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 901 - 920 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
901 2024-08-05
Sustainable Sea of Internet of Things: Wind Energy Harvesting System for Unmanned Surface Vehicles
2024-Jun-05, ACS applied materials & interfaces IF:8.3Q1
研究论文 本论文提出了一种基于压电和电磁效应的无人水面车辆风能采集系统 创新点在于自我调节策略的实施和优化的磁体配置,有效提高了风能收集的性能 未提及具体环境条件对设备性能的影响 旨在开发一种智能的海洋环境监测系统,通过风能采集为无人水面车辆提供动力 研究对象为无人水面车辆及其风能采集系统 物联网 NA 风能采集 深度学习算法 实验数据 原型制造和测试,具体样本量未提及
902 2024-08-07
Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images
2024-Jun-03, BMC medical informatics and decision making IF:3.3Q2
NA NA NA NA NA NA NA NA NA NA NA NA
903 2024-08-05
Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions
2024-06, Medical teacher IF:3.3Q1
研究论文 本研究探讨了在线团队基础学习(TBL)应用课程中的语言互动情况。 研究提供了对在线TBL课程中互动类型的深入分析,揭示了互动在促进深度学习中的重要性。 研究主要集中在特定的在线应用课程中,可能无法全面代表所有在线TBL课程。 深入了解在线TBL应用课程中互动的性质和程度,并探讨其在不同团队和课程中的变化。 研究对象为12个TBL团队在两次在线应用课程中的互动情况。 教育研究 NA 音视频记录 NA 文本、音频和视频 12个TBL团队
904 2024-08-05
Crowdsourcing image segmentation for deep learning: integrated platform for citizen science, paid microtask, and gamification
2024-Jun-25, Biomedizinische Technik. Biomedical engineering
研究论文 本文开发了一种集成群众外包的平台,以比较不同的医学图像分割方法 提出了结合公民科学、付费微任务和游戏化的集成众包平台 样本数量较少,仅有50幅图像参与训练 比较不同类型的众包方法在医学图像分割中的效果 医学图像(眼底图像中的巩膜分割) 数字病理学 NA 深度学习,卷积神经网络 NA 图像 50幅图像
905 2024-08-05
The cytoarchitectonic landscape revealed by deep learning method facilitated precise positioning in mouse neocortex
2024-Jun-04, Cerebral cortex (New York, N.Y. : 1991)
研究论文 本研究开发了一种细胞结构性标志物识别流程,以精确定位小鼠新皮层中的皮层区域 创新点在于采用深度学习方法和荧光微光学切片成像技术来分析新皮层的细胞结构,生成细胞结构地图 该研究未提及样本的多样性和对比组的设置 本研究旨在提高对新皮层结构的理解,特别是不同年龄小鼠的皮层区域变化 研究对象为小鼠的新皮层及其不同皮层区域 数字病理学 NA 荧光微光学切片成像 3D卷积网络 图像 涉及多只小鼠的完整大脑样本
906 2024-08-05
Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm
2024-Jun-04, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种结合模型驱动和数据驱动的超光谱异常检测新范式 创新在于引入了分离先验知识的学习方法,结合低秩表示和深度学习技术 未提及具体的实施复杂性或在不同场景下的表现 旨在提高超光谱图像中异常物体检测的准确性 超光谱图像中的背景与异常对象 计算机视觉 NA 深度学习 深度展开架构 超光谱图像 在多个广泛认可的数据集上进行实验
907 2024-08-05
Anatomy-Guided Spatio-Temporal Graph Convolutional Networks (AG-STGCNs) for Modeling Functional Connectivity Between Gyri and Sulci Across Multiple Task Domains
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文开发了一种新型的解剖引导时空图卷积网络(AG-STGCNs),旨在研究不同任务域之间的脑回和脑沟的功能连接差异 创新性地将解剖结构与深度学习模型结合,以探讨脑回和脑沟在不同任务领域中的功能连接规律与变异 尚未详细探讨功能连接的潜在差异,且在多个任务域中的具体可变性仍需进一步验证 系统研究脑回和脑沟之间的功能连接差异及其在不同任务域中的变化 830名参与者的七个任务基础和一个静息态的fMRI数据集 数字病理学 NA 功能性磁共振成像(fMRI) 时空图卷积网络(STGCN) fMRI数据 830名被试
908 2024-08-05
MVCNet: Multiview Contrastive Network for Unsupervised Representation Learning for 3-D CT Lesions
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本研究提出了一种多视角对比网络MVCNet,用于无监督的3D CT病变表示学习 MVCNet通过对比不同空间方向的多种2D视图来增强3D病变的表示 本研究可能仍然依赖于有限的标注数据,未提供大规模临床应用的验证 旨在提高对稀缺病理标注的CT数据的利用率 主要研究3D CT病变的无监督表示学习 数字病理学 肺癌 对比学习 MVCNet 图像 涉及LIDC-IDRI、LNDb和TianChi数据库,样本大小未具体说明
909 2024-08-05
Gradient Matching Federated Domain Adaptation for Brain Image Classification
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种梯度匹配联邦领域适应方法以改善脑部图像分类性能 创新性地提出了一种通过公共图像数据集减少领域差异的梯度匹配联邦领域适应方法 未提及研究的具体局限性 旨在降低不同场所之间的领域差异,训练更稳健的本地联邦模型 涉及多站点的静息态功能性磁共振成像(fMRI)数据的精神分裂症和重度抑郁症的诊断分类任务 数字病理学 精神疾病 NA 全连接网络 fMRI图像 NA
910 2024-08-05
A Review of Nuclei Detection and Segmentation on Microscopy Images Using Deep Learning With Applications to Unbiased Stereology Counting
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
综述 该文章回顾了利用深度学习进行显微镜图像中细胞和细胞核检测及分割的最新方法 重点介绍了与无偏立体测量相结合的深度学习方法在癌症和阿尔茨海默病中的应用 主要挑战包括显微图像中细胞检测和分割的准确性和可重复性 探索深度学习在细胞检测和分割中的应用以支持疾病的定量研究 关注癌症和阿尔茨海默病的细胞(细胞核)检测和分割 计算机视觉 癌症、阿尔茨海默病 深度学习 NA 显微镜图像 NA
911 2024-08-05
E2SCNet: Efficient Multiobjective Evolutionary Automatic Search for Remote Sensing Image Scene Classification Network Architecture
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种高效的多目标进化自动搜索框架E2SCNet,用于遥感图像场景分类网络架构 E2SCNet采用了八种轻量级操作符,构建了多样化的搜索空间,实现了参数数量与准确度的两步进化搜索机制 进化神经架构搜索方法通常需要几天时间 解决遥感图像场景分类中传统网络架构的固定性和不足之处 遥感图像场景分类深度学习网络架构 计算机视觉 NA 多目标进化计算 NA NA 通过与多种人类专家设计的网络及基于梯度和进化计算的搜索方法获得的网络进行比较
912 2024-08-05
Automated marine oil spill detection algorithm based on single-image generative adversarial network and YOLO-v8 under small samples
2024-Jun, Marine pollution bulletin IF:5.3Q1
研究论文 本文介绍了一种针对小样本的海洋油污检测算法,结合了SinGAN和YOLO-v8模型 创新之处在于使用单幅图像生成对抗网络(SinGAN)扩展小样本数据集,并结合YOLO-v8进行油污检测 研究的主要局限在于依赖于从Landsat-8卫星获得的小样本数据集,可能影响检测模型的泛化能力 本研究旨在提升海洋油污检测的准确性和实时性,特别是在样本稀缺的情况下 研究对象为海洋油污检测数据集,主要包括通过Landsat-8卫星拍摄的油污图像 计算机视觉 NA 生成对抗网络(SinGAN), YOLO-v8 YOLO-v8 图像 小样本数据集
913 2024-08-05
Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种名为多流嵌入多层感知器混合器的特征探索网络,旨在提高疾病诊断的性能 提出了一种结合监督和非监督特征的新型特征探索网络,改善了传统卷积神经网络的特征提取能力 未提及具体的限制因素 提高深度神经网络在疾病诊断中的分类准确性 使用了两个医学数据集进行评估 计算机视觉 NA 深度学习 卷积神经网络(CNN)和MLP-Mixer 图像 使用了两个医学数据集进行评估
914 2024-08-05
Fourier Domain Robust Denoising Decomposition and Adaptive Patch MRI Reconstruction
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种傅里叶域稳健去噪分解和自适应补丁MRI重建的方法 创新点在于提出了一种新的两步优化方法,针对噪声和低欠采样数据的MRI重建 文中提到的模型在解决鲁棒字典学习问题时仍然是非凸的且计算复杂度高 旨在改善MRI重建过程中的图像质量,特别是在低欠采样和噪声干扰情况下 研究对象为MRI重建中的稀疏性和低欠采样数据 数字病理学 NA 傅里叶变换 低秩和稀疏去噪重建模型(LSDRM)和鲁棒字典学习重建模型(RDLRM) 图像 进行的广泛数值实验
915 2024-08-05
Tiny Machine Learning for Concept Drift
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文介绍了一种基于深度学习的概念漂移微型机器学习方案 首次提出了针对概念漂移的微型机器学习(TML-CD)解决方案,结合深度学习特征提取器和k近邻分类器,具有混合适应模块 假设训练过程在云或边缘计算系统中进行,可能限制了在某些环境下的应用 设计能够在嵌入式系统和物联网单元中操作的机器学习技术 针对在概念漂移影响下的数据生成过程进行适应性处理 机器学习 NA 深度学习, k近邻分类 NA 图像和音频 多个基准测试
916 2024-08-05
Explainable Graph Wavelet Denoising Network for Intelligent Fault Diagnosis
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种可解释的图小波去噪网络用于智能故障诊断 提出了一种新的图小波去噪卷积以提取图结构数据的多尺度特征并实现信号去噪 NA 旨在提升在噪声环境下的智能故障诊断能力 主要研究信号中的故障相关组件及其去噪过程 机器学习 NA 图小波去噪卷积 NA 图结构数据 NA
917 2024-08-05
Hypergraph Structural Information Aggregation Generative Adversarial Networks for Diagnosis and Pathogenetic Factors Identification of Alzheimer's Disease With Imaging Genetic Data
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文章提出了一种新的深度学习方法HSIA-GAN,用于阿尔茨海默病的自动样本分类和特征提取 提出了超图结构信息聚合生成对抗网络(HSIA-GAN),并通过三种分类任务展示了显著优势 NA 利用成像遗传数据分析阿尔茨海默病的病因 阿尔茨海默病神经影像学倡议的数据 计算机视觉 阿尔茨海默病 NA 生成对抗网络(GAN) 成像遗传数据 NA
918 2024-08-05
GCNs-Net: A Graph Convolutional Neural Network Approach for Decoding Time-Resolved EEG Motor Imagery Signals
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种基于图卷积神经网络的新的深度学习框架,用于解码时间分辨的脑电图运动想象信号 该方法结合电极的功能拓扑关系,增强了对原始EEG信号在不同运动想象任务中的解码性能 未提及具体的限制因素 旨在开发高效的脑机接口系统,并提高EEG信号解码精度 针对不同类型运动想象任务的脑电信号解码 机器学习 NA 深度学习 图卷积网络 脑电图 PhysioNet数据集和高伽马数据集共涉及多个受试者的实验
919 2024-08-05
Exploring Brain Effective Connectivity Networks Through Spatiotemporal Graph Convolutional Models
2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种基于时空图卷积模型的学习脑有效连接网络的新方法 创新性地结合了时间卷积网络与图卷积网络,以提取深层时间特征并更新大脑区域的空间特征 目前方法仍然依赖于模拟数据和单一阿尔茨海默病数据集,可能在其他疾病或数据集上表现有限 旨在提高脑有效连接网络的学习效果 基于功能性磁共振成像数据学习脑有效连接网络 数字病理学 阿尔茨海默病 功能性磁共振成像(fMRI) 时空图卷积模型(STGCM) 模拟数据和真实的神经影像数据 NA
920 2024-08-05
Investigation of the MDM2-binding potential of de novo designed peptides using enhanced sampling simulations
2024-Jun, International journal of biological macromolecules IF:7.7Q1
研究论文 本研究通过深度学习设计了高亲和力的肽结合物,以干扰MDM2与p53的相互作用 利用深度学习蛋白质设计和结构预测方法,识别出新的高亲和力肽结合物Pep1和Pep2 在标题和摘要中未提及具体的样本类型或数量,限制了结果的广泛适用性 旨在设计肽以干扰MDM2与p53的相互作用,提供癌症治疗的新途径 针对MDM2的结合肽Pep1和Pep2 计算机视觉 肿瘤 增强采样模拟 深度学习模型 分子动态模拟数据 NA
回到顶部