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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
201 | 2024-08-05 |
CELA-MFP: a contrast-enhanced and label-adaptive framework for multi-functional therapeutic peptides prediction
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae348
PMID:39038935
|
研究论文 | 该论文提出了一种名为CELA-MFP的深度学习框架,用于多功能治疗肽的预测 | CELA-MFP结合了特征对比增强和标签适应的方法,优化了肽功能的预测 | 实验仅在两个广泛使用的数据集上进行了测试,可能影响泛化能力 | 研究功能肽的预测,以理解其多样的生物学效应和设计基于肽的治疗药物 | 功能肽及其相关序列 | 生物技术 | NA | 深度学习 | Transformer | 序列 | 两个数据集 |
202 | 2024-08-05 |
Introducing enzymatic cleavage features and transfer learning realizes accurate peptide half-life prediction across species and organs
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae350
PMID:39038937
|
研究论文 | 本文提出了一种新一代基于人工智能的系统,用于准确预测肽药物的半衰期 | 引入了酶裂解特征与传统肽特征相结合,构建了更好的表示,并通过迁移学习提高了预测准确性 | NA | 研究肽药物的半衰期预测,促进肽药物的发展 | 天然和修饰肽的半衰期,涉及人类和小鼠两种物种以及血液和肠道两个器官 | 机器学习 | NA | NA | 深度学习模型,融合迁移学习 | NA | NA |
203 | 2024-08-05 |
Discovering predisposing genes for hereditary breast cancer using deep learning
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae346
PMID:39038933
|
研究论文 | 本文探讨了利用深度学习发现遗传性乳腺癌的易感基因 | 提出了一种新的高通量变异分析管道,适用于家族研究,并采用先进的机器学习模型和三维蛋白质结构分析技术 | 研究样本主要集中在中东背景的12个家庭,可能限制了结果的广泛适用性 | 识别导致家族性乳腺癌的易感基因 | 分析了来自12个家庭的稀有错义变异 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 变异数据 | 1218个稀有错义变异 |
204 | 2024-08-05 |
Enhancing multi-class lung disease classification in chest x-ray images: A hybrid manta-ray foraging volcano eruption algorithm boosted multilayer perceptron neural network approach
2024-May-16, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2350579
PMID:38753162
|
研究论文 | 本研究提出了一种混合鯨鯊觅食火山喷发算法增强的多层感知器神经网络方法,用于多类肺疾病的分类 | 提出了一种新的混合算法以优化多层感知器的参数,并提高多类肺疾病的分类准确率 | 仍需解决稳定性和类别不平衡的问题 | 旨在提高胸部X光图像中多类肺疾病的分类准确性 | 研究对象为COVID-19、肺炎、结核(TB)和正常的胸部X光图像 | 计算机视觉 | 肺癌 | 多层感知器神经网络(MPNN)、ADKF、TF-IDF | 多层感知器神经网络(MPNN) | 图像 | 来自Covid-Chest X-ray数据集的胸部X光图像 |
205 | 2024-08-05 |
Whole-body magnetic resonance imaging at 0.05 Tesla
2024-May-10, Science (New York, N.Y.)
DOI:10.1126/science.adm7168
PMID:38723062
|
研究论文 | 本文介绍了一种使用0.05特斯拉的全身磁共振成像技术 | 文章创新性地使用了永久0.05特斯拉磁体和深度学习技术,开发了无需射频和磁屏蔽的全身扫描仪 | 文章未提及研究的具体局限性 | 研究旨在开发一种可负担得起的超低场MRI扫描仪,以满足全球多样化医疗环境中的临床需求 | 研究对象包括各种解剖结构的成像 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA |
206 | 2024-08-05 |
Accuracy of Artificial Intelligence in Predicting Facial Changes Post-Orthognathic Surgery: A Comprehensive Scoping Review
2024-May, Journal of clinical and experimental dentistry
DOI:10.4317/jced.61500
PMID:38988747
|
综述 | 本文全面评估了人工智能在预测正颌手术后面部变化的准确性 | 创新点在于比较了AI与传统模型在面部变化预测中的优缺点 | 研究的局限性包括样本量小和缺乏外部验证 | 研究目的在于评估AI在正颌手术后预测面部变化的准确性 | 研究对象为使用AI模型进行正颌手术后结果预测的研究 | 机器学习 | NA | 机器学习和深度学习算法 | NA | NA | 总共筛选了1579个记录,最终选择了7个符合条件的研究 |
207 | 2024-08-05 |
Incremental Trainable Parameter Selection in Deep Neural Networks
2024-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3210297
PMID:36219657
|
研究论文 | 本文探讨了利用深度学习模型的有效自由度(DoF)来正则化基于随机梯度下降(SGD)的训练 | 提出了增量可训练参数选择(ITPS)算法,该算法能够逐步选择对训练损失敏感的参数,从而增大模型的自由度 | NA | 旨在通过ITPS算法优化深度学习模型的参数选择 | 不同的神经网络架构,包括CNN、变换器、递归神经网络(RNN)和多层感知器 | 机器学习 | NA | SGD | CNN, 变换器, RNN, 多层感知器 | 图像 | 使用公开数据集CIFAR-10, SLT-10和MIMIC-III进行训练 |
208 | 2024-08-05 |
Development and external validation of deep learning clinical prediction models using variable-length time series data
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae088
PMID:38679906
|
研究论文 | 本文比较和外部验证了流行的深度学习模型架构和数据转换方法在变量长度时间序列数据中的应用于三种临床任务。 | 引入了新的特征工程方法PLE-DT,并比较了多种深度学习架构在不同临床任务中的表现。 | 本研究为回顾性研究,仅在两个医疗中心的数据上进行,可能存在样本选择偏倚。 | 评估深度学习模型在临床任务中的表现以及优化变量长度时间序列数据的预测能力。 | 370,000多次入院数据用于训练和测试,以评估临床恶化、急性肾损伤和感染的预测模型。 | 机器学习 | NA | 深度学习,特征工程(PLE-DT) | LSTM/GRU,TDW-CNN | 时间序列数据 | 373,825次入院用于训练,256,128次入院用于测试 |
209 | 2024-08-05 |
The contribution of silencer variants to human diseases
2024-May-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.17.24307558
PMID:38798661
|
研究论文 | 该研究分析了沉默子变异与人类疾病之间的关联 | 该文章通过深度学习模型对2.8百万候选沉默子进行了全面分析,并发现沉默子变异在某些疾病中的关联性远高于增强子变异 | 未提及具体的样本多样性和数据来源的局限性 | 本研究旨在揭示沉默子变异与人类疾病的关系 | 研究对象是来自多种组织和发育时间点的人类样本 | 机器学习 | 帕金森病, 精神分裂症, 疾病1型糖尿病 | 深度学习 | NA | 基因组变化数据 | 97个来自不同组织和发育时间点的人类样本 |
210 | 2024-08-05 |
Deep learning-based automatic measurement system for patellar height: a multicenter retrospective study
2024-May-31, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-04809-6
PMID:38822361
|
研究论文 | 本文开发了一种基于深度学习的膝盖髌骨高度自动测量系统,并评估其性能和泛化能力 | 该研究首次应用深度学习模型自动测量髌骨高度,显示出与手动测量相当的准确性和强泛化能力 | 本研究中数据集的选择可能存在偏差,未来需检验不同数据集以优化模型 | 研究旨在提高髌骨高度测量的准确性和效率,以辅助膝关节疾病的评估和治疗 | 本文的研究对象为来自三家三级医院的膝关节X光影像数据 | 数字病理学 | NA | 深度学习 | HRNet和残差网络(ResNet) | 图像 | 共计2,341例膝关节X光图像 |
211 | 2024-08-05 |
Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong
2024-May-27, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad074
PMID:38189575
|
研究论文 | 本研究扩大和比较了基于深度学习的无似然推断方法与传统的似然方法在病毒系统地理学中的表现 | 提出了一种基于深度学习的无似然推断方法,与传统的贝叶斯推断方法在准确性和鲁棒性上接近,同时在训练后显著提高了计算速度 | 模型的精确度较低,且在模型失配的敏感度上有一定的保守性 | 探讨深度学习方法在病毒传播的系统地理学推断中的应用 | 使用模拟爆发的系统树和SARS-Cov-2大流行的真实数据 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 树形结构数据 | 来自5个地点的模拟爆发数据 |
212 | 2024-08-05 |
An adult and pediatric size-based contrast administration reduction phantom study for single and dual-energy CT through preservation of contrast-to-noise ratio
2024-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14340
PMID:38605540
|
研究论文 | 本文提供了一个定量框架,用于在降低碘对比剂剂量的同时保持碘CNR | 创新性地通过单能CT和双能CT的不同扫描条件,减少碘对比剂的使用 | 未详细探讨不同患者群体对结果的影响 | 研究如何在CT检查中通过降低对比剂的剂量来保持图像质量 | 使用不同直径的模拟物进行CT扫描 | 数字病理学 | NA | CT | 深度学习重建 | 影像 | 四种不同直径的模拟物(9.7, 15.9, 21.1, 28.5 cm 和 20, 29.5, 34.6, 39.7 cm) |
213 | 2024-08-05 |
A novel deep machine learning algorithm with dimensionality and size reduction approaches for feature elimination: thyroid cancer diagnoses with randomly missing data
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae344
PMID:39007597
|
研究论文 | 本研究开发了一种新的深度机器学习算法用于甲状腺癌诊断,并处理随机缺失数据 | 创新点在于处理随机缺失数据和采用维度缩减及层次聚类算法来选择最具信息量的数据集 | 缺乏标准化的甲状腺癌诊断程序可能限制算法的广泛适用性 | 旨在开发一种准确且计算效率高的深度学习算法以诊断甲状腺癌 | 研究对象为多维大数据中存在随机缺失的甲状腺癌诊断数据 | 机器学习 | 甲状腺癌 | 深度学习算法 | 未指定 | 多维数据 | 使用了四种机器学习算法进行训练和测试,具体样本数量未说明 |
214 | 2024-08-05 |
Highly accurate classification and discovery of microbial protein-coding gene functions using FunGeneTyper: an extensible deep learning framework
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae319
PMID:39007592
|
研究论文 | 该文章介绍了FunGeneTyper,一个可扩展的深度学习框架,用于微生物蛋白编码基因功能的高精度分类和发现 | 提出了一种新的框架,包含两个新的深度学习模型,以及结构化数据库,旨在实现高于99%的分类准确率 | NA | 开发一种高效的工具,用于微生物蛋白编码基因的功能分类和抗生素抗性基因的发现 | 抗生素抗性基因(ARGs)和毒力因子基因的序列 | 生物信息学 | NA | 高通量DNA测序 | FunTrans和FunRep | 基因序列 | 由实验确认的抗生素抗性基因数据集,包含远程同源序列作为测试集 |
215 | 2024-08-05 |
Framework for Ranking Machine Learning Predictions of Limited, Multimodal, and Longitudinal Behavioral Passive Sensing Data: Combining User-Agnostic and Personalized Modeling
2024-May-20, JMIR AI
DOI:10.2196/47805
PMID:38875667
|
研究论文 | 该文章提出了一个框架,用于对有限的多模态和纵向行为被动传感数据的机器学习预测进行排序 | 引入了一种新的排名框架FLMS,结合用户无关和个性化建模方法,同时使用排名策略过滤预测 | 对于小数据集采用复杂深度学习网络建模的局限性,可能导致噪声影响 | 过滤、排名并输出小型多模态纵向传感数据的最佳预测 | 健康研究中使用被动多模态传感器的青少年数据集 | 机器学习 | 抑郁障碍 | 被动移动传感 | NA | 传感数据 | 青少年参与者的真实数据集 |
216 | 2024-08-05 |
Predicting meningioma grades and pathologic marker expression via deep learning
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10258-2
PMID:37853176
|
研究论文 | 本研究建立了一个深度学习模型,用于预测脑膜瘤的肿瘤分级及病理标志物的表达 | 创新点在于使用深度学习方法高效预测脑膜瘤的分级和病理标志物的表达 | 外部验证队列的预测表现相对较低,可能限制了模型的广泛应用 | 研究旨在开发深度学习模型用于脑膜瘤的分级和病理标志物预测 | 1192名接受外科切除的脑膜瘤患者 | 数字病理学 | 脑膜瘤 | 深度学习 | ResNet50 | 图像 | 1192 |
217 | 2024-08-05 |
Prognostication of lung adenocarcinomas using CT-based deep learning of morphological and histopathological features: a retrospective dual-institutional study
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10306-x
PMID:37861801
|
研究论文 | 本文旨在开发和验证基于CT的深度学习模型,以预测肺腺癌的预后。 | 提出了一种新的基于CT的预后评分模型,利用形态学和组织病理学特征进行肺腺癌的生存预测,显示出潜在的应用价值。 | 虽然模型表现出较好的预测能力,但相较于离散时间生存模型的提升并无统计学意义。 | 研究旨在改善肺腺癌的预后评估。 | 研究对象为3181例已切除肺腺癌患者的术前胸部CT扫描。 | 计算机视觉 | 肺癌 | 深度学习(DL) | NA | 图像 | 3181例肺腺癌患者的术前CT扫描 |
218 | 2024-08-05 |
Reducing false positives in deep learning-based brain metastasis detection by using both gradient-echo and spin-echo contrast-enhanced MRI: validation in a multi-center diagnostic cohort
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10318-7
PMID:37891415
|
研究论文 | 本研究开发了一种结合梯度回波和涡轮自旋回波增强MRI的深度学习模型用于脑转移瘤的检测 | 通过使用双增强成像,改进的深度学习模型提高了脑转移瘤的真实阳性检出率并减少了过度估计 | N/A | 评估双增强深度学习模型在脑转移瘤检测中的临床应用 | 200名脑转移瘤患者的数据用于模型训练,62名内部患者和48名外部患者用于测试 | 数字病理学 | 脑癌 | 增强MRI | 深度学习 | 医学影像 | 200名训练样本,62名内部测试样本,48名外部测试样本 |
219 | 2024-08-05 |
Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals
2024-May-01, JAMA psychiatry
IF:22.5Q1
DOI:10.1001/jamapsychiatry.2023.5599
PMID:38353984
|
研究论文 | 本文探讨了在认知未受损者中基于人工智能的脑衰老模式的遗传和临床相关性。 | 研究通过数据驱动的方法识别出无认知障碍参与者的亚组,并与遗传、心血管风险因素及认知衰退轨迹相关联。 | 样本限制在某些年龄段,且可能无法代表所有种族和社会经济背景。 | 旨在理解脑衰老的结构性变化及其与遗传和临床因素的关系。 | 包括在1999到2020年间数据获取的认知未受损个体,年龄范围为45到85岁。 | 数字病理学 | 阿尔茨海默病 | 深度学习,半监督聚类,生成对抗网络 | NA | 数据点 | 27,402名认知未受损个体 |
220 | 2024-08-05 |
Missing Wedge Completion via Unsupervised Learning with Coordinate Networks
2024-May-17, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25105473
PMID:38791508
|
研究论文 | 本文介绍了一种利用坐标网络的无监督学习方法,解决低温电子断层扫描中的缺失楔形问题 | 提出了一种无须预训练的无监督学习方法,利用坐标网络直接优化网络权重,减少重建运行时间 | 缺乏在真实数据集上验证的结果 | 旨在改善低温电子断层扫描的重建质量和速度 | 生物标本的3D成像数据 | 数字病理学 | NA | 低温电子断层扫描 (cryoET) | 坐标网络 (CNs) | 图像 | NA |