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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
201 | 2024-09-07 |
Advances in antibody discovery from human BCR repertoires
2022, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2022.1044975
PMID:36338807
|
研究论文 | 本文综述了从人类B细胞受体库中发现抗体的技术进展 | 本文将这些创新技术分为四类:细胞分选、BCR测序、BCR库分析和抗体-抗原相互作用的验证,并结合深度学习技术,为未来直接从人类中发现诊断和治疗性抗体提供了新的方向 | NA | 探讨从人类B细胞受体库中发现抗体的技术进展 | 人类B细胞受体库中的抗体 | 生物技术 | NA | 细胞分选、BCR测序、抗体-抗原相互作用建模 | 深度学习 | mRNA、基因组DNA | NA |
202 | 2024-09-07 |
A wheat spike detection method based on Transformer
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.1023924
PMID:36340370
|
研究论文 | 本文提出了一种基于Transformer的麦穗检测方法,名为Multi-Window Swin Transformer (MW-Swin Transformer),并结合了Wheat Intersection over Union损失函数,以提高检测精度 | 本文创新性地引入了Transformer网络来解决麦穗检测问题,并提出了新的损失函数以优化检测结果 | NA | 研究麦穗检测方法,以提高生产估计和作物田间管理的准确性 | 麦穗 | 计算机视觉 | NA | Transformer | Transformer | 图像 | 构建了一个名为WSD-2022的麦穗检测数据集 |
203 | 2024-09-07 |
Multiple conserved states characterize the twist landscape of the bacterial actin homolog MreB
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.10.008
PMID:36382191
|
研究论文 | 研究了细菌肌动蛋白同源物MreB的双原丝在微秒尺度分子动力学模拟中可以采用多种扭转状态 | 使用深度学习算法识别了MreB双原丝在不同扰动下的扭转构象,并发现这些状态在ADP替代ATP后仍然稳定 | NA | 研究MreB双原丝的扭转状态及其对细胞形状的影响 | 细菌肌动蛋白同源物MreB的双原丝 | NA | NA | 分子动力学模拟 | 深度学习算法 | NA | NA |
204 | 2024-09-06 |
Survey of Supervised Learning for Medical Image Processing
2022, SN computer science
DOI:10.1007/s42979-022-01166-1
PMID:35602289
|
综述 | 本文综述了监督学习在医学图像处理中的关键概念和算法 | 本文总结了现有的医学数据集,并研究了最先进的监督学习架构,包括卷积神经网络(CNN)及其变体 | 监督学习需要大量标注数据集才能学习和取得良好性能,数据增强、迁移学习和dropout技术被广泛用于克服数据集不足的问题 | 帮助医学图像分析的研究人员和从业者理解监督学习技术的核心概念和算法 | 医学图像的分类、检测和分割 | 计算机视觉 | NA | 监督学习 | 卷积神经网络(CNN)、全卷积网络(FCN)、U-Net架构 | 图像 | NA |
205 | 2024-09-06 |
An intelligent cyber security phishing detection system using deep learning techniques
2022, Cluster computing
DOI:10.1007/s10586-022-03604-4
PMID:35602317
|
研究论文 | 本文提出了一种基于深度学习技术的智能网络安全钓鱼检测系统 | 本文通过使用机器学习算法和数据集分割方法,提高了钓鱼邮件检测的准确性和效率 | 本文未详细讨论数据集的来源和质量,以及模型在实际应用中的泛化能力 | 开发一种更有效的钓鱼邮件检测技术,以应对日益增长的钓鱼威胁 | 钓鱼邮件及其检测技术 | 机器学习 | NA | 机器学习 | 决策树 | 文本 | 使用了三个不同的数据集进行训练和验证 |
206 | 2024-09-06 |
Bike sharing usage prediction with deep learning: a survey
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07380-5
PMID:35702665
|
综述 | 本文综述了使用深度学习技术进行共享单车使用预测的最新研究 | 本文是首个专注于使用深度学习技术进行共享单车使用预测的综合性综述 | NA | 探讨共享单车使用预测的重要性及其在系统运营和管理中的应用 | 共享单车使用预测问题及其相关模型 | 机器学习 | NA | 深度学习 | RNN, CNN, 图神经网络 | 时间序列数据, 空间数据 | NA |
207 | 2024-09-06 |
Explainable artificial intelligence approach in combating real-time surveillance of COVID19 pandemic from CT scan and X-ray images using ensemble model
2022, The Journal of supercomputing
IF:2.5Q2
DOI:10.1007/s11227-022-04631-z
PMID:35754515
|
研究论文 | 本文提出了一种基于深度学习和机器学习集成模型的可解释人工智能方法,用于从CT扫描和X光图像中实时监测COVID-19疫情 | 本文结合了深度学习和机器学习算法,开发了一种集成模型,用于从CT扫描和X光图像中自动检测COVID-19,并通过Grad-CAM和t-SNE解释模型的决策过程 | NA | 开发一种自动检测COVID-19的方法,以提高检测的准确性和稳定性,降低死亡率 | COVID-19患者的CT扫描和X光图像 | 计算机视觉 | COVID-19 | 深度学习和机器学习 | 集成模型(包括CNN、GNB、SVM、DT、LR、KNN、RF) | 图像 | 1646和2481张CT扫描图像 |
208 | 2024-09-06 |
Real-time internet of medical things framework for early detection of Covid-19
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07582-x
PMID:35912366
|
研究论文 | 提出了一种用于Covid-19感染检测和早期预防的IoMT框架 | 首次提出了结合IoMT、Apache Spark和机器学习算法(如随机森林和梯度提升树)的实时Covid-19检测框架 | 实验结果基于模拟数据,实际应用中可能存在差异 | 开发一种实时Covid-19检测系统,以减轻医疗系统的负担 | Covid-19感染的早期检测和预防 | 机器学习 | Covid-19 | Apache Spark | 随机森林和梯度提升树 | 健康数据 | 使用了Riverbed Modeler模拟软件中的多种传感器数据 |
209 | 2024-09-06 |
FAM: focal attention module for lesion segmentation of COVID-19 CT images
2022, Journal of real-time image processing
IF:2.9Q2
DOI:10.1007/s11554-022-01249-5
PMID:36091622
|
研究论文 | 提出了一种新的焦点注意力模块(FAM)用于COVID-19 CT图像的病变分割 | FAM包含通道注意模块和空间注意模块,通过中值滤波和距离变换生成粗略的空间注意力,并通过7×7卷积层进行修正,显著提高了分割精度 | NA | 提高COVID-19 CT图像病变分割的准确性 | COVID-19 CT图像的病变区域 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 使用了包含COVID-19 CT图像的公开数据集 |
210 | 2024-09-06 |
A Novel COVID-19 Detection Model Based on DCGAN and Deep Transfer Learning
2022, Procedia computer science
DOI:10.1016/j.procs.2022.08.008
PMID:36120410
|
研究论文 | 本文提出了一种基于DCGAN和深度迁移学习的COVID-19检测模型,用于从X光图像中检测COVID-19 | 本文创新性地使用DCGAN生成与原始数据相似的假实例,并通过深度迁移学习提高分类器性能 | 数据增强在医疗领域有限数据的情况下可能不适用 | 生成用于神经网络训练的数据集,以从X光图像中检测COVID-19 | COVID-19的X光图像检测 | 计算机视觉 | NA | 深度卷积生成对抗网络(DCGAN) | 生成对抗网络(GAN) | 图像 | NA |
211 | 2024-09-06 |
Few-shot learning approach with multi-scale feature fusion and attention for plant disease recognition
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.907916
PMID:36186021
|
研究论文 | 本文提出了一种基于多尺度特征融合和注意力机制的小样本学习方法,用于植物病害识别 | 结合了多尺度特征和通道注意力机制,并提出了一组训练策略以适应不同的泛化需求 | 仅在特定数据设置下进行了实验,未涵盖所有可能的应用场景 | 解决小样本学习在植物病害识别中的应用问题 | 植物病害图像 | 计算机视觉 | 植物病害 | 小样本学习 | Meta-Baseline | 图像 | 1-shot 和 5-shot 任务分别涉及少量样本 |
212 | 2024-09-06 |
Towards edge devices implementation: deep learning model with visualization for COVID-19 prediction from chest X-ray
2022, Advances in computational intelligence
DOI:10.1007/s43674-022-00044-w
PMID:36187081
|
研究论文 | 提出了一种基于深度学习的模型,用于在边缘设备上通过胸部X光图像进行COVID-19预测,并结合可视化技术 | 采用迁移学习技术对卷积神经网络进行微调,以提高COVID-19和肺炎感染的预测准确性,并在边缘设备上实现高效的推理速度 | 未提及具体的研究局限性 | 开发一种能够在边缘设备上运行的深度学习模型,用于快速准确地诊断COVID-19 | 胸部X光图像,COVID-19和肺炎感染 | 计算机视觉 | COVID-19 | 迁移学习 | 卷积神经网络 | 图像 | 未提及具体样本数量 |
213 | 2024-09-06 |
Facial Emotion Recognition Using a Novel Fusion of Convolutional Neural Network and Local Binary Pattern in Crime Investigation
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/2249417
PMID:36188698
|
研究论文 | 本文探讨了面部情感识别与犯罪调查中青少年心理特征分析的关系,并提出了一种结合卷积神经网络和局部二值模式的面部情感识别模型 | 本文创新性地将优化的中央局部二值模式算法引入卷积神经网络,构建了CNN-CLBP算法,显著提高了面部表情识别的准确率 | 该算法在识别悲伤表情时存在较高的误识别率 | 旨在分析犯罪青少年心理特征,并推动深度学习在心理特征提取中的应用 | 面部情感识别 | 计算机视觉 | NA | 卷积神经网络 | CNN-CLBP | 图像 | NA |
214 | 2024-09-06 |
The Application of Computer Intelligence in the Cyber-Physical Business System Integration in Network Security
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5490779
PMID:36199962
|
研究论文 | 研究提出了一种基于深度学习的LSTM-AutoEncoder无监督预测模型,用于解决横向越权检测中的误报问题 | 使用LSTM网络构建AutoEncoder,提取横向越权场景的页面响应数据文本特征并进行重构,通过误差判断检测结果是否为误报 | 未提及具体限制 | 解决横向越权检测中的误报问题 | 横向越权检测中的页面响应数据 | 网络安全 | NA | 深度学习 | LSTM-AutoEncoder | 文本 | 未提及具体样本数量 |
215 | 2024-09-06 |
Peripapillary atrophy classification using CNN deep learning for glaucoma screening
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0275446
PMID:36201448
|
研究论文 | 本研究开发了一种基于眼底图像和深度学习算法的周边视网膜萎缩(PPA)检测方法,用于青光眼的筛查 | 本研究首次使用基于掩码区域卷积神经网络(R-CNN)和卷积神经网络(CNN)的深度学习算法进行PPA分类 | 需要进一步研究PPA边界的分割,以进行更详细的PPA检测,并结合视盘和视杯边界计算杯盘比 | 开发一种用于青光眼筛查的PPA检测方法 | 周边视网膜萎缩(PPA) | 计算机视觉 | 青光眼 | 深度学习算法 | 卷积神经网络(CNN) | 图像 | 2472张眼底图像,来自五个公共资源和一个沙特资源 |
216 | 2024-09-06 |
A Novel Computer Vision Model for Medicinal Plant Identification Using Log-Gabor Filters and Deep Learning Algorithms
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1189509
PMID:36203732
|
研究论文 | 本文提出了一种使用Log-Gabor滤波器和深度学习算法进行药用植物识别的新型计算机视觉模型 | 本文的创新点在于将Log-Gabor滤波器与DenseNet201架构结合,创建了OTAMNet模型,显著提高了药用植物识别的准确率 | 本文未详细讨论模型在不同光照条件或植物叶片受损情况下的表现 | 开发一种高准确率的计算机视觉系统用于药用植物的识别 | 药用植物的叶片纹理特征 | 计算机视觉 | NA | Log-Gabor滤波器 | CNN | 图像 | 49种植物物种 |
217 | 2024-09-06 |
Automatic tongue image quality assessment using a multi-task deep learning model
2022, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2022.966214
PMID:36203936
|
研究论文 | 本文提出了一种基于多任务深度学习模型的舌象质量评估方法 | 设计了一个多任务深度学习网络,通过添加舌象分割作为辅助任务来提高舌象质量评估的性能 | 未提及具体限制 | 确保采集的舌象图像质量符合中医诊断标准 | 舌象图像的质量评估 | 计算机视觉 | NA | 深度学习 | 多任务深度学习网络 | 图像 | 在不同光照条件、曝光度和舌体伸展条件下采集的舌象图像,并由经验丰富的中医师手动筛选为高质量和不合格的数据集 |
218 | 2024-09-06 |
Detecting COVID-19 infection status from chest X-ray and CT scan via single transfer learning-driven approach
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.980338
PMID:36212141
|
研究论文 | 本文提出了一种基于迁移学习的单模型方法,用于从胸部X光和CT扫描图像中检测COVID-19感染状态 | 采用迁移学习方法,在医疗图像数据不足的情况下,快速生成可靠结果,并能同时处理X光和CT扫描图像 | 未提及具体模型的局限性 | 开发一种高效准确的方法,用于从胸部X光和CT扫描图像中检测COVID-19感染状态,以帮助快速分类患者并防止病毒传播 | COVID-19感染患者和正常个体 | 计算机视觉 | COVID-19 | 迁移学习 | NA | 图像 | 未提及具体样本数量 |
219 | 2024-09-06 |
Computed tomography-based deep-learning prediction of lymph node metastasis risk in locally advanced gastric cancer
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.969707
PMID:36212443
|
研究论文 | 本文开发并评估了一种基于CT图像的深度学习模型,用于预测局部晚期胃癌的淋巴结转移风险 | 本文首次使用深度学习技术从CT图像中提取特征,结合支持向量机进行分类,提供了一种新颖且非侵入性的方法来预测淋巴结转移 | 研究样本量有限,且仅限于单一医院的数据,可能影响模型的泛化能力 | 开发和评估一种基于CT图像的深度学习模型,用于术前预测局部晚期胃癌的淋巴结转移 | 局部晚期胃癌患者的淋巴结转移风险 | 计算机视觉 | 胃癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 523名病理确诊的局部晚期胃癌患者 |
220 | 2024-09-06 |
Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis
2022, International journal of arrhythmia
DOI:10.1186/s42444-022-00075-x
PMID:36212507
|
综述 | 本文综述了人工智能在基于心电图的诊断中的临床意义、挑战和局限性 | 人工智能引入了机器学习和深度学习算法,弥补了现有心电图分析方法的局限性,并取得了有希望的结果 | 人工智能算法也存在自身的挑战和局限性,如专业责任、系统性偏差、监控、网络安全以及技术和后勤挑战 | 增加对用于心电图诊断的人工智能算法的熟悉度和认识,并最终向感兴趣的利益相关者通报其在解决当前临床挑战中的潜在效用 | 人工智能在心电图诊断中的应用 | 机器学习 | 心血管疾病 | NA | NA | NA | NA |