深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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！
添加微信请说明来意
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19.9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。
当前共找到 1163 篇文献，本页显示第 1161 - 1163 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2024-08-05 |
Information extraction of UV-NIR spectral data in waste water based on Large Language Model
2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124475
PMID:38772179
|
研究论文 | 本研究提出了一种基于大型语言模型(LLM)的UV-NIR光谱数据提取方法 | 利用大型语言模型在UV-NIR光谱分析中实现更简便和快速的操作，超越传统机器学习模型的表现 | 本研究可能缺乏对不同实验设置的全面评估及更多样本的适用性 | 减少UV-NIR光谱分析中时间成本及操作复杂性 | 对包括复杂废水在内的三种不同水样的化学需氧量（COD）进行预测 | 机器学习 | NA | 大型语言模型（LLM） | NA | 光谱数据 | 三种不同的水样 | NA | NA | NA | NA |
| 1162 | 2024-08-05 |
A double-branch convolutional neural network model for species identification based on multi-modal data
2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124454
PMID:38788500
|
研究论文 | 该文章提出了一种基于多模态数据融合的双分支卷积神经网络模型用于物种识别 | 创新点在于将拉曼光谱和图像数据融合到一个双分支CNN模型中，提高了物种识别的准确性 | 未提及具体的样本限制或数据集大小 | 本研究旨在通过融合多模态数据提高物种识别的准确性 | 研究对象是通过使用拉曼光谱和图像数据进行物种识别 | 计算机视觉 | NA | 拉曼光谱 | 双分支CNN | 图像和光谱数据 | NA | NA | NA | NA | NA |
| 1163 | 2024-08-07 |
Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium
2024-Oct-15, Development (Cambridge, England)
DOI:10.1242/dev.202362
PMID:38619327
|
研究论文 | 本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响 | 首次详细分析了细胞密度和组织紧缩在三维上皮组织重排中的作用，并提出了细胞增殖在紧凑上皮中诱导三维细胞重排的机制 | NA | 探讨细胞密度、组织紧缩和细胞增殖如何影响上皮组织的三维结构重排 | 海星胚胎中的上皮组织 | 生物物理学 | NA | 深度学习 | 深度学习模型 | 图像 | 海星胚胎 | NA | NA | NA | NA |