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:202405-202405] [清除筛选条件]
当前共找到 913 篇文献,本页显示第 621 - 640 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
621 2024-08-07
Dynamic Weighting Translation Transfer Learning for Imbalanced Medical Image Classification
2024-May-01, Entropy (Basel, Switzerland)
研究论文 本文提出了一种名为动态权重转换迁移学习(DTTL)的方法,用于解决医学图像分类中的不平衡问题和领域转移问题 本文创新地将熵和信息理论应用于深度学习和医学图像处理领域,通过最大化类别分布的熵和最小化源域与目标域之间的交叉熵来减少领域差异 NA 解决医学图像诊断中存在的领域转移和类别不平衡问题 医学图像分类 计算机视觉 NA 深度学习 CNN 图像 NA
622 2024-08-07
Image fusion using Y-net-based extractor and global-local discriminator
2024-May-30, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于Y-Net和全局-局部判别器的生成对抗网络(GAN)方案,用于红外和可见光图像融合 引入残差密集块(RDblock)和跨模态上下文注意力(CMSCA)来提取和聚合多尺度特征,以生成更真实的融合图像 NA 解决如何从不同源图像中提取信息丰富的特征并在融合图像中保留这些特征的问题 红外和可见光图像 计算机视觉 NA 生成对抗网络(GAN) Y-Net 图像 NA
623 2024-08-07
Scalable deep learning framework for sentiment analysis prediction for online movie reviews
2024-May-30, Heliyon IF:3.4Q1
研究论文 本文提出了一种增强的文本表示方法和计算可行的深度学习模型PEW-MCAB,用于在线电影评论的情感分析预测 引入了位置嵌入和预训练的Glove嵌入向量(PEW)以及多通道卷积神经网络(MCNN)与基于注意力的双向长短期记忆(AB)模型的集成 NA 研究在线电影评论中词语信息顺序并分析文本内容,探索词语的隐藏含义 在线电影文本评论的情感分类 自然语言处理 NA 深度学习 多通道卷积神经网络(MCNN)与基于注意力的双向长短期记忆(AB)模型 文本 使用了四个数据集进行模型评估:IMDB, MR (2002), MRC (2004), MR (2005)
624 2024-08-07
Using a comprehensive atlas and predictive models to reveal the complexity and evolution of brain-active regulatory elements
2024-May-24, Science advances IF:11.7Q1
研究论文 本研究通过整合PsychENCODE联盟和其他已发表的表观遗传数据,构建了一个全面的脑候选顺式调控元件图谱,并利用深度学习模型分析这些元件的序列语法及其在特定细胞类型中的基因调控作用 研究揭示了脑中新的调控信息主要通过保守的哺乳动物元件内的较小序列突变产生,而非全新的人类或灵长类特异性序列 NA 探讨与精神疾病相关的非编码区域遗传变异的功能意义 脑候选顺式调控元件及其在不同细胞类型中的基因调控作用 表观遗传学 精神疾病 深度学习 深度学习模型 表观遗传数据 NA
625 2024-08-07
A deep learning model for brain segmentation across pediatric and adult populations
2024-05-22, Scientific reports IF:3.8Q1
研究论文 本研究开发并验证了一种跨儿童和成人群体的脑部分割模型 提出的深度学习管道icobrain-dl在不同年龄组中展示了与特定年龄模型相当的分割准确性,并显示出比现有工具更高的可重复性 NA 开发和验证一种适用于从婴儿到老年不同年龄段的脑部分割模型 脑组织和结构的自动量化 计算机视觉 NA 深度学习 NA 图像 训练集包含390名患者(年龄范围:2-81岁),验证集包含280名患者(年龄范围:4-90岁)
626 2024-08-07
Automated tear film break-up time measurement for dry eye diagnosis using deep learning
2024-05-22, Scientific reports IF:3.8Q1
研究论文 本研究利用人工智能技术开发了一种自动测量泪膜破裂时间的方法,以辅助干眼症的诊断 采用双任务孪生网络对视频帧进行分类,并结合高斯滤波进行后处理,提高了泪膜破裂时间测量的准确性和可靠性 NA 探索人工智能在眼科领域中用于精确测量泪膜破裂时间的可能性 泪膜破裂时间测量在干眼症诊断中的应用 计算机视觉 干眼症 人工智能 双任务孪生网络 视频 开发数据集包含47个裂隙灯视频,测试数据集包含20个裂隙灯视频
627 2024-08-07
A novel plant type, leaf disease and severity identification framework using CNN and transformer with multi-label method
2024-05-22, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新颖的叶片病害识别网络(LDI-NET),该网络采用多标签方法,能够同时识别植物类型、叶片病害及其严重程度 LDI-NET通过单一的直接分支模型,避免了增加类别数量和额外的分支结构,能够同时识别植物类型、叶片病害和严重程度 NA 开发一种能够准确及时识别植物叶片病害及其严重程度的方法,以防止病害扩散 植物类型、叶片病害及其严重程度 计算机视觉 NA 卷积神经网络(CNN)和变换器(transformer) LDI-NET 图像 使用了公开的AI challenger 2018数据集
628 2024-08-07
Testing the generalizability and effectiveness of deep learning models among clinics: sperm detection as a pilot study
2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1
研究论文 本文研究了深度学习模型在不同临床环境中检测精子的通用性和有效性 通过丰富训练数据集中的图像采集条件,提高了模型在不同临床环境中的通用性 NA 探讨影响目标检测模型通用性的图像因素 人类精子的检测 机器学习 NA 深度学习 目标检测模型 图像 多个临床中心的数据
629 2024-08-07
MolPROP: Molecular Property prediction with multimodal language and graph fusion
2024-May-22, Journal of cheminformatics IF:7.1Q1
研究论文 本文探讨了一种新的多模态融合方法,结合预训练的语言模型ChemBERTa-2和图神经网络,用于分子性质预测任务 提出了MolPROP模型,通过融合语言和图表示,显著提高了分子性质预测任务的性能 尽管在回归任务上有所改进,MolPROP在某些分类任务上表现不佳 探索多模态融合在分子性质预测中的应用 小分子的性质预测 机器学习 NA 图神经网络 CNN 语言、图像、图 七个scaffold split MoleculeNet数据集
630 2024-08-07
Enhancing clinical utility: deep learning-based embryo scoring model for non-invasive aneuploidy prediction
2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1
研究论文 本研究开发了一种基于深度学习的胚胎评分模型,用于非侵入性预测胚胎非整倍体 提出了一种新的深度学习算法‘智能数据分析(iDA)评分’,用于自动化和客观化胚胎图像评估 胚胎非整倍体预测的准确性仍依赖于下一代测序技术(NGS)分析结果 增强临床应用性,提供一种非侵入且经济的胚胎选择方法 3448个经过活检的囊胚,来自979个时间流逝(TL)-PGT周期 机器学习 NA 深度学习算法 深度学习模型 图像 3448个囊胚样本
631 2024-08-07
Generative design of compounds with desired potency from target protein sequences using a multimodal biochemical language model
2024-May-22, Journal of cheminformatics IF:7.1Q1
研究论文 本文研究了基于目标序列嵌入生成具有所需效力的活性化合物,设计了一种双组件条件语言模型,包括蛋白质语言模型组件和条件转换器,用于从多模态数据中学习并预测新的活性化合物 首次提出了一种结合蛋白质语言模型和化学语言模型组件的方法,用于从条件化的蛋白质序列数据中预测具有所需效力的化合物 NA 开发一种新的方法,通过机器翻译序列分子数据表示来预测活性化合物 活性化合物及其所需效力 机器学习 NA NA 条件语言模型 序列数据 NA
632 2024-08-07
Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability
2024 May-Jun, Ophthalmology. Glaucoma
研究论文 开发并评估一种深度学习模型(DLM),该模型预测未来视野(VF)变异性低的眼睛,并研究使用该DLM对神经保护试验样本量要求的影响 深度学习模型能够使用单一基线临床访问的数据预测视野变异性低的眼睛,从而减少样本量要求,并可能减轻未来青光眼临床试验的负担 NA 研究使用深度学习模型预测低视野变异性对青光眼临床试验样本量要求的影响 研究对象为每名患者一只眼睛,具有基线可靠视野、OCT、临床测量(人口统计学、眼内压和视力)以及随后的5次可靠视野 机器学习 青光眼 深度学习 深度学习模型(DLM) 图像 共2817只眼睛被纳入分析
633 2024-08-07
Spatial distance between tumor and lymphocyte can predict the survival of patients with resectable lung adenocarcinoma
2024-May-30, Heliyon IF:3.4Q1
研究论文 本研究探讨了肿瘤与淋巴细胞之间的空间距离与可切除肺腺癌患者预后预测的关系 提出了一种基于H&E染色全切片图像的深度学习驱动工作流程,自动分割肿瘤区域内的不同细胞类型,并量化肿瘤细胞与淋巴细胞之间的空间距离 NA 探索肿瘤细胞与淋巴细胞之间的空间距离与肺腺癌患者预后预测的关系 可切除的肺腺癌患者 数字病理学 肺腺癌 H&E染色 HoVer-Net 图像 发现集276例,验证集139例和115例
634 2024-08-07
Performance assessment of the effective core potentials under the fermionic neural network: First and second row elements
2024-May-28, The Journal of chemical physics IF:3.1Q1
研究论文 本文评估了在费米神经网络下有效核心势(ECP)的表现,特别是针对第一和第二行的元素 首次全面评估了ECP在费米神经网络下的性能,并比较了两种新构建的ECP表(ccECP和eCEPP)的性能 全电子计算的高精度受到缺乏相对论效应和某些较重元素中数值不稳定性的限制 填补费米神经网络下ECP性能评估的空白,并探索其在未来改进费米神经网络中的潜在方向 第一和第二行的元素的原子、光谱和分子性质 机器学习 NA 神经网络 费米神经网络(FermiNet) 原子、分子数据 第一和第二行的元素
635 2024-08-07
Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review
2024-May-24, American journal of health-system pharmacy : AJHP : official journal of the American Society of Health-System Pharmacists IF:2.1Q3
研究论文 本文研究了使用深度学习算法自动分类医院药师在药物处方审查过程中提出的改进治疗建议 开发了一种基于深度神经网络的自动分类系统,用于处理和分类大量的药师建议数据 分类准确率有待进一步提高,且需要更多的数据来验证和改进模型 提高药师建议数据的利用效率,以便更好地改进药物处方安全 药师在处方审查过程中提出的建议 机器学习 NA 深度学习 深度神经网络 文本 27,699个标记建议用于训练和评估分类器,4,460个预测用于验证
636 2024-08-07
Preoperative evaluation of visceral pleural invasion in peripheral lung cancer utilizing deep learning technology
2024-May-23, Surgery today IF:1.7Q2
研究论文 本研究旨在评估人工智能在利用高分辨率计算机断层扫描(HRCT)图像检测肺癌脏层胸膜侵犯(VPI)中的效率 本研究首次使用YOLOv4.0进行肿瘤定位,并应用EfficientNetv2进行VPI预测,展示了强大的诊断性能 研究为回顾性分析,且样本量有限,可能影响结果的普遍性 评估人工智能在肺癌脏层胸膜侵犯检测中的效率 472名I期非小细胞肺癌患者的术前HRCT图像 计算机视觉 肺癌 高分辨率计算机断层扫描(HRCT) EfficientNetv2 图像 472名患者,500张CT图像
637 2024-08-07
Cost-utility analysis of prenatal diagnosis of congenital cardiac diseases using deep learning
2024-May-22, Cost effectiveness and resource allocation : C/E IF:1.7Q3
研究论文 本文通过成本效用分析评估了使用深度学习技术进行产前超声诊断先天性心脏病的经济效益 本文首次采用深度学习辅助超声技术进行产前先天性心脏病的诊断,并通过成本效用分析评估其经济效益 研究基于特定地区的成本数据,可能不完全适用于其他地区 评估深度学习辅助超声技术在产前诊断先天性心脏病中的成本效用 深度学习辅助超声技术在产前诊断先天性心脏病中的应用 机器学习 先天性心脏疾病 深度学习 NA 超声数据 涉及560和659例出生婴儿
638 2024-08-07
COVID‑19 detection from chest X-ray images using transfer learning
2024-05-21, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的胸部X光图像分类框架,用于COVID-19的早期诊断 利用迁移学习技术,使用预训练的卷积神经网络模型VGG19和EfficientNetB0进行胸部X光图像分类 NA 开发一种辅助COVID-19早期诊断的深度学习框架 COVID-19的胸部X光图像 计算机视觉 COVID-19 迁移学习 CNN 图像 NA
639 2024-08-07
Enhanced multi-class pathology lesion detection in gastric neoplasms using deep learning-based approach and validation
2024-05-21, Scientific reports IF:3.8Q1
research paper 本研究开发了一种新的卷积神经网络模型,用于检测和分类胃部病变,包括恶性、癌前和良性病变 该研究采用基于卷积神经网络的方法,显著提高了胃部病变的检测和分类准确性,并能准确估计胃癌的T分期 NA 开发和验证一种新的深度学习方法,用于检测和分类胃部病变 胃部病变,包括早期胃癌、进展期胃癌、胃异型增生、良性胃溃疡、良性息肉和良性糜烂 machine learning 胃癌 卷积神经网络 CNN 图像 10,181张白光内镜图像,来自2606名患者
640 2024-08-07
Refining neural network algorithms for accurate brain tumor classification in MRI imagery
2024-May-21, BMC medical imaging IF:2.9Q2
研究论文 本研究通过使用卷积神经网络(CNN)改进神经网络算法,以提高MRI图像中脑肿瘤分类的准确性 引入了一种基于深度学习的模型,采用顺序CNN架构,显著提高了诊断准确率,并使用Grad-CAM可视化增强了模型的可解释性 NA 提高MRI图像中脑肿瘤诊断的准确性 脑肿瘤的分类 机器学习 脑肿瘤 卷积神经网络(CNN) CNN 图像 测试数据集上的总体准确率达到98%,精确度、召回率和F1分数在97%到98%之间,ROC-AUC在99%到100%之间
回到顶部