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 421 - 440 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
421 2024-09-02
Enhancing Fermentation Process Monitoring through Data-Driven Modeling and Synthetic Time Series Generation
2024-Aug-08, Bioengineering (Basel, Switzerland)
研究论文 本研究通过生成合成数据集来提高软传感器模型的鲁棒性和预测能力,以监控强化乙醇发酵过程 采用变分自编码器生成合成数据集,并与原始实验数据集结合训练神经网络回归模型,显著提高了预测能力和减少了变异性 NA 提高发酵过程监控中软传感器模型的性能 强化乙醇发酵过程的监控 机器学习 NA 变分自编码器 神经网络回归模型 时间序列数据 未具体说明
422 2024-09-02
Novel Hybrid Quantum Architecture-Based Lung Cancer Detection Using Chest Radiograph and Computerized Tomography Images
2024-Aug-07, Bioengineering (Basel, Switzerland)
研究论文 本研究提出了一种结合深度学习和量子计算的混合框架,用于通过胸部X光片和计算机断层扫描图像提高肺癌检测的准确性 本研究的创新点在于结合了深度学习和量子计算,提高了肺癌检测的速度、准确性和效率 NA 提高肺癌检测的准确性和效率 肺癌检测 计算机视觉 肺癌 深度学习 量子电路 图像 NA
423 2024-09-02
Bone Imaging of the Knee Using Short-Interval Delta Ultrashort Echo Time and Field Echo Imaging
2024-Aug-06, Journal of clinical medicine IF:3.0Q1
研究论文 本文介绍了使用短间隔δ超短回波时间(δUTE)、场回波(FE)和高分辨率深度学习重建(HR-DLR)三种技术进行膝关节直接骨磁共振成像的方法 δUTE技术能高信号强度地描绘皮质骨,而FE和FE HR-DLR技术能同时描绘皮质骨和骨小梁,且FE HR-DLR的信噪比和对比噪声比显著更高 目前尚无MRI技术能提供与CT完全相同的对比度 开发和评估用于膝关节骨评估的直接骨MRI技术 健康志愿者的膝关节 医学影像 NA 磁共振成像(MRI) 深度学习重建(DLR) 图像 5名健康志愿者(3名女性,平均年龄38 ± 17.2岁)
424 2024-09-02
An Interpretable System for Screening the Severity Level of Retinopathy in Premature Infants Using Deep Learning
2024-Aug-05, Bioengineering (Basel, Switzerland)
研究论文 本研究开发了一种可解释的人工智能系统,用于模拟临床筛查过程,评估早产儿视网膜病变(ROP)的严重程度 该系统遵循临床指南,通过整合病变类型、病变位置和加病存在来确定ROP的严重程度,提高了系统的透明度和解释性 NA 开发一种可解释的人工智能系统,用于评估早产儿视网膜病变的严重程度 早产儿视网膜病变(ROP)的严重程度 机器学习 NA 深度学习 对象检测模型 图像 6100张RetCam Ⅲ广角数字视网膜图像,来自520名PY患儿和81名ZOC患儿的3330张和2770张图像分别用于训练和验证
425 2024-09-02
Emotion Detection from EEG Signals Using Machine Deep Learning Models
2024-Aug-02, Bioengineering (Basel, Switzerland)
研究论文 本研究评估了使用机器学习和深度学习模型(特别是图卷积神经网络GCNN)对脑电图信号中的情绪(积极、消极和中性)进行分类的效果 本研究采用了图卷积神经网络GCNN,并在受试者依赖实验中达到了89.97%的平均准确率,显示出其在情绪检测中的潜力 尽管GCNN模型在情绪检测中表现出色,但其处理时间较长,这是由于算法固有的优化特性所致 评估机器学习和深度学习模型在脑电图信号情绪分类中的应用 脑电图信号中的情绪分类 机器学习 NA 脑电图(EEG) 图卷积神经网络(GCNN) 脑电图信号 使用了公开的SEED数据集(上海交通大学情绪脑电图数据集),通过中国情感电影的听觉和视觉刺激获得
426 2024-09-02
Neural general circulation models for weather and climate
2024-Aug, Nature IF:50.5Q1
研究论文 本文介绍了一种结合可微分求解器和机器学习组件的神经环流模型(GCM),用于天气和气候预测 该模型能够在确定性天气、集合天气和气候预测方面与最佳的机器学习和物理基础方法相媲美,并提供了显著的计算节省 该模型在扩展到显著不同的未来气候方面存在局限 探索和预测地球系统的大规模物理模拟 天气和气候预测 机器学习 NA 深度学习 神经环流模型(GCM) 气象数据 NA
427 2024-09-02
Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients
2024-Aug, Surgery IF:3.2Q1
研究论文 研究使用深度学习模型预测术后需要补充阿片类药物的手术患者 深度学习模型能够以高精度预测术后需要补充阿片类药物的患者,其他机器学习模型如随机森林也能达到相同效果 研究为回顾性研究,可能存在选择偏倚 探索深度学习模型在预测术后患者是否需要补充阿片类药物方面的应用 接受择期手术的患者 机器学习 NA 深度学习 深度学习模型,随机森林,极端梯度提升 文本 共9,731名患者,平均年龄62.1岁,51.4%为女性
428 2024-09-02
Evolution of Drug Development and Regulatory Affairs: The Demonstrated Power of Artificial Intelligence
2024-Aug, Clinical therapeutics IF:3.2Q2
综述 本文通过叙述性综述探讨了人工智能在药物开发及其监管过程中的应用 本文首次系统地整理和阐明了人工智能在药物开发和监管过程中的实际应用 目前文献中关于人工智能实际应用的证据不足,需要监管机构进一步制定适当的指导方针 探讨人工智能在药物开发和监管过程中的作用和影响 人工智能技术在药物开发和监管流程中的应用 机器学习 NA 机器学习、深度学习、自然语言处理和机器人流程自动化 NA NA NA
429 2024-08-07
Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence
2024-Aug, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2
NA NA NA NA NA NA NA NA NA NA NA NA
430 2024-09-02
Deep learning applied to dose prediction in external radiation therapy: A narrative review
2024-Aug, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3
综述 本文综述了深度学习在放射治疗剂量预测中的应用,描述了各种深度学习架构及其在体外放射治疗中的性能和未来发展 深度学习模型和架构的创新以及基于知识的个性化方法显著提高了剂量预测的准确性 NA 探讨深度学习在体外放射治疗中作为快速剂量计算或质量保证工具的应用 深度学习架构和模型在体外放射治疗中的应用 机器学习 NA 深度学习 CNN, LSTM, GAN, ... NA NA
431 2024-09-02
High Prevalence of Artifacts in Optical Coherence Tomography With Adequate Signal Strength
2024-Aug-01, Translational vision science & technology IF:2.6Q2
研究论文 本研究旨在调查具有可接受信号强度的光学相干断层扫描(OCT)图像中伪影的普遍性,并评估监督深度学习模型在提高OCT图像质量评估中的性能 研究展示了深度学习模型在准确分类OCT图像质量方面的潜力 仅依赖信号强度进行OCT图像质量评估存在局限性 调查OCT图像中伪影的普遍性并提高图像质量评估 4555张OCT图像,来自546名患者,每张图像信号强度≥6 计算机视觉 NA 光学相干断层扫描(OCT) 卷积神经网络(CNN) 图像 4555张OCT图像,来自546名患者
432 2024-09-02
Single-Trial Detection and Classification of Event-Related Optical Signals for a Brain-Computer Interface Application
2024-Aug-01, Bioengineering (Basel, Switzerland)
研究论文 本研究评估了神经网络方法在单次试验中对运动反应相关事件相关光学信号(EROS)的分类性能 首次探索了单次试验中EROS的分类能力,并展示了深度学习在具有高空间分辨率信号上的应用潜力 研究仅限于左右手反应的分类,且分类准确率平均为63% 评估神经网络方法在单次试验中对EROS的分类性能,以应用于脑机接口 事件相关光学信号(EROS)及其在脑机接口中的应用 脑机接口 NA NA 卷积神经网络(CNN) 光学信号 高密度记录装置覆盖运动皮层的数据
433 2024-09-01
Artificial Intelligence in Military Medicine
2024-Aug-30, Military medicine IF:1.2Q2
研究论文 本文探讨了人工智能在军事医学中的应用及其潜力和挑战 文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议,包括预测部队行为和预测部队自杀率的模型 尽管人工智能在军事医学中有巨大潜力,但其固有的风险和局限性需要仔细考虑和讨论 旨在揭示人工智能在军事医学中的应用,并推动其在军事健康和整体作战准备中的有效利用 人工智能在军事医学中的应用,包括临床效率支持、大规模战斗操作的分类和临床护理算法等 机器学习 NA 深度学习 生成式AI 数据集 NA
434 2024-09-01
Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation
2024-Aug-30, Biomedical physics & engineering express IF:1.3Q3
研究论文 本文评估了使用卷积神经网络(CNN)自动分割头颈部癌症PET/CT图像的方法,以提高分割质量和评估不确定性。 采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性,并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。 自动轮廓可能产生不现实的轮廓或遗漏相关结构,且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。 提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。 头颈部鳞状细胞癌患者的PET/CT图像。 计算机视觉 头颈部癌症 卷积神经网络(CNN) CNN 图像 两个患者队列,来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像(FDG-PET/CT)。
435 2024-09-01
Enhancing substance identification by Raman spectroscopy using deep neural convolutional networks with an attention mechanism
2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1
研究论文 本研究利用带有注意力机制的深度神经卷积网络改进拉曼光谱对危险化学物质的识别 引入基于ResNet架构的深度神经卷积网络和SE模块注意力机制,有效结合拉曼光谱的强度和位移特征,显著提升模型性能 研究主要关注小样本条件下的分类预测性能,未详细讨论大规模数据集的应用情况 提高拉曼光谱在有限数据情况下对危险化学物质的识别能力,并探索其在移动设备上的应用潜力 474种危险化学物质的拉曼光谱数据 机器学习 NA 拉曼光谱 CNN 光谱数据 59,468个光谱数据
436 2024-09-01
Predicting and screening high-performance polyimide membranes using negative correlation based deep ensemble methods
2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1
research paper 本研究利用基于负相关集成技术的深度学习方法预测和筛选高性能聚酰亚胺膜,提出了一种基于负相关深度集成方法的深度神经网络模型(DNN-NCL),用于预测聚酰亚胺结构的气体渗透性和选择性。 本研究提出的DNN-NCL模型在测试集上达到了约0.95的值,比近期模型性能提高了4%,并有效缓解了过拟合问题。 NA 探索利用深度学习方法在庞大的化学空间中寻找高性能气体分离膜的可行性。 聚酰亚胺膜的气体渗透性和选择性。 machine learning NA 深度学习 深度神经网络(DNN) 分子指纹 超过800万个假设聚合物
437 2024-09-01
Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs
2024-Aug-29, Odontology IF:1.9Q2
研究论文 本研究旨在开发两步深度学习模型,自动检测全景放射图像中的植入区域并识别多种类型的植入物 采用两步深度学习模型,结合YOLO v7和EfficientNet技术,实现对口腔植入物的自动检测和分类 模型B在Nobel的第二类植入物分类上性能略有不足 开发能够自动检测和识别全景放射图像中口腔植入物的深度学习模型 口腔植入物的检测与分类 计算机视觉 NA 深度学习 YOLO v7, EfficientNet 图像 1574张全景放射图像,包含3675个植入物
438 2024-09-01
Integrating deep learning architectures for enhanced biomedical relation extraction: a pipeline approach
2024-Aug-28, Database : the journal of biological databases and curation
研究论文 本文提出了一种增强的端到端管道方法,用于生物医学关系提取和新颖性检测,结合了现有的数据集和最新的深度学习方法 采用了BERT-based模型进行命名实体识别、关系提取和新颖性检测,以及卷积神经网络模型进行实体链接,并进行了广泛的参数调优以提高模型性能 尽管命名实体识别和实体链接模型的性能较高,但文档级别的关系提取和新颖性检测任务仍然具有挑战性 旨在通过集成深度学习架构来增强生物医学关系提取的效率和准确性 生物医学领域的科学出版物中的关系提取和新颖性检测 自然语言处理 NA BERT, 卷积神经网络 BERT-based模型, 卷积神经网络模型 文本 使用了BioRED基准语料库进行模型训练
439 2024-09-01
Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition
2024-Aug-28, BMC medical imaging IF:2.9Q2
NA NA NA NA NA NA NA NA NA NA NA NA
440 2024-09-01
Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method
2024-Aug-28, BMC bioinformatics IF:2.9Q1
研究论文 本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器,有效缓解了过拟合问题 NA 预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化,对蛋白质工程和药物设计具有重要意义 突变引起的蛋白质稳定性变化 机器学习 NA 自监督学习 图注意力网络,极端梯度提升模型 蛋白质结构 使用了大规模高分辨率的蛋白质结构数据集进行训练和测试
回到顶部