深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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！
添加微信请说明来意
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19.9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。
当前共找到 925 篇文献，本页显示第 921 - 925 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2024-08-07 |
Benchmarking machine learning-based real-time respiratory signal predictors in 4D SBRT
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17038
PMID:38536107
|
研究论文 | 本研究探索并比较了六种基于机器学习和深度学习的实时呼吸信号预测模型，旨在提高成像和剂量传递的实时性和实际应用性 | 本研究采用了六种先进的预测模型，并分析了它们在不同预测时间范围和异常信号情况下的表现 | 所有模型的预测精度在应用于异常信号时都有所下降，特别是简单模型的性能下降最为明显 | 探索和比较不同机器学习和深度学习模型在实时呼吸信号预测中的应用效果 | 呼吸信号预测模型在立体定向体部放射治疗中的应用 | 机器学习 | NA | 机器学习和深度学习 | LSTM, Trans-Enc, Linear, Dlinear, Xgboost | 呼吸信号 | 2502个呼吸信号（总时长约90小时） | NA | NA | NA | NA |
| 922 | 2024-08-07 |
A medical image segmentation method for rectal tumors based on multi-scale feature retention and multiple attention mechanisms
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17044
PMID:38569054
|
研究论文 | 本文提出了一种基于多尺度特征保留和多注意力机制的直肠肿瘤医学图像分割方法 | 引入了多尺度特征保留、多分支跨通道注意力和坐标注意力三个新模块，有效解决了深度网络中高级语义特征提取导致的细节丢失和分割精度低的问题 | 未提及具体限制 | 提高直肠肿瘤MRI图像分割的效率和准确性 | 直肠肿瘤的医学图像 | 计算机视觉 | 直肠肿瘤 | MRI | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 923 | 2024-08-07 |
Knowledge-based planning for Gamma Knife
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17058
PMID:38598107
|
研究论文 | 本文开发了一种基于知识的治疗计划（KBP）管道，使用逆优化（IO）和3D剂量预测，用于Gamma Knife（GK）治疗。 | 首次为Gamma Knife开发了完整的KBP管道，通过逆优化和3D剂量预测生成可交付的治疗计划。 | NA | 开发一种新的基于知识的治疗计划管道，以改善Gamma Knife治疗的计划过程。 | 349名患者的Gamma Knife治疗数据，以及3D剂量预测模型和逆优化模型。 | 数字病理学 | NA | 逆优化（IO） | 深度学习 | 3D剂量预测 | 349名患者的数据，其中322名用于训练模型，27名用于验证。 | NA | NA | NA | NA |
| 924 | 2024-08-07 |
MFTrans: A multi-feature transformer network for protein secondary structure prediction
2024-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.131311
PMID:38599417
|
研究论文 | 本文提出了一种基于深度学习的多特征融合网络MFTrans，用于提高蛋白质二级结构预测的精度和效率 | MFTrans模型采用多序列比对Transformer和多视角深度学习架构，有效捕捉蛋白质序列的全局和局部特征，并集成多种特征融合策略 | NA | 提高蛋白质二级结构预测的精度和效率 | 蛋白质二级结构 | 计算生物学 | NA | 多序列比对Transformer | Transformer、卷积神经网络、双向门控循环单元网络 | 序列信息 | 包括CASP12、CASP13、CASP14、TEST2016、TEST2018和CB513等公共基准数据集 | NA | NA | NA | NA |
| 925 | 2024-08-07 |
Prediction of the marine spreading of low sulfur fuel oil using the long short-term memory model trained with three-phase numerical simulations
2024-May, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.116356
PMID:38604079
|
研究论文 | 本研究开发并验证了一种基于长短期记忆（LSTM）深度学习算法的模型，用于预测低硫燃料油（LSFO）在水面上的意外扩散 | 使用数值模拟数据训练LSTM模型，以预测LSFO在水面上的扩散模式，并在实际泄漏事故中验证了模型的实用性 | NA | 开发和验证一种预测低硫燃料油在水面上意外扩散的深度学习算法 | 低硫燃料油（LSFO）在水面上的扩散模式 | 机器学习 | NA | 长短期记忆（LSTM）模型 | LSTM | 数值模拟数据 | 不同配置的岛屿和海岸线以及风速（2.0-8.0 m/s）的数值模拟数据 | NA | NA | NA | NA |