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 12139 篇文献,本页显示第 1681 - 1700 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
1681 2024-12-13
Long-Term Efficacy of an AI-Based Health Coaching Mobile App in Slowing the Progression of Nondialysis-Dependent Chronic Kidney Disease: Retrospective Cohort Study
2024-Nov-25, Journal of medical Internet research IF:5.8Q1
研究论文 本研究评估了基于AI的健康指导移动应用KidneyOnline在减缓非透析依赖性慢性肾病进展方面的长期疗效 本研究首次通过回顾性队列研究验证了基于AI的移动应用在减缓慢性肾病进展中的有效性 本研究为回顾性研究,可能存在选择偏倚和混杂因素的影响 评估KidneyOnline智能护理系统在减缓非透析依赖性慢性肾病进展方面的长期疗效 使用KidneyOnline应用的慢性肾病患者和接受常规护理的患者 NA 慢性肾病 深度学习光学字符识别 NA 健康数据 12,297名患者,其中808名患者通过1:1倾向评分匹配分为KidneyOnline护理系统组和常规护理组各404名
1682 2024-12-13
Dissecting the cis-regulatory syntax of transcription initiation with deep learning
2024-Nov-21, bioRxiv : the preprint server for biology
研究论文 本文使用深度学习模型ProCapNet解析了转录起始的顺式调控语法,揭示了DNA序列对转录起始的调控机制 提出了ProCapNet模型,能够准确建模PRO-cap实验中的碱基分辨率起始谱,并揭示了顺式调控元件中的隐匿起始元件及其上下文特异性 NA 解析人类启动子和增强子中转录起始的DNA序列决定因素 转录起始的顺式调控机制 机器学习 NA 深度学习 神经网络 DNA序列 多细胞系中的活性转录调控元件
1683 2024-12-13
Evaluation of machine learning and deep learning models for daily air quality index prediction in Delhi city, India
2024-Nov-19, Environmental monitoring and assessment IF:2.9Q3
研究论文 本文评估了机器学习和深度学习模型在印度德里市每日空气质量指数预测中的表现 本文引入了XGBoost算法和随机森林(RF)模型,并结合特征重要性分析和Shapley加性解释(SHAP)方法,以提高空气质量指数预测的准确性 本文未详细讨论模型在不同天气条件或季节变化下的表现 开发和评估用于预测德里市每日空气质量指数的高级模型,以帮助城市规划和空气污染控制 德里市的空气质量指数预测 机器学习 NA 机器学习算法(XGBoost、随机森林、人工神经网络) XGBoost、随机森林、人工神经网络 空气质量数据 NA
1684 2024-12-13
Prediction of Bone Mineral Density based on Computer Tomography Images Using Deep Learning Model
2024-Nov-11, Gerontology IF:3.1Q3
研究论文 本文开发了一种基于深度学习模型的计算机断层扫描图像自动测量骨密度(BMD)的方法,以提高骨质疏松症的诊断率 提出了一个多阶段深度学习模型,能够自动分割椎体并预测骨密度,显著提高了骨质疏松症的诊断准确性 研究样本主要集中在胸部和腹部CT扫描的受试者,可能限制了模型的普适性 开发一种自动测量骨密度的深度学习模型,以提高骨质疏松症的诊断率 801名受试者的2080个椎体,通过胸部或腹部配对的计算机断层扫描(CT)和定量计算机断层扫描(QCT)进行扫描 计算机视觉 老年病 计算机断层扫描(CT),定量计算机断层扫描(QCT) 深度学习模型 图像 801名受试者,2080个椎体
1685 2024-12-13
Artificial Intelligence in Audiology: A Scoping Review of Current Applications and Future Directions
2024-Nov-06, Sensors (Basel, Switzerland)
综述 本文综述了人工智能在听力学中的应用现状及未来发展方向 本文总结了近年来人工智能在听力学中的应用进展,涵盖了多种AI技术在自动化听力测量和临床预测中的应用 尽管AI技术取得了进展,但仍存在伦理和专业挑战,需要更大规模和更多样化的数据收集以及生物伦理学研究 旨在为临床医生、研究人员和政策制定者提供关于将AI整合到听力学实践中的潜力和挑战的信息 人工智能在听力学中的应用 NA NA 机器学习、深度学习、卷积神经网络、大型语言模型 逻辑回归、支持向量机、多层感知器、随机森林、深度信念网络、决策树、k-最近邻、LASSO、卷积神经网络 图像、文本 104篇文献
1686 2024-12-13
A lightweight intelligent laryngeal cancer detection system for rural areas
2024 Nov-Dec, American journal of otolaryngology IF:1.8Q2
研究论文 本文介绍了一种轻量级的智能喉癌检测系统(ILCDS),旨在为资源有限的农村地区提供有效的喉癌筛查 提出了一个专门为农村地区设计的智能喉癌检测系统,结合了多种深度学习模型进行评估和选择,最终选择了适合农村环境的模型 未提及具体的局限性 开发一种适合农村地区的智能喉癌检测系统,以提高喉癌筛查的准确性和效率 喉癌的早期诊断和筛查 计算机视觉 喉癌 深度学习 AlexNet, VGG, ResNet, DenseNet, MobileNet, ShuffleNet, Vision Transformer, Swin Transformer 图像 2023张喉镜图像
1687 2024-12-13
Analysis of international publication trends in artificial intelligence in skin cancer
2024 Nov-Dec, Clinics in dermatology IF:2.3Q2
研究论文 使用文献计量方法分析2010年至2022年间人工智能在皮肤癌领域的国际出版趋势 揭示了人工智能在皮肤癌研究中的出版趋势和未来方向,并通过共被引网络分析识别了该领域的经典文献 研究仅基于Web of Science数据库中的英文文献,可能存在数据偏倚 探索人工智能在皮肤癌研究中的出版趋势和未来发展方向 2010年至2022年间人工智能在皮肤癌领域的出版物 机器学习 皮肤癌 文献计量方法 NA 文本 989篇出版物
1688 2024-12-13
Entomopathogenic nematode detection and counting model developed based on A-star algorithm
2024-Nov, Journal of invertebrate pathology IF:3.6Q1
研究论文 本文提出了一种基于A*算法的新方法,用于检测和量化显微镜图像中的斯氏线虫,以提高检测精度并简化操作流程 本文提出的A*算法在检测精度上显著优于YOLO-V5m、YOLO-V7m和YOLO-V8m,并且在处理重叠线虫时表现尤为出色 NA 开发一种高效的方法用于检测和计数实验室中的斯氏线虫,以替代传统的人工计数方法 斯氏线虫(Steinernema feltiae)的检测和计数 计算机视觉 NA A*算法 NA 图像 NA
1689 2024-12-13
Harnessing Artificial Intelligence (AI) in Anaesthesiology: Enhancing Patient Outcomes and Clinical Efficiency
2024-Nov, Cureus
综述 本文系统回顾了人工智能(AI)在麻醉学领域的进展及其潜在应用 探讨了AI在麻醉学中的创新应用,如个性化药物剂量、实时生命体征监测、自动化麻醉输送系统和不良事件预测分析 讨论了AI在麻醉学应用中的局限性和缺陷,并强调了伦理考量 研究AI在麻醉学领域的现状及未来潜在应用 AI在麻醉学中的应用及其对患者结果和临床效率的影响 NA NA 机器学习(ML)、深度学习(DL)、神经网络 NA NA NA
1690 2024-12-13
Deep learning modeling of RNA ac4C deposition reveals the importance of plant alternative splicing
2024-Oct-28, Plant molecular biology IF:3.9Q1
研究论文 本文利用深度学习技术iac4C预测植物mRNA中的ac4C位点,揭示了ac4C在植物选择性剪接中的重要性 本文首次使用深度学习技术iac4C预测植物mRNA中的ac4C位点,并揭示了ac4C与植物选择性剪接之间的关联 NA 研究ac4C在植物选择性剪接中的作用 植物mRNA中的ac4C位点 机器学习 NA 深度学习 BiGRU和自注意力机制 RNA序列 NA
1691 2024-12-13
Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model
2024-Oct-24, Ophthalmology. Retina
研究论文 本文测试了一种人工智能算法在OCT和OCT血管造影(OCTA)图像中检测和分割黄斑新生血管(MNV)的诊断性能 本文提出了一种新的混合多任务卷积神经网络(aiMNV),能够准确检测和分割黄斑新生血管,尤其是在高扫描采样密度下提高了检测灵敏度 6×6毫米扫描的灵敏度低于3×3毫米扫描,原因是扫描采样密度较低 测试人工智能算法在检测和分割黄斑新生血管中的诊断性能 患有黄斑水肿的眼睛,包括未经治疗的渗出性年龄相关性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)或视网膜静脉阻塞(RVO) 计算机视觉 年龄相关性黄斑变性 OCT血管造影(OCTA) 混合多任务卷积神经网络(aiMNV) 图像 114只眼睛,来自112名研究参与者
1692 2024-08-07
DeepCCR: large-scale genomics-based deep learning method for improving rice breeding
2024-Oct, Plant biotechnology journal IF:10.1Q1
NA NA NA NA NA NA NA NA NA NA NA NA
1693 2024-12-13
Body composition analysis by radiological imaging - methods, applications, and prospects
2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
综述 本文综述了使用放射学方法对人体组织成分(体成分,BC)进行定量评估的方法、应用和前景 本文介绍了放射学成像方法在体成分分析中的应用,特别是深度学习技术在自动分割不同组织和腔室中的应用 分析工具的可用性和适合AI训练的数据集是本文的限制 向放射学读者介绍体成分分析的不同方法和定义,以促进其应用和传播 人体组织成分的定量评估 NA NA MRI, CT 深度学习 图像 NA
1694 2024-12-13
Artificial intelligence in respiratory care: perspectives on critical opportunities and challenges
2024-Oct, Breathe (Sheffield, England)
评论 本文探讨了人工智能在呼吸护理中的应用及其带来的机遇与挑战 本文提出了在算法共同设计中促进透明度和优先考虑包容性及易理解性的战略努力 本文未提供具体的技术细节或实验结果,主要集中在讨论和展望上 探讨人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响 人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响 NA 呼吸系统疾病 NA NA NA NA
1695 2024-12-13
German CheXpert Chest X-ray Radiology Report Labeler
2024-09, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
研究论文 本研究开发了一种算法,用于从德语胸腔放射学报告中自动提取注释,以训练基于深度学习的胸部X光分类模型 开发了一种基于CheXpert架构的自动标签提取模型,用于德语胸腔放射学报告,并创建了一个网络化的多读者注释界面以生成真实数据 自动提取标签的不确定性检测F1分数较低,表明在处理不确定情况时仍存在局限性 开发一种自动从德语胸腔放射学报告中提取注释的算法,以提高胸部X光分类模型的训练效率 德语胸腔放射学报告和胸部X光图像 数字病理学 NA 深度学习 DenseNet-121 文本和图像 1086份回顾性收集的放射学报告(数据集1)和6434张胸部X光图像及相应报告(数据集2)
1696 2024-12-13
Dual-Mode Imaging System for Early Detection and Monitoring of Ocular Surface Diseases
2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2
研究论文 本文介绍了一种基于深度学习的双模态成像系统,用于自动化、客观和可靠地评估干眼症、结膜炎和结膜下出血等三种代表性眼表疾病 该系统结合了红外(IR)和可见光(RGB)图像的双模态处理技术,并采用多阶段深度学习模型,显著提高了诊断的准确性和一致性 NA 开发一种自动化、准确且便携的成像系统,用于早期检测和持续监测眼表疾病 干眼症、结膜炎、结膜下出血以及睑板腺功能障碍 计算机视觉 眼科疾病 深度学习 多阶段深度学习模型 图像 NA
1697 2024-12-13
sEMG-Driven Hand Dynamics Estimation With Incremental Online Learning on a Parallel Ultra-Low-Power Microcontroller
2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2
研究论文 本文提出了一种基于表面肌电图(sEMG)的增量在线学习策略,用于在超低功耗微控制器上进行多指力估计 本文的创新点在于提出了一种增量在线学习策略,能够在嵌入式设备上进行实时训练,并实现了跨天的多指力估计 本文的局限性在于仅在HYSER数据集上进行了验证,未来需要在更多数据集上进行测试 研究目的是开发一种能够在嵌入式设备上进行实时训练的sEMG驱动控制策略 研究对象是基于sEMG的多指力估计 机器学习 NA 表面肌电图(sEMG) 时间卷积网络(Temporal Convolutional Network) 信号 HYSER数据集中的RANDOM数据集
1698 2024-12-13
Electrical Capacitance Tomography of Cell Cultures on a CMOS Microelectrode Array
2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2
研究论文 本文介绍了一种基于CMOS微电极阵列的微尺度电容层析成像系统,并使用深度学习模型重建细胞培养的三维体积 引入了多目标损失函数,结合像素级损失函数、基于分布的损失函数和基于区域的损失函数,提高了模型的重建精度 未提及具体的局限性 开发一种低成本、低功耗、无标记的三维生物样本成像工具 细胞培养的三维体积重建 NA NA 电容层析成像(ECT) 深度学习模型 电容测量数据 实验数据集包括细菌生物膜
1699 2024-12-13
Deep Learning for Face Detection and Pain Assessment in Japanese macaques (Macaca fuscata)
2024-07-01, Journal of the American Association for Laboratory Animal Science : JAALAS IF:1.2Q2
研究论文 研究使用深度学习模型检测日本猕猴面部表情以评估其疼痛状态 首次使用深度学习模型对日本猕猴的面部表情进行疼痛检测,并通过预处理和微调提高了分类模型的准确性 分类准确率仍有提升空间,可能受到背景、光照、肤色等因素的影响 研究深度学习模型在动物疼痛评估中的应用 日本猕猴的面部表情 计算机视觉 NA 深度学习 ResNet50 视频 30到60分钟的日本猕猴腹腔手术视频,包括手术前和手术后一天的记录
1700 2024-12-13
Evaluation of machine learning models for cytochrome P450 3A4, 2D6, and 2C9 inhibition
2024-07, Journal of applied toxicology : JAT IF:2.7Q3
研究论文 本文系统评估了传统机器学习和深度学习模型在预测三种主要CYP酶(CYP3A4、CYP2D6和CYP2C9)抑制中的表现 本文首次系统比较了不同机器学习算法和分子表示方法在CYP酶抑制预测中的性能,发现XGBoost和CatBoost算法结合指纹/理化描述符特征表现最佳 本文未探讨数据量和采样策略对模型性能的影响,且深度学习模型的表现普遍不如传统机器学习模型 评估不同机器学习模型在预测CYP酶抑制中的表现,为未来CYP抑制模型的开发提供参考 CYP3A4、CYP2D6和CYP2C9三种主要CYP酶的抑制 机器学习 NA 机器学习算法(XGBoost、CatBoost、深度学习) XGBoost、CatBoost、深度学习模型 分子指纹和理化描述符 NA
回到顶部