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 801 - 820 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
801 2024-08-14
CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis
2024-Aug-13, Analytical chemistry IF:6.7Q1
研究论文 本文开发了一种基于CRISPR/Cas13a增强的光电流极性开关光电化学生物传感器,结合深度学习技术用于癌症诊断中的双长非编码RNA(lncRNA)联合检测 首次将CRISPR/Cas13a技术与光电化学生物传感器结合,实现高灵敏度和高特异性的双lncRNA检测,并利用深度学习模型提高癌症诊断的准确性 NA 开发一种新型生物传感器,用于癌症早期诊断中的双lncRNA联合检测 长非编码RNA(lncRNA)HOTAIR和MALAT1 生物传感器 癌症 CRISPR/Cas13a, 深度学习 深度学习模型 生物数据 NA
802 2024-08-14
Deep Learning with Pretrained Framework Unleashes the Power of Satellite-Based Global Fine-Mode Aerosol Retrieval
2024-Aug-13, Environmental science & technology IF:10.8Q1
研究论文 提出一种预训练深度学习框架,用于从卫星数据中提取细模态气溶胶光学厚度(fAOD)信息,以提高气候研究的准确性 该框架能够从每个卫星像素中提取潜在信息,生成新的特征,提高无实地数据区域的检索精度,并减少了全球趋势的过高估计 NA 提高细模态气溶胶光学厚度(fAOD)的检索准确性,改善气候研究 细模态气溶胶光学厚度(fAOD)及其在全球气候变化中的作用 机器学习 NA 深度学习 深度学习框架 卫星数据 2001年至2020年的全球fAOD数据
803 2024-08-14
Rational Design of Deep Learning Networks Based on a Fusion Strategy for Improved Material Property Predictions
2024-Aug-13, Journal of chemical theory and computation IF:5.7Q1
研究论文 本文通过引入化学环境聚类向量(CECV)反馈方法,设计了一种融合长短期记忆网络和门控循环单元与深度卷积神经网络(L-G-DCNN)的深度学习模型,用于改进材料性质预测 开发了基于物理洞察的化学环境聚类向量(CECV)反馈方法,并设计了L-G-DCNN模型,该模型在28个基准数据集上超越了现有最先进的结构不可知模型 NA 改进材料科学中深度学习模型的设计,提高材料性质预测的准确性和效率 材料性质预测的深度学习模型设计 机器学习 NA 深度学习 L-G-DCNN 数据集 28个基准数据集
804 2024-08-14
MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space
2024-Aug-13, Journal of neural engineering IF:3.7Q2
研究论文 本文提出了一种名为MRGazer的框架,用于从个体空间的功能磁共振成像(fMRI)数据中预测眼球注视点 MRGazer框架跳过了fMRI的共配准步骤,简化了处理流程,并实现了端到端的眼球注视回归 NA 开发一种高效、简单且准确的深度学习框架,用于从fMRI数据中预测眼球运动 眼球注视点的预测 机器学习 NA 功能磁共振成像(fMRI) 残差网络 图像 具体样本数量未在摘要中提及
805 2024-08-14
The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma
2024-Aug-13, Journal of imaging informatics in medicine
研究论文 评估低千电子伏特虚拟单色对比增强计算机断层扫描(CT)结合深度学习图像重建(DLIR)技术在改善胰腺导管腺癌(PDAC)描绘中的有用性 深度学习图像重建(DLIR)技术在40千电子伏特虚拟单色成像(VMI)中显著提高了对比噪声比(CNR)和病变显著性评分,优于传统的混合迭代重建(HIR) 研究为回顾性评估,样本量较小,且依赖于两位放射科医生的主观评分 评估DLIR技术在改善PDAC描绘中的效果 胰腺导管腺癌(PDAC)的描绘 计算机视觉 胰腺癌 深度学习图像重建(DLIR) NA 图像 35名PDAC患者
806 2024-08-14
Deep learning models for separate segmentations of intracerebral and intraventricular hemorrhage on head CT and segmentation quality assessment
2024-Aug-12, Medical physics IF:3.2Q1
研究论文 本研究开发了一种用于脑内出血(ICH)和脑室内出血(IVH)分割的深度学习模型REUnet,并进行了外部验证和分割质量评估 提出的REUnet模型在ICH和IVH分割中表现优于其他模型,并首次提供了IVH分割质量评估方法 NA 开发一种稳健的深度学习模型,用于ICH和IVH的分割,并提供IVH分割质量评估 脑内出血(ICH)和脑室内出血(IVH)的分割 计算机视觉 脑血管疾病 深度学习 REUnet CT图像 训练和内部验证使用977张CT图像,外部测试使用375张CT图像
807 2024-08-14
The impact of introducing deep learning based [18F]FDG PET denoising on EORTC and PERCIST therapeutic response assessments in digital PET/CT
2024-Aug-10, EJNMMI research IF:3.1Q1
研究论文 本文评估了基于深度学习的[18F]FDG PET去噪技术SubtlePET™对EORTC和PERCIST治疗反应评估的临床影响。 使用深度学习AI技术对[18F]FDG PET图像进行去噪,并评估其对治疗反应评估的影响。 研究仅涉及110名患者,且仅评估了两种PET图像比较方法的临床满意度。 评估基于深度学习的[18F]FDG PET去噪技术在肿瘤治疗反应评估中的临床应用。 110名接受标准数字[18F]FDG PET/CT检查的患者。 数字病理学 肿瘤 深度学习 NA 图像 110名患者
808 2024-08-14
Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study
2024-Aug-10, Cardiovascular diabetology IF:8.5Q1
研究论文 本文研究使用人工智能技术基于糖尿病患者的视网膜图像进行心脏自主神经病变(CAN)的分类 首次探讨了利用人工智能分析视网膜图像作为CAN诊断方法的可行性 研究为单中心观察性研究,结果需在更广泛的人群中验证 探索人工智能在视网膜图像中识别心脏自主神经病变的诊断能力 糖尿病患者的心脏自主神经病变 计算机视觉 糖尿病 深度学习 ResNet 18, ResWide 50 图像 2275张视网膜图像来自229名患者
809 2024-08-14
Evaluation of deep learning for predicting rice traits using structural and single-nucleotide genomic variants
2024-Aug-10, Plant methods IF:4.7Q1
研究论文 研究使用深度学习方法结合结构和单核苷酸基因组变异来预测水稻性状 首次探讨了深度学习网络在使用结构基因组变异和单核苷酸多态性作为遗传标记时的性能 研究主要集中在水稻上,可能需要进一步验证在其他作物中的适用性 探索结合结构基因组变异和单核苷酸多态性是否能提高水稻性状预测的准确性,并比较深度学习网络与贝叶斯线性模型的性能 水稻的性状预测 机器学习 NA 深度学习 多层感知器和卷积神经网络 基因组变异数据 涉及87%的复杂性状案例和75%的研究案例
810 2024-08-14
Two-stage deep neural network for diagnosing fungal keratitis via in vivo confocal microscopy images
2024-08-08, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于活体共聚焦显微镜图像的深度学习框架,用于诊断真菌性角膜炎,辅助眼科医生进行诊断 本研究采用了两阶段深度神经网络架构,结合图像级和序列级信息进行诊断预测,并收集了迄今为止最大的96,632张活体共聚焦显微镜图像数据集 NA 开发一种辅助眼科医生诊断真菌性角膜炎的深度学习框架 真菌性角膜炎的诊断 计算机视觉 眼科疾病 活体共聚焦显微镜(IVCM) 深度神经网络 图像 96,632张活体共聚焦显微镜图像
811 2024-08-14
A deep learning model for anti-inflammatory peptides identification based on deep variational autoencoder and contrastive learning
2024-08-08, Scientific reports IF:3.8Q1
研究论文 本研究提出了一种基于变分自编码器和对比学习的深度学习模型DAC-AIPs,用于准确识别抗炎肽 采用多热编码捕获更丰富的序列信息,并通过变分推理增强潜在特征的表示能力,引入对比学习提高模型的分类能力 NA 开发更先进的计算模型用于识别抗炎肽 抗炎肽的识别 机器学习 NA 变分自编码器,对比学习 CNN 序列 未具体说明
812 2024-08-14
Deep learning-based automated angle measurement for flatfoot diagnosis in weight-bearing lateral radiographs
2024-08-08, Scientific reports IF:3.8Q1
研究论文 本研究旨在开发和评估一种基于深度学习的系统,用于在负重侧位足部X光片中自动测量角度(特别是Meary角和跟骨倾斜角),以诊断扁平足 本研究开发了一种基于深度学习的自动角度测量系统,用于扁平足诊断,该系统在所有测试案例中与临床专家评估的结果高度一致 研究排除了接受过全踝关节置换手术或踝关节融合手术的患者,可能影响结果的普遍性 开发和评估基于深度学习的自动角度测量系统,用于扁平足诊断 负重侧位足部X光片中的Meary角和跟骨倾斜角 机器学习 NA 深度学习 NA 图像 3960张侧位X光片,来自4000名患者
813 2024-08-14
Examining the challenges of blood pressure estimation via photoplethysmogram
2024-08-07, Scientific reports IF:3.8Q1
研究论文 本文分析了使用光电容积脉搏波(PPG)预测血压的任务,并提出了一套工具来评估PPG信号是否是血压的良好预测指标 提出了新的工具来评估PPG信号与血压之间的关联性,并提供了对现有研究中数据泄露和不切实际约束的批判性分析 文章指出,使用PPG预测血压存在高多值映射因子和低互信息的问题,表明这一方法的预测能力有限 研究使用PPG信号预测血压的可行性和准确性 PPG信号和血压之间的关系 生物医学工程 心血管疾病 深度学习 NA 传感器数据 具体样本数量未在摘要中提及
814 2024-08-14
Accuracy of thoracic nerves recognition for surgical support system using artificial intelligence
2024-08-07, Scientific reports IF:3.8Q1
研究论文 开发了一种利用人工智能(AI)可视化重要显微解剖结构的手术支持系统,并评估其在肺癌手术中识别胸神经的准确性 使用深度学习创建识别模型,并通过Dice指数和Jaccard指数进行计算评估 运动平滑度(3.2 ± 0.4)略有差异 评估AI手术支持系统在识别胸神经方面的准确性 胸神经识别的准确性及AI系统与手术监视器在时间延迟、图像质量和运动平滑度方面的差异 计算机视觉 肺癌 深度学习 NA 图像 10例胸腔镜肺癌手术
815 2024-08-14
Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound
2024-Aug, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3
研究论文 本研究利用深度学习方法区分超声图像中的黄色肉芽肿性胆囊炎和胆囊癌 本研究采用先进的深度学习模型GBCNet和RadFormer,与传统深度学习模型和放射科医生相比,在区分黄色肉芽肿性胆囊炎和胆囊癌方面表现出更好的性能 本研究为单中心研究,样本量相对较小 利用深度学习技术提高黄色肉芽肿性胆囊炎和胆囊癌在超声图像中的区分准确性 黄色肉芽肿性胆囊炎和胆囊癌患者 计算机视觉 胆囊疾病 深度学习 CNN, transformer 图像 25名黄色肉芽肿性胆囊炎患者和55名胆囊癌患者
816 2024-08-14
Applications of artificial intelligence in biliary tract cancers
2024-Aug, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3
综述 本文综述了人工智能在胆道癌诊断和预后中的应用 探讨了深度学习在医学影像中的应用,以提高诊断性能 NA 旨在改善胆道癌的诊断和预后 胆道癌,包括胆管癌和胆囊癌 机器学习 胆道癌 深度学习 NA 影像 NA
817 2024-08-14
BioEncoder: A metric learning toolkit for comparative organismal biology
2024-Aug, Ecology letters IF:7.6Q1
研究论文 介绍了一种名为BioEncoder的度量学习工具包,用于解决生物图像分析中深度学习方法面临的挑战 BioEncoder通过关注个体数据点之间的关系而不是类的可分离性,克服了传统深度学习方法在处理大型生物多样性数据集时的局限 NA 开发一种新的工具包,以简化复杂的深度学习流程并促进其在生物学研究中的实际应用 生物图像分析中的深度学习方法 计算机视觉 NA 深度学习 度量学习 图像 NA
818 2024-08-13
Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity
2024-Aug-15, NeuroImage IF:4.7Q1
研究论文 本研究通过人工智能技术解析功能连接性,以区分急性意识丧失的不同原因 首次开发了针对特定意识丧失原因的特征性功能连接变化的人工智能诊断模型 NA 提高对急性意识丧失原因的诊断准确性,从而选择合适的治疗策略 急性意识丧失的不同原因,如非惊厥性癫痫持续状态、代谢性脑病和苯二氮卓中毒 机器学习 NA 功能连接性分析 卷积神经网络 (CNN) 脑电图 (EEG) 数据 使用20秒的EEG数据段进行分类
819 2024-08-13
Brain age prediction using interpretable multi-feature-based convolutional neural network in mild traumatic brain injury
2024-Aug-15, NeuroImage IF:4.7Q1
研究论文 本文利用大规模异质数据集,构建了一个可解释的3D组合卷积神经网络模型,用于预测健康个体和轻度创伤性脑损伤患者的脑龄,并通过精细的人类脑网络图谱进行基于图谱的遮挡分析,揭示了年龄分层的贡献脑区。 本文创新性地使用了多特征输入的3D卷积神经网络模型,并引入了基于精细人类脑网络图谱的遮挡分析方法,提高了脑龄预测的准确性和可解释性。 NA 研究目的是开发一个可解释的深度学习框架,以准确预测健康个体和轻度创伤性脑损伤患者的脑龄。 研究对象包括健康对照组和轻度创伤性脑损伤患者。 计算机视觉 创伤性脑损伤 卷积神经网络 (CNN) CNN MRI图像 1464个样本
820 2024-08-13
Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space
2024-Aug-15, NeuroImage IF:4.7Q1
研究论文 本研究提出了一种基于深度学习的自监督框架,用于在阿尔茨海默病中解构复杂的萎缩特征,通过潜在空间表示来捕捉疾病的异质性 该方法通过特征工程、分类和聚类的整合,有效地解构了阿尔茨海默病的异质性,并在潜在空间中揭示了疾病进展和亚型的核心维度 NA 旨在通过深度学习方法解构阿尔茨海默病的异质性,并揭示其内在的萎缩模式和临床特征 阿尔茨海默病的异质性和萎缩模式 机器学习 阿尔茨海默病 深度学习 潜在空间表示 图像 NA
回到顶部