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 1066 篇文献,本页显示第 601 - 620 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
601 2024-08-05
Fostering Clinical Judgment and Promoting Transition Into First Clinical Rotation Through Active Learning
2024-Jun-27, Nursing education perspectives IF:0.9Q3
研究论文 本科护理教育通过互动课堂活动促进临床判断技能的发展 提出了一种新的互动课堂活动以增强批判性思维和临床判断能力 未提及实验样本的多样性和长期效果的评估 研究如何将课堂知识有效转化为临床实践 参与了BSN项目第一学期课程的本科护理学生 NA NA 互动学习 NA NA 参与了第一学期课程的学生
602 2024-08-05
Harmonizing Elastic Modulus and Dielectric Constant of Elastomers for Improved Pressure Sensing Performance
2024-Jun-26, ACS applied materials & interfaces IF:8.3Q1
研究论文 通过液态金属混合弹性体提升电容压力传感器的灵敏度和可靠性 引入无链延伸聚氨酯和液态金属的混合弹性体,平衡电介质层材料的弹性模量和介电常数,从而增强传感性能 增加复杂的制造过程和设备可靠性可能受到影响 研究如何优化电容压力传感器的性能 液态金属混合弹性体及其在压力传感器中的应用 材料科学 NA 电容传感技术 CNN NA NA
603 2024-08-05
An improved empirical mode decomposition method with ensemble classifiers for analysis of multichannel EEG in BCI emotion recognition
2024-Jun-26, Computer methods in biomechanics and biomedical engineering IF:1.7Q3
研究论文 本文提出了一种改进的经验模态分解方法,结合了集成分类器用于多通道EEG信号的情感识别 提出了基于IEMD的混合模型,改进了筛选停止准则,以优化EEG信号的分解 未提及关于模型在实际应用中的局限性 提高多通道EEG信号中情感识别的效率 多通道EEG信号及其情感识别 数字病理学 NA IEMD-KW-Ens CNN 信号 使用DEAP和DREAMER数据集进行实验
604 2024-08-05
Classifying real-world macroscopic images in the primary-secondary care interface using transfer learning: implications for development of artificial intelligence solutions using nondermoscopic images
2024-Jun-25, Clinical and experimental dermatology IF:3.7Q1
研究论文 本研究评估深度学习在非皮肤镜影像数据集上的泛化能力,并探讨如何在缺乏大型诊断标记数据集的情况下获得临床满意的表现 引入了在非皮肤镜图像上进行的深度学习模型的训练和微调方法,并探索了真实世界数据的有效利用 本研究依赖于已有的数据集,没有构建更大的地方特定数据集 评估深度学习如何在初级-次级护理接口的非皮肤镜数据集上泛化 2213张来自初级护理的图像和1510张来自次级护理的图像 计算机视觉 皮肤病 深度学习 EfficientNet和SWIN变换器 图像 总共3723张来自NHS的数据,外加公共领域的两个数据集
605 2024-08-05
ChatGPT versus clinician: challenging the diagnostic capabilities of artificial intelligence in dermatology
2024-Jun-25, Clinical and experimental dermatology IF:3.7Q1
研究论文 本文研究了ChatGPT在皮肤科诊断中的能力 首次将ChatGPT的诊断能力与皮肤科医生进行比较 ChatGPT在当前形式下未能显著提高初级或次级护理的诊断率 评估ChatGPT在医疗皮肤科病例中的诊断能力 对90名在皮肤科急诊诊所就诊的患者的匿名医疗信息进行分析 自然语言处理 皮肤病 深度学习技术 NA 临床信息 36名患者
606 2024-08-05
Bypassing Stationary Points in Training Deep Learning Models
2024-Jun-24, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种新的方法来绕过深度学习模型训练中的静止点 引入了绕过静止点的概念,并实现了绕过算法以提高优化器的效率 未详细讨论算法在所有类型神经网络上的普适性 旨在提高深度学习模型训练中的优化器效率 深度学习模型优化及其训练过程 机器学习 NA 梯度下降 NA 回归和分类基准 NA
607 2024-08-05
BEAS-Net: a Shape-Prior-Based Deep Convolutional Neural Network for Robust Left Ventricular Segmentation in 2D Echocardiography
2024-Jun-24, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
研究论文 提出了一种名为BEAS-Net的深度卷积神经网络用于在2D超声心动图中进行左心室的 robust 分割。 BEAS-Net结合了解剖形状信息与卷积层提取的图像特征,生成生理上有意义的分割轮廓。 研究中没有提到使用的限制条件 提高2D超声心动图中左心室分割的准确性,特别是在低质量图像上。 自动分割2D超声心动图中的左心室。 计算机视觉 心血管疾病 深度卷积神经网络 (CNN) BEAS-Net 图像 使用了三个不同的体内数据集进行评估
608 2024-08-05
Estimating mandibular growth stage based on cervical vertebral maturation in lateral cephalometric radiographs using artificial intelligence
2024-Jun-24, Progress in orthodontics IF:3.5Q1
研究论文 本研究旨在利用人工智能通过侧位头影测量图估计下颌骨生长阶段。 提出了一种新的方法,将颈椎与下颌骨生长斜率直接相关联,区别于以往的常规CVM阶段命名。 研究仅限于200名样本,可能影响结果的广泛适用性。 研究旨在确定下颌骨生长阶段以优化正畸治疗时机。 研究对象为200名患者的侧位头影测量图像,包含108名女性和92名男性。 数字病理学 NA 深度学习 CNN, ResNet-18 图像 200人,663幅图像
609 2024-08-05
Image-based facial emotion recognition using convolutional neural network on emognition dataset
2024-06-23, Scientific reports IF:3.8Q1
研究论文 本研究使用卷积神经网络从Emognition数据集中检测面部表情的情感。 研究扩展了深度学习在面部情感识别中的应用,并使用了包含十种目标情感的新数据集。 研究中可能存在的数据集偏差和面部表情的多样性限制了结果的普遍性。 研究目标是提高基于面部图像的情感识别的准确性。 研究对象为Emognition数据集中包含的十种情感的面部图像。 计算机视觉 NA 卷积神经网络 CNN 图像 NA
610 2024-08-05
Enhancing automated vehicle identification by integrating YOLO v8 and OCR techniques for high-precision license plate detection and recognition
2024-Jun-22, Scientific reports IF:3.8Q1
研究论文 本论文提出了一种基于YOLO v8和OCR技术的高精度车牌检测与识别方法 通过集成YOLO v8深度学习方法和OCR技术,开发了一种创新的车牌检测与识别方法 所使用的数据集仅包含270张互联网图像,可能限制了模型的泛化能力 提升自动车辆识别系统的准确性和效率 通过计算机视觉和机器学习技术进行车牌的检测和字符识别 计算机视觉 NA YOLO v8,OCR NA 图像 270张图像
611 2024-08-05
A Military Audio Dataset for Situational Awareness and Surveillance
2024-Jun-22, Scientific data IF:5.8Q1
研究论文 本文构建并介绍了一个新的军事音频数据集MAD,用于音频分类系统的训练和评估 提出了一个包含独特特征的军事音频数据集,填补了现有公共数据集的空白 数据集可能对特定军事活动的应用有限,且没有提供大规模的现实场景样本 旨在为音频分类系统提供一个适合的训练和评估数据集 涉及来自各种军事视频的音频样本,包含7类声源 机器学习 NA 深度学习 NA 音频 涉及8,075个音频样本
612 2024-08-05
Efficient Training of Probabilistic Neural Networks for Survival Analysis
2024-Jun-21, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本文探讨如何在大数据集中高效训练深度概率生存模型 提出了三种概率方法(VI、MCD 和 SNGP)在生存分析中的有效性,并与传统的VI方法进行比较 非VI技术在生存分析的应用仍较少,方法的可推广性可能有限 研究如何在不增加模型复杂度的情况下,提高深度概率生存模型的训练效率 大规模数据集中的深度概率生存模型 机器学习 NA 变分推断(VI)、蒙特卡洛 dropout(MCD)、谱归一化神经高斯过程(SNGP) NA 数据集 MIMIC-IV 数据集
613 2024-08-05
A Principle Design of Registration-Fusion Consistency: Toward Interpretable Deep Unregistered Hyperspectral Image Fusion
2024-Jun-20, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 该文章提出了一种统一的注册与融合模型,用于解决未注册高光谱图像融合中的挑战 提出了一种新的注册-融合一致性物理感知模型(RFCM),以及一种基于此模型的高光谱图像融合框架(MoE-PNP) 研究中未提及模型在极端条件下的表现或其他类型图像的兼容性 旨在提高未注册高光谱图像和多光谱图像融合的可解释性和泛化能力 未注册的高光谱图像和多光谱图像 计算机视觉 NA 深度学习 MoE-PNP 图像 在广泛的实验中评估性能,但具体样本数量未提及
614 2024-08-05
CNN-O-ELMNet: Optimized Lightweight and Generalized Model for Lung Disease Classification and Severity Assessment
2024-Jun-19, IEEE transactions on medical imaging IF:8.9Q1
研究论文 本研究提出了一种轻量化的肺病分类模型CNN-O-ELMNet,旨在有效检测各种肺病并进行严重性评估 该模型结合了卷积神经网络与优化的极限学习机,并采用帝国竞争算法进行预测,以克服现有系统的局限性 虽然模型在检测性能上表现优越,但仍需在不同临床环境中进行验证 本研究旨在提供一种高效的肺病检测方法,以应对肺病对医疗系统的高负担 研究对象涵盖了气胸、结核和肺癌等多种肺病的分类 计算机视觉 肺癌 极限学习机(ELM) 卷积神经网络(CNN) 图像 使用了多个基准数据集进行评估,精确样本数量未明确指出
615 2024-08-05
An extensive analysis of artificial intelligence and segmentation methods transforming cancer recognition in medical imaging
2024-Jun-18, Biomedical physics & engineering express IF:1.3Q3
综述 本文深入分析了癌症识别中的人工智能和分割方法在医学成像中的转变 探讨了图像分割技术在癌症区域检测中的重要性,并评估了计算机辅助手段的最新研究进展 现有的图像分割方法在某些图像类型的应用上存在局限性 强调图像分割技术在医学成像中的重要性 主要研究不同癌症检测技术及其有效性 医学成像 癌症 计算机辅助诊断系统 卷积神经网络(CNN) 医学图像 涉及大型数据集中的医学图像
616 2024-08-05
Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding
2024-Jun-18, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 该文章提出了一种用于开放词汇脑电图解码的端到端深度学习架构 引入了一种基于BART语言模型和GPT-4句子细化模块的开放词汇EEG解码的新方法,提出了基于BERTScore的句子级评估指标 未探讨EEG信号嵌入语言模型.context及主观性对解码性能的影响 旨在改善开放词汇EEG信号解码的性能 研究对象为参与自然阅读任务的30名受试者的EEG记录 计算机视觉 NA 脑电图(EEG) 深度学习架构 EEG记录 30
617 2024-08-05
Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration
2024-Jun-18, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 这篇文章提出了一种低成本传感器校准的新方法,结合了无监督数据和领域适应技术 创新之处在于将传感器校准转化为半监督领域适应问题,并引入直方图损失和样本加权的对抗熵优化来解决标签差距 研究主要集中于特定的传感器校准问题,可能不适用于所有类型的传感器或环境 本文的研究目标是提高低成本空气质量传感器的校准准确性 研究对象为低成本空气质量传感器的校准 机器学习 NA 深度学习 NA 传感器数据 NA
618 2024-08-05
Neuro-BERT: Rethinking Masked Autoencoding for Self-Supervised Neurological Pretraining
2024-Jun-18, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 这篇文章提出了一个基于掩盖自编码的神经信号自监督预训练框架,称为Neuro-BERT。 创新点在于提出了傅里叶反演预测任务,通过遮掩输入信号的部分信息并预测缺失信息来进行自监督学习。 对特定数据集和任务的评估可能不完全代表其广泛适用性。 旨在利用神经信号推动深度学习在医疗诊断和脑机接口等领域的发展。 关注神经信号的自监督预训练模型。 机器学习 NA 傅里叶变换 变压器编码器 神经信号 在多个基准数据集上进行评估
619 2024-08-05
VOGTNet: Variational Optimization-Guided Two-Stage Network for Multispectral and Panchromatic Image Fusion
2024-Jun-17, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种变分优化引导的两阶段网络(VOGTNet)用于多光谱和全色图像融合 创新之处在于设计了一个双分支融合网络(DBFN)并使用变分优化方法提高了图像融合的性能,能够有效抵抗噪声和模糊 未提及具体的局限性 研究的目的是提高多光谱图像融合的空间和光谱分辨率 研究对象为含有噪声和模糊的多光谱和全色图像 计算机视觉 NA 深度学习 双分支融合网络(DBFN) 图像 使用含有噪声和模糊的数据集进行训练
620 2024-08-05
Global Clue-Guided Cross-Memory Quaternion Transformer Network for Multisource Remote Sensing Data Classification
2024-Jun-14, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种新的多模态联合分类框架GCCQTNet,用于多源遥感数据分类 创新性地设计了跨记忆四元变换器结构,处理多模态数据间的复杂关系,提升了分类性能 目前的研究可能在特定应用场景下仍面临数据异质性挑战 旨在提高多源遥感数据分类的准确性和有效性 研究对象为高光谱图像、合成孔径雷达和激光雷达数据 计算机视觉 NA 深度学习 四元变换器 图像 涉及三个公共多源遥感数据集
回到顶部