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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
761 | 2024-08-05 |
Topological regression as an interpretable and efficient tool for quantitative structure-activity relationship modeling
2024-Jun-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49372-0
PMID:38871711
|
研究论文 | 本文提出了一种基于相似性的回归框架,拓扑回归(TR),用于定量构效关系建模,且易于解释和计算快速 | 提出了一种拓扑回归方法,其能够实现与深度学习QSAR模型相当甚至更好的性能,并提供更直观的解释能力 | 在比较上只有530个ChEMBL人类靶点活性数据集,可能对其它数据集的适用性没有充分验证 | 提高QSAR模型的可解释性与计算效率,以推动药物发现 | 530个ChEMBL人类靶点活性数据集 | 机器学习 | NA | NA | 拓扑回归(TR) | 数据集 | 530 |
762 | 2024-08-05 |
Phenotyping grapevine resistance to downy mildew: deep learning as a promising tool to assess sporulation and necrosis
2024-Jun-13, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01220-4
PMID:38872155
|
研究论文 | 该研究利用深度学习评估患有霜霉病的葡萄vine叶片的症状和抗性。 | 提出了一种高通量机器学习表型分析方法来识别葡萄对霜霉病抗性的新的基因位点 | 该方法可能依赖于特定的图像数据集,可能不适用于所有毒病系统 | 开发一种新的方法以快速、准确评估葡萄品种对霜霉病的抗性 | 受霜霉病影响的葡萄vine叶片 | 机器学习 | NA | 深度学习 | Swin Transformer | 图像 | 感染P. viticola的葡萄vine叶片圆盘的图像 |
763 | 2024-08-05 |
Robust diagnosis and meta visualizations of plant diseases through deep neural architecture with explainable AI
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64601-8
PMID:38871765
|
研究论文 | 本文提出了一种深度卷积神经网络模型,用于快速准确地识别植物疾病 | 引入了一种深度、可解释的神经架构,专门用于植物疾病识别,并应用于最大标准植物村数据集 | 由于基础设施和技术有限,植物疾病的准确识别具有挑战性 | 通过深度学习技术提高植物疾病的早期识别和分类精度 | 使用标准植物村数据集中38个类别的植物样本进行实验 | 计算机视觉 | 植物疾病 | 深度学习 | 深度卷积神经网络 | 图像 | 38个类别的最大标准植物村数据集 |
764 | 2024-08-05 |
Applying deep learning on social media to investigate cultural ecosystem services in protected areas worldwide
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64115-3
PMID:38871754
|
研究论文 | 本文探讨了全球保护区中文化生态系统服务的变异性 | 首次将深度学习与社交媒体数据结合,系统分类和分析全球保护区的文化生态系统服务 | 研究仅基于Flickr平台的照片,可能无法全面反映所有保护区的情况 | 旨在揭示全球保护区中文化生态系统服务的分布和互动模式 | 全球范围内的2873个保护区及其在社交媒体上的照片 | 机器学习 | NA | 卷积神经网络 | 混合效应模型 | 图像 | 总计87,090张照片,涉及2813个保护区,来自207个国家 |
765 | 2024-08-05 |
Automatic segmentation of femoral tumors by nnU-net
2024-Jun, Clinical biomechanics (Bristol, Avon)
|
研究论文 | 本文介绍了一种深度学习算法(nnU-Net)用于自动分割股骨肿瘤 | 提出的算法在当前最先进的解决方案中表现更好,能够以与经验丰富的放射科医生相似的准确性进行肿瘤分割 | 本文未提及具体关于算法在临床应用中的局限性 | 提高CT基础的有限元分析中肿瘤分割的准确性 | 包含手动标注的股骨肿瘤的CT扫描数据集 | 数字病理学 | 骨肿瘤 | 深度学习 | nnU-Net | 图像 | 50个CT扫描样本,包含手动标注的股骨肿瘤 |
766 | 2024-08-05 |
Multi-risk factors joint prediction model for risk prediction of retinopathy of prematurity
2024-Jun, The EPMA journal
DOI:10.1007/s13167-024-00363-7
PMID:38841619
|
研究论文 | 本研究建立了一种结合临床人口统计数据的人工智能算法用于早期筛查和风险预测早产儿视网膜病的模型 | 该研究创新性地结合了多种风险因素与人工智能技术,提高了对早产儿视网膜病及其治疗期望的预测能力 | 研究主要集中在单一医院的数据,可能存在样本偏差和外推性限制 | 该研究旨在通过建立多风险因素联合预测模型以提升早产儿视网膜病的早期筛查和风险评估能力 | 研究对象为22569名在深圳眼科医院进行常规筛查的早产儿,其中包括3335名罹患视网膜病的早产儿 | 机器学习 | 早产儿视网膜病 | 机器学习和深度学习 | 多层感知器、逻辑回归、决策树 | 临床数据 | 22569名早产儿,其中包括3335名视网膜病儿童和1234名需要治疗的视网膜病儿童 |
767 | 2024-08-05 |
Diagnosing schizophrenia using deep learning: Novel interpretation approaches and multi-site validation
2024-Jun-15, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2024.148876
PMID:38513996
|
研究论文 | 该研究利用深度学习对精神分裂症进行诊断,提出了新的解释方法并进行了多中心验证 | 引入了SHAP方法进行深度学习模型输出的临床应用解释,并进行了多中心数据的验证以提高模型的可靠性 | 模型的可解释性有限,且数据仅限于九个全球中心,可能影响结果的广泛应用 | 提高精神分裂症的诊断准确性和客观性 | 利用来自不同国家的样本验证深度学习模型的普适性 | 机器学习 | 精神分裂症 | 深度学习 | 3D Resnet | 脑部图像数据 | 来自九个全球中心的多个样本 |
768 | 2024-08-05 |
Revolutionizing urban mapping: deep learning and data fusion strategies for accurate building footprint segmentation
2024-Jun-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64231-0
PMID:38866920
|
研究论文 | 该论文提出了一种利用深度学习和数据融合策略进行建筑轮廓分割的新方法 | 通过将RGB正射影像与数字地表模型相结合,生成了一种统一的四波段数据集,从而改进了建筑分割的准确性和训练时间 | NA | 研究如何有效提取和细化城市建筑的轮廓信息 | 高分辨率航拍或卫星影像中的建筑物信息 | 计算机视觉 | NA | 深度学习,数据融合 | DeepLabv3 | 图像 | 覆盖意大利都灵21 km的区域,包含多样化的建筑框架 |
769 | 2024-08-05 |
An improved deep learning network for image detection and its application in Dendrobii caulis decoction piece
2024-06-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63398-w
PMID:38866849
|
研究论文 | 该文章提出了一种改进的深度学习网络用于从图像中检测 Dendrobii caulis decoction piece。 | 本文创新性地设计了 C2S 模块来替代 YOLOv5 的 C3 模块,提高了对稠密小目标的特征提取能力,并引入了 RepGFPN 和 OTA 操作符以有效整合高维和低维特征。 | 该研究未探讨方法在其他类型食材中的适用性。 | 研究旨在开发高效的检测方法,以解决 Dendrobii caulis decoction piece 的物种识别问题。 | 该研究的对象是不同类型的 Dendrobii caulis decoction piece。 | 计算机视觉 | NA | 深度学习 | 改进的 YOLOv5 | 图像 | 一个新的大规模 Dendrobium 图像数据集 |
770 | 2024-08-05 |
Enhancing the diagnosis of functionally relevant coronary artery disease with machine learning
2024-Jun-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49390-y
PMID:38866791
|
研究论文 | 本研究展示了机器学习在预测功能性相关冠状动脉疾病中的优势 | 该研究展示了机器学习在预测应激诱导的功能性相关冠状动脉疾病方面超过了心脏病专家的能力 | 研究的局限性包括仅使用特定的临床变量和心电图信号 | 研究旨在提高功能性相关冠状动脉疾病的早期诊断 | 研究对象为功能性相关冠状动脉疾病患者 | 机器学习 | 心脏病 | 机器学习 | 逻辑回归 | 临床变量和心电图信号 | NA |
771 | 2024-08-05 |
A deep learning-based automated diagnosis system for SPECT myocardial perfusion imaging
2024-06-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64445-2
PMID:38866884
|
研究论文 | 本文开发了一种基于深度学习的心肌灌注成像自动诊断系统 | 文章创新性地使用深度学习模型来改善心血管疾病的诊断准确性,并通过无监督学习可视化疾病损伤 | 研究仅基于单中心数据集,可能限制了结果的广泛适用性 | 旨在提高心肌灌注成像(MPI SPECT)图像的诊断支持能力 | 研究对象为5443个MPI SPECT图像样本,标记为健康或冠状动脉疾病 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络(CNN) | 图像 | 5443个MPI SPECT图像样本 |
772 | 2024-08-05 |
Parallel processing model for low-dose computed tomography image denoising
2024-Jun-12, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-024-00165-8
PMID:38865022
|
研究论文 | 本研究提出了一种多编码器深度特征变换网络(MDFTN),旨在增强多源低剂量计算机断层成像(LDCT)的去噪性能 | 提出了一种并行处理模型,能够在统一框架内同时处理来自多种成像源的LDCT图像,提升去噪效果 | 未提及具体的局限性 | 旨在提高多源LDCT成像的数据去噪性能 | 多源低剂量计算机断层成像图像 | 数字病理学 | NA | 深度学习 | 多编码器深度特征变换网络(MDFTN) | 图像 | 在两个公共数据集和一个本地数据集上进行的实验 |
773 | 2024-08-05 |
Prospective validation of a seizure diary forecasting falls short
2024-Jun, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17984
PMID:38606580
|
研究论文 | 本研究前瞻性评估了一种深度学习人工智能模型在预测癫痫发作风险方面的有效性 | 尽管以前的研究表明AI模型表现优越,但本研究发现其在前瞻性随机对照中不及简单移动平均预测 | 研究样本量较小,仅有25人提供了足够的数据进行分析 | 评估算法在前瞻性癫痫患者中的预测有效性 | 46名癫痫患者,最终分析样本为25名 | 机器学习 | 癫痫 | 深度学习 | NA | 数据条目 | 46名癫痫患者,25名提供了足够的数据进行分析 |
774 | 2024-08-05 |
Dataset of chilli and onion plant leaf images for classification and detection
2024-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110524
PMID:38872936
|
研究论文 | 本文介绍了辣椒与洋葱叶子数据集,旨在分类与检测植物叶片疾病 | 创建了一个详细的辣椒与洋葱叶子数据集,以支持计算机视觉算法的开发与测试 | 数据集可能未涵盖所有可能的疾病或叶片状态 | 研究旨在创建一个可公开获取的数据集,以支持植物叶片识别的计算机视觉技术 | 辣椒和洋葱植物的叶片图像 | 计算机视觉 | NA | 图像处理算法 | 深度学习模型,视觉变换器架构 | 图像 | 包含多种类型的辣椒与洋葱叶子图像 |
775 | 2024-08-05 |
A deep learning model for DNA enhancer prediction based on nucleotide position aware feature encoding
2024-Jun-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110030
PMID:38868182
|
研究论文 | 该文章提出了一种基于深度学习的DNA增强子预测模型PDCNN | PDCNN模型通过统计核苷酸表示提取基因序列中的隐藏特征,增强了预测准确性 | 当前模型可能无法解决所有类型的基因序列特征 | 研究深度学习在DNA增强子预测中的应用 | 基因序列中的DNA增强子 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 基因序列 | NA |
776 | 2024-08-05 |
Deep learning model based on contrast-enhanced MRI for predicting post-surgical survival in patients with hepatocellular carcinoma
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31451
PMID:38868019
|
研究论文 | 本文旨在开发基于对比增强MRI数据的深度学习模型,以预测肝细胞癌患者的术后总生存率。 | 本研究的创新点在于使用三维卷积神经网络(3D-CNN)从MRI图像中提取特征,并结合临床因素建立综合模型,从而提高了预测能力。 | 该研究仅为回顾性研究,可能存在选择偏倚,并且尚需进一步验证模型的通用性。 | 研究的目的是提高肝细胞癌患者术后生存率的预测能力。 | 研究对象为564名接受手术切除的肝细胞癌患者。 | 计算机视觉 | 肝癌 | 对比增强MRI | 3D-CNN | 图像 | 共涉及564名手术切除患者,分为训练集(326),测试集(143)和外部验证集(95) |
777 | 2024-08-05 |
GSOOA-1DDRSN: Network traffic anomaly detection based on deep residual shrinkage networks
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32087
PMID:38868050
|
研究论文 | 本文提出了一种基于深度残差收缩网络的网络流量异常检测方法GSOOA-1DDRSN | 提出了一种改进的鱼鹰优化算法来选取网络流量中最相关和重要的特征,并设计了一维深度残差收缩网络作为分类器 | 未提及具体的局限性 | 增强网络流量异常检测的能力 | 网络流量数据 | 网络安全 | NA | 优化算法和深度学习 | 一维深度残差收缩网络 (1DDRSN) | 网络流量数据 | 使用了NSL-KDD和UNSW-NB15数据集进行验证 |
778 | 2024-08-05 |
Application of the artificial intelligence system based on graphics and vision in ethnic tourism of subtropical grasslands
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31442
PMID:38867958
|
研究论文 | 本研究旨在通过利用深度学习算法和物联网技术来优化民族旅游资源的评估和决策。 | 本文改进了现有的深度学习算法,整合了ResNet + Canny + 局部二值模式(LBP)的特征提取算法,并提出智能决策方法。 | 本研究未提及具体的局限性。 | 该研究的目的是优化乡村旅游的智能发展技术。 | 本研究针对蒙古装饰图案进行识别和特征提取。 | 计算机视觉 | NA | 深度学习算法,物联网技术 | AlexNet, VGGNet, ResNet | 图像 | NA |
779 | 2024-08-05 |
A deep neural network algorithm-based approach for predicting recovery period of accidents according to construction scale
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32215
PMID:38868011
|
研究论文 | 本文提出了一种基于深度神经网络算法预测建筑工地事故恢复期的方法 | 创新地使用深度神经网络根据施工规模开发事故预测模型 | 未提及特定的限制因素 | 旨在提高对建筑工地事故恢复期的预测准确性 | 建筑工地的事故恢复期 | 机器学习 | NA | 深度神经网络 (DNN) | DNN | NA | NA |
780 | 2024-08-05 |
Information-hiding cameras: Optical concealment of object information into ordinary images
2024-Jun-14, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn9420
PMID:38865455
|
研究论文 | 我们介绍了一种信息隐藏相机,结合了通过深度学习联合优化的电子解码器 | 该系统使用衍射光学处理器,将输入图像转换并隐藏成看似普通的模式,具有多种秘密消息的无限组合能力 | NA | 研究信息隐藏技术在视觉信息安全中的应用 | 信息隐藏衍射相机在不同光照条件和噪声水平下的性能 | 计算机视觉 | NA | 衍射光学处理 | 深度学习 | 图像 | NA |