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 | 2024-10-20 |
AlphaFold2 has more to learn about protein energy landscapes
2023-Dec-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.12.571380
PMID:38168383
|
研究论文 | 本文测试了AlphaFold2在预测折叠转换蛋白质结构方面的能力 | 本文首次系统评估了AlphaFold2在预测折叠转换蛋白质结构方面的局限性,并提出了进一步改进方法的必要性 | AlphaFold2在预测折叠转换蛋白质结构时成功率较低,且其置信度指标未能有效区分低能和高能状态 | 评估AlphaFold2在预测折叠转换蛋白质结构方面的能力及其局限性 | 折叠转换蛋白质及其结构 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质结构 | 93种折叠转换蛋白质,共生成超过280,000个模型 |
202 | 2024-10-20 |
Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation
2023-12-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2023.3701
PMID:37851434
|
研究论文 | 研究使用深度学习模型分析心电图(ECG)来预测房颤(AF) | 首次在多样化的患者群体中应用深度学习模型预测房颤 | 研究仅限于美国退伍军人事务部医院网络和一所非VA学术医疗中心的患者 | 评估深度学习模型在门诊心电图中预测房颤的能力 | 心电图数据和患者人口统计信息 | 机器学习 | 心血管疾病 | 深度学习 | 卷积神经网络(CNN) | 心电图 | 共907,858份心电图,来自6个VA站点和1个非VA学术医疗中心 |
203 | 2024-10-20 |
Predictive analyses of regulatory sequences with EUGENe
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00544-w
PMID:38177592
|
研究论文 | 本文介绍了一个名为EUGENe的FAIR工具包,用于使用深度学习分析基因组序列 | EUGENe是一个简单、灵活且可扩展的接口,旨在简化并定制端到端的深度学习序列分析 | NA | 开发一个符合FAIR原则的工具包,用于深度学习在基因组学中的应用 | 基因组序列的深度学习分析 | 机器学习 | NA | 深度学习 | 神经网络 | 序列数据 | NA |
204 | 2024-10-20 |
Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064504
PMID:38162317
|
研究论文 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能,并比较不同图像采集技术和临床因素的影响 | 使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类,并评估其在不同测试集上的性能 | 模型在当前测试集上的性能显著低于原始测试集,可能由于模型过拟合和泛化能力不足 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能,并考虑不同图像采集参数、临床因素和患者人口统计学的影响 | COVID-19阳性患者和阴性患者的胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet-121 | 图像 | 9860名患者的标准和软组织胸部X光片用于训练和测试,5893名患者的当前测试集用于评估模型性能 |
205 | 2024-10-20 |
Cross-Attention for Improved Motion Correction in Brain PET
2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44858-4_4
PMID:38174216
|
研究论文 | 本文提出了一种基于交叉注意力机制的深度学习网络,用于改善脑部PET图像重建中的运动校正 | 引入了交叉注意力机制,增强了模型对不同测试对象的鲁棒性,并显著提高了运动校正的性能 | NA | 提高脑部PET图像重建的质量,减少运动伪影对临床诊断和治疗的影响 | 脑部PET图像的运动校正 | 计算机视觉 | NA | 深度学习 | 交叉注意力机制 | 图像 | 使用了来自两个不同扫描仪(HRRT和mCT)的脑部PET数据进行验证 |
206 | 2024-10-20 |
Deep learning tools to accelerate antibiotic discovery
2023 Jul-Dec, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2023.2250721
PMID:37794737
|
综述 | 本文综述了深度学习在抗生素发现中的关键框架,重点介绍了物理化学特征和数据集限制 | 本文介绍了多种深度学习模型在抗生素发现中的应用,包括判别模型和生成模型,并探讨了这些技术在药物发现中的潜力 | 本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战 | 本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战 | 本文研究对象为抗生素发现中的深度学习模型及其应用 | 机器学习 | NA | 深度学习 | 卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型 | 高维数据 | NA |
207 | 2024-10-20 |
MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction
2023-Jun-27, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3290003
PMID:37368811
|
研究论文 | 提出了一种集成Patlak损失优化的神经网络框架MCP-Net,用于全身动态PET图像的帧间运动校正 | 直接减少Patlak拟合误差,并结合了功能信息,提高了模型的性能和泛化能力 | NA | 改进全身动态PET图像的帧间运动校正,提高参数成像的准确性 | 全身动态PET图像的帧间运动校正 | 计算机视觉 | NA | 动态正电子发射断层扫描(PET) | 神经网络 | 图像 | NA |
208 | 2024-10-20 |
Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification
2023, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2023.1322967
PMID:38148943
|
研究论文 | 本文提出了一种新的时间依赖神经网络(TDNet),用于从静息态功能磁共振成像(rs-fMRI)时间序列中学习功能连接(FC)表示和时间依赖关系,以实现注意力缺陷/多动障碍(ADHD)的自动化识别 | 本文创新性地使用时间卷积网络(TCN)来有效捕捉长程时间模式,并通过膨胀卷积和全连接层进行疾病预测 | 现有方法主要考虑两个相邻时间戳的依赖关系,这在变化涉及多个时间戳时存在局限性 | 揭示注意力缺陷/多动障碍(ADHD)患者脑活动异常的机制 | 静息态功能磁共振成像(rs-fMRI)数据中的动态功能连接(dFC) | 计算机视觉 | 精神疾病 | 功能磁共振成像(fMRI) | 时间卷积网络(TCN) | 时间序列数据 | 使用了公开的ADHD-200数据库进行实验 |
209 | 2024-10-20 |
Creating high-resolution 3D cranial implant geometry using deep learning techniques
2023, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2023.1297933
PMID:38149174
|
研究论文 | 本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法 | 本文提出了一种双神经网络系统,用于修复低分辨率缺陷模型并增强修复模型的体积分辨率,从而生成适合临床使用的高质量植入物模型 | 本文未提及具体的局限性 | 开发一种实用的深度学习方法,用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状 | 3D头骨模型和颅骨植入物几何形状 | 计算机视觉 | NA | 深度学习技术 | 神经网络 | 3D模型 | 未提及具体样本数量 |
210 | 2024-10-20 |
Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations
2023, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2023.1308707
PMID:38162122
|
研究论文 | 研究了多种先进的深度学习模型用于电子显微镜癌症图像的半监督语义分割 | 探索了半监督学习方法Cross Pseudo Supervision,并比较了多种深度学习模型的性能 | 需要进一步研究如何减少手动分割的时间瓶颈 | 加速电子显微镜癌症图像的分析 | 肿瘤活检中的细胞核和核仁的分割 | 计算机视觉 | 癌症 | 深度学习 | CNN | 图像 | 三个完全注释的内部数据集 |
211 | 2024-10-20 |
Comparison of state-of-the-art deep learning architectures for detection of freezing of gait in Parkinson's disease
2023, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2023.1306129
PMID:38178885
|
研究论文 | 比较了用于帕金森病中冻结步态检测的先进深度学习架构的性能 | 本文比较了标准卷积神经网络(CNN)与两种更复杂的网络(MiniRocket和InceptionTime)在冻结步态检测中的性能 | 研究仅限于使用加速度数据,且模型在未见测试集上的表现有待进一步验证 | 验证深度学习在大型异质数据集中检测冻结步态的可行性,并比较不同深度学习模型的性能 | 帕金森病患者中的冻结步态 | 机器学习 | 神经退行性疾病 | 卷积神经网络(CNN) | CNN | 加速度数据 | 70名参与者用于训练和测试,10名参与者提供未见测试集 |
212 | 2024-10-20 |
TSP-GNN: a novel neuropsychiatric disorder classification framework based on task-specific prior knowledge and graph neural network
2023, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2023.1288882
PMID:38188031
|
研究论文 | 提出了一种基于任务特定先验知识和图神经网络的新型神经精神障碍分类框架 | 首次将任务特定先验连接模式与深度学习相结合,用于神经精神障碍分类 | NA | 开发一种新的神经精神障碍分类模型,利用任务特定先验连接模式提高分类准确性 | 神经精神障碍及其在特定任务情境下的功能连接模式 | 机器学习 | 神经精神障碍 | 图神经网络 | 图神经网络 | 功能连接矩阵 | 使用公开数据集进行验证 |
213 | 2024-10-19 |
Deep Learning Pipeline for Automated Cell Profiling from Cyclic Imaging
2023-Dec-18, Research square
DOI:10.21203/rs.3.rs-3745061/v1
PMID:38196620
|
研究论文 | 本文介绍了一种名为CycloNET的计算管道,用于分析通过循环免疫荧光获得的原始荧光图像,自动生成单细胞分子轮廓 | CycloNET能够快速处理大规模数据集,提供单细胞分辨率的见解,并识别罕见的免疫细胞集群 | NA | 开发一种自动化工具,用于从循环成像中进行细胞轮廓分析,以加速生物数据分析 | 头颈部鳞状细胞癌患者的22个人类样本 | 计算机视觉 | 头颈部鳞状细胞癌 | 循环免疫荧光 | 神经网络 | 图像 | 22个人类样本 |
214 | 2024-10-19 |
Identifying Lymph Nodes and Their Statuses from Pretreatment Computer Tomography Images of Patients with Head and Neck Cancer Using a Clinical-Data-Driven Deep Learning Algorithm
2023-Dec-18, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245890
PMID:38136434
|
研究论文 | 本文提出了一种基于临床数据驱动的深度学习算法,用于从头颈部癌症患者的术前计算机断层扫描图像中识别淋巴结及其状态 | 本文创新性地将深度学习模型与图像处理技术结合,用于分析临床图像中的淋巴结特征 | 模型的检测率在较大的淋巴结上表现更好,且需要进一步与临床医生合作进行评估和改进 | 开发一种能够准确识别头颈部癌症患者术前CT图像中淋巴结及其状态的算法 | 头颈部癌症患者的术前CT图像和手术病理报告 | 计算机视觉 | 头颈部癌症 | 深度学习 | 3D UNet | 图像 | 271名头颈部癌症患者 |
215 | 2024-10-19 |
Deep Learning-Inspired IoT-IDS Mechanism for Edge Computing Environments
2023-Dec-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23249869
PMID:38139716
|
研究论文 | 提出了一种基于深度学习的物联网入侵检测系统,用于边缘计算环境 | 使用分布式处理将数据集分割为适合不同攻击类别的子集,并进行时间序列物联网数据的属性选择,训练了一个包含RNN和Bi-LSTM的攻击检测循环神经网络模型 | NA | 解决现有入侵检测系统在处理大量物联网数据和计算需求方面的不足,特别是在边缘设备上的部署问题 | 物联网环境中的网络攻击检测 | 机器学习 | NA | 深度学习 | 循环神经网络(RNN)和双向长短期记忆网络(Bi-LSTM) | 时间序列数据 | 使用了高维度的BoT-IoT数据集,该数据集模拟了大量真实的物联网攻击流量 |
216 | 2024-10-19 |
Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends
2023-Dec-15, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245858
PMID:38136405
|
综述 | 本文综述了2020年至今图神经网络(GNN)在癌症和肿瘤学研究中的应用,并探讨了未来的研究方向 | GNN能够有效结合图结构表示和深度学习的高预测性能,特别是在大型多模态数据集上 | NA | 探讨GNN在癌症和肿瘤学研究中的应用及其未来发展方向 | 癌症和肿瘤学研究中的多模态图数据,包括分子结构、空间解析成像、数字病理、生物网络和知识图谱 | 机器学习 | NA | 图神经网络(GNN) | 图神经网络(GNN) | 图数据 | NA |
217 | 2024-10-19 |
Non-Destructive Characterization of Cured-in-Place Pipe Defects
2023-Dec-08, Materials (Basel, Switzerland)
DOI:10.3390/ma16247570
PMID:38138712
|
研究论文 | 研究介绍了三种创新方法用于非破坏性评估固化内衬管的缺陷 | 引入了冲击回波法、探地雷达和阻抗光谱法,提高了缺陷检测的准确性 | 需要进一步验证这些方法在实际应用中的效果 | 比较传统机器学习和深度学习方法在管道缺陷表征中的应用 | 固化内衬管的缺陷 | NA | NA | 冲击回波法、探地雷达、阻抗光谱法 | 机器学习算法、深度学习 | 图像 | 实验室测量数据 |
218 | 2024-10-19 |
Probabilistic volumetric speckle suppression in OCT using deep learning
2023-Dec-07, ArXiv
PMID:38106457
|
研究论文 | 本文提出了一种基于条件生成对抗网络(cGAN)的深度学习框架,用于光学相干断层扫描(OCT)中的体积分辨率降低 | 利用OCT数据的体积特性,通过cGAN实现高效的散斑抑制,同时保留组织结构,速度比传统方法快两个数量级 | 生成训练数据的过程计算量大 | 开发一种高效的深度学习方法,用于OCT中的体积分辨率降低 | OCT图像中的散斑噪声 | 计算机视觉 | NA | 深度学习 | 条件生成对抗网络(cGAN) | 体积数据 | 涉及三种不同OCT系统采集的不同组织类型数据 |
219 | 2024-10-19 |
Improved Peptide Docking with Privileged Knowledge Distillation using Deep Learning
2023-Dec-04, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.01.569671
PMID:38106114
|
研究论文 | 本文提出了一种改进的蛋白质-肽对接方法DistPepFold,通过基于AlphaFold-Multimer架构的知识蒸馏技术,提高了蛋白质-肽复合物对接的准确性 | DistPepFold利用教师模型在训练过程中使用本征相互作用信息,并通过教师-学生蒸馏过程将知识传递给学生模型,从而改进了蛋白质-肽复合物的对接性能 | NA | 改进蛋白质-肽复合物的对接方法,提高其结构预测的准确性 | 蛋白质-肽复合物的对接性能 | 机器学习 | NA | 深度学习 | AlphaFold-Multimer | 蛋白质-肽复合物数据 | 两个蛋白质-肽复合物数据集 |
220 | 2024-10-19 |
Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography
2023-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16554
PMID:37310802
|
研究论文 | 本文提出了一种基于排序的选择性集成方法,用于提高深度学习在侵入性冠状动脉造影中主要血管分割的性能 | 本文提出的选择性集成方法结合了加权集成和每张图像质量估计,通过排名机制减少了形态学错误,提高了分割性能 | NA | 提高侵入性冠状动脉造影中主要血管的分割性能,减少形态学错误,实现更自动化的定量冠状分析 | 侵入性冠状动脉造影图像中的主要血管 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 内部数据集包含7426张冠状动脉造影图像,来自2924名患者;外部验证集包含556张图像,来自226名患者 |