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 641 - 660 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
641 2024-08-07
Convolutional neural networks combined with conventional filtering to semantically segment plant roots in rapidly scanned X-ray computed tomography volumes with high noise levels
2024-May-21, Plant methods IF:4.7Q1
研究论文 本研究探讨了在快速扫描的X射线计算机断层扫描(CT)体积中,高噪声水平下使用卷积神经网络结合传统滤波方法进行植物根系语义分割的效果 本研究首次探讨了在快速扫描的高噪声CT体积中,使用深度学习方法进行模糊水稻根系片段的语义分割,并评估了扫描时间和图像质量恢复对分割效果的影响 本研究构建的语义分割模型无法预测未包含在训练数据中的侧根,需要准备适当的训练数据来解决这一限制 研究在快速扫描的高噪声CT体积中,使用深度学习方法进行植物根系语义分割的效果 模糊的水稻(Oryza sativa)根系片段在CT体积中的语义分割 计算机视觉 NA X射线计算机断层扫描(CT) 卷积神经网络(CNN) CT体积 使用了不同扫描时间(33, 66, 150, 300, 600秒)获得的CT体积进行模型训练
642 2024-08-07
Deformable registration of magnetic resonance images using unsupervised deep learning in neuro-/radiation oncology
2024-May-21, Radiation oncology (London, England)
研究论文 本文开发了一种基于无监督深度学习的3D卷积U-Net变形图像配准方法,用于脑胶质瘤患者的术前和随访MRI扫描的精确配准 提出了一种新的基于无监督学习的3D卷积U-Net变形图像配准方法,无需预对齐和标记,能够实现端到端的MRI扫描配准 NA 开发一种自动化的3D变形图像配准方法,用于脑胶质瘤患者的MRI扫描 脑胶质瘤患者的术前和随访MRI扫描 机器学习 脑癌 MRI U-Net 图像 160名脑胶质瘤患者
643 2024-08-07
HCA-DAN: hierarchical class-aware domain adaptive network for gastric tumor segmentation in 3D CT images
2024-May-21, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1
研究论文 本文提出了一种名为HCA-DAN的分层类感知域自适应网络,用于3D CT图像中的胃肿瘤分割 引入了一种新的3D神经网络AsTr,用于从各向异性分辨率的CT图像中提取多尺度上下文特征,并结合分层类感知域对齐模块HCADA进行跨域的多尺度上下文特征自适应对齐 文章未明确提及具体限制 旨在提高从3D CT图像中自动分割胃肿瘤的准确性,特别是在多中心数据集中的应用 胃肿瘤的3D CT图像分割 计算机视觉 胃癌 3D卷积神经网络(CNN) CNN, Transformer 图像 使用了来自四个医学中心的CT图像数据集
644 2024-08-07
Examining the Gateway Hypothesis and Mapping Substance Use Pathways on Social Media: Machine Learning Approach
2024-May-07, JMIR formative research IF:2.0Q4
研究论文 本研究利用社交媒体数据,通过机器学习方法探讨物质使用路径及其与风险级别的关系 本研究首次大规模分析社交媒体数据,以预测物质使用风险级别的升级或降级,并识别相关的语言线索 研究结果需进一步探索,以确定对干预措施的直接影响 通过分析社交媒体数据,深入理解物质使用路径,识别风险升级或降级的语言标志 社交媒体用户在不同风险级别的物质使用之间的过渡 机器学习 NA 深度学习 NA 文本 超过2.29万条帖子,约2937万条评论,来自约140万用户
645 2024-08-07
Deep learning-based screening tool for rotator cuff tears on shoulder radiography
2024-May, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association IF:1.5Q3
研究论文 本研究开发了一种基于深度学习的算法,用于通过肩部X光片筛查肩袖撕裂 本研究首次将深度学习技术应用于肩部X光片,以筛查肩袖撕裂 对于部分厚度肩袖撕裂的诊断性能较低 开发一种基于深度学习的筛查工具,用于通过肩部X光片早期诊断肩袖撕裂 肩袖撕裂的早期诊断 机器学习 肩袖撕裂 深度学习 深度学习算法 X光片 2803张肩部X光片
646 2024-08-07
Deep learning-accelerated T2-weighted imaging versus conventional T2-weighted imaging in the female pelvic cavity: image quality and diagnostic performance
2024-May, Acta radiologica (Stockholm, Sweden : 1987)
研究论文 本研究比较了基于深度学习的加速T2加权成像与传统T2加权成像在女性盆腔中的图像质量和诊断性能 使用深度学习算法加速磁共振成像重建,减少噪声,实现更快的MRI采集 深度学习加速的T2加权成像在信号-噪声比方面略低于传统T2加权成像 比较传统与深度学习加速的T2加权成像在女性盆腔中的图像质量和诊断性能 女性盆腔MRI检查中的T2加权成像 计算机视觉 NA 磁共振成像 (MRI) 深度学习 (DL) 图像 149例连续女性盆腔MRI检查,包括294张随机排序的矢状T2加权图像
647 2024-08-07
Enhanced capillary delivery with nanobubble-mediated blood-brain barrier opening and advanced high resolution vascular segmentation
2024-May, Journal of controlled release : official journal of the Controlled Release Society IF:10.5Q1
研究论文 本文利用纳米气泡和聚焦超声技术在老鼠模型中实现了靶向且改进的血脑屏障开放,并通过高分辨率血管分割技术评估了其效果。 本文首次使用纳米气泡和聚焦超声技术实现了靶向且改进的血脑屏障开放,并通过深度学习架构实现了血管分割,显著减少了时间成本。 NA 克服血脑屏障以增强脑部治疗效果 老鼠模型的血脑屏障 生物医学工程 NA 纳米气泡,聚焦超声 深度学习架构 图像 老鼠模型
648 2024-08-07
Deep Learning Model for Cosmetic Gel Classification Based on a Short-Time Fourier Transform and Spectrogram
2024-May-22, ACS applied materials & interfaces IF:8.3Q1
研究论文 本研究提出了一种基于短时傅里叶变换和频谱图的深度学习模型,用于化妆品凝胶的分类 采用短时傅里叶变换和连续小波变换对时间序列摩擦信号进行预处理,并利用基于ResNet的卷积神经网络进行优化,以提高分类性能 NA 开发一种新的方法来替代传统的专家小组评估,客观评估化妆品的用户体验 化妆品凝胶的物理特性 机器学习 NA 短时傅里叶变换(STFT),连续小波变换(CWT) CNN 时间序列信号 NA
649 2024-08-07
Multitask Learning Deep Neural Networks Enable Embedded Design of Active Metamaterials
2024-May-22, ACS applied materials & interfaces IF:8.3Q1
研究论文 本研究提出并实现了一种基于多任务学习的深度神经网络框架,旨在简化集成主动超表面的光子器件的正向建模和逆向设计过程 该研究通过深度学习框架独立建模滤波器的结晶度和几何参数,最大化利用GSST调谐进行带通滤波,并讨论了自注意力机制和噪声的影响 NA 简化光子器件的正向建模和逆向设计过程 集成主动超表面的光子器件 机器学习 NA 深度学习 深度神经网络 NA NA
650 2024-08-07
A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules
2024-May-21, Academic radiology IF:3.8Q1
研究论文 本研究开发并验证了一种基于自监督学习的细粒度分类模型,用于区分恶性与良性亚厘米实性肺结节 采用自监督预训练的细粒度网络来预测肺结节的恶性程度,相较于传统方法具有更好的性能 NA 开发并验证一种模型,用于区分恶性与良性亚厘米实性肺结节 亚厘米实性肺结节 机器学习 肺部疾病 自监督学习 细粒度网络 CT图像 共1276名患者,包含1389个亚厘米实性肺结节
651 2024-08-07
PrCRS: a prediction model of severe CRS in CAR-T therapy based on transfer learning
2024-May-20, BMC bioinformatics IF:2.9Q1
研究论文 本文提出了一种基于迁移学习的深度学习预测模型PrCRS,用于预测CAR-T疗法中严重细胞因子释放综合征(CRS)的发生 本研究首次采用深度学习模型,特别是基于U-net和Transformer的模型,来更准确地预测严重CRS的发生,填补了该领域的研究空白 NA 开发一种能够提前预测严重CRS发生的模型,以预防其在CAR-T疗法中的不良事件 CAR-T疗法中的严重细胞因子释放综合征(CRS) 机器学习 血液恶性肿瘤和实体肿瘤 迁移学习 U-net和Transformer 数据 使用来自COVID-19患者的数据进行迁移学习
652 2024-08-07
Ventilator-Associated Pneumonia Prediction Models Based on AI: Scoping Review
2024-May-14, JMIR medical informatics IF:3.1Q2
综述 本文综述了基于人工智能的呼吸机相关肺炎预测模型,旨在为未来临床实践中早期识别高风险群体提供参考 人工智能模型相比传统方法具有更好的预测性能,有望在未来为呼吸机相关肺炎风险预测提供不可或缺的工具 当前研究主要处于模型构建和验证阶段,对于临床应用的实施和指导需要进一步研究 回顾基于人工智能的呼吸机相关肺炎预测模型,为临床实践中早期识别高风险群体提供参考 呼吸机相关肺炎的预测模型 机器学习 呼吸系统疾病 机器学习 随机森林模型 文本数据 5项研究的样本量小于1000
653 2024-08-07
Comparison of deep learning models with simple method to assess the problem of antimicrobial peptides prediction
2024-May, Molecular informatics IF:2.8Q2
研究论文 本文比较了深度学习模型与简单方法在抗菌肽预测问题上的表现 提出了一种仅使用氨基酸组成预测抗菌肽能力的简单方法,并展示了与最佳方法相当的结果 NA 比较简单和复杂方法在抗菌肽预测中的效果 抗菌肽的预测方法 机器学习 NA BERT transformer, 多层感知器 (MLP), 轻量注意力 (LA) BERT, MLP, LA 序列 NA
654 2024-08-07
NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions
2024-May-01, International journal of radiation oncology, biology, physics
研究论文 本文评估了人工智能深度学习在放射治疗中自动分割的应用,探讨了当前进展、临床考虑和未来方向 介绍了商业AI自动分割工具在减少手动轮廓绘制工作量和缩短治疗计划时间方面的显著优势 商业AI自动分割模型在多样化的临床场景中,尤其是在非受控环境中的应用存在挑战 评估商业AI自动分割工具的临床应用和潜力,并提出未来发展的建议 深度学习神经网络在放射治疗中的自动分割应用 机器学习 NA 深度学习 深度学习神经网络 图像 NA
655 2024-08-07
Deep-NCA: A deep learning methodology for performing noncompartmental analysis of pharmacokinetic data
2024-05, CPT: pharmacometrics & systems pharmacology
研究论文 本文介绍了一种名为Deep-NCA的深度学习模型,用于提高非房室分析(NCA)中关键药代动力学(PK)参数的预测精度 Deep-NCA采用合成PK数据进行模型训练,并使用创新的个性化数据预处理方法,相比传统NCA在稀疏PK数据上表现更优 需要进一步验证和改进以提高其在实际应用中的效率和准确性 开发一种新的深度学习方法来改善药代动力学数据的非房室分析 药代动力学数据的非房室分析 机器学习 NA 深度学习 深度学习模型 药代动力学数据 六个未见过的模拟药物在多种给药方案下的数据
656 2024-08-07
Deep network fault diagnosis for imbalanced small-sized samples via a coupled adversarial autoencoder based on the Bayesian method
2024-May-01, The Review of scientific instruments
研究论文 本文介绍了一种基于贝叶斯方法的耦合对抗自编码器(CoAAE),用于解决深度网络故障诊断中样本量小且不平衡的问题 提出了一种新的耦合对抗自编码器模型,通过生成假样本来增加样本量,并利用并行耦合网络处理样本不平衡问题 NA 解决深度网络故障诊断中样本量小且不平衡的问题 深度网络故障诊断模型 机器学习 NA 耦合对抗自编码器(CoAAE) CNN 数据 小样本且不平衡
657 2024-08-07
Artificial intelligence-assisted evaluation of cardiac function by oncology staff in chemotherapy patients
2024-May, European heart journal. Digital health
研究论文 本研究评估了肿瘤科工作人员使用AI辅助手持超声设备进行左心室射血分数计算的可行性和准确性 使用AI技术辅助肿瘤科工作人员进行左心室射血分数的自动计算 研究仅在特定患者群体中进行,可能需要进一步验证在更广泛人群中的适用性 评估AI辅助下肿瘤科工作人员计算左心室射血分数的可行性和准确性 肿瘤科患者的心脏功能评估 NA NA 深度学习算法 深度学习模型 图像 115名患者
658 2024-08-07
Predicting heart failure outcomes by integrating breath-by-breath measurements from cardiopulmonary exercise testing and clinical data through a deep learning survival neural network
2024-May, European heart journal. Digital health
研究论文 本研究通过深度学习生存神经网络整合心肺运动测试中的逐次呼吸测量数据和临床数据,预测心力衰竭患者的预后 本研究首次将心肺运动测试中的逐次呼吸数据整合到深度学习模型中,提高了预测心力衰竭长期预后的准确性 NA 开发并验证一个基于深度学习框架的时间到事件预测模型,用于预测心力衰竭的预后 2490名患有高风险心脏疾病或心力衰竭的成年患者 机器学习 心血管疾病 深度学习 DeepSurv 时间序列数据 2490名患者
659 2024-08-07
Using natural language processing for automated classification of disease and to identify misclassified ICD codes in cardiac disease
2024-May, European heart journal. Digital health
研究论文 本文使用自然语言处理(NLP)技术自动分类疾病,并识别心脏疾病中误分类的国际疾病分类(ICD)代码 开发了一种新的NLP算法,该算法在医疗记录中分类疾病的准确性很高,并且能够识别ICD编码错误 算法中有70%的误分类是由于算法本身的不正确标记,而非ICD编码错误 研究使用NLP技术自动分类非结构化医疗记录中的疾病,并与传统ICD编码进行比较 心房颤动(AF)和心力衰竭(HF)的诊断 自然语言处理 心血管疾病 自然语言处理(NLP) 极端梯度提升(XGBoost) 文本 使用了两个数据集:MIMIC-III数据集(55,177条记录)和比利时医院数据集(12,706条记录),最终保留了1,438份报告在比利时数据集中
660 2024-08-07
Artificial intelligence-based classification of echocardiographic views
2024-May, European heart journal. Digital health
研究论文 本文研究了使用卷积神经网络(CNN)对超声心动图视图进行自动分类的方法 本文首次使用二维和三维CNN对超声心动图视图进行分类,并实现了高准确率 NA 旨在通过人工智能增强超声心动图的自动评估能力 超声心动图视图的自动分类 机器学习 NA 卷积神经网络(CNN) CNN 视频 研究使用了来自909名患者的经胸超声心动图(TTE)研究,以及229名患者的内部验证数据
回到顶部