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 | 2024-09-29 |
Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.914974
PMID:35774816
|
研究论文 | 本文提出了一种基于深度学习框架的单木树冠分割和树冠宽度提取方法,使用从机载激光雷达数据生成的高度图 | 本文创新性地结合了YOLO-v4深度学习网络和计算机图形学算法,克服了现有方法在处理航空照片时遇到的异质光照和交错枝叶干扰的问题 | NA | 研究目的是从激光雷达数据中高效准确地提取单木树冠信息,以支持森林资源评估和智能管理 | 研究对象包括树苗园、森林景观和混合树种植园三种森林类型 | 计算机视觉 | NA | 激光雷达 | YOLO-v4 | 高度图 | 三个森林样地,包括树苗园、森林景观和混合树种植园 |
202 | 2024-09-29 |
A Survey on Human Cancer Categorization Based on Deep Learning
2022, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2022.884749
PMID:35832207
|
综述 | 本文综述了基于深度学习的人类癌症分类方法 | 介绍了深度学习在医学图像分析中的应用,特别是卷积神经网络(CNN)在癌症诊断中的应用 | 未提及具体的研究限制 | 评估深度学习在医学图像分析中的主要概念,并综述该领域的进展 | 深度学习技术在医学图像中的应用,特别是癌症分类 | 计算机视觉 | NA | 深度学习 | 卷积神经网络(CNN) | 图像 | NA |
203 | 2024-09-29 |
Face Mask-Wearing Detection Model Based on Loss Function and Attention Mechanism
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/2452291
PMID:35865498
|
研究论文 | 本文提出了一种基于损失函数和注意力机制的神经网络模型,用于复杂环境下的口罩佩戴检测 | 引入了注意力机制和不同的边界框损失函数,提高了口罩佩戴检测的准确性和定位精度 | NA | 提高口罩佩戴检测的准确性,以应对复杂环境中的遮挡、光照和密度问题 | 口罩佩戴检测 | 计算机视觉 | NA | YOLOv5s | 神经网络模型 | 图像 | 7958张口罩佩戴图像和大量未佩戴口罩的图像 |
204 | 2024-09-29 |
A generalized deep learning network for fractional anisotropy reconstruction: Application to epilepsy and multiple sclerosis
2022, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2022.891234
PMID:35991288
|
研究论文 | 本文提出了一种基于U-net架构的广义深度学习网络,用于从1分钟内获取的10个扩散加权(DW)图像中重建分数各向异性(FA)图,并应用于癫痫和多发性硬化症的研究 | 本文的创新点在于提出了一种广义的深度学习网络,能够在不同扫描仪和DW成像协议下无需重新训练即可应用,并且能够从10个DW图像中重建高质量的FA图,保留了病理敏感性 | NA | 开发一种能够在临床上快速获取高质量FA图的方法,并评估其在癫痫和多发性硬化症中的应用 | 分数各向异性(FA)图在癫痫和多发性硬化症中的应用 | 机器学习 | 神经疾病 | 深度学习 | U-net | 图像 | 使用人类连接组项目(HCP)数据进行训练,并在两个不同的临床数据集(癫痫和多发性硬化症)上进行验证 |
205 | 2024-09-29 |
On modeling and utilizing chemical compound information with deep learning technologies: A task-oriented approach
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.07.049
PMID:36051875
|
综述 | 本文综述了如何利用深度学习技术在任务导向的方式下建模和利用化学化合物信息 | 本文介绍了四种尚未完全融入化学信息计算分析的新兴技术 | 本文未详细讨论这些新兴技术的具体应用和局限性 | 探讨如何利用深度学习技术在药物发现任务中导航化学空间 | 化学化合物数据库中的化合物信息及其注释属性和测定数据 | 机器学习 | NA | 深度学习 | NA | 化学化合物信息 | NA |
206 | 2024-09-29 |
Deep learning framework for prediction of infection severity of COVID-19
2022, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2022.940960
PMID:36059818
|
研究论文 | 开发了一种深度学习框架,用于预测COVID-19感染的严重程度 | 利用胸部CT扫描数据,通过肺叶和感染区域的分割,计算感染严重程度百分比,并使用k-NN模型进行分类 | 仅使用了232个胸部CT扫描数据进行训练,样本量相对较小 | 量化COVID-19确诊患者的病情严重程度 | COVID-19患者的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 232个胸部CT扫描图像,加上两个公共数据集的59个扫描图像,以及两个外部测试集的21个扫描图像 |
207 | 2024-09-29 |
A workflow for segmenting soil and plant X-ray computed tomography images with deep learning in Google's Colaboratory
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.893140
PMID:36176692
|
研究论文 | 本文介绍了一种在Google的Colaboratory中使用深度学习分割土壤和植物X射线计算机断层扫描图像的工作流程 | 开发了一种模块化工作流程,利用Google的Colaboratory中的低成本资源,将卷积神经网络应用于X射线μCT图像分割 | 文章中提到的挑战包括计算机科学家与农业研究者之间的知识鸿沟,以及训练和应用深度学习模型所需的计算资源 | 加速植物和土壤科学中新兴深度学习技术的采用和使用 | 土壤和植物的X射线μCT图像 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 核桃叶、杏仁花蕾和土壤团聚体的示例扫描 |
208 | 2024-09-29 |
Protein-protein interaction prediction with deep learning: A comprehensive review
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.08.070
PMID:36212542
|
综述 | 本文综述了深度学习在蛋白质相互作用预测中的应用 | 本文介绍了深度学习方法在预测蛋白质功能、蛋白质相互作用及其位点、蛋白质-配体结合以及蛋白质设计中的最新进展 | NA | 探讨深度学习在蛋白质相互作用预测中的应用 | 蛋白质相互作用及其位点、蛋白质-配体结合、蛋白质设计 | 生物信息学 | NA | 深度学习 | NA | NA | NA |
209 | 2024-09-29 |
Deep learning techniques for detecting and recognizing face masks: A survey
2022, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2022.955332
PMID:36225777
|
综述 | 本文综述了用于检测和识别佩戴口罩的深度学习技术 | 本文综述了用于检测和识别佩戴口罩的深度学习技术,并讨论了这些技术的有效性 | 主要问题是人们经常不正确地佩戴口罩,导致模型难以准确检测 | 研究目的是综述用于检测和识别佩戴口罩的深度学习技术 | 研究对象是口罩人脸识别(MFR)和遮挡人脸识别(OFR)的深度学习技术 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
210 | 2024-09-29 |
Automatic autism spectrum disorder detection using artificial intelligence methods with MRI neuroimaging: A review
2022, Frontiers in molecular neuroscience
IF:3.5Q2
DOI:10.3389/fnmol.2022.999605
PMID:36267703
|
综述 | 本文综述了使用人工智能方法和MRI神经影像进行自闭症谱系障碍自动检测的研究进展 | 本文总结了使用深度学习技术开发自闭症谱系障碍自动诊断模型的有限工作,并提供了未来研究方向的建议 | 目前使用深度学习技术开发自闭症谱系障碍自动诊断模型的研究非常有限 | 综述使用人工智能方法和MRI神经影像进行自闭症谱系障碍自动检测的研究进展 | 自闭症谱系障碍的自动检测方法 | 机器学习 | 自闭症 | MRI | NA | 图像 | NA |
211 | 2024-09-29 |
Crop genomic selection with deep learning and environmental data: A survey
2022, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2022.1040295
PMID:36703955
|
综述 | 本文综述了将深度学习与环境数据结合用于作物基因组选择的最新技术 | 本文探讨了在多环境条件下使用深度学习模型预测作物表型的创新方法,特别是结合了温度、土壤条件和降水等异质数据源的模型 | NA | 探讨在多环境条件下使用深度学习模型预测作物表型的方法 | 作物基因组选择模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因组数据、环境数据 | NA |
212 | 2024-09-28 |
Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines?
2022-Dec, Nano today
IF:13.2Q1
DOI:10.1016/j.nantod.2022.101665
PMID:37034382
|
综述 | 本文综述了人工智能在基因治疗和mRNA疫苗纳米载体开发中的潜在应用 | 探讨了人工智能在设计靶向基因递送载体和改进CRISPR/Cas系统中的创新应用 | NA | 探讨人工智能如何革新基因治疗和mRNA疫苗纳米载体的发展 | 基因治疗和mRNA疫苗的纳米载体 | 机器学习 | NA | 人工智能 | 神经网络 | NA | NA |
213 | 2024-09-28 |
COVID-19 chest X-ray detection through blending ensemble of CNN snapshots
2022-Sep, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2022.104000
PMID:35855489
|
研究论文 | 本文提出了一种基于卷积神经网络(CNN)快照融合的集成方法,用于从胸部X光片(CXR)中检测COVID-19,以辅助计算机辅助检测(CADe) | 本文的创新点在于利用DenseNet-201架构生成多个快照,并通过随机森林(RF)元学习器进行决策级融合,提高了COVID-19检测的准确性 | 本文的局限性在于仅使用了两个公开的COVID-19 CXR数据集进行实验,未来可能需要更多数据集来验证模型的泛化能力 | 本文的研究目的是提高COVID-19检测的准确性,以辅助医疗从业者的诊断 | 本文的研究对象是COVID-19病毒的胸部X光片(CXR)图像 | 计算机视觉 | COVID-19 | 卷积神经网络(CNN) | DenseNet-201 | 图像 | 两个公开的COVID-19 CXR数据集,包括一个大型数据集(COVID-X)和一个较小的数据集 |
214 | 2024-09-28 |
Methodology-Centered Review of Molecular Modeling, Simulation, and Prediction of SARS-CoV-2
2022-07-13, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.1c00965
PMID:35594413
|
综述 | 本文对SARS-CoV-2的分子建模、模拟和预测方法进行了全面系统的综述 | 本文整合了大量病毒序列的基因分型、蛋白质-蛋白质相互作用的生物物理建模、深度突变数据、深度学习和高级数学等方法,揭示了SARS-CoV-2的全球进化和传播机制 | 尽管本文提供了全面的综述,但仍需进一步深入研究以全面理解SARS-CoV-2及其相关机制 | 旨在为读者提供关于SARS-CoV-2分子建模、模拟和预测领域的最新文献更新 | SARS-CoV-2的分子建模、模拟和预测方法 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA |
215 | 2024-09-28 |
Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning
2022-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22103833
PMID:35632242
|
研究论文 | 本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌(OSCC)活检图像中提取特征,以预测口腔癌的方法 | 本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性 | 本文的局限性在于仅使用了AlexNet模型,未探讨其他深度学习模型的效果 | 本文的研究目的是提高口腔癌检测的准确性 | 本文的研究对象是口腔鳞状细胞癌(OSCC)活检图像 | 计算机视觉 | 口腔癌 | 迁移学习 | 卷积神经网络(CNN) | 图像 | 未明确提及具体样本数量 |
216 | 2024-09-28 |
Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement
2022-May-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-30297-5
PMID:35552403
|
研究论文 | 本文探讨了基于电磁波的极端深度学习方法,通过非线性时间-Floquet纠缠实现高效的模拟信号处理 | 本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠,从而实现了一种高效且灵活的波平台用于模拟极端深度学习 | NA | 解决传统电磁材料非线性弱的问题,实现复杂神经形态计算任务 | 电磁波在人工工程介质中的传播及其在模拟信号处理中的应用 | 机器学习 | NA | NA | 极端学习机和储层计算 | 模拟信号 | NA |
217 | 2024-09-28 |
Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant
2022-May-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.2c00469
PMID:35467344
|
研究论文 | 本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3,特别是BA.2的再感染能力及其成为下一个主导变种的潜力 | 构建了一种基于代数拓扑的深度学习模型,系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力 | 目前没有关于BA.2和BA.3的实验数据 | 评估BA.2和BA.3是否会成为新的主导变种 | Omicron变种的亚型BA.1、BA.2和BA.3 | 机器学习 | NA | 深度学习 | 代数拓扑模型 | NA | NA |
218 | 2024-09-28 |
Deep learning-based image processing in optical microscopy
2022-Apr, Biophysical reviews
IF:4.9Q1
DOI:10.1007/s12551-022-00949-3
PMID:35528030
|
综述 | 本文综述了深度学习在光学显微镜图像处理中的应用 | 深度学习在光学显微镜图像处理中的应用,特别是在图像分类、分割和分辨率增强方面的应用 | NA | 探讨深度学习在光学显微镜图像处理中的应用 | 光学显微镜图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
219 | 2024-09-28 |
Analysis of Traditional Cultural Acceptance Based on Deep Learning
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/2373842
PMID:35707191
|
研究论文 | 本文利用深度学习技术分析传统文化的接受度 | 提出了基于Faster R-CNN模型的深度学习方法,该方法在分析传统文化接受度方面优于现有算法 | 未提及具体的研究局限性 | 研究如何利用深度学习技术分析传统文化的接受度 | 研究对象为未接触现代科技的传统部落文化及其接受度 | 机器学习 | NA | 深度学习 | Faster R-CNN | NA | 未提及具体样本数量 |
220 | 2024-09-28 |
Artificial Intelligence Technologies and Their Application for Reform and Development of Table Tennis Training in Complex Environments
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/3442610
PMID:35747715
|
研究论文 | 本文探讨了人工智能技术在复杂环境下乒乓球训练中的应用,通过引入细粒度评估系统(FGE)和深度学习模型,实现了在线智能训练 | 本文创新性地将细粒度评估系统(FGE)与深度学习模型结合,用于分析球员的体态并进行在线训练,相比传统统计模型,FGE在精度和召回率上表现更优 | 本文未详细讨论FGE系统在实际应用中的可行性和成本问题 | 研究如何利用人工智能技术改进复杂环境下的乒乓球训练 | 乒乓球训练中的体态分析和在线训练系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 体态数据 | 未明确提及具体样本数量 |