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 621 - 640 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
621 2024-08-07
FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum
2024-Aug-01, The journal of trauma and acute care surgery IF:2.9Q1
NA NA NA NA NA NA NA NA NA NA NA NA
622 2024-08-24
Predicting tumor mutation burden and VHL mutation from renal cancer pathology slides with self-supervised deep learning
2024-Aug, Cancer medicine IF:2.9Q2
研究论文 本文开发了一种自监督注意力基础的多实例学习(SSL-ABMIL)模型,用于从肾癌病理切片中预测肿瘤突变负荷(TMB)和VHL突变状态 首次使用自监督学习方法从病理图像中预测TMB和VHL突变,展示了肿瘤形态学与分子生物学之间的联系 研究仅限于肾透明细胞癌(ccRCC),且依赖于特定数据集 开发一种新模型以从病理图像中预测TMB和VHL突变,提高临床应用性 肾透明细胞癌患者的病理图像和突变数据 数字病理学 肾癌 自监督学习 SSL-ABMIL 图像 350名肾透明细胞癌患者用于模型开发,163名患者用于外部验证
623 2024-08-24
Artificial Intelligence Models Are Limited in Predicting Clinical Outcomes Following Hip Arthroscopy: A Systematic Review
2024-Aug-01, JBJS reviews IF:1.7Q2
DOI:e24.00087 PMID:39172870
系统综述 本文通过系统综述评估了人工智能模型在髋关节镜术后临床结果预测中的表现和有效性 探讨了人工智能在髋关节镜术后临床结果预测中的应用 所有模型均未进行外部验证,限制了其临床应用 评估人工智能模型在髋关节镜术后临床结果预测中的表现和有效性 髋关节镜术后的临床结果预测模型 机器学习 NA 机器学习 NA NA 6568例
624 2024-08-23
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology IF:21.7Q1
研究论文 本研究开发并验证了一种基于人工智能的心电图(AI-ECG)模型,用于预测先天性心脏病患者的双心室功能障碍和扩张 首次在先天性心脏病领域探索了AI-ECG分析的应用 模型在功能性单心室患者中的表现最差 开发并验证一种AI-ECG模型,以预测先天性心脏病患者的双心室功能障碍和扩张 先天性心脏病患者的双心室功能障碍和扩张 机器学习 先天性心脏病 卷积神经网络 CNN 心电图和心血管磁共振成像 内部和外部验证分别包括8,584对心电图-心血管磁共振成像和909对心电图-心血管磁共振成像
625 2024-08-23
Algorithm prediction of single particle irradiation effect based on novel TFETs
2024-Aug-22, Nanotechnology IF:2.9Q2
研究论文 本文构建了一个深度学习算法网络模型,用于预测隧道场效应晶体管(TFET)器件的单粒子辐照效应的关键表征参数 本文采用深度学习算法,相较于五种传统机器学习方法,显示出最佳性能和最小的平均误差百分比 NA 预测隧道场效应晶体管器件的单粒子辐照效应 隧道场效应晶体管器件的单粒子辐照效应 机器学习 NA 计算机辅助设计(TCAD) 深度学习算法 电流脉冲峰值和收集电荷 NA
626 2024-08-23
Boosting-Crystal Graph Convolutional Neural Network for Predicting Highly Imbalanced Data: A Case Study for Metal-Insulator Transition Materials
2024-Aug-21, ACS applied materials & interfaces IF:8.3Q1
研究论文 本文介绍了一种深度学习框架,用于预测金属-绝缘体转变(MIT)材料中的少数类材料 提出的boosting-CGCNN方法结合了晶体图卷积神经网络(CGCNN)和梯度提升算法,有效处理了MIT材料数据中的极端类别不平衡问题 NA 解决材料科学中不平衡数据集的预测问题 金属-绝缘体转变(MIT)材料 机器学习 NA 晶体图卷积神经网络(CGCNN) 卷积神经网络(CNN) 材料数据 NA
627 2024-08-23
Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer
2024-Aug-21, Journal of magnetic resonance imaging : JMRI IF:3.3Q1
研究论文 本研究通过结合多参数磁共振成像(mp-MRI)和临床因素,开发了一种深度学习放射组学模型,用于评估非肌肉浸润性膀胱癌(NMIBC)的5年复发风险 本研究首次将多参数磁共振成像与深度学习放射组学结合,提高了非肌肉浸润性膀胱癌5年复发风险评估的准确性 本研究为回顾性研究,样本量相对较小,需要进一步的前瞻性研究验证模型的有效性 研究目的是探讨结合多参数磁共振成像和临床因素是否能改善非肌肉浸润性膀胱癌的5年复发风险评估 研究对象为191名接受多参数磁共振成像检查并进行至少5年随访的非肌肉浸润性膀胱癌患者 数字病理学 膀胱癌 多参数磁共振成像(mp-MRI) 深度学习(DL) 图像 191名患者,分为训练组115人,验证/测试组各38人
628 2024-08-23
Semi-supervised abdominal multi-organ segmentation by object-redrawing
2024-Aug-21, Medical physics IF:3.2Q1
研究论文 本文提出了一种半监督学习方法,通过对象重绘网络来提高腹部多器官分割的准确性 引入了一种新的半监督学习方法,通过重绘网络来纠正分割错误并提高准确性 依赖于有限的标记数据,且需要高质量的未标记数据来提升性能 解决现有半监督学习方法在腹部多器官分割中的局限性 腹部多器官的自动分割 计算机视觉 NA 深度学习 神经网络 图像 使用了两个公开数据集:BTCV分割数据集(训练:44,验证:6)和AMOS挑战2022数据集(训练:138,验证:16)
629 2024-08-23
Enhanced IDOL segmentation framework using personalized hyperspace learning IDOL
2024-Aug-21, Medical physics IF:3.2Q1
研究论文 本文介绍了一种个性化超空间学习(PHL)-IDOL分割框架,用于自动分割医学图像,以改善适应性放射治疗(ART)工作流程。 引入个性化超空间学习(PHL)-IDOL框架,能够生成诱导模型过度拟合特定患者特征的数据集,从而提高分割性能。 先前IDOL框架的局限性在于个性化数据集不足以有效过度拟合模型。 开发一种新的自动分割框架,以解决临床环境中深度学习分割方法实施的挑战。 医学图像分割,特别是适应性放射治疗中的实时或在线工作流程。 数字病理学 NA 深度学习 IDOL 图像 训练数据包括100名患者的CT图像和临床轮廓,测试数据包括20名患者。
630 2024-08-23
A correspondence of evaluation of deep learning algorithms in detecting Moyamoya disease: a systematic review and single-arm meta-analysis
2024-Aug-21, Neurosurgical review IF:2.5Q1
NA NA NA NA NA NA NA NA NA NA NA NA
631 2024-08-23
Deep learning applications for quantitative and qualitative PET in PET/MR: technical and clinical unmet needs
2024-Aug-21, Magma (New York, N.Y.)
研究论文 本文综述了深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求,重点包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成 提出了基于深度学习的衰减校正、图像增强、运动校正等方法,并探讨了使用蒙特卡洛模拟生成大量数据集的可能性 深度学习在儿科全身PET/MR和肺部特定衰减校正的应用受限于数据短缺和技术限制;图像增强的临床价值尚未在多种放射性示踪剂中得到充分评估;运动校正需要成对的运动损坏和校正数据,但这类数据稀缺 探讨深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求,并寻找解决方案 深度学习在PET/MR中的应用,包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成 机器学习 NA 深度学习 NA 图像 NA
632 2024-08-23
KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-disease Association Prediction
2024-Aug-21, IEEE/ACM transactions on computational biology and bioinformatics
研究论文 本文提出了一种基于知识图谱的递归和注意力聚合模型KGRACDA,用于预测circRNA与疾病之间的关联 该模型结合了图的显式结构特征和隐式嵌入信息,通过递归方法构建多跳子图并优化图注意力机制,有效挖掘了circRNA-疾病关联的局部深度信息 NA 旨在提高circRNA-疾病关联预测的准确性 circRNA与疾病之间的关联 生物信息学 NA 知识图谱 注意力机制 图数据 大规模多源异构数据集
633 2024-08-23
Parallel convolutional contrastive learning method for enzyme function prediction
2024-Aug-21, IEEE/ACM transactions on computational biology and bioinformatics
研究论文 本文提出了一种并行卷积对比学习(PCCL)方法用于酶功能预测 结合卷积神经网络(CNN)和对比学习,提高了多功能酶预测的精确度,并能更好地处理类别不平衡问题 NA 提高酶功能预测的精确度 酶功能预测 机器学习 NA 卷积神经网络(CNN) CNN 蛋白质序列 NA
634 2024-08-23
Unsupervised Non-rigid Histological Image Registration Guided by Keypoint Correspondences Based on Learnable Deep Features with Iterative Training
2024-Aug-21, IEEE transactions on medical imaging IF:8.9Q1
研究论文 本文提出了一种基于可学习深度特征和迭代训练的无监督非刚性组织学图像配准网络,该网络利用关键点对应关系进行指导 引入固定深度特征和可学习深度特征作为关键点描述符,通过迭代训练策略优化学习深度特征,有效解决局部非刚性大位移问题 NA 开发一种新的无监督非刚性组织学图像配准方法 非刚性组织学图像的配准 数字病理学 NA 深度学习 CNN 图像 NA
635 2024-08-23
An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping
2024-Aug-19, Biomedical physics & engineering express IF:1.3Q3
研究论文 本文介绍了一种使用深度学习模型从内部颈动脉(ICA)进行部分体积(PV)校正的非侵入性计算方法,以推导出血输入函数,从而无需侵入性动脉采样 提出了一种端到端的深度学习管道,包括基于3D U-Net的ICA-net用于ICA分割和基于循环神经网络(RNN)的MCIF-net用于推导带有PV校正的模型校正血输入函数(MCIF) NA 开发一种非侵入性的方法来推导出血输入函数,以提高动态2-[18F]氟-2-脱氧-D-葡萄糖正电子发射断层扫描(dFDG-PET)的临床应用 人类大脑的dFDG-PET扫描 计算机视觉 NA 深度学习 3D U-Net, RNN 图像 50个人类大脑FDG PET扫描
636 2024-08-23
Effective lane detection on complex roads with convolutional attention mechanism in autonomous vehicles
2024-Aug-19, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于卷积注意力机制的车道检测方法,用于在复杂路况和极端天气条件下提高自动驾驶车辆的车道检测准确性 引入卷积注意力机制(LD-CAM)模型,通过编码器、增强卷积块注意力模块(E-CBAM)和解码器结构,提高了在恶劣路况和极端天气条件下的车道检测性能 NA 开发一种在复杂路况和极端天气条件下有效进行车道检测的方法,以提高自动驾驶车辆的安全性和可靠性 自动驾驶车辆中的车道检测技术 计算机视觉 NA 卷积注意力机制(LD-CAM) 卷积神经网络(CNN) 图像 使用了三个数据集:Tusimple(不同天气条件图像)、Curve Lanes(不同曲线车道图像)和Cracks and Potholes(损坏道路图像)
637 2024-08-23
Deep learning based uterine fibroid detection in ultrasound images
2024-Aug-19, BMC medical imaging IF:2.9Q2
研究论文 本文提出了一种基于注意力机制的Fine-tuned EfficientNetB0模型,用于从超声图像中分类子宫肌瘤 采用注意力机制使模型能够专注于图像的特定部分,提高分类的准确性 需要进一步提高诊断技术的准确性和效率,并在不同人群中评估其有效性 开发一种新的方法来早期检测子宫肌瘤,以预防并发症 子宫肌瘤的超声图像分类 计算机视觉 妇科疾病 NA EfficientNetB0 图像 1990张图像,分为两类:非子宫肌瘤和子宫肌瘤
638 2024-08-23
Multi-class segmentation of temporomandibular joint using ensemble deep learning
2024-08-16, Scientific reports IF:3.8Q1
研究论文 本文开发了一种基于深度学习的模型,用于自动分割颞下颌关节的组成部分,包括颞骨、盘和髁突 本文采用集成学习方法,结合五个独立模型,提高了颞下颌关节自动分割的准确性 NA 提高颞下颌关节疾病的诊断准确性 颞下颌关节的组成部分,包括颞骨、盘和髁突 计算机视觉 颞下颌关节疾病 深度学习 集成模型 磁共振图像 3693张磁共振图像,来自542名患者
639 2024-08-23
Quantifying brain-functional dynamics using deep dynamical systems: Technical considerations
2024-Aug-16, iScience IF:4.6Q1
研究论文 本研究通过分析使用深度学习模型从fMRI数据中生成脑功能动力学的挑战,探讨了其在精神分裂症和重度抑郁症患者分类中的影响 本研究展示了深度学习模型在参数优化过程中倾向于识别功能上独特的解决方案 深度学习模型在个体层面的应用面临计算挑战,影响下游预测的可重复性和临床实用性 指导未来针对精神疾病可重复生物标志物的个体级别生成模型和类似机器学习方法的开发 精神分裂症和重度抑郁症患者 机器学习 精神疾病 fMRI 深度学习模型 fMRI数据 未明确提及具体样本数量
640 2024-08-23
Diagnostic performance of EfficientNetV2-S method for staging liver fibrosis based on multiparametric MRI
2024-Aug-15, Heliyon IF:3.4Q1
研究论文 本研究利用EfficientNetV2-S深度学习框架,基于多参数磁共振成像(MRI)开发了用于肝纤维化分期的无创预测模型 EfficientNetV2-S模型因其更快的训练速度和更好的参数效率,相较于其他模型,提高了肝纤维化预测的训练效率 NA 开发基于EfficientNetV2-S框架的无创预测模型,用于肝纤维化的分期 慢性肝病患者的多参数腹部MRI图像 机器学习 肝病 多参数磁共振成像(MRI) EfficientNetV2-S 图像 回顾性研究中包括了慢性肝病患者
回到顶部