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 1250 篇文献,本页显示第 961 - 980 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
961 2024-11-13
Rapid bacterial identification through volatile organic compound analysis and deep learning
2024-Nov-06, BMC bioinformatics IF:2.9Q1
研究论文 本研究探讨了通过挥发性有机化合物分析和深度学习算法自动识别细菌的方法 提出了一种新的快速识别细菌微生物的方法,通过GC-IMS检测结果自动识别细菌 NA 探索一种快速且准确识别临床环境中微生物物种的方法,以精确用药并减少抗生素耐药性的发展 细菌物种的自动识别 机器学习 NA 挥发性有机化合物分析 AlexNet 挥发性有机化合物数据 三种细菌在随机混合培养中的识别
962 2024-11-13
Prediction of antibody-antigen interaction based on backbone aware with invariant point attention
2024-Nov-06, BMC bioinformatics IF:2.9Q1
研究论文 本文提出了一种基于不变点注意力机制的新型神经网络架构,用于预测抗体-抗原相互作用 引入了AbAgIPA网络,通过编码抗体和抗原的结构特征来预测相互作用,显著提高了预测性能 NA 开发一种高效且准确的计算方法来预测抗体-抗原相互作用 抗体和抗原的相互作用 机器学习 NA 不变点注意力机制(IPA) 神经网络 结构特征 使用了抗原多样性和抗原特异性抗体-抗原相互作用的数据集
963 2024-11-13
Machine learning models in evaluating the malignancy risk of ovarian tumors: a comparative study
2024-Nov-06, Journal of ovarian research IF:3.8Q1
研究论文 本研究比较了机器学习模型与专家主观评估在评估卵巢肿瘤恶性风险中的诊断效能 本研究首次比较了多种深度学习模型在卵巢肿瘤恶性风险评估中的诊断效能,并发现深度学习模型与专家评估的诊断效能相当 本研究仅在一个中心进行回顾性分析,样本量有限,且未探讨模型在不同人群中的泛化能力 比较机器学习模型与专家主观评估在卵巢肿瘤恶性风险评估中的诊断效能 卵巢肿瘤的恶性风险评估 机器学习 卵巢癌 NA ResNet, DenseNet, Vision Transformer, Swin Transformer 图像 1555名患者
964 2024-11-13
Network medicine informed multiomics integration identifies drug targets and repurposable medicines for Amyotrophic Lateral Sclerosis
2024-Nov-05, NPJ systems biology and applications IF:3.5Q1
研究论文 本文开发了一种基于网络医学的方法,通过整合人脑多组学数据,优先识别肌萎缩侧索硬化症(ALS)的药物靶点和可重新利用的治疗药物 本文创新性地利用网络医学方法整合多组学数据,通过网络深度学习框架识别潜在的ALS相关基因,并应用网络接近分析确定可重新利用的药物 NA 识别肌萎缩侧索硬化症(ALS)的药物靶点和可重新利用的治疗药物 肌萎缩侧索硬化症(ALS) 生物信息学 神经退行性疾病 多组学数据整合 深度学习 基因组数据 NA
965 2024-11-13
HarDNet-based deep learning model for osteoporosis screening and bone mineral density inference from hand radiographs
2024-Nov-03, Bone IF:3.5Q2
研究论文 本文开发了一种基于HarDNet的深度学习模型DeepDXA-Hand,用于从手部X光片中筛查骨质疏松症并推断骨密度 利用HarDNet架构的深度学习模型进行非侵入性骨密度预测,并使用GradCAM增强模型解释性 需要进一步研究以探索其在预测骨折风险中的应用 开发一种用于从手部X光片中筛查骨质疏松症并推断骨密度的深度学习模型 骨质疏松症的早期检测和骨密度推断 机器学习 骨质疏松症 深度学习 CNN 图像 10,351对手部X光片和DXA数据
966 2024-11-11
Application of deep learning for semantic segmentation in robotic prostatectomy: Comparison of convolutional neural networks and visual transformers
2024-Nov, Investigative and clinical urology IF:2.5Q2
研究论文 本文比较了卷积神经网络和视觉变换器在机器人辅助根治性前列腺切除术中语义分割的表现 本文首次比较了卷积神经网络和视觉变换器在机器人手术中语义分割的应用 需要进一步研究以验证在大数据集上的表现 研究深度学习模型在机器人辅助根治性前列腺切除术中语义分割的表现,并确定哪种架构更适合机器人手术中的分割任务 机器人辅助根治性前列腺切除术中的手术器械、膀胱、前列腺、输精管和精囊的分割 计算机视觉 前列腺癌 深度学习 卷积神经网络和视觉变换器 图像 随机分为训练和验证数据集的手术图像
967 2024-11-10
Leveraging calcium score CT radiomics for heart failure risk prediction
2024-11-06, Scientific reports IF:3.8Q1
研究论文 研究利用钙评分CT放射组学预测心力衰竭风险 开发了仅使用计算机断层扫描钙评分(CTCS)的筛查方法,结合钙和脂肪放射组学模型,预测心力衰竭风险,优于基于临床因素的预测模型 NA 确定仅使用计算机断层扫描钙评分(CTCS)评估心力衰竭风险的筛查方法 1,998名患者的CTCS扫描数据,包括336名2型糖尿病患者 数字病理 心血管疾病 计算机断层扫描钙评分(CTCS) 深度学习模型 图像 1,998名患者,其中336名患有2型糖尿病
968 2024-11-10
Comprehensive walkability assessment of urban pedestrian environments using big data and deep learning techniques
2024-Nov-06, Scientific reports IF:3.8Q1
研究论文 本文构建了一个综合评估框架,结合主观和客观维度评估城市步行环境,并应用于北京五环路内的街道环境 本文创新性地整合了主观和客观维度,提出了一个综合评估框架,包括宏观尺度指数、微观尺度指数和街道步行偏好指数 本文未详细讨论评估框架在其他城市或不同发展模式下的适用性 评估城市步行环境,促进公共健康、社区凝聚力和城市可持续发展 北京五环路内的街道环境 城市规划 NA 深度学习 NA 大数据 北京五环路内的街道环境
969 2024-11-10
Machine learning models for river flow forecasting in small catchments
2024-Nov-05, Scientific reports IF:3.8Q1
研究论文 研究探讨了在小流域中使用深度学习模型进行河流流量预测的可行性 提出了结合不同输入数据集的模型组合方法,以提供更全面的河流流量未来演变描述 随着预测时间的增加,预测的不确定性增加,需要使用能提供预测置信区间的机器学习模型来减少不确定性 开发新的工具以减轻气候变化带来的水文地质风险,特别是在小流域中 小流域中的河流流量 机器学习 NA 深度学习 深度学习模型 河流流量数据 NA
970 2024-11-10
Study on virtual tooth image generation utilizing CF-fill and Pix2pix for data augmentation
2024-11-05, Scientific reports IF:3.8Q1
研究论文 本文提出了一种利用图像到图像转换(pix2pix)和上下文重建填充(CR-Fill)生成虚拟牙齿图像的方法,以简化牙科修复过程 本文的创新点在于结合pix2pix和CR-Fill技术生成虚拟牙齿图像,并验证了这些虚拟图像在训练数据中的有效性 仅使用虚拟图像作为训练数据的效果不如同时使用真实和虚拟图像 简化牙科修复过程,减少传统牙科修复所需的工作量和时间 牙齿扫描图像和虚拟牙齿图像 计算机视觉 NA 图像到图像转换(pix2pix)和上下文重建填充(CR-Fill) pix2pix 图像 未具体说明样本数量
971 2024-11-10
Developing a 10-Layer Retinal Segmentation for MacTel Using Semi-Supervised Learning
2024-Nov-04, Translational vision science & technology IF:2.6Q2
研究论文 开发了一种用于MacTel的10层视网膜分割的半监督学习模型 通过利用未标记图像,该模型在视网膜层和特征的分割上显著优于其他模型 在某些特征(如内界膜上方的预视网膜空间和视网膜色素上皮下方的背景)上,所有模型的表现相似 提高OCT图像中MacTel病理的自动分割性能 Macular Telangiectasia Type II (MacTel)患者的视网膜层和特征 计算机视觉 NA 半监督学习 深度学习模型 图像 使用了一个小规模的标记数据集,并利用了未标记图像
972 2024-11-10
Background removal for debiasing computer-aided cytological diagnosis
2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文提出了一种基于深度学习的细胞分割和背景去除方法,用于解决计算机辅助细胞学诊断中的背景偏差问题 无需细胞标注,利用背景冗余和细胞稀疏性,通过U-Net模型在无监督方式下进行细胞分割和背景去除 实验结果基于小规模细胞学图像集,可能需要更大规模数据集验证其泛化能力 解决计算机辅助细胞学诊断中的背景偏差问题 液基细胞学图像中的细胞分割和背景去除 计算机视觉 NA 深度学习 U-Net 图像 小规模细胞学图像集
973 2024-11-10
Machine Learning for Localization of Premature Ventricular Contraction Origins: A Review
2024-11, Pacing and clinical electrophysiology : PACE
综述 本文综述了机器学习在定位室性早搏起源中的应用、优势、劣势及未来研究方向 机器学习和深度学习在电生理学研究中作为强大的分析工具,逐渐发挥重要作用 未具体提及 提供机器学习在定位室性早搏起源中的发展概述,为临床医生和研究人员提供参考 室性早搏的起源定位 机器学习 心血管疾病 机器学习 (ML), 深度学习 (DL) 未具体提及 心电图 (ECG), 计算机断层扫描 (CT), 磁共振成像 (MRI) 未具体提及
974 2024-11-10
Deep learning-based osteochondritis dissecans detection in ultrasound images with humeral capitellum localization
2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文提出了一种基于深度学习的超声图像中肱骨髁骨软骨病(OCD)检测方法 通过使用YOLO检测肱骨髁并利用VGG16估计OCD概率,提高了分类性能 未来研究需要评估该方法在临床检查中的有效性 开发一种基于深度学习的超声图像分类模型,用于计算机辅助诊断OCD 肱骨髁骨软骨病(OCD) 计算机视觉 运动损伤 深度学习 YOLO, VGG16 图像 158个样本(OCD: 67, 正常: 91)
975 2024-11-10
Deep learning-based automatic pipeline for 3D needle localization on intra-procedural 3D MRI
2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 本文提出了一种基于深度学习的自动管道,用于在术中3D MRI上进行3D针定位 该方法采用Shifted Window (Swin) Transformers和粗到细的分割策略,能够在有限的训练数据集上实现快速且准确的3D针定位 该方法的评估仅基于49个术中3D MR图像,未来需要在更多样本上进行验证 开发一种自动化的深度学习方法,用于在术中3D MRI上快速且准确地定位针 术中3D MRI上的针定位 计算机视觉 NA Shifted Window (Swin) Transformers Swin UNETR, Swin Transformer 3D MRI图像 49个术中3D MR图像
976 2024-11-09
Sub-sampling graph neural networks for genomic prediction of quantitative phenotypes
2024-Nov-06, G3 (Bethesda, Md.)
研究论文 本文提出了一种基于图神经网络的子采样架构,用于基因组数量性状的预测 提出了一个全局卷积神经网络(GCN)和一个局部子采样架构(GCN-RS),专门设计用于基于基因组关系信息的回归分析 NA 开发一种新的方法来提高基因组数量性状预测的准确性 基因组数量性状的预测 机器学习 NA 图卷积神经网络(GCN) 卷积神经网络(CNN) 基因组数据 模拟数据集和来自小麦、小鼠和猪的三个真实数据集
977 2024-11-09
FinSafeNet: securing digital transactions using optimized deep learning and multi-kernel PCA(MKPCA) with Nyström approximation
2024-Nov-06, Scientific reports IF:3.8Q1
研究论文 研究提出了一种名为FinSafeNet的新型深度学习模型,用于保护数字银行渠道上的现金交易安全 引入了双向长短期记忆网络(Bi-LSTM)、卷积神经网络(CNN)和双注意力机制,结合多核主成分分析(MKPCA)和Nyström近似,显著提高了交易数据的安全性分析能力 NA 提升数字交易的安全性 数字银行渠道上的现金交易 机器学习 NA 多核主成分分析(MKPCA)、Nyström近似 双向长短期记忆网络(Bi-LSTM)、卷积神经网络(CNN) 交易数据 使用了Paysim数据库进行测试
978 2024-11-09
Classification of salivary gland biopsies in Sjögren's syndrome by a convolutional neural network using an auto-machine learning platform
2024-Nov-06, BMC rheumatology IF:2.1Q3
研究论文 本文利用自动机器学习平台和卷积神经网络对干燥综合征中的唾液腺活检进行分类 本文首次使用自动机器学习平台进行唾液腺活检的自动分割和焦点评分量化,以提高诊断精度和速度 模型在质量较差的组织学切片上分类准确性较低,需要多中心研究进一步验证 利用自动机器学习平台提高干燥综合征诊断的精度和效率 干燥综合征患者的唾液腺活检 数字病理学 自身免疫性疾病 卷积神经网络 ResNet-152 图像 86名干燥综合征患者,共172张切片
979 2024-11-09
Hierarchical graph representation learning with multi-granularity features for anti-cancer drug response prediction
2024-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 提出了一种基于多粒度特征的分层图表示学习算法,用于预测抗癌药物反应 引入了一种新的分层图表示学习算法,结合了细胞系和药物的多粒度特征,构建了异构图,并通过图卷积网络学习最终的细胞系和药物表示 NA 提高抗癌药物反应预测的准确性,指导治疗决策,减轻患者痛苦,改善癌症预后 细胞系和药物的相互作用,以及它们在异构图中的多层次邻居特征 机器学习 癌症 图卷积网络 图卷积网络 基因表达数据和分子指纹数据 使用了Genomics of Drug Sensitivity in Cancer (GDSC) 和 Cancer Cell Line Encyclopedia (CCLE) 数据库中的数据
980 2024-11-09
An automated pheochromocytoma and paraganglioma lesion segmentation AI-model at whole-body 68Ga- DOTATATE PET/CT
2024-Nov-05, EJNMMI research IF:3.1Q1
研究论文 开发了一种用于全身68Ga-DOTATATE PET/CT图像中嗜铬细胞瘤和副神经节瘤病变自动分割的人工智能模型 首次开发了一种基于深度学习的AI模型,用于全身68Ga-DOTATATE PET/CT图像中转移性嗜铬细胞瘤和副神经节瘤病变的自动分割 模型在低摄取的小病变检测上存在局限性,且肝脏区域的假阴性和假阳性较多 开发一种人工智能模型,用于自动分割全身3D DOTATATE-PET/CT图像中的病变,并自动化肿瘤负荷计算 嗜铬细胞瘤和副神经节瘤患者 计算机视觉 神经内分泌肿瘤 深度学习 nnUNet 图像 132个68Ga-DOTATATE PET/CT扫描,来自38名患者
回到顶部