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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
601 | 2024-10-11 |
Brain tumor classification using fine-tuned transfer learning models on magnetic resonance imaging (MRI) images
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241286140
PMID:39381813
|
研究论文 | 本文介绍了一种利用磁共振成像(MRI)图像进行脑肿瘤分类的高效深度学习模型 | 本文采用了六种迁移学习算法(VGG16、ResNet50、MobileNetV2、DenseNet201、EfficientNetB3和InceptionV3),并通过优化数据预处理和数据增强来提高模型性能,创新性地提高了脑肿瘤分类的准确性和效率 | 本文未详细讨论模型在不同类型脑肿瘤上的具体表现,且未提及模型在实际临床应用中的可行性和接受度 | 旨在通过深度学习和迁移学习技术,提高脑肿瘤检测的准确性和效率 | 脑肿瘤的分类和检测 | 计算机视觉 | 脑肿瘤 | 迁移学习 | 深度学习模型 | 图像 | 使用了二分类和多分类数据集进行实验 |
602 | 2024-10-11 |
Utilizing deep learning models for ternary classification in COVID-19 infodemic detection
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284773
PMID:39381806
|
研究论文 | 本文利用深度学习模型进行COVID-19信息流行病的三分类检测 | 本文采用了八种常用的深度学习模型进行三分类检测,并分析了不同模型的性能 | 由于信息流行病记录的有限性和数据集规模较小,预训练嵌入或简单架构的模型表现优于更复杂的模型 | 解决COVID-19信息流行病中区分真假信息的复杂性问题 | COVID-19信息流行病的三分类检测 | 自然语言处理 | NA | 深度学习 | fastText、基于RNN的模型、基于CNN的模型、基于Transformer的模型 | 文本 | 两个相对较小的数据集 |
603 | 2024-10-11 |
A sustainable artificial-intelligence-augmented digital care pathway for epilepsy: Automating seizure tracking based on electroencephalogram data using artificial intelligence
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241287356
PMID:39381810
|
研究论文 | 本研究开发了一种基于人工智能的自动化癫痫发作追踪模型,用于头皮脑电图数据的分析,旨在支持可持续的数字癫痫护理路径 | 本研究提出了一个结合随机森林、主成分分析和支持向量机的AI增强框架,以及卷积神经网络模型,用于自动化脑电图癫痫发作追踪,提高了诊断准确性 | AI集成框架的可持续性依赖于技术基础设施、专业人员、培训计划、患者数字素养、财务资源和监管合规性等因素 | 开发一种AI增强模型,用于自动化脑电图癫痫发作追踪,支持可持续的数字癫痫护理路径 | 头皮脑电图数据和癫痫患者 | 机器学习 | 癫痫 | 机器学习 | 卷积神经网络 | 脑电图数据 | NA |
604 | 2024-10-11 |
Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284349
PMID:39381826
|
研究论文 | 开发了一种基于模块化混合生长神经气(MyGNG)的智能计算系统,用于阿尔茨海默病(AD)的早期诊断 | 提出了一种新的模块化混合生长神经气(MyGNG)架构,用于早期诊断阿尔茨海默病,并在分类任务中表现优于其他机器学习方法 | NA | 开发一种智能计算系统,用于阿尔茨海默病的早期诊断 | 轻度认知障碍(MCI)和认知正常(CN)患者的分类任务 | 机器学习 | 阿尔茨海默病 | 模块化混合生长神经气(MyGNG) | 混合神经网络 | 特征数据 | 495和819名患者,每名患者有211个特征 |
605 | 2024-10-11 |
AmpClass: an Antimicrobial Peptide Predictor Based on Supervised Machine Learning
2024, Anais da Academia Brasileira de Ciencias
IF:1.1Q3
DOI:10.1590/0001-3765202420230756
PMID:39383429
|
研究论文 | 本文介绍了一种基于监督机器学习的抗菌肽预测工具AmpClass | AmpClass在识别具有抗菌活性的肽方面优于传统的最先进预测模型,并与深度学习模型取得相似的结果 | NA | 开发一种新的抗菌肽预测工具,以应对抗生素耐药性问题 | 抗菌肽和非抗菌肽 | 机器学习 | NA | 监督学习 | NA | 肽序列 | 15945个抗菌肽和12535个非抗菌肽 |
606 | 2024-10-10 |
A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241277389
PMID:39267420
|
综述 | 本文总结了大量基于统计数据和临床经验的文章,提出了一种标准化的淋巴结评估协议 | 提出了多模态、多组学、多阶段的综合评估方法,并构建了深度学习模型辅助图像分析 | 未详细讨论免疫功能受损的具体机制和解决方案 | 提出一种标准化的淋巴结评估协议,以优化癌症患者的治疗方案和预后预测 | 癌症患者的淋巴结评估 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | NA |
607 | 2024-10-02 |
Towards deep learning methods for quantification of the right ventricle using 2D echocardiography
2024, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2347125
PMID:39351980
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
608 | 2024-10-10 |
Image restoration in frequency space using complex-valued CNNs
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1353873
PMID:39376505
|
研究论文 | 本文探讨了在频率空间中使用复值卷积神经网络(CV-CNN)进行图像恢复的潜力 | 提出了基于复值卷积神经网络(CV-CNN)的新模型,配备了复值注意力门,用于频率域中的图像去噪和超分辨率任务 | 空间域中的实值卷积神经网络(RV-CNN)在处理完整频率谱时存在局限性,导致纹理和结构元素的缺失 | 解决空间域中实值卷积神经网络在图像恢复任务中的局限性,探索复值卷积神经网络在频率域中的应用 | 图像去噪和超分辨率任务 | 计算机视觉 | NA | 复值卷积神经网络(CV-CNN) | 复值卷积神经网络(CV-CNN) | 图像 | 涉及超分辨率结构光照显微镜(SR-SIM)和常规图像数据集 |
609 | 2024-10-10 |
Pilot turning behavior cognitive load analysis in simulated flight
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1450416
PMID:39376543
|
研究论文 | 本文通过模拟飞行实验,分析了不同转向任务中的认知负荷,并开发了一种基于机器学习和深度学习算法的认知负荷识别模型 | 本文首次将LSTM-Attention模型应用于飞行员转向任务的认知负荷识别,并取得了较高的F1分数 | 实验仅基于模拟飞行环境,未考虑实际飞行中的复杂情况 | 识别模拟飞行中不同转向任务的认知负荷 | 飞行员在模拟飞行中的转向行为 | 机器学习 | NA | 心率变异性(HRV)分析 | LSTM-Attention | 心率数据和飞行数据 | 未明确提及具体样本数量 |
610 | 2024-10-10 |
Integrating tabular data through image conversion for enhanced diagnosis: A novel intelligent decision support system for stratifying obstructive sleep apnoea patients using convolutional neural networks
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272632
PMID:39376943
|
研究论文 | 本文介绍了一种基于深度学习技术的智能决策支持系统,通过将表格数据转换为图像来诊断阻塞性睡眠呼吸暂停的严重程度 | 创新点在于将患者数据形式化为图像,并使用卷积神经网络进行训练和推理 | NA | 开发一种新的数据形式化方法,以利用深度学习技术从表格数据中进行诊断 | 阻塞性睡眠呼吸暂停患者的严重程度 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 2472名患者的数据,其中247个样本用于初步测试 |
611 | 2024-10-09 |
Multi-modal remote perception learning for object sensory data
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1427786
PMID:39377028
|
研究论文 | 本文介绍了一种名为深度融合网络(DFN)的新方法,通过结合多目标检测和语义分析来提高上下文场景理解能力 | 提出了深度融合网络(DFN),通过结合深度学习和融合技术来提高复杂场景中的准确性和理解能力 | NA | 提高智能系统在复杂场景中的上下文理解和对象检测能力 | 多模态远程感知数据 | 计算机视觉 | NA | 深度学习 | 深度融合网络(DFN) | 图像 | SUN-RGB-D数据集和NYU-Dv2数据集 |
612 | 2024-10-10 |
Quality assessment of traditional Chinese medicine based on data fusion combined with machine learning: A review
2024, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2023.2189477
PMID:36966435
|
综述 | 本文综述了基于数据融合和机器学习的中药质量评估方法 | 本文介绍了多源信息融合技术和机器学习在中药质量评估中的应用,提高了评估的准确性和全面性 | 本文主要综述了现有方法,未提出新的具体技术或模型 | 探讨数据融合和机器学习在中药质量评估中的应用 | 中药的质量评估 | 机器学习 | NA | 数据融合 | 深度学习 | 化学成分数据 | NA |
613 | 2024-10-09 |
Correction to: Growing ecosystem of deep learning methods for modeling protein-protein interactions
2024-Jan-29, Protein engineering, design & selection : PEDS
DOI:10.1093/protein/gzae016
PMID:39377372
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
614 | 2024-10-09 |
Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.20.576449
PMID:38328064
|
研究论文 | 本文介绍了一种名为embGAN的深度学习管道,用于在无标记的3D时间序列显微镜成像中实现自动细胞检测和跟踪 | embGAN无需手动数据标注即可进行训练,学习到的检测具有高度的尺度不变性,并且在多个实验室和仪器的图像中具有良好的泛化能力 | NA | 开发一种自动化的细胞谱系重建方法 | 无标记的3D时间序列显微镜成像中的细胞检测和跟踪 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | 多个实验室和仪器的图像 |
615 | 2024-10-09 |
Breast Multiparametric MRI for Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer: The BMMR2 Challenge
2024-01, Radiology. Imaging cancer
DOI:10.1148/rycan.230033
PMID:38180338
|
研究论文 | 描述了BMMR2挑战的设计、实施和结果,旨在通过多参数乳腺MRI预测新辅助化疗反应 | 识别了几种具有高预测性能的模型,进一步扩展了多参数乳腺MRI作为治疗反应早期标志物的价值 | NA | 通过多参数乳腺MRI识别基于图像的标志物,预测新辅助化疗后的病理完全反应 | 多参数乳腺MRI数据,包括扩散加权成像和动态对比增强MRI,以及临床数据 | 数字病理学 | 乳腺癌 | 多参数MRI | 深度学习和人工智能方法 | 图像 | 573例乳腺MRI研究,来自191名女性(平均年龄48.9岁±10.56) |
616 | 2024-10-09 |
Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1445325
PMID:39371344
|
研究论文 | 本研究利用深度卷积神经网络和迁移学习技术,通过MRI数据检测阿尔茨海默病和轻度认知障碍 | 采用迁移学习技术提升模型性能,并使用多种深度学习架构进行对比,发现ResNet-101在多类分类任务中表现最佳 | NA | 开发有效的模型用于检测阿尔茨海默病和轻度认知障碍 | 阿尔茨海默病和轻度认知障碍的MRI数据 | 计算机视觉 | 阿尔茨海默病 | MRI | CNN | 图像 | ADNI和OASIS数据集中的大量MRI数据 |
617 | 2024-10-09 |
DGDRP: drug-specific gene selection for drug response prediction via re-ranking through propagating and learning biological network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1441558
PMID:39371421
|
研究论文 | 本文提出了一种基于图神经网络(GNN)的药物特异性基因选择模型DGDRP,用于药物反应预测 | DGDRP通过路径知识增强的网络传播算法和GNN学习到的基因与药物目标嵌入相似性进行基因重排序,从而选择与药物机制相关的基因,提高了药物反应预测的准确性 | NA | 开发一种新的方法来提高药物反应预测的准确性,并发现有效的生物标志物 | 药物特异性基因的选择和药物反应预测 | 机器学习 | NA | 图神经网络(GNN) | GNN | 基因数据 | NA |
618 | 2024-10-09 |
Deep learning-based Alzheimer's disease detection: reproducibility and the effect of modeling choices
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1360095
PMID:39371524
|
研究论文 | 本文研究了基于深度学习的阿尔茨海默病检测方法的再现性和建模选择的影响 | 本文探讨了数据增强技术和模型复杂度对阿尔茨海默病检测性能的影响,强调了这些常被忽视的因素的重要性 | 本文未详细讨论其他可能影响模型性能的因素,如数据质量和样本多样性 | 研究如何通过严格遵循最佳实践来确保机器学习在临床实践中的可靠性和再现性 | 阿尔茨海默病的检测 | 机器学习 | 阿尔茨海默病 | 磁共振成像 (MRI) | 3D卷积神经网络 (CNN) | 图像 | 使用了来自ADNI语料库的MRI数据进行二分类问题研究 |
619 | 2024-10-09 |
Spiking representation learning for associative memories
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1439414
PMID:39371606
|
研究论文 | 本文介绍了一种新型脉冲神经网络(SNN),用于无监督表示学习和联想记忆操作 | 利用Hebbian突触和活动依赖的结构可塑性,结合Poisson脉冲发生器模型,实现了高效的表示学习和联想记忆操作 | NA | 解决人工脉冲神经网络在处理大规模现实数据集时的挑战 | 脉冲神经网络的表示学习和联想记忆操作 | 机器学习 | NA | Hebbian突触和活动依赖的结构可塑性 | 脉冲神经网络(SNN) | NA | NA |
620 | 2024-10-09 |
The Deep Learning-Crop Platform (DL-CRoP): For Species-Level Identification and Nutrient Status of Agricultural Crops
2024, Research (Washington, D.C.)
DOI:10.34133/research.0491
PMID:39371687
|
研究论文 | 本文介绍了一种名为Deep Learning-Crop Platform (DL-CRoP)的深度学习平台,用于通过叶片、茎和根图像识别商业种植植物及其营养需求 | DL-CRoP平台通过卷积神经网络提取内在特征模式,并在识别任务中取得了显著成果。此外,通过引入多头注意力机制改进了氮缺乏分类的准确性 | 尽管DL-CRoP平台在多个案例中表现出色,但在某些情况下(如案例D)的准确率仍有提升空间 | 开发一种可靠的深度学习平台,用于精确识别农作物种类及其营养状态 | 商业种植的植物及其营养需求 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了Jammu University-Botany Image Database (JU-BID)中的植物图像数据集,具体样本数量未明确说明 |