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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6841 | 2024-09-13 |
Prediction of viral families and hosts of single-stranded RNA viruses based on K-Mer coding from phylogenetic gene sequences
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究利用机器学习和深度学习模型,基于K-Mer编码的基因序列预测单链RNA病毒的家族和宿主 | 首次在文献中对包含大量家族和宿主多样性的单链RNA病毒基因序列进行分类研究,并详细探讨了K-Mer编码中不同词长对分类结果的影响 | NA | 快速准确地分类病毒物种及其潜在宿主,以更好地理解传播动态并促进针对性疗法的开发 | 单链RNA病毒的基因序列及其家族和宿主 | 机器学习 | NA | K-Mer编码 | 全连接深度神经网络 | 基因序列 | 包含不同宿主和物种的单链RNA病毒基因序列的数据集 |
6842 | 2024-09-13 |
Advanced MRI techniques in abdominal imaging
2024-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04369-7
PMID:38802629
|
综述 | 本文综述了用于腹部成像的高级磁共振成像(MRI)技术 | 介绍了包括并行成像、三维采集、压缩感知和深度学习在内的最新技术,这些技术旨在减少扫描时间同时确保可接受的图像质量或在不延长扫描时间的情况下实现更高分辨率 | 文章未提及具体的技术局限性 | 旨在全面理解这些高级技术,以准确解读MRI序列 | 腹部成像中的焦点病变和组织特性评估 | 计算机视觉 | NA | MRI | NA | 图像 | NA |
6843 | 2024-09-13 |
Effectiveness of deep learning-based reconstruction for improvement of image quality and liver tumor detectability in the hepatobiliary phase of gadoxetic acid-enhanced magnetic resonance imaging
2024-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04374-w
PMID:38755452
|
研究论文 | 评估深度学习重建技术在提高肝胆期钆塞酸增强磁共振成像中图像质量和肿瘤检测能力的效果 | 采用深度学习重建技术(DLR)来改善肝胆期高分辨率呼吸保持脂肪抑制T1加权成像的图像质量和肿瘤检测能力 | 研究为回顾性分析,样本量相对较小,且仅限于肝胆期图像 | 评估深度学习重建技术在提高肝胆期钆塞酸增强磁共振成像中图像质量和肿瘤检测能力的效果 | 肝胆期高分辨率呼吸保持脂肪抑制T1加权成像的图像质量和肿瘤检测能力 | 计算机视觉 | 肝癌 | 深度学习重建技术(DLR) | 深度学习模型 | 图像 | 42名患者,98个肝肿瘤 |
6844 | 2024-09-13 |
CNN-BLSTM based deep learning framework for eukaryotic kinome classification: An explainability based approach
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于CNN-BLSTM的深度学习框架,用于真核激酶家族的分类,并通过解释性方法提高模型的可靠性 | 本文引入了GRAD CAM和Integrated Gradient(IG)解释性方法,替代传统的类激活图解释,以提高结果的可靠性和责任性 | 本文仅针对真核激酶序列进行了分类,未涉及其他蛋白质家族 | 提高深度学习模型在生物序列相关研究中的可信度 | 真核激酶序列及其家族分类 | 机器学习 | NA | 深度学习 | CNN-BLSTM | 序列 | 八个真核激酶序列 |
6845 | 2024-08-20 |
Advanced deep learning approaches enable high-throughput biological and biomedicine data analysis
2024-Oct, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.08.002
PMID:39154807
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
6846 | 2024-09-13 |
A novel deep learning identifier for promoters and their strength using heterogeneous features
2024-Oct, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.08.005
PMID:39168294
|
研究论文 | 设计了一种名为PROCABLES的双层深度学习预测器,用于区分DNA样本中的启动子和启动子强度 | 提出了一种新的双层深度学习模型PROCABLES,结合了卷积神经网络(CNN)和双向长短期记忆网络(LSTM),并利用多种特征提取DNA序列中的隐藏模式 | NA | 开发一种计算方法来准确识别和表征启动子及其强度,以支持药物发现 | DNA序列中的启动子和启动子强度 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN)和双向长短期记忆网络(LSTM) | DNA序列 | NA |
6847 | 2024-09-13 |
E-pharmacophore and deep learning based high throughput virtual screening for identification of CDPK1 inhibitors of Cryptosporidium parvum
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文利用E-pharmacophore模型和深度学习模型进行高通量虚拟筛选,以识别Cryptosporidium parvum的CDPK1抑制剂 | 本文创新性地结合了E-pharmacophore模型和深度学习模型,用于筛选新的CDPK1抑制剂,并通过量子极化对接和MD模拟验证了其抑制潜力 | 本文未提及具体的实验验证结果,仅通过虚拟筛选和模拟进行了初步验证 | 识别Cryptosporidium parvum的CDPK1抑制剂,以开发治疗隐孢子虫病的药物 | Cryptosporidium parvum的CDPK1蛋白及其抑制剂 | 药物发现 | 隐孢子虫病 | E-pharmacophore模型、深度学习、量子极化对接、MD模拟 | 深度学习模型 | 化合物库 | 200万化合物库中的部分化合物 |
6848 | 2024-09-13 |
Integrated deep learning model for automatic detection and classification of stenosis in coronary angiography
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种集成深度学习模型,用于冠状动脉造影图像中狭窄的自动检测和分类 | 首次提出了一种集成深度学习模型,用于血管造影中动脉狭窄的识别和分类,并开发了一个名为“Hemadostenosis”的网络平台,为临床实践提供了实际支持 | NA | 开发一种能够自动检测和分类冠状动脉造影图像中狭窄的深度学习模型,并提供实际的临床支持 | 冠状动脉造影图像中的狭窄 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络 | 图像 | 1606张冠状动脉造影图像,来自132名患者 |
6849 | 2024-09-13 |
DRN-CDR: A cancer drug response prediction model using multi-omics and drug features
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度残差网络的多组学和药物特征的癌症药物反应预测模型DRN-CDR | 本文创新性地整合了基因表达、突变数据、甲基化数据以及药物分子结构信息,通过深度残差网络预测药物的IC50值,并在分类问题上取得了较高的AUC和AUPR值 | NA | 优化癌症治疗方案,提高治疗效果并减少副作用 | 癌症药物反应预测 | 机器学习 | NA | 深度学习 | 深度残差网络 | 多组学数据 | 多种药物和细胞系对 |
6850 | 2024-09-13 |
Balinese story texts dataset for narrative text analyses
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110781
PMID:39252773
|
研究论文 | 本文介绍了首个用于叙事文本分析的巴厘故事文本数据集,包含四个子数据集用于角色识别、别名聚类和角色分类 | 首次为巴厘故事文本创建了标注数据集,填补了低资源语言数据集的空白 | 数据集仅包含120个巴厘故事文本,样本量相对较小 | 开发和提供用于叙事文本分析的巴厘故事文本数据集 | 巴厘故事文本中的角色识别、别名聚类和角色分类 | 自然语言处理 | NA | 命名实体识别、自然语言处理 | NA | 文本 | 120个手动标注的巴厘故事文本,包含89,917个标注词和6,634个句子 |
6851 | 2024-09-13 |
A scarce dataset for ancient Arabic handwritten text recognition
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110813
PMID:39252777
|
研究论文 | 本文提供了一个稀缺的古代阿拉伯手写文本识别数据集,填补了该领域的空白 | 本文首次提供了一个包含图像和文本真值的古代阿拉伯手稿数据集,有助于阿拉伯OCR和文本校正任务的研究和实践 | 数据集规模较小,仅包含八本书和四十页 | 开发用于古代阿拉伯手写文本识别的深度学习光学字符识别模型 | 古代阿拉伯手稿的图像和文本 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像和文本 | 八本书,四十页 |
6852 | 2024-09-13 |
FruitSeg30_Segmentation dataset & mask annotations: A novel dataset for diverse fruit segmentation and classification
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110821
PMID:39252785
|
研究论文 | 本文介绍了一个名为FruitSeg30_Segmentation Dataset & Mask Annotations的新数据集,旨在提升深度学习模型在水果分割和分类任务中的能力 | 该数据集包含了1969张高质量图像,涵盖30种不同的水果类别,提供了多样化的视觉信息,有助于构建更强大的模型 | NA | 提升水果分割和分类任务中深度学习模型的性能 | 水果图像的分割和分类 | 计算机视觉 | NA | NA | U-Net | 图像 | 1969张高质量图像,涵盖30种不同的水果类别 |
6853 | 2024-09-13 |
AI-guided identification of risk variants for adrenocortical tumours in TP53 p.R337H carrier children: a genetic association study
2024-Oct, Lancet regional health. Americas
DOI:10.1016/j.lana.2024.100863
PMID:39258234
|
研究论文 | 研究探讨了TP53 p.R337H携带儿童中与肾上腺皮质肿瘤风险相关的遗传变异 | 使用深度学习算法分析全外显子测序数据,发现与肾上腺皮质肿瘤发生相关的非编码变异 | 研究样本主要来自巴西南部,结果的普适性可能受限 | 研究TP53 p.R337H携带儿童中与肾上腺皮质肿瘤风险相关的遗传变异 | TP53 p.R337H携带儿童及其父母 | 遗传学 | 肾上腺皮质肿瘤 | 全外显子测序 | 深度学习 | 基因组数据 | 发现队列包括21名儿童及其父母,验证队列包括392名TP53 p.R337H携带者 |
6854 | 2024-09-13 |
A deep learning method for predicting the origins of cervical lymph node metastatic cancer on digital pathological images
2024-Sep-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110645
PMID:39252964
|
研究论文 | 本文提出了一种基于深度学习的方法,用于预测数字病理图像中颈部淋巴结转移癌的起源 | 本文设计了一种多实例学习算法,用于关键区域识别,并在内部和外部数据集上验证了模型的泛化能力 | 本文仅使用了H&E染色的切片数据,未考虑其他类型的病理图像 | 开发一种辅助医生在手术前评估颈部淋巴结状态的方法 | 颈部淋巴结转移癌的起源 | 数字病理学 | NA | 深度学习 | 多实例学习算法 | 图像 | 1036例颈部淋巴结活检样本 |
6855 | 2024-09-13 |
Advancing precise diagnosis of nasopharyngeal carcinoma through endoscopy-based radiomics analysis
2024-Sep-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110590
PMID:39252978
|
研究论文 | 本研究开发了一种基于内窥镜图像的深度学习模型,用于鼻咽癌的精确诊断 | 提出了一个基于内窥镜图像的深度学习模型,用于鼻咽癌的早期检测和诊断 | NA | 开发一种用于鼻咽癌诊断的深度学习模型 | 鼻咽癌的早期检测和诊断 | 计算机视觉 | 鼻咽癌 | 深度学习 | 深度学习模型 | 图像 | 12,087张鼻咽内窥镜图像和309个视频,来自1,108名患者 |
6856 | 2024-09-13 |
Prediction and Interpretability Study of the Glass Transition Temperature of Polyimide Based on Machine Learning with Quantitative Structure-Property Relationship (Tg-QSPR)
2024-Sep-12, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c00756
PMID:38979707
|
研究论文 | 本研究利用机器学习方法基于定量结构-性质关系(QSPR)预测聚酰亚胺的玻璃化转变温度(Tg) | 本研究通过六种不同的特征选择方法优化分子描述符,并使用五种集成学习算法和一种深度学习算法构建预测模型,显著提高了预测准确性和鲁棒性 | 本研究仅限于聚酰亚胺材料,且模型需要进一步验证以确保其在不同条件下的适用性 | 开发一种基于机器学习的预测模型,用于快速设计和开发聚酰亚胺结构 | 聚酰亚胺的玻璃化转变温度 | 机器学习 | NA | RDKit | 集成学习算法和深度学习算法 | 分子描述符 | 1257种聚酰亚胺 |
6857 | 2024-09-13 |
Deep learning-driven forward and inverse design of nanophotonic nanohole arrays: streamlining design for tailored optical functionalities and enhancing accessibility
2024-Sep-12, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr03081h
PMID:39171500
|
研究论文 | 本文利用深度学习方法进行纳米光子学中纳米孔阵列(NHAs)的正向和逆向设计,以优化其光学性能 | 采用深度神经网络进行NHAs的正向和逆向设计,显著提高了设计效率和精度 | 实验验证仅限于金纳米孔阵列,未来需扩展到其他材料和结构 | 通过深度学习优化纳米孔阵列的光学性能,简化设计过程 | 纳米孔阵列的光学特性和结构参数 | 纳米光子学 | NA | 深度学习 | 深度神经网络 | 结构数据 | 超过6000个样本 |
6858 | 2024-09-13 |
Accelerating Global Search of Large-Sized Silver Clusters Using Cluster Graph Attention Network
2024-Sep-12, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01953
PMID:39213499
|
研究论文 | 本文利用集群图注意力网络(CGANet)和自制的综合遗传算法(CGA)程序,加速了大规模银簇的全局搜索 | 本文首次将深度学习技术应用于银簇的结构搜索,效率比传统的密度泛函理论(DFT)计算高出约两个数量级 | NA | 研究银簇的稳定性与反应性,并解释实验中观察到的银簇增强稳定性现象 | 银簇(Ag = 30-60)的结构与电子性质 | 机器学习 | NA | 集群图注意力网络(CGANet),综合遗传算法(CGA) | 图注意力网络(GANet) | 结构数据 | 银簇(Ag = 30-60) |
6859 | 2024-09-13 |
A Deep Learning Approach to Uncover Voltage-Gated Ion Channels' Intermediate States
2024-Sep-12, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c03182
PMID:39213618
|
研究论文 | 本文提出了一种基于深度学习的管道,用于全面探索电压门控离子通道在门控过程中的构象重排 | 本文首次应用深度学习方法来解析电压门控离子通道的中间状态及其过渡机制 | 由于缺乏实验数据,本文主要依赖分子动力学模拟和深度学习方法,可能存在对实际生物过程的简化 | 旨在揭示电压门控离子通道的门控机制及其中间状态 | Kv1.2电压传感器域的电压门控离子通道 | 机器学习 | NA | 深度学习 | 深度学习模型 | 结构数据 | 具体样本数量未明确提及 |
6860 | 2024-09-13 |
Machine Learning Approaches for Automated Diagnosis of Cardiovascular Diseases: A Review of Electrocardiogram Data Applications
2024-Sep-12, Cardiology in review
IF:2.0Q3
DOI:10.1097/CRD.0000000000000764
PMID:39264208
|
综述 | 本文综述了机器学习和深度学习算法在利用心电图数据诊断和分类心血管疾病中的应用 | 深度学习算法在数据稀缺情况下仍表现出高效性 | NA | 评估机器学习和深度学习算法在心血管疾病诊断中的有效性 | 心电图数据 | 机器学习 | 心血管疾病 | 机器学习 | 卷积神经网络、深度神经网络 | 心电图数据 | 30项研究 |