scientific data IF:5.8Q1
研究论文 本文介绍了一个名为Cryo2StructData的大型标记冷冻电镜密度图数据集,用于训练和测试AI方法从冷冻电镜密度图构建蛋白质原子模型 Cryo2StructData数据集比现有的公开可用数据集更大,用于训练AI方法从冷冻电镜密度图构建蛋白质原子结构 当基于模板的模型不可用时,从高分辨率冷冻电镜密度图自动且准确地构建原子模型仍然耗时且具有挑战性 解决从冷冻电镜密度图自动构建原子模型的问题 冷冻电镜密度图及其对应的已知原子结构 结构生物学 NA 冷冻电镜 深度学习模型 密度图 7600个预处理的冷冻电镜密度图
11336 2024-08-07
Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis
2024-May-03, JMIR public health and surveillance IF:3.5Q1
研究论文 本研究探讨了结构性种族主义与心理健康之间的关联,采用地理空间和机器学习技术分析了密尔沃基县的数据 本研究采用地理空间分析和深度学习相结合的多方面方法,揭示了结构性种族主义对心理健康差异的影响 研究主要集中在密尔沃基县,可能限制了结果的普遍性 旨在阐明结构性种族主义与密尔沃基县心理健康差异之间的关联 研究对象为密尔沃基县的不同社区及其居民的心理健康状况 机器学习 NA 地理空间分析,深度学习 随机森林,地理加权随机森林,自组织映射,K-means聚类 地理参考数据 217个地理参考解释变量,涵盖多个领域
11337 2024-08-07
External Validation of the Effect of the Combined Use of Object Detection for the Classification of the C-Shaped Canal Configuration of the Mandibular Second Molar in Panoramic Radiographs: A Multicenter Study
2024-May, Journal of endodontics IF:3.5Q1
研究论文 本研究评估了结合对象检测技术在全景X光片中对下颌第二磨牙C形根管解剖结构分类的效果,并在多中心数据集上进行了外部验证 采用了三种不同的工作流程,包括手动裁剪和自动图像块形成,以及直接从全景X光片中分类根管解剖结构 研究仅限于下颌第二磨牙的C形根管分类,未涉及其他类型的根管结构 评估和验证结合对象检测技术在全景X光片中对下颌第二磨牙C形根管分类的准确性 下颌第二磨牙的C形根管解剖结构 计算机视觉 NA 对象检测 EfficientNet, YOLOv7 图像 805名患者的全景X光片和CBCT数据
11338 2024-08-07
Dynamic Projection of Medication Nonpersistence and Nonadherence Among Patients With Early Breast Cancer
2024-May-01, JAMA network open IF:10.5Q1
研究论文 本研究利用法国女性乳腺癌患者的匿名报销数据,通过深度学习模型预测早期乳腺癌患者口服抗癌治疗的持续性和依从性 使用基于门控循环单元架构的深度学习模型来预测非持续性和非依从性事件,并分析了不同特征对模型决策的贡献 NA 建模早期乳腺癌患者口服抗癌治疗的持续性和依从性 早期乳腺癌患者口服抗癌治疗的持续性和依从性 机器学习 乳腺癌 深度学习 门控循环单元(GRU) 报销数据 共229,695名女性患者
11339 2024-08-07
Binding Mechanism of Inhibitors to BRD4 and BRD9 Decoded by Multiple Independent Molecular Dynamics Simulations and Deep Learning
2024-Apr-19, Molecules (Basel, Switzerland)
研究论文 本研究通过分子动力学模拟和深度学习技术,探究了三种抑制剂(H1B、JQ1和TVU)与BRD4和BRD9的结合机制 本研究首次整合分子动力学模拟、深度学习和结合自由能计算,揭示了抑制剂与BRD4和BRD9的结合模式,并识别了关键的功能域 NA 探究抑制剂与BRD4和BRD9的结合机制,为开发选择性抑制剂提供理论支持 BRD4和BRD9蛋白及其抑制剂H1B、JQ1和TVU 生物信息学 NA 分子动力学模拟(MD)、深度学习(DL)、结合自由能计算(MM-GBSA) 深度学习模型 分子动力学轨迹 三种抑制剂(H1B、JQ1和TVU)
11340 2024-08-07
Artificial Intelligence (AI) for Early Diagnosis of Retinal Diseases
2024-Mar-23, Medicina (Kaunas, Lithuania)
综述 本文全面概述了人工智能(AI)在各种视网膜疾病中的应用,强调其提高筛查效率、促进早期诊断和改善患者结果的潜力 本文介绍了AI在视网膜疾病中的具体应用,如糖尿病视网膜病变(DR)、年龄相关性黄斑变性(AMD)等,并强调了AI驱动解决方案在处理视网膜疾病复杂性和变异性中的重要性 本文讨论了AI在临床实践中整合的挑战和缺陷,包括“黑箱现象”、数据表示中的偏见以及全面患者评估的局限性 旨在探讨AI在视网膜疾病诊断和管理中的应用,以及其在医疗保健中的协同作用 研究对象包括多种视网膜疾病,如糖尿病视网膜病变、年龄相关性黄斑变性等 计算机视觉 视网膜疾病 机器学习(ML)和深度学习(DL) 多种AI模型 图像 NA
回到顶部