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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2024-11-18 |
Lilikoi V2.0: a deep learning-enabled, personalized pathway-based R package for diagnosis and prognosis predictions using metabolomics data
2021-01-23, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa162
PMID:33484242
|
研究论文 | 本文介绍了Lilikoi V2.0,一个基于深度学习的个性化通路分析R包,用于代谢组学数据的诊断和预后预测 | Lilikoi V2.0引入了深度学习方法进行分类,并增加了预后预测模块,支持数据预处理、探索性分析、通路可视化和代谢通路回归 | NA | 更新和升级Lilikoi软件,以适应代谢组学领域的新计算趋势 | 代谢组学数据 | 机器学习 | NA | 深度学习 | Cox-nnet模型 | 代谢组学数据 | NA |
2 | 2024-11-18 |
Tool recommender system in Galaxy using deep learning
2021-01-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa152
PMID:33404053
|
研究论文 | 本文开发了一个基于深度学习的工具推荐系统,用于帮助研究人员在Galaxy平台上创建工作流程 | 本文提出了一个基于门控循环单元神经网络的工具推荐模型,通过分析研究人员在欧洲Galaxy服务器上创建的工作流程来学习工具之间的依赖关系 | NA | 开发一个工具推荐系统,帮助研究人员在Galaxy平台上更轻松地创建复杂的工作流程 | Galaxy平台上的工具和工作流程 | 机器学习 | NA | 深度学习 | 门控循环单元神经网络 | 工作流程数据 | NA |
3 | 2024-10-10 |
Image-driven classification of functioning and nonfunctioning pituitary adenoma by deep convolutional neural networks
2021, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2021.05.023
PMID:34136106
|
研究论文 | 本文利用深度卷积神经网络对功能性和非功能性垂体腺瘤进行图像驱动的分类 | 首次提出基于深度学习的垂体腺瘤区域分割和分类模型,采用迁移学习和注意力机制提高模型性能 | NA | 开发一种自动化的方法来区分功能性和非功能性垂体腺瘤,以辅助治疗策略的制定 | 垂体腺瘤的功能性分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 185名垂体腺瘤患者(来自两个中心)的3D MRI图像 |
4 | 2024-10-10 |
Overview of current state of research on the application of artificial intelligence techniques for COVID-19
2021, PeerJ. Computer science
DOI:10.7717/peerj-cs.564
PMID:34141890
|
综述 | 本文综述了当前人工智能技术在COVID-19应用研究中的现状 | 本文通过综述AI技术在COVID-19预测、诊断、药物设计和分析社会影响方面的应用,为未来研究提供了建议 | NA | 探讨人工智能技术在COVID-19疫情中的应用 | COVID-19的预测、诊断、药物设计和社会影响分析 | 机器学习 | COVID-19 | 机器学习和深度学习 | NA | NA | NA |
5 | 2024-10-09 |
Deep Neural Networks Offer Morphologic Classification and Diagnosis of Bacterial Vaginosis
2021-01-21, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/JCM.02236-20
PMID:33148709
|
研究论文 | 本文开发并优化了一种卷积神经网络(CNN)模型,用于自动识别和分类显微镜图像中的Nugent评分,以诊断细菌性阴道病 | 本文首次使用深度学习模型进行细菌性阴道病的形态学分类和诊断,模型在准确性和稳定性上优于人类医疗从业者 | 本文未详细讨论模型的泛化能力在不同医院或不同设备上的表现 | 开发一种自动化的方法来诊断细菌性阴道病,以替代传统的人工诊断方法 | 细菌性阴道病的诊断和分类 | 计算机视觉 | 妇科疾病 | 卷积神经网络(CNN) | CNN | 图像 | 验证图像5,815张,独立测试图像1,082张 |
6 | 2024-10-09 |
Prediction of COVID-19 with Computed Tomography Images using Hybrid Learning Techniques
2021, Disease markers
DOI:10.1155/2021/5522729
PMID:33968281
|
研究论文 | 本文使用混合学习模型对COVID-19、社区获得性肺炎(CAP)和正常CT图像进行分类 | 提出了一种混合学习模型,相比其他机器学习和深度学习分类器,在COVID-19分类中表现更优 | 未提及具体限制 | 提高COVID-19早期诊断的准确性 | COVID-19、社区获得性肺炎(CAP)和正常CT图像 | 计算机视觉 | COVID-19 | 混合学习技术 | 混合学习模型 | CT图像 | 未提及具体样本数量 |
7 | 2024-10-08 |
A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19)
2021, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2021.3058537
PMID:34976571
|
综述 | 本文综述了基于深度学习技术用于新型冠状病毒(COVID-19)诊断的最新系统 | 本文提供了对使用不同医学成像模式(如CT和X射线)的深度学习系统的全面概述,并讨论了用于训练这些网络的知名数据集 | 本文指出了使用深度学习方法进行COVID-19检测的挑战,并提出了未来研究的趋势 | 旨在概述基于深度学习技术用于COVID-19诊断的系统,并为专家和技术人员提供理解这些技术如何被使用以及如何进一步利用它们来对抗COVID-19爆发的见解 | COVID-19诊断的深度学习系统 | 计算机视觉 | 新型冠状病毒 | 深度学习 | NA | 图像 | NA |
8 | 2024-10-07 |
Classification of colorectal tissue images from high throughput tissue microarrays by ensemble deep learning methods
2021-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-81352-y
PMID:33504830
|
研究论文 | 研究通过集成深度学习方法对高吞吐量组织微阵列中的结直肠组织图像进行分类 | 提出了使用软投票集成方法结合VGG和CapsNet模型,显著提高了分类准确率 | 未提及具体局限性 | 开发高准确率的算法用于结直肠组织分类,减少TMA核心评估中的错误 | 结直肠组织的H&E染色核心图像 | 计算机视觉 | 结直肠癌 | 深度学习 | 集成模型 | 图像 | 15,150个核心图像,包括2144个训练样本和13,006个测试样本 |
9 | 2024-10-07 |
Natural Language Processing-Based Virtual Cofacilitator for Online Cancer Support Groups: Protocol for an Algorithm Development and Validation Study
2021-Jan-07, JMIR research protocols
IF:1.4Q3
DOI:10.2196/21453
PMID:33410754
|
研究论文 | 本文介绍了一种基于自然语言处理技术的虚拟共同促进者,用于在线癌症支持小组,旨在实时分析文本消息以监测参与者的情感困扰 | 利用人工智能技术实时分析在线支持小组的文本数据,以识别和跟踪参与者的情感困扰,提供实时警报和个性化资源建议 | NA | 开发和评估一种基于人工智能的共同促进者原型,以实时监测在线支持小组参与者的情感困扰 | 在线癌症支持小组的参与者及其情感困扰 | 自然语言处理 | NA | 自然语言处理 | NA | 文本 | NA |
10 | 2024-10-07 |
Deep neural network models for computational histopathology: A survey
2021-01, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2020.101813
PMID:33049577
|
综述 | 本文综述了深度学习在计算病理学中的应用 | 总结了当前最先进的深度学习方法在病理图像分析中的进展 | 指出了当前深度学习方法的局限性和未来研究的方向 | 综述深度学习在病理图像分析中的应用 | 病理图像和疾病预后模型 | 数字病理学 | NA | 深度学习 | 深度神经网络 | 图像 | 超过130篇相关论文 |
11 | 2024-10-07 |
Deep Learning applications for COVID-19
2021, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-020-00392-9
PMID:33457181
|
综述 | 本文综述了深度学习在COVID-19大流行中的应用,并为未来的COVID-19研究提供了方向 | 本文涵盖了深度学习在自然语言处理、计算机视觉、生命科学和流行病学中的应用,并描述了这些应用如何随大数据的可用性变化以及学习任务的构建方式 | 本文指出了深度学习在COVID-19应用中的关键限制,包括可解释性、泛化指标、从有限标注数据中学习和数据隐私 | 探讨深度学习在COVID-19大流行中的应用,并为未来的研究提供方向 | COVID-19大流行中的深度学习应用 | 机器学习 | NA | 深度学习 | NA | 文本、图像 | NA |
12 | 2024-10-06 |
An Integrated Deep Network for Cancer Survival Prediction Using Omics Data
2021, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2021.568352
PMID:34337396
|
研究论文 | 本文使用集成深度信念网络对癌症患者的生存率进行预测,并进行风险分层 | 提出了一种集成深度信念网络,能够从不同组学数据中提取信息特征,并在中等规模的数据集上表现优异 | NA | 开发一种新的方法来预测癌症患者的生存率并进行风险分层 | 癌症患者的RNA、miRNA和甲基化分子数据 | 机器学习 | NA | 深度学习 | 深度信念网络 | 组学数据 | 836名患者 |
13 | 2024-10-06 |
Osteolysis: A Literature Review of Basic Science and Potential Computer-Based Image Processing Detection Methods
2021, Computational intelligence and neuroscience
DOI:10.1155/2021/4196241
PMID:34646317
|
综述 | 本文综述了骨溶解的基本科学原理及其潜在的基于计算机图像处理的检测方法 | 介绍了使用深度学习算法(如CNN、U-Net和Seg-UNet)进行医学图像处理,特别是在骨溶解检测和分割方面的应用 | NA | 探讨骨溶解的潜在计算机辅助检测方法 | 骨溶解的成因、机制和治疗方法,以及计算机图像处理技术在骨溶解检测中的应用 | 计算机视觉 | 骨科疾病 | 深度学习算法 | CNN, U-Net, Seg-UNet | 图像 | NA |
14 | 2024-10-06 |
Intelligent Solutions in Chest Abnormality Detection Based on YOLOv5 and ResNet50
2021, Journal of healthcare engineering
DOI:10.1155/2021/2267635
PMID:34691373
|
研究论文 | 本文提出了一种基于YOLOv5和ResNet50的胸部异常检测智能解决方案 | 本文创新性地结合了YOLOv5和ResNet50模型,以提高胸部异常检测的准确性和效率 | NA | 提高计算机辅助诊断系统在胸部异常检测中的准确性和效率 | 胸部异常检测和常见肺部疾病的分类 | 计算机视觉 | 肺部疾病 | 深度学习 | YOLOv5, ResNet50 | 图像 | 数据集来自VinBigData的VinLab平台 |
15 | 2024-10-06 |
The Longest Month: Analyzing COVID-19 Vaccination Opinions Dynamics From Tweets in the Month Following the First Vaccine Announcement
2021, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2021.3059821
PMID:34786309
|
研究论文 | 分析在首个疫苗宣布后的一个月内,推特上关于COVID-19疫苗接种意见的动态变化 | 比较了经典机器学习与深度学习算法,选择表现最佳的分类器 | NA | 分析社交媒体上关于COVID-19疫苗接种的公众意见动态 | 推特上的COVID-19疫苗接种相关推文 | 自然语言处理 | NA | 机器学习 | NA | 文本 | 2,349,659条推文 |
16 | 2024-10-06 |
COVID-19 Multi-Targeted Drug Repurposing Using Few-Shot Learning
2021, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2021.693177
PMID:36303751
|
研究论文 | 本文介绍了一种新的深度学习模型,用于分子属性预测,并应用于COVID-19多靶点药物再利用 | 该模型采用图神经网络进行化学分子嵌入的计算学习,相比依赖大量标记实验数据的最先进方法,在预训练阶段无需手动标记,且在小样本数据上表现优异 | NA | 探索COVID-19多靶点药物再利用的新方法 | COVID-19治疗药物的多靶点分子筛选 | 机器学习 | COVID-19 | 图神经网络 | 深度学习模型 | 分子数据 | 小样本数据 |
17 | 2024-10-04 |
Artificial intelligence neuropathologist for glioma classification using deep learning on hematoxylin and eosin stained slide images and molecular markers
2021-01-30, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noaa163
PMID:32663285
|
研究论文 | 本文开发了一种基于深度学习的人工智能神经病理学家,用于通过苏木精-伊红染色切片图像和分子标记对胶质瘤进行分类 | 开发了一种新的挤压和激励块DenseNet模型,命名为SD-Net_WCE,用于胶质瘤分类任务 | NA | 确定深度学习是否可以应用于胶质瘤分类 | 胶质瘤的病理诊断和分类 | 数字病理学 | 脑肿瘤 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 79,990个组织切片图像来自267名患者,56名患者的17,262个组织切片图像用于独立测试 |
18 | 2024-10-01 |
Accelerating Inference of Convolutional Neural Networks Using In-memory Computing
2021, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2021.674154
PMID:34413731
|
研究论文 | 本文探讨了使用内存计算(IMC)加速卷积神经网络(CNN)推理的硬件设计方法 | 提出了针对IMC硬件的架构设计方法,并展示了如何实现流水线数据流以提高图像分类任务的吞吐量和延迟 | NA | 研究如何利用内存计算技术加速卷积神经网络的推理过程 | 卷积神经网络的推理硬件设计 | 计算机视觉 | NA | 内存计算(IMC) | 卷积神经网络(CNN) | 图像 | NA |
19 | 2024-10-01 |
The Teaching Design Methods Under Educational Psychology Based on Deep Learning and Artificial Intelligence
2021, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2021.711489
PMID:34671295
|
研究论文 | 本研究评估了基于教育心理学和人工智能设计的教学方法在实际应用中的价值,以深度学习理论为教学设计的基础 | 本研究创新性地结合了教育心理学和人工智能设计,提出了新的教学方法,并通过问卷调查和成绩变化分析验证了其有效性 | 由于各种客观和主观因素,研究结果可能与实际情况略有不同,其准确性有待未来进一步探索 | 评估基于教育心理学和人工智能设计的教学方法的实际应用价值 | 宁波中学的所有教师、学生及其家长 | NA | NA | NA | NA | 问卷调查数据 | 教师、学生和家长的有效问卷回收率分别为97%、99%和95%(实施前),98%、99%和99%(实施后) |
20 | 2024-09-30 |
Deep Learning Based Staging of Bone Lesions From Computed Tomography Scans
2021, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2021.3074051
PMID:34733603
|
研究论文 | 本研究提出了一种基于深度学习的分类策略,用于通过计算机断层扫描(CT)图像对前列腺癌患者的骨转移病变进行分类 | 引入了包含2880个注释骨病变的数据集,并通过患者级别的分层提高了模型的可靠性,探索了病变纹理、形态、大小、位置和体积信息对分类性能的影响,并使用多种算法进行比较,最终通过2D ResNet-50和3D ResNet-18的集成模型达到了92.2%的分类准确率 | NA | 开发一种高效且准确的深度学习模型,用于通过CT扫描图像对前列腺癌患者的骨转移病变进行分类 | 前列腺癌患者的骨转移病变 | 计算机视觉 | 前列腺癌 | 深度学习 | ResNet | 图像 | 2880个注释骨病变,来自114名前列腺癌患者 |