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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
441 | 2024-10-29 |
New Method for Tomato Disease Detection Based on Image Segmentation and Cycle-GAN Enhancement
2024-Oct-17, Sensors (Basel, Switzerland)
DOI:10.3390/s24206692
PMID:39460172
|
研究论文 | 本文提出了一种基于图像分割和Cycle-GAN增强的新方法,用于番茄病害检测 | 设计了一种自动叶分割算法(AISG),结合Cycle-GAN网络进行跨类别图像转换,提高了模型对病害特征的提取能力 | NA | 解决番茄病害检测中数据集有限和模型性能不足的问题 | 番茄病害 | 计算机视觉 | NA | 图像分割 | Cycle-GAN, MobileNet | 图像 | 涉及十种番茄病害的分类实验 |
442 | 2024-10-29 |
A Depth Awareness and Learnable Feature Fusion Network for Enhanced Geometric Perception in Semantic Correspondence
2024-Oct-17, Sensors (Basel, Switzerland)
DOI:10.3390/s24206680
PMID:39460160
|
研究论文 | 本文提出了一种深度感知和可学习特征融合网络,用于增强语义对应中的几何感知 | 本文创新性地将深度信息集成到特征图中,并利用可学习权重进行特征融合,以提高模型在语义对应任务中的表达能力 | 本文未提及模型在加速推理和优化轻量化方面的具体进展 | 本文旨在解决现有自监督学习和生成模型在捕捉和理解对象几何结构方面的局限性,并通过深度信息增强特征融合 | 本文研究对象为RGB图像中的语义对应问题 | 计算机视觉 | NA | 深度估计 | 深度感知和可学习特征融合网络 | 图像 | 本文在SPair-71K和AP-10K数据集上进行了实验,分别取得了81.8和83.3的PCK得分 |
443 | 2024-10-29 |
A Distributed VMD-BiLSTM Model for Taxi Demand Forecasting with GPS Sensor Data
2024-Oct-17, Sensors (Basel, Switzerland)
DOI:10.3390/s24206683
PMID:39460164
|
研究论文 | 本文提出了一种基于分布式VMD-BiLSTM模型的出租车需求预测方法 | 结合了变分模式分解(VMD)算法和双向长短期记忆(BiLSTM)模型,并在Spark分布式平台上实现,以提高计算效率和预测精度 | NA | 解决现有模型在处理大规模轨迹传感器数据时的计算成本高和效率低的问题 | 出租车需求预测 | 机器学习 | NA | 变分模式分解(VMD)、双向长短期记忆(BiLSTM) | BiLSTM | GPS传感器数据 | 使用真实世界的数据集进行测试 |
444 | 2024-10-29 |
ViTDroid: Vision Transformers for Efficient, Explainable Attention to Malicious Behavior in Android Binaries
2024-Oct-17, Sensors (Basel, Switzerland)
DOI:10.3390/s24206690
PMID:39460170
|
研究论文 | 本文提出了一种基于视觉变换器的模型ViTDroid,用于分析Android恶意软件样本的操作码序列 | ViTDroid模型不仅能够高精度地分类恶意软件,还能提供可解释的预测,指出导致恶意行为的指令 | 本文主要贡献在于模型的可解释性,而非性能的显著提升 | 开发一种能够有效且可解释地识别Android恶意软件的深度学习模型 | Android恶意软件样本的操作码序列 | 计算机视觉 | NA | 深度学习 | 视觉变换器 | 操作码序列 | 来自大型真实世界数据集的Android恶意软件样本 |
445 | 2024-10-29 |
Inertial Measurement Unit-Based Frozen Shoulder Identification from Daily Shoulder Tasks Using Machine Learning Approaches
2024-Oct-16, Sensors (Basel, Switzerland)
DOI:10.3390/s24206656
PMID:39460136
|
研究论文 | 本文提出了一种基于惯性测量单元(IMU)的肩周炎(FS)自动识别系统,用于日常肩部任务的客观评估 | 首次使用IMU和机器学习技术进行肩周炎的自动识别,并比较了多种机器学习和深度学习模型的性能 | 样本量较小,且仅限于肩周炎患者和健康对照组 | 开发一种客观的肩周炎临床评估方法 | 肩周炎患者和健康对照组的日常肩部任务 | 机器学习 | 肩周炎 | 惯性测量单元(IMU) | 卷积神经网络(CNN)、多层感知器(MLP) | 时间域统计特征、运动学特征 | 24名肩周炎患者和20名健康受试者 |
446 | 2024-10-29 |
Unsupervised Denoising in Spectral CT: Multi-Dimensional U-Net for Energy Channel Regularisation
2024-Oct-16, Sensors (Basel, Switzerland)
DOI:10.3390/s24206654
PMID:39460134
|
研究论文 | 研究了在光谱CT中使用无监督深度学习模型进行去噪的方法 | 提出了基于多维U-Net的无监督深度学习模型,并结合块状训练方法和能量通道正则化,显著提高了去噪效果 | 仅在模拟数据和真实生物样本上进行了实验验证,未涉及更多实际应用场景 | 解决光谱CT中由于能量通道增加导致的噪声问题 | 光谱CT图像的去噪 | 计算机视觉 | NA | 光谱CT | U-Net | 图像 | 两个模拟光谱CT体模和一个真实生物样本扫描 |
447 | 2024-10-29 |
A Recurrent Deep Network for Gait Phase Identification from EMG Signals During Exoskeleton-Assisted Walking
2024-Oct-16, Sensors (Basel, Switzerland)
DOI:10.3390/s24206666
PMID:39460147
|
研究论文 | 本文提出了一种基于双向LSTM的深度学习模型,用于从EMG信号中识别步态阶段,以辅助下肢外骨骼的步态康复 | 本文首次将双向LSTM应用于从EMG信号中识别步态阶段,并展示了其在不同采样率和不同步态条件下的泛化能力 | 模型在1500 Hz数据上的准确率较低,且部分重训练后的模型性能有所下降 | 开发一种能够准确识别步态阶段的深度学习模型,以辅助下肢外骨骼的步态康复 | 从EMG信号中识别步态阶段,以驱动外骨骼关节电机产生精确的时序命令 | 机器学习 | NA | EMG信号分析 | 双向LSTM | EMG信号 | 26名健康受试者,记录了4块肌肉的EMG信号,采样率为1500 Hz |
448 | 2024-10-29 |
Deep Learning-Based Electric Field Enhancement Imaging Method for Brain Stroke
2024-Oct-15, Sensors (Basel, Switzerland)
DOI:10.3390/s24206634
PMID:39460114
|
研究论文 | 本文提出了一种基于深度学习的电场增强成像方法(LEFEIM),用于脑卒中的定量成像 | LEFEIM通过两个级联网络实现了微波断层扫描系统的定量脑成像,显著提高了成像时间和质量,并具有抗噪能力 | NA | 开发一种新的成像方法,以克服现有脑成像技术的潜在危害和局限性 | 脑卒中患者的脑成像 | 计算机视觉 | 脑卒中 | 微波成像 | 卷积神经网络(CNN) | 电场分布 | NA |
449 | 2024-10-29 |
Isotropic Brain MRI Reconstruction from Orthogonal Scans Using 3D Convolutional Neural Network
2024-Oct-15, Sensors (Basel, Switzerland)
DOI:10.3390/s24206639
PMID:39460119
|
研究论文 | 本文提出了一种基于3D卷积神经网络的各向同性脑MRI重建方法 | 利用3D卷积神经网络自动提取特征,并从多个正交扫描中重建各向同性3D体积 | NA | 开发一种高效且准确的各向同性脑MRI重建方法 | 脑MRI图像 | 计算机视觉 | NA | 3D卷积神经网络 | 3D CNN | 图像 | 256 × 256 × 256的3D体积 |
450 | 2024-10-29 |
Effective Acoustic Model-Based Beamforming Training for Static and Dynamic Hri Applications
2024-Oct-15, Sensors (Basel, Switzerland)
DOI:10.3390/s24206644
PMID:39460124
|
研究论文 | 本文介绍了一种基于声学模型的波束形成训练系统,用于提高静态和动态人机交互应用中的信号噪声比和语音识别准确性 | 该研究采用深度学习方法,通过声学模型进行多风格训练,使用实际房间脉冲响应(RIRs)进行训练,显著提高了动态环境下机器人平台的语音信号处理能力 | NA | 提高人机交互中语音通信的信号质量和识别准确性 | 静态和动态环境下的人机交互应用 | 机器学习 | NA | 波束形成 | 深度学习 | 语音信号 | 使用多种实际房间脉冲响应(RIRs)进行训练 |
451 | 2024-10-29 |
SeqDance: A Protein Language Model for Representing Protein Dynamic Properties
2024-Oct-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.11.617911
PMID:39464109
|
研究论文 | SeqDance是一种蛋白质语言模型,旨在从序列中直接学习蛋白质动态特性的表示 | SeqDance通过预训练动态生物物理特性,有效捕捉局部动态相互作用、协同运动模式和全局构象特征,即使在缺乏同源蛋白质的情况下也能表现出色 | NA | 开发一种能够从序列中学习蛋白质动态特性的方法,以增强对蛋白质功能和突变适应性的研究 | 蛋白质动态特性及其在功能和突变适应性研究中的应用 | 机器学习 | NA | 分子动力学轨迹分析和正常模式分析 | 蛋白质语言模型 | 蛋白质序列 | 超过30,400个分子动力学轨迹和28,600个正常模式分析 |
452 | 2024-10-29 |
Artificial Intelligence (AI) Applications in Drug Discovery and Drug Delivery: Revolutionizing Personalized Medicine
2024-Oct-14, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics16101328
PMID:39458657
|
综述 | 本文综述了人工智能在药物发现和药物递送中的应用,探讨了其在个性化医学中的革命性影响 | 本文展示了人工智能在药物开发和发现、个性化医学等多个领域的创新应用,如目标识别和验证、辅料选择、合成路线预测等 | 本文主要从监管角度提出了人工智能集成可能带来的问题 | 分析当前研究趋势和案例,揭示人工智能对制药行业的变革性影响及其对医疗保健的广泛意义 | 人工智能在药物发现、目标优化、个性化医学、药物安全性等领域的应用 | 机器学习 | NA | 机器学习、深度学习 | NA | NA | NA |
453 | 2024-10-29 |
Consecutive Image Acquisition without Anomalies
2024-Oct-14, Sensors (Basel, Switzerland)
DOI:10.3390/s24206608
PMID:39460088
|
研究论文 | 本文介绍了一种新的算法,用于消除移动载体上相机连续获取图像时的重叠和间隙异常 | 提出了一种新的算法,结合动态时间规整距离和Wasserstein距离来检测和纠正连续图像获取中的异常 | 未提及具体限制 | 开发一种算法,用于消除连续图像获取中的重叠和间隙异常 | 移动载体上相机获取的连续图像 | 计算机视觉 | NA | 动态时间规整距离和Wasserstein距离 | 深度学习 | 图像 | 未提及具体样本数量 |
454 | 2024-10-29 |
Enhanced Infant Movement Analysis Using Transformer-Based Fusion of Diverse Video Features for Neurodevelopmental Monitoring
2024-Oct-14, Sensors (Basel, Switzerland)
DOI:10.3390/s24206619
PMID:39460099
|
研究论文 | 本研究开发了一种基于Transformer的融合模型,用于分析婴儿运动模式,以监测神经发育 | 本研究首次采用Transformer融合模型,结合多种视频特征,显著提高了婴儿运动模式分类的准确性 | 本研究样本量较小,仅招募了12对父母-婴儿,未来需要更大规模的验证 | 旨在提高神经发育异常的早期检测和预测能力 | 3至12个月大的婴儿及其运动模式 | 计算机视觉 | NA | 深度学习 | Transformer | 视频 | 12对父母-婴儿 |
455 | 2024-10-29 |
Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models
2024-Oct-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.14.618330
PMID:39464139
|
研究论文 | 本文通过mRNA展示技术结合机器学习模型,评估了RiPP天然产物合成途径中的环脱水酶LynD的底物范围 | 利用mRNA展示技术进行大规模底物筛选,并构建深度学习模型预测LynD的底物加工能力 | NA | 研究RiPP酶的底物特异性和酶促反应中的上位相互作用 | 环脱水酶LynD及其底物 | 机器学习 | NA | mRNA展示技术 | 深度学习模型 | 肽序列 | 大规模肽库 |
456 | 2024-10-29 |
A Systematic Review of AI-Driven Prediction of Fabric Properties and Handfeel
2024-Oct-13, Materials (Basel, Switzerland)
DOI:10.3390/ma17205009
PMID:39459715
|
综述 | 本文系统回顾了人工智能驱动的织物特性和手感预测技术 | 本文通过文献计量和内容分析,深入分析了39篇相关论文,评估了不同AI方法在织物预测中的应用 | 尽管取得了显著进展,但仍存在模型泛化性和复杂织物行为管理的挑战 | 提高人工智能在织物特性和手感预测中的应用,指导未来纺织创新 | 织物特性和手感 | 机器学习 | NA | 机器学习、深度学习和混合模型 | 机器学习、深度学习和混合模型 | 织物数据 | 899篇论文中筛选出39篇进行深入分析 |
457 | 2024-10-29 |
StructNet-DDI: Molecular Structure Characterization-Based ResNet for Prediction of Drug-Drug Interactions
2024-Oct-12, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29204829
PMID:39459198
|
研究论文 | 本研究介绍了一种基于SMILES表示的化学结构深度学习框架,用于预测药物-药物相互作用(DDI) | 提出了基于分子结构特征的ResNet模型,通过提取Morgan指纹和关键分子描述符,并将其转换为图形特征输入到改进的ResNet18架构中,有效解决了梯度消失和爆炸问题 | NA | 开发一种高效准确的深度学习模型,用于预测药物-药物相互作用 | 药物-药物相互作用(DDI) | 机器学习 | NA | 深度学习 | ResNet | 分子结构 | NA |
458 | 2024-10-29 |
Image-Based Peridynamic Modeling-Based Micro-CT for Failure Simulation of Composites
2024-Oct-12, Materials (Basel, Switzerland)
DOI:10.3390/ma17204987
PMID:39459692
|
研究论文 | 本文利用CT技术和计算力学结合,通过数值模拟预测复合材料的结构响应,避免了高昂的实验成本 | 提出了一种基于图像的近场动力学模型(IB-PD),结合深度学习图像识别模型,能够准确重建复合材料的实际微观结构并模拟各种断裂现象 | NA | 研究碳化硅复合材料的拉伸开裂行为,并通过数值模拟预测其结构响应 | 碳化硅(C/SiC)复合材料 | 计算机视觉 | NA | CT技术 | 近场动力学模型(BB-PD),深度学习图像识别模型 | 图像 | NA |
459 | 2024-10-29 |
High-Resolution Reconstruction of Temperature Fields Based on Improved ResNet18
2024-Oct-12, Sensors (Basel, Switzerland)
DOI:10.3390/s24206564
PMID:39460045
|
研究论文 | 本文提出了一种基于改进ResNet18的高精度温度场重建算法 | 引入了CBAM注意力机制和M-FPN特征金字塔,提高了特征提取能力 | 未提及具体局限性 | 提高工业生产中温度值分布的高精度测量 | 温度场重建算法 | 机器学习 | NA | 深度学习 | ResNet18 | 温度场数据 | 未提及具体样本数量 |
460 | 2024-10-29 |
Multi-Source Information-Based Bearing Fault Diagnosis Using Multi-Branch Selective Fusion Deep Residual Network
2024-Oct-12, Sensors (Basel, Switzerland)
DOI:10.3390/s24206581
PMID:39460061
|
研究论文 | 提出了一种基于多源信息的多分支选择性融合深度残差网络用于轴承故障诊断 | 采用多分支结构设计,为每个输入信号源提供独特的特征处理通道,避免多个信号源的信息被卷积核盲目耦合,并根据每个输入信号的特性分配不同的卷积核大小,充分挖掘各自信息源上的宝贵故障成分 | 未提及具体限制 | 解决单信号源故障诊断方法在背景噪声污染和信息衰减下的不可靠性问题,以及多信号源信息冗余对深度学习算法表示能力和故障诊断精度负面影响的问题 | 滚动轴承故障诊断 | 机器学习 | NA | 深度学习 | 深度残差网络 | 信号 | 两个权威公共轴承数据集 |