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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11421 | 2024-08-07 |
Using deep learning to optimize the prostate MRI protocol by assessing the diagnostic efficacy of MRI sequences
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111470
PMID:38640822
|
研究论文 | 本研究利用深度学习技术评估和优化前列腺MRI协议的诊断效能 | 通过深度学习模型比较加速和完整MRI协议的诊断性能,发现省略特定DWI序列可以减少扫描时间而不影响诊断质量 | NA | 探索使用深度学习优化前列腺MRI协议的方法 | 前列腺MRI协议的诊断效能 | 机器学习 | 前列腺癌 | MRI | 深度学习模型 | 图像 | 840名患者 |
11422 | 2024-08-07 |
Deep learning-based radiomics of computed tomography angiography to predict adverse events after initial endovascular repair for acute uncomplicated Stanford type B aortic dissection
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111468
PMID:38648727
|
研究论文 | 本研究旨在构建一个结合深度学习衍生的计算机断层扫描血管造影(CTA)放射组学特征和临床生物标志物的预测模型,以预测急性未复杂化的斯坦福B型主动脉夹层(uTBAD)患者在接受初始胸主动脉腔内修复术(TEVAR)后的不良事件(AEs) | 本研究创新性地将深度学习基础的放射组学与临床指标相结合,用于预测急性uTBAD患者术后不良事件 | NA | 构建一个预测模型,结合CTA的放射组学特征和临床生物标志物,预测急性uTBAD患者术后不良事件 | 急性未复杂化的斯坦福B型主动脉夹层(uTBAD)患者 | 机器学习 | 心血管疾病 | 计算机断层扫描血管造影(CTA) | 三维深度卷积神经网络(CNN) | 图像 | 369名接受TEVAR治疗的急性uTBAD患者 |
11423 | 2024-08-07 |
State-of-the-RNArt: benchmarking current methods for RNA 3D structure prediction
2024-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae048
PMID:38745991
|
综述 | 本文综述了当前用于RNA 3D结构预测的计算方法,包括模板基和深度学习方法,并使用RNA-Puzzles数据集对九种方法进行了基准测试 | 介绍了深度学习方法在RNA 3D结构预测中的应用潜力 | 深度学习方法在RNA 3D结构预测中的应用仍然具有挑战性 | 评估和比较当前RNA 3D结构预测方法的性能 | RNA 3D结构预测的计算方法 | NA | NA | 深度学习 | NA | 数据集 | 九种方法 |
11424 | 2024-08-07 |
Optical color routing enabled by deep learning
2024-May-16, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr00105b
PMID:38592716
|
综述 | 本文综述了深度学习驱动的纳米颜色路由结构设计,包括正向模拟算法、光子神经网络和多种全局及局部拓扑优化方法 | 介绍了无带通颜色路由的新方法,提供了前所未有的光学光谱效率和亚波长尺度操作,为图像传感应用带来了范式转变 | NA | 探索和比较深度学习驱动的纳米颜色路由结构设计与传统设计方法,总结现有研究并指出未来发展方向 | 纳米颜色路由结构设计及其在图像传感应用中的性能 | 计算机视觉 | NA | 深度学习 | 光子神经网络 | 图像 | NA |
11425 | 2024-08-07 |
Predicting gastric cancer tumor mutational burden from histopathological images using multimodal deep learning
2024-May-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad032
PMID:37525540
|
研究论文 | 本研究利用多模态深度学习方法从组织病理学图像中预测胃癌肿瘤突变负荷(TMB) | 开发了一种结合组织病理学图像和组学数据的多模态融合深度学习模型,显著提高了TMB预测的准确性 | NA | 探索从组织病理学图像中预测胃癌患者TMB水平的可能性 | 胃癌患者的组织病理学图像、临床数据和分子数据 | 数字病理学 | 胃癌 | 深度学习 | Resnet | 图像 | 326名胃癌患者 |
11426 | 2024-08-07 |
Prediction of drug-protein interaction based on dual channel neural networks with attention mechanism
2024-May-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad037
PMID:37642213
|
研究论文 | 本研究构建了一个基于双通道神经网络和注意力机制的药物-蛋白质相互作用预测模型DCA-DPI | 采用双通道神经网络和高效的注意力机制,相比传统计算方法,减少了领域知识需求并增强了数据学习能力 | NA | 加速药物发现过程,精确识别药物-蛋白质相互作用 | 药物分子图和蛋白质序列 | 机器学习 | NA | NA | 神经网络 | 图像和文本 | 使用了三个广泛使用的公共数据集:Human, C.elegans 和 DUD-E |
11427 | 2024-08-07 |
Deep Learning Enabled Comprehensive Evaluation of Jumping-Droplet Condensation and Frosting
2024-May-15, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c00976
PMID:38693061
|
研究论文 | 利用深度学习开发了一个半监督框架,用于监测超疏水表面上跳跃液滴冷凝和结霜的光学可观察过程 | 该框架能够识别瞬态液滴分布和动态活动,如液滴聚结、跳跃和结霜,并能有效适应新的冷凝条件 | NA | 研究超疏水表面上的跳跃液滴冷凝和结霜现象,并优化表面设计以提高冷凝传热和防霜性能 | 超疏水表面上的跳跃液滴冷凝和结霜现象 | 机器学习 | NA | 深度学习 | NA | 图像 | 少量标注数据 |
11428 | 2024-08-07 |
Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands
2024-May-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad464e
PMID:38697026
|
研究论文 | 本文提出了一种名为GraspCNet的紧凑型卷积神经网络模型,用于假手的视觉辅助抓握分类 | 使用可分离卷积减少计算负担,使其适用于嵌入式系统的实时应用 | 在计算机实时实验中,模型准确率为69%,低于已见物体的分类准确率 | 开发一种能够有效泛化不同物体形状并准确分类抓握模式的模型 | 假手的抓握分类 | 计算机视觉 | NA | 卷积神经网络(CNN) | CNN | 图像 | 使用了多种标准物体数据集进行训练和测试 |
11429 | 2024-08-07 |
Breast density prediction from low and standard dose mammograms using deep learning: effect of image resolution and model training approach on prediction quality
2024-May-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad470b
PMID:38701765
|
研究论文 | 本文开发了深度学习方法,从低剂量和高分辨率的乳腺X线摄影图像中预测乳腺密度,并探讨了图像分辨率和训练方法对预测质量的影响 | 本文创新地使用深度学习模型在不同分辨率下对低剂量乳腺X线摄影图像进行乳腺密度预测,并比较了特征提取方法和端到端训练方法的效果 | NA | 提高年轻女性乳腺癌风险预测的准确性 | 乳腺密度预测 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 15,290张标准剂量和模拟低剂量乳腺X线摄影图像 |
11430 | 2024-08-07 |
An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data
2024-May-15, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3392355
PMID:38748522
|
研究论文 | 本文介绍了一种名为自适应多尺度注意力深度神经网络的新技术,用于分析表格数据 | 该技术通过并行多级特征加权,成功学习特征注意力,并在多个分类和回归任务中实现了高F1分数和低平均绝对误差 | NA | 旨在提高深度学习在表格数据分析中的性能,并增强其可解释性 | 表格数据 | 机器学习 | NA | 自适应多尺度注意力深度神经网络 | 深度神经网络 | 表格数据 | 涉及小、中、大和非常大的数据集 |
11431 | 2024-08-07 |
Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study
2024-May-15, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2290-4781
PMID:38749431
|
研究论文 | 本研究评估了一种供应商无关的深度学习去噪(DLD)算法对五种CT扫描仪上非对比颅脑CT(ncCT)诊断图像质量的影响 | 供应商无关的深度学习去噪算法在主观和客观分析中均显著提高了ncCT图像质量,包括减少噪声、提高信噪比和对比噪声比,以及减少后颅窝的伪影 | 本研究为回顾性单中心研究,样本仅包括因轻微头部创伤接受常规影像检查的患者 | 评估供应商无关的深度学习去噪算法对非对比颅脑CT诊断图像质量的影响 | 五种CT扫描仪上的非对比颅脑CT图像质量 | 计算机视觉 | NA | 深度学习去噪(DLD) | 深度学习模型 | 图像 | 150名连续患者(每种扫描仪30名) |
11432 | 2024-08-07 |
Concomitant Prediction of the Ki67 and PIT-1 Expression in Pituitary Adenoma Using Different Radiomics Models
2024-May-15, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01121-x
PMID:38750186
|
研究论文 | 本研究旨在通过三种不同的放射组学模型术前预测垂体腺瘤中Ki67和PIT-1的高表达 | 本研究采用了深度学习放射组学(DLR)模型,相较于传统的机器学习和深度学习模型,DLR模型在预测Ki67和PIT-1表达方面表现出最佳性能 | NA | 术前预测垂体腺瘤中Ki67和PIT-1的高表达 | 垂体腺瘤中的Ki67和PIT-1表达 | 机器学习 | 垂体腺瘤 | 放射组学 | 逻辑回归(LR)、支持向量机(SVM)、多层感知器(MLP) | 图像 | 247名垂体腺瘤患者(训练集:198名;测试集:49名) |
11433 | 2024-08-07 |
Identifying regions of importance in wall-bounded turbulence through explainable deep learning
2024-May-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47954-6
PMID:38740802
|
研究论文 | 本研究使用可解释的深度学习方法探索壁边界湍流中能量包含相干结构之间的相互作用 | 本研究通过SHapley Additive exPlanations (SHAP)算法评估每个结构对预测的重要性,发现最重要的结构不一定是对雷诺剪切应力贡献最大的结构 | NA | 解决壁边界湍流问题并探索新的流动控制策略 | 壁边界湍流中的能量包含相干结构及其相互作用 | 机器学习 | NA | 深度学习 | U-net | 速度场数据 | 来自湍流通道流动模拟的瞬时速度场数据 |
11434 | 2024-08-07 |
NGMD: next generation malware detection in federated server with deep neural network model for autonomous networks
2024-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61298-7
PMID:38740843
|
研究论文 | 本文提出了一种基于深度神经网络的下一代恶意软件检测方法,用于在联邦服务器中进行网络流量分类和攻击检测 | 采用联邦学习方法,无需访问用户私人数据即可进行攻击检测,强调隐私保护 | NA | 提高网络系统对分布式拒绝服务攻击的抵御能力 | 网络流量分类和攻击检测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 网络流量数据 | 使用BoT-IoT数据集进行实验验证 |
11435 | 2024-08-07 |
Deep-learning survival analysis for patients with calcific aortic valve disease undergoing valve replacement
2024-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61685-0
PMID:38740898
|
研究论文 | 本研究比较了传统Cox比例风险模型与基于机器学习的深度学习生存分析和随机生存森林方法,以识别在主动脉瓣置换手术后一年内预测死亡风险的变量 | 研究发现机器学习模型具有更好的预测能力,能够揭示非线性关系 | NA | 旨在提高对高死亡风险患者的早期识别,以便他们能从更合适的治疗干预中受益 | 接受主动脉瓣置换手术的患者 | 机器学习 | 心血管疾病 | 深度学习生存分析,随机生存森林 | 深度学习模型,随机生存森林 | 临床数据 | 接受主动脉瓣置换手术的患者 |
11436 | 2024-08-07 |
Computer vision models enable mixed linear modeling to predict arbuscular mycorrhizal fungal colonization using fungal morphology
2024-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61181-5
PMID:38740920
|
研究论文 | 本文提出了一种多尺度建模方法,利用基于Mask R-CNN的计算机视觉模型和混合线性模型,预测全球作物中Arbuscular Mycorrhizal Fungi(AMF)的定植情况 | 首次使用Mask R-CNN进行像素级真菌结构分割,并结合混合线性模型探索AMF定植、根际和真菌结构分配之间的关系 | NA | 开发一种高吞吐量的表型分析方法,用于预测植物根系中AMF的定植情况 | 全球作物的AMF定植情况 | 计算机视觉 | NA | Mask R-CNN | CNN | 图像 | 来自Sorghum bicolor和S. propinquum的重组自交系群体 |
11437 | 2024-08-07 |
Structural annotation of unknown molecules in a miniaturized mass spectrometer based on a transformer enabled fragment tree method
2024-May-13, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-024-01189-0
PMID:38740942
|
研究论文 | 本文提出了一种基于Transformer的碎片树(TeFT)方法,用于小型质谱仪中未知分子的结构注释 | 结合了多种碎片树模型和深度学习Transformer模块,能够仅从质谱数据中生成分子特定结构 | 主要适用于具有清晰碎片规则的碎片峰注释,且在较低质量分辨率的现场质谱分析中表现较好 | 开发一种新的方法,用于小型质谱仪中未知分子的结构注释 | 小型质谱仪中的未知分子结构 | NA | NA | 质谱分析 | Transformer | 质谱数据 | 验证了16种黄酮醇,成功预测了8种物质的完整结构 |
11438 | 2024-08-07 |
Effects of the Training Data Condition on Arterial Spin Labeling Parameter Estimation Using a Simulation-Based Supervised Deep Neural Network
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001566
PMID:38149628
|
研究论文 | 研究基于模拟的监督深度神经网络在不同训练数据条件下对脑血流量和动脉传输时间参数估计的影响 | 首次探讨了训练数据中脑血流量和动脉传输时间真实值范围对深度神经网络性能的影响 | 研究仅限于模拟数据和少数真实病例,可能需要更多临床数据验证 | 探究训练数据的真实值范围对基于模拟的监督深度神经网络性能的影响 | 脑血流量和动脉传输时间参数估计 | 机器学习 | NA | 动脉自旋标记信号模拟 | 深度神经网络 (DNN) | 图像 | 36种训练数据集模式,1,000,000点模拟测试数据,17名健康志愿者和1名烟雾病患者 |
11439 | 2024-08-07 |
Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts: a diagnostic study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001186
PMID:38348891
|
研究论文 | 本研究旨在评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 本研究开发了一种结合超声和乳腺X线摄影特征的深度学习模型,该模型在预测BI-RADS US 4A乳腺病变恶性程度方面比临床诺模图模型和仅使用超声或乳腺X线摄影图像的深度学习模型更准确 | NA | 评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 乳腺密度高女性的BI-RADS US 4A病变 | 计算机视觉 | 乳腺疾病 | 深度学习 | 深度学习模型 | 图像 | 共1210名患者,其中992名随机分配到训练组和测试组,218名组成前瞻性验证组 |
11440 | 2024-08-07 |
Congenital diaphragmatic hernia: automatic lung and liver MRI segmentation with nnU-Net, reproducibility of pyradiomics features, and a machine learning application for the classification of liver herniation
2024-May, European journal of pediatrics
IF:3.0Q1
DOI:10.1007/s00431-024-05476-9
PMID:38416256
|
研究论文 | 本研究使用深度学习分割系统nnU-Net自动分割先天性膈疝(CDH)胎儿的肺和肝脏MRI图像,并通过计算Jaccard系数评估自动与手动分割的一致性。此外,提取并比较了手动和自动分割区域的Pyradiomics标准特征的再现性,并构建了一个基于支持向量机(SVM)的机器学习分类器系统,用于预测肝脏疝。 | 本研究展示了使用深度学习nnU-Net系统进行MRI肺和肝脏自动分割的可行性,以及与手动结果相比,Pyradiomics特征的良好再现性和机器学习系统预测肝脏疝的可行性。 | NA | 评估先天性膈疝胎儿肺和肝脏MRI图像自动分割的可行性,并开发机器学习系统以预测肝脏疝。 | 先天性膈疝胎儿的肺和肝脏MRI图像。 | 机器学习 | 先天性膈疝 | MRI | nnU-Net | 图像 | 未具体说明样本数量 |