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] [发表日期不过滤] [清除筛选条件]
当前共找到 21238 篇文献,本页显示第 20641 - 20660 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
20641 2024-08-07
On the additive artificial intelligence-based discovery of nanoparticle neurodegenerative disease drug delivery systems
2024, Beilstein journal of nanotechnology IF:2.6Q2
研究论文 本文利用信息融合、扰动理论和机器学习相结合的IFPTML技术,通过构建线性和非线性模型,预测纳米粒子神经退行性疾病药物输送系统(N2D3Ss)的有效性 本文首次采用IFPTML技术,结合线性判别分析(LDA)和人工神经网络(ANN)算法,提高了N2D3Ss的预测准确性 由于N2D3Ss相关数据的相对有限,AI/ML分析面临挑战 开发新的神经退行性疾病药物输送系统 纳米粒子神经退行性疾病药物输送系统(N2D3Ss) 机器学习 神经退行性疾病 IFPTML LDA, ANN(MLP和DLN) 数据集 4403个NDD试验和260个NP细胞毒性试验,生成三个包含500,000个案例的新工作数据集
20642 2024-08-07
Innova4Health: an integrated approach for prevention of recurrence and personalized treatment of Major Depressive Disorder
2024, Frontiers in artificial intelligence IF:3.0Q2
研究论文 本文介绍了一种综合方法,用于预防复发和个性化治疗重度抑郁症(MDD),通过集成数字和环境生物标志物来改善MDD的预防策略。 利用可穿戴技术和环境监测设备生成的数字生物标志物,结合现有的生理、心理病理学和其他指标,创新地应用于MDD的评估和治疗。 NA 验证一种AI工具,以增强MDD的早期临床管理,并建立一个AI基础设施来管理医疗大数据。 诊断为MDD的青少年和年轻成年人。 NA 精神疾病 可穿戴技术,环境监测 深度学习AI系统 数字生物标志物,环境数据 两个实验组,每组10名青少年和30名年轻成年人。
20643 2024-08-07
DLC-ac4C: A Prediction Model for N4-acetylcytidine Sites in Human mRNA Based on DenseNet and Bidirectional LSTM Methods
2023-Nov-22, Current genomics IF:1.8Q3
研究论文 本文提出了一种基于DenseNet和双向LSTM方法的预测模型DLC-ac4C,用于识别人类mRNA中的N4-乙酰胞苷位点 本研究通过结合DenseNet和双向LSTM,并引入通道注意力机制,更好地从序列角度捕捉隐藏的信息特征,提高了ac4C位点的识别效果 NA 改进现有计算方法在ac4C位点预测中的性能不足,提出一种新的集成深度学习预测框架 人类mRNA中的N4-乙酰胞苷位点 机器学习 NA DenseNet, 双向LSTM DenseNet, 双向LSTM RNA序列 独立测试数据
20644 2024-08-07
A dual foveal-peripheral visual processing model implements efficient saccade selection
2020-Aug-03, Journal of vision IF:2.0Q2
研究论文 开发了一种视觉运动模型,实现视觉搜索作为焦点精度寻求策略,目标位置和类别从共同的生成过程中独立抽取 模型采用对数极坐标视网膜编码方式处理全视觉场,模仿生物学方式,并在感知层面利用强大的压缩率,实现视觉搜索的亚线性方式 NA 研究如何通过双中央凹-周边视觉处理模型实现高效的扫视选择 视觉搜索任务中的目标识别与定位 计算机视觉 NA 深度学习 CNN 图像 在大型杂乱图像中寻找数字的任务中测试模型
20645 2024-08-07
Deep learning image recognition enables efficient genome editing in zebrafish by automated injections
2019, PloS one IF:2.9Q1
研究论文 本文开发了一种基于深度学习软件的机器学习技术,实现了对斑马鱼胚胎的高速自动化微注射,提高了基因编辑效率。 该研究首次展示了使用深度学习图像识别技术进行斑马鱼胚胎自动化微注射,显著提高了操作速度和效率。 NA 开发一种高效的自动化微注射系统,用于斑马鱼胚胎的基因编辑。 斑马鱼胚胎的基因编辑和微注射技术。 计算机视觉 NA 深度学习 Inception v3 图像 未具体说明样本数量
20646 2024-08-07
A Dataset of apical periodontitis lesions in panoramic radiographs for deep-learning-based classification and detection
2024-Jun, Data in brief IF:1.0Q3
研究论文 本文介绍了用于深度学习分类和检测根尖周病变的口腔全景X光片数据集的创建和处理 通过数据增强技术增加了数据量,提高了机器学习模型的训练效果 NA 构建一个有效的学习模型来检测全景X光片中的根尖周病变 根尖周病变的全景X光片图像 计算机视觉 牙周病 数据增强技术(如缩放、镜像和翻转) 深度学习模型 图像 16,519张全景X光片,其中3,926张包含根尖周病变
20647 2024-08-07
IoT-DH dataset for classification, identification, and detection DDoS attack in IoT
2024-Jun, Data in brief IF:1.0Q3
研究论文 本文介绍了一个名为IoT-DH的新型大型数据集,旨在用于物联网生态系统中DDoS攻击的分类、识别和检测 IoT-DH数据集包含了多样化的场景和网络配置,提供了对真实物联网环境的现实代表性,并包括了多种攻击场景和不同攻击向量及强度 NA 开发和评估用于有效缓解DDoS攻击的机器学习和深度学习模型 物联网生态系统中的DDoS攻击 计算机视觉 NA 机器学习 深度学习模型 数据集 包含多样化的场景和网络配置,具体样本数量未提及
20648 2024-08-07
Enhancing kidney disease prediction with optimized forest and ECG signals data
2024-May-30, Heliyon IF:3.4Q1
研究论文 本研究利用优化森林(Opt-Forest)模型结合心电图(ECG)数据,旨在提高慢性肾脏病(CKD)的早期检测 Opt-Forest模型在CKD预测中表现出更高的敏感性和特异性,以及较低的误报率 未来研究需要探索深度学习方法并整合患者特定数据以进一步提高精确医学在肾脏病学中的应用 提高慢性肾脏病的早期检测 慢性肾脏病(CKD)的早期检测 机器学习 肾脏病 优化森林(Opt-Forest)模型 优化森林(Opt-Forest) 心电图(ECG)数据 未具体说明样本数量
20649 2024-08-07
Feasibility of rib fracture detection in low-dose computed tomography images with a large, multicenter datasets-based model
2024-May-30, Heliyon IF:3.4Q1
研究论文 评估基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折的可行性 使用基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折,并评估其与常规剂量CT图像的性能对比 NA 评估低剂量CT图像中肋骨骨折检测的可行性 肋骨骨折检测 计算机视觉 NA 低剂量CT RetinaNet 图像 7300次扫描,包含50,410处肋骨骨折,用于内部训练;外部测试数据集包含100名患者的728处创伤性肋骨骨折
20650 2024-08-07
A novel LVPA-UNet network for target volume automatic delineation: An MRI case study of nasopharyngeal carcinoma
2024-May-30, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于2D-3D架构的Layer-Volume Parallel Attention (LVPA)-UNet模型,用于鼻咽癌MRI图像中肿瘤体积的自动勾画 引入了2D和3D工作流程并行处理,多分支深度条卷积适应不同形状和大小的肿瘤,以及层-通道注意力机制自适应调整切片和通道权重 NA 提高肿瘤体积勾画的准确性和效率,为放射治疗提供技术支持 鼻咽癌的MRI图像 计算机视觉 鼻咽癌 深度学习 LVPA-UNet MRI图像 1010例鼻咽癌MRI数据集
20651 2024-08-07
Deep learning-enhanced characterization of bubble dynamics in proton exchange membrane water electrolyzers
2024-May-22, Physical chemistry chemical physics : PCCP IF:2.9Q1
研究论文 本文提出了一种基于深度学习的框架,用于高吞吐量分析质子交换膜水电解器中的气泡动力学 利用U-Net架构对35张标注图像进行训练,实现了高效的气泡分割任务 使用的标注图像数据集相对较小 提高质子交换膜水电解器研究中图像分析的速度和精度 质子交换膜水电解器中的气泡动力学 计算机视觉 NA 深度学习 U-Net 图像 35张标注图像
20652 2024-08-07
Deep learning-based auditory attention decoding in listeners with hearing impairment
2024-May-22, Journal of neural engineering IF:3.7Q2
研究论文 本研究开发了一种基于深度学习的听觉注意解码方法,使用来自听力受损者的脑电图数据进行快速听觉注意解码 本研究设计了深度卷积神经网络模型,并采用两种训练策略来评估数据分割对听觉注意解码任务的影响 内试策略导致结果偏高,强调了在基于脑电图的听觉注意解码任务中适当数据分割的重要性 研究听力技术如何影响听力受损人群的听觉处理 听力受损者在使用听力技术时的听觉处理 机器学习 听力障碍 脑电图 深度卷积神经网络 脑电图数据 31名听力受损参与者
20653 2024-08-07
Optimized encoder-decoder cascaded deep convolutional network for leaf disease image segmentation
2024-May-22, Network (Bristol, England)
研究论文 本文提出了一种优化的编码器-解码器级联深度卷积网络(ODEDCNet)模型,用于提高叶片疾病图像分割的准确性 引入了新的Dingo优化算法(DOA)来选择最佳的超参数,提高了模型的鲁棒性和分割精度 NA 旨在通过自动化技术提高植物疾病的识别和诊断效率,增强全球粮食安全 叶片疾病图像的分割和分类 计算机视觉 NA 深度学习 CNN 图像 使用了PlantVillage和Betel Leaf Image两个数据集,分别达到了97.33%和97.42%的准确率
20654 2024-08-07
Detecting the corneal neovascularisation area using artificial intelligence
2024-May-21, The British journal of ophthalmology
研究论文 本文旨在开发并评估一种基于人工智能的图像分析工具,用于测量和量化角膜新生血管(CoNV)区域 使用深度学习技术自动分割和检测CoNV区域,并通过六折交叉验证评估算法性能 NA 开发和评估用于测量和量化角膜新生血管区域的人工智能工具 角膜新生血管区域 计算机视觉 NA 深度学习 U-Net 图像 120只眼睛的裂隙灯图像
20655 2024-08-07
Prediction of retinopathy progression using deep learning on retinal images within the Scottish screening programme
2024-May-21, The British journal of ophthalmology
研究论文 本研究利用深度学习技术在苏格兰筛查计划中的视网膜图像上预测糖尿病视网膜病变(DR)的进展 使用深度学习技术提高了预测糖尿病视网膜病变进展的准确性,并减少了预期疾病可参考的时间 NA 探索深度学习在视网膜图像上预测糖尿病视网膜病变进展的潜力及其对筛查间隔的影响 糖尿病视网膜病变(DR)的进展预测 计算机视觉 糖尿病视网膜病变 深度学习(DL) NA 图像 21,346名1型糖尿病患者和247,233名2型糖尿病患者
20656 2024-08-07
Deep Geometric Learning With Monotonicity Constraints for Alzheimer's Disease Progression
2024-May-21, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种新的几何学习方法,结合拓扑空间转移、ODE-RGRU和轨迹估计三个模块,用于模拟纵向MRI生物标志物和认知评分,并开发了一种集成流形映射与单调性约束的训练算法,以反映测量转换的不可逆性。 本文创新地结合了拓扑空间转移、ODE-RGRU和轨迹估计三个模块,并开发了一种集成流形映射与单调性约束的训练算法,以更好地模拟阿尔茨海默病进展中的几何特性。 ODE-RGRU在从不完整样本中推断正定对称矩阵时存在局限性,可能导致特征逆转问题。 预测阿尔茨海默病的进展,为临床诊断和治疗提供支持。 阿尔茨海默病的进展及其在临床诊断和治疗中的应用。 机器学习 阿尔茨海默病 MRI RNN 图像 未具体说明样本数量
20657 2024-08-07
Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach
2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1
研究论文 本研究验证了一种自监督学习方法在减少对标签依赖方面的有效性,并评估其泛化能力 提出了一种新的自监督损失函数,结合了Barlow Twins损失和Dissimilarity损失,用于在无标签数据上预训练编码器 缺乏标准化的数据采集协议和有限的可注释数据集影响了监督模型的泛化能力 验证自监督学习方法在检测和跟踪帕金森病等神经退行性疾病中的有效性和泛化能力 帕金森病患者和对照组的触摸屏交互产生的按键动态信号 机器学习 帕金森病 自监督学习 NA 按键动态信号 涉及两个独立数据集的帕金森病患者和对照组
20658 2024-08-07
An interpretable predictive deep learning platform for pediatric metabolic diseases
2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1
研究论文 本文开发了一种可解释的深度学习平台,用于预测儿童代谢疾病的早期发作 利用纵向临床测量、人口统计数据和电子健康记录中的诊断代码,提高了预测模型的准确性 NA 开发早期检测工具以预防或减缓儿童代谢疾病长期并发症的发展 儿童代谢疾病,包括前驱糖尿病、2型糖尿病和代谢综合征 机器学习 代谢疾病 深度学习 深度学习模型 电子健康记录数据 49,517名超重或肥胖的2-18岁儿童(54.9%为男性,73%为白人)
20659 2024-08-07
Transparent deep learning to identify autism spectrum disorders (ASD) in EHR using clinical notes
2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1
研究论文 本文利用深度学习方法,通过电子健康记录中的临床笔记来识别自闭症谱系障碍(ASD),并提供透明的诊断结果 本文提出的深度学习方法能够生成与临床诊断规则一致的透明结果,并通过中间步骤提供透明的决策过程 研究使用的数据集较小,可能影响模型的泛化能力 开发一种透明的机器学习方法,用于通过电子健康记录中的临床笔记识别自闭症谱系障碍 自闭症谱系障碍(ASD)的诊断 机器学习 自闭症谱系障碍 深度学习 BiLSTM 文本 6773个句子(35个病例)
20660 2024-08-07
MRI radiomics based on deep learning automated segmentation to predict early recurrence of hepatocellular carcinoma
2024-May-20, Insights into imaging IF:4.1Q1
研究论文 研究基于深度学习自动分割的MRI放射组学特征和临床放射学特征在预测单个肝细胞癌(HCC)根治性切除后早期复发中的应用 构建了一个结合深度学习自动分割的放射组学特征和临床放射学特征的混合模型,用于准确预测HCC术后早期复发 NA 研究深度学习自动分割的MRI放射组学特征和临床放射学特征在预测HCC术后早期复发中的效用 肝细胞癌(HCC)患者 机器学习 肝癌 MRI放射组学 3D U-net 图像 434名患者
回到顶部