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 24162 篇文献,本页显示第 21761 - 21780 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
21761 2024-08-05
Clinical feasibility of deep learning-based automatic head CBCT image segmentation and landmark detection in computer-aided surgical simulation for orthognathic surgery
2023-Jul, International journal of oral and maxillofacial surgery IF:2.2Q2
研究论文 本研究探讨了基于深度学习的自动分割和标志检测在矫正外科手术规划中的应用可行性 使用SkullEngine实现了颅骨CBCT图像的自动分割和标志检测,为矫正外科手术提供了新的方法 自动标志数字化的准确性需要进一步提高 研究深度学习自动分割和标志检测在矫正外科手术规划中的应用 61组锥形束计算机断层扫描(CBCT)图像 数字病理学 NA 深度学习 NA 图像 61组CBCT图像
21762 2024-08-05
Electrocardiogram Detection of Pulmonary Hypertension Using Deep Learning
2023-07, Journal of cardiac failure IF:6.7Q1
研究论文 本研究评估了使用深度学习方法通过心电图(ECG)数据单独检测肺动脉高压(PH)及其临床重要亚型的能力 创新在于使用深度学习算法识别心电图数据中潜在的肺动脉高压信号 本研究基于回顾性数据,可能存在选择偏倚,且未考虑其他影响因素 研究目标是评估深度学习在肺动脉高压早期检测中的应用 涉及到的研究对象为接受右心导管检查或超声心动图的成人患者 机器学习 肺动脉高压 深度学习 深度卷积神经网络 心电图 共涉及5016名PH患者和19454名非PH患者
21763 2024-08-05
Blind assessment of monomeric AlphaFold2 protein structure models with experimental NMR data
2023-07, Journal of magnetic resonance (San Diego, Calif. : 1997)
研究论文 本文评估了AlphaFold2模型在小单体蛋白质NMR结构模型上的表现 评估了AF2在未用于训练数据集的小单体溶液蛋白质NMR结构中的准确性,提供了新的基准NMR数据 仅涉及九个开放源代码的蛋白质NMR数据集,样本量较小 研究AF2模型对小型单体蛋白质NMR数据的预测能力 九个不同的小型单体蛋白质NMR数据集 结构生物学 NA NMR AlphaFold2 NMR数据 九个小型单体蛋白质(70-108个氨基酸)
21764 2024-08-05
Structure primed embedding on the transcription factor manifold enables transparent model architectures for gene regulatory network and latent activity inference
2023-Feb-03, bioRxiv : the preprint server for biology
研究论文 提出了一种基于深度学习的框架,以进行基因调控网络推断和潜在活性估计 提出了一种新颖的深度学习自编码器框架,有助于在保持可解释性的同时进行基因调控网络推断 尚待评估该框架在其他生物系统或大规模数据集中的适用性 研究基因调控网络及其潜在活性 关注转录因子及其与目标基因之间的调控关系 机器学习 NA 深度学习 自编码器 单细胞基因组数据 NA
21765 2024-08-07
Disentangling Normal Aging From Severity of Disease via Weak Supervision on Longitudinal MRI
2022-10, IEEE transactions on medical imaging IF:8.9Q1
研究论文 本文提出了一种通过弱监督学习方法,从纵向MRI数据中分离正常衰老与疾病严重程度的研究 通过弱监督学习,明确分离疾病效应与正常衰老,并能增强训练数据的多样性 需要进一步验证在不同数据集上的泛化能力 研究如何通过深度学习算法将纵向MRI数据映射到连续的疾病严重程度尺度上 纵向MRI数据中的正常衰老与疾病严重程度 机器学习 神经退行性疾病 深度学习算法 NA MRI图像 632个样本来自阿尔茨海默病神经成像倡议(ADNI)
21766 2024-08-07
Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing
2022-Sep, PRedictive Intelligence in MEdicine. PRIME (Workshop)
研究论文 本文提出了一种基于排列测试的灵活且可扩展的方法,将假设检验整合到数据驱动的深度学习分析中,以预测和解释青少年中的负面情绪症状。 本文的创新点在于将排列测试的概念应用于深度学习分析,使得深度学习的结果能够与支持假设的统计显著性相关联。 NA 旨在将深度学习与假设驱动的分析相结合,通过排列测试方法提高深度学习在神经科学研究中的应用价值。 研究对象为621名青少年参与者,通过分析他们的自我报告评估来预测负面情绪症状。 机器学习 抑郁症 深度学习 NA 文本 621名青少年参与者
21767 2024-08-07
Hyperspectral Image Classification with Optimized Compressed Synergic Deep Convolution Neural Network with Aquila Optimization
2022, Computational intelligence and neuroscience
研究论文 本文研究了如何利用优化后的压缩协同深度卷积神经网络(CSDCNN-AO)模型,从有限样本中准确分类高光谱图像(HSI) 提出了基于特征提取和分类的新型深度学习分类方法,并引入了Aquila优化技术以提高分类性能 NA 提高高光谱图像分类的准确性和效率 高光谱图像的分类 计算机视觉 NA 深度学习 压缩协同深度卷积神经网络(CSDCNN-AO) 高光谱图像 使用了四个高光谱图像数据集:Kennedy Space Center (KSC), Indian Pines (IP), Houston U (HU), Salinas Scene (SS)
21768 2024-08-07
Advanced Feature Extraction and Selection Approach Using Deep Learning and Aquila Optimizer for IoT Intrusion Detection System
2021-Dec-26, Sensors (Basel, Switzerland)
研究论文 本文开发了一种新的特征提取和选择方法,利用深度学习和Aquila优化器为物联网入侵检测系统提供支持 提出了一种基于群智能算法Aquila优化器的特征选择方法,并结合卷积神经网络进行特征提取 NA 开发新的特征提取和选择方法,提高物联网入侵检测系统的性能 物联网入侵检测系统 机器学习 NA 深度学习 CNN 数据集 使用了四个知名公共数据集:CIC2017, NSL-KDD, BoT-IoT, 和 KDD99
21769 2024-08-07
Low-dose CT reconstruction with Noise2Noise network and testing-time fine-tuning
2021-Dec, Medical physics IF:3.2Q1
研究论文 本文提出了一种基于深度学习的低剂量CT图像重建算法,该算法无需使用正常剂量的图像进行训练 提出的Noise2Noise网络在迭代重建过程中进行微调,无需清洁图像进行网络训练,且在测试时进行微调以优化每次重建 NA 开发一种无需清洁图像进行训练的低剂量CT图像重建算法 低剂量CT图像重建 计算机视觉 NA Noise2Noise网络 深度神经网络 图像 使用2016年低剂量CT挑战数据集进行验证
21770 2024-08-07
Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth
2021-11-19, Scientific reports IF:3.8Q1
研究论文 本研究利用机器学习模型预测阴道分娩后的产后出血 构建了五种机器学习模型和一个包含两层神经网络的深度学习模型,通过集成学习方法提高了预测准确性 需要进一步研究以分析合适的变量并准备大规模数据集 预测阴道分娩后的产后出血 在东京女子医科大学东中心进行阴道分娩的女性 机器学习 产后出血 机器学习 神经网络 临床变量 共9,894名进行阴道分娩的患者,其中188例(1.9%)出血量超过1000毫升
21771 2024-08-07
Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer
2019-Aug, Cellular oncology (Dordrecht)
研究论文 本文通过深度学习和手动评估方法,研究了绝对有丝分裂计数在三阴性乳腺癌中的预后价值 首次使用深度学习和手动方法评估三阴性乳腺癌中有丝分裂计数的预后价值 研究仅限于回顾性三阴性乳腺癌队列,可能限制了结果的普遍性 评估有丝分裂计数作为三阴性乳腺癌预后因素的价值 三阴性乳腺癌患者的有丝分裂计数 机器学习 乳腺癌 卷积神经网络 CNN 图像 298例三阴性乳腺癌患者
21772 2024-08-07
Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network
2019-Jun, Japanese journal of radiology IF:2.9Q2
研究论文 本研究使用卷积神经网络(CNN)深度学习方法区分乳腺超声图像中的良性与恶性肿块 本研究展示了CNN模型在区分乳腺超声图像中良性与恶性肿块的高诊断性能,与放射科医生相比,具有同等或更好的诊断效果 NA 利用深度学习和卷积神经网络区分乳腺超声图像中的良性与恶性肿块 乳腺超声图像中的良性与恶性肿块 机器学习 乳腺疾病 卷积神经网络(CNN) CNN 图像 训练数据包括480张良性肿块图像和467张恶性肿块图像,测试数据包括48张良性肿块图像和72张恶性肿块图像
21773 2024-08-05
An exploratory deep learning approach to investigate tuberculosis pathogenesis in nonhuman primate model: Combining automated radiological analysis with clinical and biomarkers data
2024-Aug, Journal of medical primatology IF:0.8Q3
研究论文 该文章探讨了在非人类灵长类动物模型中,通过结合自动影像分析与临床及生物标志物数据来研究结核病的发病机制 提出了一种新的基于机器学习的CT分析方法TB-Net,该方法在疾病进展分析中表现优于标准深度学习模型 样本量较小,仅使用了六只猕猴进行实验 旨在开发一种综合方法来检测和监测结核病病例 使用六只猕猴作为研究对象,分析其感染结核分枝杆菌后的肺部变化 机器学习 结核病 计算机断层扫描(CT) TB-Net 影像 六只猕猴
21774 2024-08-05
A deep-learning approach to predict bleeding risk over time in patients on extended anticoagulation therapy
2024-Jul, Journal of thrombosis and haemostasis : JTH IF:5.5Q1
研究论文 这篇文章展示了深度学习如何利用患者的时间序列随访数据来改进主要出血的预测 文章的创新点在于将时间序列随访数据纳入预测模型,超越了仅依赖基线预测因子的传统临床模型 研究依赖于收集到的随访数据,可能受到临床访谈不规律性的影响 研究的目的是提高在接受长期抗凝治疗的患者中对主要出血风险的预测能力 研究对象是2542名在长期抗凝治疗中的患者,其中118名发生了主要出血 机器学习 NA 深度学习 前馈神经网络和递归神经网络的集成 时间序列数据 2542名患者(其中118名发生主要出血)
21775 2024-08-05
Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study
2024-Jul, JPEN. Journal of parenteral and enteral nutrition
研究论文 本文开发并评估了一种基于3D面部点云的深度学习框架用于营养不良的诊断 提出了一种新工具来整合与营养不良相关的面部特征,以进行疾病筛查 该研究未提及对数据收集过程或模型训练的其他限制 旨在开发一个深度学习框架以准确确定营养不良 对482名患者进行了研究 机器学习 NA 深度学习 PointNet++ 3D点云 482名患者
21776 2024-08-05
Diagnostic performance of a deep-learning model using 18F-FDG PET/CT for evaluating recurrence after radiation therapy in patients with lung cancer
2024-Jul, Annals of nuclear medicine IF:2.5Q2
研究论文 本文开发了一种深度学习模型,以区分肺癌患者放疗后的变化与肿瘤复发 创新点在于使用了二维卷积神经网络(CNN)对放疗相关变化和肿瘤复发进行有效区分 研究局限于单一医院的数据回顾,可能影响外部有效性 研究目的在于提高放疗后肺癌患者肿瘤复发的诊断准确性 308名接受放疗的肺癌患者 计算机视觉 肺癌 18F-FDG PET/CT CNN 图像 308名患者,3329个切片
21777 2024-08-05
A deep learning method for reflective boundary estimation
2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1
研究论文 该文章提出了一种用于反射边界估计的深度学习方法 该方法使用卷积神经网络,能够在不需要正确分配回声的情况下,实现鲁棒的二维边界估计 需要已知的发射器和接收器位置,可能限制了方法的适用范围 研究在复杂声学环境中进行环境估计的方法 反射边界的位置和声学回声的估计 计算机视觉 NA 卷积神经网络 CNN 图像 模拟数据和水箱的真实数据
21778 2024-08-05
A deep learning-based algorithm for pulmonary tuberculosis detection in chest radiography
2024-06-28, Scientific reports IF:3.8Q1
研究论文 本研究评估了一种基于深度学习的算法在胸部X光片中检测肺结核的有效性 提出了一种使用Google可教机器的深度神经网络图像分类工具来预测胸部X光片中肺结核的概率 在同时考虑其他非结核异常的情况下,算法的准确度有所下降 评估深度学习算法在检测肺结核方面的有效性 分析348个肺结核X光片与3806个正常X光片的数据集 数字病理学 肺结核 深度学习 深度神经网络 影像 348个肺结核胸片和3806个正常胸片,外部验证250个胸片
21779 2024-08-05
Prostate cancer diagnosis based on multi-parametric MRI, clinical and pathological factors using deep learning
2024-06-28, Scientific reports IF:3.8Q1
研究论文 本研究使用深度学习方法结合多参数MRI、临床和病理因素对前列腺癌进行诊断 首次将多参数MRI与临床和病理数据结合使用深度学习提高前列腺癌诊断的准确性 研究仅基于来自一所医院的数据,可能影响结果的广泛适用性 提高前列腺癌的早期诊断准确性 343名前列腺癌患者的数据 医学影像分析 前列腺癌 深度学习 ResNet50 多参数MRI图像 343名患者
21780 2024-08-05
Variable data structures and customized deep learning surrogates for computationally efficient and reliable characterization of buried objects
2024-Jun-28, Scientific reports IF:3.8Q1
研究论文 本研究通过深度学习代理建模方法,表征埋 buried 物体。 提出了一种深度回归网络(DRN),在与传统网络模型相比下,该模型的计算效率提高了大约 13 倍。 关于原始 B 扫描数据和 B 扫描轮廓处理步骤的使用在物体特征化中导致高计算成本,这可能成为一个挑战。 该研究旨在通过深度学习技术高效可靠地表征埋藏物体。 研究对象为不同半径、不同位置(深度和横向位置)埋藏在不同色散地下介质中的物体。 数字病理学 NA 全波电磁模拟 深度回归网络(DRN) 图像 NA
回到顶部