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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
121 | 2024-08-05 |
Residue-wise local quality estimation for protein models from cryo-EM maps
2022-09, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01574-4
PMID:35953671
|
研究论文 | 本文开发了一种方法,用于评估蛋白质模型中基于冷冻电镜图的残基局部质量。 | 创新点在于提出了一种名为DAQ的评分方法,能够识别蛋白质残基在冷冻电镜图中的潜在错误分配。 | 未提及具体限制 | 研究旨在提高冷冻电镜图中蛋白质残基的分配准确性。 | 研究对象为从冷冻电镜图构建的蛋白质结构模型。 | 数字病理学 | NA | 深度学习 | NA | 冷冻电镜图 | 多个核酸数据库中基于相同密度图构建的蛋白质结构模型 |
122 | 2024-08-05 |
Multi-scale Multi-structure Siamese Network (MMSNet) for Primary Open-Angle Glaucoma Prediction
2022-Sep, Machine learning in medical imaging. MLMI (Workshop)
DOI:10.1007/978-3-031-21014-3_45
PMID:36656619
|
研究论文 | 本文提出了一种多尺度多结构的Siamese网络(MMSNet),用于预测原发性开角型青光眼。 | 创新点在于MMSNet网络模拟青光眼专家通过比较跟踪的视神经图像和基线图像来进行的预测,且利用多幅图像和深度监督进行预测。 | 本研究可能受到数据集选择的限制,且未考虑更复杂的临床变量。 | 研究旨在提高原发性开角型青光眼的早期预测能力。 | 研究对象为眼压升高治疗研究中的1636名参与者的视网膜照片。 | 数字病理学 | 青光眼 | 深度学习 | Siamese网络 | 图像 | 37339幅视网膜照片 |
123 | 2024-08-05 |
CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images
2022-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-08724-4
PMID:35368227
|
研究论文 | 开发了一种基于图像的自动深度学习方法,能够根据序列类型和成像平面对心脏MR图像进行分类,从而提高临床后处理效率 | 创新性地提出了CardiSort深度学习网络,能够在多厂商数据上对心脏MRI研究进行序列和成像平面的分类 | 对表现不佳的类和因采集参数在中心之间变化较大的序列(例如灌注成像)accuracy较低 | 旨在通过深度学习方法改善心脏MR图像的临床后处理流程 | 心脏MR图像,来自于4个中心和3个厂商的多中心多厂商的MRI研究 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 单厂商训练234名患者,跨厂商训练434名患者,外部验证80名患者 |
124 | 2024-08-07 |
Genomics transformer for diagnosing Parkinson's disease
2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics
DOI:10.1109/bhi56158.2022.9926815
PMID:36824448
|
研究论文 | 本文介绍了一种基于transformer编码器的新模型,用于根据基因型数据对帕金森病(PD)患者和健康对照者进行分类 | 该模型能够有效建模复杂的全局特征交互,并通过学习到的注意力分数提高可解释性 | NA | 旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性,提高帕金森病的诊断能力 | 帕金森病患者和健康对照者的基因型数据 | 机器学习 | 帕金森病 | NA | transformer | 基因型数据 | NA |
125 | 2024-08-07 |
Spatial interplay of tissue hypoxia and T-cell regulation in ductal carcinoma in situ
2022-Sep-15, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-022-00419-9
PMID:36109587
|
研究论文 | 研究组织缺氧与T细胞调节在导管原位癌(DCIS)中的相互作用 | 设计了一个针对DCIS组织结构复杂性的深度学习系统,并发现T调节细胞在缺氧肿瘤细胞中的空间共定位可能是DCIS进展的关键事件和有用标记 | NA | 探讨缺氧在导管原位癌中与T细胞调节的关系 | 导管原位癌(DCIS)及其与侵袭性导管癌的同步成分 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 纯DCIS病例与同步DCIS和侵袭性成分的侵袭性导管癌病例 |
126 | 2024-08-07 |
Fast and accurate Ab Initio Protein structure prediction using deep learning potentials
2022-09, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010539
PMID:36112717
|
研究论文 | 本文开发了一个名为DeepFold的开源程序,利用深度残差神经网络预测的空间约束和基于知识的能量函数,通过梯度下降折叠模拟,提高了蛋白质结构预测的准确性和速度 | DeepFold在缺乏序列和/或结构同源性的蛋白质模型中,其准确性显著超越了传统的折叠方法和其他领先的深度学习方法,特别是在最难目标上的建模性能 | NA | 提高蛋白质结构预测的准确性和速度 | 蛋白质结构预测 | 机器学习 | NA | 深度学习 | 深度残差神经网络 | 蛋白质序列 | 大规模基准测试 |
127 | 2024-08-07 |
Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau
2022-Sep, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgac164
PMID:36157597
|
research paper | 本研究开发了一种无标记的超光谱成像方法,用于检测视网膜中Aβ和pS396-Tau的谱特征,并利用深度学习预测其在视网膜横截面中的分布 | 首次报道了pTau的谱特征,并展示了深度学习在准确预测Aβ和pTau分布方面的应用 | NA | 开发一种无标记的超光谱成像方法,用于检测和预测视网膜中Aβ和pTau的分布,为阿尔茨海默病的无标记检测奠定基础 | 视网膜中的Aβ和pTau | computer vision | 阿尔茨海默病 | 超光谱成像 | 深度学习 | 图像 | NA |