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 24162 篇文献,本页显示第 15961 - 15980 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
15961 2024-09-19
An efficient brain tumor detection and classification using pre-trained convolutional neural network models
2024-Sep-15, Heliyon IF:3.4Q1
研究论文 本文提出了一种利用预训练卷积神经网络模型进行脑肿瘤检测和分类的高效方法 本文的创新点在于使用预训练的卷积神经网络模型(如ResNet50和EfficientNet)进行脑肿瘤检测,并通过数据增强技术提高模型的准确性和召回率 本文未详细讨论模型的计算资源需求和训练时间,也未提及模型在不同数据集上的泛化能力 本文的研究目的是提高脑肿瘤检测的准确性和效率,以便为患者提供及时的治疗和决策支持 本文的研究对象是脑肿瘤的MRI图像,包括三种不同类型的肿瘤和非肿瘤样本 计算机视觉 脑肿瘤 卷积神经网络(CNN) 卷积神经网络(CNN) 图像 本文使用了包含两种类别的数据集,其中三种代表不同类型的肿瘤,一种代表非肿瘤样本
15962 2024-09-19
ArSa-Tweets: A novel Arabic sarcasm detection system based on deep learning model
2024-Sep-15, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于深度学习模型的阿拉伯语讽刺检测系统ArSa-Tweets 本文的创新点在于开发了一种新的阿拉伯语推文讽刺检测模型ArSa-Tweet,并引入了ArSa-data作为黄金语料库 NA 研究目的是解决阿拉伯语讽刺检测中的挑战,如隐含的间接习语和缺乏阿拉伯语讽刺语料库 研究对象是阿拉伯语推文中的讽刺表达 自然语言处理 NA 深度学习 LSTM, Multi-headed CNN-LSTM-GRU, BERT, AraBert-V01, AraBert-V02 文本 NA
15963 2024-09-19
Cataract and glaucoma detection based on Transfer Learning using MobileNet
2024-Sep-15, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于迁移学习的MobileNet模型,用于白内障和青光眼的检测 本文提出了基于深度可分离卷积的MobileNetV1和MobileNetV2模型,并在公开数据集上进行了实验,结果显示该模型在准确性上优于其他模型 NA 开发一种高效的深度学习模型,用于早期检测白内障和青光眼 白内障和青光眼 计算机视觉 眼科疾病 深度学习 MobileNet 图像 使用公开数据集,包含白内障与正常以及青光眼与正常的图像
15964 2024-09-19
Wear prediction of high performance rolling bearing based on 1D-CNN-LSTM hybrid neural network under deep learning
2024-Sep-15, Heliyon IF:3.4Q1
研究论文 本文提出了一种基于1D-CNN-LSTM混合神经网络的高性能滚动轴承磨损预测方法 使用1D-CNN-LSTM混合神经网络进行深度学习,相比传统的1D-CNN算法,预测精度有所提高 NA 解决滚动轴承寿命测试时间长和成本高的问题 高性能滚动轴承的磨损预测 机器学习 NA 1D-CNN-LSTM混合神经网络 1D-CNN-LSTM 数据 791152个数据点
15965 2024-09-19
Deep learning for mango leaf disease identification: A vision transformer perspective
2024-Sep-15, Heliyon IF:3.4Q1
研究论文 本文评估了视觉变换器在芒果叶病害识别中的性能,并与流行的卷积神经网络进行了比较 提出了基于预训练的Data-efficient Image Transformer (DeiT)架构的优化模型,实现了99.75%的准确率,优于多种流行的卷积神经网络,并展示了视觉变换器在训练时间上的优势 NA 评估视觉变换器在农业中的应用,特别是芒果叶病害识别 芒果叶病害 计算机视觉 NA 视觉变换器 (ViTs) 视觉变换器 (ViTs) 图像 NA
15966 2024-09-19
SMTRI: A deep learning-based web service for predicting small molecules that target miRNA-mRNA interactions
2024-Sep-10, Molecular therapy. Nucleic acids
研究论文 本文介绍了一种基于卷积神经网络的网络服务SMTRI,用于预测靶向miRNA-mRNA相互作用的小分子 SMTRI在AUC和准确性上分别比现有最先进算法提高了12.9%-30.3%和2.0%-18.4% NA 开发一种计算程序来辅助成熟miRNA靶向药物的发现 miRNA-mRNA相互作用形成的小分子靶向RNA二级结构 机器学习 NA NA 卷积神经网络 RNA 三个额外的测试集和四个已发表的实验验证的RNA靶向小分子案例研究
15967 2024-09-19
Artificial intelligence for geoscience: Progress, challenges, and perspectives
2024-Sep-09, Innovation (Cambridge (Mass.))
综述 本文探讨了地球科学研究的演变,从基于物理的传统模型到现代数据驱动方法的进展,这些方法得益于人工智能和数据收集技术的显著进步 本文提出了将基于物理和数据驱动的方法结合到混合模型中的新范式,这些模型结合了领域知识来指导人工智能方法,展示了更高的效率和性能 数据稀缺、计算需求、数据隐私问题以及AI模型的“黑箱”性质是当前的主要挑战 探讨人工智能在地球科学中的应用进展、挑战和未来展望 地球科学研究中的传统物理模型和现代数据驱动模型 机器学习 NA 机器学习(ML)和深度学习(DL) 混合模型 地球科学数据 NA
15968 2024-09-19
Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models"
2024-Sep-07, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
NA NA NA NA NA NA NA NA NA NA NA NA
15969 2024-09-19
Comparison review of image classification techniques for early diagnosis of diabetic retinopathy
2024-Sep-05, Biomedical physics & engineering express IF:1.3Q3
综述 本文比较和分析了用于糖尿病视网膜病变早期诊断的各种机器学习技术 CapsNet在准确率和精确率上表现出色,CLAHE预处理技术显著提升了模型效率 深度学习方法计算复杂度高,需要更多资源和数据输入,且领域内缺乏一致的基准数据集 探讨和比较不同机器学习技术在糖尿病视网膜病变早期诊断中的有效性 糖尿病视网膜病变 计算机视觉 糖尿病 机器学习 CNN, CapsNet, KNN, SVM, 决策树, 随机森林 图像 NA
15970 2024-09-19
GTAM: a molecular pretraining model with geometric triangle awareness
2024-Sep-02, Bioinformatics (Oxford, England)
研究论文 本文介绍了一种名为几何三角感知模型(GTAM)的新型对比学习策略,用于分子表示学习 GTAM整合了创新的分子编码器,能够准确捕捉基于图的分子结构中的几何依赖关系,并通过两个对比训练目标增强分子编码器的功能 NA 克服现有分子表示学习方法在捕捉2D拓扑图和3D几何构象中复杂相互作用的不足 分子表示学习 机器学习 NA 对比学习 几何三角感知模型(GTAM) 2D图和3D构象 NA
15971 2024-09-19
Poised PABP-RNA hubs implement signal-dependent mRNA decay in development
2024-Sep, Nature structural & molecular biology IF:12.5Q1
研究论文 本文使用深度学习技术解析了信号依赖性mRNA降解的机制,特别是在胚胎植入过程中,ERK-MEK信号通路通过磷酸化LIN28A来调节naive多能性mRNA的降解 首次揭示了PABP-RNA枢纽在信号诱导的mRNA降解中的作用,以及AUU基序的多价性对pLIN28A-PABP汇聚的影响 NA 研究信号依赖性mRNA降解的机制及其在发育过程中的作用 naive多能性mRNA的降解机制 生物信息学 NA 深度学习 NA 序列数据 NA
15972 2024-09-19
Intelligent deep model based on convolutional neural network's and multi-layer perceptron to classify cardiac abnormality in diabetic patients
2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2
研究论文 本文探讨了使用机器学习和深度学习算法自动识别糖尿病患者的心脏疾病,无需专家干预 本文引入了两种模型:MLP模型和深度CNN模型,分别用于区分心脏疾病和特定心脏状况的识别 NA 自动识别糖尿病患者的心脏疾病 糖尿病患者的心脏疾病 机器学习 心血管疾病 NA CNN, MLP ECG数据 使用PTB-Diagnostic ECG数据集,包含多种ECG记录
15973 2024-09-19
A multi-label dataset and its evaluation for automated scoring system for cleanliness assessment in video capsule endoscopy
2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2
研究论文 本文开发了一种用于视频胶囊内镜清洁度评估的自动化评分系统,并构建了一个多标签数据集进行评估 首次提出了基于韩国-加拿大评分系统的视频胶囊内镜清洁度自动化评估方法,并开发了相应的移动应用程序AI-KODA 需要进一步研究以提高KODA评分系统的评分者间一致性,并开发自动化的多任务分类方法 开发和评估一种用于视频胶囊内镜清洁度评估的自动化评分系统 视频胶囊内镜的清洁度评估 计算机视觉 NA 机器学习和深度学习算法 随机森林分类器、Adaboost、KNeighbours、高斯朴素贝叶斯、深度学习算法 图像 28名患者的胶囊视频数据集
15974 2024-09-19
Learning meaningful representation of single-neuron morphology via large-scale pre-training
2024-09-01, Bioinformatics (Oxford, England)
研究论文 提出了一种名为MorphRep的模型,用于学习单神经元形态的有意义表示,并通过大规模预训练实现 通过图结构数据编码神经元形态,使用图变换器进行特征编码,并强制多个增强视图之间的一致性,实现了最先进的性能 NA 研究单神经元形态的结构、形式和形状,评估神经元发育和衰老的变化,以及确定脑部疾病和治疗的影响 单神经元形态 计算机视觉 NA 图变换器 图变换器 图结构数据 超过250,000个现有的神经元形态数据
15975 2024-09-19
Protein Multiple Conformation Prediction Using Multi-Objective Evolution Algorithm
2024-Sep, Interdisciplinary sciences, computational life sciences
研究论文 提出了一种名为MultiSFold的方法,使用基于距离的多目标进化算法来预测蛋白质的多种构象 MultiSFold在预测蛋白质多种构象方面显著优于AlphaFold2,成功率提高了46.25% NA 改进蛋白质多种构象的预测方法 蛋白质的多种构象 生物信息学 NA 多目标进化算法 NA 蛋白质结构数据 80个蛋白质目标,每个目标有两个代表性构象状态,以及244个人类蛋白质
15976 2024-09-19
Predicting circRNA-RBP Binding Sites Using a Hybrid Deep Neural Network
2024-Sep, Interdisciplinary sciences, computational life sciences
研究论文 提出了一种名为circ-FHN的新模型,利用circRNA序列预测circRNA-RBP结合位点 采用混合深度学习模型,结合CNN和BiGRU,提取circRNA序列的高级抽象特征和长期依赖关系 未提及 开发一种计算方法来预测circRNA-RBP结合位点,以替代传统生物实验 circRNA和RNA结合蛋白(RBP)的相互作用 机器学习 NA NA 混合深度神经网络(CNN和BiGRU) 序列 16个数据集
15977 2024-09-19
SeFilter-DIA: Squeeze-and-Excitation Network for Filtering High-Confidence Peptides of Data-Independent Acquisition Proteomics
2024-Sep, Interdisciplinary sciences, computational life sciences
研究论文 本文介绍了一种名为SeFilter-DIA的深度学习算法,用于自动化识别高置信度肽段 利用压缩激励神经网络和残差网络模型,SeFilter-DIA能够有效区分高置信度和低置信度肽段,并在基准数据集上取得了优异的性能 NA 自动化识别高置信度肽段,提高蛋白质组学分析的效率和客观性 高置信度肽段的自动化识别 机器学习 NA 深度学习 压缩激励神经网络和残差网络 质谱数据 基准数据集
15978 2024-09-19
DeepPI: Alignment-Free Analysis of Flexible Length Proteins Based on Deep Learning and Image Generator
2024-Sep, Interdisciplinary sciences, computational life sciences
研究论文 本文介绍了一种基于深度学习和图像生成器的无对齐分析工具DeepPI,用于分析大规模蛋白质数据库中的灵活长度蛋白质 DeepPI利用全局平均池化处理灵活长度的蛋白质,减少了信息损失,并通过图像生成器将一维序列转换为二维结构,提取不同形状的共同部分 NA 开发一种新的蛋白质分析工具,克服传统方法在固定长度序列和相邻氨基酸信息上的限制 大规模蛋白质数据库中的灵活长度蛋白质 机器学习 NA 深度学习 NA 序列 NA
15979 2024-09-19
Stability of radiomic features from positron emission tomography images: a phantom study comparing advanced reconstruction algorithms and ordered subset expectation maximization
2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2
研究论文 本研究比较了不同重建算法(包括高级重建算法和传统OSEM)对正电子发射断层扫描(PET)图像中放射组学特征的重复性和可重复性的影响 本研究首次比较了高级重建算法(如HYPER迭代、HYPER深度学习重建和HYPER深度渐进重建)与传统OSEM在PET图像放射组学特征稳定性方面的差异 研究仅使用了异质性幻影进行实验,未涉及临床数据,因此结果的临床适用性有限 探讨不同重建算法对PET图像放射组学特征稳定性的影响 PET图像中的放射组学特征 计算机视觉 NA 正电子发射断层扫描(PET) NA 图像 使用了一个异质性幻影,包含4毫米和8毫米直径的丙烯酸球珠
15980 2024-09-19
In vivo EPID-based daily treatment error identification for volumetric-modulated arc therapy in head and neck cancers with a hierarchical convolutional neural network: a feasibility study
2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2
研究论文 本文提出了一种基于EPID剂量测量的深度学习方法,用于分类头颈部癌症患者每日VMAT治疗中的各种错误类型 本文创新性地使用了分层卷积神经网络(HCNN)模型来分类错误类型和幅度,并结合EPID剂量差异图进行分析 临床数据集中的F1分数较低,表明模型在实际临床应用中的性能有待提高 研究目的是通过深度学习方法识别头颈部癌症患者每日VMAT治疗中的错误类型,为临床决策提供支持 研究对象为42名头颈部癌症患者的146个弧度治疗数据 机器学习 头颈部癌症 EPID剂量测量 分层卷积神经网络(HCNN) 图像 146个弧度数据,来自42名患者
回到顶部