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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1461 | 2025-02-23 |
Efficient and accurate identification of maize rust disease using deep learning model
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1490026
PMID:39980760
|
研究论文 | 本文开发了一种名为Maize-Rust的深度学习模型,用于高效准确地识别玉米锈病 | 该模型在YOLOv8s骨干网络中集成了SimAM模块和BiFPN进行尺度融合,并使用DWConv简化检测流程,显著提高了分类准确率和检测速度 | 未提及模型在其他作物病害上的泛化能力 | 提高玉米锈病的识别准确率和检测效率,以支持大规模田间锈病的有效检测和管理 | 玉米锈病(普通玉米锈病和南方玉米锈病) | 计算机视觉 | NA | 深度学习 | YOLOv8s, Faster-RCNN, SSD | 图像 | 未提及具体样本数量 |
1462 | 2025-02-22 |
Augmenting cybersecurity through attention based stacked autoencoder with optimization algorithm for detection and mitigation of attacks on IoT assisted networks
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81162-y
PMID:39730515
|
研究论文 | 本文提出了一种基于注意力机制的堆叠自编码器与鹈鹕优化算法相结合的网络安全方法(CASAE-POADMA),用于检测和缓解物联网(IoT)辅助网络中的攻击 | 提出了结合注意力机制的堆叠自编码器(ASAE)和鹈鹕优化算法(POA)的新型网络安全方法,显著提高了攻击检测的准确性 | 方法仅在基准数据库上进行了验证,未在实际IoT网络环境中进行大规模测试 | 提高物联网网络的安全性,检测和缓解网络攻击 | 物联网(IoT)辅助网络 | 网络安全 | NA | 机器学习(ML)、深度学习(DL) | 注意力机制的堆叠自编码器(ASAE) | 网络数据 | 基准数据库 |
1463 | 2025-02-22 |
Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging
2024-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06649-2
PMID:38383744
|
研究论文 | 本研究旨在开发深度学习技术,以提高无镇静儿科PET成像的可行性 | 开发了一种基于245名成年受试者的可变形3D U-Net模型,用于增强模拟快速成像的质量,并在无镇静的儿科患者中进行了前瞻性测试 | 样本量相对较小,仅包括16名儿童进行回顾性测试和5名儿童进行前瞻性测试 | 提高无镇静儿科PET成像的可行性 | 儿童患者 | 数字病理 | NA | 深度学习 | 3D U-Net | PET图像 | 245名成年受试者,16名儿童进行回顾性测试,5名儿童进行前瞻性测试 |
1464 | 2025-02-22 |
Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00261
PMID:38545680
|
研究论文 | 本研究介绍了一种基于深度神经网络的新型计算框架DeepEpiTEX,用于从表观遗传数据推断肿瘤微环境中耗竭T细胞的发育层次和功能状态 | 开发了DeepEpiTEX框架,首次利用多模态表观遗传数据(DNA甲基化、microRNA表达、长链非编码RNA表达)来推断耗竭T细胞的功能状态和发育层次,并发现了与免疫检查点阻断疗法反应的潜在关系 | 研究主要基于TCGA泛癌队列数据,虽然进行了外部验证,但仍需进一步在更大规模和多样化的数据集中验证其普适性 | 研究旨在通过表观遗传数据推断耗竭T细胞的功能状态和发育层次,以更好地理解肿瘤微环境中的T细胞异质性,并为个体化免疫治疗策略提供依据 | 耗竭T细胞(TEX) | 机器学习 | 癌症 | DNA甲基化测序、microRNA表达分析、长链非编码RNA表达分析 | 深度神经网络 | 表观遗传数据 | TCGA泛癌队列中的30种实体瘤类型 |
1465 | 2025-02-22 |
Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00212
PMID:38602938
|
研究论文 | 本文介绍了一种基于结构的快速计算模型GoCa,用于模拟大型多蛋白复合物的组装过程 | GoCa模型区分了亚基内和亚基间的相互作用,允许包含耦合折叠和结合,并自动处理复合物中相同亚基的排列,同时允许定义多个最小(天然)结构 | 模型依赖于已知的天然结构,可能不适用于未知结构的复合物 | 研究大型多蛋白复合物的组装过程 | 多蛋白复合物 | 计算生物学 | NA | 基于结构的计算模型 | GoCa | 蛋白质结构数据 | 多个多蛋白复合物 |
1466 | 2025-02-21 |
Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea
2024-Dec-31, BMC neuroscience
IF:2.4Q3
DOI:10.1186/s12868-024-00913-9
PMID:39741274
|
研究论文 | 本文探讨了使用深度学习增强的跨膜肌电图(tmEMG)在睡眠呼吸暂停诊断中的应用 | 本文创新性地使用带有注意力机制的深度学习模型(transformer)来建模tmEMG数据,以区分来自对照组、神经源性患者和睡眠呼吸暂停患者的肌电信号 | 研究数据集相对较小,可能影响模型的泛化能力 | 研究目的是通过深度学习技术提高睡眠呼吸暂停的诊断准确性 | 研究对象包括健康对照组、中度至重度阻塞性睡眠呼吸暂停(OSA)患者和肌萎缩侧索硬化症(ALS)患者 | 机器学习 | 睡眠呼吸暂停 | 跨膜肌电图(tmEMG) | transformer | 肌电信号 | 177例经口肌电图记录,包括6名健康对照、5名中度至重度OSA患者和5名ALS患者 |
1467 | 2025-02-21 |
TPepPro: a deep learning model for predicting peptide-protein interactions
2024-12-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae708
PMID:39585721
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型TPepPro,用于预测肽-蛋白质相互作用 | TPepPro结合了局部蛋白质序列特征提取和全局蛋白质结构特征提取的策略,并优化了结构特征神经网络的架构,显著减少了计算资源的需求 | NA | 开发一种高效预测肽-蛋白质相互作用的模型,以支持氨基酸药物的应用 | 肽-蛋白质相互作用 | 机器学习 | NA | 深度学习 | Transformer | 序列和结构特征 | 19,187对肽-蛋白质复合物 |
1468 | 2025-02-21 |
Ligand identification in CryoEM and X-ray maps using deep learning
2024-12-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae749
PMID:39700427
|
研究论文 | 本文提出了一种基于深度学习的配体识别方法,适用于X射线衍射和冷冻电镜密度图 | 首次将深度学习应用于冷冻电镜密度图的配体识别,并展示了其在X射线晶体学中的同等效果 | 冷冻电镜图的标准化和配体质量评估存在挑战 | 提高结构导向药物设计中的配体识别准确性 | X射线衍射和冷冻电镜密度图中的小分子配体 | 计算机视觉 | NA | 深度学习 | 3D点云处理模型 | 3D密度图 | NA |
1469 | 2025-02-21 |
Ligand Identification in CryoEM and X-ray Maps Using Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.27.610022
PMID:39257821
|
研究论文 | 本文提出了一种基于深度学习的配体识别方法,适用于X射线衍射和冷冻电镜(cryoEM)密度图 | 首次将深度学习应用于冷冻电镜密度图的配体识别,并展示了其与现有X射线晶体学机器学习方法相当的性能 | 冷冻电镜图谱的标准化和配体质量评估仍存在挑战 | 提高结构导向药物设计中的配体识别准确性 | X射线衍射和冷冻电镜密度图中的小分子配体 | 计算机视觉 | NA | 深度学习 | 3D点云处理模型 | 3D密度图 | NA |
1470 | 2025-02-21 |
3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness
2024-Dec-09, Sensors (Basel, Switzerland)
DOI:10.3390/s24237856
PMID:39686393
|
研究论文 | 本文提出了一种轻量级的神经动力学模型3D-BCLAM,用于评估学生的学习效果 | 创新性地结合了双向卷积长短期记忆(BCL)和动态注意力机制,以极低的计算成本高效捕捉时间序列中的情感动态变化 | NA | 评估学生的学习效果,深入理解学习过程,准确诊断学习障碍,并制定有效的教学策略 | 学生的学习效果 | 机器学习 | NA | NA | 3D-BCLAM(结合双向卷积长短期记忆和动态注意力机制) | 时间序列数据 | NA |
1471 | 2025-02-21 |
Deep learning in image segmentation for cancer
2024-Dec, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.839
PMID:39503190
|
研究论文 | 本文探讨了深度学习在癌症成像中的作用,特别是其在自动图像分割中的应用 | 展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升 | 需要进一步研究以解决不同成像系统间图像质量差异的问题 | 研究深度学习在癌症图像分割中的应用 | CT扫描和MRI图像 | 计算机视觉 | 癌症 | 深度学习 | U-Net, CNN | 图像 | NA |
1472 | 2025-02-21 |
Making sense of missense: challenges and opportunities in variant pathogenicity prediction
2024-Dec-01, Disease models & mechanisms
IF:4.0Q1
DOI:10.1242/dmm.052218
PMID:39676521
|
研究论文 | 本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用 | 介绍了不依赖已知变异分类进行训练的模型,如AlphaMissense,这些模型能克服当前临床数据库的偏差,并更好地泛化到新的未分类变异 | AlphaMissense作为一个大型深度学习模型,缺乏可解释性,不评估变异的功能影响,且提供的致病性评分不是疾病特异性的 | 提高变异解释计算工具的可解释性和精确性,以推进临床遗传学的发展 | 变异致病性预测模型 | 机器学习 | NA | 深度学习 | AlphaMissense, AlphaFold | 功能数据和临床数据 | NA |
1473 | 2025-02-21 |
Improved prediction of post-translational modification crosstalk within proteins using DeepPCT
2024-11-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae675
PMID:39570595
|
研究论文 | 本文提出了一种名为DeepPCT的深度学习算法,用于预测蛋白质内的翻译后修饰(PTM)交叉对话 | DeepPCT结合了AlphaFold2预测的蛋白质结构,通过序列和结构嵌入以及交叉注意力技术,构建了深度学习分类器,显著提高了预测准确性 | 尽管DeepPCT在预测PTM交叉对话方面表现出色,但其性能仍可能受到蛋白质结构预测准确性的限制 | 提高蛋白质内翻译后修饰(PTM)交叉对话的预测准确性 | 蛋白质内的翻译后修饰(PTM)交叉对话 | 机器学习 | NA | 深度学习,图神经网络,随机森林模型 | 深度学习分类器,图神经网络,随机森林模型 | 蛋白质序列和结构数据 | NA |
1474 | 2025-02-21 |
Deep Learning-Assisted Assessing of Single Circulating Tumor Cell Viability via Cellular Morphology
2024-10-22, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c03334
PMID:39384089
|
研究论文 | 本文提出了一种基于卷积神经网络的深度学习模型,用于通过细胞形态学评估单个循环肿瘤细胞(CTC)的活力 | 利用深度学习模型从细胞形态学特征中准确识别和评估单个CTC的活力,为癌症诊断、预后评估和疗效判断提供了新的非侵入性方法 | 由于CTC在人体血液中极为稀少,样本获取和标注可能存在挑战 | 开发一种高效、准确且非侵入性的方法,用于评估单个CTC的活力 | 循环肿瘤细胞(CTCs) | 数字病理学 | 癌症 | 细胞计数试剂盒-8(CCK-8) | 卷积神经网络(CNN) | 图像 | 未明确提及具体样本数量 |
1475 | 2025-02-21 |
Is cardiovascular risk profiling from UK Biobank retinal images using explicit deep learning estimates of traditional risk factors equivalent to actual risk measurements? A prospective cohort study design
2024-10-08, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2023-078609
PMID:39384229
|
研究论文 | 本研究旨在通过深度学习模型从视网膜图像中预测心血管疾病风险,并与基于实际风险测量的模型进行比较 | 使用两阶段深度学习神经网络从视网膜图像中估计10种传统心血管疾病风险因素,并预测5年主要不良心血管事件(MACE)风险 | 研究仅基于UK Biobank的数据,可能无法推广到其他人群 | 确定从视网膜图像中进行心血管风险预测模型的性能,并与实际风险测量模型进行比较 | UK Biobank中的52,297条包含视网膜图像和5年MACE累积发病率的数据 | 计算机视觉 | 心血管疾病 | 深度学习 | 两阶段深度学习神经网络 | 图像 | 52,297条数据,分为训练集(31,403)、验证集(10,420)和测试集(10,474) |
1476 | 2025-02-21 |
Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model
2024-Oct-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae412
PMID:39445422
|
研究论文 | 本文利用深度学习模型从任务态动态功能连接中预测个体认知特征 | 结合多尺度卷积和长短期记忆层,预测认知分数,并展示了任务态动态功能连接比静息态动态功能连接具有更强的预测能力 | 去除混杂因素后预测性能显著降低,且没有特定皮层网络在预测一般和流体智力中显示出显著相关性 | 从神经影像数据中预测个体认知特征,如一般智力和流体智力 | 874名来自人类连接组计划的受试者 | 机器学习 | NA | 功能磁共振成像(fMRI) | CNN, LSTM | 神经影像数据 | 874名受试者 |
1477 | 2025-02-21 |
Development and validation of a deep learning algorithm for the prediction of serum creatinine in critically ill patients
2024-Oct, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae097
PMID:39318762
|
研究论文 | 本文开发并验证了一种深度学习算法Nephrocast,用于预测重症监护病房(ICU)成年患者的次日血清肌酐(SCr)水平 | 利用深度学习模型预测次日SCr水平,帮助识别急性肾损伤(AKI)高风险患者,预测AKI病程,并指导肾脏清除药物的剂量调整 | 模型仅在单一医疗中心的数据上进行训练和验证,可能缺乏广泛适用性 | 开发并验证一种深度学习模型,用于预测ICU患者的次日血清肌酐水平 | 成年ICU患者 | 机器学习 | 急性肾损伤 | 深度学习 | 深度学习模型 | 电子健康记录数据 | 28,191次就诊,对应105,718个患者日 |
1478 | 2024-10-16 |
Deep Learning to Predict Functional Outcome in Acute Ischemic Stroke
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242705
PMID:39404635
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1479 | 2025-02-21 |
ERABiLNet: enhanced residual attention with bidirectional long short-term memory
2024-09-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71299-1
PMID:39232053
|
研究论文 | 本文提出了一种新的深度学习模型ERABiLNet,用于从MRI图像中早期检测阿尔茨海默病 | 提出了增强残差注意力与双向长短期记忆网络(ERABiLNet),通过结合残差注意力网络和注意力机制的双向LSTM,提高了阿尔茨海默病的检测性能 | 未提及具体的数据集规模或外部验证结果,可能影响模型的泛化能力 | 开发一种深度学习模型,用于从MRI图像中早期检测阿尔茨海默病 | 阿尔茨海默病患者的MRI图像 | 计算机视觉 | 老年病 | 深度学习 | ERABiLNet(结合残差注意力网络和双向LSTM) | 图像 | 未提及具体样本数量 |
1480 | 2025-02-21 |
Improving privacy-preserving multi-faceted long short-term memory for accurate evaluation of encrypted time-series MRI images in heart disease
2024-08-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70593-2
PMID:39215022
|
研究论文 | 本文介绍了一种用于分析同态加密时间序列MRI数据的新方法:多面长短期记忆网络(MF-LSTM),旨在提高心脏疾病的准确评估 | 提出了多面长短期记忆网络(MF-LSTM),在保护患者隐私的同时,准确分类和预测心脏疾病 | NA | 提高心脏疾病的早期诊断和监测,同时保护患者隐私 | 加密时间序列MRI图像 | 数字病理学 | 心血管疾病 | 同态加密(HE) | MF-LSTM | 时间序列MRI图像 | NA |