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！
添加微信请说明来意
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。
当前共找到 23937 篇文献，本页显示第 22481 - 22500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22481 | 2024-08-05 |
Deep learning pipeline for quality filtering of MRSI spectra
2024-Jul, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5012
PMID:37518942
|
研究论文 | 本文提出了一种基于深度学习分类器的自动化预处理管道，用于过滤MRSI光谱的质量 | 该研究引入了一种新型的结合多种深度学习网络的管道，能够有效识别和过滤不良质量的MRSI光谱 | 在表现较低的谱类中，尤其是受脂质影响的谱类，F1分数相对较低，仅为0.82 | 旨在开发一种自动化管道，以前处理MRSI光谱并提高代谢物定量的有效性 | 研究对象为来自一名健康受试者和五名脑肿瘤患者的36338个MRSI光谱 | 数字病理学 | 脑肿瘤 | 3D磁共振光谱成像 (MRSI) | 卷积自编码器和多层感知器网络的组合 | 光谱 | 36338个光谱 |
| 22482 | 2024-08-05 |
Computer vision analysis of mother-infant interaction identified efficient pup retrieval in V1b receptor knockout mice
2024-Jul, Peptides
IF:2.8Q2
DOI:10.1016/j.peptides.2024.171226
PMID:38649033
|
研究论文 | 该文章研究了V1b受体缺失小鼠在幼崽取回过程中的母婴互动 | 首次应用计算机视觉深度学习分析母鼠与幼崽之间的互动关系 | 研究只限于小鼠，结果可能不适用于其他物种 | 探讨V1b受体在母鼠取回幼崽过程中的作用 | V1b受体缺失小鼠和野生型小鼠在取回幼崽的行为差异 | 计算机视觉 | NA | 深度学习 | NA | 行为数据 | V1b受体缺失小鼠和野生型小鼠的比较，包括母鼠和幼崽 |
| 22483 | 2024-08-05 |
The determination of mastitis severity at 4-level using Milk physical properties: A deep learning approach via MLP and evaluation at different SCC thresholds
2024-Jul, Research in veterinary science
IF:2.2Q1
DOI:10.1016/j.rvsc.2024.105310
PMID:38795430
|
研究论文 | 本研究旨在通过使用牛奶物理特性确定乳腺炎的严重程度。 | 采用多层感知器(MLP)人工神经网络模型来替代传统方法，并在不同SCC阈值下进行评估。 | 未提及研究的其他潜在限制。 | 研究的目的是为亚临床乳腺炎的检测提供替代模型。 | 研究对象为牛奶的物理性质及其在乳腺炎分类中的应用。 | 机器学习 | 乳腺炎 | MLP（多层感知器） | MLP | 牛奶物理特性数据 | 使用了包含5个变量的模型进行分析，具体样本量未说明 |
| 22484 | 2024-08-05 |
Electromagnetic interference elimination via active sensing and deep learning prediction for radiofrequency shielding-free MRI
2024-Jul, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.4956
PMID:37088894
|
研究论文 | 本文介绍了一种通过主动感知和深度学习预测来消除MRI中的电磁干扰的方法 | 提出了一种新颖的深度学习模型来预测和去除MRI信号中的电磁干扰，且无需传统的射频屏蔽 | 目前只在低成本的无射频屏蔽的0.055 T永久磁体MRI扫描仪上实施，尚需在其他类型的扫描仪上验证 | 消除MRI扫描中电磁干扰的问题，以改善患者舒适度和设备安装便利性 | 研究外部和内部的电磁干扰信号及其对MRI信号的影响 | 数字病理学 | NA | 深度学习 | 卷积神经网络 | 信号 | 在0.055 T和1.5 T的MRI扫描上进行了初步实验 |
| 22485 | 2024-08-05 |
A physics-embedded deep-learning framework for efficient multi-fidelity modeling applied to guided wave based structural health monitoring
2024-Jul, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107325
PMID:38701648
|
研究论文 | 提出了一种基于深度学习的数字双胞胎框架，用于降低测量与模拟之间的差异 | 引入了多保真建模和深度生成模型，以生成接近实验的导波响应 | 对于外部参数的敏感性影响监测系统的可靠性，处理这些影响因素并不完美 | 旨在减少基于超声导波的结构健康监测中的测量和模拟之间的不一致性 | 针对裂纹扩展的测量数据集和相关模拟进行验证 | 机器学习 | NA | 深度学习 | NA | 测量数据与仿真数据 | 对应裂纹扩展的测量数据集 |
| 22486 | 2024-08-05 |
Deep learning-assisted locating and sizing of a coating delamination using ultrasonic guided waves
2024-Jul, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107351
PMID:38810394
|
研究论文 | 本篇文章提出了一种基于深度学习的无损检测技术，用于定位和测量涂层剥离。 | 本研究创新性地结合了深度学习与超声导波技术，提高了涂层剥离检测的准确性和效率。 | 训练机器学习算法时间较长，但每个样本配置只需训练一次。 | 旨在开发一种有效的无损检测方法以评估涂层的剥离情况。 | 研究对象为涂层剥离缺陷的定位和尺寸测量。 | 数字病理学 | NA | 超声导波 | 机器学习 | 时域信号 | NA |
| 22487 | 2024-08-07 |
Enhanced wastewater treatment by catalytic persulfate activation with protonated hydroxylamine-assisted iron: Insights from a deep learning-based numerical investigation
2024-Jul, Chemosphere
IF:8.1Q1
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22488 | 2024-08-05 |
A secure worst elite sailfish optimizer based routing and deep learning for black hole attack detection
2024-Jun-10, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2363353
PMID:38855986
|
研究论文 | 本研究设计了一种基于深度学习的黑洞攻击检测模型以保护无线传感器网络 | 提出了一种最坏精英刀鱼优化（WESFO）算法用于路由，并结合自编码器进行攻击检测 | 色在模拟环节，未详细讨论实际应用的挑战 | 研究旨在检测和缓解无线传感器网络中的黑洞攻击 | 关注于无线传感器网络中黑洞攻击的检测与缓解 | 网络安全 | NA | 深度学习 | 自编码器 | 网络数据 | NA |
| 22489 | 2024-08-05 |
The development of artificial intelligence in the histological diagnosis of Inflammatory Bowel Disease (IBD-AI)
2024-Jun-08, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.05.033
PMID:38853093
|
研究论文 | 本文探讨了人工智能在炎症性肠病（IBD）组织学诊断中的应用 | 该研究开发了一种基于AI的评估系统，能够半自动量化基础浆细胞，以支持IBD的诊断 | 该研究可能存在外部验证队列的样本限制 | 旨在开发一种人工智能系统来辅助炎症性肠病的诊断 | 研究对象包括克罗恩病（CD）、溃疡性结肠炎（UC）和健康对照的肠道活检样本 | 数字病理学 | 炎症性肠病 | 深度学习 | NA | 图像 | 4981张注释图像用于训练，356个肠道活检样本用于外部验证 |
| 22490 | 2024-08-05 |
An end-to-end method for predicting compound-protein interactions based on simplified homogeneous graph convolutional network and pre-trained language model
2024-Jun-07, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00862-9
PMID:38849874
|
研究论文 | 本研究提出了一种名为SPVec-SGCN-CPI的端到端方法，用于预测化合物与蛋白质之间的相互作用 | 该方法首次同时考虑了样本不平衡和计算效率，提高了化合物-蛋白质相互作用的预测准确性 | 在研究中没有提到可能的局限性 | 旨在提高化合物-蛋白质相互作用的预测能力以加速药物发现过程 | 研究对象为化合物与蛋白质之间的相互作用 | 机器学习 | NA | 简化图卷积网络 (SGCN) | NA | 数据集 | 三个数据集 |
| 22491 | 2024-08-05 |
Software cost estimation predication using a convolutional neural network and particle swarm optimization algorithm
2024-Jun-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63025-8
PMID:38849414
|
研究论文 | 本文提出了一种基于卷积神经网络和粒子群优化算法的软件成本估算模型 | 结合深度学习和机器学习技术，利用CNN和PSO进行时间序列预测，增强了模型的稳健性和泛化能力 | 尽管在多个基准数据集上取得了优异表现，但仍需进一步验证其在不同应用领域的有效性 | 提升软件成本估算的预测准确性和稳定性 | 使用13个不同的基准数据集进行模型训练和测试 | 机器学习 | NA | 卷积神经网络 (CNN) 和粒子群优化 (PSO) | 卷积神经网络 (CNN) | 基准数据集 | 13个不同的基准数据集 |
| 22492 | 2024-08-05 |
Depth-enhanced high-throughput microscopy by compact PSF engineering
2024-Jun-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48502-y
PMID:38849376
|
研究论文 | 本文展示了一种紧凑的点扩散函数工程，以增强高通量显微镜的成像深度 | 提出了一种在物镜中实现紧凑点扩散函数工程的方法，克服了传统方法的笨重光学扩展问题 | 未在实际应用中提供完全的验证，而主要集中于方法论的展示 | 提升高通量显微镜在三维细胞模型中的应用效能 | 聚焦于三维显微成像及其与深度学习结合的能力 | 数字病理学 | NA | 光学方法 | 深度学习 | 图像 | NA |
| 22493 | 2024-08-05 |
PUResNetV2.0: a deep learning model leveraging sparse representation for improved ligand binding site prediction
2024-Jun-07, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00865-6
PMID:38849917
|
研究论文 | 本文介绍了PUResNetV2.0模型，该模型通过稀疏表示提升了配体结合位点预测的准确性 | 提出了一种利用稀疏表示的深度学习模型PUResNetV2.0，以改善配体结合位点预测的准确性 | 在某些特定情况下（如RNA、DNA、肽类配体和离子结合位点预测）的性能受到训练数据限制的影响 | 提升蛋白质中配体结合位点预测的准确性 | 4729个蛋白质家族的蛋白质复合物 | 计算机视觉 | NA | 深度学习 | PUResNetV2.0 | 蛋白质复合物数据 | 4729个蛋白质家族 |
| 22494 | 2024-08-05 |
Explainable deep learning-based ischemia detection using hybrid O-15 H2O perfusion PET/CT imaging and clinical data
2024-Jun-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.101889
PMID:38852900
|
研究论文 | 本研究开发了一种可解释的深度学习分类器，用于通过O-15 H2O灌注PET/CT和冠状动脉CT血管成像识别冠状动脉疾病 | 提出了一种结合图像和数据的深度学习分类器，并能够以可视化方式展示数据结果 | 仅在138名受试者中评估，可能样本量不足以广泛推广 | 研究目的是开发一种有效的深度学习模型用于检测流量限制性冠状动脉疾病 | 研究对象为138名受试者，包含临床、CTA和PET变量 | 计算机视觉 | 冠状动脉疾病 | PET/CT成像 | 深度学习模型 | 图像和数值数据 | 138名受试者 |
| 22495 | 2024-08-05 |
Accuracy of a deep learning-based algorithm for the detection of thoracic aortic calcifications in chest computed tomography and cardiovascular surgery planning
2024-Jun-03, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezae219
PMID:38837348
|
研究论文 | 本文评估了一种基于深度学习的算法在胸部计算机断层扫描中自动检测胸主动脉钙化的准确性 | 提出了一种全自动的深度学习模型来检测胸主动脉钙化，并重点关注主动脉夹钳区 | 仅涉及91名患者的回顾性样本，可能影响结果的普适性 | 评估深度学习算法在胸部CT中检测主动脉钙化的准确性 | 回顾性分析100个胸部CT扫描，来自91名患者 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 100个胸部CT扫描，来自91名患者 |
| 22496 | 2024-08-05 |
Machine learning-based classification of structured light modes under turbulence and eavesdropping effects
2024-Jun-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.520510
PMID:38856620
|
研究论文 | 本文考虑了在湍流和窃听影响下对复用结构光模态的分类 | 这是首个同时考虑湍流和窃听威胁对复用结构光模态分类的研究 | 未提及具体的实验条件或其他可能影响分类结果的因素 | 提高在挑战性环境中的通信可靠性和数据传输速率 | 复用的结构光模态，特别是在湍流和窃听场景下的性能 | 机器学习 | NA | 机器学习算法 | 人工神经网络，支持向量机，1D卷积神经网络，2D卷积神经网络 | 光学信号 | 16种模式 |
| 22497 | 2024-08-05 |
Role of ChatGPT-4 for Medical Researchers
2024-Jun, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-023-03336-5
PMID:37526801
|
评论 | 本文强调了ChatGPT-4在医疗领域的贡献、益处和挑战 | 探讨了ChatGPT-4在医学研究中的应用潜力和具体优势 | 对该工具的知识和潜力仍需更深入的了解 | 旨在阐明ChatGPT-4对医学研究的影响 | 医疗研究人员和从业者 | 自然语言处理 | NA | 深度学习 | ChatGPT-4 | 文本 | NA |
| 22498 | 2024-08-05 |
Estimation of modified Zernike coefficients from turbulence-degraded multispectral imagery using deep learning
2024-Jun-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.521072
PMID:38856589
|
研究论文 | 本文研究了波长多样性如何影响深度学习模型从多光谱图像中预测修正Zernike系数的性能 | 提出了一种利用波长依赖的模拟方法来处理湍流引起的波前误差，并采用深度神经网络进行修正Zernike系数的预测 | 在使用带有附加噪声的扩展对象时，增加光谱带数所带来的改进有限 | 研究深度学习在湍流条件下从多光谱图像中高准确度预测修正Zernike系数的能力 | 点对象和来自字符数据集的扩展对象的多光谱图像 | 计算机视觉 | NA | 深度学习 | AlexNet | 图像 | 点对象和扩展对象的模拟图像数据，涉及不同湍流水平的多个样本 |
| 22499 | 2024-08-05 |
Identifying the twist factor of twisted partially coherent optical beams
2024-Jun-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.522975
PMID:38856440
|
研究论文 | 本文介绍了一种识别扭曲部分相干光束扭曲因子的方法 | 提出利用源平面上的圆形光圈来识别扭曲部分相干光束，简化了识别过程 | 识别过程可能受到光束低相干性和随机性的影响 | 研究如何有效识别扭曲部分相干光束的扭曲因子 | 扭曲部分相干光束的扭曲因子 | 光学 | NA | 深度学习 | 简单的深度学习模型 | 光束强度结构 | NA |
| 22500 | 2024-08-05 |
[Computer-vision-based artificial intelligence for detection and recognition of instruments and organs during radical laparoscopic gastrectomy for gastric cancer: a multicenter study]
2024-May-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery
|
研究论文 | 本研究探讨了基于计算机视觉的人工智能技术在胃癌根治性腹腔镜胃切除术中检测和识别器械与器官的可行性和准确性 | 首次应用YOLOv8深度学习框架，在多中心收集的腹腔镜手术视频中实现器械和器官的实时检测与识别 | 主要依赖视频数据，可能存在手术视频的多样性和复杂性影响准确性的可能 | 研究计算机视觉在胃癌根治性腹腔镜手术中检测与识别器械和器官的有效性 | 从四家大医院收集的8段完整腹腔镜胃切除术视频 | 计算机视觉 | 胃癌 | YOLOv8深度学习框架 | YOLOv8m模型 | 图像 | 3369帧图像，训练集包含3032帧，验证集包含337帧 |