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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
621 | 2024-08-05 |
Video-based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-based Navigation in Kidney Surgery
2024-Jun-12, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3413537
PMID:38865220
|
研究论文 | 本研究提出了一个用于肾脏手术的软组织变形跟踪增强现实引导管线 | 提出了一种基于深度学习的特征点选择策略来提高变形向量场的准确性 | 本研究的实验主要在外部结构上进行,可能不完全代表内部结构的真实情况 | 提高腹腔镜肾脏手术的导航精度 | 针对肾脏手术中的软组织变形进行跟踪 | 计算机视觉 | NA | MR或CT数据,双眼腹腔镜 | 生物力学模型 | 影像 | 外部结构和内部结构的实验样本,涉及多个实验 |
622 | 2024-08-05 |
Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation from Invasive Coronary Imaging
2024-Jun-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3412935
PMID:38861432
|
研究论文 | 本文提出了一种约束感知学习框架,用于从入侵性冠状成像估计分数流量储备(FFR)回拉曲线 | 创新点在于引入几何和物理约束来改善FFR回拉曲线的估计,并利用合成数据进行模型训练 | 现有方法对固有几何关联和物理知识的整合不足 | 研究旨在改善从入侵性冠状成像中估计FFR回拉曲线的准确性 | 研究对象是382名患者的入侵性冠状成像数据 | 计算机视觉 | 冠状动脉疾病 | 深度学习 | 扩散模型 | 图像 | 382个患者的成像数据 |
623 | 2024-08-05 |
SSL-CPCD: Self-supervised learning with composite pretext-class discrimination for improved generalisability in endoscopic image analysis
2024-Jun-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3411933
PMID:38857149
|
研究论文 | 本文提出了一种新的自监督学习方法用于内镜图像分析,旨在提高模型的泛化能力 | 提出了基于复合前文本类区分的补充角度边际方法,有效改善了模型的相似聚类能力 | 尚未充分解决医学图像领域的自监督学习性能差距 | 探索自监督学习在医疗图像分析中的应用,以提高模型对未见数据的泛化能力 | 针对内镜成像数据进行分类、检测和分割任务的研究 | 机器学习 | NA | 自监督学习 | NA | 图像 | NA |
624 | 2024-08-05 |
Transcription Factor Binding Site Prediction Using CnNet Approach
2024-Jun-07, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3411024
PMID:38848239
|
研究论文 | 本文研究了一种使用CnNet方法预测转录因子结合位点的技术。 | 提出了一种结合MEME和卷积神经网络的CnNet方法,显著提高了转录因子结合位点预测的准确性。 | 没有提到具体的限制因素。 | 旨在开发一种新的方法来预测转录因子的结合位点。 | 研究对象是DNA基因序列的数据集及其转录因子的结合位点。 | 计算生物学 | NA | 深度学习 | 卷积神经网络(CNN) | 基因序列数据 | NA |
625 | 2024-08-05 |
A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models
2024-Jun-07, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3404276
PMID:38848227
|
研究论文 | 本文提出了一种新的分层交叉流聚合神经网络,用于3D牙科表面模型的语义分割 | 提出了一种基于多流架构的分层交叉流聚合网络,以提高3D语义分割的准确性 | NA | 旨在提高3D牙科模型中牙齿的语义分割准确性 | 3D牙齿模型 | 计算机视觉 | NA | 图注意力策略 | 分层交叉流聚合网络 | 3D模型 | 公共与自主数据集的真实患者牙科模型 |
626 | 2024-08-07 |
Compact Model Training by Low-Rank Projection With Energy Transfer
2024-Jun-06, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3400928
PMID:38843062
|
研究论文 | 本文提出了一种新的训练方法——低秩投影与能量转移(LRPET),用于从头开始训练低秩压缩网络并实现竞争性能 | LRPET方法通过交替执行随机梯度下降训练和将每个权重矩阵投影到相应的低秩流形上,充分利用了模型容量,并通过能量转移补偿了投影导致的矩阵能量减少 | NA | 开发一种新的网络压缩方法,以提高低秩压缩网络的性能 | 低秩压缩网络的训练方法 | 机器学习 | NA | 低秩投影,能量转移 | CNN | 图像 | 在CIFAR-10和ImageNet数据集上进行了综合实验 |
627 | 2024-08-05 |
RmdnCache: Dual-Space Prefetching Neural Network for Large-Scale Volume Visualization
2024-Jun-05, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3410091
PMID:38837917
|
研究论文 | 本文提出了一种名为RmdnCache的深度学习预取方法,以优化大规模体积可视化中的数据流 | 创新性地结合了RNN和MDN网络进行预测,以减少输入延迟 | NA | 旨在减少大规模体积可视化中的输入延迟 | 3D科学数据集 | 计算机视觉 | NA | 深度学习 | RNN和MDN | 体积数据 | 真实大规模体积数据集 |
628 | 2024-08-05 |
Deep Spatial-Spectral Joint-Sparse Prior Encoding Network for Hyperspectral Target Detection
2024-Jun-05, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2024.3403729
PMID:38837919
|
研究论文 | 本文提出了一种新的深度空间-光谱联合稀疏先验编码网络用于高光谱目标检测 | 引入了高光谱目标检测领域的领域知识,使网络具有明确的可解释性 | NA | 提高高光谱图像的目标检测精度和可解释性 | 高光谱图像中的目标和背景特征 | 计算机视觉 | NA | 高光谱成像 | 深度神经网络 | 图像 | NA |
629 | 2024-08-05 |
Three-dimensional atrous inception module for crowd behavior classification
2024-Jun-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65003-6
PMID:38909074
|
研究论文 | 提出了一种三维空洞Inception模块的网络用于人群行为分类 | 创造性地引入了三维空洞卷积和分离损失函数,提高了对复杂人群行为的分类精度 | 缺乏关于模型在不同环境下的有效性和鲁棒性验证 | 解决人群行为识别中的复杂性问题 | 人群行为在视频监控系统中的识别与分类 | 计算机视觉 | NA | 三维卷积 | 3D神经网络 | 视频 | NA |
630 | 2024-08-05 |
Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique
2024-Jun-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103066
PMID:38748882
|
研究论文 | 本文提出了一种使用可解释深度学习技术对高维单细胞多模态数据进行集成分析的协议 | 创新点在于提出了一种名为moETM的可解释深度学习技术来处理单细胞多组学数据 | 限制在于所演示的数据只来自骨髓单核细胞,可能缺乏其他细胞类型的数据 | 研究单细胞多组学数据的集成分析方法 | 研究对象为骨髓单核细胞的单细胞多组学数据 | 数字病理学 | NA | 单细胞多组学测序 | moETM | 多模态数据 | 使用了来自GSE194122的数据集,具体样本数量未提及 |
631 | 2024-08-05 |
A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching
2024-Jun-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103067
PMID:38748883
|
研究论文 | 本文介绍了一种用于去噪单细胞RNA测序数据的深度学习框架 | 提出了一种动态批处理对抗自编码器(DB-AAE)以提高scRNA-seq数据的去噪效果 | 本研究的局限性未在摘要中明确指出 | 旨在解决单细胞RNA测序数据分析中的技术挑战 | 针对单细胞RNA测序数据集进行去噪处理 | 机器学习 | NA | 深度学习 | 对抗自编码器 | 基因表达数据 | NA |
632 | 2024-08-05 |
Deep learning with noisy labels in medical prediction problems: a scoping review
2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae108
PMID:38814164
|
综述 | 本文旨在全面回顾深度学习在医疗预测中对标签噪声管理的研究 | 提出了将标签噪声管理作为医疗研究标准元素的重要性,并分类了标签噪声检测方法和处理技术 | 仅涉及2016年至2023年间的60篇文献,可能无法涵盖所有相关研究 | 研究医疗预测问题中标签噪声管理的重要性和现状 | 关注医疗研究中标签噪声的来源、影响、检测及处理技术 | 机器学习 | NA | 深度学习 | NA | 文献研究 | 60篇文献 |
633 | 2024-08-05 |
Determining Protein Secondary Structures in Heterogeneous Medium-Resolution Cryo-EM Images Using CryoSSESeg
2024-Jun-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c02608
PMID:38911779
|
研究论文 | 本研究提出了一个基于卷积神经网络的框架cryoSSESeg,用于在中等分辨率的冷冻电子显微镜图像中确定蛋白质二级结构的组织 | 介绍了一种新的深度学习方法cryoSSESeg,相比传统图像处理工具和其他深度学习模型表现出更优或相当的性能 | 结果受到中等分辨率密度图质量变化的影响,需要小心评估数据质量 | 通过分析中等分辨率的冷冻电子显微镜图像来提取蛋白质二级结构的信息 | 约1300条蛋白链来自500个实验性的冷冻电子显微镜密度图 | 计算机视觉 | NA | 冷冻电子显微镜(cryo-EM) | 卷积神经网络(CNN) | 图像 | 约1300条蛋白链,来自约500个不同质量的实验性冷冻电子显微镜密度图 |
634 | 2024-08-05 |
Deep-GenMut: Automated genetic mutation classification in oncology: A deep learning comparative study
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32279
PMID:38912449
|
研究论文 | 本文探讨了自动化的肿瘤学基因突变分类方法 | 通过比较不同深度学习模型,提出了优化的BioBERT模型用于基因突变分类,展示了实验结果的显著提升 | 研究中存在文本长度庞大、数据偏差以及数据实例重复等挑战 | 提高临床解释的精确度,改进基因突变的自动分析 | 利用深度学习模型对基因突变进行分类 | 自然语言处理 | 癌症 | 下一代测序技术 | BioBERT, BERT, LSTM, BiLSTM | 文本 | 使用了由纪念斯隆-凯特琳癌症中心(MSKCC)创建的包含多种突变的数据集 |
635 | 2024-08-05 |
Advancing reliability and efficiency of urban communication: Unmanned aerial vehicles, intelligent reflection surfaces, and deep learning techniques
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32472
PMID:38912507
|
研究论文 | 本文提出了一种用于无人机辅助通信系统的新型三维动态信道模型,并引入智能反射面来提升城市通信的可靠性和效率 | 提出了一种结合深度学习和人工智能技术的信道跟踪方法,使用深度神经网络进行初步估计,并采用双向长短期记忆(Bi-LSTM)模型进行持续监测 | 文中未提及具体在复杂城市环境中部署的限制因素 | 旨在改进城市环境中的无线通信网络,通过无人机和智能反射面建立更可靠的连接 | 研究对象为无人机辅助通信系统和智能反射面的整合 | 计算机视觉 | NA | 深度学习 | Bi-LSTM | 信号数据 | 仿真结果未具体说明样本规模 |
636 | 2024-08-05 |
Enhancing Earth data analysis in 5G satellite networks: A novel lightweight approach integrating improved deep learning
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32071
PMID:38912450
|
研究论文 | 该文章提出了一种集成云服务器与卫星网络结构的轻量级深度学习方法以增强地球数据分析 | 创新点在于提出了LMAEDL方法,通过适应性调整学习技术来优化卫星网络中的数据处理 | 文章未提供对比的具体数据或结果,可能无法全面评估所有潜在局限性 | 研究旨在提升5G卫星网络中数据分析的效率 | 研究对象包括在远程节点中分布广泛的传感器产生的大量数据 | 机器学习 | NA | 深度学习 | NA | 数据 | NA |
637 | 2024-08-05 |
Contrastive pre-training for sequence based genomics models
2024-Jun-12, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.10.598319
PMID:38915667
|
研究论文 | 本文介绍了一种用于序列基础基因组模型的无监督对比预训练方法cGen | cGen是一种模型无关的对比预训练方法,能够在训练前初始化权重,从而减少所需数据集的大小 | 对比预训练方法的有效性可能受到原始基因组数据的质量影响 | 探索深度学习在基因组学中的应用,尤其是在数据稀缺情况下的模型性能提升 | 研究序列基础的深度学习模型在基因组学中的应用 | 机器学习 | NA | NA | NA | 序列数据 | NA |
638 | 2024-08-05 |
Deep learning-based multi-modal data integration enhancing breast cancer disease-free survival prediction
2024-Jun, Precision clinical medicine
IF:5.1Q1
DOI:10.1093/pcmedi/pbae012
PMID:38912415
|
研究论文 | 本研究开发了一个新的多模态深度学习模型,使用术前数据预测乳腺癌的无病生存期。 | 创新点在于将临床病理数据与分子数据整合到DeepClinMed-PGM模型中,以提高预测乳腺癌无病生存期的准确性。 | 研究的回顾性设计可能影响模型的广泛适用性和外部验证。 | 研究旨在开发一个乳腺癌无病生存期的预测模型。 | 参与者包括训练队列741人,内部验证队列184人,外部测试队列95人。 | 机器学习 | 乳腺癌 | 深度学习 | DeepClinMed-PGM | 影像、分子和临床数据 | 训练队列741人,内部验证队列184人,外部测试队列95人 |
639 | 2024-08-05 |
Image detection model construction of Apolygus lucorum and Empoasca spp. based on improved YOLOv5
2024-Jun, Pest management science
IF:3.8Q1
DOI:10.1002/ps.7964
PMID:38243837
|
研究论文 | 本研究提出了一种基于改进YOLOv5的深度学习模型用于自动检测和计数小害虫Apolygus lucorum和Empoasca spp. | 提出了新的YOLOv5s_HSSE模型,通过改变激活函数、引入SIoU损失函数和增加注意力机制实现更高的检测精度 | 关于模型在不同环境或其他作物上的适用性未进行详细探讨 | 开发一种高效、准确的小害虫监测方法 | 针对Apolygus lucorum和Empoasca spp.的小害虫进行检测和计数 | 计算机视觉 | NA | 深度学习 | YOLOv5s_HSSE | 图像 | 1502张从多个地点和时间收集的图像 |
640 | 2024-08-05 |
Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane
2024-Jun-24, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-024-05841-0
PMID:38913129
|
研究论文 | 本文创建并验证了一种卷积神经网络(CNN)以通过动态超声识别盆底不同器官 | 使用CNN动态识别盆底器官的创新方法 | 对每个器官的DSI存在较大差异,膀胱和子宫的识别表现较差 | 研究如何利用CNN进行盆底器官的识别 | 110位患者的盆底结构 | 计算机视觉 | NA | 超声 | CNN | 视频 | 110名患者 |