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!
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。
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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
181 | 2024-08-07 |
DoseGAN: a generative adversarial network for synthetic dose prediction using attention-gated discrimination and generation
2020-07-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-68062-7
PMID:32632116
|
研究论文 | 本文提出了一种基于注意力门控生成对抗网络(DoseGAN)的合成剂量预测方法,以提高治疗计划效率和放疗计划质量 | DoseGAN通过注意力门控机制聚焦于相关解剖结构,提高了学习效率,增加了模型复杂性,并减少了网络冗余 | NA | 开发一种新的深度学习算法,用于预测放射剂量,以提高治疗计划效率和放疗计划质量 | 前列腺SBRT患者的放射剂量预测 | 机器学习 | 前列腺癌 | 生成对抗网络(GAN) | GAN | 图像 | 141名前列腺SBRT患者 |
182 | 2024-08-07 |
Learning context-aware structural representations to predict antigen and antibody binding interfaces
2020-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaa263
PMID:32321157
|
研究论文 | 本文开发了一个统一的深度学习框架,用于预测抗体和抗原的结合界面 | 该框架结合了图卷积、注意力机制和迁移学习,以提高预测准确性和提供生物学解释 | NA | 理解抗体与其抗原的特异性相互作用,以改进药物和疫苗设计 | 抗体和抗原的结合界面 | 机器学习 | NA | 深度学习 | 图卷积网络、注意力机制 | 蛋白质结构数据 | NA |
183 | 2024-08-07 |
COVID-19 Pneumonia Diagnosis Using a Simple 2D Deep Learning Framework With a Single Chest CT Image: Model Development and Validation
2020-06-29, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/19569
PMID:32568730
|
研究论文 | 开发并验证了一种基于单个胸部CT图像的简单2D深度学习框架FCONet,用于诊断COVID-19肺炎 | FCONet框架通过迁移学习使用四种先进的预训练深度学习模型之一作为骨干,实现了高效的COVID-19肺炎诊断 | NA | 快速开发一种AI技术,用于在CT图像中诊断COVID-19肺炎并区分其他类型的肺炎和非肺炎疾病 | COVID-19肺炎、其他肺炎和非肺炎疾病的胸部CT图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet-50 | 图像 | 3993张胸部CT图像 |
184 | 2024-08-07 |
Building a PubMed knowledge graph
2020-06-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-020-0543-2
PMID:32591513
|
research paper | 本文构建了一个PubMed知识图谱(PKG),通过从2900万篇PubMed摘要中提取生物实体,并整合多源数据,如作者姓名消歧、资金数据等,以促进医学领域的知识发现。 | 本文采用了BioBERT深度学习方法进行生物实体提取,显著优于现有模型,并在作者姓名消歧方面取得了高F1分数。 | NA | 解决PubMed中概念提取困难和歧义问题,促进医学领域的知识发现。 | PubMed中的生物实体、作者、文章、机构和资金数据。 | 自然语言处理 | NA | BioBERT | BioBERT | 文本 | 2900万篇PubMed摘要 |
185 | 2024-08-07 |
Multifactorial Deep Learning Reveals Pan-Cancer Genomic Tumor Clusters with Distinct Immunogenomic Landscape and Response to Immunotherapy
2020-06-15, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-19-1744
PMID:31911545
|
研究论文 | 本研究开发了一种泛癌深度机器学习模型,整合肿瘤突变负荷、微卫星不稳定性及体细胞拷贝数变异,将不同类型的肿瘤分类为不同的基因组集群,并评估每个基因组集群的免疫微环境及其与免疫治疗反应的关联。 | 本研究首次使用深度学习模型整合多因素输入数据,揭示了跨模态统计相关性,以解析免疫治疗原发性抵抗的分子机制。 | NA | 研究肿瘤基因组特征对肿瘤免疫微环境和免疫治疗反应的影响,并建立新的预测性生物标志物。 | 29种癌症类型的8,646个肿瘤样本,以及两个黑色素瘤免疫治疗临床队列。 | 机器学习 | NA | RNA测序 | 深度学习模型 | 基因组数据 | 8,646个肿瘤样本 |
186 | 2024-08-07 |
Age and sex affect deep learning prediction of cardiometabolic risk factors from retinal images
2020-06-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-65794-4
PMID:32523046
|
研究论文 | 本研究首次使用来自3000名卡塔尔公民的视网膜图像训练深度学习模型,探讨视网膜图像预测心血管代谢风险因素的能力,并研究年龄和性别在这些预测中的中介作用。 | 首次使用视网膜图像训练深度学习模型来预测心血管代谢风险因素,并发现年龄和性别在这些预测中的中介作用。 | 研究结果表明,年龄和性别的影响不能完全解释预测性能,表明还有其他因素影响预测结果。 | 探讨视网膜图像预测心血管代谢风险因素的能力,并研究年龄和性别在这些预测中的中介作用。 | 视网膜图像、心血管代谢风险因素、年龄和性别。 | 计算机视觉 | 心血管疾病 | 深度学习 | MobileNet-V2 | 图像 | 3000名卡塔尔公民 |
187 | 2024-08-07 |
Introduction to machine and deep learning for medical physicists
2020-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.14140
PMID:32418339
|
review | 本文综述了机器学习和深度学习在医学物理学中的应用,包括模型构建的基本方面,如数据处理、模型训练和验证 | 深度学习作为机器学习的一个子集,能够从原始输入数据中学习多层次表示,消除了传统机器学习中手工特征的必要性 | 人类可能倾向于在短期内高估技术的能力,而在长期内低估其能力,这需要平衡模型准确性和可解释性 | 探讨机器学习和深度学习在放射肿瘤学中的应用,并推动其在临床实践中的实施 | 机器学习和深度学习技术在医学物理学中的应用 | machine learning | NA | machine learning, deep learning | CNN, LSTM, GAN | image, text | NA |
188 | 2024-08-07 |
Efficient GAN-based Chest Radiographs (CXR) augmentation to diagnose coronavirus disease pneumonia
2020, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.46684
PMID:32624700
|
研究论文 | 本文利用基于GAN的胸部X光片增强技术来诊断冠状病毒疾病肺炎 | 本文提出了基于GAN的合成数据和四种不同类型的深度学习模型,这些模型提供了与现有技术相当的结果 | 本文未提及具体的局限性 | 旨在通过CT图像中的COVID-19放射学变化来检测患者是否可能患有COVID-19 | 研究对象为胸部X光片和CT图像中的COVID-19放射学变化 | 计算机视觉 | 冠状病毒疾病 | GAN | 深度神经网络 | 图像 | 未提及具体样本数量 |
189 | 2024-08-07 |
Detection of Diabetic Retinopathy Using Bichannel Convolutional Neural Network
2020, Journal of ophthalmology
IF:1.8Q3
DOI:10.1155/2020/9139713
PMID:32655944
|
research paper | 本文提出了一种使用双通道卷积神经网络检测糖尿病视网膜病变的方法 | 提出了通过计算眼底照片的绿色成分的熵图像,并结合未锐化掩蔽(UM)进行图像增强,以提高基于卷积神经网络的糖尿病视网膜病变检测性能 | NA | 提高糖尿病视网膜病变的自动筛查和诊断性能 | 糖尿病视网膜病变 | computer vision | 糖尿病视网膜病变 | 卷积神经网络(CNN) | 双通道CNN | 图像 | NA |
190 | 2024-08-07 |
Assessment of vector-host-pathogen relationships using data mining and machine learning
2020, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2020.06.031
PMID:32670510
|
综述 | 本文综述了利用数据挖掘和机器学习技术系统评估微生物病原体、节肢动物媒介和哺乳动物宿主之间关系的方法和进展 | 本文展示了过去十年中数据挖掘和机器学习任务与技术的日益增多,包括预测、分类、聚类、关联规则挖掘和深度学习等 | 在应用于不同系统生物学水平的媒介-宿主-病原体相互作用研究中,存在一些关键挑战 | 探讨数据挖掘和机器学习在理解媒介-宿主-病原体关系基本方面的潜力及未来方向 | 微生物病原体、节肢动物媒介和哺乳动物宿主之间的关系 | 机器学习 | NA | 数据挖掘, 机器学习 | 深度学习 | 数据集 | 32篇关键论文 |
191 | 2024-08-07 |
Coronavirus Disease 2019 Deep Learning Models: Methodologic Considerations
2020-09, Radiology
IF:12.1Q1
DOI:10.1148/radiol.2020201178
PMID:32243239
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
192 | 2024-08-07 |
nanoTRON: a Picasso module for MLP-based classification of super-resolution data
2020-06-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaa154
PMID:32145010
|
research paper | 本文介绍了nanoTRON工具,这是一个基于图像识别的交互式开源工具,用于超分辨率数据的分类 | nanoTRON是第一个带有图形用户界面的深度学习工具,扩展了Picasso软件包 | NA | 开发一个自动化的工具来分类超分辨率图像数据 | 超分辨率图像数据 | computer vision | NA | 深度学习 | MLP(多层感知器) | image | NA |
193 | 2024-08-07 |
Deep learning-based fully automated detection and segmentation of lymph nodes on multiparametric-mri for rectal cancer: A multicentre study
2020-Jun, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2020.102780
PMID:32512507
|
研究论文 | 本研究开发并验证了一种基于深度学习的全自动淋巴结检测和分割模型,用于直肠癌的多参数磁共振成像 | 本研究首次提出了一种基于多参数磁共振成像的全自动淋巴结检测和分割模型,通过深度学习框架Mask R-CNN实现,显著提高了检测和分割的效率和准确性 | 本研究仅在单一中心进行了模型训练,并在内部和外部数据集上进行了验证,未来需要在更多中心进行验证以确保模型的泛化能力 | 开发并验证一种基于深度学习的全自动淋巴结检测和分割模型,以提高直肠癌分期中淋巴结评估的准确性和效率 | 直肠癌患者的淋巴结 | 机器学习 | 直肠癌 | 多参数磁共振成像(mpMRI) | Mask R-CNN | 图像 | 5789个标注的淋巴结(直径≥3mm)来自293名直肠癌患者 |
194 | 2024-08-07 |
Deep learning approach for diabetes prediction using PIMA Indian dataset
2020-Jun, Journal of diabetes and metabolic disorders
IF:1.8Q4
DOI:10.1007/s40200-020-00520-5
PMID:32550190
|
研究论文 | 本文利用PIMA印度数据集,通过深度学习方法预测糖尿病 | 使用深度学习技术在PIMA数据集上实现了高达98.07%的预测准确率 | 研究仅使用了PIMA数据集,未涉及其他数据集或更广泛的数据类型 | 开发一种有效的预测工具,帮助医生早期发现糖尿病并推荐生活方式改变 | 糖尿病的早期检测和预防 | 机器学习 | 糖尿病 | 深度学习 | 深度学习 | 数据集 | PIMA数据集 |
195 | 2024-08-07 |
Application of deep learning technique to manage COVID-19 in routine clinical practice using CT images: Results of 10 convolutional neural networks
2020-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2020.103795
PMID:32568676
|
研究论文 | 本研究利用深度学习技术,通过10种卷积神经网络对CT图像进行分析,以快速诊断COVID-19并辅助临床管理 | 使用10种不同的卷积神经网络模型,特别是ResNet-101和Xception,显著提高了COVID-19的诊断准确性 | 研究仅限于CT图像分析,未涉及其他诊断方法的比较 | 开发一种快速有效的COVID-19诊断方法,以辅助高负荷条件下的临床管理 | COVID-19患者和其他非COVID-19肺炎患者的CT图像 | 计算机视觉 | COVID-19 | 深度学习 | 卷积神经网络 | 图像 | 1020张CT切片,包括108名COVID-19患者和86名其他肺炎患者 |
196 | 2024-08-07 |
Genomic analysis of the natural history of attention-deficit/hyperactivity disorder using Neanderthal and ancient Homo sapiens samples
2020-05-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-65322-4
PMID:32451437
|
研究论文 | 本研究利用尼安德特人和古代智人样本的基因组分析,探讨了注意力缺陷多动障碍(ADHD)的自然历史 | 首次利用古人类样本的基因组数据,结合现代人群的GWAS元分析,探讨ADHD相关等位基因的进化历史 | 研究主要集中在欧洲人群,可能无法完全代表全球ADHD的遗传特征 | 验证ADHD相关等位基因在古人类中的进化趋势,并探讨其与环境变化的适应性 | ADHD相关等位基因在古人类和现代人类中的分布和进化 | 遗传学 | 神经发育障碍 | GWAS元分析 | 近似贝叶斯计算结合深度学习分析 | 基因组数据 | 包括超过20,000名ADHD患者和35,000名对照组 |
197 | 2024-08-07 |
Data-driven analysis using multiple self-report questionnaires to identify college students at high risk of depressive disorder
2020-05-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-64709-7
PMID:32398788
|
研究论文 | 本研究利用深度学习、多模态表示和可解释性技术,通过分析临床问卷来诊断抑郁症 | 提出了一种新的数据驱动方法,通过共享表示模型在同一潜在空间中表示三种不同问卷形式的回答,并比较了无监督和半监督两种数据驱动诊断方法 | 无监督方法虽然考虑了更多项目,但性能较低,因为它试图最大化组间差异 | 开发一种新的数据驱动框架,用于分析与抑郁症直接或间接相关的项目,以诊断抑郁症 | 大学生中的高风险抑郁症患者 | 机器学习 | 抑郁症 | 深度学习 | 共享表示模型 | 问卷数据 | 未明确提及具体样本数量 |
198 | 2024-08-07 |
Training deep learning algorithms with weakly labeled pneumonia chest X-ray data for COVID-19 detection
2020-May-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2020.05.04.20090803
PMID:32511448
|
研究论文 | 本文探讨了使用弱标签的肺炎胸片数据训练深度学习算法以检测COVID-19的方法 | 通过使用弱标签数据增强训练数据分布,提高了卷积神经网络算法在检测COVID-19感染胸片中的性能 | NA | 开发图像为基础的自动化决策支持工具,以减轻放射学负担 | COVID-19感染的胸片检测 | 计算机视觉 | 肺部疾病 | 卷积神经网络 | CNN | 图像 | 使用来自公开可用CXR集合的弱标签图像进行数据增强 |
199 | 2024-08-07 |
A Convolutional Neural Network-Based Approach for the Rapid Annotation of Molecularly Diverse Natural Products
2020-03-04, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.9b13786
PMID:32045230
|
研究论文 | 本文首次应用基于NMR的机器学习工具SMART 2.0进行混合物分析,加速发现和表征新的天然产物 | 采用SMART 2.0工具结合传统和深度学习辅助分析方法,克服了天然产物药物发现中的长期挑战 | NA | 加速天然产物的发现和表征 | 海洋丝状蓝藻提取物中的天然产物 | 机器学习 | NA | NMR, MS | CNN | 混合物 | NA |
200 | 2024-08-07 |
Deep learning-enabled point-of-care sensing using multiplexed paper-based sensors
2020, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-020-0274-y
PMID:32411827
|
研究论文 | 本文介绍了一种基于深度学习的框架,用于设计和量化点-of-care传感器,并以高灵敏度C-反应蛋白测试为例,展示了低成本和快速的纸基垂直流试剂盒 | 本文提出了一种机器学习框架,用于确定免疫反应点的最佳配置和条件,并在传感膜上进行空间多路复用,以准确推断目标分析物浓度 | NA | 开发一种成本效益高且便携的点-of-care传感器设计框架 | 高灵敏度C-反应蛋白测试,用于评估心血管疾病风险 | 机器学习 | 心血管疾病 | 深度学习 | 机器学习框架 | 纸基垂直流试剂盒 | 85个人类样本 |