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 24517 篇文献,本页显示第 7281 - 7300 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
7281 2025-02-24
Beyond averaging: A transformer approach to decoding event related brain potentials
2025-Mar, NeuroImage IF:4.7Q1
研究论文 本研究评估了基于Transformer的深度学习方法在处理事件相关脑电位(ERPs)方面的潜力,与传统平均方法相比,该方法能提供更深入的神经信号分析 使用Transformer网络中的注意力机制,生成注意力图,揭示了传统平均方法未能发现的相关电位时间窗口 研究样本量较小,仅包含29名正常听力参与者,且实验设计局限于声音感知的特定情境 评估Transformer方法在分析事件相关脑电位(ERPs)中的应用效果 29名18至30岁正常听力参与者的脑电图(EEG)数据 机器学习 NA 脑电图(EEG) 卷积Transformer 脑电图(EEG)信号 29名正常听力参与者
7282 2025-02-24
Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks
2025-Mar, Journal of dentistry IF:4.8Q1
研究论文 本研究构建了一种新的条件生成对抗网络(CGAN)模型,用于预测正畸治疗后的侧面外观变化 提出了一种新的深度学习模型soft-P-CGAN,结合了条件向量输入模块、基于U-Net的生成器模块和基于PatchGAN的判别器模块,设计了软损失以增强软组织轮廓的生成,并通过多尺度特征金字塔提高图像质量 下颌区域的预测相对不准确 预测正畸治疗后的侧面外观变化 成人患者的侧位头颅X光片 计算机视觉 NA 条件生成对抗网络(CGAN) soft-P-CGAN 图像 NA
7283 2025-02-24
Automated diagnosis and classification of temporomandibular joint degenerative disease via artificial intelligence using CBCT imaging
2025-Mar, Journal of dentistry IF:4.8Q1
研究论文 本研究利用人工智能技术,通过CBCT影像实现颞下颌关节退行性疾病的自动诊断和分类 使用YOLOv10算法构建的AI模型能够检测颞下颌关节退行性疾病,并区分其典型的影像学特征,如侵蚀、骨赘、硬化和软骨下囊肿 模型在检测具有多个退行性疾病特征的影像时,准确率有所下降 实现颞下颌关节退行性疾病的自动诊断和分类 1018名患者的7357张CBCT影像 计算机视觉 颞下颌关节退行性疾病 CBCT成像 YOLOv10 影像 7357张CBCT影像(来自1018名患者)
7284 2025-02-24
Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications
2025-Feb-22, Proteins IF:3.2Q2
研究论文 本研究开发了一种启发式优化方法,用于增强蛋白质的关键功能,如溶解性、灵活性和稳定性,同时保持蛋白质的结构完整性 结合启发式优化和深度学习,设计出功能更强且结构完整的蛋白质,特别适用于抗炎和基因治疗应用 未提及具体实验验证或临床应用的局限性 提高蛋白质序列设计的功能性和实验室可生产性 蛋白质序列 机器学习 NA 深度学习、启发式优化、遗传算法 NA 蛋白质序列数据 未提及具体样本数量
7285 2025-02-24
Design and developing a robot-assisted cell batch microinjection system for zebrafish embryo
2025-Feb-20, Microsystems & nanoengineering IF:7.3Q1
研究论文 本文开发了一种新型的自动化系统,用于斑马鱼胚胎的细胞微注射 首次提出并集成了具有微力感知功能的微注射器,以判断细胞是否成功穿刺,并采用深度学习模型检测斑马鱼胚胎的卵黄中心,定位注射针在卵黄中的位置,从而提高细胞注射的精度 NA 提高斑马鱼胚胎细胞微注射的效率和精度 斑马鱼胚胎 生物医学工程 NA 微流控芯片技术,深度学习 深度学习模型 图像 NA
7286 2025-02-24
FaultSeg: A Dataset for Train Wheel Defect Detection
2025-Feb-20, Scientific data IF:5.8Q1
研究论文 本文介绍了FaultSeg数据集,用于全球铁路运输中自动检测火车车轮缺陷 提出了一个包含829张手动注释图像的数据集,用于训练和测试深度学习模型,以自动检测火车车轮的缺陷 数据集仅包含829张图像,可能不足以涵盖所有可能的缺陷类型和场景 开发一个用于自动检测火车车轮缺陷的数据集,以提高铁路运输的安全性 火车车轮的缺陷检测 计算机视觉 NA 深度学习 YOLOv9 图像 829张手动注释的火车车轮缺陷图像
7287 2025-02-24
Design of tomato picking robot detection and localization system based on deep learning neural networks algorithm of Yolov5
2025-Feb-20, Scientific reports IF:3.8Q1
研究论文 本文提出了一种基于YOLOv5深度学习算法和SGBM算法的番茄检测与定位系统,以提高复杂环境下番茄的检测精度和三维定位 结合YOLOv5深度学习算法和SGBM算法,实现了番茄在复杂环境下的高精度检测和三维定位 实验仅在温室环境下进行,未涉及其他复杂农业环境 提高番茄采摘机器人在复杂环境下的检测和定位精度 番茄 计算机视觉 NA YOLOv5深度学习算法, SGBM算法 YOLOv5 图像 640张番茄图像
7288 2025-02-22
Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker
2025-Feb-20, Scientific reports IF:3.8Q1
NA NA NA NA NA NA NA NA NA NA NA NA
7289 2025-02-24
Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification
2025-Feb-20, Journal of diabetes science and technology IF:4.1Q2
研究论文 本研究使用热成像技术和深度学习对糖尿病患者进行足部溃疡风险分层 结合热成像和深度学习技术进行糖尿病足部溃疡风险分类 样本量较小,且模型的特异性较低 开发一种非侵入性方法来识别糖尿病足部溃疡风险患者 成年糖尿病患者 计算机视觉 糖尿病 热成像技术 深度学习神经网络 热成像图像 153张热成像图像(训练集98张,测试集55张)
7290 2025-02-24
UAS-based MT-YOLO model for detecting missed tassels in hybrid maize detasseling
2025-Feb-19, Plant methods IF:4.7Q1
研究论文 本研究介绍了MT-YOLO模型,利用深度学习和无人机系统(UAS)来替代或辅助人工检测杂交玉米去雄过程中遗漏的雄穗 MT-YOLO模型在检测遗漏雄穗方面表现出显著的改进,特别是在早期雄穗阶段,当雄穗部分被叶片包裹时,这是一个关键但未被充分探索的挑战 NA 提高杂交玉米种子生产中去雄效率 杂交玉米去雄过程中遗漏的雄穗 计算机视觉 NA 深度学习 MT-YOLO 图像 包含不同光照条件、种植密度和生长阶段的多样化雄穗图像数据集
7291 2025-02-24
Structure-Based Deep Learning Framework for Modeling Human-Gut Bacterial Protein Interactions
2025-Feb-17, Proteomes IF:4.0Q2
研究论文 本研究提出了一种基于深度学习的框架,利用结构数据预测人类与肠道细菌蛋白质之间的相互作用 该框架结合了基于图的蛋白质表示和变分自编码器(VAEs),通过双向交叉注意力模块融合结构嵌入来预测相互作用,解决了蛋白质相互作用数据集中的类别不平衡问题 实验数据稀疏,可能影响模型的泛化能力 研究人类与肠道细菌蛋白质之间的相互作用网络,以揭示其对人类健康的影响 人类蛋白质与肠道细菌蛋白质 机器学习 NA 深度学习 变分自编码器(VAEs) 结构数据 NA
7292 2025-02-24
Advancing Privacy-Preserving Health Care Analytics and Implementation of the Personal Health Train: Federated Deep Learning Study
2025-Feb-06, JMIR AI
研究论文 本文介绍了一种名为Personal Health Train(PHT)的创新联邦学习基础设施,用于在保护数据隐私的同时进行医疗数据分析,并应用于肺癌患者的胸部CT图像中的肿瘤体积分割 提出了PHT框架,结合了安全聚合服务器,确保在联邦学习过程中数据不离开医院,解决了数据隐私问题 虽然展示了概念验证的可行性,但实际大规模应用仍需进一步验证其性能和稳定性 开发并验证一种能够在保护数据隐私的前提下,实现跨机构协作的联邦深度学习基础设施 肺癌患者的胸部CT图像 数字病理 肺癌 联邦学习(FL) 深度学习神经网络 图像 12家医院,覆盖8个国家,4大洲
7293 2025-02-24
Deep Learning Model for Predicting Immunotherapy Response in Advanced Non-Small Cell Lung Cancer
2025-Feb-01, JAMA oncology IF:22.5Q1
研究论文 本文开发了一种基于深度学习的模型,用于预测晚期非小细胞肺癌(NSCLC)患者对免疫检查点抑制剂(ICI)治疗的反应 该研究首次使用深度学习模型从全切片H&E染色图像中预测ICI治疗反应,并在多个队列中验证了其独立预测能力 研究样本主要来自美国和欧洲,可能限制了模型的普遍适用性 开发并验证一种深度学习模型,用于预测晚期NSCLC患者对ICI治疗的反应 晚期非小细胞肺癌患者 数字病理学 肺癌 深度学习 深度学习模型 图像 958名患者(456名女性,502名男性),共295,581张图像切片
7294 2025-02-24
Analysis of TEM micrographs with deep learning reveals APOE genotype-specific associations between HDL particle diameter and Alzheimer's dementia
2025-Jan-27, Cell reports methods IF:4.3Q2
研究论文 本文利用深度学习模型YOLOv7分析了183个HDL样本的透射电子显微镜(TEM)图像,测量了超过1,800,000个HDL颗粒的直径,揭示了APOE基因型与阿尔茨海默病痴呆之间的关联 使用深度学习模型YOLOv7从TEM图像中高效准确地测量HDL颗粒直径,并发现APOE基因型与HDL颗粒直径分布之间的特异性关联 研究样本量相对较小(183个样本),且仅关注了APOE基因型的两种变异(ε3ε4和ε3ε3) 探索HDL颗粒直径分布与阿尔茨海默病痴呆之间的关联,并验证深度学习在HDL颗粒直径测量中的应用 183个HDL样本,包括痴呆患者和正常认知的对照组 计算机视觉 阿尔茨海默病 透射电子显微镜(TEM)成像 YOLOv7 图像 183个HDL样本,超过1,800,000个HDL颗粒
7295 2025-02-24
TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging
2025-Jan-25, bioRxiv : the preprint server for biology
研究论文 本文介绍了TimeFlies,一种基于单细胞RNA测序的果蝇头部衰老时钟,揭示了性别差异在衰老过程中的作用 TimeFlies是首个基于全基因组基因表达谱的泛细胞类型单细胞RNA测序衰老时钟,能够识别关键标记基因,并揭示了性别特异性衰老路径的差异 该研究主要局限于果蝇头部,尚未在其他生物体或组织中验证其普适性 开发一种基于单细胞RNA测序的衰老时钟,以研究果蝇头部衰老过程中的性别差异 果蝇头部细胞 生物信息学 衰老 单细胞RNA测序(scRNA-seq) 深度学习 基因表达数据 NA
7296 2025-02-24
"Sadness smile" curve: Processing emotional information from social network for evaluating thermal comfort perception
2025-Jan, Journal of thermal biology IF:2.9Q1
研究论文 本研究通过分析社交媒体上的面部表情数据,评估热舒适感知,并提出了一种基于深度学习的方法来预测热舒适度 提出了‘悲伤微笑’曲线,通过分析面部表情中的悲伤分数来预测最舒适温度,并利用ResNet模型进行情感基热舒适感知的预测 研究依赖于社交媒体数据,可能存在数据偏差,且未考虑其他可能影响热舒适感知的因素 评估和预测人类在不同热环境下的热舒适感知 社交媒体上的面部表情数据 计算机视觉 NA 深度学习 ResNet 图像 8314张面部照片,来自49个城市的82个公园的志愿者
7297 2025-02-24
Utilizing retinal arteriole/venule ratio to estimate intracranial pressure
2024-Nov-08, Acta neurochirurgica IF:1.9Q2
研究论文 本研究探讨了利用视网膜动静脉比率(A/V比率)无创估计颅内压(ICP)的可行性,并加入了眼内压(IOP)的考量 首次在神经重症监护病房(NICU)环境中,结合眼内压(IOP)使用深度学习算法分析眼底镜检查视频,以无创方式估计颅内压(ICP) 图像质量和诊断特异性仍存在挑战,需要更大规模的多中心研究来验证该技术的临床适用性 研究无创估计颅内压(ICP)的方法,以减少侵入性测量带来的风险 神经重症监护病房(NICU)中的成年患者,格拉斯哥昏迷评分(GCS)≤8分,并接受侵入性压力监测 数字病理学 脑损伤 深度学习算法 混合效应线性回归模型 视频 40名患者,其中15名纳入最终分析
7298 2025-02-24
A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
研究论文 本文开发了一个深度学习框架,用于在药物难治性局灶性癫痫患者的静息态功能磁共振成像(rs-fMRI)中定位致痫区(EZ),并处理训练和测试中的噪声标签问题 提出了一个多任务深度学习框架,能够同时识别噪声标签的概率和每个感兴趣区域(ROI)的定位预测 由于临床协议的限制,具有可靠EZ标签的数据集稀缺,且使用的标签可能包含噪声 开发一个数学框架来表征EZ定位中的噪声标签,并提高定位性能 药物难治性局灶性癫痫患者 数字病理学 癫痫 rs-fMRI 多任务深度学习框架 图像 模拟数据集(来自人类连接组计划)和临床癫痫数据集
7299 2025-02-24
High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI
2024-Mar-06, medRxiv : the preprint server for health sciences
研究论文 本文介绍了一种高分辨率多延迟动脉自旋标记(MDASL)协议,并提出了基于Transformer的深度学习模型,用于儿科灌注MRI的去噪 提出了基于Transformer的深度学习模型,结合k空间加权图像平均(KWIA)去噪图像作为参考,有效提高了多延迟ASL图像的信噪比(SNR)和测试-重测重复性 研究样本仅限于8至17岁的典型发育儿童,未涵盖其他年龄段或特殊发育情况的儿童 提高儿科灌注MRI中多延迟动脉自旋标记(MDASL)图像的质量和重复性 21名8至17岁的典型发育儿童 医学影像 NA 多延迟动脉自旋标记(MDASL),k空间加权图像平均(KWIA) Transformer MRI图像 21名8至17岁的典型发育儿童
7300 2025-02-24
NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans
2024-Feb-20, Acta neurochirurgica IF:1.9Q2
研究论文 本研究评估了nnU-Net在对比增强T1(T1CE)图像中分割大脑、皮肤、肿瘤和脑室的性能,并与现有的网格生长算法(MGA)进行了对比 nnU-Net在分割大脑、皮肤、肿瘤和脑室方面显著优于MGA,且速度更快,减少了手动调整和迭代的需求 训练集规模较小,可能影响模型的泛化能力 评估nnU-Net在神经外科3D图像分割中的性能 对比增强T1(T1CE)图像中的大脑、皮肤、肿瘤和脑室 计算机视觉 神经外科疾病 对比增强T1 MRI扫描 nnU-Net 3D图像 67个用于训练的T1CE脑部扫描和32个用于测试的扫描
回到顶部