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:202406-202406] [清除筛选条件]
当前共找到 1068 篇文献,本页显示第 341 - 360 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
341 2024-08-05
LBRT: Local-Information-Refined Transformer for Image Copy-Move Forgery Detection
2024-Jun-26, Sensors (Basel, Switzerland)
研究论文 本文提出了一种局部信息精炼的双分支网络LBRT用于图像伪造检测 创新之处在于提出了LBRT网络,通过全局建模支路和局部精炼支路结合全局语义与局部细节信息 本文的限制在于未提及对不同类型伪造方法的适应性 研究目标是改进现有的图像复制移动伪造检测方法 研究对象为图像复制移动伪造检测 计算机视觉 NA 深度学习 Transformer 图像 多个数据集,包括USCISI、CASIA CMFD和DEFACTO CMFD
342 2024-08-05
Surface Defect-Extended BIM Generation Leveraging UAV Images and Deep Learning
2024-Jun-26, Sensors (Basel, Switzerland)
研究论文 本文章提出了一种基于深度学习与迁移学习的方法来检测建筑表面的缺陷并拓展建筑信息模型(BIM) 提出了将无人机图像中的缺陷检测信息集成到语义丰富的建筑信息模型中的新方法,并通过纹理映射实现了坐标系统的映射 缺陷检测准确性较低以及无人机图像与BIM模型之间的坐标差异仍然是挑战 研究目标是提高建筑缺陷检测的准确性,并将检测结果集成到BIM中 研究对象为现有建筑的缺陷检测信息 数字化建筑 NA 深度学习 NA 图像 涉及了南通大学第36教室楼的缺陷信息建模实验
343 2024-08-05
Deep Learning Algorithms for Bladder Cancer Segmentation on Multi-Parametric MRI
2024-Jun-26, Cancers IF:4.5Q1
研究论文 本研究评估了三种深度学习模型在多参数MRI图像上对膀胱癌分割的性能 提出了使用混合损失函数的MAnet和PSPnet模型在膀胱癌分割中表现更优于Unet 未提及不同影像序列在其他背景下的适用性 评估深度学习模型在膀胱癌MRI图像分割中的效果 53名膀胱癌患者的MRI图像 计算机视觉 膀胱癌 深度学习 Unet, MAnet, PSPnet 图像 53名膀胱癌患者的多参数MRI图像
344 2024-08-05
Unveiling the Evolution of Virtual Reality in Medicine: A Bibliometric Analysis of Research Hotspots and Trends over the Past 12 Years
2024-Jun-26, Healthcare (Basel, Switzerland)
研究论文 本研究使用文献计量法分析了过去12年中虚拟现实在医学领域的研究热点和趋势 揭示了虚拟现实在医学培训和治疗中的潜在应用及其未来研究方向 本研究的数据仅包括2012年至2023年间的相关出版物,可能未能全面反映该领域的所有研究动态 探讨虚拟现实在医学中的应用及其未来发展方向 分析了来自86个国家和地区的2143篇与虚拟现实相关的出版物 数字医学 NA 文献计量分析 NA 出版物数据 2143篇相关出版物
345 2024-08-05
A Deep Learning-Based Emergency Alert Wake-Up Signal Detection Method for the UHD Broadcasting System
2024-Jun-26, Sensors (Basel, Switzerland)
研究论文 本文提出了一种基于深度学习的应急警报唤醒信号检测方法。 本研究的创新点在于不需要ATSC 3.0解调器即可检测应急唤醒信号,简化了检测过程。 未提及具体的局限性。 研究旨在提高应急警报系统的效率,允许在紧急情况下及时唤醒用户。 研究对象是超高清(UHD)广播系统中的应急唤醒信号。 机器学习 NA 深度学习 深度神经网络(DNN)和卷积神经网络(CNN) 射频信号 基于ATSC 3.0的RF信号和商用软件定义无线电(SDR)平台进行验证
346 2024-08-05
SGRTmreg: A Learning-Based Optimization Framework for Multiple Pairwise Registrations
2024-Jun-26, Sensors (Basel, Switzerland)
研究论文 本文提出了一种新的计算框架SGRTmreg,用于多对配准的学习基优化。 SGRTmreg框架结合了搜索方案、基于学习的优化方法GRDO和转移模块,实现了更快速、稳健和稳定的多实例点云配准。 NA 本研究旨在优化多实例点云的配准过程。 研究对象为多个需要配准的点云实例。 计算机视觉 NA 基于学习的优化 NA 点云 在多个数据集上进行的广泛配准实验
347 2024-08-05
An Intelligent Mechanism to Detect Multi-Factor Skin Cancer
2024-Jun-26, Diagnostics (Basel, Switzerland)
研究论文 本文提出了一种检测多因素皮肤癌的智能机制,利用深度学习和卷积神经网络。 提出的深度序列CNN模型在皮肤病变的分类准确性上显著超越了现有的主流方法。 NA 研究目标是提高皮肤癌病变的分类准确性和诊断效率。 研究对象是与HAM 10,000数据集相关的皮肤病变图像。 计算机视觉 皮肤癌 深度学习、卷积神经网络 (CNN) 序列CNN 图像 使用与HAM 10,000数据集相关的数据库进行训练和验证,样本量未具体说明
348 2024-08-05
A Common Knowledge-Driven Generic Vision Inspection Framework for Adaptation to Multiple Scenarios, Tasks, and Objects
2024-Jun-25, Sensors (Basel, Switzerland)
研究论文 本文提出了一种通用的基于知识驱动的视觉检查框架,以适应多个场景、任务和对象 创新点在于将产品检查标准化为信息解耦和自适应指标的过程,并提出了基于行业知识的多粒度和多模式渐进对齐的任务相关对象感知 缺乏对传统机器视觉技术适用性的全面评估 旨在提高复杂产品的检测效率和准确性,推动工业制造向客户中心化转型 研究对象是复杂产品的视觉检测流程和基于历史数据的知识改进和积累 计算机视觉 NA 深度学习 NA 图像 在实验中未详细提及样本数量,但涉及复杂产品和多个工业任务的检测流程
349 2024-08-05
Dynamic Simulation and Modeling of a Novel NeuRaiSya for Railway Monitoring System Using Petri Nets
2024-Jun-24, Sensors (Basel, Switzerland)
研究论文 本研究介绍了一种创新的铁路信号系统NeuRaiSya,集成了深度学习进行乘客分析 引入了结合深度学习的新型铁路信号系统NeuRaiSya,并使用Petri网进行动态模拟和建模 NA 模拟NeuRaiSya系统并评估其有效性 五个使用Petri网模型设计与模拟的模型,包括列车出发动态模型等 计算机视觉 NA 深度学习 Petri网模型 图形 五个模型
350 2024-08-05
Augmenting Radiological Diagnostics with AI for Tuberculosis and COVID-19 Disease Detection: Deep Learning Detection of Chest Radiographs
2024-Jun-24, Diagnostics (Basel, Switzerland)
研究论文 本文介绍了一种能够通过X射线图像识别肺炎、COVID-19和结核病的网络 强调了使用ResNet50模型相较于传统VGG16方法的优越性,并通过数据增强技术提高了分类准确性 在样本大小和多样性方面可能存在局限性,未提及具体的样本数量 提高对COVID-19和结核病等疾病的诊断准确性和可靠性 患者胸部的X射线图像 计算机视觉 COVID-19, 结核病 X射线成像,数据增强 ResNet50, VGG16 图像 NA
351 2024-08-05
Integration of Localized, Contextual, and Hierarchical Features in Deep Learning for Improved Skin Lesion Classification
2024-Jun-24, Diagnostics (Basel, Switzerland)
研究论文 本文探讨了通过整合局部、全局和层次特征以提高皮肤病变分类的深度学习方法 提出了一种新颖的双轨深度学习模型,结合了修改过的Densenet-169架构和定制的卷积神经网络,以增强特征表征 该研究可能未考虑某些皮肤病变类型的多样性,具体的模型泛化能力需要进一步验证 提高皮肤病变分类的精确性和性能 皮肤病变的分类 计算机视觉 皮肤病 深度学习 Densenet-169和卷积神经网络(CNN) 图像 使用HAM10000数据集进行训练和验证
352 2024-08-05
Gene-Based Predictive Modelling for Enhanced Detection of Systemic Lupus Erythematosus Using CNN-Based DL Algorithm
2024-Jun-24, Diagnostics (Basel, Switzerland)
研究论文 本研究介绍了一种使用基因预测模型和堆叠深度学习分类器改善系统性红斑狼疮(SLE)检测的方法 提出了一种新的基于基因表达和临床数据的堆叠深度学习分类器方法,以提高SLE的诊断准确性 未提及研究的具体限制 提高系统性红斑狼疮的诊断准确性和管理策略 系统性红斑狼疮及其相关的转录组和临床数据 机器学习 系统性红斑狼疮 深度学习 堆叠深度学习分类器(SDLC) 基因表达数据 未提及
353 2024-08-05
Automatic Segmentation of Type A Aortic Dissection on Computed Tomography Images Using Deep Learning Approach
2024-Jun-23, Diagnostics (Basel, Switzerland)
研究论文 本研究应用深度学习方法对计算机断层扫描图像中的A型主动脉夹层进行自动分割 使用先进的nnU-Net模型实现高精度的A型主动脉夹层的自动分割和特征量化 研究样本量较小,仅包含24名患者的CT图像 提高对A型主动脉夹层的分割精度,从而辅助临床治疗和疾病评估 对24名A型主动脉夹层患者的计算机断层扫描图像进行研究 数字病理学 主动脉疾病 ct图像增强与nnU-Net nnU-Net(2D和3D) 图像 24名A型主动脉夹层患者的CT图像
354 2024-08-05
Research on Three-Dimensional Reconstruction of Ribs Based on Point Cloud Adaptive Smoothing Denoising
2024-Jun-23, Sensors (Basel, Switzerland)
研究论文 本文提出了一种基于点云自适应平滑去噪的三维肋骨重建方法 创新点在于将体素数据转换为多属性点云数据,并采用点云自适应平滑去噪方法来提升重建精度和效率 本文未提及具体的样本数量和多种医疗影像数据的应用情况 研究提高肋骨三维重建的准确性和计算效率 主要针对从CT图像中提取的肋骨进行重建 数字病理学 NA 点云处理 NA CT图像 NA
355 2024-08-05
A Deep Learning-Based Method for Preventing Data Leakage in Electric Power Industrial Internet of Things Business Data Interactions
2024-Jun-22, Sensors (Basel, Switzerland)
研究论文 本文提出了一种基于深度学习的防止电力行业物联网数据交互泄漏的方法 提出了一种结合命名实体识别技术和DeBERTa-BiLSTM-CRF模型的新方法,适用于处理结构化和非结构化敏感数据 该方法的有效性可能依赖于特定数据集,模型的泛化能力需要进一步验证 确保电力业务数据交互的安全性 电力行业物联网的业务数据交互 数字路径学 NA 深度学习,命名实体识别 DeBERTa-BiLSTM-CRF 结构化和非结构化数据 使用CLUENER 2020数据集进行实验
356 2024-08-05
Exploring the Impact of Noise and Image Quality on Deep Learning Performance in DXA Images
2024-Jun-22, Diagnostics (Basel, Switzerland)
研究论文 本研究探讨了噪声和图像质量对DXA图像深度学习性能的影响。 本研究将噪声减少方法集成到深度学习模型中,以提高骨矿密度(BMD)的准确性和骨头分割效果。 NA 研究DXA图像中噪声与深度学习分割技术的关系,以改善骨头分割和BMD计算的准确性。 使用深度学习技术对DXA图像中的股骨进行语义分割。 计算机视觉 骨质疏松症 CNN FCNN 图像 NA
357 2024-08-05
Non-Invasive Fish Biometrics for Enhancing Precision and Understanding of Aquaculture Farming through Statistical Morphology Analysis and Machine Learning
2024-Jun-21, Animals : an open access journal from MDPI IF:2.7Q1
研究论文 本研究验证了一种新颖的计算机视觉方法,用于无创鱼类生物特征分析和生物量估计 提出了一种基于统计形态分析和机器学习的特征提取算法,以提高鱼塘中的生物量估计精度 尚未提及 旨在探索高精度的无创生物量估计方法以改善水产养殖管理 以非洲鲫鱼作为研究对象 计算机视觉 NA 计算机视觉 多层感知器模型 图像 129个非洲鲫鱼样本
358 2024-08-05
Real-World Spatial Synchronization of Event-CMOS Cameras through Deep Learning: A Novel CNN-DGCNN Approach
2024-Jun-21, Sensors (Basel, Switzerland)
研究论文 该论文提出了一种新的深度学习架构,以增强CMOS和事件摄像机之间的空间同步。 该研究首创了基于场景的CMOS与事件摄像机同步方式,利用动态图卷积神经网络(DGCNN)直接处理事件数据。 目前的算法无法有效解决精准的空间对齐问题。 研究目的在于提高CMOS与事件摄像机之间的空间同步精度。 研究对象为CMOS相机和事件相机的集成与同步。 计算机视觉 NA 深度学习, DGCNN 动态图卷积神经网络(DGCNN) 事件数据 NA
359 2024-08-05
Wheat Fusarium Head Blight Automatic Non-Destructive Detection Based on Multi-Scale Imaging: A Technical Perspective
2024-Jun-21, Plants (Basel, Switzerland)
综述 本文综述了小麦赤霉病的自动非破坏性检测技术。 本研究总结了不同成像技术在小麦赤霉病检测中的应用,并提出了理想的应用模式与发展趋势。 缺乏对现有先进检测技术的全面总结及其在实际应用中的潜在挑战讨论。 探讨小麦赤霉病的自动检测技术及其应用前景。 涉及小麦赤霉病在不同成像尺度下的检测技术和方法。 计算机视觉 小麦赤霉病 成像技术 深度学习 图像 NA
360 2024-08-05
Smart Partitioned Blockchain
2024-Jun-21, Sensors (Basel, Switzerland)
研究论文 本文提出了一种智能分区区块链模型,用于处理和管理智能空间及物联网中的敏感交易 提出了一种通过机器学习和深度学习将交易分类到不同敏感度池的智能分区区块链模型 医学数据集的分类准确性较低,仅达到91% 开发一个能够根据应用领域要求定制的区块链模型 银行和医疗数据集,依据定义的敏感度阈值进行分类 区块链 NA 机器学习,深度学习 随机森林,顺序深度学习 数据集 银行交易和医学数据集
回到顶部