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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
141 | 2024-11-19 |
Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention
2024-Oct-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.21.619560
PMID:39484541
|
研究论文 | 本文提出了一种名为SHARP的方法,用于增强Hi-C数据的分辨率,通过信号分解和多尺度注意力机制克服了传统深度学习方法中的人工结构问题 | SHARP方法通过将数据分解为三种信号类型,并仅对第三种信号应用深度学习,避免了传统方法中的人工结构问题。同时,SHARP结合了局部和全局注意力机制,以捕捉多尺度的上下文信息 | NA | 提高Hi-C数据的分辨率,并避免在增强过程中产生人工结构 | Hi-C数据中的高分辨率特征 | 生物信息学 | NA | 深度学习 | 注意力机制 | Hi-C数据 | 包括新样本和另一物种的数据 |
142 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法,揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制,为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA |
143 | 2024-11-18 |
Automated Speech Analysis for Risk Detection of Depression, Anxiety, Insomnia, and Fatigue: Algorithm Development and Validation Study
2024-Oct-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58572
PMID:39324329
|
研究论文 | 研究开发并验证了一种基于语音分析的算法,用于检测和估计抑郁症、焦虑症、失眠和疲劳的风险 | 该研究不仅关注单一症状,还考虑了症状的共存和相互作用,并引入了不确定性估计和公平性评估,以提高临床应用的安全性 | 模型在不同年龄组和教育水平上的公平性表现较差 | 探讨移动设备收集的语音数据在检测和估计抑郁症、焦虑症、疲劳和失眠方面的预测潜力 | 抑郁症、焦虑症、失眠和疲劳 | 机器学习 | NA | 语音活动检测、特征提取和模型训练 | 深度学习模型 | 语音数据 | 865名健康成年人 |
144 | 2024-11-18 |
Multiparametric MRI based deep learning model for prediction of early recurrence of hepatocellular carcinoma after SR following TACE
2024-Oct-08, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05941-w
PMID:39379692
|
研究论文 | 本文开发并验证了一种结合深度学习和临床数据的模型,用于预测接受TACE后肝细胞癌患者的早期复发 | 本文创新性地将深度学习特征与临床数据结合,构建了一个预测肝细胞癌患者早期复发的诺模图模型 | NA | 开发和验证一种结合深度学习和临床数据的模型,用于预测肝细胞癌患者的早期复发 | 接受TACE后肝细胞癌患者的早期复发风险 | 机器学习 | 肝癌 | MRI | 深度学习模型 | 影像数据 | 511名接受SR后TACE的患者 |
145 | 2024-11-18 |
Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia
2024-Oct, Tissue engineering. Part A
DOI:10.1089/ten.TEA.2024.0096
PMID:39041628
|
综述 | 本文综述了人工智能在口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)中的应用,重点介绍了基于AI的方法在开发预测OED转化为OSCC或预测OSCC治疗反应和死亡率的生物标志物方面的进展 | 本文介绍了基于人工智能的深度学习(DL)和机器学习方法在数字病理学和表观基因组学中的应用,展示了在发现和技术方面的有前景的进展 | 本文主要为综述性质,未提供具体的研究数据或实验结果 | 旨在突出人工智能(AI)在开发预测OED转化为OSCC或预测OSCC死亡率和治疗反应的生物标志物方面的进展 | 口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED) | 数字病理学 | 口腔癌 | 深度学习(DL),机器学习 | 神经网络 | 图像 | NA |
146 | 2024-11-17 |
Diagnosis of Pancreatic Ductal Adenocarcinoma Using Deep Learning
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217005
PMID:39517902
|
研究论文 | 本研究利用深度学习网络分析病理图像,以准确诊断胰腺癌,特别是胰腺导管腺癌(PDAC) | 本研究引入了多种先进的迁移学习模型,包括InceptionV3、DenseNet、ResNet、VGG、EfficientNet和一个专门设计的深度神经网络,并进行了比较分析以选择最准确的算法 | NA | 利用人工智能技术进行胰腺癌的早期诊断和检测,以提高患者治疗效果 | 胰腺导管腺癌(PDAC)的病理图像 | 计算机视觉 | 胰腺癌 | 深度学习算法 | 卷积神经网络(CNN) | 图像 | 包含PDAC和/或慢性胰腺炎诊断病例的新数据集,并通过图像复制和创建不同维度的第二个数据集进行增强 |
147 | 2024-11-17 |
MR_NET: A Method for Breast Cancer Detection and Localization from Histological Images Through Explainable Convolutional Neural Networks
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217022
PMID:39517917
|
研究论文 | 本文提出了一种基于可解释卷积神经网络的乳腺癌症检测和定位方法 | 引入了名为MR_Net的新型深度学习模型,旨在提供更准确的乳腺癌检测和定位,并通过生成热图提供可解释的预测结果 | 未提及具体限制 | 开发一种能够早期和准确检测乳腺癌的方法,以提高治疗效果和生存率 | 乳腺组织病理图像 | 计算机视觉 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | 未提及具体样本数量 |
148 | 2024-11-17 |
Enhancing Underwater SLAM Navigation and Perception: A Comprehensive Review of Deep Learning Integration
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217034
PMID:39517928
|
综述 | 本文综述了水下SLAM技术,特别是深度学习方法的整合,以提高水下导航和感知性能 | 本文详细评估了深度学习在水下图像处理和感知中的应用研究,并比较了标准和基于深度学习的SLAM系统 | NA | 探讨如何通过深度学习方法改进水下SLAM系统的性能 | 水下SLAM技术及其与深度学习方法的整合 | 计算机视觉 | NA | 深度学习 | GAN, CNN, LSTM | 图像 | NA |
149 | 2024-11-17 |
Deep Learning Approaches for the Assessment of Germinal Matrix Hemorrhage Using Neonatal Head Ultrasound
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217052
PMID:39517949
|
研究论文 | 本研究提出了一种基于YOLOv8模型的深度学习方法,用于自动评估新生儿头部超声图像中的生发基质出血(GMH) | 本研究采用了YOLOv8模型进行GMH分级,并结合迁移学习和数据增强技术,显著提高了诊断的准确性和效率 | NA | 开发一种自动化的方法来提高新生儿生发基质出血的诊断准确性 | 新生儿头部超声图像中的生发基质出血 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 586名婴儿的超声图像 |
150 | 2024-11-17 |
AI-Guided Cancer Therapy for Patients with Coexisting Migraines
2024-Oct-31, Cancers
IF:4.5Q1
DOI:10.3390/cancers16213690
PMID:39518129
|
综述 | 本文探讨了人工智能在癌症患者个性化治疗中的应用,特别是针对同时患有偏头痛的癌症患者 | 本文介绍了人工智能技术如机器学习、深度学习和自然语言处理在发现癌症和偏头痛的遗传和分子生物标志物中的应用,以及这些技术在预测偏头痛对癌症治疗影响方面的潜力 | 本文指出在数据整合、临床验证和伦理考虑方面仍存在挑战 | 本文旨在探讨人工智能在癌症患者个性化治疗中的应用,特别是针对同时患有偏头痛的癌症患者 | 本文主要研究对象是同时患有偏头痛的癌症患者 | 机器学习 | NA | 机器学习、深度学习、自然语言处理 | NA | NA | NA |
151 | 2024-11-17 |
Unveiling Artificial Intelligence's Power: Precision, Personalization, and Progress in Rheumatology
2024-Oct-31, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13216559
PMID:39518698
|
综述 | 本文综述了人工智能(AI)在风湿病学中的应用及其在诊断、治疗个性化和预后预测方面的潜在影响 | AI,包括机器学习和深度学习,正在革新风湿病学的诊断、治疗个性化和预后预测 | 存在数据隐私问题和模型泛化性问题等挑战 | 探讨AI在风湿病学中的应用及其潜在影响 | AI在风湿病学中的诊断、治疗个性化和预后预测 | 机器学习 | 风湿病 | NA | 卷积神经网络(CNN) | 图像 | NA |
152 | 2024-11-17 |
A New Deep Learning Methodology for Alarm Supervision in Marine Power Stations
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216957
PMID:39517854
|
研究论文 | 本文提出了一种新的深度学习方法,用于海运电站的警报监控,旨在减少船员的工作压力并预防事故 | 开发了一种用户友好的图像识别工具,作为船员操作的视觉传感器,以适应船员的具体需求 | 研究结果仅适用于三层卷积神经网络和平衡数据的情况 | 开发一种能够减少船员工作压力的图像识别工具,作为预防工作风险的手段 | 海运电站的警报监控和船员的工作压力 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 图像 | NA |
153 | 2024-11-17 |
Decoding Brain Signals from Rapid-Event EEG for Visual Analysis Using Deep Learning
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216965
PMID:39517862
|
研究论文 | 本研究开发了一种深度学习模型,用于解码受试者对快速事件视觉刺激的响应,并探讨了影响EEG视觉分类任务低准确性的主要因素 | 提出了多类、多通道特征融合模型(MCCFF),显著提高了EEG视觉分类的准确性,达到33.17% | NA | 提高EEG信号在视觉分类任务中的准确性 | 快速事件视觉刺激下的EEG信号 | 机器学习 | NA | 深度学习 | 多类、多通道特征融合模型(MCCFF) | EEG信号 | 40个对象类别,每个类别1000张图像 |
154 | 2024-11-17 |
Research on Gating Fusion Algorithm for Power Grid Survey Data Based on Enhanced Mamba Spatial Neighborhood Relationship
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216980
PMID:39517874
|
研究论文 | 研究了一种基于增强Mamba空间邻域关系的电网勘测数据门控融合算法 | 提出了一种专门针对电网勘测的融合模型,显著增强了遥感图像中的空间-光谱特征表示 | 模型的泛化性能在不同数据源和环境条件下的表现尚未评估 | 开发一种新的图像融合算法,以减少光谱失真和空间细节损失 | 电网勘测中的全色和多光谱图像 | 计算机视觉 | NA | NA | Transformer, Mamba | 图像 | 使用了GF-2卫星图像和QuickBird (QB)数据集进行实验 |
155 | 2024-11-17 |
Supervised Deep Learning for Detecting and Locating Passive Seismic Events Recorded with DAS: A Case Study
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216978
PMID:39517875
|
研究论文 | 本文研究了使用合成地震数据和真实噪声记录,结合监督深度学习神经网络方法,用于检测和定位诱发地震源,并探索其用于重建地下属性的潜力 | 本文提出了一种新的监督深度学习方法,用于处理大规模地震数据,特别是连续监测中的数据处理 | 该方法在处理时间偏移、信噪比和几何不匹配方面存在挑战 | 研究如何利用深度学习技术有效处理和分析大规模地震数据,以支持矿产资源勘探和地下属性重建 | 合成地震数据、真实噪声记录、诱发地震源的检测和定位 | 计算机视觉 | NA | 深度学习 | 神经网络 | 地震数据 | 合成数据和来自Otway CO注入现场的相关地震监测数据集 |
156 | 2024-11-17 |
Exploring the Influence of Tropical Cyclones on Regional Air Quality Using Multimodal Deep Learning Techniques
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216983
PMID:39517881
|
研究论文 | 研究热带气旋对区域空气质量的影响,采用多模态深度学习技术分析气旋前后空气质量的变化 | 结合多种深度学习模型(ConvLSTM, CNN, Real-ESRGAN)和回归模型,分析热带气旋特征与空气质量指数之间的复杂模式和非线性关系 | NA | 探讨热带气旋对空气质量的影响,特别是气旋前后空气质量的变化 | 热带气旋与空气质量指数 | 机器学习 | NA | 多模态深度学习 | ConvLSTM, CNN, Real-ESRGAN | 气象数据, 卫星观测数据 | NA |
157 | 2024-11-17 |
Grad-CAM Enabled Breast Cancer Classification with a 3D Inception-ResNet V2: Empowering Radiologists with Explainable Insights
2024-Oct-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers16213668
PMID:39518105
|
研究论文 | 本文提出了一种基于深度学习的可解释AI模型,用于乳腺癌的非侵入性诊断 | 本文创新性地结合了Inception-ResNet V2架构和Grad-CAM技术,为放射科医生提供了模型决策的可视化解释 | NA | 开发一种精确、非侵入性、客观且及时的乳腺癌诊断方法 | 乳腺癌的诊断 | 计算机视觉 | 乳腺癌 | 深度学习 | Inception-ResNet V2 | 图像 | 使用了DDSM和CBIS-DDSM乳腺摄影数据集 |
158 | 2024-11-17 |
Enhancing Surgical Guidance: Deep Learning-Based Liver Vessel Segmentation in Real-Time Ultrasound Video Frames
2024-Oct-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers16213674
PMID:39518111
|
研究论文 | 本文提出了一种基于深度学习的模型,用于实时超声视频帧中的肝脏血管分割,以增强手术指导 | 本文创新性地应用了2D-weigthed U-Net模型,用于实时超声导航中的多血管分割 | 目前研究仅限于肝脏血管的分割,未来将扩展到更广泛的血管网络 | 提升超声引导下肝脏手术的干预能力 | 肝脏血管,包括下腔静脉、肝静脉和门静脉及其分支 | 计算机视觉 | NA | 深度学习 | 2D-weigthed U-Net | 视频 | 涉及多种肝脏血管的实时超声视频帧 |
159 | 2024-11-17 |
Deep learning-based automatic pipeline system for predicting lateral cervical lymph node metastasis in patients with papillary thyroid carcinoma using computed tomography: A multi-center study
2024-Oct-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发并评估了一种基于深度学习的自动管道系统,用于通过计算机断层扫描诊断甲状腺乳头状癌患者的侧颈淋巴结转移 | 本研究首次提出了一种基于深度学习的自动管道系统,结合了自动分割网络和分类网络,显著提高了诊断性能,并减少了不必要的淋巴结切除率 | NA | 开发和评估一种基于深度学习的自动管道系统,用于诊断甲状腺乳头状癌患者的侧颈淋巴结转移 | 甲状腺乳头状癌患者的侧颈淋巴结转移 | 计算机视觉 | 甲状腺癌 | 计算机断层扫描 | RefineNet模型、ResNet、Xception、DenseNet | 图像 | 1266个侧颈淋巴结,来自519名患者 |
160 | 2024-11-17 |
Spatial structural abnormality maps associated with cognitive and physical performance in relapsing-remitting multiple sclerosis
2024-Oct-29, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11157-w
PMID:39470796
|
研究论文 | 使用深度学习算法分析复发缓解型多发性硬化症患者的大脑异常结构图,以评估其认知和身体表现 | 首次使用3D nnU-Net算法计算复发缓解型多发性硬化症患者的空间异常图,并将其分类为五个亚型 | 研究仅限于复发缓解型多发性硬化症患者,且样本量相对较小 | 研究复发缓解型多发性硬化症患者的大脑异常结构与认知和身体表现之间的关系 | 复发缓解型多发性硬化症患者的大脑异常结构及其与认知和身体表现的关系 | 数字病理学 | 多发性硬化症 | 深度学习算法 | 3D nnU-Net | 图像 | 281名复发缓解型多发性硬化症患者(数据集1),另外两个数据集分别为33和56名患者 |