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 61 - 80 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
61 2025-06-20
A primer on variational inference for physics-informed deep generative modelling
2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
研究论文 本文介绍了变分推断(VI)在物理信息深度生成建模中的应用,为正向和逆向问题提供了技术介绍 结合变分推断和深度学习,为物理相关问题提供灵活的贝叶斯正则化和不确定性量化方法 未提及具体应用案例或实验验证 解决基于物理的问题,并强调不确定性量化 物理相关的正向和逆向问题 机器学习 NA 变分推断(VI) 深度生成模型 NA NA
62 2025-06-20
Multi-domain information fusion diffusion model (MDIF-DM) for limited-angle computed tomography
2025-Jun-19, Journal of X-ray science and technology IF:1.7Q3
研究论文 提出了一种结合傅里叶域重加权和小波域增强的多域信息融合扩散模型(MDIF-DM),用于有限角度计算机断层扫描(CT)重建 通过融合不同域的信息,提高了有限角度CT重建图像的分辨率和对比度,增强了方法的鲁棒性 NA 提高有限角度CT重建图像的低对比度,增强重建方法的鲁棒性和图像的对比度 有限角度计算机断层扫描(CT)重建 计算机视觉 NA 傅里叶域重加权和小波域增强 MDIF-DM 图像 NA
63 2025-06-20
Modified Le-Net Model with Multiple Image Features for Skin Cancer Detection
2025-Jun-19, Cancer investigation IF:1.8Q3
研究论文 提出一种基于改进LeNet模型和多种图像特征的皮肤癌检测方法 使用改进的深度联合分割技术(IDJS)和三种特征提取方法(MTH、IPHOG、MBP)提升检测精度 NA 提高皮肤癌计算机辅助诊断的准确性和精确度 皮肤癌(黑色素瘤和非黑色素瘤) 计算机视觉 皮肤癌 深度学习 改进LeNet模型(MLeNet) 图像 HAM10000数据集和ISIC 2019数据集
64 2025-06-20
Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI
2025-Jun-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1
research paper 开发一个基于双参数MRI的深度学习框架,用于子宫内膜癌的自动分割和多任务分类 提出了一个统一的深度学习框架,能够同时进行肿瘤分割和多任务分类,包括分级、分期、组织学亚型、淋巴血管间隙浸润(LVSI)和深肌层浸润(DMI)等关键预后因素的分类 研究为回顾性设计,样本量相对较小(325例患者) 开发一个深度学习框架,用于子宫内膜癌的自动分割和预后分层 子宫内膜癌患者 digital pathology endometrial cancer biparametric MRI (T2WI and DWI) deep learning (DL) MRI images 325 patients (211 training, 54 validation, and 60 test cases)
65 2025-06-20
A Generative AI-Assisted Piezo-MEMS Ultrasound Device for Plant Dehydration Monitoring
2025-Jun-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
研究论文 介绍了一种基于生成AI辅助的压电微机电系统(MEMS)超声设备,用于植物脱水监测 该设备采用CMOS兼容的压电MEMS超声传感器(PMUT),结合生成深度学习模型(CVAE),实现了非侵入式、高灵敏度的植物叶片水分实时监测 未明确提及样本量或长期稳定性数据 开发一种高效、可重复使用的植物水分监测设备,提升农业灌溉效率 植物叶片水分含量 微机电系统与农业技术 NA 压电微机电超声传感器(PMUT)、硅上无物压电技术(PSON)、条件变分自编码器(CVAE) CVAE 电信号 未明确说明
66 2025-06-20
Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging
2025-Jun-19, Discover oncology IF:2.8Q2
研究论文 本研究探讨了机器学习技术在乳腺超声图像分割中的应用,比较了在良性和恶性肿瘤分类数据集上训练的模型性能 将YOLOv8目标检测算法应用于图像分割任务,并展示了在单独类别上训练模型带来的性能提升 研究仅使用了780张超声图像,样本量相对有限 提高乳腺超声图像分割的准确性以辅助乳腺癌诊断 乳腺超声图像中的良性和恶性肿瘤 数字病理学 乳腺癌 深度学习 YOLOv8, UNet, DenseNet-121, VGG16, VGG19 图像 780张超声图像(分为良性和恶性类别)
67 2025-06-20
Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections
2025-Jun-19, European radiology experimental IF:3.7Q1
研究论文 本研究开发了一种基于深度学习的算法,用于自动检测急性颈部感染患者的咽后水肿 使用弱标注数据和计算上可管理的训练,开发了一个轻量级的CNN模型,能够高效准确地检测咽后水肿 研究仅基于479名患者的数据,可能需要更大样本量验证模型的泛化能力 开发自动检测急性颈部感染患者咽后水肿的深度学习算法 479名急性颈部感染患者的MRI图像 计算机视觉 急性颈部感染 MRI CNN 图像 479名患者(244名阳性,235名阴性)
68 2025-06-20
"Amide - amine + alcohol = carboxylic acid." chemical reactions as linear algebraic analogies in graph neural networks
2025-Jun-18, Chemical science IF:7.6Q1
研究论文 本文探讨了图神经网络在化学数据中的应用,揭示了原子嵌入的算术性质如何代表有效的化学反应公式 展示了原子嵌入在化学图神经网络中表现出类似自然语言处理中的词嵌入算术性质,能够代表化学反应公式 NA 揭示图神经网络在化学数据中的学习机制,提升模型的可解释性 化学反应的图神经网络模型 机器学习 NA 图神经网络 GNN 化学数据 NA
69 2025-06-20
Data efficient molecular image representation learning using foundation models
2025-Jun-18, Chemical science IF:7.6Q1
research paper 该论文提出了一种名为MoleCLIP的分子图像表示学习框架,利用OpenAI的视觉基础模型CLIP作为骨干网络,显著减少了分子预训练数据的需求,并在标准基准测试中达到了最先进模型的性能 首次将基础模型(如CLIP)应用于分子图像表示学习,显著降低了数据需求并提高了模型性能,特别是在均相催化数据集上表现优于现有模型 未明确提及具体的数据集规模限制或计算资源需求,可能在实际应用中存在挑战 开发一种数据高效的分子图像表示学习方法,以解决化学领域中标记数据稀缺和分子特征提取困难的问题 分子图像数据 machine learning NA 分子表示学习(MRL),基础模型(如CLIP) CLIP 分子图像 NA
70 2025-06-20
ChargeNet: E(3) Equivariant Graph Attention Network for Atomic Charge Prediction
2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1
研究论文 本文介绍了一种名为ChargeNet的E(3)等变图注意力网络,用于高精度预测原子电荷 提出了一种先进的等变图注意力神经网络,结合全局图注意力机制和多尺度注意力,显著提高了原子电荷预测的准确性和泛化能力 NA 开发一种高效准确的原子电荷预测方法,以促进药物设计和发现 原子电荷预测 机器学习 NA 机器学习 E(3)等变图注意力网络 分子结构数据 NA
71 2025-06-20
AIoptamer: Artificial Intelligence-Driven Aptamer Optimization Pipeline for Targeted Therapeutics in Healthcare
2025-Jun-18, Molecular pharmaceutics IF:4.5Q1
研究论文 介绍了一种名为AIoptamer的新型AI驱动的适配体优化流程,用于加速适配体的发现和设计 整合人工智能与先进的计算方法,显著减少对传统实验试错策略的依赖,使适配体优化更快、可扩展且更高效 未提及具体实验验证或实际应用案例 开发一种高效、快速的适配体优化方法,用于靶向治疗 DNA或RNA适配体 机器学习 NA SELEX, CHIMERA_NA, PredPRBA, PDA-Pred, 分子动力学模拟 深度学习, 机器学习 序列数据, 结构数据 NA
72 2025-06-20
Comparison of publicly available artificial intelligence models for pancreatic segmentation on T1-weighted Dixon images
2025-Jun-18, Japanese journal of radiology IF:2.9Q2
research paper 比较三种公开可用的深度学习模型在T1加权Dixon图像上自动分割胰腺的性能 比较了三种公开可用的AI模型在胰腺分割任务上的性能,并评估了它们在分割准确性、体积测量和胰腺内脂肪分数评估方面的表现 研究仅基于20例上腹部T1加权磁共振系列图像,样本量较小 评估和比较不同AI模型在胰腺分割任务上的性能 胰腺 digital pathology NA T1-weighted Dixon磁共振成像 TotalSegmentator, TotalVibeSegmentator, PanSegNet image 20例上腹部T1加权磁共振系列图像
73 2025-06-20
Differential Privacy Enabled Robust Asynchronous Federated Multitask Learning: A Multigradient Descent Approach
2025-Jun-18, IEEE transactions on cybernetics IF:9.4Q1
研究论文 本文提出了一种支持差分隐私的鲁棒异步联邦多任务学习方法,采用多梯度下降算法解决联邦学习中的异构数据、边缘设备异质性、敏感信息泄露等问题 引入了联邦多任务学习方法将FL模型重新表述为多目标优化问题,开发了新的半异步模型聚合方法,并应用分布式差分隐私技术增强隐私保护 NA 解决联邦学习中的数据异构性、隐私保护和通信资源限制等实际问题 联邦学习框架及其在隐私保护和模型个性化方面的应用 机器学习 NA 分布式差分隐私技术 FedMGDA, DP-AsynFedMGDA NA NA
74 2025-06-20
A Survey on Confidence Calibration of Deep Learning-Based Classification Models Under Class Imbalance Data
2025-Jun-18, IEEE transactions on neural networks and learning systems IF:10.2Q1
综述 本文全面调查了在类别不平衡数据下基于深度学习的分类模型的置信度校准方法 不同于以往分别研究置信度校准或类别不平衡的调查,本文综合研究了类别不平衡数据下的置信度校准方法,并提供了理论解释和实证比较 NA 研究类别不平衡数据下深度学习分类模型的置信度校准问题 基于深度学习的分类模型 机器学习 NA NA 深度学习分类模型 NA NA
75 2025-06-20
Fast 3D Room Layout Estimation Based on Compact High-Level Representation
2025-Jun-18, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1
研究论文 本文提出了一种基于紧凑高层表示的快速3D房间布局估计方法 通过学习仅包含29个实数的紧凑高层表示来估计3D布局,并设计了顺序无关的损失函数 未明确提及具体局限性 提高3D房间布局估计的速度和效率 室内RGB图像 计算机视觉 NA 通用回归网络 NA 图像 基准数据集上的实验结果
76 2025-06-20
MDFA: A Quantitative Framework for the Analysis of Multimodal Facial Esthetics
2025-Jun-18, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 提出了一种基于标签分布的多模态面部美学分析框架(LDMFE),用于结合2-D和3-D信息进行面部美学评估 首次提出结合2-D和3-D信息的面部美学评估框架,并设计了深度信息提取网络DIENet和新的分布测量损失函数${\mathcal {L}}_{\text {WD}}$ 依赖3-D数据采集设备的高成本,且现有方法主要基于自建的3-D数据集,限制了在2-D面部图像实际应用场景中的适用性 解决面部美观预测(FBP)问题,提升美学评估的准确性和稳定性 面部美观预测 计算机视觉 NA 深度信息提取网络(DIENet) CNN 图像(2-D和3-D面部图像) 三个数据集
77 2025-06-20
Multi-Scale Temporal Analysis with a Dual-Branch Attention Network for Interpretable Gait-Based Classification of Neurodegenerative Diseases
2025-Jun-18, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 提出了一种新型深度学习架构DAERN,用于基于步态的神经退行性疾病分类 结合了扩张因果卷积和多头自注意力机制,并引入了交叉注意力融合模块和可解释性分析方法 未提及具体样本量限制或跨数据集验证情况 开发可解释的步态分析模型用于神经退行性疾病分类 肌萎缩侧索硬化症(ALS)、亨廷顿病(HD)和帕金森病(PD)患者的步态数据 数字病理学 神经退行性疾病 深度学习 DAERN(双分支注意力增强残差网络),包含DCCBlock和MHSA模块 步态数据 基于GaitNDD数据集(具体数量未说明)
78 2025-06-20
A Deep Learning-Based Clinical Classification System for the Differential Diagnosis of Hip Prosthesis Failures Using Radiographs: A Multicenter Study
2025-Jun-18, The Journal of bone and joint surgery. American volume
研究论文 开发了一种基于深度学习的临床分类系统(Hip-Net),用于通过X光片对髋关节假体失败进行鉴别诊断 Hip-Net采用双通道集成4个深度学习模型,并生成空间解析的疾病概率图,提高了诊断准确性和效率 研究主要基于亚洲患者的数据,可能在其他种族群体中的泛化性有待验证 提高髋关节假体失败的鉴别诊断准确性和效率 髋关节假体失败患者 数字病理 骨科疾病 深度学习 CNN 图像 1,454名患者(亚洲人)的2,908张常规双视图(前后位和侧位)X光片
79 2025-06-20
Deep Learning-Assisted Nanocavity Sensor for Amphiphilic Biomarker Analysis
2025-Jun-18, Analytical chemistry IF:6.7Q1
研究论文 本文介绍了一种结合银纳米立方体-金镜纳米腔和支持脂质双层的荧光增强检测方法,用于快速检测两亲性生物标志物 利用深度学习辅助的语义分割方法计算荧光增强因子,实现了高达868.64的最大增强因子,检测灵敏度达到飞摩尔级别 NA 开发一种高灵敏度、快速检测和低成本制备的纳米腔系统,用于临床诊断中的生物传感应用 两亲性生物标志物 生物传感 癌症和感染性疾病 荧光增强检测、深度学习辅助语义分割 深度学习 荧光信号 NA
80 2025-06-20
TP-Transformer: An Interpretable Model for Predicting the Transformation Pathways of Organic Pollutants in Chemical Oxidation Processes
2025-Jun-18, Environmental science & technology IF:10.8Q1
研究论文 本文介绍了一种名为TP-Transformer的深度学习框架,用于预测有机污染物在化学氧化过程中的转化路径和产物结构 提出了TP-Transformer模型,能够同时预测转化产物的结构及其形成路径,并通过注意力机制模拟专家级化学推理 模型训练数据仅包含2780个污染物降解反应,可能无法覆盖所有可能的污染物类型 开发一种可扩展、精确且高效的方法来预测有机污染物的转化路径,以替代传统的实验方法 有机污染物在化学氧化过程中的转化产物(TPs) 环境化学 NA 深度学习 Transformer 化学反应数据 2780个污染物降解反应(Chem_Oxi_2K数据集)
回到顶部