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:202410-202410] [清除筛选条件]
当前共找到 1298 篇文献,本页显示第 1001 - 1020 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
1001 2024-10-09
Substrate recognition principles for the PP2A-B55 protein phosphatase
2024-Oct-04, Science advances IF:11.7Q1
研究论文 研究了PP2A-B55蛋白磷酸酶的底物识别原理 结合AlphaFold建模和全面的突变扫描,揭示了底物α螺旋通过进化保守机制与B55结合,并利用深度学习蛋白质设计生成了特异且强效的竞争性肽抑制剂 NA 探讨PP2A-B55蛋白磷酸酶的底物选择机制及其在健康和疾病中的功能 PP2A-B55蛋白磷酸酶及其底物 生物化学 NA AlphaFold建模、突变扫描、深度学习蛋白质设计 深度学习模型 蛋白质序列 NA
1002 2024-10-09
TFTL: A Task-Free Transfer Learning Strategy for EEG-based Cross-Subject & Cross-Dataset Motor Imagery BCI
2024-Oct-04, IEEE transactions on bio-medical engineering
研究论文 提出了一种无任务迁移学习策略(TFTL),用于基于EEG的跨受试者与跨数据集的运动想象脑机接口(MI-BCI),以减少校准时间和促进多中心数据联合建模 提出了无任务迁移学习策略(TFTL),通过数据对齐、共享特征提取器和特定分类器,同时优化任务分类标签预测器以及域和数据集判别器,以减少跨受试者变异性,实现知识从不同数据集的受试者向目标受试者的转移 NA 解决运动想象脑机接口(MI-BCI)中长期任务校准和EEG数据不足的问题 基于EEG的跨受试者与跨数据集的运动想象脑机接口(MI-BCI) 机器学习 NA 深度学习 ShallowConvNet, EEGNet, TCNet-Fusion EEG数据 五个数据集(BCIC IV Dataset 2a, Dataset 1, Physionet MI, Dreyer 2023, OpenBMI)
1003 2024-10-09
A multicenter dataset for lymph node clinical target volume delineation of nasopharyngeal carcinoma
2024-Oct-04, Scientific data IF:5.8Q1
研究论文 本文介绍了用于鼻咽癌淋巴结临床靶体积勾画的深度学习模型开发的多中心数据集 首次构建了用于自动淋巴结临床靶体积勾画开发和评估的多中心数据集 数据集仅包含262个病例,样本量有限 开发和评估用于鼻咽癌放射治疗中淋巴结临床靶体积勾画的深度学习模型 鼻咽癌患者的淋巴结临床靶体积 计算机视觉 鼻咽癌 深度学习 分割算法 图像 262个病例,包含440张CT图像
1004 2024-10-09
Sparse Non-Local CRF With Applications
2024-Oct-03, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1
研究论文 本文提出了一种新的稀疏非局部条件随机场(CRF)模型,并展示了其在经典和深度学习计算机视觉应用中的有效性 本文提出了一种新的稀疏非局部CRF模型,该模型在保持稀疏CRF效率的同时,具有非局部连接的特性,使其比稀疏CRF更通用 NA 研究如何在不牺牲效率的情况下,提高条件随机场模型的通用性 条件随机场模型及其在计算机视觉中的应用 计算机视觉 NA 条件随机场(CRF) 稀疏非局部CRF 图像 NA
1005 2024-10-09
Using Machine Learning for Endoscopic Detection of Low-Grade Subglottic Stenosis: A Proof of Principle
2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
研究论文 本研究训练、测试并评估了一种深度学习算法,用于在内窥镜图像中检测声门下狭窄 首次使用深度学习算法在内窥镜图像中检测声门下狭窄 样本量较小,模型准确率有待提高 验证深度学习算法在内窥镜图像中检测声门下狭窄的可行性 声门下狭窄的内窥镜图像 计算机视觉 NA 深度学习 Resnet50 图像 159张图像,包括106张正常大小的气道图像和122张声门下狭窄图像
1006 2024-10-09
A Label-Efficient Framework for Automated Sinonasal CT Segmentation in Image-Guided Surgery
2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
研究论文 本文评估了一种标签高效的深度学习管道,用于在CT扫描中对鼻窦结构进行语义分割 提出了一种标签高效的深度学习框架,仅需少量标注扫描即可实现鼻窦结构的语义分割 研究样本量较小,仅使用了40个CT扫描 评估一种标签高效的深度学习管道,以实现鼻窦结构的自动分割 鼻中隔、下鼻甲、上颌窦和视神经等鼻窦结构 计算机视觉 NA 深度学习 NA 图像 40个CT扫描,其中16个进行了手动标注
1007 2024-10-09
Artificial intelligence in hepatocellular carcinoma diagnosis: a comprehensive review of current literature
2024-Oct, Journal of gastroenterology and hepatology IF:3.7Q2
综述 本文全面回顾了当前文献中关于人工智能在肝细胞癌诊断中的应用 本文分析和评估了在肝细胞癌诊断领域提出的各种人工智能模型,展示了这些模型在诊断性能上的显著提升 NA 本文旨在通过回顾现有文献,评估人工智能技术在肝细胞癌诊断中的应用效果 本文研究对象为肝细胞癌诊断中的人工智能模型 计算机视觉 肝癌 机器学习 深度学习 图像 NA
1008 2024-10-09
Automatic Recognition of Auditory Brainstem Response Waveforms Using a Deep Learning-Based Framework
2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
研究论文 研究使用深度学习框架自动识别听觉脑干反应波形 提出了一种增强的Wide&Deep模型,结合Light-多层感知器(MLP)模型来训练听觉脑干反应波形的识别 Wide&Deep模型的性能略低于Light-MLP模型,特别是由于样本量有限 研究深度学习框架以提高不同年龄和听力水平参与者听觉脑干反应波形的自动识别 听觉脑干反应波形 机器学习 NA 深度学习 Wide&Deep模型,Light-多层感知器(MLP)模型 时间域和频率域的听觉脑干反应信号 100名参与者
1009 2024-10-09
Separating group- and individual-level brain signatures in the newborn functional connectome: A deep learning approach
2024-Oct-01, NeuroImage IF:4.7Q1
研究论文 本文探讨了新生儿功能连接组中群体和个体水平脑信号的分离,采用深度生成模型VAE进行研究 本文首次使用VAE模型在新生儿功能连接数据中区分年龄相关变化和个体独特性,并发现某些皮质功能网络在捕捉个体特征方面表现出色 本文仅使用了两个公开数据集,样本量有限,且未探讨其他可能影响结果的因素 探讨新生儿功能连接组中个体独特性的存在及其与认知差异的关系 新生儿和成人的静息态功能磁共振成像数据 计算机视觉 NA 功能磁共振成像(fMRI) 变分自编码器(VAE) 图像 成人100例,新生儿464例
1010 2024-10-09
Overcoming the Barrier of Incompleteness: A Hyperspectral Image Classification Full Model
2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种用于高光谱图像分类的全模型,通过创新的三要素解决了分类不完整的问题 首次提出了完整分类的三要素:广泛探索可用特征、充分重用代表性特征和差异化融合多领域特征 NA 解决高光谱图像分类中的不完整性问题 高光谱图像 计算机视觉 NA NA Transformer 图像 四个数据集,从小规模到大规模,每类仅使用五个训练样本
1011 2024-10-09
A Survey of Automated Data Augmentation for Image Classification: Learning to Compose, Mix, and Generate
2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1
综述 本文综述了图像分类中自动数据增强技术的最新进展 将数据增强过程视为学习任务,并寻找最有效的数据增强方法 主要依赖于手工操作的数据增强方法,缺乏自动化和智能化的提升 探讨自动数据增强技术在图像分类中的应用及其未来发展方向 图像分类中的数据增强方法 计算机视觉 NA 自动数据增强 NA 图像 NA
1012 2024-10-08
DeepCOVIDNet-CXR: deep learning strategies for identifying COVID-19 on enhanced chest X-rays
2024-Oct-08, Biomedizinische Technik. Biomedical engineering
研究论文 研究使用深度学习策略在增强的胸部X光片上识别COVID-19 首次使用自适应直方图均衡化(AHE)来增强胸部X光片,以提高ConvNet架构在多病例分类中的性能 研究主要集中在小规模和大规模数据集上的性能评估,未涉及实际临床应用的广泛验证 评估使用自适应直方图均衡化(AHE)增强胸部X光片后,深度学习模型在识别COVID-19中的性能 COVID-19病例的胸部X光片 计算机视觉 COVID-19 深度学习 ConvNet 图像 3615例COVID-19病例
1013 2024-10-08
Joint segmentation of tumors in 3D PET-CT images with a network fusing multi-view and multi-modal information
2024-Oct-07, Physics in medicine and biology IF:3.3Q1
研究论文 本文提出了一种用于3D PET-CT图像中肿瘤联合分割的深度学习算法 提出了多视图信息增强和多模态特征融合网络(MIEMFF-Net),结合动态多模态融合策略和多视图信息增强策略,有效利用PET和CT图像的代谢和解剖信息 未提及 解决现有方法在PET-CT图像肿瘤分割中忽略多模态和多视图信息的问题 3D PET-CT图像中的肿瘤 计算机视觉 软组织肉瘤 深度学习 MIEMFF-Net 图像 Soft Tissue Sarcomas数据集和AutoPET数据集
1014 2024-10-08
An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context
2024-Oct-04, Nature communications IF:14.7Q1
研究论文 本文开发了一种自适应权重集成方法,用于预测香港等热带和亚热带地区的不规则季节性流感活动 提出了自适应权重混合集成模型(AWBE),动态更新模型贡献,显著提高了预测准确性 NA 开发和比较不同模型在预测流感活动中的表现,特别是在不规则季节性的地区 香港地区的流感活动 机器学习 流感 NA 集成模型 时间序列数据 32次流行病,时间跨度为1998年至2019年
1015 2024-10-08
Meta-learning for real-world class incremental learning: a transformer-based approach
2024-Oct-04, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于Transformer的元学习方法,用于解决现实世界中的类增量学习问题 本文的创新点在于将元学习应用于类增量学习,并提出了一种基于Transformer的聚合函数,能够在不重新训练的情况下完成任务 NA 本文的研究目的是将元学习应用于更贴近现实世界的类增量学习问题 本文的研究对象是类增量学习问题 自然语言处理 NA 元学习 Transformer 文本 NA
1016 2024-10-08
Advanced mathematical modeling of mitigating security threats in smart grids through deep ensemble model
2024-Oct-04, Scientific reports IF:3.8Q1
研究论文 研究通过深度集成模型进行高级数学建模,以减轻智能电网中的安全威胁 提出了一种基于山羚优化和深度集成学习的入侵检测技术(MGODEL-ID),用于智能电网环境中的入侵检测 NA 开发一种新的入侵检测技术,以提高智能电网对网络攻击的可靠性和韧性 智能电网中的安全威胁和入侵检测 机器学习 NA 深度学习 深度集成模型 网络数据 NA
1017 2024-10-08
Tabular deep learning: a comparative study applied to multi-task genome-wide prediction
2024-Oct-04, BMC bioinformatics IF:2.9Q1
研究论文 本文比较了多种深度学习架构在多任务全基因组预测中的应用 首次系统性地比较了多种深度学习架构在表格数据上的表现,并应用于全基因组预测 实验仅限于特定的基因数据集,结果可能不适用于所有类型的基因数据 提高基因选择和疾病风险预测的准确性 多种深度学习架构在全基因组预测中的表现 机器学习 NA 深度学习 LassoNet 表格数据 三个多特征回归数据集和两个多类分类数据集
1018 2024-10-08
Leveraging explainable deep learning methodologies to elucidate the biological underpinnings of Huntington's disease using single-cell RNA sequencing data
2024-Oct-04, BMC genomics IF:3.5Q2
研究论文 利用可解释深度学习方法解析亨廷顿病生物学基础的单细胞RNA测序数据 使用残差神经网络(ResNet)模型有效模拟亨廷顿病细胞,并利用SHapley Additive exPlanations(SHAP)算法识别影响亨廷顿病预测的基因 测试集的F1分数为96.53%,仍有提升空间 阐明亨廷顿病病理学的潜在机制 亨廷顿病细胞与健康细胞的差异基因表达模式 机器学习 神经退行性疾病 单细胞RNA测序 残差神经网络(ResNet) 基因表达数据 NA
1019 2024-10-08
The power of deep learning in simplifying feature selection for hepatocellular carcinoma: a review
2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2
综述 本文综述了深度学习技术在肝细胞癌(HCC)特征选择中的应用 深度学习技术在简化HCC特征选择过程中展示了显著的进步 将深度学习的潜力转化为临床现实仍面临挑战 综述深度学习模型和算法在HCC特征选择中的应用,并讨论其在临床实践中的潜力 肝细胞癌(HCC)的特征选择 机器学习 肝癌 深度学习 NA NA NA
1020 2024-10-06
Development of brain tumor radiogenomic classification using GAN-based augmentation of MRI slices in the newly released gazi brains dataset
2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2
研究论文 本文提出使用StyleGANv2-ADA模型对脑部MRI切片进行数据增强,以提高脑肿瘤分类模型的性能 首次在Gazi Brains 2020数据集上使用StyleGANv2-ADA进行数据增强,显著提高了脑肿瘤分类的准确率 NA 提高脑肿瘤分类模型的准确性 脑肿瘤的分类 计算机视觉 脑肿瘤 StyleGANv2-ADA GAN 图像 使用了Gazi Brains 2020、BRaTS 2021和Br35h数据集
回到顶部