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 981 - 1000 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
981 2024-08-07
Coot-Lion optimized deep learning algorithm for COVID-19 point mutation rate prediction using genome sequences
2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3
研究论文 本研究使用基于狮子算法的Coot算法优化深度量子神经网络来预测COVID-19突变率 引入基于狮子算法的Coot算法和深度量子神经网络的新方法来提高COVID-19突变率预测的准确性 研究未提及样本数量的具体情况和其他可能影响预测的因素 旨在利用基因组序列预测COVID-19的突变率 研究对象为COVID-19的基因组序列 机器学习 COVID-19 深度量子神经网络 深度量子神经网络 基因组序列 NA
982 2024-08-07
A comprehensive review on heart disease prognostication using different artificial intelligence algorithms
2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3
review 本文综合评述了使用不同人工智能算法进行心脏疾病预后预测的研究 提出了人工智能技术在心脏疾病预测中的应用,比较分析了多种现有算法的优缺点 未提供具体的算法性能数据及其在实际应用中的限制 探讨不同人工智能算法在心脏疾病预后中的应用与效果 对多种人工智能算法及其应用于心脏疾病预测的研究进行综述 机器学习 心脏病 人工智能(AI),机器学习(ML),深度学习(DL) NA 历史数据 NA
983 2024-08-06
Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer
2024-Aug, Abdominal radiology (New York)
研究论文 本研究探讨了深度学习加速的单次呼吸保持T2加权MR成像在胃癌成像中的图像质量、效率和诊断表现 该文章创新性地展示了深度学习加速成像在减少扫描时间和提高图像质量方面的优势 研究中主要关注了与BLADE-T2WI的比较,未涉及其他成像技术 研究旨在评估深度学习加速的T2加权MR成像对于胃癌诊断的效果 研究对象为112例接受胃部MRI的胃癌患者 数字病理学 胃癌 深度学习加速成像 NA 图像 112名胃癌患者
984 2024-08-04
Preoperative prediction of microvascular invasion risk in hepatocellular carcinoma with MRI: peritumoral versus tumor region
2024-Aug-01, Insights into imaging IF:4.1Q1
研究论文 本文探索了肝细胞癌中肿瘤及多个周围肿瘤区域在动态对比增强磁共振成像(MRI)上的预测性能 提出了20毫米周围肿瘤区域在预测微血管侵犯(MVI)级别方面的重要性,优于肿瘤区域 样本量较小,可能影响研究结果的普遍性 开发一个基于MRI的术前微血管侵犯风险预测模型 147例经手术诊断为肝细胞癌的患者 数字病理学 肝细胞癌 动态对比增强磁共振成像(MRI) 极端梯度提升(XGBoost) 医学成像 147名肝细胞癌患者,训练集117名,测试集30名
985 2024-08-04
Integrating MRI-based radiomics and clinicopathological features for preoperative prognostication of early-stage cervical adenocarcinoma patients: in comparison to deep learning approach
2024-Aug-01, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1
研究论文 本文旨在探讨MRI基础的放射组学和临床病理特征在宫颈腺癌患者术前预后中的作用 本文首次评估了MRI基础放射组学与深度学习方法在宫颈腺癌中的预后预测能力 本研究的样本量较小,可能影响预测模型的广泛适用性 开发基于MRI放射组学和临床特征的预后预测模型 197名宫颈腺癌患者的临床和病理信息 数字病理学 宫颈癌 MRI,支持向量机(SVM),卷积神经网络(CNN) 随机森林(RF),支持向量机(SVM),卷积神经网络(CNN) 影像,临床数据 197名宫颈腺癌患者和56名用于独立验证的患者
986 2024-08-04
Exploring the deep learning of artificial intelligence in nursing: a concept analysis with Walker and Avant's approach
2024-Aug-01, BMC nursing IF:3.1Q1
研究论文 本文分析了在护理领域中深度学习与人工智能的概念 本文采用了Walker和Avant的8步法进行概念分析,明确了深度学习在护理中的定义特征 现有文献缺乏清晰性,影响了临床实践、研究和理论发展 澄清护理中深度学习的含义并识别人工智能的定义属性 分析2018年至2024年间符合纳入标准的37篇相关文献 自然语言处理 NA 深度学习 NA 文献 37篇符合纳入标准的文章
987 2024-08-04
Deep learning-based automated bone age estimation for Saudi patients on hand radiograph images: a retrospective study
2024-Aug-01, BMC medical imaging IF:2.9Q2
研究论文 本研究提出了一种基于深度学习的模型,用于通过左手放射影像估计骨龄 采用全连接卷积神经网络(CNN)进行骨龄预测,解决了传统方法中依赖放射科医师主观判断的问题 模型的性能可以通过额外的优化和验证进一步提升 准确估计骨龄以评估骨骼成熟度,诊断生长障碍以及计划治疗干预 473名患者的左手放射影像数据 计算机视觉 NA CNN 全连接卷积神经网络 影像 473名患者的放射影像数据
988 2024-08-04
Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults
2024-Aug, Journal of cachexia, sarcopenia and muscle
研究论文 本文开发了一种基于计算机断层扫描(CT)深度学习的多结果模型,用于同时检测代谢综合征、骨质疏松症和肌少症,并预测成人的长期死亡率 创新点在于利用CT多层身体成分参数同时识别代谢综合征、骨质疏松症和肌少症的代谢簇,并评估其对长期死亡率的预后价值 研究的外部测试集样本大多来自一个社区和一家三级医院,可能存在人口选择偏倚 研究旨在通过CT成像分析评估代谢综合征、骨质疏松症和肌少症对成人死亡风险的影响 研究对象包括516名参与者构成的衍生集和10,141名接受腹部CT检查的个体 数字病理学 NA CT成像 多层感知器(MLP) 成像数据 衍生集516名,外部测试集1为380名,外部测试集2为10,141名
989 2024-08-04
The accuracy and quality of image-based artificial intelligence for muscle-invasive bladder cancer prediction
2024-Aug-01, Insights into imaging IF:4.1Q1
研究论文 本文评估了基于图像的人工智能在预测肌肉浸润性膀胱癌的诊断性能 提出了使用CLAIM、RQS和PROBAST工具对人工智能研究的报告质量和方法学质量进行评估 尽管模型表现良好,但报告质量和方法学质量普遍较低,存在高风险偏倚 评估图像基人工智能在预测肌肉浸润性膀胱癌的诊断表现 包括4256名患者的21项研究 数字病理学 膀胱癌 计算机断层扫描 (CT),磁共振成像 (MRI),放射组学,深度学习 深度学习 图像 包含4256名患者
990 2024-08-04
Predicting mine water inflow volumes using a decomposition-optimization algorithm-machine learning approach
2024-Aug-01, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新颖的耦合分解-优化-深度学习模型,用于预测矿水涌入量 结合了完整集合经验模态分解与自适应噪声、北鵰优化和长短期记忆网络的创新模型 传统模型和单一机器学习方法在预测突发水涌量变化方面的效能仍然存在不足 旨在提高矿水涌入量的预测准确性,确保煤矿安全 矿水涌入预测方法及其在不同模型中的表现 机器学习 NA CEEMDAN, NGO, LSTM LSTM 时间序列数据 未明确说明样本量的具体数量
991 2024-08-04
Artificial intelligence in fusion protein three-dimensional structure prediction: Review and perspective
2024-Aug, Clinical and translational medicine IF:7.9Q1
综述 本论文回顾了人工智能在融合蛋白三维结构预测中的最新进展和挑战 文章强调了使用深度学习模型预测融合蛋白三维结构的最新进展,并探讨了四种建模方法的优缺点 对于融合蛋白的预测,模板基础模型面临着已知模板结构在数据库中通常缺乏的问题 探讨利用人工智能方法预测融合蛋白三维结构的优势和挑战 关注于融合蛋白的三维结构预测 人工智能 癌症 深度学习 AlphaFold2, RoseTTAFold, tr-Rosetta, D-I-TASSER NA NA
992 2024-08-04
A QR code-enabled framework for fast biomedical image processing in medical diagnosis using deep learning
2024-Aug-01, BMC medical imaging IF:2.9Q2
研究论文 本文提出了一种利用QR码的框架,以加速医学影像处理和医疗诊断。 采用深度学习QR码技术,优化了数据库设计,创新性地解决了数据存储基础设施成本和信息检索速度问题。 未提及具体使用的深度学习模型和技术细节,缺乏对系统在不同条件下表现的全面评估。 研究如何通过高效的医学影像处理来加速医疗条件的诊断。 使用来自Crawford影像和数据档案及Duke CIVM的医疗数据集进行评估。 数字病理学 NA 深度学习 NA 医学影像 使用来自两个数据集的医疗数据集进行评估
993 2024-08-04
Air quality forecasting using a spatiotemporal hybrid deep learning model based on VMD-GAT-BiLSTM
2024-Aug-01, Scientific reports IF:3.8Q1
研究论文 提出了一种基于VMD-GAT-BiLSTM的时空混合深度学习模型用于空气质量预测。 该模型结合了变分模态分解、图注意网络和双向长短时记忆网络,以提高空气质量预测的准确性。 模型的有效性依赖于所使用的监测数据的质量和完整性。 旨在提高空气质量预测的精度,从而增强早期预警系统的能力。 主要研究空气质量数据,探讨不同监测站之间的空间关系和时间特征。 机器学习 NA VMD, GAT, BiLSTM VMD-GAT-BiLSTM PM数据 使用了收集的北京空气质量数据集进行实验
994 2024-08-05
A hybrid approach to improvement of watershed water quality modeling by coupling process-based and deep learning models
2024-Aug, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2
研究论文 提出了一种混合模型,通过结合过程驱动模型和深度学习模型来改善流域水质建模 开发了一种混合模型,将未校准的过程驱动模型与数据驱动模型相结合,以提高流域建模的准确性 模型参数校准和验证过程耗时且具有固有的不确定性 研究旨在解决过程驱动模型校准和验证中的各种挑战 结合地理信息和五年观察数据构建的Yeongsan河流域的土壤与水评估工具 数字病理学 NA 深度学习 长短期记忆网络 (LSTM) 观测数据 5年观测数据
995 2024-08-05
Multi-level structural damage characterization using sparse acoustic sensor networks and knowledge transferred deep learning
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本研究展示了一种基于机器学习的多级损伤特征描述方法,利用稀疏传感器网络和知识转移的深度学习 提出了一种新颖的网络空间辅助和自适应卷积技术,以实现深度学习算法中的知识高效转移 未提及具体的限制 探索在复杂结构中基于机器学习的结构健康监测方法 在铝板上进行实验,铝板上人为诱导了缺陷 机器学习 NA 深度学习 NA 实验数据 使用的样本包括铝板上多种损伤特征的实验
996 2024-08-05
Utilizing improved YOLOv8 based on SPD-BRSA-AFPN for ultrasonic phased array non-destructive testing
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本研究提出了一种基于改进YOLOv8的智能缺陷检测算法,以提高超声相控阵检测中的缺陷识别效率和准确性 引入空间到深度卷积(SPD-Conv)和双层路由与空间注意模块(BRSA),并用渐近特征金字塔网络(AFPN)替换了原有结构,以改进低分辨率图像的检测性能 对高分辨率且良好标注的训练数据的需求较高,这在无损检测中难以获得 提高超声相控阵检测中缺陷检测的准确性和效率 在超声相控阵检测中检测缺陷,如平底孔(FBH)和侧钻孔(SDH) 图像处理 NA 超声相控阵检测 YOLOv8 图像 在模拟数据集和实验数据集上进行了测试,具体样本量未明示
997 2024-08-05
Fingerprint authentication based on deep convolutional descent inversion tomography
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 提出了一种新的基于深度卷积反演层析的指纹认证方法。 结合深度学习和多尺度融合,提高了指纹反演和认证的精准度与速度。 未提及具体的适用范围或其他数据集的测试。 研究新的指纹认证方法以提高识别精度和速度。 指纹及其特征,特别是湿指纹和假细节的识别。 计算机视觉 NA 深快反演层析(DeepFIT)及Mask R-CNN 卷积神经网络(CNN) 图像 NA
998 2024-08-05
Shear wave trajectory detection in ultra-fast M-mode images for liver fibrosis assessment: A deep learning-based line detection approach
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本文首次尝试使用深度学习方法在波传播图上检测剪切波轨迹以评估肝纤维化。 创新之处在于提出了一种基于Transformer和霍夫变换的端到端框架TEHT,能够从波传播图中直接输出剪切波轨迹的斜率。 由于样本量相对较小且仅限于68名患者,可能影响结果的广泛适用性。 研究目标在于探索深度学习在肝纤维化评估中的应用。 研究对象为68名患者的波传播图。 数字病理学 肝癌 超声弹性成像 Transformer 图像 68份患者的波传播图
999 2024-08-05
Decoding pathology: the role of computational pathology in research and diagnostics
2024-Aug-03, Pflugers Archiv : European journal of physiology
综述 本文概述了计算病理学的进展及其对传统组织病理学的影响 介绍了计算病理学中基于深度学习的技术以及多模态数据源的整合 未提及具体的研究限制 探讨计算病理学在研究和诊断中的作用 涉及不同病理样本的计算分析 数字病理学 NA 深度学习 NA 病理样本 NA
1000 2024-08-05
Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation
2024-Aug-02, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种基于角色交换的自训练半监督框架,用于复杂医学图像的分割 创新性地提出了双向自训练范式,通过在模型层面估计可靠性动态交换教师和学生角色 模型在小规模标注数据上训练时,松散耦合的网络容易崩溃 解决复杂医学图像分割中的标注不足问题 3D医学图像中的复杂目标,如血管网络和气管网络 数字病理 NA 深度学习 NA 图像 两个公共数据集和一个私有数据集
回到顶部