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 911 篇文献,本页显示第 681 - 700 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
681 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
682 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
683 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
684 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
685 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
686 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
687 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
688 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
689 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
690 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
691 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
692 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
693 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
694 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
695 2024-08-07
Decoding 2.3 million ECGs: interpretable deep learning for advancing cardiovascular diagnosis and mortality risk stratification
2024-May, European heart journal. Digital health
研究论文 本文利用232万份心电图数据,开发了一种深度学习模型,用于心血管疾病的诊断和死亡风险分层,并展示了其在临床知识发现方面的潜力 本文首次大规模应用人工智能模型于心电图分析,提供细粒度的解释性,以推进心血管诊断和死亡风险分层 NA 探索人工智能在心电图分析中的应用,以提高心血管疾病诊断的准确性和死亡风险分层 心电图数据,心血管疾病诊断,死亡风险分层 机器学习 心血管疾病 深度学习 深度学习模型 心电图数据 232万份心电图数据,来自155万8772名患者,随访7年
696 2024-08-07
Enhancing kidney disease prediction with optimized forest and ECG signals data
2024-May-30, Heliyon IF:3.4Q1
研究论文 本研究利用优化森林(Opt-Forest)模型结合心电图(ECG)数据,旨在提高慢性肾脏病(CKD)的早期检测 Opt-Forest模型在CKD预测中表现出更高的敏感性和特异性,以及较低的误报率 未来研究需要探索深度学习方法并整合患者特定数据以进一步提高精确医学在肾脏病学中的应用 提高慢性肾脏病的早期检测 慢性肾脏病(CKD)的早期检测 机器学习 肾脏病 优化森林(Opt-Forest)模型 优化森林(Opt-Forest) 心电图(ECG)数据 未具体说明样本数量
697 2024-08-07
Feasibility of rib fracture detection in low-dose computed tomography images with a large, multicenter datasets-based model
2024-May-30, Heliyon IF:3.4Q1
研究论文 评估基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折的可行性 使用基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折,并评估其与常规剂量CT图像的性能对比 NA 评估低剂量CT图像中肋骨骨折检测的可行性 肋骨骨折检测 计算机视觉 NA 低剂量CT RetinaNet 图像 7300次扫描,包含50,410处肋骨骨折,用于内部训练;外部测试数据集包含100名患者的728处创伤性肋骨骨折
698 2024-08-07
A novel LVPA-UNet network for target volume automatic delineation: An MRI case study of nasopharyngeal carcinoma
2024-May-30, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于2D-3D架构的Layer-Volume Parallel Attention (LVPA)-UNet模型,用于鼻咽癌MRI图像中肿瘤体积的自动勾画 引入了2D和3D工作流程并行处理,多分支深度条卷积适应不同形状和大小的肿瘤,以及层-通道注意力机制自适应调整切片和通道权重 NA 提高肿瘤体积勾画的准确性和效率,为放射治疗提供技术支持 鼻咽癌的MRI图像 计算机视觉 鼻咽癌 深度学习 LVPA-UNet MRI图像 1010例鼻咽癌MRI数据集
699 2024-08-07
Deep learning-enhanced characterization of bubble dynamics in proton exchange membrane water electrolyzers
2024-May-22, Physical chemistry chemical physics : PCCP IF:2.9Q1
研究论文 本文提出了一种基于深度学习的框架,用于高吞吐量分析质子交换膜水电解器中的气泡动力学 利用U-Net架构对35张标注图像进行训练,实现了高效的气泡分割任务 使用的标注图像数据集相对较小 提高质子交换膜水电解器研究中图像分析的速度和精度 质子交换膜水电解器中的气泡动力学 计算机视觉 NA 深度学习 U-Net 图像 35张标注图像
700 2024-08-07
Optimized encoder-decoder cascaded deep convolutional network for leaf disease image segmentation
2024-May-22, Network (Bristol, England)
研究论文 本文提出了一种优化的编码器-解码器级联深度卷积网络(ODEDCNet)模型,用于提高叶片疾病图像分割的准确性 引入了新的Dingo优化算法(DOA)来选择最佳的超参数,提高了模型的鲁棒性和分割精度 NA 旨在通过自动化技术提高植物疾病的识别和诊断效率,增强全球粮食安全 叶片疾病图像的分割和分类 计算机视觉 NA 深度学习 CNN 图像 使用了PlantVillage和Betel Leaf Image两个数据集,分别达到了97.33%和97.42%的准确率
回到顶部