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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1301 | 2024-08-05 |
Human cytokine and coronavirus nucleocapsid protein interactivity using large-scale virtual screens
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1397968
PMID:38855143
|
研究论文 | 本研究利用大型虚拟筛选来理解SARS-CoV-2与人体免疫系统之间的相互作用。 | 提出了一种新算法GIRAF,用于快速评估蛋白质-蛋白质对接的结合界面,同时比较了基于深度学习的AlphaFold2-Multimer和半物理化学的HADDOCK方法的预测能力。 | 研究的限制未详细说明,但可能存在数据的适用性和通用性的问题。 | 研究SARS-CoV-2和人类细胞因子之间的相互作用,以推动针对新型病毒变异的干预措施的开发。 | 分析64种人类细胞因子与来自六种β冠状病毒的17种核壳蛋白的结合亲和力。 | 数字病理学 | NA | 分子对接工具 | AlphaFold2-Multimer和HADDOCK | NA | 64种细胞因子和17种核壳蛋白 |
1302 | 2024-08-05 |
Utilizing portable electroencephalography to screen for pathology of Alzheimer's disease: a methodological advancement in diagnosis of neurodegenerative diseases
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1392158
PMID:38855641
|
研究论文 | 本研究提出了一种新型的便携式脑电图用于筛查阿尔茨海默病的非侵入性方法 | 该研究结合了便携式脑电图和先进的深度学习技术,以更具成本效益和可及性的方法识别阿尔茨海默病 | 研究样本量较小,需进一步验证方法的有效性和普遍适用性 | 旨在解决阿尔茨海默病诊断中的侵入性和成本问题 | 35名生物标志物验证的阿尔茨海默病患者与35名健康志愿者的脑电图数据 | 数字病理学 | 阿尔茨海默病 | 便携式脑电图 | Vision Transformer (ViT) | 脑电图图像 | 70个样本(35名阿尔茨海默病患者和35名健康志愿者) |
1303 | 2024-08-05 |
Research on building extraction from remote sensing imagery using efficient lightweight residual network
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2006
PMID:38855201
|
研究论文 | 提出了一种高效轻量的残差网络用于从高分辨率遥感影像中自动提取建筑物 | 提出的ELRNet在编码器-解码器结构中采用了轻量特征提取模块和深度分离卷积,以提高建筑提取的准确性与效率 | 该研究依赖于WHU Building数据集进行评估,可能限制了结果的普遍适用性 | 平衡建筑物提取的准确性与计算量 | 高分辨率遥感影像中的建筑物 | 计算机视觉 | NA | 卷积神经网络(CNN) | ELRNet | 图像 | WHU Building数据集 |
1304 | 2024-08-05 |
Deep learning in finance assessing twitter sentiment impact and prediction on stocks
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2018
PMID:38855200
|
研究论文 | 本文研究社交媒体情绪与股市波动之间的关系 | 研究设计了一个专门评估与金融市场相关的推特情绪的模型 | 未提及具体的数据限制或模型局限性 | 量化社交媒体表达的情绪与股市波动之间的相关性 | 社交媒体上的金融相关推文 | 机器学习 | NA | 情绪分析算法 | NA | 文本 | 一个综合的数据集,涉及相关股票的推特讨论 |
1305 | 2024-08-05 |
2023 Beijing Health Data Science Summit
2024, Health data science
DOI:10.34133/hds.0112
PMID:38854991
|
评论 | 2023年北京健康数据科学峰会成功召开,旨在促进健康数据科学领域的协作 | 首次引入摘要竞赛,聚焦于最新的数据科学方法论,尤其是在医疗保健场景中的人工智能应用 | 未提供具体医学研究或数据分析的详细结果 | 推动数据在改善健康结果方面的使用 | 参与健康数据科学研究的研究人员、实践者和利益相关者 | 健康数据科学 | NA | 人工智能 | NA | NA | 61个摘要提交 |
1306 | 2024-08-05 |
Enhancing early breast cancer diagnosis through automated microcalcification detection using an optimized ensemble deep learning framework
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2082
PMID:38855257
|
研究论文 | 该文章提出了一种优化的深度学习集成框架,通过自动微钙化检测来提高早期乳腺癌诊断的准确性 | 引入了一种新的集成模型,通过结合不同架构的优势来增强乳腺癌微钙化检测的准确性和依赖性 | 未能提供具体的样本数量和临床应用案例的广泛性 | 提升乳腺癌早期诊断的准确性和有效性 | 主要研究对象为乳腺微钙化的检测 | 计算机视觉 | 乳腺癌 | 深度学习 | 集成模型(包含AlexNet, GoogLeNet, VGG16, ResNet-50) | 图像 | NA |
1307 | 2024-08-05 |
Retraction: Analysis of psychological characteristics and emotional expression based on deep learning in higher vocational music education
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1433717
PMID:38860053
|
撤回 | 该文章涉及高职音乐教育中基于深度学习的心理特征和情感表达分析 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1308 | 2024-08-05 |
Innovative road distress detection (IR-DD): an efficient and scalable deep learning approach
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2038
PMID:38855249
|
research paper | 这篇文章提出了一种创新的道路损伤检测框架IR-DD,利用YOLOv8算法提升检测精度和实时能力 | 本研究通过结合双向特征金字塔网络(BiFPN)递归特征融合和双向连接,优化多尺度特征的利用,解决了传统方法中的信息损失和梯度问题 | 文章未提及具体的局限性 | 研究的目的是提高道路损伤检测的效率和准确性,以确保安全可靠的交通系统 | 研究对象是道路损伤监测及智能城市和自动驾驶车辆的应用 | 计算机视觉 | NA | YOLOv8 | 双向特征金字塔网络(BiFPN) | 图像 | NA |
1309 | 2024-08-05 |
A comprehensive review of deep learning in EEG-based emotion recognition: classifications, trends, and practical implications
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2065
PMID:38855206
|
综述 | 本文系统性地分类和总结了基于EEG的情感识别的最新发展 | 提出了一种全面的分类方法,强调了不同方向对建模方法的需求 | 现有分类较粗略,对潜在应用考虑不足 | 研究基于EEG的情感识别的分类与实际应用 | 多种基于EEG的情感识别模型和方法 | 计算机视觉 | NA | 深度学习 | NA | EEG信号 | NA |
1310 | 2024-08-05 |
Mobile-UI-Repair: a deep learning based UI smell detection technique for mobile user interface
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2028
PMID:38855210
|
研究论文 | 该文章提出了一种名为Mobile-UI-Repair的深度学习技术,用于移动用户界面的UI气味检测 | 创新性在于提出了一个新的UI缺陷识别与定位方法,能够有效识别图形用户界面的显示问题 | 目前的方法仍需在性能上进一步提升,特别是在结合设计规范和论坛上的语法与语义信息方面 | 研究旨在提高移动应用程序用户界面的质量,特别是在检测可用性和无障碍性方面 | 研究对象是移动应用程序的图形用户界面及其设计缺陷 | 计算机视觉 | NA | 深度学习 | NA | 历史数据和实时数据 | 八位开发者参与了问卷调查 |
1311 | 2024-08-05 |
Analysis of the performance of Faster R-CNN and YOLOv8 in detecting fishing vessels and fishes in real time
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2033
PMID:38855240
|
研究论文 | 本研究对Faster R-CNN和YOLOv8在实时检测渔船和鱼类的性能进行了比较分析 | 首次比较Faster R-CNN和YOLOv8在渔业监测中的实时检测能力 | 未提及特定的实验条件和数据集的多样性 | 旨在提升渔业监测和对象检测的效果 | Faster R-CNN和YOLOv8模型在渔业监测中的应用 | 计算机视觉 | NA | 深度学习 | Faster R-CNN, YOLOv8 | 图像 | NA |
1312 | 2024-08-05 |
Computer-aided colorectal cancer diagnosis: AI-driven image segmentation and classification
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2071
PMID:38855213
|
研究论文 | 本文提出了一种计算机辅助的结直肠癌自动检测方法。 | 采用了UNet3+进行图像分割,并使用交叉注意多尺度视觉变换器模型进行异常类型预测,展现了高性能。 | 本文未提及研究样本量和数据来源的具体信息。 | 旨在通过计算机辅助诊断系统提高结直肠癌的检测准确性。 | 研究对象包括五种结直肠异常及对照组。 | 数字病理学 | 结直肠癌 | 图像分割和深度学习 | UNet3+和交叉注意多尺度视觉变换器 | 图像 | NA |
1313 | 2024-08-05 |
Applying a deep learning pipeline to classify land cover from low-quality historical RGB imagery
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2003
PMID:38855218
|
研究论文 | 应用深度学习流程从低质量历史RGB图像中分类土地覆盖 | 首次将深度学习流水线应用于历史低质量图像进行土地覆盖分类 | 研究仅集中于温哥华,可能不适用于其他地区 | 旨在使用低质量历史图像分析土地覆盖变化 | 以加拿大温哥华为案例研究对象 | 计算机视觉 | NA | 深度学习 | Atrous CNN (DeepLabv3+) | 图像 | 一个小型手动标注和增强的历史图像数据集 |
1314 | 2024-08-05 |
Detection of mild cognitive impairment based on attention mechanism and parallel dilated convolution
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2056
PMID:38855222
|
研究论文 | 本文提出了一种基于注意力机制和并行膨胀卷积的轻度认知障碍检测方法 | 通过引入注意力机制来突出病灶区的相关信息,并结合并行膨胀卷积以增强上下文信息的获取能力 | 目前对轻度认知障碍检测方法的深度学习基础模型的限制仍然存在 | 研究轻度认知障碍的检测方法以提供更早的干预和治疗 | 轻度认知障碍患者的脑部MRI图像 | 计算机视觉 | 轻度认知障碍 | MRI | NA | 图像 | ADNI公共数据集上的实验结果 |
1315 | 2024-08-05 |
Recurrent attention U-Net for segmentation and quantification of breast arterial calcifications on synthesized 2D mammograms
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2076
PMID:38855260
|
研究论文 | 本研究提出了一种深度学习方法,用于在合成的二维乳腺X光图像中检测和量化乳腺动脉钙化 | 提出了一种包含递归机制和注意模块的递归注意U-Net模型,能够有效识别和分类BAC | 未提及具体的限制 | 旨在帮助放射科医生检测和量化乳腺动脉钙化 | 研究对象为合成的二维乳腺X光图像中的乳腺动脉钙化 | 计算机视觉 | 心血管疾病 | 深度学习 | 递归注意U-Net | 图像 | 2,000张合成二维乳腺X光图像 |
1316 | 2024-08-05 |
An efficient computational framework for gastrointestinal disorder prediction using attention-based transfer learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2059
PMID:38855223
|
研究论文 | 本文提出了一种基于注意力机制的转移学习架构,以提高胃肠道疾病的诊断效率 | 将转移学习与注意力机制相结合,以提升计算机辅助诊断系统的性能 | 现有系统在更大数据集上的安全性和可靠性仍需进一步改善 | 开发一种有效的计算机辅助诊断系统来分类八种胃肠道图像 | 胃肠道疾病的图像数据 | 计算机视觉 | 胃肠疾病 | 深度学习 | ConvNeXt+Attention | 图像 | NA |
1317 | 2024-08-05 |
Deep learning for diagnosis of head and neck cancers through radiographic data: a systematic review and meta-analysis
2024-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-023-00715-5
PMID:37855976
|
系统评价与荟萃分析 | 本研究回顾了深度学习在头颈癌检测中的应用,使用了磁共振成像和放射数据 | 该文章通过系统评价和荟萃分析,提供了头颈癌检测的深度学习模型的准确性和特异性的量化数据 | 仅包括了满足特定标准的32项研究,可能存在选择偏倚 | 研究深度学习在头颈癌通过医学影像数据检测中的应用 | 对头颈癌的医学影像(CT、PET、MRI等)进行的深度学习模型 | 数字病理学 | 头颈癌 | 深度学习 | 分类模型、目标检测模型 | 医学影像 | 从1967项研究中筛选出的32项符合条件的研究 |
1318 | 2024-08-05 |
Recognition of sports and daily activities through deep learning and convolutional block attention
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2100
PMID:38855220
|
研究论文 | 本研究使用可穿戴传感器数据通过深度学习技术识别与体育和健身相关的人类行为 | 创新在于无缝整合CNN、BiGRU和CBAM组件,学习空间和时间关系,优先考虑显著特征进行活动检测 | NA | 研究旨在提高运动和日常活动的识别准确性 | 使用UCI-DSA数据集进行多类活动识别 | 计算机视觉 | NA | CNN | CNN-BiGRU-CBAM | 运动和生物特征数据 | NA |
1319 | 2024-08-05 |
Automated identification and quantification of metastatic brain tumors and perilesional edema based on a deep learning neural network
2024-Jan, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-023-04540-y
PMID:38133789
|
研究论文 | 本论文展示了一种用于自动分割转移性脑肿瘤及相关周边水肿的深度学习模型 | 该研究采用仅仅使用T1加权对比增强影像和T2加权影像训练深度学习模型,从而实现自动分割和定量分析 | 研究中使用的数据集相对较小,仅包含90组MRI影像,可能影响模型的泛化能力 | 研究旨在通过深度学习技术提高转移性脑肿瘤和周边水肿的分割效率 | 研究对象为46名患者的转移性脑肿瘤与周边水肿影像数据 | 计算机视觉 | 脑肿瘤 | 深度学习 | DeepMedic 3D卷积神经网络 | 影像 | 90组MRI影像,来自46名患者 |
1320 | 2024-08-05 |
Multi-Modal Sleep Stage Classification With Two-Stream Encoder-Decoder
2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2024.3394738
PMID:38848223
|
研究论文 | 该文章提出了一种名为TSEDSleepNet的双流编码解码网络,用于多模态睡眠阶段分类 | 该方法通过深度敏感注意力和自动多模态融合框架,优化多模态信息的利用,提取长短期时间特征,并解决睡眠数据的类别不平衡问题 | 暂无相关信息 | 旨在提高自动睡眠阶段分类的准确性 | 采用多模态信号(EOG和EEG)进行睡眠阶段分类 | 机器学习 | 睡眠障碍 | 深度学习 | 双流编码解码网络 | 多模态信号 | 在Sleep-EDF-39和Sleep-EDF-153数据集上进行测试 |