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:202408-202408] [清除筛选条件]
当前共找到 1175 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 2024-09-04
ConIQA: A deep learning method for perceptual image quality assessment with limited data
2024-Aug-29, Scientific reports IF:3.8Q1
研究论文 本文介绍了一种基于深度学习的图像质量评估方法ConIQA,该方法利用一致性训练和新的数据增强技术,适用于标记数据稀缺的情况 ConIQA通过结合标记和未标记数据进行学习,提高了在特定领域图像质量评估的性能 ConIQA的性能在完美匹配参考图像和失真图像不应被期望的应用中可能下降 开发一种适用于虚拟现实和增强现实应用中与人类感知紧密对齐的图像质量评估方法 研究在计算机生成全息图(CGH)中出现的特定伪影,如振铃、斑点和量化误差,并评估现有图像质量评估方法的不足 计算机视觉 NA 深度学习 神经网络 图像 包含1000张自然图像及其通过不同CGH算法渲染的图像,每张图像由十三名参与者进行质量评级
342 2024-09-04
Effective weight optimization strategy for precise deep learning forecasting models using EvoLearn approach
2024-Aug-29, Scientific reports IF:3.8Q1
研究论文 本文提出了一种名为EvoLearn的新方法,通过结合遗传算法和反向传播来优化神经网络模型的学习过程,以提高预测准确性和学习效率 EvoLearn方法通过在训练过程中从多个模型中选择最佳组件,显著提高了预测准确性 NA 旨在通过EvoLearn方法优化神经网络模型的学习过程,提高时间序列预测的准确性 时间序列预测,包括空气污染和能源消耗时间序列 机器学习 NA 遗传算法,反向传播 MLP, DNN, CNN, RNN, GRU 时间序列数据 两种时间序列类型的两个数据集
343 2024-09-04
Software defined networking based network traffic classification using machine learning techniques
2024-Aug-29, Scientific reports IF:3.8Q1
研究论文 本文利用机器学习技术,基于软件定义网络(SDN)进行网络流量分类 采用监督和非监督机器学习模型,如逻辑回归、决策树、随机森林等,结合SDN提高分类性能 研究存在加密流量检测、有效载荷检查、检测准确性低等问题 提高网络流量分类的效率和准确性 域名系统(DNS)、Telnet、Ping和语音流量 机器学习 NA 机器学习(ML)和深度学习(DL) 决策树 网络流量 使用分布式互联网流量生成器(D-ITG)工具模拟的流量
344 2024-09-04
Prediction of hearing recovery with deep learning algorithm in sudden sensorineural hearing loss
2024-08-29, Scientific reports IF:3.8Q1
研究论文 本研究旨在建立一个基于深度学习的预测模型,用于预测特发性突发性感音神经性听力损失(SSNHL)的预后 采用两层分类过程,首先使用22个多层感知器(MLP)网络对患者进行初步分类,然后将结果传递给第二层元分类器进行最终预后确定 NA 建立一个预测特发性突发性感音神经性听力损失预后的深度学习模型 1108名SSNHL患者 机器学习 耳鼻喉疾病 深度学习算法 多层感知器(MLP)网络 临床数据 1108名患者
345 2024-09-04
Twinned neuroimaging analysis contributes to improving the classification of young people with autism spectrum disorder
2024-08-29, Scientific reports IF:3.8Q1
研究论文 本研究探讨了多种磁共振成像(MRI)对比形式在单独使用和组合使用时,对自闭症谱系障碍(ASD)年轻患者的分类效果 本研究采用了3D-DenseNet深度学习网络,通过双通道模型结合结构MRI图和低频振幅(ALFF)或分数ALFF(fALFF)图,提高了分类准确性 NA 研究如何利用多种MRI对比形式提高ASD年轻患者的分类准确性 自闭症谱系障碍(ASD)年轻患者 计算机视觉 自闭症谱系障碍 磁共振成像(MRI) 3D-DenseNet 图像 702名参与者,其中351名ASD患者和351名对照组
346 2024-09-04
Advancing healthcare with artificial intelligence: diagnostic accuracy of machine learning algorithm in diagnosis of diabetic retinopathy in the Brazilian population
2024-Aug-29, Diabetology & metabolic syndrome IF:3.4Q2
研究论文 本文研究了机器学习算法在巴西人群中诊断糖尿病视网膜病变的准确性 使用了来自巴西患者的数据集,使模型更适应特定人群的细微差别和特征 NA 评估机器学习算法在自动化检测糖尿病视网膜病变中的诊断准确性 糖尿病视网膜病变 机器学习 糖尿病 卷积神经网络 CNN 图像 15,816张图像(4590名患者)
347 2024-09-04
An empirical study of large-scale data-driven full waveform inversion
2024-Aug-28, Scientific reports IF:3.8Q1
研究论文 本文研究了大数据对深度学习模型在全波形反演(FWI)问题中性能的影响 首次验证了大数据在全波形反演问题中对深度学习模型的有效性,并展示了模型容量与数据大小之间的比例关系 研究仅限于使用合成数据集OPENFWI,未涉及实际地震数据 探讨大数据如何提升深度学习模型在全波形反演问题中的性能 深度学习模型在全波形反演中的表现 机器学习 NA 深度学习 NA 地震数据 47万对地震数据和速度图
348 2024-09-04
CT radiomics-based biomarkers can predict response to immunotherapy in hepatocellular carcinoma
2024-08-28, Scientific reports IF:3.8Q1
研究论文 本研究旨在通过结合放射学数据和机器学习技术,识别用于预测肝细胞癌患者免疫治疗反应的生物标志物 利用CT影像特征和机器学习模型,特别是深度学习、随机森林和朴素贝叶斯等方法,预测肝细胞癌患者对免疫治疗的短期疗效 研究样本量相对较小,且仅限于两个医院的数据,可能影响模型的泛化能力 开发一种基于CT放射组学的生物标志物,用于预测肝细胞癌患者对免疫治疗的反应 54名接受免疫治疗的肝细胞癌患者及其CT影像数据 机器学习 肝细胞癌 CT影像分析 深度学习、随机森林、朴素贝叶斯 影像 54名肝细胞癌患者
349 2024-09-04
Deep learning-assisted segmentation of X-ray images for rapid and accurate assessment of foot arch morphology and plantar soft tissue thickness
2024-08-28, Scientific reports IF:3.8Q1
研究论文 本研究利用深度学习图像分割技术对负重侧位X光图像进行分析,以快速准确评估足弓形态和足底软组织厚度 本研究采用DeepLab V3+网络模型精确描绘第一跖骨、距骨、跟骨、舟骨等骨骼边界,实现足弓形态和足底软组织厚度的自动快速测量 本研究使用的是回顾性数据集,未来研究可考虑前瞻性数据集以增强结果的普遍性 探讨足弓形态与足底软组织厚度之间的关联,并考察年龄和性别的影响 足弓形态和足底软组织厚度 计算机视觉 NA 深度学习图像分割技术 DeepLab V3+ X光图像 1497张X光图像
350 2024-09-04
Prediction of treatment outcome for branch retinal vein occlusion using convolutional neural network-based retinal fluorescein angiography
2024-08-28, Scientific reports IF:3.8Q1
研究论文 本文利用深度学习技术,开发了一种基于卷积神经网络的视网膜荧光素血管造影(FFA)模型,用于预测分支视网膜静脉阻塞(BRVO-ME)患者抗VEGF治疗的短期效果 本文创新性地使用FFA-Net模型,基于VGG网络,通过分类网络训练FFA图像,以预测BRVO-ME的治疗效果 文章未明确提及具体的局限性 研究目的是开发一种人工智能模型,用于预测BRVO-ME患者抗VEGF治疗的短期效果 研究对象为180名BRVO-ME患者 计算机视觉 视网膜疾病 卷积神经网络(CNN) VGG 图像 180名BRVO-ME患者
351 2024-09-04
Deep learning for automatic calcium detection in echocardiography
2024-Aug-28, BioData mining IF:4.0Q1
research paper 本文开发了一种基于卷积神经网络(CNN)的全自动方法,用于在超声心动图图像中检测主动脉钙化 本文首次探索了使用超声心动图作为检测钙化的替代方法,并开发了基于CNN的全自动检测方法 NA 提高心血管疾病诊断的效率和准确性 主动脉钙化在超声心动图图像中的检测 computer vision 心血管疾病 Deep Learning (DL) CNN image NA
352 2024-09-04
Predictors of residual tricuspid regurgitation after interventional therapy: an automated deep-learning CT analysis
2024-08-27, Scientific reports IF:3.8Q1
研究论文 本文利用计算机断层扫描(CT)和自动深度学习算法评估介入治疗后三尖瓣反流(TR)的预测因素 使用自动深度学习算法分析CT图像,评估三尖瓣解剖结构、右心形态和功能,以预测介入治疗后的TR减少情况 样本量相对较小,且仅包括接受经皮环形成形术(PA)或三尖瓣经导管缘对缘修复(T-TEER)治疗的患者 评估CT和自动深度学习算法在预测介入治疗后三尖瓣反流减少方面的应用 严重至大量三尖瓣反流患者在接受介入治疗前的CT图像 计算机视觉 心血管疾病 计算机断层扫描(CT) 深度学习算法 图像 84名患者,其中32名接受T-TEER治疗,52名接受PA治疗
353 2024-09-04
Multiwell-based G0-PCC assay for radiation biodosimetry
2024-08-26, Scientific reports IF:3.8Q1
研究论文 本文开发了一种基于多孔板的化学诱导G0期早熟染色体凝集(G0-PCC)测定法,用于辐射生物剂量测定,能够在同一天提供结果 该方法使用低于推荐浓度的磷酸酶抑制剂,显著增加了具有高度凝集染色体的细胞产量,并利用定制的深度学习算法量化辐射损伤 NA 开发一种快速、高通量的细胞遗传学生物剂量测定方法,用于辐射紧急情况下的剂量分类和剂量重建 辐射暴露后的细胞染色体损伤 生物技术 NA 深度学习算法 深度学习 图像 NA
354 2024-09-04
MMFSyn: A Multimodal Deep Learning Model for Predicting Anticancer Synergistic Drug Combination Effect
2024-Aug-22, Biomolecules IF:4.8Q1
研究论文 本文提出了一种基于多模态药物数据和细胞系特征的新型深度学习模型MMFSyn,用于预测抗癌药物组合的协同效应 MMFSyn模型综合应用了Bi-LSTM、gMLP、多头注意力机制和多尺度GCN等多种技术,以提取药物特征,并通过结合基因表达和突变组学数据构建细胞系特征,从而预测药物组合的协同效应 NA 旨在通过多模态深度学习模型预测抗癌药物组合的协同效应 抗癌药物组合的协同效应 机器学习 NA SMILES Bi-LSTM, gMLP, 多头注意力机制, 多尺度GCN Morgan指纹, 原子序列, 分子图, 原子点云数据, 基因表达, 突变组学数据 NA
355 2024-09-04
Independent Vector Analysis for Feature Extraction in Motor Imagery Classification
2024-Aug-22, Sensors (Basel, Switzerland)
研究论文 本文提出了一种基于独立向量分析(IVA)的多数据集特征提取方法,用于提高基于脑电图(EEG)的脑机接口(BCI)中运动想象分类的准确性 本文的创新点在于使用IVA方法处理多个数据集,以解决单一数据集处理可能不足以应对多源检索问题的情况 NA 提高基于EEG信号的脑机接口中运动想象分类的准确性 基于EEG信号的运动想象分类 机器学习 NA 独立向量分析(IVA) 支持向量机、K-最近邻、EEGNet、EEGInception 脑电图(EEG)信号 NA
356 2024-09-04
Comparative Analysis of Machine Learning and Deep Learning Algorithms for Assessing Agricultural Product Quality Using NIRS
2024-Aug-22, Sensors (Basel, Switzerland)
研究论文 本文比较了机器学习和深度学习算法在利用近红外光谱(NIRS)评估农产品质量中的应用 提出了一种基于Gramian角差场方法和坐标注意力卷积神经网络(G-CACNNs)的近红外校准模型 NA 研究深度学习方法在近红外光谱分析中的稳健性和有效性 小麦和雅梨作为农产品质量评估的例子 机器学习 NA 近红外光谱(NIRS) 卷积神经网络(CNN) 光谱数据 涉及小麦和雅梨的具体样本数量未在摘要中明确
357 2024-09-04
Achieving More with Less: A Lightweight Deep Learning Solution for Advanced Human Activity Recognition (HAR)
2024-Aug-22, Sensors (Basel, Switzerland)
研究论文 本研究通过替换和增强模型组件,提出了一种轻量级的深度学习解决方案,用于高级人体活动识别(HAR) 本研究通过使用标准和残差LSTM以及卷积网络替换计算密集型的BiLSTM组件,并结合数据翻转增强,实现了在资源受限设备上的高效部署 NA 探索在资源受限设备上部署高效的人体活动识别模型 人体活动识别模型及其在资源受限设备上的应用 机器学习 NA LSTM, 卷积网络 LSTM, 残差LSTM (ResLSTM) 数据集 UCI-HAR数据集, WISDM数据集, KU-HAR数据集
358 2024-09-04
Beehive Smart Detector Device for the Detection of Critical Conditions That Utilize Edge Device Computations and Deep Learning Inferences
2024-Aug-22, Sensors (Basel, Switzerland)
研究论文 本文介绍了一种名为Bee Smart Detection节点的嵌入式物联网设备,用于检测蜂巢中的关键事件,如分蜂、蜂后丢失和蜂群崩溃失调症(CCD) 采用了两种深度学习子过程:模糊多层神经网络(fuzzy-stranded-NN)用于检测CCD,基于蜂巢内的温湿度数据;深度学习CNN模型用于检测分蜂和蜂后丢失,基于声音记录 NA 开发一种智能检测设备,用于自动检测蜂巢中的关键事件 蜂巢中的关键事件,包括分蜂、蜂后丢失和CCD 机器学习 NA 深度学习 CNN 声音数据 NA
359 2024-09-04
Adaptive Sensing Data Augmentation for Drones Using Attention-Based GAN
2024-Aug-22, Sensors (Basel, Switzerland)
research paper 本文提出了一种利用基于注意力机制的生成对抗网络(GAN)来解决无人机收集的时间序列传感器数据稀缺问题的综合系统 通过调整传感频率并保持数据分辨率,确保了数据收集的一致性和高质量。注意力机制增强了GAN生成合成数据的能力,填补了因降低传感频率而产生的数据空白 NA 提高无人机在各种应用中的效率和性能,如精准农业、环境监测和监视 无人机收集的时间序列传感器数据 machine learning NA attention-based GAN GAN time-series sensor data NA
360 2024-09-04
ACSwinNet: A Deep Learning-Based Rigid Registration Method for Head-Neck CT-CBCT Images in Image-Guided Radiotherapy
2024-Aug-22, Sensors (Basel, Switzerland)
研究论文 提出了一种基于深度学习的头部-颈部CT-CBCT图像刚性配准方法ACSwinNet,用于图像引导放疗中的定位误差校正 集成解剖约束编码器和组织器官的解剖分割,采用基于Swin Transformer的网络处理大初始错位情况,并使用感知相似度度量网络解决CT和CBCT图像间的强度差异和伪影问题 传统配准方法在头部区域的精度不足 提高头部-颈部CT-CBCT图像在图像引导放疗中的配准精度 头部-颈部CT-CBCT图像的刚性配准 计算机视觉 头颈部肿瘤 深度学习 Swin Transformer 图像 临床患者获取的头部-颈部CT-CBCT数据集
回到顶部