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 27664 篇文献,本页显示第 1901 - 1920 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
1901 2025-06-15
Phyla: Towards a foundation model for phylogenetic inference
2025-Jan-22, bioRxiv : the preprint server for biology
研究论文 本文介绍了Phyla,一种专为系统发育推理设计的混合状态空间变换器架构,旨在通过树损失函数实现序列推理和系统发育树重建的最新性能 Phyla采用了一种新颖的混合状态空间变换器架构和树损失函数,专注于序列间的推理能力,而非传统的单个序列学习 NA 开发一个用于系统发育推理的基础模型,提升计算生物学中序列分析和系统发育推理的性能 蛋白质序列和系统发育树 计算生物学 NA 深度学习 混合状态空间变换器 蛋白质序列数据 NA
1902 2025-06-15
Interpretable machine learning model for outcome prediction in patients with aneurysmatic subarachnoid hemorrhage
2025-Jan-20, Critical care (London, England)
研究论文 开发了一种可解释的深度学习模型,用于预测动脉瘤性蛛网膜下腔出血患者的功能结果 结合SHAP方法增强模型的可解释性,并通过多中心数据验证模型的稳健性 研究仅基于日本五家医院的数据,可能限制了模型的泛化能力 优化动脉瘤性蛛网膜下腔出血患者的早期康复策略 718名动脉瘤性蛛网膜下腔出血患者 机器学习 脑血管疾病 深度学习 深度学习模型 临床数据 718名患者
1903 2025-06-15
Artificial intelligence: the human response to approach the complexity of big data in biology
2025-Jan-06, GigaScience IF:11.8Q1
综述 本文探讨了人工智能在生命科学中的应用,特别是在处理高通量组学数据时的作用 强调了基于组学的预测分析在系统生物学中的作用,以及创新的AI分析方法在理解复杂生物系统中的价值 未具体提及研究的局限性 探讨人工智能在生命科学中的应用及其对组学数据分析的影响 植物科学、动物科学和微生物学中的生物过程和生态系统动态 机器学习 NA 高通量组学数据分析 深度学习 组学数据 NA
1904 2025-06-15
Improving lung cancer diagnosis and survival prediction with deep learning and CT imaging
2025, PloS one IF:2.9Q1
研究论文 该论文提出了一种结合深度学习和CT影像的方法,用于改善肺癌的诊断和生存预测 使用卷积神经网络建模肺癌风险与肺部形态之间的非线性关系,并提出了结合小批量损失和二元交叉熵的方法来预测肺癌发生和死亡风险 未提及具体的数据集局限性或模型泛化能力问题 提高肺癌的诊断准确性和生存预测效果 肺癌患者 计算机视觉 肺癌 CT成像 3D CNN 医学影像 国家肺癌筛查试验数据集
1905 2025-06-15
An ensemble-based 3D residual network for the classification of Alzheimer's disease
2025, PloS one IF:2.9Q1
研究论文 本研究提出了一种基于深度学习的集成方法,用于阿尔茨海默病的分类 采用加权概率的集成方法整合3D残差网络的结果,并引入CBAM注意力机制增强模型性能 数据量有限,需通过数据增强技术来提升准确率 早期诊断轻度认知障碍(MCI)以延缓阿尔茨海默病(AD)的进展 阿尔茨海默病(AD)及其前驱阶段轻度认知障碍(MCI)患者 数字病理学 老年病 深度学习 3D ResNet-18, 3D ResNet-34, 3D ResNet-50 图像 NA
1906 2025-06-15
In-depth exploration of software defects and self-admitted technical debt through cutting-edge deep learning techniques
2025, PloS one IF:2.9Q1
研究论文 提出了一种利用深度学习技术同时识别和分类自承认技术债务(SATD)及软件缺陷的创新方法 首次结合深度学习技术同时处理SATD和软件缺陷的识别与分类,并采用Transformer模型如GPT-3提升性能 未明确提及模型在小规模或特定领域软件项目中的泛化能力 提升软件质量评估与维护的全面性,优化技术债务与缺陷的认知及维护资源分配 软件注释中的自承认技术债务(SATD)及相关缺陷 自然语言处理 NA 深度学习架构(LSTM, BI-LSTM, GRU, BI-GRU)及Transformer模型(BERT, GPT-3) LSTM, GRU, BERT, GPT-3 文本(软件注释) 来自Apache、Mozilla Firefox和Eclipse等仓库的多样化项目数据,含SATD示例和缺陷实例
1907 2025-06-15
Interpretable deep learning for gastric cancer detection: a fusion of AI architectures and explainability analysis
2025, Frontiers in immunology IF:5.7Q1
研究论文 本文提出了一种结合多种深度学习架构和可解释性分析的胃癌检测方法 融合了VGG16、RESNET50和MobileNetV2三种深度学习架构,并采用LIME技术提高模型决策的可解释性 未提及具体的数据集来源和样本多样性问题 开发高精度且可解释的胃癌检测系统以支持临床决策 胃癌的医学影像检测 数字病理学 胃癌 深度学习融合架构、LIME可解释性分析 VGG16、RESNET50、MobileNetV2融合模型 医学影像 NA
1908 2025-06-15
Deep learning-based action recognition for analyzing drug-induced bone remodeling mechanisms
2025, Frontiers in pharmacology IF:4.4Q1
research paper 提出了一种基于深度学习的动作识别框架,用于分析药物诱导的骨重塑机制 结合图神经网络(GNNs)和动态信号传播模型,识别驱动骨重塑的关键分子相互作用,并集成预测药理学相互作用模型以量化药物-靶点相互作用 未提及具体实验样本量或数据来源的局限性 优化治疗干预并减少骨健康管理中的不良反应 药物诱导的骨重塑机制 machine learning geriatric disease graph neural networks (GNNs), dynamic signal propagation model GNN multi-scale biological data NA
1909 2025-06-15
Graph convolutional neural networks improved target-specific scoring functions for cGAS and kRAS in virtual screening
2025, Computational and structural biotechnology journal IF:4.4Q2
研究论文 本研究通过结合分子图和卷积神经网络,提高了针对cGAS和kRAS蛋白的靶向特异性评分函数在虚拟筛选中的外推能力和准确性 首次将图卷积神经网络应用于靶向特异性评分函数的开发,显著提升了虚拟筛选的准确性和外推性能 研究仅针对cGAS和kRAS两种蛋白进行验证,需要更多靶点验证其普适性 提高虚拟筛选中靶向特异性评分函数的准确性和外推能力 cGAS和kRAS蛋白 机器学习 NA 分子对接、虚拟筛选 图卷积神经网络(GCN)、传统机器学习模型 分子图数据 NA
1910 2025-06-15
Random splicing assisted deep learning for breast cancer cell line classification via Raman spectroscopy
2025, Computational and structural biotechnology journal IF:4.4Q2
研究论文 本文开发了一种名为随机拼接-卷积神经网络(RS-CNN)的深度学习框架,用于通过拉曼光谱对乳腺癌细胞系进行分类 通过随机拼接同一细胞系的拉曼光谱,RS-CNN增强了特征光谱特征,同时扩大了数据集规模并改善了信号质量 NA 开发一种深度学习框架以提高拉曼光谱在癌症识别中的准确性和效率 六种乳腺癌细胞系 数字病理学 乳腺癌 拉曼光谱 RS-CNN(随机拼接-卷积神经网络) 光谱数据 每种细胞系450个光谱,数据有限条件下为100个光谱/细胞系
1911 2025-06-15
A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model
2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2
research paper 本研究开发了一种基于Transformer模型的深度学习应用,用于胶囊内窥镜胃部结构识别,以提高内窥镜图像识别的临床适用性 首次将Transformer模型应用于胶囊内窥镜胃部结构识别,并展示了与内窥镜医师相当的高诊断准确性 研究仅使用了单中心数据,可能影响模型的泛化能力 建立胶囊内窥镜胃部结构识别模型,提高深度学习在内窥镜图像识别中的临床应用 胶囊内窥镜视频中的15种上消化道结构 computer vision gastric lesions deep learning Transformer video 3343个无线胶囊内窥镜视频用于无监督预训练,2433个用于训练,118个用于验证
1912 2025-06-15
Discrete Representation Learning for Multivariate Time Series
2024-Aug, Proceedings of the ... European Signal Processing Conference (EUSIPCO). EUSIPCO (Conference)
research paper 本文提出了一种基于高斯过程的多元时间序列离散表示学习方法 使用Gumbel-softmax重参数化技巧解决离散潜在变量在深度学习模型中的不可微问题,实现联合聚类和嵌入 NA 开发多元时间序列的离散表示学习方法以提高可解释性 多元时间序列数据 machine learning NA Gumbel-softmax reparameterization Gaussian processes multivariate time series 合成数据和真实fMRI数据
1913 2025-06-15
A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds
2024-Jul-25, Biofabrication IF:8.2Q1
research paper 本研究提出了一种实用的机器学习方法,用于预测3D(生物)打印支架的质量 提供了最全面的开源数据集,并应用了从无监督到监督学习的多种AI技术,开发了一个具有六层隐藏层的全连接神经网络 AI在组织工程中的应用常因缺乏全面可靠的数据而受到阻碍 预测3D(生物)打印支架的质量 3D(生物)打印支架 machine learning NA AI, machine learning, deep learning XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, fully connected neural network dataset on 3D-printed scaffolds 1171 scaffolds, 60 biomaterials, 49 cell lines
1914 2025-06-15
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express IF:1.3Q3
research paper 该研究提出了一种结合机器学习和深度学习技术的混合模型,用于自动分类视网膜疾病 提出了一种新的框架,结合了多种分类器(SVM、K-NN、DT、EM)和InceptionV3 CNN特征提取器,实现了高精度的视网膜疾病分类 未提及模型在临床环境中的实际应用效果或泛化能力 开发一种自动化的视网膜疾病分类方法 视网膜疾病(脉络膜新生血管、糖尿病性黄斑水肿、玻璃膜疣)和正常病例 computer vision 视网膜疾病 OCT(光学相干断层扫描) SVM、K-NN、DT、EM、InceptionV3 CNN image 18000张OCT图像
1915 2025-06-15
Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques
2024-06-28, Biomedical physics & engineering express IF:1.3Q3
研究论文 本文提出了一种基于可解释AI的自动化分割和多阶段分类方法,用于诊断胃食管反流病(GERD) 开发了一个针对胃肠道疾病诊断的系统,结合了Yolov5目标检测、DeepLabV3+分割和多种机器学习分类器进行多阶段分类 NA 通过计算机辅助技术快速准确地诊断胃食管反流病(GERD) 胃食管反流病(GERD)患者的内窥镜图像 数字病理学 胃食管反流病 视频内窥镜 Yolov5, DeepLabV3+, SVM, 自定义深度神经网络 图像 NA
1916 2025-06-15
An extensive analysis of artificial intelligence and segmentation methods transforming cancer recognition in medical imaging
2024-06-18, Biomedical physics & engineering express IF:1.3Q3
综述 本文全面分析了人工智能和分割方法在医学影像中癌症识别的应用 重点评估了卷积神经网络(CNNs)在医学图像分割和分类中的自学习和决策能力 现有图像分割方法在应用于某些特定类型图像时存在局限性 探讨图像分割技术在医学影像中癌症识别的重要性和应用 医学影像中的癌症区域 计算机视觉 癌症 计算机辅助诊断(CAD)系统 CNN 医学影像 NA
1917 2025-06-15
A systematic evaluation of Euclidean alignment with deep learning for EEG decoding
2024-06-11, Journal of neural engineering IF:3.7Q2
研究论文 本文系统地评估了欧几里得对齐与深度学习结合在脑电图解码中的效果 首次系统地评估了欧几里得对齐(EA)对共享和个体深度学习模型训练性能的影响,并展示了其在提高解码准确性和减少收敛时间方面的优势 研究仅针对脑机接口(BCI)任务,未探讨EA在其他领域的适用性 评估欧几里得对齐与深度学习结合在脑电图信号解码中的效果 脑电图信号和深度学习模型 机器学习 NA 深度学习 DL 脑电图信号 多个受试者的数据
1918 2025-06-15
Optimizing motor imagery BCI models with hard trials removal and model refinement
2024-06-04, Biomedical physics & engineering express IF:1.3Q3
研究论文 本文提出两种新方法来识别和减轻困难试验对运动想象脑机接口模型性能的影响 提出基于模型预测分数和可解释人工智能(XAI)的定量方法来识别困难试验,并通过移除这些试验来优化模型性能 实验仅在Open BMI数据集上进行,未在其他数据集上验证方法的普适性 优化运动想象脑机接口(BCI)模型的分类性能 运动想象BCI系统中的困难试验 机器学习 NA 定量可解释人工智能(XAI) 深度CNN 脑电图(EEG)数据 Open BMI数据集中的样本
1919 2025-06-15
Investigation on ultrasound images for detection of fetal congenital heart defects
2024-05-31, Biomedical physics & engineering express IF:1.3Q3
综述 本文综述了利用超声图像和深度学习技术检测胎儿先天性心脏缺陷(CHD)的前沿技术 结合胎儿超声图像评估(FUSI)和深度学习技术,提高CHD的检测率 当前筛查技术的检测率相对较低(约60%) 提高胎儿先天性心脏缺陷的早期检测率,降低死亡率和发病率 胎儿先天性心脏缺陷(CHD) 数字病理学 心血管疾病 深度学习技术,包括CNN、ANN等 CNN, ANN 超声图像 NA
1920 2025-06-15
Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study
2024-May-30, Biomedical physics & engineering express IF:1.3Q3
研究论文 本研究比较了几种预训练的卷积神经网络(CNN)在癫痫脑电图(EEG)数据分类中的性能,并探讨了不同时频数据表示算法的影响 首次利用时频数据评估预训练框架中参数调整对EEG数据分类的影响,并比较了多种CNN模型和时频表示算法的组合效果 研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证,可能需要更多样化的数据集来进一步验证模型的泛化能力 探索预训练CNN和时频方法在癫痫EEG分类中的潜力,开发自动诊断癫痫的鲁棒系统 癫痫患者的EEG信号 机器学习 癫痫 连续小波变换(CWT)、经验傅里叶分解(EFD)、经验模式分解(EMD)、经验小波变换(EWT)、变分模式分解(VMD) CNN(包括AlexNet、GoogLeNet、MobileNetV2、ResNet-18和SqueezeNet) EEG信号(1D数据转换为2D scalograms) Bern-Barcelona EEG数据集和Temple University数据库
回到顶部