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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
361 | 2024-11-07 |
Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices
2024, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2024.1390622
PMID:39498098
|
研究论文 | 本文介绍了一个名为Biofuser的多源数据融合平台,用于整合发酵过程设备的异构数据 | Biofuser平台能够整合来自不同来源和格式的数据,并提供API支持机器学习和深度学习,从而促进发酵过程的优化 | NA | 开发一个能够整合和融合发酵过程设备异构数据的平台,以促进发酵过程的优化和智能化 | 发酵过程设备的异构数据 | 生物工程 | NA | 数据融合 | NA | 多源异构数据 | NA |
362 | 2024-11-07 |
Advancements in the use of AI in the diagnosis and management of inflammatory bowel disease
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1453194
PMID:39498116
|
研究论文 | 本文讨论了人工智能在炎症性肠病诊断和管理中的应用进展 | 本文介绍了基于深度学习和卷积神经网络的算法在结肠镜图像和视频中的应用,特别是用于检测和分类结直肠息肉 | 当前研究主要集中在评估溃疡性结肠炎的严重程度,且需要更多标注的结肠镜图像和视频来训练更可靠的AI算法 | 探讨人工智能在炎症性肠病早期检测中的当前挑战和未来改进方向 | 炎症性肠病(IBD)及其亚型克罗恩病(CD)和溃疡性结肠炎(UC) | 机器学习 | 炎症性肠病 | 深度学习(DL)和卷积神经网络(CNN) | 卷积神经网络(CNN) | 图像和视频 | NA |
363 | 2024-11-07 |
Enzyme catalytic efficiency prediction: employing convolutional neural networks and XGBoost
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1446063
PMID:39498388
|
研究论文 | 本文介绍了一种名为ECEP的新方法,利用深度学习技术预测酶催化效率,显著优于现有方法 | 本文提出了ECEP模型,结合卷积神经网络和XGBoost,通过多特征集成深度学习方法预测酶催化效率,显著提高了预测精度 | NA | 提高酶催化效率预测的准确性 | 酶催化效率 | 机器学习 | NA | 卷积神经网络、XGBoost | 卷积神经网络 | 序列数据 | NA |
364 | 2024-11-07 |
Foundation model for cancer imaging biomarkers
2024, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00807-9
PMID:38523679
|
研究论文 | 本文开发了一种用于癌症影像生物标志物发现的基石模型 | 通过自监督学习训练的卷积编码器,显著减少了下游应用中对训练样本的需求,并在有限训练数据集的情况下显著优于传统监督学习和现有最先进预训练模型 | 未提及 | 开发一种基石模型,用于癌症影像生物标志物的发现,并评估其在临床相关应用中的表现 | 癌症影像生物标志物 | 计算机视觉 | 癌症 | 自监督学习 | 卷积神经网络(CNN) | 影像 | 11,467个放射性病变样本 |
365 | 2024-11-07 |
Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1328579
PMID:38524629
|
研究论文 | 本研究利用深度学习结合病理和临床特征,建立并验证了一个模型,用于预测特发性膜性肾病(IMN)患者对免疫治疗的反应 | 本研究首次将深度学习应用于特发性膜性肾病的免疫治疗反应预测,并结合病理和临床特征进行模型训练 | 当模型中加入临床特征时,预测效果有所下降 | 建立并验证一个模型,用于评估特发性膜性肾病患者对免疫抑制治疗的反应 | 特发性膜性肾病患者对免疫治疗的反应 | 机器学习 | 肾病 | 深度学习 | 卷积神经网络 | 图像 | 291名患者,其中训练集219名,验证集72名 |
366 | 2024-11-07 |
Editorial: Utilizing big data and deep learning to improve healthcare intelligence and biomedical service delivery
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1502398
PMID:39502340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
367 | 2024-11-06 |
Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears
2024-01-09, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2023011076
PMID:37967385
|
研究论文 | 开发了一种全自动端到端的深度学习管道,用于从常规染色的骨髓涂片扫描图像中直接预测急性髓系白血病的治疗相关遗传异常 | 首次使用深度学习技术从常规染色的骨髓涂片图像中直接预测急性髓系白血病的遗传异常,提供了一种快速且经济高效的筛查工具 | 需要进一步验证模型在其他骨髓疾病中的适用性 | 开发一种快速且经济高效的工具,用于在急性髓系白血病诊断当天直接从常规染色的骨髓涂片中预测治疗相关的遗传异常 | 急性髓系白血病患者的骨髓涂片图像 | 计算机视觉 | 血液疾病 | 深度学习 | 卷积神经网络 | 图像 | 408名急性髓系白血病患者,超过200万张单细胞图像 |
368 | 2024-11-06 |
DCMA: faster protein backbone dihedral angle prediction using a dilated convolutional attention-based neural network
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1477909
PMID:39493577
|
研究论文 | 提出了一种名为DCMA的轻量级方法,用于预测蛋白质骨架的二面角 | 引入了一种新的轻量级方法DCMA,结合了膨胀卷积和多头注意力机制,以提高预测性能并减少计算资源需求 | NA | 开发一种更高效的计算方法来预测蛋白质骨架的二面角 | 蛋白质骨架的二面角 | 机器学习 | NA | 膨胀卷积和多头注意力机制 | CNN | 蛋白质序列数据 | 使用了公共的CASP基准数据集进行验证 |
369 | 2024-11-06 |
Are ICD codes reliable for observational studies? Assessing coding consistency for data quality
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297056
PMID:39493629
|
研究论文 | 评估ICD代码在电子健康记录中的编码一致性及其对数据质量的影响 | 使用深度学习和统计模型分析ICD-9-CM到ICD-10-CM转换期间ICD代码分配的变化 | 研究仅限于美国退伍军人管理局的数据,结果可能不适用于其他医疗系统 | 评估ICD代码在不同时间和地点的可靠性,以确保观察性研究的数据质量 | ICD-9-CM到ICD-10-CM转换期间的ICD代码分配 | NA | NA | 深度学习 | 统计模型 | 电子健康记录数据 | 687个最常用的代码集群 |
370 | 2024-11-06 |
The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272657
PMID:39493635
|
综述 | 本文综述了可解释人工智能(XAI)方法在电子健康记录(EHR)数据研究中的应用 | 本文首次系统评估了XAI方法在ML/DL模型中的应用效果,并指出了当前研究的不足 | 本文仅限于对已发表文献的综述,未进行实证研究 | 评估XAI方法在ML/DL模型中使用EHR数据的效果 | XAI方法在ML/DL模型中的应用 | 机器学习 | NA | NA | 极端梯度提升模型、随机森林模型 | 电子健康记录数据 | 76篇相关文献 |
371 | 2024-11-06 |
Commentary on "Large-Scale Pancreatic Cancer Detection via Non-Contrast CT and Deep Learning"
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241293521
PMID:39494415
|
评论 | 评论Cao等人开发的用于早期检测胰腺导管腺癌(PDAC)的AI模型PANDA | NA | 模型主要在东亚数据集上训练,可能影响其在不同人群中的泛化能力;对罕见病变的检测能力有待提高;高特异性可能导致误报 | 评论PANDA模型在胰腺癌早期检测中的应用 | PANDA模型及其在胰腺癌检测中的表现 | 计算机视觉 | 胰腺癌 | 深度学习 | AI模型 | CT扫描图像 | 主要基于东亚数据集 |
372 | 2024-11-06 |
Breast Cancer Diagnosis Using Virtualization and Extreme Learning Algorithm Based on Deep Feed Forward Networks
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241278907
PMID:39494417
|
研究论文 | 本文提出了一种基于深度前馈网络的虚拟化和极限学习算法,用于乳腺癌的诊断 | 本文提出了智能窗口遗迹删除(SWVD)技术进行预处理,并使用深度残差多类架构(DRMFA)进行特征提取,结合改进的乌鸦觅食-ELM(ACF-ELM)算法进行分类 | NA | 开发一种新的乳腺癌诊断方法,利用云技术和机器学习提高诊断准确性 | 乳腺癌的早期检测和诊断 | 机器学习 | 乳腺癌 | 深度学习 | 极限学习机(ELM) | 图像 | 使用了DDSM和INbreast数据集 |
373 | 2024-11-04 |
Exploring the feasibility of FOCUS DWI with deep learning reconstruction for breast cancer diagnosis: A comparative study with conventional DWI
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313011
PMID:39480865
|
研究论文 | 本研究比较了基于深度学习重建的FOCUS DWI与传统DWI在乳腺癌诊断中的可行性 | 本研究首次将深度学习重建技术应用于FOCUS DWI,以优化乳腺癌影像 | 本研究仅在49名女性患者中进行,样本量较小,可能影响结果的普适性 | 探讨基于深度学习重建的FOCUS DWI在乳腺癌诊断中的可行性 | 49名疑似乳腺癌的女性患者 | 计算机视觉 | 乳腺癌 | 扩散加权成像(DWI) | 深度学习 | 图像 | 49名女性患者 |
374 | 2024-11-04 |
A combinatorial deep learning method for Alzheimer's disease classification-based merging pretrained networks
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1444019
PMID:39483205
|
研究论文 | 提出了一种结合两种预训练网络的混合深度学习方法,用于阿尔茨海默病的分类 | 通过结合两种预训练网络的优势,增强了阿尔茨海默病相关特征的表示能力 | NA | 提高阿尔茨海默病的早期诊断和干预效果 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 卷积神经网络 (CNN) | 混合模型 | 图像 | 大量阿尔茨海默病患者的MRI图像 |
375 | 2024-11-04 |
Advancements and Challenges in the Image-Based Diagnosis of Lung and Colon Cancer: A Comprehensive Review
2024, Cancer informatics
IF:2.4Q3
DOI:10.1177/11769351241290608
PMID:39483315
|
综述 | 本文综述了基于图像的肺癌和大肠癌诊断领域的最新进展和挑战 | 结合机器学习和人工智能方法,显著提高了癌症检测和表征的准确性 | 图像解释的变异性、缺乏标准化诊断协议、高级成像技术的不平等访问以及数据隐私和安全问题 | 探讨基于图像的肺癌和大肠癌诊断的最新进展和挑战 | 肺癌和大肠癌的图像诊断 | 计算机视觉 | 肺癌 | 深度学习、机器学习、图像处理 | NA | 图像 | NA |
376 | 2024-11-04 |
PatchProt: hydrophobic patch prediction using protein foundation models
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae154
PMID:39483526
|
研究论文 | 本文利用大型语言模型ESM-2进行微调,开发了一种名为PatchProt的新模型,用于预测蛋白质表面的疏水性补丁 | 通过多任务深度学习方法,PatchProt不仅能够预测疏水性补丁区域,还在二级结构和表面可及性预测等主要任务上优于现有方法 | NA | 开发一种新的方法来预测蛋白质表面的疏水性补丁,并提高蛋白质属性预测的准确性 | 蛋白质表面的疏水性补丁 | 机器学习 | NA | 多任务深度学习 | 大型语言模型ESM-2 | 蛋白质序列 | NA |
377 | 2024-11-04 |
An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.18098
PMID:39484212
|
研究论文 | 开发了一种基于双向自注意力机制的深度学习模型,用于从苏木精和伊红染色的病理图像中检测乳腺癌BRCA致病变异 | 提出了基于双向自注意力机制的多实例学习算法BiAMIL,并结合类激活映射技术进行可解释性分析 | NA | 开发一种能够从病理图像中检测乳腺癌BRCA状态的深度学习模型 | 乳腺癌患者的BRCA基因状态 | 数字病理学 | 乳腺癌 | 深度学习 | 双向自注意力机制 | 图像 | 319张病理切片,来自254名乳腺癌患者 |
378 | 2024-11-04 |
Classification of coronary artery disease severity based on SPECT MPI polarmap images and deep learning: A study on multi-vessel disease prediction
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241288430
PMID:39484655
|
研究论文 | 研究利用深度学习方法对基于SPECT MPI极坐标图图像的冠状动脉疾病严重程度进行分类,并预测多血管疾病 | 本研究结合EfficientNet-V2模型和DeepSMOTE方法,有效评估冠状动脉疾病严重程度并区分多血管疾病与单血管疾病 | NA | 探索利用深度学习技术评估冠状动脉疾病严重程度并预测多血管疾病 | 冠状动脉疾病严重程度和多血管疾病的预测 | 计算机视觉 | 心血管疾病 | 深度学习 | EfficientNet-V2 | 图像 | 254名患者(其中176名患有多血管疾病,78名患有单血管疾病) |
379 | 2024-11-04 |
ACL-DUNet: A tumor segmentation method based on multiple attention and densely connected breast ultrasound images
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307916
PMID:39485757
|
研究论文 | 提出了一种基于多注意力机制和密集连接的乳腺超声图像肿瘤分割方法 | 使用密集连接的U-net结合注意力门(AGs)以及通道注意模块和尺度注意模块,提高了乳腺肿瘤分割的准确性 | NA | 开发一种能够准确分割乳腺超声图像中肿瘤的深度学习方法 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | U-net | 图像 | 250张良性肿瘤图像和150张恶性肿瘤图像,以及780张正常、良性和恶性肿瘤图像 |
380 | 2024-11-04 |
Deep learning-based automatic image classification of oral cancer cells acquiring chemoresistance in vitro
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310304
PMID:39485749
|
研究论文 | 研究使用深度学习方法对获得化疗耐药性的口腔癌细胞进行自动图像分类 | 首次使用EfficienNet-B3模型结合过采样和欠采样技术,实现了对化疗耐药性和非耐药性口腔癌细胞的三分类 | 研究仅限于体外实验,未涉及临床应用 | 探讨深度学习在识别化疗耐药性口腔癌细胞形态变化中的应用潜力 | 化疗耐药性和非耐药性的口腔癌细胞 | 计算机视觉 | 口腔癌 | 深度学习 | CNN | 图像 | 未明确具体数量,但涉及化疗耐药性和非耐药性的口腔癌细胞 |