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 27664 篇文献,本页显示第 41 - 60 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
41 2025-07-05
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1
NA NA NA NA NA NA NA NA NA NA NA NA
42 2025-07-05
Diff-SE: A Diffusion-Augmented Contrastive Learning Framework for Super-Enhancer Prediction
2025-Jul-04, Journal of chemical information and modeling IF:5.6Q1
研究论文 提出了一种结合扩散增强和对比学习的深度学习框架Diff-SE,用于超级增强子预测 整合扩散模型生成生物意义明确的合成正样本以平衡训练数据,并采用对比学习策略增强特征表示 未明确说明模型在更广泛物种间的泛化能力及计算资源消耗情况 开发高性能跨物种超级增强子预测方法 超级增强子(SEs)及其在基因表达调控中的作用 机器学习 癌症、阿尔茨海默病 ChIP-seq、扩散模型、对比学习 Diff-SE(基于扩散增强的对比学习框架) 基因组序列数据 8个数据集(包含人类和小鼠细胞系)
43 2025-07-05
Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization
2025-Jul-04, Pediatric radiology IF:2.1Q2
研究论文 本研究比较了不同深度学习模型在婴儿肾超声图像中分类尿路扩张(UTD)的性能 首次评估深度学习模型在婴儿肾超声图像中自动分类UTD的准确性和一致性 研究样本仅包含3个月以下的婴儿,可能限制了结果的普遍性 开发并评估深度学习模型在肾超声图像中预测UTD分类的性能 婴儿肾超声图像 数字病理学 尿路扩张 深度学习 CNN(假设基于使用的技术) 图像 492张右肾和487张左肾超声图像(来自3个月以下的婴儿)
44 2025-07-05
Rapid identification of Litopenaeus vannamei pathogenic bacteria: a combined approach using surface-enhanced Raman spectroscopy (SERS) and deep learning
2025-Jul-04, Analytical and bioanalytical chemistry IF:3.8Q1
研究论文 本研究提出了一种结合表面增强拉曼光谱(SERS)和深度学习的方法,用于快速识别凡纳滨对虾的病原菌 创新性地整合了SERS、LSGAN和Transformer技术,通过数据增强提高了病原菌分类的准确率 原始光谱数据量有限(仅160个光谱),可能影响模型的泛化能力 开发一种快速准确的水产养殖病原菌检测方法 凡纳滨对虾的四种常见病原菌 机器学习 水产养殖疾病 表面增强拉曼光谱(SERS)、LSGAN、Transformer LSGAN、Transformer 光谱数据 原始数据集160个光谱,增强后2160个光谱
45 2025-07-05
iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification
2025-Jul-04, Functional & integrative genomics IF:3.9Q1
研究论文 提出了一种名为iACP-DPNet的双池化因果扩张卷积网络,用于可解释的抗癌肽识别 构建了更大更多样化的数据集,设计了双池化机制(GlobalAveragePooling和注意力池化)以增强模型特征提取能力,并采用多种方法提高模型的可解释性 NA 提高抗癌肽(ACPs)识别的准确性和可解释性 抗癌肽(ACPs) 生物信息学 癌症 ProtBert蛋白质语言模型、LightGBM、MIC特征选择、因果扩张卷积网络 iACP-DPNet(双池化因果扩张卷积网络) 蛋白质序列数据 整合现有文献和数据库构建的大规模多样化数据集
46 2025-07-05
Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice
2025-Jul-04, La Radiologia medica
研究论文 本研究评估了深度学习加速的膝关节MRI协议在不同加速因子下的诊断准确性 首次系统评估了深度学习加速MRI协议(DL2、DL4、DL6)在膝关节诊断中的表现,并与标准协议进行对比 样本量相对较小(71例患者),且DL6协议对细微病变的敏感性有所下降 评估深度学习加速MRI协议在膝关节诊断中的性能 膝关节MRI图像 数字病理学 骨科疾病 深度学习重建MRI DL(深度学习模型) 医学影像 71名连续患者
47 2025-07-05
RSLpred2: An Integrated Web Server for the Annotation of Rice Proteome Subcellular Localization Using Deep Learning
2025-Jul-04, Rice (New York, N.Y.)
研究论文 本文介绍了RSLpred2,一个基于深度学习的网络服务器,用于预测水稻蛋白质组的亚细胞定位 RSLpred2是RSLpred1.0的扩展版本,通过四个层次的预测提高了蛋白质亚细胞定位的准确性 NA 开发一个快速准确预测水稻蛋白质亚细胞定位的计算工具 水稻蛋白质组 生物信息学 NA 深度学习 NA 蛋白质序列数据 NA
48 2025-07-05
From gas sensing to AI-gas sensing
2025-Jul-03, Chemical communications (Cambridge, England)
综述 本文综述了从传统气体传感技术到AI气体传感技术的发展,重点介绍了AI技术在该领域的应用和进展 AI技术的介入为气体传感领域提供了核心技术支持,包括深度学习驱动的特征提取和模式识别、漂移补偿以及在边缘设备上的部署,以及在硬件-软件融合方面的创新,如嗅觉芯片、神经形态处理器和感存算一体化系统 NA 探讨AI技术如何推动气体传感技术的发展,以实现超灵敏、自适应和智能化的检测平台 气体传感技术及其AI增强应用 机器学习和传感器技术 NA 深度学习、特征提取、模式识别、漂移补偿 深度学习模型 化学信号数据 NA
49 2025-07-05
Deep learning-based approach to third molar impaction analysis with clinical classifications
2025-Jul-03, Scientific reports IF:3.8Q1
研究论文 本研究开发了一种基于深度学习的模型,用于自动检测和分类阻生第三磨牙,采用Pell and Gregory分类、Winter分类和Pederson难度指数 使用YOLOv11模型进行自动化阻生第三磨牙分类,提高了分类的准确性和效率,解决了手动分类的局限性 特定标签(如48-Distoangular-C-III)的F1分数较低,数据集多样性有待增强 开发一种自动化工具,用于阻生第三磨牙的检测和分类,以支持临床决策 阻生第三磨牙 计算机视觉 口腔疾病 深度学习 YOLOv11 图像 训练集2,300张图像(7,624颗阻生牙),验证集765张图像(2,580颗阻生牙),测试集765张图像(2,493颗阻生牙),共98个独特标签
50 2025-07-05
Artificial Intelligence in Rhinology
2025-Jul-03, The Journal of craniofacial surgery IF:1.0Q3
综述 本文综述了人工智能在鼻科学中的应用 探讨了机器学习在鼻科学中的分类应用以及深度学习在鼻窦炎诊断和鼻窦体积量化中的作用,并展望了机器人鼻窦手术的未来发展 许多人工智能应用需要设备完善的医疗中心和环境,限制了其在资源匮乏地区的应用 回顾人工智能在鼻科学领域的应用及其对医疗质量的提升 鼻科学中的疾病诊断和治疗 人工智能在医疗领域的应用 鼻窦炎 机器学习和深度学习 分类算法和深度学习算法 放射影像数据 NA
51 2025-07-05
Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models
2025-Jul-03, IEEE transactions on neural networks and learning systems IF:10.2Q1
research paper 提出了一种名为TOP2 HD的新算法,通过利用TOP2类别信息提升集成模型的TOP1准确率 首次在集成学习中引入TOP2类别信息进行模型分层和排序,突破了传统方法仅关注TOP1类别的局限 未明确说明算法在非图像领域的泛化能力 提升深度学习视觉任务中集成模型的决策精度 深度学习集成模型 computer vision NA ensemble learning ensemble models image 多种模型和数据集(未明确具体数量)
52 2025-07-05
Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction
2025-Jul-03, Journal of chemical information and modeling IF:5.6Q1
研究论文 提出了一种基于残基的跨模态框架,用于增强细胞功能相关蛋白质特性的预测 结合了Layer-Aggregated Graph Convolutional Network (LA-GCN)和Geometric Vector Perceptron-Graph Neural Network (GVP-GNN),在两种互补的残基图上进行表示学习,以捕捉蛋白质的语义特征和结构特性 未明确提及具体的数据集规模或实验条件的限制 提高蛋白质特性预测的准确性,以支持药物设计、疾病研究和生物湿实验 蛋白质的亚细胞定位、溶解度、金属离子结合和热稳定性等特性 机器学习 NA Protein Language Models (PLMs), Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN) LA-GCN, GVP-GNN 蛋白质序列和结构数据 NA
53 2025-07-05
Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network
2025-Jul-03, Biomedical physics & engineering express IF:1.3Q3
研究论文 提出一种基于卷积神经网络的多模态视网膜疾病分类模型,结合OCT和OCTA图像提高诊断准确性和效率 采用中间融合和两步训练方法,解决了训练数据不足和类别不平衡问题,提高了分类性能 训练数据量相对较少,可能存在类别不平衡问题 提高视网膜疾病的自动诊断准确性和效率 视网膜疾病(如年龄相关性黄斑变性和糖尿病视网膜病变) 计算机视觉 视网膜疾病 光学相干断层扫描(OCT)和光学相干断层扫描血管成像(OCTA) CNN 图像 未明确提及具体样本数量,但提到数据增强和宽松匹配方法用于增加数据量
54 2025-07-05
Recent Advances in Applying Machine Learning to Proton Radiotherapy
2025-Jul-03, Biomedical physics & engineering express IF:1.3Q3
系统综述 本文系统综述了机器学习在质子放疗中的应用现状及潜在用途 首次全面覆盖机器学习在质子放疗临床流程中的当前及潜在应用,填补了文献中的空白 仅涵盖2019至2024年的研究,可能遗漏早期重要文献 探索机器学习如何提升质子放疗的精确性和个性化治疗 质子放疗的临床流程 机器学习 肿瘤学 系统文献检索 U-Net, CNN, 深度初始网络, 深度级联卷积神经网络 医学影像 38项相关研究
55 2025-07-05
ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals
2025-Jul-03, Physiological measurement IF:2.3Q3
research paper 提出了一种名为ModelS4Apnea的深度学习框架,用于从ECG频谱图中高效检测睡眠呼吸暂停 结合了结构化状态空间模型(S4)进行时间建模,相比基于LSTM的模型具有更少的可训练参数,同时保持高分类性能 未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性 开发一种高效准确的睡眠呼吸暂停自动检测方法 ECG信号 digital pathology sleep apnea deep learning CNN, S4 ECG spectrograms Apnea-ECG数据集
56 2025-07-05
ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT
2025-Jul-03, Physics in medicine and biology IF:3.3Q1
研究论文 提出了一种名为ComptoNet的解耦深度学习框架,用于多源静态CT中的多散射估计 创新性地结合了康普顿散射物理与深度学习,并引入了康普顿图来表示扫描视场外的大角度康普顿散射信号 实验数据基于蒙特卡洛模拟,未提及实际临床或工业应用中的验证 解决多源静态CT中因缺乏反散射网格部署导致的前向和交叉散射污染问题 多源静态CT系统 计算机视觉 NA 深度学习 Conditional Encoder-Decoder Network (CED-Net), Frequency U-Net CT图像数据 蒙特卡洛模拟数据
57 2025-07-05
CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction
2025-Jul-03, AJNR. American journal of neuroradiology
研究论文 本研究提出了一种名为CONSeg的方法,利用共形预测(CP)在胶质瘤分割中进行体素级不确定性量化,以提高分割模型的可靠性 首次将共形预测应用于胶质瘤分割领域,并提出不确定性比率(UR)这一新指标来评估分割质量 研究仅使用了两个公开数据集,可能无法涵盖所有临床场景的变异性 提高胶质瘤自动分割的可靠性,并为临床决策提供不确定性量化支持 胶质瘤患者的MRI影像数据 数字病理 胶质瘤 共形预测(CP) UNet 医学影像 642例(UCSF数据集495例,UPenn数据集147例)
58 2025-07-05
Semantic ECG hash similarity graph
2025-Jul-03, Scientific reports IF:3.8Q1
研究论文 提出一种结合语义哈希编码的新型图生成学习框架,用于捕获心电信号内部及信号间的复杂关联,显著提升基于图的深度学习模型的检索效率 引入语义哈希相似图(SHSG),利用标签空间相似性生成监督信号的哈希表示,并通过轻量级线性哈希函数处理未见信号,构建全局哈希字典,最后利用汉明相似性组装图拓扑 未明确提及具体局限性,但可能包括对噪声的敏感性或哈希函数的选择对性能的影响 提升心电信号检索效率及图结构对全局语义关联的捕捉能力 心电信号(ECG)时间序列数据 机器学习 心血管疾病 语义哈希编码、汉明相似性计算 图卷积网络(GCN) 时间序列数据(ECG信号) 多个公开可用的ECG数据集(未明确数量)
59 2025-07-05
Printed document layout analysis and optical character recognition system based on deep learning
2025-Jul-03, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于深度学习的印刷文档布局分析和文本识别系统 使用YOLOv4和YOLOv8深度学习算法进行文档布局分析,并结合CNN进行文本识别,实现高效准确的OCR处理 未提及对复杂或低质量文档的处理能力 开发一种本地计算机上便捷、快速且高精度的OCR处理系统 印刷文档的扫描图像或图像文件 计算机视觉 NA 深度学习 YOLOv4, YOLOv8, CNN 图像 未提及具体样本数量
60 2025-07-05
Diagnosis of psoriasis and lichen planus in real-time using neural networks based on skin Biomechanical properties obtained from numerical simulation
2025-Jul-03, Scientific reports IF:3.8Q1
研究论文 本研究提出了一种结合深度学习和皮肤生物力学特性数值模拟的新方法,以提高银屑病和扁平苔藓的诊断准确性 利用ABAQUS软件生成1000个数值模拟数据,结合ResNet-50 CNN模型,将生物力学参数转换为图像数据,实现了99.8%的诊断准确率 数据集仅包含1000个实例,可能不足以涵盖所有临床变异性 提高银屑病和扁平苔藓的诊断准确性,辅助医生和皮肤科医生实时分类皮肤病 银屑病和扁平苔藓患者 数字病理学 皮肤病 数值模拟(ABAQUS软件) CNN(ResNet-50) 图像数据(由数值数据转换而来) 1000个实例(银屑病和扁平苔藓各500例)
回到顶部