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 26784 篇文献,本页显示第 22721 - 22740 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
22721 2024-08-04
Predicting mine water inflow volumes using a decomposition-optimization algorithm-machine learning approach
2024-Aug-01, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新颖的耦合分解-优化-深度学习模型,用于预测矿水涌入量 结合了完整集合经验模态分解与自适应噪声、北鵰优化和长短期记忆网络的创新模型 传统模型和单一机器学习方法在预测突发水涌量变化方面的效能仍然存在不足 旨在提高矿水涌入量的预测准确性,确保煤矿安全 矿水涌入预测方法及其在不同模型中的表现 机器学习 NA CEEMDAN, NGO, LSTM LSTM 时间序列数据 未明确说明样本量的具体数量
22722 2024-08-04
Artificial intelligence in fusion protein three-dimensional structure prediction: Review and perspective
2024-Aug, Clinical and translational medicine IF:7.9Q1
综述 本论文回顾了人工智能在融合蛋白三维结构预测中的最新进展和挑战 文章强调了使用深度学习模型预测融合蛋白三维结构的最新进展,并探讨了四种建模方法的优缺点 对于融合蛋白的预测,模板基础模型面临着已知模板结构在数据库中通常缺乏的问题 探讨利用人工智能方法预测融合蛋白三维结构的优势和挑战 关注于融合蛋白的三维结构预测 人工智能 癌症 深度学习 AlphaFold2, RoseTTAFold, tr-Rosetta, D-I-TASSER NA NA
22723 2024-08-04
A QR code-enabled framework for fast biomedical image processing in medical diagnosis using deep learning
2024-Aug-01, BMC medical imaging IF:2.9Q2
研究论文 本文提出了一种利用QR码的框架,以加速医学影像处理和医疗诊断。 采用深度学习QR码技术,优化了数据库设计,创新性地解决了数据存储基础设施成本和信息检索速度问题。 未提及具体使用的深度学习模型和技术细节,缺乏对系统在不同条件下表现的全面评估。 研究如何通过高效的医学影像处理来加速医疗条件的诊断。 使用来自Crawford影像和数据档案及Duke CIVM的医疗数据集进行评估。 数字病理学 NA 深度学习 NA 医学影像 使用来自两个数据集的医疗数据集进行评估
22724 2024-08-04
Air quality forecasting using a spatiotemporal hybrid deep learning model based on VMD-GAT-BiLSTM
2024-Aug-01, Scientific reports IF:3.8Q1
研究论文 提出了一种基于VMD-GAT-BiLSTM的时空混合深度学习模型用于空气质量预测。 该模型结合了变分模态分解、图注意网络和双向长短时记忆网络,以提高空气质量预测的准确性。 模型的有效性依赖于所使用的监测数据的质量和完整性。 旨在提高空气质量预测的精度,从而增强早期预警系统的能力。 主要研究空气质量数据,探讨不同监测站之间的空间关系和时间特征。 机器学习 NA VMD, GAT, BiLSTM VMD-GAT-BiLSTM PM数据 使用了收集的北京空气质量数据集进行实验
22725 2024-08-05
A hybrid approach to improvement of watershed water quality modeling by coupling process-based and deep learning models
2024-Aug, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2
研究论文 提出了一种混合模型,通过结合过程驱动模型和深度学习模型来改善流域水质建模 开发了一种混合模型,将未校准的过程驱动模型与数据驱动模型相结合,以提高流域建模的准确性 模型参数校准和验证过程耗时且具有固有的不确定性 研究旨在解决过程驱动模型校准和验证中的各种挑战 结合地理信息和五年观察数据构建的Yeongsan河流域的土壤与水评估工具 数字病理学 NA 深度学习 长短期记忆网络 (LSTM) 观测数据 5年观测数据
22726 2024-08-05
Multi-level structural damage characterization using sparse acoustic sensor networks and knowledge transferred deep learning
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本研究展示了一种基于机器学习的多级损伤特征描述方法,利用稀疏传感器网络和知识转移的深度学习 提出了一种新颖的网络空间辅助和自适应卷积技术,以实现深度学习算法中的知识高效转移 未提及具体的限制 探索在复杂结构中基于机器学习的结构健康监测方法 在铝板上进行实验,铝板上人为诱导了缺陷 机器学习 NA 深度学习 NA 实验数据 使用的样本包括铝板上多种损伤特征的实验
22727 2024-08-05
Utilizing improved YOLOv8 based on SPD-BRSA-AFPN for ultrasonic phased array non-destructive testing
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本研究提出了一种基于改进YOLOv8的智能缺陷检测算法,以提高超声相控阵检测中的缺陷识别效率和准确性 引入空间到深度卷积(SPD-Conv)和双层路由与空间注意模块(BRSA),并用渐近特征金字塔网络(AFPN)替换了原有结构,以改进低分辨率图像的检测性能 对高分辨率且良好标注的训练数据的需求较高,这在无损检测中难以获得 提高超声相控阵检测中缺陷检测的准确性和效率 在超声相控阵检测中检测缺陷,如平底孔(FBH)和侧钻孔(SDH) 图像处理 NA 超声相控阵检测 YOLOv8 图像 在模拟数据集和实验数据集上进行了测试,具体样本量未明示
22728 2024-08-05
Fingerprint authentication based on deep convolutional descent inversion tomography
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 提出了一种新的基于深度卷积反演层析的指纹认证方法。 结合深度学习和多尺度融合,提高了指纹反演和认证的精准度与速度。 未提及具体的适用范围或其他数据集的测试。 研究新的指纹认证方法以提高识别精度和速度。 指纹及其特征,特别是湿指纹和假细节的识别。 计算机视觉 NA 深快反演层析(DeepFIT)及Mask R-CNN 卷积神经网络(CNN) 图像 NA
22729 2024-08-05
Shear wave trajectory detection in ultra-fast M-mode images for liver fibrosis assessment: A deep learning-based line detection approach
2024-Aug, Ultrasonics IF:3.8Q1
研究论文 本文首次尝试使用深度学习方法在波传播图上检测剪切波轨迹以评估肝纤维化。 创新之处在于提出了一种基于Transformer和霍夫变换的端到端框架TEHT,能够从波传播图中直接输出剪切波轨迹的斜率。 由于样本量相对较小且仅限于68名患者,可能影响结果的广泛适用性。 研究目标在于探索深度学习在肝纤维化评估中的应用。 研究对象为68名患者的波传播图。 数字病理学 肝癌 超声弹性成像 Transformer 图像 68份患者的波传播图
22730 2024-08-05
A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data
2024-Jul-18, JMIR public health and surveillance IF:3.5Q1
研究论文 该研究分析了在意大利西北部住院的COVID-19患者的多重合并症情况 提出了一种进化机器学习模型,以处理数据稀疏性并识别与COVID-19严重性密切相关的多重合并症特征组合 由于多重合并症的稀有性,临床数据管理面临重大挑战,具体表现为数据的稀疏性和组合多重合并症特征的复杂排列问题 评估多重合并症患者的COVID-19严重性,并识别与之相关的最优特征组合 研究对象为12793名在2020年2月至5月之间确诊为COVID-19的45至74岁患者 机器学习 NA 进化机器学习 深度学习分类器 医疗历史数据 12793个患者样本
22731 2024-08-05
Cross-attention enables deep learning on limited omics-imaging-clinical data of 130 lung cancer patients
2024-Jul-15, Cell reports methods IF:4.3Q2
研究论文 本文提出了两种深度学习模型用于非小细胞肺癌患者的生存预后预测 通过引入交叉注意力机制,显著提升了模型在小样本数据上的表现,并突出了肿瘤区域和相关基因 仅使用了130名患者的数据,样本量较小 开发能够在数据有限的情况下进行生存预测的深度学习模型 非小细胞肺癌患者 数字病理学 肺癌 深度学习 稀疏自编码器 图像和基因表达数据 130名肺癌患者
22732 2024-08-05
Fatecode enables cell fate regulator prediction using classification-supervised autoencoder perturbation
2024-Jul-15, Cell reports methods IF:4.3Q2
研究论文 本研究提出了一种名为Fatecode的计算方法,用于基于单细胞RNA测序数据预测细胞命运调控因子。 Fatecode利用深度学习的分类监督自编码器学习单细胞RNA测序数据的潜在表示,并通过对这一表示的扰动实验来预测基因。 未提及具体的局限性 加速细胞重编程技术的发展,以促进组织修复和再生。 研究对象为细胞命运调控因子。 数字病理学 NA 单细胞RNA测序 深度学习自编码器 RNA测序数据 使用了来自不同生物体的血液和大脑发育的单细胞RNA-seq数据
22733 2024-08-05
Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy
2024-Jul, Seminars in nuclear medicine IF:4.6Q1
review 这篇综述提供了人工智能在骨髓剂量测定和个性化放射配体治疗中的未来前景 文章创新性在于提出了将人工智能方法集成到核医学剂量测定中的机会 NA 探讨人工智能在改善骨髓和血液剂量测定准确性中的应用 主要关注于放射配体治疗相关的血液学副作用 NA NA 机器学习和深度学习算法 NA NA NA
22734 2024-08-07
InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray
2021-Feb, Applied soft computing IF:7.2Q1
研究论文 提出了一种名为InstaCovNet-19的深度学习模型,用于通过胸部X光图像检测COVID-19患者 使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet,以弥补训练数据量相对较小的不足 未提及具体限制 开发一种高精度的深度学习模型,用于自动检测COVID-19 COVID-19、肺炎和正常胸部X光图像的分类 计算机视觉 COVID-19 深度学习 深度卷积网络 图像 用于三类分类的3个类别(COVID-19、肺炎、正常)和用于二类分类的2个类别(COVID、非COVID)
22735 2024-08-07
Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19
2021-02, Metabolism: clinical and experimental
研究论文 本研究旨在探讨心包脂肪组织(EAT)在胸部计算机断层扫描(CT)中的量化与COVID-19患者肺炎程度及不良预后的关联 首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联 本研究为回顾性分析,样本量相对较小,可能影响结果的普遍性 探究EAT与COVID-19患者肺炎程度及不良预后的关联 COVID-19患者的心包脂肪组织(EAT)及其与肺炎程度和不良预后的关系 数字病理学 COVID-19 胸部计算机断层扫描(CT) 深度学习软件 图像 109名实验室确诊的COVID-19患者
22736 2024-08-07
Deep learning networks reflect cytoarchitectonic features used in brain mapping
2020-12-16, Scientific reports IF:3.8Q1
研究论文 研究深度卷积神经网络在皮质细胞构筑脑图中的应用,并分析其与传统细胞构筑特征的相似性 提出深度学习方法作为现有细胞构筑映射方法的替代方案,并验证其在高吞吐量细胞构筑映射工作流程中的有效性 缺乏对深度学习网络遵循细胞构筑原则程度的深入理解 探究深度卷积神经网络的内部结构如何反映传统的细胞构筑特征 深度卷积神经网络的过滤器激活与传统细胞构筑特征的相似性 计算机视觉 NA 深度学习 CNN 图像 涉及初级和次级视觉皮质的分割
22737 2024-08-07
A deep learning approach for identifying cancer survivors living with post-traumatic stress disorder on Twitter
2020-12-14, BMC medical informatics and decision making IF:3.3Q2
研究论文 本文提出了一种使用深度学习方法在Twitter上识别患有创伤后应激障碍(PTSD)的癌症幸存者 利用卷积神经网络(CNN)自动识别Twitter上癌症幸存者发布的与PTSD相关的推文,提高了识别效率 Twitter上的推文可能包含噪音和真实信息,手动识别真实推文成本高且耗时 开发一种有效的方法来识别社交媒体上表达PTSD情绪的癌症幸存者 癌症幸存者及其在Twitter上表达的PTSD情绪 机器学习 NA 卷积神经网络(CNN) CNN 文本 使用癌症相关关键词过滤的推文
22738 2024-08-07
Identification of Sleep Apnea Severity Based on Deep Learning from a Short-term Normal ECG
2020-Dec-07, Journal of Korean medical science IF:3.0Q1
研究论文 本文提出了一种基于深度学习从短期正常心电图信号自动识别睡眠呼吸暂停(SA)严重程度的新方法 利用卷积神经网络(CNN)从短期正常心电图信号中精确识别睡眠呼吸暂停的严重程度 NA 自动识别睡眠呼吸暂停的严重程度 睡眠呼吸暂停的严重程度 机器学习 睡眠呼吸暂停 卷积神经网络(CNN) CNN 心电图信号 共研究了144名受试者,训练集包含82,952个30秒的片段,测试集包含20,738个片段
22739 2024-08-07
Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings
2020-Dec, International journal of pharmaceutics: X
研究论文 本文提出了一种基于深度卷积神经网络(CNN)的药物固体剂型光学相干断层扫描(OCT)图像分析新方法 该方法在性能基准上优于现有的静态算法,并代表了实时评估工业OCT图像数据的下一个级别 NA 验证深度卷积神经网络在药物涂层OCT图像评估中的有效性 药物涂层片剂和单层及多层颗粒的OCT图像 计算机视觉 NA 光学相干断层扫描(OCT) CNN 图像 涉及药物涂层片剂和单层及多层颗粒的图像数据
22740 2024-08-07
Delimiting cryptic morphological variation among human malaria vector species using convolutional neural networks
2020-12, PLoS neglected tropical diseases IF:3.4Q1
研究论文 本文利用卷积神经网络(CNN)对来自五个地理区域的16个蚊子品系和物种的1,709张成年蚊子图像进行自动分类,以证明其可行性 本文首次应用CNN技术于蚊子图像分类,成功区分了形态上难以区分的隐秘物种 NA 探索使用深度学习方法区分图像类别,特别是在蚊子物种识别中的应用 蚊子物种及其品系的自动分类 计算机视觉 NA 卷积神经网络(CNN) CNN 图像 1,709张成年蚊子图像,来自16个蚊子品系和物种,源自五个地理区域
回到顶部