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:202411-202411] [清除筛选条件]
当前共找到 1246 篇文献,本页显示第 461 - 480 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
461 2024-11-27
Deep Learning-Based DCE-MRI Automatic Segmentation in Predicting Lesion Nature in BI-RADS Category 4
2024-Nov-25, Journal of imaging informatics in medicine
研究论文 研究基于深度学习的DCE-MRI自动分割在区分BI-RADS 4类乳腺病变中的优势 深度学习自动分割模型在区分BI-RADS 4类乳腺病变方面优于专业放射科医生,显著提高了诊断效率 NA 探讨基于深度学习的DCE-MRI自动分割在区分BI-RADS 4类乳腺病变中的优势 BI-RADS 4类乳腺病变 计算机视觉 乳腺癌 深度学习 NA 图像 197名患者,包括64例恶性病例和133例良性病例
462 2024-11-27
ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction
2024-Nov-25, Journal of imaging informatics in medicine
研究论文 本文介绍了一种名为ViViEchoformer的深度学习方法,用于从超声心动图视频中直接回归左心室射血分数(LVEF) ViViEchoformer利用视频视觉变换器提取视频输入中的时空标记,从而准确捕捉空间信息并保留帧间关系,实现自动化的EF预测 NA 开发一种能够准确预测左心室射血分数的深度学习模型,以辅助人类评估和分析 左心室射血分数(LVEF) 计算机视觉 心血管疾病 深度学习(DL) 视频视觉变换器 视频 10,030个来自斯坦福大学医院的四腔超声心动图视频
463 2024-11-27
Nomogram for predicting cervical lymph node metastasis of papillary thyroid carcinoma using deep learning-based super-resolution ultrasound image
2024-Nov-24, Discover oncology IF:2.8Q2
研究论文 研究使用基于深度学习的超分辨率超声图像重建模型预测甲状腺乳头状癌患者颈部淋巴结转移的可行性和有效性 使用超分辨率重建的超声图像构建预测模型,显著提高了预测颈部淋巴结转移的性能 研究为回顾性研究,样本量有限,未来需进一步验证和扩大样本量 探讨基于深度学习的超分辨率超声图像重建模型在预测甲状腺乳头状癌患者颈部淋巴结状态中的可行性和有效性 甲状腺乳头状癌患者的颈部淋巴结状态 计算机视觉 甲状腺癌 超分辨率技术 深度学习模型 超声图像 544名甲状腺乳头状癌患者
464 2024-11-27
Whole-cell multi-target single-molecule super-resolution imaging in 3D with microfluidics and a single-objective tilted light sheet
2024-Nov-24, Nature communications IF:14.7Q1
研究论文 本文开发了一种可操控的、抖动的单目标倾斜光片,用于光学切片以减少荧光背景,并结合3D纳米打印微流控系统,实现了全细胞多目标3D单分子超分辨率成像 本文的创新点在于开发了一种新的微流控系统和单目标倾斜光片技术,结合点扩散函数工程、深度学习分析、主动3D稳定和Exchange-PAINT技术,实现了全细胞多目标3D单分子超分辨率成像 NA 本文的研究目的是开发一种新的技术平台,以提高全细胞多目标3D单分子超分辨率成像的精度和速度 本文的研究对象是全细胞的多目标3D单分子超分辨率成像 计算机视觉 NA 单分子超分辨率成像 深度学习 图像 NA
465 2024-11-27
Fusing multiplex heterogeneous networks using graph attention-aware fusion networks
2024-Nov-24, Scientific reports IF:3.8Q1
研究论文 本文提出了一种名为GRAF的框架,用于将多重异构网络转换为同构网络,以更适合图表示学习 GRAF框架通过基于注意力的邻域聚合,学习每个邻居节点和每个网络层的重要性,并根据学习到的注意力进行网络融合和边消除,最终使用图卷积网络进行节点分类 NA 开发一种能够处理多重异构网络的图神经网络框架 多重异构网络的转换和图表示学习 机器学习 NA 图神经网络 图卷积网络 图结构数据 四个不同领域的数据集
466 2024-11-27
HDBind: encoding of molecular structure with hyperdimensional binary representations
2024-Nov-23, Scientific reports IF:3.8Q1
研究论文 本文提出了一种使用超维度二进制表示法(HDBind)对分子结构进行编码的方法,用于快速筛选潜在药物分子 首次将超维度计算(HDC)应用于现代药物分子库的快速高效筛选,并提出了基于HDC的图编码方法,显著优于以往工作 NA 开发超高效的预筛选工具,以提高药物设计的生产力 潜在药物分子及其与蛋白质目标的结合交互 机器学习 NA 超维度计算(HDC) NA 分子数据 使用了MoleculeNet数据集和LIT-PCBA数据集
467 2024-11-27
MoAGL-SA: a multi-omics adaptive integration method with graph learning and self attention for cancer subtype classification
2024-Nov-23, BMC bioinformatics IF:2.9Q1
研究论文 提出了一种基于图学习和自注意力机制的多组学自适应整合方法MoAGL-SA,用于癌症亚型分类 该方法通过图学习生成患者关系图,并利用自注意力机制自适应地整合不同组学的图嵌入,解决了样本结构信息嵌入和灵活整合策略设计的挑战 NA 改进癌症亚型分类的特征学习和多组学数据整合 乳腺癌、肾乳头状细胞癌和肾透明细胞癌的亚型分类 机器学习 乳腺癌 图学习、自注意力机制 图卷积网络、自注意力机制 多组学数据 涉及乳腺癌、肾乳头状细胞癌和肾透明细胞癌的数据集
468 2024-11-27
Deep learning-based Emergency Department In-hospital Cardiac Arrest Score (Deep EDICAS) for early prediction of cardiac arrest and cardiopulmonary resuscitation in the emergency department
2024-Nov-23, BioData mining IF:4.0Q1
研究论文 开发了一种基于深度学习的评分系统Deep EDICAS,用于急诊部门早期预测心脏骤停和心肺复苏 该研究首次探索了使用深度学习技术在心肺复苏检测任务中的应用,并提出了一种能够整合表格和时间序列数据以提高预测准确性的模型 尽管研究展示了深度学习在预测心脏骤停方面的有效性,但关于使用深度学习进行心肺复苏检测的文献仍然稀缺 研究旨在开发一种能够早期预测急诊部门心脏骤停和心肺复苏的深度学习模型 急诊部门的心脏骤停和心肺复苏事件 机器学习 心血管疾病 深度学习 深度学习模型 表格和时间序列数据 来自台湾大学医院的数据
469 2024-11-27
AI-powered detection and quantification of post-harvest physiological deterioration (PPD) in cassava using YOLO foundation models and K-means clustering
2024-Nov-23, Plant methods IF:4.7Q1
研究论文 本研究开发了一种基于YOLO基础模型和K-means聚类的AI框架,用于检测和量化木薯采后生理性衰退(PPD) 本研究创新性地结合了SAM模型和YOLO基础模型,显著提高了PPD检测的准确性,并减少了误差 YOLO-NAS在训练过程中存在不稳定性,YOLOv7在所有类别中的表现最差 解决木薯采后生理性衰退(PPD)问题,减少经济损失 木薯采后生理性衰退(PPD)的检测和量化 计算机视觉 NA 深度学习(DL) YOLO基础模型(YOLOv7, YOLOv8, YOLOv9, YOLO-NAS) 图像 使用RGB图像进行检测和分类
470 2024-11-27
Supervised multiple kernel learning approaches for multi-omics data integration
2024-Nov-23, BioData mining IF:4.0Q1
研究论文 本文提出了一种基于多核学习的多组学数据集成方法 本文提出了基于不同核融合策略的新型多核学习方法,并将其应用于支持向量机进行监督学习任务 NA 探索多组学数据集成的有效方法 多组学数据 机器学习 NA 多核学习 支持向量机 多组学数据 NA
471 2024-11-27
Integration of the bulk transcriptome and single-cell transcriptome reveals efferocytosis features in lung adenocarcinoma prognosis and immunotherapy by combining deep learning
2024-Nov-23, Cancer cell international IF:5.3Q1
研究论文 本研究通过整合批量转录组和单细胞转录组数据,结合深度学习方法,揭示了肺腺癌预后和免疫治疗中的吞噬特征 开发了一种新的与吞噬作用相关的基因预后特征,并验证了其在肺腺癌患者生存预后和治疗反应预测中的准确性 NA 研究吞噬作用在肺腺癌预后和免疫治疗中的作用 肺腺癌患者的预后和免疫治疗反应 数字病理学 肺癌 深度学习 NA 转录组数据 涉及TCGA、GEO和CTRP数据库中的数据,具体样本数量未明确提及
472 2024-11-27
Deep learning based heat transfer simulation of the casting process
2024-Nov-23, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的热传导模拟方法,用于预测铸造过程中凝固阶段的温度场 采用深度学习技术替代传统的数值模拟方法,显著减少了计算量和时间消耗 NA 开发一种快速预测铸造过程中温度场的方法 铸造过程中的温度场预测 计算机视觉 NA 深度学习 U-net网络 温度场数据 200个包含铸件、模具和冷铁的三种组件的几何模型
473 2024-11-27
An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning
2024-Nov-23, Scientific data IF:5.8Q1
研究论文 本文介绍了一个包含病理诊断注释的超声甲状腺结节数据集,用于开发直接从甲状腺超声图像推断组织学状态的深度学习算法 该数据集包含每个病例的病理诊断注释,不同于以往使用TI-RADS报告作为图像标签的训练方法 数据集仅包含8508张超声图像,样本量相对较小 开发能够直接从甲状腺超声图像推断组织学状态的深度学习算法 甲状腺结节的超声图像及其病理诊断 计算机视觉 甲状腺疾病 深度学习 CNN 图像 8508张超声图像,842个病例
474 2024-11-27
A 3D dental model dataset with pre/post-orthodontic treatment for automatic tooth alignment
2024-Nov-23, Scientific data IF:5.8Q1
研究论文 本文提出了首个公开的3D正畸牙科数据集,包含1060对来自435名患者的治疗前/后牙模数据 首次公开了包含治疗前/后3D牙模的数据集,涵盖多种错颌畸形和专业标注 数据集的样本量和多样性可能有限,影响模型的泛化能力 解决现有数据集缺乏的问题,推动智能正畸解决方案的发展 3D牙模数据及其在正畸治疗中的应用 计算机视觉 NA 深度学习 NA 3D模型 1060对治疗前/后牙模数据,来自435名患者
475 2024-11-27
Medical language model specialized in extracting cardiac knowledge
2024-11-23, Scientific reports IF:3.8Q1
研究论文 本文研究构建了一个专门用于心脏病学领域的医学语言模型 本文的创新点在于针对心脏病学这一特定医学领域构建了专门的语言模型,而非将整个医学领域视为单一领域 本文的局限性在于仅关注心脏病学领域,未涉及其他医学部门 本文的研究目的是构建一个专门用于心脏病学领域的医学语言模型 本文的研究对象是心脏病学领域的语言模型 自然语言处理 心血管疾病 NA Transformer 文本 NA
476 2024-11-27
Improved facial emotion recognition model based on a novel deep convolutional structure
2024-11-23, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于新型深度卷积结构的改进面部情感识别模型 提出了抗混叠深度卷积网络(AA-DCN)模型,通过抗混叠技术提高面部情感识别的准确性 未提及 探索抗混叠技术如何提高面部情感识别的准确性 面部情感识别 计算机视觉 NA 深度学习 深度卷积网络(DCN) 图像 使用了三个不同的数据集进行评估:Cohn-Kanade Extending (CK+) 数据库、Japanese female facial expressions (JAFFE) 和 Real-world Affective Face (RAF) 数据集
477 2024-11-27
Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT
2024-Nov-23, NPJ digital medicine IF:12.4Q1
研究论文 本研究开发了一种深度学习合成模型,通过卷积-Transformer混合编码器-解码器架构,从厚层CT生成薄层CT,以提高胸部疾病诊断的准确性 本研究首次采用卷积-Transformer混合编码器-解码器架构,生成高质量的合成薄层CT,显著提高了胸部疾病诊断的准确性 本研究仅在一个中心进行了模型开发,并在三个跨区域中心进行了验证,未来需在更多中心进行验证以确保模型的普适性 开发一种能够从厚层CT生成高质量薄层CT的深度学习模型,以提高胸部疾病诊断的准确性 厚层CT和薄层CT图像,以及社区获得性肺炎和肺结节的诊断准确性 计算机视觉 胸部疾病 深度学习 卷积-Transformer混合编码器-解码器架构 CT图像 1576名参与者用于模型开发,1228名参与者用于跨区域验证
478 2024-11-27
Pressure Enabled Drug Delivery (PEDD) Significantly Increases Intraarterial Delivery of Embolic Microspheres to Liver Tumors in a Porcine Model
2024-Nov-23, Journal of vascular and interventional radiology : JVIR IF:2.6Q2
研究论文 本研究测试了压力辅助药物输送(PEDD)通过TriNav设备增加栓塞微球通过肝动脉输送到猪模型中肝肿瘤的效果 PEDD技术显著增加了栓塞微球在肿瘤组织中的渗透,并减少了非目标区域的沉积 NA 测试PEDD技术在增加栓塞微球输送到肝肿瘤中的效果 栓塞微球在猪模型中肝肿瘤的输送效果 NA 肝肿瘤 压力辅助药物输送(PEDD) NA 图像 16只猪(8只使用传统技术,8只使用PEDD技术)
479 2024-11-27
Global Genotype by Environment Prediction Competition Reveals That Diverse Modeling Strategies Can Deliver Satisfactory Maize Yield Estimates
2024-Nov-22, Genetics IF:3.3Q2
研究论文 本文介绍了2022-2023年全球基因型与环境预测竞赛的结果,展示了多种建模策略在玉米产量估计中的应用 竞赛结果表明,多种建模策略都能提供令人满意的玉米产量估计,没有单一模型或策略明显优于其他 NA 预测基因型与环境因素结合的表型,以改善粮食和燃料安全 玉米产量估计 计算生物学 NA 机器学习 随机森林、岭回归、最小二乘法 基因组变异、表型、天气测量和管理记录 九年收集的大量数据
480 2024-11-27
A novel deep learning approach to identify embryo morphokinetics in multiple time lapse systems
2024-11-22, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新的深度学习方法,用于在多个时间流逝系统中识别胚胎形态动力学 本文提出了一种基于Transformer的视频骨干网络,并结合Gated Recurrent Unit (GRU)序列模型,以自动检测11个动力学事件 本文未详细讨论模型的泛化能力和在不同实验室条件下的表现 开发一种能够自动检测胚胎发育过程中关键动力学事件的深度学习模型 胚胎发育过程中的11个动力学事件 计算机视觉 NA 深度学习 Transformer, GRU 视频 1909个胚胎样本
回到顶部