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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11841 | 2024-08-07 |
On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1378149
PMID:38736660
|
研究论文 | 本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务 | 使用合成图像和物理世界图像的混合数据集训练网络,以提高图像分割任务的性能 | NA | 设计用于视觉引导无人机的深度学习控制算法,以进行电力塔检查 | 自主无人机及其在电力塔检查中的应用 | 计算机视觉 | NA | 卷积神经网络 | U-NET | 图像 | 合成图像数据集、物理世界图像数据集及混合数据集 |
11842 | 2024-08-07 |
Predict lncRNA-drug associations based on graph neural network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1388015
PMID:38737125
|
研究论文 | 本研究利用图卷积网络(GCN)和图注意力网络(GAT)基于lncRNA和药物相似网络预测lncRNA-药物关联(LDAs) | 提出了一种基于深度学习的框架,用于预测新的lncRNA-药物关联,该方法在五个数据集上实现了良好的性能(平均AUCs > 0.92) | NA | 开发预测lncRNA-药物关联的方法,以促进基于lncRNA的药物开发 | lncRNA和药物的关联 | 机器学习 | NA | 图卷积网络(GCN),图注意力网络(GAT) | GCN,GAT | 网络数据 | 五个数据集 |
11843 | 2024-08-07 |
FM-FCN: A Neural Network with Filtering Modules for Accurate Vital Signs Extraction
2024, Research (Washington, D.C.)
DOI:10.34133/research.0361
PMID:38737196
|
研究论文 | 本文提出了一种名为过滤模块全卷积网络(FM-FCN)的新型网络,结合传统过滤技术与神经网络,用于增强生理信号并抑制噪声 | FM-FCN通过引入过滤模块(FM)作为网络模块,利用过滤器结构消除不需要的干扰,构建了深度学习与信号处理方法之间的桥梁 | NA | 提高生理信号提取的准确性和可靠性 | 远程光电容积脉搏波(PPG)信号的提取和心率(HR)估计 | 机器学习 | NA | 全卷积网络(FCN) | CNN | 信号 | NA |
11844 | 2024-08-07 |
How AI drives innovation in cardiovascular medicine
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1397921
PMID:38737711
|
comments | 本文总结了人工智能和深度学习在心血管医学领域的一些重要进展 | NA | NA | 探讨人工智能在心血管医学中的应用及其对患者护理的影响 | 心血管医学领域 | machine learning | cardiovascular disease | AI | deep learning | NA | NA |
11845 | 2024-08-07 |
Evaluation of two deep learning-based approaches for detecting weeds growing in cabbage
2024-Jun, Pest management science
IF:3.8Q1
DOI:10.1002/ps.7990
PMID:38323798
|
研究论文 | 本研究比较了两种基于深度学习的方法在卷心菜中检测杂草的效果 | 提出了一种间接检测杂草的方法,通过生成覆盖作物的边界框,并将边界框外的绿色像素视为杂草 | 直接检测杂草的性能较低,可能是由于不同密度和生长阶段的多种杂草物种及其不同的植物形态 | 比较两种不同的深度学习方法在卷心菜中检测杂草的效果 | 卷心菜中的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5, YOLOv8 | 图像 | NA |
11846 | 2024-08-07 |
The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things
2024-May-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61598-y
PMID:38730047
|
研究论文 | 本文提出了一种基于深度学习和物联网技术的预测方法,用于解决冰雪旅游领域的生态安全和游客满意度问题 | 该方法通过结合深度学习模型和物联网技术,提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标 | NA | 提出一种新的预测方法,以提高冰雪旅游生态安全和游客满意度的预测准确性 | 冰雪旅游的生态安全和游客满意度 | 机器学习 | NA | 深度学习 (DL) 和物联网 (IoT) | 卷积神经网络和循环神经网络 | 环境数据和游客行为数据 | NA |
11847 | 2024-08-07 |
Fine tuning deep learning models for breast tumor classification
2024-05-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60245-w
PMID:38730248
|
研究论文 | 本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法 | 使用自定义卷积神经网络(Custom CNN)模型,结合灰狼优化(GWO)和改进的猩猩部队优化(MGTO)算法进行超参数调优,显著提高了分类准确率 | NA | 提高乳腺癌肿瘤良恶性分类的准确性 | 乳腺癌肿瘤的良恶性分类 | 计算机视觉 | 乳腺癌 | 卷积神经网络(CNN) | Custom CNN | 图像 | 使用BreakHis数据集中的组织病理学图像 |
11848 | 2024-08-07 |
Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF
2024-May-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48322-0
PMID:38730277
|
研究论文 | 本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率 | 通过深度学习模型Prosit对片段离子强度预测进行微调,显著提高了免疫肽的鉴定率 | NA | 提高免疫肽的鉴定率,支持免疫疗法和疫苗开发 | 非胰蛋白酶肽的鉴定 | 蛋白质组学 | NA | 质谱分析 | 深度学习 | 质谱数据 | 分析了302,105个独特的合成非胰蛋白酶肽,生成了包含93,227个MS/MS光谱的基准数据集 |
11849 | 2024-08-07 |
A dual-branch selective attention capsule network for classifying kiwifruit soft rot with hyperspectral images
2024-05-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61425-4
PMID:38724603
|
研究论文 | 本研究提出了一种双分支选择性注意力胶囊网络(DBSACaps),用于基于高光谱图像准确检测猕猴桃软腐病 | 使用双分支结构分别提取光谱和空间特征,并通过注意力机制融合这些特征,提高了分类准确性 | NA | 旨在通过深度学习方法基于高光谱图像准确检测猕猴桃软腐病 | 猕猴桃软腐病 | 计算机视觉 | NA | 高光谱图像 | 胶囊网络 | 图像 | 猕猴桃软腐病数据集 |
11850 | 2024-08-07 |
Enhancing Fetal Electrocardiogram Signal Extraction Accuracy through a CycleGAN Utilizing Combined CNN-BiLSTM Architecture
2024-May-06, Sensors (Basel, Switzerland)
DOI:10.3390/s24092948
PMID:38733053
|
研究论文 | 本文提出了一种新的深度学习模型CBLS-CycleGAN,用于提高胎儿心电图信号提取的准确性 | 模型结合了CNN提取的空间特征和BiLSTM提取的时间特征,确保重建信号具有空间和时间依赖性的组合特征 | NA | 提高胎儿心电图信号提取的准确性,以反映胎儿在子宫内的发育状态和生理心脏活动 | 胎儿心电图信号 | 机器学习 | NA | CycleGAN | CNN-BiLSTM | 信号 | 使用两个真实的胎儿心电图信号数据库进行评估 |
11851 | 2024-08-07 |
MultiFuseYOLO: Redefining Wine Grape Variety Recognition through Multisource Information Fusion
2024-May-06, Sensors (Basel, Switzerland)
DOI:10.3390/s24092953
PMID:38733058
|
研究论文 | 本研究提出了一种基于多源信息融合的方法,通过优化和改进YOLOV7模型,形成MultiFuseYOLO模型,以提高葡萄酒葡萄品种识别的准确性 | 本研究通过引入多源信息融合方法,特别是基于SynthDiscrim算法,显著提高了对相似葡萄品种的识别精度 | NA | 旨在通过多源信息融合方法提高葡萄酒葡萄品种识别的准确性和全面性 | 葡萄酒葡萄品种的识别 | 计算机视觉 | NA | 多源信息融合 | YOLO | 图像 | 未具体说明样本数量 |
11852 | 2024-08-07 |
An Optimized Instance Segmentation of Underlying Surface in Low-Altitude TIR Sensing Images for Enhancing the Calculation of LSTs
2024-May-05, Sensors (Basel, Switzerland)
DOI:10.3390/s24092937
PMID:38733039
|
研究论文 | 本研究提出了一种深度学习方法,用于优化低空热红外遥感图像中地表的实例分割,以提高地表温度计算的准确性 | 本研究采用基于掩膜的卷积神经网络进行像素级分类和分割,并通过优化超参数和架构,提高了地表分类的精确度 | NA | 提高基于低空热红外遥感图像的地表温度计算准确性 | 低空热红外遥感图像中的地表实例分割 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 1350张标注的热红外图像用于训练,150张新图像用于验证 |
11853 | 2024-08-07 |
Predicting Transcription Factor Binding Sites with Deep Learning
2024-May-03, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25094990
PMID:38732207
|
研究论文 | 本文提出了一种基于双向Transformer编码器的深度学习方法,用于预测转录因子结合位点,并通过实验验证了其在不同细胞系中的有效性 | 本文提出的方法结合了双向长短期记忆层和胶囊层,以提高遗传数据嵌入的鲁棒性和意义 | NA | 研究转录因子如何调控基因表达及其在治疗中的潜在应用 | 转录因子结合位点的预测 | 机器学习 | NA | ChIP-seq | 双向Transformer编码器 | 基因数据 | 使用了ENCODE数据库中的五个细胞系(A549, GM12878, Hep-G2, H1-hESC, 和 Hela)以及五个额外的细胞系进行测试 |
11854 | 2024-08-07 |
AI Concepts for System of Systems Dynamic Interoperability
2024-May-03, Sensors (Basel, Switzerland)
DOI:10.3390/s24092921
PMID:38733028
|
研究论文 | 本文探讨了在系统工程中动态建立异构网络物理系统间互操作性的问题,并总结了相关领域的最新进展 | 文章提出了利用机器学习和深度学习方法来解决互操作性问题的新思路,并讨论了相关架构和开放问题 | 目前尚未有能够完全解决复杂系统间动态互操作性的概念实例,且需要实际测试环境 | 研究如何自动建立具有目的性通信的系统,以实现动态互操作性 | 异构网络物理系统间的互操作性问题 | 机器学习 | NA | 深度学习 | 神经网络 | 文本和代码 | NA |
11855 | 2024-08-07 |
Surface Defect Detection of Aluminum Profiles Based on Multiscale and Self-Attention Mechanisms
2024-May-02, Sensors (Basel, Switzerland)
DOI:10.3390/s24092914
PMID:38733020
|
研究论文 | 本研究提出了一种基于多尺度和自注意力机制的铝型材表面缺陷检测模型AluDef-ClassNet | 利用高斯差分金字塔捕获多尺度图像特征,引入自注意力机制增强特征表示,并采用改进的残差网络结构结合膨胀卷积扩大感受野 | NA | 解决铝型材表面缺陷检测中的多尺度复杂性、光照变化敏感性、遮挡和噪声等问题 | 铝型材表面缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用CCD相机获取的小规模高质量铝型材表面缺陷图像数据集 |
11856 | 2024-08-07 |
Dosimetric impact of contour editing on CT and MRI deep-learning autosegmentation for brain OARs
2024-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14345
PMID:38664894
|
研究论文 | 研究深度学习自动分割模型在脑部放射治疗中对危及器官的临床适用性,并评估轮廓编辑对CT和MRI模型性能的剂量学影响 | 探讨了轮廓编辑对深度学习自动分割模型性能的影响,并研究了几何和剂量学测量之间的相关性 | 研究发现几何测试指标不足以估计轮廓不准确对剂量的影响 | 评估深度学习自动分割模型在脑部放射治疗中的临床适用性 | 脑部放射治疗中的危及器官 | 机器学习 | NA | 深度学习 | 深度学习自动分割模型 | CT和MRI图像 | 测试队列中的患者数量未明确提及 |
11857 | 2024-08-07 |
Self-Supervised Joint Learning for pCLE Image Denoising
2024-Apr-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24092853
PMID:38732957
|
研究论文 | 本文提出了一种新的自监督去噪方法,通过联合训练噪声预测网络、图像质量评估网络和去噪网络,提高了pCLE图像和荧光显微镜图像的去噪效果 | 本文提出的自监督去噪方法通过联合训练多个网络,实现了对pCLE图像和荧光显微镜图像的更优去噪效果 | NA | 提高pCLE图像和荧光显微镜图像的去噪效果 | pCLE图像和荧光显微镜图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA |
11858 | 2024-08-07 |
Calibrating Deep Learning Classifiers for Patient-Independent Electroencephalogram Seizure Forecasting
2024-Apr-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24092863
PMID:38732969
|
研究论文 | 本研究展示了通过实施简单的校准流程,即使在训练阶段未见过的独立患者上,也能在一定程度上进行自动癫痫发作预测 | 本研究通过实施校准流程,能够在独立患者上提高深度学习模型的预测准确率,平均增加超过20% | 本方法仍需每个患者至少一次癫痫发作事件来校准预测模型 | 验证自动癫痫发作预测方法在临床应用中的鲁棒性 | 评估深度学习模型在独立患者上的癫痫发作预测性能 | 机器学习 | NA | 深度学习 | 深度学习模型 | 脑电图信号 | 两个包含大量癫痫患者脑电图信号的数据集 |
11859 | 2024-08-07 |
Mapping Method of Human Arm Motion Based on Surface Electromyography Signals
2024-Apr-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24092827
PMID:38732933
|
研究论文 | 本文研究了一种基于表面肌电信号的精确映射人体手臂运动的方法 | 构建了结合卷积神经网络和人工神经网络的混合网络模型,并采用多特征融合算法提高手势识别的准确性 | NA | 研究精确映射人体手臂运动的方法,并验证其在机器人手臂精确控制中的应用潜力 | 人体手臂运动及表面肌电信号 | 机器学习 | NA | 表面肌电信号(sEMG) | 卷积神经网络(CNN)和人工神经网络 | 信号 | 涉及多种运动(手势、单自由度关节运动和连续关节动作)的数据 |
11860 | 2024-08-07 |
Dynamic Occupancy Grid Map with Semantic Information Using Deep Learning-Based BEVFusion Method with Camera and LiDAR Fusion
2024-Apr-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24092828
PMID:38732934
|
研究论文 | 本研究通过深度学习方法融合相机和激光雷达传感器,开发了一种包含语义信息的动态占用网格地图(DOGM),以扩展其在机器人和自动驾驶领域的应用 | 本研究不仅更新了对象的位置和速度信息,还更新了对象的类别信息,并利用未分类的激光雷达点测量提高了环境地图的可靠性 | 传统的基于三维激光雷达的DOGM无法分类对象类型 | 开发一种包含语义信息的动态占用网格地图,以提供更丰富的环境信息,帮助自动驾驶车辆在复杂城市环境中导航 | 动态占用网格地图(DOGM)及其在自动驾驶中的应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 使用公共的nuScenes数据集进行性能评估 |