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 11361 - 11380 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
11361 2024-08-07
ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种名为ET-Network的新型高效Transformer深度学习模型,用于自动识别乌尔都语手写文本 ET-Network模型结合了EfficientNet的特征提取能力和Transformer的语言建模能力,通过自注意力层提取全局和局部特征,以捕捉长距离依赖关系 NA 提高乌尔都语手写文本的自动识别准确率 乌尔都语手写文本 自然语言处理 NA Transformer ET-Network 文本 使用了NUST-UHWR、UPTI2.0和MMU-OCR-21三个数据集进行训练和测试
11362 2024-08-07
Successive bootstrapping deep learning approach and airborne EM-borehole data fusion to understand salt water in the Mississippi River Valley Alluvial Aquifer
2024-Jul-01, The Science of the total environment
研究论文 本研究提出了一种利用航空电磁(AEM)数据进行岩性建模和盐度划分的框架,并应用于密西西比河谷冲积含水层(MRVA)的盐度分布研究 引入了深度学习人工神经网络(DL-ANN)模型和连续自举方法来估计总溶解固体,并结合电阻率数据估计氯化物浓度 NA 提高含水层特征描述和土壤盐度映射的准确性,以促进地下水的主动管理 密西西比河谷冲积含水层的盐度分布 NA NA 航空电磁(AEM) 深度学习人工神经网络(DL-ANN) 电阻率数据 NA
11363 2024-08-07
Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia
2024-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2
研究论文 本文评估了一种基于深度学习的全自动量化脑电图背景测量方法——新生儿脑状态(BSN),用于早期预测四岁时的临床结果。 BSN提供了一种自动、客观且连续的脑活动测量方法,揭示了脑恢复和结果预测的动态特性。 NA 评估BSN在早期预测新生儿临床结果中的效用。 80名连续新生儿在出生后几天的脑电图监测数据。 机器学习 NA 深度学习 NA 脑电图数据 80名新生儿,总共5427小时的数据
11364 2024-08-07
An efficient densenet-based deep learning model for Big-4 snake species classification
2024-May-28, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3
研究论文 本文提出了一种基于DenseNet的深度学习模型,用于自动分类四大毒蛇种类,旨在通过图像识别技术预防蛇咬伤事件 采用DenseNet进行图像分类,实现了86%的高准确率,并计划将其集成到基于AI的蛇捕捉设备中 NA 开发一种基于迁移学习的图像分类算法,用于自动识别毒蛇和非毒蛇 四大毒蛇种类的分类 计算机视觉 NA 迁移学习 DenseNet 图像 NA
11365 2024-08-07
Prediction of electrical properties of GAAFET based on integrated learning model
2024-May-17, Nanotechnology IF:2.9Q2
研究论文 本文提出了一种结合深度学习和机器学习优势的集成学习模型,用于预测GAAFET的电特性 该集成学习模型在预测GAAFET的直流特性、电容特性和电气参数方面优于单独使用深度学习或机器学习方法 NA 开发一种快速且准确的预测GAAFET电特性的方法,为微电子器件和电路仿真及特性预测提供新思路 GAAFET的电特性 机器学习 NA 集成学习 集成学习模型 电气参数 NA
11366 2024-08-07
Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data
2024-05-15, Scientific reports IF:3.8Q1
研究论文 开发人工智能模型,利用纵向磁共振成像(MRI)数据预测脑转移瘤(BM)在接受立体定向放射手术(SRS)后的治疗反应,并评估随着连续MRI扫描次数增加的预测准确性变化 使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型,且随着随访研究次数的增加,预测准确性提高 NA 预测脑转移瘤在接受立体定向放射手术后的治疗反应 脑转移瘤的治疗反应 机器学习 脑转移瘤 MRI Conv-GRU 图像 开发数据集包括194名患者的4次连续MRI扫描,共369个目标病灶;外部验证数据集包括43名患者的172次MRI扫描,共62个目标病灶
11367 2024-08-07
Learning peptide properties with positive examples only
2024-May-15, Digital discovery IF:6.2Q1
研究论文 本文利用半监督学习方法,仅使用已知的阳性样本,通过正未标记学习(PU)策略来预测多肽的多种性质 本文创新地仅使用阳性样本进行半监督学习,通过调整基础分类器和可靠负样本识别两种学习策略,构建深度学习模型 文章未提及具体的局限性 研究目的是通过仅使用阳性数据来预测多肽的溶解性、溶血性、SHP-2结合能力和非污损活性 研究对象是多肽序列及其相关性质 机器学习 NA 深度学习 深度学习模型 序列数据 文章未提及具体的样本数量
11368 2024-08-07
Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm
2024-May-14, Physics in medicine and biology IF:3.3Q1
研究论文 本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部模型,评估了深度学习重建(DLR)算法在不同辐射剂量水平下的临床成像性能 本研究采用基于患者的3D打印PixelPrint肺部模型,相比传统几何CT模型,能更真实地模拟组织结构,实现基于结构的图像质量评估 NA 评估深度学习重建算法在不同辐射剂量下的临床成像性能 深度学习重建算法在不同辐射剂量下的图像质量 计算机视觉 肺部疾病 深度学习重建(DLR) NA 图像 使用了两种不同尺寸的扩展环来模拟小和中型患者,并在0.5至20 mGy的曝光范围内进行扫描
11369 2024-08-07
Transient dataset of household appliances with Intensive switching events
2024-May-14, Scientific data IF:5.8Q1
研究论文 本文介绍了包含中国10种典型家用电器瞬时开关数据的Transient Dataset of Household Appliances with Intensive Switching Events (TDHA)数据集 该数据集具有高采样率、准确标注和真实反映实际设备启动波形的特点,通过精确控制的继电器开关实现设备切换,减少机械开关的干扰 NA 旨在提高现有非侵入式负载监测(NILM)算法的识别准确性,并促进这些算法在与中国具有相似电力消费特征的地区的应用 家用电器的瞬时开关数据 机器学习 NA 深度学习(DL) NA 数据集 10种典型家用电器
11370 2024-08-07
Transfer learning enables identification of multiple types of RNA modifications using nanopore direct RNA sequencing
2024-May-14, Nature communications IF:14.7Q1
研究论文 本文开发了TandemMod,一个可迁移的深度学习框架,用于在单个纳米孔直接RNA测序数据中检测多种类型的RNA修饰 TandemMod框架通过迁移学习显著减少了训练数据量和运行时间,同时不降低性能,并能跨物种和条件应用 NA 开发一种能够在单个纳米孔直接RNA测序样本中同时检测多种RNA修饰的方法 RNA修饰的检测,包括mA、mC、mG、Ψ和肌苷等 机器学习 NA 纳米孔直接RNA测序 深度学习框架 RNA序列数据 数千个带有各种类型RNA修饰的体外转录本和体内人类细胞系
11371 2024-08-07
Cardiac function in a large animal model of myocardial infarction at 7 T: deep learning based automatic segmentation increases reproducibility
2024-05-14, Scientific reports IF:3.8Q1
研究论文 本研究利用深度学习模型在7T磁共振成像下对猪心肌梗死模型的心脏功能进行自动分割,以提高分析的重复性 使用深度学习模型对人类心肌分割模型进行再训练,以适应7T磁共振成像下的猪心脏图像 NA 提高心脏功能分析的速度和重复性 猪心肌梗死模型的心脏功能 数字病理学 心血管疾病 磁共振成像 (CMR) 深度学习 (DL) 图像 11只动物(其中7只患有心肌梗死),共进行了4次磁共振成像扫描,使用772张图像和标签进行模型训练,288张图像进行测试
11372 2024-08-07
Deep-learning enabled ultrasound based detection of gallbladder cancer in northern India: a prospective diagnostic study
2024-May, The Lancet regional health. Southeast Asia
研究论文 本研究旨在开发和验证一种基于深度学习的模型,用于在腹部超声中自动检测胆囊癌,并与放射科医生的诊断性能进行比较 该研究采用了基于多尺度、二阶池化的深度学习分类器模型,用于检测胆囊癌,并显示出与经验丰富的放射科医生相当的诊断性能 需要多中心研究来全面探索基于深度学习的胆囊癌诊断潜力 开发和验证一种深度学习模型,用于自动检测胆囊癌,并比较其与放射科医生的诊断性能 胆囊癌的自动检测 机器学习 胆囊癌 深度学习 多尺度、二阶池化分类器 超声数据 训练集233名患者,验证集59名患者,测试集273名患者
11373 2024-08-07
AI-based pipeline for early screening of lung cancer: integrating radiology, clinical, and genomics data
2024-May, The Lancet regional health. Southeast Asia
研究论文 本文介绍了一种基于人工智能的端到端管道,用于早期筛查肺癌,整合了放射学、临床和基因组数据 开发了一种自动检测和学习CT图像中更有效肺结节特征的人工智能系统,并预测EGFR突变概率 在资源有限的国家如印度,面板式下一代测序无法广泛提供给大众 帮助资源有限环境中的肿瘤学家和患者实现接近最优的护理和适当的治疗 肺癌患者的EGFR基因测序和CT影像数据 机器学习 肺癌 下一代测序 机器学习(ML)和深度学习(DL)模型 图像 2277名肺癌患者的数据
11374 2024-08-07
Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography
2024-May, Journal of medical imaging (Bellingham, Wash.)
研究论文 本文提出了一种使用深度学习自动提取和解剖标记冠状动脉树的方法 该方法通过多分辨率图卷积神经网络结合几何和图像强度信息,实现了冠状动脉树的自动提取和标记 NA 旨在实现冠状动脉疾病的自动综合报告 冠状动脉树的自动提取和解剖标记 计算机视觉 心血管疾病 图神经网络 图卷积神经网络 图像 104名患者的冠状CT血管造影扫描
11375 2024-08-07
Computer-aided diagnostic system with automated deep learning method based on the AutoGluon framework improved the diagnostic accuracy of early esophageal cancer
2024-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3
研究论文 本文开发了一种基于AutoGluon框架的计算机辅助诊断系统,用于提高早期食管癌的内镜诊断准确性。 该研究首次将AutoGluon框架应用于内镜下早期食管癌的计算机辅助诊断,探索了自动深度学习在临床应用中的可行性。 尽管在某些任务中表现接近或超过初级医生,但高性能CAD模型在敏感性比较上仍与资深医生存在较大差距。 探索自动深度学习方法在临床应用中的可行性,提高早期食管癌的内镜诊断准确性。 正常食管、食管炎和早期食管癌的内镜图像。 计算机视觉 食管癌 深度学习 AutoGluon框架 图像 任务A:932张正常图像 vs. 1,092张病变图像;任务B:594张非癌病变图像 vs. 429张早期食管癌图像;任务C:505张非癌病变图像 vs. 824张早期食管癌图像。
11376 2024-08-07
COVID-19 Hierarchical Classification Using a Deep Learning Multi-Modal
2024-Apr-20, Sensors (Basel, Switzerland)
研究论文 本研究利用深度学习技术,通过胸部X光片和相关医疗数据,对COVID-19进行分层分类,以区分COVID-19与其他类型肺炎及正常肺部 本研究采用多模态数据和分层分类结构,结合早期融合技术和生成对抗网络(GAN)生成合成数据,提高了分类准确性 研究使用的是私有数据集,可能存在数据不平衡问题 旨在通过深度学习技术提高COVID-19的诊断准确性,并区分COVID-19与其他类型肺炎 COVID-19患者、其他类型肺炎患者及正常肺部 机器学习 COVID-19 深度学习 CNN 图像和表格数据 4523名患者
11377 2024-08-07
A Review on the Use of Artificial Intelligence in Fracture Detection
2024-Apr, Cureus
综述 本文综述了人工智能在骨折检测中的应用 介绍了深度学习技术,特别是卷积神经网络(CNNs)在医学影像中识别和分类骨折的应用 未提及具体限制 探讨深度学习方法在骨折检测和分类中的应用,以及人工智能与各种影像模式的集成 骨折检测和分类 计算机视觉 NA 深度学习 CNN 影像 未提及具体样本数量
11378 2024-08-07
Analysis of Emerging Variants of Turkey Reovirus using Machine Learning
2024-Mar-27, Briefings in bioinformatics IF:6.8Q1
研究论文 本研究利用机器学习方法,特别是K-means、层次聚类和支持向量机、朴素贝叶斯、随机森林、决策树以及卷积神经网络等算法,对三种类型的火鸡呼肠孤病毒及其新型变种进行分类和识别 本研究首次采用多种机器学习算法对火鸡呼肠孤病毒进行分类,特别是卷积神经网络的应用,提高了分类的准确性 研究主要集中在机器学习算法的应用,未深入探讨病毒变异的具体生物学机制 旨在通过机器学习方法识别和分类火鸡呼肠孤病毒,以应对其导致的重大经济损失 火鸡呼肠孤病毒及其新型变种 机器学习 NA 机器学习算法 CNN 序列数据 使用真实的火鸡呼肠孤病毒序列数据进行实验
11379 2024-08-07
Enhancing Colorectal Cancer Tumor Bud Detection Using Deep Learning from Routine H&E-Stained Slides
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
研究论文 本文提出了一种弱监督深度学习方法,用于从常规H&E染色的图像中检测结直肠癌肿瘤芽,无需严格的组织级注释,并结合BMIL方法提高肿瘤芽检测的泛化性和稳定性。 本文创新性地使用弱监督深度学习方法和BMIL技术,从常规H&E染色的图像中检测肿瘤芽,避免了非常规免疫组织化学染色方法的需要。 本文的局限性在于仅使用了29张H&E染色的结直肠癌图像进行实验,样本量较小。 开发一种新的深度学习方法,用于从常规H&E染色的图像中检测结直肠癌肿瘤芽,提高检测的准确性和可重复性。 结直肠癌肿瘤芽的检测。 数字病理学 结直肠癌 深度学习 NA 图像 29张结直肠癌H&E染色图像,平均每张图像包含115个肿瘤芽
11380 2024-08-07
Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease
2024, Journal of Alzheimer's disease : JAD
研究论文 本文提出了一种新的深度学习模型MoFNet,用于整合多组学数据和先前的功能交互,以揭示阿尔茨海默病(AD)的分子机制及其上游遗传贡献者 首次模型化了从DNA到RNA和蛋白质的动态信息流,并整合了多组学数据与先前的功能交互 NA 旨在通过新颖的多组学数据整合和先前的功能交互,发现功能上连接的多组学特征 阿尔茨海默病的分子机制及其上游遗传贡献者 机器学习 阿尔茨海默病 深度学习 MoFNet 多组学数据 使用了ROS/MAP队列进行评估
回到顶部