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 17316 篇文献,本页显示第 12501 - 12520 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
12501 2024-08-09
Deep learning-based detection and semi-quantitative model for spread through air spaces (STAS) in lung adenocarcinoma
2024-Aug-05, NPJ precision oncology IF:6.8Q1
研究论文 本研究开发了一种基于深度学习的STAS检测及半定量模型,用于提高肺腺癌中STAS的检测准确性 提出了名为STASNet的深度学习模型,用于计算与STAS密度和距离相关的半定量参数,并在实时病理诊断环境中应用 NA 提高肺腺癌中STAS的检测准确性和定量分析 肺腺癌中的STAS现象 数字病理学 肺腺癌 深度学习 CNN 图像 489张数字全切片图像
12502 2024-08-09
An improved data augmentation approach and its application in medical named entity recognition
2024-Aug-05, BMC medical informatics and decision making IF:3.3Q2
研究论文 本文提出了一种改进的数据增强方法,并将其应用于医学命名实体识别中 提出了两种数据增强方法——基于Word2Vec增强的上下文随机替换(CRR)和目标实体随机替换增强(TER),以解决医学领域数据稀缺和不平衡的问题 NA 提高医学命名实体识别的性能和准确性 医学命名实体识别 自然语言处理 NA Word2Vec BERT-BiLSTM-CRF 文本 NA
12503 2024-08-09
DeepB3P: A transformer-based model for identifying blood-brain barrier penetrating peptides with data augmentation using feedback GAN
2024-Aug-05, Journal of advanced research IF:11.4Q1
研究论文 本文提出了一种基于transformer的深度学习模型DeepB3P,用于识别血脑屏障穿透肽,并使用反馈生成对抗网络(FBGAN)进行数据增强 DeepB3P模型在血脑屏障穿透肽预测中表现优异,且FBGAN模型能有效生成类似血脑屏障穿透肽,缓解数据不平衡问题 NA 解决血脑屏障穿透肽预测中的数据不平衡问题,并提出一种高效准确的预测模型 血脑屏障穿透肽(BBBPs) 机器学习 NA transformer, 生成对抗网络(GAN) transformer, GAN 肽序列 NA
12504 2024-08-09
ARID3C Acts as a Regulator of Monocyte-to-Macrophage Differentiation Interacting with NPM1
2024-Aug-02, Journal of proteome research IF:3.8Q1
研究论文 本研究探讨了ARID3C蛋白在细胞内的定位及其功能,发现ARID3C通过与NPM1结合,作为转录因子促进单核细胞向巨噬细胞的分化 首次阐明了ARID3C的生物学功能及其在单核细胞向巨噬细胞分化中的作用机制 NA 研究ARID3C蛋白的细胞定位及其在单核细胞向巨噬细胞分化中的功能 ARID3C蛋白及其与NPM1的相互作用 NA NA LC-MS/MS, 深度学习, AlphaFold2 NA NA NA
12505 2024-08-09
Identifying sex from pharyngeal images using deep learning algorithm
2024-08-02, Scientific reports IF:3.8Q1
研究论文 本研究利用深度学习算法从咽部图像中识别性别 首次探索使用咽部图像通过深度学习算法识别个体性别 研究仅限于特定年龄组和特定症状的患者 验证深度学习算法在咽部图像中识别性别的可行性 咽部图像和患者性别 计算机视觉 NA 深度学习 卷积神经网络 图像 20,319张图像用于训练,4,869张图像用于验证
12506 2024-08-09
GRU-powered sleep stage classification with permutation-based EEG channel selection
2024-08-02, Scientific reports IF:3.8Q1
研究论文 本文提出了一种新的睡眠阶段分类方法,结合基于排列的低成本通道选择方法和深度学习技术,特别是门控循环单元(GRU)模型 通过系统地排列脑电图(EEG)通道,评估不同EEG通道组合,以识别最具有信息量的子集进行5类睡眠阶段分类 当通道少于3个时,性能显著下降;N1类在通道从128个减少到3个随机或3个AASM推荐通道时,预测准确性受到最大影响 探索和优化使用GRU模型进行睡眠阶段分类的方法 睡眠阶段分类 机器学习 NA 脑电图(EEG) GRU 脑电图数据 使用国际综合睡眠医学研究所(WPI-IIIS)在筑波大学收集的EEG数据集
12507 2024-08-09
Z-DNA formation in promoters conserved between human and mouse are associated with increased transcription reinitiation rates
2024-08-01, Scientific reports IF:3.8Q1
研究论文 本文使用深度学习方法DeepZ预测基于DNA序列和核苷酸结构特性的Z-flipons,并研究了其在人类和小鼠基因组中的保守性及其对转录重启动率的影响。 首次揭示了Z-flipons在神经发生相关基因的替代和双向启动子中的显著富集,并证明了其与转录重启动率的增加有关。 NA 探讨Z-DNA在转录中的作用及其对基因表达的影响。 Z-flipons在人类和小鼠基因组中的分布及其对转录重启动率的影响。 生物信息学 NA 深度学习 transformer算法 DNA序列 人类和小鼠基因组
12508 2024-08-09
Improved microvascular imaging with optical coherence tomography using 3D neural networks and a channel attention mechanism
2024-08-01, Scientific reports IF:3.8Q1
研究论文 本文提出了一种利用3D卷积神经网络和通道注意力机制改进光学相干断层扫描(OCT)微血管成像的方法 通过考虑3D空间上下文,3D卷积神经网络减少了信息损失,保留了OCTA图像中的精细细节和边界 传统的统计和深度学习方法通常只处理单个2D B-扫描,忽略了相邻B-扫描的上下文信息和组织内的3D特征 提高光学相干断层扫描血管成像(OCTA)的准确性和临床适用性 皮肤微血管成像和分析 计算机视觉 心血管疾病 光学相干断层扫描血管成像(OCTA) 3D卷积神经网络(CNN) 图像 NA
12509 2024-08-09
A comprehensive multi-task deep learning approach for predicting metabolic syndrome with genetic, nutritional, and clinical data
2024-08-01, Scientific reports IF:3.8Q1
研究论文 本文提出了一种多任务深度学习模型,用于同时预测代谢综合征及其五个组成部分 该研究首次采用多任务深度学习模型,能够同时处理代谢综合征及其五个组成部分的预测,提高了预测性能 NA 旨在开发一种能够同时预测代谢综合征及其组成部分的新方法 代谢综合征及其五个组成部分 机器学习 心血管疾病 深度学习 多任务深度学习模型 遗传、营养和临床数据 7729名个体的352,228个单核苷酸多态性(SNPs)数据
12510 2024-08-09
Forecasting rheumatoid arthritis patient arrivals by including meteorological factors and air pollutants
2024-08-01, Scientific reports IF:3.8Q1
research paper 本研究旨在构建长短期记忆(LSTM)模型,结合气象因素和空气污染物来预测类风湿性关节炎(RA)患者到达情况,并与传统方法进行比较 首次尝试使用LSTM模型结合气象因素和空气污染物来预测RA患者到达情况,并证明其预测准确性优于传统的MA和AR模型 NA 预测类风湿性关节炎患者到达情况,优化医疗资源分配 类风湿性关节炎患者到达情况 machine learning rheumatoid arthritis NA LSTM numerical data 2422名个体
12511 2024-08-09
Fast flow field prediction of pollutant leakage diffusion based on deep learning
2024-Aug, Environmental science and pollution research international
研究论文 本文介绍了一种基于深度学习的两级网络方法,用于模拟污染物扩散的流动特性 该方法在流场预测精度上相比传统深度学习方法有显著提升,并且计算效率比传统计算流体动力学(CFD)方法提高了800倍以上 深度学习方法虽然不受网格限制,但可能无法完全替代CFD方法 研究目的是提高污染物泄漏和扩散过程的预测效率和准确性 研究对象是污染物泄漏和扩散的流场 机器学习 NA 深度学习 两级网络 流场数据 未具体说明样本数量
12512 2024-08-09
Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI
2024-Aug, Abdominal radiology (New York)
研究论文 本研究使用基于深度学习的AI算法评估图像质量对MRI上前列腺癌包膜外侵犯(EPE)检测的影响。 本研究首次使用基于深度学习的AI算法来分类前列腺MRI图像质量,并证明高质量T2WI与更准确的EPE病理预测相关。 本研究为回顾性、单机构研究,可能存在选择偏倚。 评估图像质量对MRI上前列腺癌包膜外侵犯检测的影响。 前列腺癌患者的MRI图像质量及其对EPE检测的影响。 计算机视觉 前列腺癌 深度学习 AI算法 MRI图像 773名患者
12513 2024-08-09
Status and future trends in wastewater management strategies using artificial intelligence and machine learning techniques
2024-Aug, Chemosphere IF:8.1Q1
综述 本文综述了利用人工智能和机器学习技术在不同情境下进行水资源管理的现状及未来趋势 探讨了利用人工智能、深度学习和物联网结构开发高效水管理系统的最新趋势 NA 旨在提供一个高效的水管理框架,以应对全球即将面临的水资源需求 水资源管理策略,包括水的收集、分配、保存和满足多种用途的水质要求 机器学习 NA 人工智能 (AI), 机器学习 (ML), 深度学习 (DL), 物联网 (IoT) NA 多种形式的数据 通过案例研究和样本统计评估进行调查
12514 2024-08-09
Intraoperative near infrared functional imaging of rectal cancer using artificial intelligence methods - now and near future state of the art
2024-Aug, European journal of nuclear medicine and molecular imaging IF:8.6Q1
research paper 本文讨论了人工智能增强的吲哚菁绿(ICG)灌注分析在直肠癌手术中的概念和实践,并强调了近期和未来的关键进展 介绍了计算机视觉和时间序列分析的突破性发展,这些技术能够在手术中实时量化和分类直肠癌组织的荧光灌注信号,准确区分正常、良性与恶性组织 NA 探索人工智能在直肠癌手术中近红外功能成像的应用,以提高诊断和治疗的精确度 直肠癌组织及其荧光灌注信号的实时量化和分类 computer vision 直肠癌 近红外成像 NA 图像 NA
12515 2024-08-09
PreCNet: Next-Frame Video Prediction Based on Predictive Coding
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文将Rao和Ballard(1999)的经典预测编码模型转化为现代深度学习框架,并提出了PreCNet网络,用于下一帧视频预测任务 将预测编码理论应用于机器学习,并展示了基于神经科学模型的架构在视频预测任务中的优异性能 较大的训练集(2M图像)表明KITTI训练集存在局限性 探索预测编码理论在机器学习中的应用,并验证基于神经科学模型的深度学习框架的性能 下一帧视频预测任务 机器学习 NA 深度学习 PreCNet 图像 测试集包含城市环境中的车载摄像头图像,训练集包括2M图像
12516 2024-08-09
Taming Self-Supervised Learning for Presentation Attack Detection: De-Folding and De-Mixing
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种基于自监督学习的演示攻击检测方法DF-DM,通过全局-局部视图结合去折叠和去混合策略,提高模型对未知演示攻击工具的泛化能力 首次证明了模型初始化对演示攻击检测泛化能力的重要性,并提出了一种新的自监督学习方法DF-DM NA 提高生物识别系统对演示攻击的检测能力,特别是对未知演示攻击工具的泛化能力 演示攻击检测技术 机器学习 NA 自监督学习 NA 图像 在CASIA-FASD和Idiap Replay-Attack数据集上进行训练,评估在OULU-NPU和MSU-MFSD数据集上的表现
12517 2024-08-09
Unambiguous and High-Fidelity Backdoor Watermarking for Deep Neural Networks
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种明确且高保真的深度神经网络后门水印方案,通过设计确定性依赖的触发样本和标签,提高了水印对抗模糊攻击的鲁棒性,并通过改进后门保真度的评估方法,显著提升了水印的保真度。 本文创新性地设计了确定性依赖的触发样本和标签,使模糊攻击的复杂度从线性增加到指数,同时提出了基于训练数据特征分布和决策边界的新保真度评估方法。 NA 旨在解决深度神经网络水印技术中的后门水印模糊攻击问题,并提高水印的保真度。 深度神经网络的水印技术,特别是后门水印的鲁棒性和保真度。 机器学习 NA 深度学习 CNN 图像 使用了两个版本的ResNet18、WRN28_10和EfficientNet-B0模型,在MNIST、CIFAR-10、CIFAR-100和FOOD-101数据集上进行实验。
12518 2024-08-09
Automatic Learning Rate Adaption for Memristive Deep Learning Systems
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种用于忆阻深度学习系统的自动学习率调整方法 首次在忆阻深度学习系统中使用自适应学习率进行图像识别,并采用了量化神经网络架构,提高了训练效率且未损失测试精度 NA 旨在通过忆阻器提升混合互补金属氧化物半导体(CMOS)技术在硬件中的性能 忆阻深度学习系统中的学习率调整 机器学习 NA 忆阻器 深度神经网络(DNNs) 图像 NA
12519 2024-08-09
A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
综述 本文对离线强化学习进行了分类,回顾了最新的算法突破,并指出了现有基准的特性和不足,同时提出了未来的研究方向 提出了一个统一的分类法来分类离线强化学习方法,并总结了每种方法和方法类在不同数据集属性上的性能 NA 旨在为离线强化学习领域提供一个全面的回顾和未来的研究方向 离线强化学习算法及其在不同数据集上的性能 机器学习 NA 强化学习 NA 数据集 NA
12520 2024-08-09
Class-Incremental Learning Method With Fast Update and High Retainability Based on Broad Learning System
2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1
研究论文 本文提出了一种基于广义学习系统的类增量学习方法(BLS-CIL),该方法能够快速更新并高度保留旧类知识 引入了一种新的类相关损失函数,考虑了新旧类之间的相关性,并开发了一种新的递归更新规则(RULL),无需重放所有旧类的示例 NA 旨在开发一种能够快速更新且高度保留旧类知识的类增量学习方法 类增量学习方法在实际应用中的性能 机器学习 NA 广义学习系统 浅层神经网络 图像、表格/数值数据 12个真实世界数据集,包括7个表格/数值数据集和6个图像数据集
回到顶部