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 9921 - 9940 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
9921 2025-02-28
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
研究论文 本文提出了一种基于人工智能的系统,用于检测学生的注意力水平,通过分析学生的情绪、视线方向、身体姿势和生物特征数据来帮助教师优化教学过程 创新点在于整合多种数据源(如情绪、视线、姿势和生物特征数据)来训练AI系统,以自动识别学生的注意力水平,并提出创建标注数据集和注意力分类器的方案 整合不同类型的数据具有挑战性,需要创建标注数据集,且依赖专家输入和现有研究进行准确标注 研究目标是利用AI技术自动检测学生的注意力水平,以帮助教师调整教学策略,优化教学效果 研究对象是课堂中的学生 机器学习 NA 深度学习 NA 图像、生物特征数据 未明确提及样本数量
9922 2025-02-27
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics IF:3.1Q2
研究论文 本研究通过深度学习分析脑信号和肌肉运动,利用EEG和EMG信号估计肌肉与脑信号之间的协同作用 结合EEG和EMG信号,使用图论和神经网络方法估计肌肉与脑信号的协同作用,并开发了脑图映射以重建肌肉信号 NA 改进康复方法和脑机接口 脑信号和肌肉运动 机器学习 NA EEG, EMG 神经网络, 卷积网络 信号数据 NA
9923 2025-02-27
FHD deep learning prognosis approach: Early detection of fetal heart disease (FHD) using ultrasonography image-based IROI combined multiresolution DCNN
2025-Feb-26, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3
研究论文 本文提出了一种基于超声图像的深度学习预后方法,用于早期检测胎儿心脏病(FHD) 提出了一种结合增强自适应中值滤波(EAMF)、强化感兴趣区域(IROI)分割和多分辨率深度卷积神经网络(MDCNN)分类的自动化分层网络,用于FHD的检测 未提及具体样本量和数据集的多样性,可能影响模型的泛化能力 早期检测胎儿心脏病(FHD) 胎儿心脏病的超声图像 计算机视觉 胎儿心脏病 超声2D成像 多分辨率深度卷积神经网络(MDCNN) 图像 未提及具体样本量
9924 2025-02-27
Artificial Intelligence in Computed Tomography Image Reconstruction: A Review of Recent Advances
2025-Feb-26, Journal of computer assisted tomography IF:1.0Q4
综述 本文综述了人工智能在计算机断层扫描(CT)图像重建中的最新进展 人工智能,特别是深度学习,在CT重建中展示了减少辐射剂量同时保持图像质量和噪声纹理的巨大潜力,并在解决低剂量CT、稀疏视图CT、有限角度CT和内部断层扫描等挑战性问题中表现出前所未有的性能 NA 探讨人工智能在CT图像重建中的应用,特别是在低剂量、稀疏视图和有限角度等挑战性条件下的应用 计算机断层扫描(CT)图像 计算机视觉 NA 深度学习 NA 图像 NA
9925 2025-02-27
Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model
2025-Feb-26, Medical & biological engineering & computing IF:2.6Q3
研究论文 本研究提出了一种基于深度学习的框架,用于在CBCT图像中自动放置模拟牙种植体至最佳位置 采用两阶段深度学习框架,结合YOLOv11进行标记检测和种植体位置预测,提高了牙种植体放置的自动化程度和准确性 YOLOv11在标记检测阶段的F-score仅为59%,种植体位置预测的平均绝对误差在11.931到15.954之间,表明模型仍有改进空间 提高牙种植体放置的自动化程度和准确性,减少对牙医知识和经验的依赖 CBCT图像中的牙种植体 计算机视觉 NA 深度学习 YOLOv11 3D CBCT图像 NA
9926 2025-02-27
A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients
2025-Feb-26, Abdominal radiology (New York)
研究论文 本文介绍了一种基于深度学习的psi CT网络,用于预测肝细胞癌(HCC)患者肝切除术后早期复发 结合DenseNet和注意力机制,模型能自动聚焦于对患者生存有显著影响的区域,并通过CAM技术可视化这些区域 研究为回顾性,且样本量相对有限,可能影响模型的泛化能力 开发一种可靠的方法来预测HCC患者肝切除术后早期复发 肝细胞癌(HCC)患者 数字病理 肝癌 深度学习 DenseNet CT扫描图像 302例患者,来自五个中心
9927 2025-02-27
Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet
2025-Feb-25, Journal of imaging informatics in medicine
研究论文 本文提出了一种基于DeepLabV3+与EfficientNet的超声甲状腺结节分割算法,旨在提高超声图像中甲状腺结节分割的准确性 首次将EfficientNet-B7作为DeepLabV3+架构的主干网络应用于甲状腺结节分割 NA 提高超声图像中甲状腺结节分割的准确性 超声图像中的甲状腺结节 计算机视觉 甲状腺疾病 深度学习 DeepLabV3+ with EfficientNet-B7 图像 来自郑州大学第一附属医院的数据集及两个公共数据集
9928 2025-02-27
The Central Role of Learning in Preventing Foot Complications in Persons With Diabetes: A Scoping Review
2025-Feb-25, Journal of clinical nursing IF:3.2Q1
综述 本文探讨了糖尿病患者足部护理的学习过程和教学策略,并分析了不同学习过程对这些策略的影响 提出了一个理解患者学习和自我管理渐进阶段的框架,并强调了个性化教育干预的重要性 研究仅限于英文文献,可能忽略了其他语言的重要研究 探索糖尿病患者足部护理的学习过程和教学策略 糖尿病患者 NA 糖尿病 NA NA 文献数据 906篇文章
9929 2025-02-27
The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis
2025-Feb-19, Journal of clinical gastroenterology IF:2.8Q2
meta-analysis 本文通过系统回顾和荟萃分析评估了人工智能结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能 首次将基于计算机视觉的AI算法应用于胆道镜检查,以提高诊断准确性 研究数量有限,仅包含五项研究,且样本量相对较小 评估AI结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能 不确定性和恶性胆道狭窄 computer vision biliary strictures deep learning CNN image 675 lesions (2,685,674 cholangioscopic images)
9930 2025-02-27
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
研究论文 本文介绍了一种基于深度学习的通用设计方法,用于溶解天然膜蛋白,同时保持其序列、折叠和功能 使用基因编码的蛋白WRAPs(水溶性RF扩散两亲蛋白)包围脂质相互作用的疏水表面,使其稳定且水溶性,无需使用去污剂 NA 开发针对膜蛋白的疗法和疫苗,解决其疏水表面导致的生成和结构表征困难 膜蛋白 机器学习 梅毒 深度学习 NA 蛋白质结构数据 四种外膜β桶蛋白
9931 2025-02-27
De novo design of Ras isoform selective binders
2025-Feb-05, bioRxiv : the preprint server for biology
研究论文 本文利用深度学习方法设计了针对Ras异构体的特异性结合剂,以研究其在生物学和疾病中的不同作用 首次使用深度学习方法设计出针对Ras异构体的特异性结合剂,解决了传统方法难以针对Ras C端无序且高电荷区域产生抗体的难题 未提及具体样本量或实验验证的广泛性 研究Ras异构体在癌症中的不同作用,并开发特异性结合剂 Ras异构体(KRAS4A, KRAS4B, HRAS, NRAS) 机器学习 癌症 深度学习 NA NA NA
9932 2025-02-27
Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images
2025-Feb, Veterinary parasitology IF:2.0Q2
研究论文 开发了一种基于深度学习的移动应用程序,用于通过显微镜图像自动识别猪体内的Coccidia物种 采用深度学习技术开发移动应用程序,自动识别猪体内的Coccidia物种,减少对专家人员的依赖 研究仅限于印度东北山区常见的六种Coccidia物种,未涵盖所有可能的物种 开发一种能够自动识别猪体内Coccidia物种的移动应用程序,以减少经济损失和提高诊断效率 猪体内的Coccidia物种,特别是E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, 和 Isospora suis 计算机视觉 寄生虫病 卷积神经网络(CNN) EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2 显微镜图像 未明确提及具体样本数量,但涉及印度东北山区的猪
9933 2025-02-27
Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究探讨了基于深度学习重建的减法CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值 首次将深度学习重建技术应用于减法CT-FFR,提高了钙化相关狭窄和冠状动脉支架应用的诊断性能 样本量较小,仅包括30名患者,且未进行长期随访 探索减法CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断价值 钙化相关狭窄或支架植入患者 数字病理学 心血管疾病 CT-FFR, 深度学习重建 (DLR), 混合迭代重建 (HIR) 深度学习 CT图像 30名患者,52个钙化相关病变和14个冠状动脉支架
9934 2025-02-27
Development and evaluation of a deep learning model for multi-frequency Gibbs artifact elimination
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本文开发并评估了一种深度学习模型,用于消除多频率Gibbs伪影,以提高MRI图像质量并改善脊髓空洞症的诊断准确性 开发了一种深度学习模型,能够有效消除多频率Gibbs伪影,并在不同解剖区域、MRI序列和伪影严重程度下表现出色 研究样本主要来自回顾性数据,外部验证样本量较小(30人),可能影响模型的泛化能力 开发并评估一种深度学习模型,用于消除MRI图像中的Gibbs伪影,以提高图像质量和诊断准确性 MRI图像中的Gibbs伪影 计算机视觉 脊髓空洞症 深度学习 深度学习模型 图像 290,940张MRI图像(来自4,936次扫描),外部验证包括20名健康成人和10名脊髓空洞症患者
9935 2025-02-27
Automatic measurement of X-ray radiographic parameters based on cascaded HRNet model from the supraspinatus outlet radiographs
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究开发了一种基于级联HRNet模型的自动测量方法,用于从肩胛上出口X光片中测量形态参数,以辅助肩部疾病的早期筛查和治疗决策 首次报道了使用级联HRNet模型自动测量肩胛上出口X光片中的放射学参数,提高了测量的精确性和效率 研究仅基于单一医院的影像数据,可能限制了模型的泛化能力 开发一种自动测量肩胛上出口X光片中形态参数的方法,以辅助肩部疾病的早期筛查和治疗决策 肩胛上出口X光片 计算机视觉 肩袖损伤 深度学习算法 级联HRNet模型 图像 1,668张肩胛上出口X光片,其中1,147张用于模型训练和验证,521张用于测试
9936 2025-02-27
Rapid and automatic hemodynamic assessment: integration of deep learning-based image segmentation, vessel reconstruction, and CFD prediction
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究开发了一种基于深度学习的快速准确提取血管血流动力学特征数据的方法,通过自动化CT图像分割、血管重建和CFD预测过程 提出了一种改进的卷积神经网络(Res2Net-ConvFormer-Dilation-UNet)用于自动分割预处理后的血管CT图像,并结合MC算法和OpenFOAM进行3D重建和血流动力学模拟 NA 开发一种快速准确的血管血流动力学特征数据提取方法,以提高诊断效率 下肢和主动脉动脉数据集 计算机视觉 心血管疾病 CT图像分割、MC算法、OpenFOAM Res2Net-ConvFormer-Dilation-UNet (Res2-CD-UNet) CT图像 下肢和主动脉动脉数据集
9937 2025-02-27
Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究通过深度学习方法和回归模型,开发了一种自动测量膝关节间隙宽度(JSW)的模型,并预测了第六年JSW的变化 结合TransUNet和XGBoost模型,显著提高了JSW测量的准确性,并仅使用两年的X射线图像实现了高精度的预测 研究依赖于特定数据库的数据,可能限制了模型的泛化能力 开发自动测量膝关节间隙宽度的模型,并预测第六年JSW的变化 膝关节X射线图像和临床数据 计算机视觉 骨关节炎 深度学习 TransUNet, XGBoost 图像, 临床数据 1,947名参与者的膝关节X射线图像
9938 2025-02-27
Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究旨在开发一种基于T2加权成像(T2WI)的深度学习模型,用于检测烟雾病(MMA) 首次使用T2WI图像开发深度学习模型来检测MMA,并在多中心数据上验证了模型的性能 研究依赖于回顾性数据,可能存在选择偏差,且未考虑所有可能的混杂因素 开发并验证基于T2WI的深度学习模型,用于检测烟雾病(MMA) 烟雾病患者、正常MRA的对照组患者以及非MMA的脑血管疾病患者 计算机视觉 脑血管疾病 深度学习 SCNN, LeNet, VGG, ResNet, DenseNet T2加权图像 1038名MMA患者、1211名正常MRA患者和271名非MMA的脑血管疾病患者
9939 2025-02-27
Combining pelvic floor ultrasonography with deep learning to diagnose anterior compartment organ prolapse
2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2
研究论文 本研究结合深度学习与盆底超声技术,旨在提高前腔室器官脱垂的诊断速度和可靠性 首次将深度学习应用于盆底超声图像解读,以提升前腔室器官脱垂的诊断效率和准确性 研究为回顾性分析,可能受到数据质量和样本选择偏差的影响 提高盆底超声诊断前腔室器官脱垂的速度和可靠性,促进基层医疗机构的诊断和治疗 前腔室器官脱垂的女性患者 计算机视觉 妇科疾病 深度学习 CNN(包括AlexNet、VGG-16、ResNet-18和ResNet-50) 图像 1,805名女性(1,605名有前腔室器官脱垂,200名无脱垂)
9940 2025-02-27
Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts
2025, Biology methods & protocols IF:2.5Q3
研究论文 本文提出了一种混合专家(MoE)方法,用于改善深度学习模型在单序列RNA二级结构预测中的分布外(OOD)泛化能力 通过结合深度学习和基于物理的模型,MoEFold2D方法实现了自动化的ID/OOD检测,并在不依赖训练数据的情况下,通过共识分析对测试序列进行分类,从而在ID和OOD序列上分别利用深度学习和基于物理的模型进行预测 未明确提及具体局限性 提高RNA二级结构预测的准确性和鲁棒性,特别是在分布外序列上的表现 RNA二级结构 机器学习 NA 深度学习,基于物理的模型 混合专家模型(MoE) RNA序列数据 未明确提及样本数量
回到顶部