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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
161 | 2024-12-12 |
A novel deep learning model for predicting marine pollution for sustainable ocean management
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2482
PMID:39650505
|
研究论文 | 本文提出了一种新的深度学习模型,用于预测海洋污染,以支持可持续的海洋管理 | 本文创新性地利用人工智能力量识别和分类海洋及海底塑料废物,并使用全卷积网络(FCN)进行分类 | NA | 研究目的是利用人工智能技术识别和分类海洋及海底塑料废物,以支持可持续的海洋管理 | 研究对象是海洋及海底的塑料废物 | 机器学习 | NA | 全卷积网络(FCN) | 全卷积网络(FCN) | 图像 | 使用了Kaggle的塑料位置数据进行模型训练 |
162 | 2024-12-12 |
Advancing multi-categorization and segmentation in brain tumors using novel efficient deep learning approaches
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2496
PMID:39650515
|
研究论文 | 本文提出了一种基于深度学习的新方法,用于脑肿瘤的多分类和分割,旨在提高分类的准确性和速度 | 引入了ERSACA-Net模型,结合了扩展残差结构和自适应通道注意力机制,并使用了LWIFCM_CSA方法进行聚类,以及CTGAN解决类别不平衡问题 | NA | 提高脑肿瘤分类和分割的准确性和效率 | 脑肿瘤的分类和受影响区域的分割 | 计算机视觉 | 脑肿瘤 | 深度学习 | ERSACA-Net | 图像 | NA |
163 | 2024-12-12 |
A systematic review on artificial intelligence approaches for smart health devices
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2232
PMID:39650514
|
综述 | 本文系统回顾了用于智能健康设备的人工智能方法,探讨了机器学习和深度学习在智能健康中的应用,并分析了隐私和安全问题 | 本文通过系统回顾提供了智能健康领域中AI方法的全面概述,并提出了设计、开发和实施AI解决方案的实用指南 | 本文主要通过回顾现有文献进行分析,未进行实际的实验或数据验证 | 本文旨在通过系统回顾识别智能健康领域的挑战、最佳实践和未来机会,并提供AI解决方案的实用指南 | 本文研究对象包括智能健康设备、机器学习和深度学习网络架构以及健康数据的隐私和安全问题 | 机器学习 | NA | 机器学习(ML)和深度学习(DL) | 神经网络 | 数据 | NA |
164 | 2024-12-12 |
Auditory-GAN: deep learning framework for improved auditory spatial attention detection
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2394
PMID:39650521
|
研究论文 | 本文提出了一种名为Auditory-GAN的深度学习框架,用于改进多通道脑电图信号中的听觉空间注意力检测 | 创新点在于提出了一个完整的深度听觉生成对抗网络辅助系统,能够生成脑电图数据并执行听觉空间检测,同时解决了在线脑电图数据稀缺和低延迟检测的问题 | NA | 改进听觉空间注意力检测的准确性和效率 | 多通道脑电图信号中的听觉空间注意力 | 机器学习 | NA | 生成对抗网络(GAN) | 生成对抗网络(GAN) | 脑电图信号 | 64通道脑电图数据 |
165 | 2024-12-12 |
Measurement of sulfur content in coal mining areas by using field-remote sensing data and an integrated deep learning model
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2458
PMID:39650518
|
研究论文 | 本研究首次利用现场遥感数据绘制露天煤矿硫含量分布图,并提出了一种评估煤矿成分的新方法 | 首次使用现场遥感数据和集成深度学习模型来测量煤矿区域的硫含量,并提出了基于卷积神经网络的微型神经网络模型 | 未提及具体限制 | 快速确定煤矿区域煤的硫含量 | 煤矿区域的煤硫含量 | 计算机视觉 | NA | 遥感数据,可见光-近红外(Vis-NIR)光谱 | 卷积神经网络(CNN) | 图像 | 未提及具体样本数量 |
166 | 2024-12-12 |
Deep learning-based anomaly detection using one-dimensional convolutional neural networks (1D CNN) in machine centers (MCT) and computer numerical control (CNC) machines
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2389
PMID:39650526
|
研究论文 | 本研究提出了一种基于一维卷积神经网络(1D CNN)的深度学习模型,用于机床中心(MCT)和计算机数控(CNC)机器的早期故障检测 | 本研究的创新点在于使用1D CNN模型进行早期故障检测,相比传统机器学习分类器和其他深度学习模型,该模型在准确率、精确率、召回率和F1分数上均表现更优 | NA | 研究目的是开发一种高效的深度学习模型,用于机床中心(MCT)和计算机数控(CNC)机器的早期故障检测,以降低维护成本并提高生产效率 | 研究对象是机床中心(MCT)和计算机数控(CNC)机器的传感器数据 | 机器学习 | NA | 一维卷积神经网络(1D CNN) | 一维卷积神经网络(1D CNN) | 传感器数据 | NA |
167 | 2024-12-12 |
Enhancing brain tumor MRI classification with an ensemble of deep learning models and transformer integration
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2425
PMID:39650528
|
研究论文 | 本文提出了一种结合深度学习模型和Transformer编码器的混合模型,用于增强脑肿瘤MRI分类的准确性 | 本文的创新点在于将迁移学习和Transformer编码器机制相结合,并通过集成多个预训练模型(DenseNet201、GoogleNet和InceptionResNetV2)来提高分类准确性 | 本文的局限性在于仅在公开的研究数据集上进行了实验,未提及在实际临床环境中的应用效果 | 本文的研究目的是提高脑肿瘤MRI分类的准确性,以支持早期诊断和治疗 | 本文的研究对象是脑肿瘤的MRI图像分类 | 计算机视觉 | 脑肿瘤 | 深度学习 | 混合模型(集成模型与Transformer编码器) | 图像 | 使用了三个公开数据集:Cheng数据集、BT-large-2c数据集和BT-large-4c数据集,每个数据集的样本数量、平面和对比度有所不同 |
168 | 2024-12-12 |
Recognition of Conus species using a combined approach of supervised learning and deep learning-based feature extraction
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313329
PMID:39652613
|
研究论文 | 本文提出了一种结合监督学习和深度学习特征提取的方法来识别芋螺物种 | 本文的创新点在于采用了随机森林和XGBoost的集成学习策略,并结合深度学习模型进行特征提取,以提高芋螺物种识别的准确性 | 本文的局限性在于仅使用了芋螺壳的图像数据,未来可以考虑结合其他类型的数据进行研究 | 本文的研究目的是开发一种高效准确的方法来识别芋螺物种 | 本文的研究对象是芋螺物种及其壳的图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 47,600张尺寸为224x224像素的芋螺壳图像 |
169 | 2024-12-11 |
Toward explainable deep learning in healthcare through transition matrix and user-friendly features
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1482141
PMID:39654544
|
研究论文 | 本研究提出了一种基于转移矩阵的可扩展方法,用于增强深度学习模型在医疗信号和图像处理中的可解释性 | 通过转移矩阵将复杂的模型决策转化为用户友好的可解释特征,结合临床指南和专家规则,使模型输出符合既定的医疗标准 | NA | 提高深度学习模型在医疗应用中的透明度和可信度 | 心电图(ECG)数据用于心律失常检测和磁共振成像(MRI)数据用于心脏病分类 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 信号和图像 | 两个医疗数据集:心电图(ECG)和磁共振成像(MRI) |
170 | 2024-12-12 |
On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice
2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2142-1643
PMID:37820710
|
研究论文 | 本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数(cFFR)计算的技术可行性 | 本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化 | 本研究为单中心回顾性分析,样本量有限,且仅在部分患者中进行了侵入性冠状动脉造影的对比 | 评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性 | 230名疑似冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习算法 | 图像 | 230名患者,其中57名进行了侵入性冠状动脉造影 |
171 | 2024-12-12 |
An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2023.3308196
PMID:38059126
|
研究论文 | 本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法 | 本文的创新点在于使用数据增强技术(如小窗口分割和SMOTE算法)来解决数据集大小和类别不平衡问题,并提出了一种简化的神经网络架构,显著减少了模型的训练参数 | 本文的局限性在于仅使用了两个公开数据集进行实验,未来可能需要更多样化的数据集来验证方法的泛化能力 | 本文的研究目的是提高癫痫检测的效率和准确性,并使其适用于低成本、低计算资源的硬件设备 | 本文的研究对象是癫痫患者的脑电图信号 | 机器学习 | 神经疾病 | SMOTE | 神经网络 | 脑电图 | 9371个参数 |
172 | 2024-12-12 |
MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features
2024-01, RNA biology
IF:3.6Q2
DOI:10.1080/15476286.2024.2315384
PMID:38357904
|
研究论文 | 本文提出了一种结合预训练序列表示和多种序列特征的混合方法,用于预测多种RNA修饰 | 本文的创新点在于开发了MRM-BERT模型,该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络(CNN),利用四种传统序列特征编码来提高预测性能 | NA | 本文的研究目的是开发一种有效的方法来预测多种RNA修饰,以促进对RNA生物学的理解并推动治疗策略的发展 | 本文的研究对象是12种常见的RNA修饰,包括mA、mC等 | 机器学习 | NA | NA | CNN | 序列 | 多个数据集,包含12种常见的RNA修饰 |
173 | 2024-12-12 |
In silico models of the macromolecular NaV1.5-KIR2.1 complex
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1362964
PMID:38468705
|
研究论文 | 本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型,揭示了这两个通道在整个跨膜区域上的物理相互作用 | 首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用,并发现了疾病相关突变的热点区域 | 仅通过计算机模拟生成模型,未进行实验验证 | 研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用 | Na1.5和K2.1通道及其形成的宏分子复合物 | 心血管疾病 | 心血管疾病 | AlphaFold-Multimer | AlphaFold-Multimer | 蛋白质结构 | NA |
174 | 2024-12-12 |
BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification
2024-01, RNA biology
IF:3.6Q2
DOI:10.1080/15476286.2024.2329451
PMID:38528797
|
研究论文 | 本文提出了一种名为BioDeepFuse的混合深度学习框架,结合卷积神经网络(CNN)或双向长短期记忆网络(BiLSTM)与手工特征提取技术,用于增强非编码RNA分类的准确性 | 创新点在于将CNN或BiLSTM与手工特征提取技术相结合,以优化非编码RNA序列的空间和序列特征的利用 | NA | 旨在提高非编码RNA分类的准确性,并深化对非编码RNA在细胞过程和疾病表现中的理解 | 非编码RNA序列 | 机器学习 | NA | 卷积神经网络(CNN),双向长短期记忆网络(BiLSTM),手工特征提取技术 | 混合深度学习框架 | 序列 | 使用基准数据集和来自细菌生物的实际RNA样本进行评估 |
175 | 2024-12-12 |
A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1333712
PMID:38686334
|
综述 | 本文综述了生成对抗网络(GAN)在基于结构和功能磁共振成像(MRI)的脑部疾病诊断分类中的应用 | GAN通过学习数据分布来增强数据,为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案 | 本文指出了方法学和可解释性方面的不足,并提出了未来研究的方向 | 探讨GAN在神经影像数据分类中的应用,并提出未来研究的方向 | 基于结构和功能MRI的脑部疾病诊断分类 | 机器学习 | NA | 生成对抗网络(GAN) | 生成对抗网络(GAN) | 图像 | NA |
176 | 2024-12-11 |
Multi-site benchmark classification of major depressive disorder using machine learning on cortical and subcortical measures
2024-01-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-47934-8
PMID:38212349
|
研究论文 | 本文使用机器学习技术对多站点样本进行大规模分类,评估了浅层线性和非线性模型在区分重度抑郁症与健康对照中的表现 | 本文采用了迄今为止最大的多站点样本(N=5365),并使用标准化ENIGMA分析管道中的脑测量数据,提供了一个可推广的机器学习分类基准 | 尽管使用了大规模样本,分类准确率仍然较低,尤其是在数据调和后,准确率接近随机水平 | 评估现有机器学习算法在区分重度抑郁症与健康对照中的诊断预测能力 | 重度抑郁症患者与健康对照 | 机器学习 | 精神疾病 | 机器学习 | 浅层线性和非线性模型 | 脑成像数据 | 5365名参与者 |
177 | 2024-12-11 |
Endoscopic Artificial Intelligence for Image Analysis in Gastrointestinal Neoplasms
2024, Digestion
IF:3.0Q2
DOI:10.1159/000540251
PMID:39068926
|
综述 | 本文综述了近年来在胃肠道肿瘤中使用内镜人工智能系统的研究进展,重点关注食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉 | 本文总结了内镜AI系统在不同胃肠道肿瘤中的应用,展示了其在提高检测和诊断准确性方面的潜力 | 本文主要为综述性质,未提供新的实验数据或技术突破 | 探讨内镜人工智能系统在胃肠道肿瘤中的应用及其效果 | 食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉 | 数字病理学 | 胃肠道肿瘤 | 深度学习 | 计算机辅助检测/诊断系统 | 图像 | NA |
178 | 2024-12-11 |
The applications of anterior segment optical coherence tomography in glaucoma: a 20-year bibliometric analysis
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.18611
PMID:39619196
|
研究论文 | 本文通过文献计量学方法分析了过去20年AS-OCT在青光眼领域的研究热点和趋势 | 首次对AS-OCT在青光眼领域的研究进行了全面的文献计量学分析,揭示了该领域的研究热点和趋势 | 仅基于文献数据进行分析,未涉及实际临床应用效果 | 探讨AS-OCT在青光眼领域的研究热点和趋势 | AS-OCT在青光眼领域的研究文献 | NA | 青光眼 | 文献计量学 | NA | 文献 | 931篇文献 |
179 | 2024-12-11 |
Enhanced related-key differential neural distinguishers for SIMON and SIMECK block ciphers
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2566
PMID:39650359
|
研究论文 | 本文提出了一种增强的相关密钥差分神经区分器框架,用于SIMON和SIMECK分组密码 | 引入了加权偏差分数方法来高效选择输入差异,并提出了利用两个输入差异的改进方案,显著提高了区分器的准确性 | NA | 改进相关密钥差分神经区分器,以提高对SIMON和SIMECK分组密码的攻击效果 | SIMON和SIMECK分组密码 | 密码学 | NA | 深度学习 | 神经网络 | NA | NA |
180 | 2024-12-09 |
Classifying forensically important flies using deep learning to support pathologists and rescue teams during forensic investigations
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314533
PMID:39637032
|
研究论文 | 本文提出使用计算机视觉和深度学习技术对法医重要蝇类进行分类,以支持法医调查和救援团队 | 利用深度学习模型对蝇类进行高效准确的分类,特别是在危机情况下使用无人机进行搜索 | NA | 开发一种深度学习模型,用于在法医昆虫学中对蝇类进行分类,以支持法医调查和救援行动 | 法医重要蝇类,包括Calliphoridae、Sarcophagidae、Rhiniidae及其属Chrysomya、Lucilia、Sarcophaga、Rhiniinae和Stomorhina | 计算机视觉 | NA | 深度学习 | MobileNetV3-Large和VGG19 | 图像 | NA |