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 1174 篇文献,本页显示第 541 - 560 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
541 2024-08-27
The use of artificial neural networks in studying the progression of glaucoma
2024-08-23, Scientific reports IF:3.8Q1
研究论文 本文利用人工神经网络研究青光眼的发展过程,通过分析医疗记录中的数据来预测和辅助诊断 本文采用医疗记录数据而非图像处理,能够包含大量参数,突出其潜在影响 处理医疗记录数据较为困难 研究青光眼的发展过程,支持早期诊断和个性化治疗 青光眼患者 机器学习 眼科疾病 人工神经网络 神经网络 医疗记录 大量参数
542 2024-08-27
Evaluation of perceived urgency from single-trial EEG data elicited by upper-body vibration feedback using deep learning
2024-08-23, Scientific reports IF:3.8Q1
研究论文 本研究利用深度学习方法,从单次脑电图(EEG)数据中评估由上身振动反馈引起的感知紧迫性 引入了一种新的方法,通过结合2D卷积神经网络和时间卷积网络来捕捉脑电图的空间和时间特征,以评估感知紧迫性 提出的模型仅在 urgency-via-vibration 数据集上进行了测试,可能影响研究结果的泛化性 评估在关键通知期间由振动反馈引起的紧迫性水平 通过脑电图技术评估用户的认知状态 机器学习 NA 脑电图(EEG) 2D卷积神经网络和时间卷积网络 脑电图数据 涉及三个紧迫性类别(不紧急、紧急和非常紧急)的单次脑电图数据
543 2024-08-27
A novel image semantic communication method via dynamic decision generation network and generative adversarial network
2024-Aug-23, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新的图像语义通信模型,该模型结合了动态决策生成网络和生成对抗网络,以有效压缩传输图像并减少重建图像的失真 该模型通过语义编码和动态决策生成网络在发射端根据信道的信噪比选择特征,并在接收端通过生成器/解码器与判别器网络合作,通过对抗和感知损失提高图像重建质量 NA 解决图像语义通信中有效压缩传输图像和减少重建图像失真的挑战 图像语义通信模型 计算机视觉 NA 生成对抗网络 生成对抗网络 图像 使用CIFAR-10数据集进行实验
544 2024-08-27
MSH-DTI: multi-graph convolution with self-supervised embedding and heterogeneous aggregation for drug-target interaction prediction
2024-Aug-23, BMC bioinformatics IF:2.9Q1
研究论文 本文提出了一种名为MSH-DTI的深度学习模型,用于预测药物-靶点相互作用 模型采用自监督学习方法获取药物和靶点结构特征,并设计了异构交互增强特征融合模块进行多图构建,使用图卷积网络提取节点特征 现有DTI预测模型通常依赖有限的数据提取药物和靶点特征,且异构信息的整合常涉及简单的聚合和注意力机制 开发一种新的深度学习模型,以提高药物-靶点相互作用预测的准确性和全面性 药物-靶点相互作用 机器学习 NA 图卷积网络 CNN 图数据 使用DTINet数据集进行实验
545 2024-08-27
A hierarchical deep learning approach for diagnosing impacted canine-induced root resorption via cone-beam computed tomography
2024-Aug-23, BMC oral health IF:2.6Q1
研究论文 本研究使用深度学习方法自动评估通过锥束计算机断层扫描(CBCT)图像诊断犬齿诱导的根吸收(CIRR) 提出了分层深度学习方法,通过有限CBCT数据提高了CIRR诊断的准确性 需要更大样本量的未来研究来验证所提方法在医学图像分类任务中的有效性 利用深度学习自动评估CBCT图像中的CIRR诊断 犬齿诱导的根吸收(CIRR) 计算机视觉 口腔疾病 锥束计算机断层扫描(CBCT) 3D ResNet, 3D U-Net 图像 50个CBCT图像,176颗切牙
546 2024-08-27
Deep learning of multimodal networks with topological regularization for drug repositioning
2024-Aug-23, Journal of cheminformatics IF:7.1Q1
研究论文 本文介绍了一种名为STRGNN的新型图深度学习方法,用于通过包含蛋白质、RNA、代谢物和化合物的广泛多模态网络预测药物-疾病关系 STRGNN方法整合了包括转录组、蛋白质组和代谢组在内的全面多组学数据,并开发了一种具有拓扑正则化的学习算法,该算法能够选择性地利用信息模态并过滤冗余 NA 提高药物发现和再定位的计算技术 药物-疾病关系预测 机器学习 NA 深度学习 图深度学习 多组学数据 NA
547 2024-08-27
Analyzing the heterogenous effects of factors on high-range speeding likelihood of taxi speeders: Does explainable deep learning provides more insights than random parameter approach?
2024-Aug-23, Accident; analysis and prevention
研究论文 本研究比较了随机参数广义线性模型(GLM)和可解释深度学习方法在分析出租车超速可能性中因素异质效应的应用 首次比较了随机参数GLM与机器学习和深度学习方法在预测和解释出租车超速行为中的效果 研究主要集中在模型比较和解释性分析,未涉及实际交通管理策略的应用 评估和比较不同模型在分析出租车超速行为中因素异质效应的效果 出租车司机的超速行为及其影响因素 机器学习 NA 广义线性模型(GLM),可解释人工智能技术 Beta GLM with random parameters (BGLM-RP), XGBoost, Simple-CNN, DCNN, DCNN-SA NA 未明确提及具体样本数量
548 2024-08-27
AI-Driven Automated Lung Sizing from Chest Radiographs
2024-Aug-23, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1
研究论文 本研究利用深度学习和计算机视觉开发了一种自动化系统,用于从便携式胸部X光片中生成标准化的肺部尺寸测量,以提高准确性、减少变异性并简化供体/受体匹配 开发了一种两步框架,包括从胸部X光片中提取肺部掩膜和特征点检测,以生成六个不同的肺部高度和宽度测量,并与两位放射科医生的测量结果进行验证 需要在大规模队列中进行进一步验证 开发和验证一种自动化系统,用于从胸部X光片中准确测量肺部尺寸,以改善肺移植中的供体/受体匹配 肺移植受体的肺部尺寸测量 计算机视觉 肺移植 深度学习 NA 图像 50名肺移植受体
549 2024-08-27
Perspectives: Comparison of Deep Learning Segmentation Models on Biophysical and Biomedical Data
2024-Aug-14, ArXiv
PMID:39184539
研究论文 本文对生物物理和生物医学数据上的深度学习分割模型进行了综合比较 本文通过比较四种常用架构(卷积神经网络、U-Nets、视觉变换器和视觉状态空间模型),建立了确定每种模型最佳条件的标准 本文主要关注分割任务,并假设了生物物理实验中通常较小的训练数据集大小 为研究人员和从业者提供选择最适合特定应用的深度学习架构的实用指南 生物物理和生物医学数据上的深度学习分割模型 计算机视觉 NA 深度学习 卷积神经网络、U-Nets、视觉变换器、视觉状态空间模型 图像 小型训练数据集
550 2024-08-27
Recognition of Daily Activities in Adults With Wearable Inertial Sensors: Deep Learning Methods Study
2024-Aug-09, JMIR medical informatics IF:3.1Q2
研究论文 本研究利用可穿戴惯性传感器和深度学习技术,客观准确地评估成年人在日常活动中的表现 通过实施系统进行动态和非侵入性的运动监测,克服了传统方法在精确度和客观性上的局限 NA 使用创新技术客观准确地评估日常活动中的身体功能 成年人在日常活动中的身体功能 机器学习 NA 可穿戴惯性传感器 深度学习模型 传感器数据 53,165条活动记录,处理后为52,600条
551 2024-08-26
Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis
2024-Aug-24, Neuroradiology IF:2.4Q2
meta-analysis 本文通过系统综述和荟萃分析,评估了深度学习模型在听神经瘤分割中的准确性 填补了深度学习在听神经瘤自动分割领域的知识空白 NA 旨在提供关于当前应用于听神经瘤MR图像的深度学习算法状态的见解 听神经瘤的自动分割 machine learning NA deep learning NA image NA
552 2024-08-26
Enhancing colorectal cancer histology diagnosis using modified deep neural networks optimizer
2024-08-22, Scientific reports IF:3.8Q1
研究论文 本文提出了一种改进的Adagrad优化器SAdagrad,用于提高卷积神经网络在结直肠癌病理诊断中的性能 SAdagrad优化器避免了传统Adagrad在调整学习率方面的缺点,结合微调技术和权重衰减技术,提高了模型的准确性和稳定性 NA 提高结直肠癌病理诊断的准确性 结直肠癌病理图像 计算机视觉 结直肠癌 卷积神经网络 CNN 图像 Kather结直肠癌病理数据集
553 2024-08-26
A veracity dissemination consistency-based few-shot fake news detection framework by synergizing adversarial and contrastive self-supervised learning
2024-Aug-22, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于半监督对抗学习和自监督对比学习的新型少样本假新闻检测框架DetectYSF,通过协同对比自监督学习和对抗半监督学习,实现有限监督数据下的准确高效假新闻检测 DetectYSF框架结合了自监督对比学习和对抗半监督学习,通过邻近子图特征聚合算法引入新闻真实性传播一致性的外部监督信号,提高了假新闻检测的准确性 NA 开发和增强面向数据稀缺场景的假新闻检测方法 假新闻检测 自然语言处理 NA Transformer, 生成对抗网络(GAN), 多层感知机(MLP) BERT, RoBERTa 文本 有限监督数据
554 2024-08-26
Infection Inspection: using the power of citizen science for image-based prediction of antibiotic resistance in Escherichia coli treated with ciprofloxacin
2024-08-22, Scientific reports IF:3.8Q1
研究论文 本研究利用公民科学和图像特征分析来评估大肠杆菌对抗生素环丙沙星的耐药性 通过公民科学项目收集大量图像分类数据,并结合深度学习模型进行分析,以提高诊断方法的鲁棒性 用户图像分类准确率(66.8%)低于深度学习模型(75.3%),且在细胞特征与预期响应不一致时分类错误较多 开发快速诊断工具以应对抗生素耐药性的全球健康挑战 大肠杆菌对抗生素环丙沙星的耐药性 计算机视觉 NA 图像特征分析 深度学习模型 图像 5273名志愿者对来自五种大肠杆菌菌株的1,045,199张单细胞图像进行分类
555 2024-08-26
Artificial intelligence in COPD CT images: identification, staging, and quantitation
2024-Aug-22, Respiratory research IF:4.7Q1
综述 本文综述了人工智能(AI)在慢性阻塞性肺病(COPD)CT影像中的应用,包括识别、分期和量化 强调了AI在COPD诊断和管理中的创新应用,特别是在机器学习和深度学习方面 讨论了数据复杂性和AI在临床环境中整合的挑战 旨在全面理解AI在COPD诊断和管理中的当前状态和未来潜力 COPD的识别、分期和影像表型 计算机视觉 慢性阻塞性肺病 机器学习, 深度学习 NA 影像 NA
556 2024-08-26
Super-resolution reconstruction for early cervical cancer magnetic resonance imaging based on deep learning
2024-Aug-22, Biomedical engineering online IF:2.9Q3
研究论文 本研究旨在开发一种专门针对早期宫颈癌磁共振成像图像质量和高分辨率增强的超分辨率算法 采用创新的SR算法,结合复杂架构和深度卷积核,通过多输入模型训练匹配的输入图像对,显著提高了图像质量和分辨率 NA 开发适用于早期宫颈癌磁共振成像的超分辨率算法,以提高图像质量和分辨率 早期宫颈癌磁共振成像图像 计算机视觉 宫颈癌 深度学习 CNN 图像 两个不同放大因子的独立数据集
557 2024-08-26
Deep Learning With Ultrasound Images Enhance the Diagnosis of Nonalcoholic Fatty Liver
2024-Aug-22, Ultrasound in medicine & biology
研究论文 本研究旨在通过深度学习与超声图像提高非酒精性脂肪肝疾病的诊断准确性 引入了超声回声衰减系数和多普勒效应比率两个高级特征,并基于VGG16模型构建了多输入深度学习网络框架 NA 提高非酒精性脂肪肝疾病的诊断准确性,减少诊断者的专业能力和个人偏见的影响 非酒精性脂肪肝疾病的超声图像 计算机视觉 非酒精性脂肪肝 深度学习 卷积神经网络 图像 710张包含非酒精性脂肪肝疾病的超声图像
558 2024-08-26
A hybrid deep learning approach to solve optimal power flow problem in hybrid renewable energy systems
2024-Aug-21, Scientific reports IF:3.8Q1
研究论文 本文提出了一种结合深度强化学习与量子启发遗传算法的新型混合模型,用于解决混合可再生能源系统中的最优潮流问题 该研究引入深度强化学习与量子启发遗传算法的结合,有效提高了全局搜索能力和适应实时环境的能力 文章未明确提及具体限制 确保电压稳定性,最小化功率损耗和燃料成本 混合可再生能源系统中的最优潮流问题 机器学习 NA 深度强化学习 DRL-QIGA 系统数据 使用修改后的IEEE 30总线系统进行实验评估
559 2024-08-26
Context-embedded hypergraph attention network and self-attention for session recommendation
2024-Aug-21, Scientific reports IF:3.8Q1
研究论文 本文提出了一种名为C-HAN的新型会话推荐模型,该模型包含上下文嵌入的超图注意力网络和自注意力两个并行模块,旨在捕捉项目间的内在一致性和顺序依赖性 C-HAN模型引入了不同类型的交互上下文以增强模型的上下文感知能力,并通过软注意力机制有效整合两种类型的信息 NA 解决会话推荐中用户意图建模的挑战,特别是在短历史序列中有限证据的情况下 会话推荐中的用户意图建模 机器学习 NA 超图注意力网络,自注意力机制 C-HAN 序列数据 三个真实世界数据集
560 2024-08-26
Phosphorus prediction in the middle reaches of the Yangtze river based on GRA-CEEMDAN-CNLSTM-DBO
2024-Aug-21, Scientific reports IF:3.8Q1
研究论文 本研究通过集成先进的建模技术,旨在提高长江中游总磷(TP)浓度的预测准确性 提出了GRA-CEEMDAN-CN1D-LSTM-DBO模型,该模型在预测TP浓度方面显著优于传统的BP、LSTM和GRU模型 随着与大坝距离的增加,预测精度逐渐下降,表明三峡大坝运营对下游TP浓度的影响减弱 提高长江中游总磷浓度的预测准确性,为洪水季节的动态水位控制提供有价值的见解 长江中游的总磷浓度 机器学习 NA Grey Relational Analysis (GRA) CN1D-LSTM-DBO 水质量参数数据 使用了三峡水库(TGR)的运营和排放数据,以及下游河段的水质参数
回到顶部