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:202412-202412] [清除筛选条件]
当前共找到 1098 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 2024-11-09
Searching to Exploit Memorization Effect in Deep Learning With Noisy Labels
2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1
研究论文 本文提出了一种通过双层优化控制样本选择过程的方法,以利用深度学习中的记忆效应来处理带有噪声标签的数据 利用双层优化和半监督学习算法来控制样本选择过程,并通过牛顿法和立方正则化方法提高优化效率 NA 研究如何有效利用深度学习中的记忆效应来处理带有噪声标签的数据 带有噪声标签的数据 机器学习 NA 双层优化 NA 数据集 NA
982 2024-11-09
Zero-Shot Neural Architecture Search: Challenges, Solutions, and Opportunities
2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1
review 本文综述并比较了最先进的零样本神经架构搜索方法,重点在于其硬件感知能力 提出了无需训练的神经架构搜索方法,通过设计代理来预测网络的准确性 NA 综述和比较当前最先进的零样本神经架构搜索方法,并探讨其硬件感知能力 零样本神经架构搜索方法及其代理 machine learning NA NA NA NA NA
983 2024-11-08
Prediction of molecular subclasses of uveal melanoma by deep learning using routine haematoxylin-eosin-stained tissue slides
2024-Dec, Histopathology IF:3.9Q1
研究论文 本研究评估了使用深度学习技术通过常规苏木精-伊红染色(HE)组织切片预测葡萄膜黑色素瘤分子亚型的有效性 首次展示了使用HE染色全切片图像(WSI)通过深度学习方法预测葡萄膜黑色素瘤分子亚型的潜力 研究为回顾性研究,样本量相对较小,且未涵盖所有可能的分子亚型 评估深度学习在预测葡萄膜黑色素瘤分子亚型中的有效性,以替代传统的分子检测方法 葡萄膜黑色素瘤患者及其肿瘤组织 数字病理学 葡萄膜黑色素瘤 深度学习 Swin Transformer 图像 113例葡萄膜黑色素瘤患者的肿瘤组织
984 2024-11-08
Study on the classification of benign and malignant breast lesions using a multi-sequence breast MRI fusion radiomics and deep learning model
2024-Dec, European journal of radiology open IF:1.8Q3
研究论文 本文研究了使用多序列乳腺MRI融合放射组学和深度学习模型对良恶性乳腺病变进行分类 本文创新性地结合了多序列乳腺MRI融合放射组学和深度学习模型,显著提高了乳腺病变分类的诊断性能 本文的样本量相对较小,可能影响模型的泛化能力 开发一种多模态模型,结合多序列乳腺MRI融合放射组学和深度学习,以辅助临床医生更好地选择治疗方案 良恶性乳腺病变 计算机视觉 乳腺癌 MRI ResNet50 图像 314名接受乳腺MRI检查的患者
985 2024-11-08
M/EEG source localization for both subcortical and cortical sources using a convolutional neural network with a realistic head conductivity model
2024-Dec, APL bioengineering IF:6.6Q1
研究论文 本文提出了一种基于卷积神经网络(CNN)的脑电图(EEG)和磁共振成像(MEG)源定位方法,用于同时定位皮层和皮层下源,并使用现实头部电导率模型进行训练 首次尝试使用深度学习方法进行皮层下区域的源定位,并展示了在源定位方面的优异准确性 NA 提高脑电图和磁共振成像在神经科学和临床医学中的空间分辨率 脑电图和磁共振成像信号的皮层和皮层下源定位 计算机视觉 NA 卷积神经网络 CNN 图像 使用个体MRI数据生成的十种不同头部组织的分割数据
986 2024-11-07
Advancing jasmine tea production: YOLOv7-based real-time jasmine flower detection
2024-Dec, Journal of the science of food and agriculture IF:3.3Q2
研究论文 本研究利用YOLOv7算法实时检测茉莉花,以提高茉莉茶生产的质量 采用YOLOv7算法进行茉莉花的实时检测,以区分不同生长阶段的茉莉花 NA 解决茉莉花采摘过程中因环境和人为因素导致的质量问题 茉莉花的不同生长阶段 计算机视觉 NA YOLOv7算法 卷积神经网络 图像 五种不同开放程度的茉莉花样本
987 2024-11-07
Automatic soft-tissue analysis on orthodontic frontal and lateral facial photographs based on deep learning
2024-Dec, Orthodontics & craniofacial research IF:2.4Q2
研究论文 本文基于深度学习建立了自动软组织分析模型,用于正畸面部照片中的地标检测和测量计算 本文创新性地利用深度学习技术实现了正畸面部照片中软组织地标的自动检测和测量 模型在某些测量指标上与手动标注存在统计学差异 建立基于深度学习的自动软组织分析模型,实现正畸面部照片中软组织的全面定量评估 正畸患者的面部照片中的软组织 计算机视觉 NA 深度学习 高分辨率网络、基于深度可分离卷积的特征融合模块、基于像素洗牌的预测模型 图像 578张正面照片和450张侧面照片
988 2024-11-07
Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET
2024-Dec-01, Nuclear medicine communications IF:1.3Q3
研究论文 研究使用深度学习模型对疑似阿尔茨海默病患者的脑部PET图像进行β-淀粉样斑块的二分类 首次使用深度学习模型对脑部PET图像中的β-淀粉样斑块进行二分类 研究为回顾性研究,样本量相对较小 验证深度学习模型在脑部PET图像中分类β-淀粉样斑块的潜力 疑似轻度认知障碍或痴呆患者的脑部PET图像 计算机视觉 阿尔茨海默病 PET/CT成像 卷积神经网络(CNN) 图像 175名患者
989 2024-11-07
Rapid discovery of Transglutaminase 2 inhibitors for celiac disease with boosting ensemble machine learning
2024-Dec, Computational and structural biotechnology journal IF:4.4Q2
研究论文 本研究利用约1100个TG2抑制实验数据,开发了基于集成机器学习模型的配体分子筛选技术,用于快速发现针对乳糜泻的转谷氨酰胺酶2抑制剂 本研究采用了感知器深度学习和低深度随机森林弱学习器的提升集成方法,显著提高了预测准确率,并开发了一个用于筛选潜在治疗分子的网络应用程序 NA 开发针对乳糜泻的转谷氨酰胺酶2抑制剂 转谷氨酰胺酶2及其抑制剂 机器学习 乳糜泻 集成机器学习 感知器深度学习、随机森林、图神经网络 分子特征数据 约1100个TG2抑制实验数据
990 2024-11-07
Artificial intelligence and machine learning in disorders of consciousness
2024-Dec-01, Current opinion in neurology IF:4.1Q2
综述 本文综述了人工智能和机器学习技术在意识障碍诊断和治疗中的应用 提出使用人工智能分析功能性神经影像和脑电图数据,以区分无反应觉醒综合征和最小意识状态 大多数研究使用传统机器学习而非深度学习算法 探讨人工智能和机器学习在意识障碍患者诊断、预后和治疗中的应用 意识障碍患者 机器学习 NA 机器学习 传统机器学习 功能性神经影像和脑电图数据 NA
991 2024-11-06
A comprehensive annotated image dataset for real-time fish detection in pond settings
2024-Dec, Data in brief IF:1.0Q3
研究论文 本文介绍了一个用于池塘环境中实时鱼类检测的综合注释图像数据集 该数据集包含了在多种计算机视觉挑战下捕获的橙色铬鲈鱼种,为鱼类检测提供了宝贵的资源 数据集仅限于橙色铬鲈鱼种,且采集环境为特定池塘 开发一个高效的鱼类检测系统,以促进小型水产养殖业的发展 橙色铬鲈鱼种在池塘环境中的检测 计算机视觉 NA NA NA 图像 包含多种计算机视觉挑战下的橙色铬鲈鱼种图像
992 2024-11-06
Automatic Landmark Detection for Preoperative Planning of High Tibial Osteotomy Using Traditional Feature Extraction and Deep Learning Methods
2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS
研究论文 本文提出了一种新的自动检测高胫骨截骨术(HTO)标志点的方法,结合了优化后的热图偏移聚合方法和传统特征提取技术,用于术前规划 本文的创新点在于将优化后的热图偏移聚合方法与传统特征提取技术相结合,提高了HTO标志点检测的鲁棒性 由于HTO数据集数量有限,现有方法在处理不同畸形患者时不如传统手动规划方法稳健,限制了其在临床实践中的应用 研究目的是提高高胫骨截骨术术前规划的效率和标准化程度 研究对象是高胫骨截骨术的标志点检测 计算机视觉 NA 热图偏移聚合方法、传统特征提取 NA 图像 具体样本数量未在摘要中提及
993 2024-10-30
Deep learning-based measurement of echocardiographic data and its application in the diagnosis of sudden cardiac death
2024-Dec, Biotechnology & genetic engineering reviews
研究论文 本研究评估了深度学习在测量突发性心脏死亡(SCD)患者超声心动图数据中的应用潜力 本研究开发了一种基于深度学习的模型,用于预测SCD,并在验证组中显示出高准确性和敏感性 本研究的样本量有限,且仅限于SCD患者,未来需要在大规模和多样化的样本中验证模型的有效性 评估深度学习在SCD患者超声心动图数据测量中的诊断价值 突发性心脏死亡(SCD)患者 机器学习 心血管疾病 深度学习 深度学习模型 图像 320名SCD患者和400名健康志愿者
994 2024-10-29
Utilizing artificial intelligence for precision exploration of N protein targeting phenanthridine sars-cov-2 inhibitors: A novel approach
2024-Dec-05, European journal of medicinal chemistry IF:6.0Q1
研究论文 本研究利用深度学习模型优化苯并菲啶类化合物结构,以靶向SARS-CoV-2的N蛋白,并验证其抗病毒活性 首次采用深度学习模型EMPIRE和DeepFrag优化苯并菲啶类化合物,靶向SARS-CoV-2的N蛋白,并验证其抗病毒活性 NA 开发靶向SARS-CoV-2 N蛋白的抗COVID-19药物 SARS-CoV-2的N蛋白及苯并菲啶类化合物 机器学习 COVID-19 深度学习模型 EMPIRE, DeepFrag 化合物结构 超过10,000个小分子化合物,最终合成44个化合物
995 2024-10-29
Publicly available datasets of breast histopathology H&E whole-slide images: A scoping review
2024-Dec, Journal of pathology informatics
综述 本文综述了公开可用的乳腺组织病理学H&E全切片图像数据集,旨在帮助研究人员选择合适的乳腺癌计算病理学数据集 首次系统性地综述了公开可用的乳腺H&E染色全切片图像数据集,并提供了图像元数据和特征,以辅助研究人员选择合适的数据集 仅28%的纳入文章使用了多个数据集,14%使用了外部验证集,表明其他开发模型的性能可能被高估;TCGA-BRCA数据集存在显著的选择偏倚,可能影响算法的鲁棒性和泛化性;缺乏一致的元数据报告,需要建立明确的指南来记录乳腺WSI数据集的特征和元数据 识别和综述公开可用的乳腺H&E染色全切片图像数据集,以促进乳腺癌诊断和治疗中的深度学习模型开发 公开可用的乳腺H&E染色全切片图像数据集及其元数据和特征 数字病理学 乳腺癌 NA 深度学习模型 图像 17个公开数据集,包含10385张H&E全切片图像
996 2024-10-29
Computational pathology: A survey review and the way forward
2024-Dec, Journal of pathology informatics
综述 本文对计算病理学(CPath)进行了全面的综述,涵盖了从问题设计到应用和实施的各个方面 本文通过审查超过800篇论文,详细分析了CPath领域的关键工作和面临的挑战,为未来的技术发展和临床整合提供了方向 尽管本文提供了详细的综述,但仍存在将这些算法在临床实践中采用和整合的显著差距 旨在开发数字诊断的基础设施和工作流程,作为临床病理学的辅助CAD系统,促进癌症诊断和治疗的变革性变化 计算病理学(CPath)及其在癌症图像分析中的应用 数字病理学 癌症 NA NA 图像 超过800篇论文
997 2024-10-27
Implementation of deep learning artificial intelligence in vision-threatening disease screenings for an underserved community during COVID-19
2024-Dec, Journal of telemedicine and telecare IF:3.5Q1
研究论文 研究探讨了在COVID-19期间,深度学习人工智能在学生主导的非散瞳筛查中对未受充分服务社区的视觉威胁性疾病的应用 首次在前瞻性研究中应用深度学习人工智能于学生主导的非散瞳筛查,特别是在未受充分服务的社区中 深度学习人工智能标记了38.9%的眼睛为不可评估,远高于人类标准的2.6% 评估深度学习人工智能在视觉威胁性疾病筛查中的应用效果 年龄相关性黄斑变性、糖尿病视网膜病变和青光眼等视觉威胁性疾病 计算机视觉 NA 深度学习 NA 图像 385只眼睛,来自195名筛查参与者
998 2024-10-26
Multimodal ultrasound deep learning to detect fibrosis in early chronic kidney disease
2024-Dec, Renal failure IF:3.0Q1
研究论文 开发了一种多模态超声深度学习融合模型,用于自动分类早期慢性肾脏病患者的纤维化 提出了一个多模态超声深度学习模型,显著提高了早期慢性肾脏病纤维化的预测准确性 研究仅限于2022年5月至11月期间的患者数据,样本量较小 开发和验证一种新的深度学习模型,用于早期慢性肾脏病纤维化的自动检测 慢性肾脏病患者 机器学习 肾脏疾病 深度学习 多模态深度学习模型 超声图像 70%用于训练,30%用于测试
999 2024-10-25
Explainable artificial intelligence and domain adaptation for predicting HIV infection with graph neural networks
2024-Dec, Annals of medicine IF:4.9Q1
研究论文 研究使用图神经网络和领域适应方法预测HIV感染,并评估模型的可解释性和跨数据集的可转移性 首次将可解释的人工智能和领域适应方法应用于图神经网络,以预测HIV感染,并评估模型在不同数据集间的转移能力 研究仅限于两个城市的年轻性少数男性群体,且数据收集时间较短 探索可解释深度学习方法在图神经网络中预测HIV感染的应用,并评估模型在不同数据集间的转移能力 年轻性少数男性群体的社交网络数据 机器学习 HIV感染 图神经网络 图注意力网络(GAT) 网络数据 两个城市的年轻性少数男性群体,数据收集时间为2014至2016年
1000 2024-10-25
Enhanced bone assessment of the shoulder using zero-echo time MRI with deep-learning image reconstruction
2024-Dec, Skeletal radiology IF:1.9Q3
研究论文 评估深度学习重建算法在1.5特斯拉肩部零回波时间MRI中的应用,以改善骨性病变的描绘 引入了一种基于深度学习的重建算法(DLRecon),用于增强零回波时间MRI图像质量,特别是在骨性病变的描绘上 研究为回顾性,样本量相对较小,且仅限于肩部MRI 评估深度学习重建算法在肩部零回波时间MRI中的效果,以提高骨性病变的诊断准确性 肩部MRI图像及其骨性病变 计算机视觉 NA 零回波时间MRI 深度学习 图像 63次肩部MRI检查,涉及52名患者(28名女性)
回到顶部