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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
521 | 2024-11-26 |
Chisco: An EEG-based BCI dataset for decoding of imagined speech
2024-Nov-21, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04114-1
PMID:39572577
|
研究论文 | 本文介绍了一个基于EEG的BCI数据集Chisco,用于解码想象中的语音 | 本文首次提供了一个大规模的想象语音EEG数据集Chisco,包含超过20,000句高密度EEG记录,填补了该领域的数据空白 | NA | 本文旨在提供一个高质量的EEG数据集,以促进脑机接口技术的发展 | 本文的研究对象是健康成年人的想象语音EEG数据 | 脑机接口 | NA | EEG | NA | EEG数据 | 超过20,000句EEG记录,来自健康成年人,每人数据超过900分钟 |
522 | 2024-11-26 |
Enhanced MobileNet for skin cancer image classification with fused spatial channel attention mechanism
2024-11-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80087-w
PMID:39572649
|
研究论文 | 本文提出了一种改进的MobileNet模型,结合空间通道注意力机制用于皮肤癌图像分类 | 引入了一种新的注意力机制,用于揭示图像中的全局关联信息,从而提高分类性能 | 未提及具体的局限性 | 提高皮肤癌图像分类的准确性,以提升患者的生存率并减轻公共卫生负担 | 皮肤癌图像 | 计算机视觉 | 皮肤癌 | 卷积神经网络 | MobileNet | 图像 | 使用了国际皮肤成像协作组织2019年公开数据集(ISIC-2019) |
523 | 2024-11-26 |
The diagnostic value of MRI segmentation technique for shoulder joint injuries based on deep learning
2024-11-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80441-y
PMID:39572780
|
研究论文 | 研究基于深度学习的MRI图像分割技术在游泳者肩关节损伤诊断中的应用价值 | 开发了一种新的多尺度特征融合网络(MSFFN),通过优化和整合AlexNet和U-Net算法,用于肩关节MRI图像的分割 | 研究样本仅限于52名游泳者,可能存在样本量不足的问题 | 评估基于深度学习的MRI图像分割技术在诊断游泳者肩关节损伤中的有效性 | 游泳者的肩关节损伤 | 计算机视觉 | 运动损伤 | MRI图像分割 | 多尺度特征融合网络(MSFFN) | 图像 | 52名游泳者 |
524 | 2024-11-26 |
The urine formed element instance segmentation based on YOLOv5n
2024-11-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79969-w
PMID:39562665
|
研究论文 | 本研究提出了一种基于YOLOv5n的尿液形成元素实例分割模型,用于快速准确地检测和分割尿液中的形成元素 | 本研究创新性地将YOLOv5n与小FCN网络结合,实现了对尿液形成元素的快速且准确的实例分割 | 本研究仅使用了500张图像的数据集进行验证,数据集规模较小,可能影响模型的泛化能力 | 开发一种基于深度学习的自动化尿液形成元素分析方法,以提高临床疾病诊断的准确性和效率 | 尿液中的形成元素,如尿液细胞等 | 计算机视觉 | 泌尿系统疾病 | YOLOv5n | YOLOv5n | 图像 | 500张尿液形成元素图像 |
525 | 2024-11-26 |
Convolutional neural network for oral cancer detection combined with improved tunicate swarm algorithm to detect oral cancer
2024-11-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79250-0
PMID:39562767
|
研究论文 | 本文提出了一种结合改进的海鞘群算法的卷积神经网络用于口腔癌检测 | 本文创新性地将改进的海鞘群算法与卷积神经网络结合,提高了口腔癌检测的准确性 | NA | 开发一种更准确的口腔癌检测方法 | 口腔癌患者的图像数据 | 计算机视觉 | 口腔癌 | 卷积神经网络 | CNN | 图像 | 口腔癌图片数据集 |
526 | 2024-11-26 |
Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures
2024-Nov-08, Non-coding RNA
IF:3.6Q2
DOI:10.3390/ncrna10060055
PMID:39585047
|
研究论文 | 本文比较了三种先进的计算工具(RNAComposer、Rosetta FARFAR2和AlphaFold 3)在预测RNA三级结构方面的实用性 | AlphaFold 3通过将分子动力学原理整合到其深度学习框架中,能够直接从RNA一级序列输入预测RNA三级结构,并接受常见的转录后修饰 | 三种计算工具在预测人类pre-microRNA和较大的BioRNA(tRNA融合pre-miRNA)分子的远端环结构时存在显著差异,这些分子的三级结构尚未通过实验表征 | 比较不同计算工具在预测RNA三级结构方面的性能,并强调实验验证的重要性 | RNAComposer、Rosetta FARFAR2和AlphaFold 3三种计算工具,以及包括小干扰RNA药物nedosiran和新型生物工程RNA(BioRNA)分子在内的多种RNA形式 | 生物信息学 | NA | 计算预测 | 深度学习 | RNA序列 | 包括小干扰RNA药物nedosiran和新型生物工程RNA(BioRNA)分子在内的多种RNA形式 |
527 | 2024-11-25 |
Wafer-Scale Ag2S-Based Memristive Crossbar Arrays with Ultra-Low Switching-Energies Reaching Biological Synapses
2024-Nov-22, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-024-01559-2
PMID:39572441
|
研究论文 | 本文报道了基于Ag2S的晶圆级忆阻器交叉阵列,实现了超低开关能量,接近生物突触水平 | 通过微结构调制增强Ag在Ag2S电解质中的迁移,实现了创纪录的低阈值电压和超低开关能量 | 忆阻器单元的固有非理想性需要通过先进的训练算法进行补偿 | 开发一种具有超高能效的神经形态计算设备 | 基于Ag2S的忆阻器交叉阵列 | NA | NA | 忆阻器技术 | NA | NA | NA |
528 | 2024-11-25 |
Computed tomography-based radiomics and body composition model for predicting hepatic decompensation
2024-Nov-22, Oncotarget
DOI:10.18632/oncotarget.28673
PMID:39576671
|
研究论文 | 研究利用基于CT的放射组学和身体成分模型预测肝功能失代偿 | 首次将放射组学与身体成分模型结合,用于预测PSC患者的肝功能失代偿 | 预测未来事件仍具有挑战性,需要进一步研究验证临床效用和局限性 | 探索计算放射组学在预测PSC患者肝功能失代偿中的潜在价值 | PSC患者及其肝功能失代偿 | 数字病理学 | 肝病 | 计算放射组学 | 深度学习模型 | 医学图像 | 训练和验证队列的具体样本数量未明确说明 |
529 | 2024-11-25 |
Accelerated spine MRI with deep learning based image reconstruction: a prospective comparison with standard MRI
2024-Nov-22, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.004
PMID:39580249
|
研究论文 | 本文评估了基于深度学习的MRI重建技术在脊柱MRI中的表现,并与标准MRI进行了前瞻性比较 | 本文首次在脊柱MRI中应用深度学习技术,显著缩短了扫描时间并提高了图像质量 | 本文仅评估了深度学习技术在脊柱MRI中的表现,未涉及其他部位或其他类型的MRI | 评估深度学习重建MRI与标准MRI在图像采集时间、图像质量和诊断可互换性方面的表现 | 脊柱MRI图像及其诊断性能 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 200名参与者(107名男性,平均年龄46.56 ± 17.07岁) |
530 | 2024-11-25 |
In-context learning enables multimodal large language models to classify cancer pathology images
2024-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51465-9
PMID:39572531
|
研究论文 | 本文评估了具有视觉能力的生成预训练Transformer 4模型(GPT-4V)在癌症病理图像分类中的应用 | 首次系统评估了上下文学习在癌症病理图像处理中的应用,展示了大型视觉语言模型在无需特定领域数据训练的情况下,能够解决医学图像处理任务 | 研究仅限于三种癌症病理任务,未涵盖所有类型的癌症图像处理 | 探索和验证上下文学习在癌症病理图像分类中的有效性 | 结直肠癌组织亚型分类、结肠息肉亚型分类和淋巴结切片中的乳腺癌肿瘤检测 | 计算机视觉 | 结直肠癌、乳腺癌 | 上下文学习 | 生成预训练Transformer 4(GPT-4V) | 图像 | 少量样本 |
531 | 2024-11-25 |
Deep learning based emulator for predicting voltage behaviour in lithium ion batteries
2024-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80371-9
PMID:39572616
|
研究论文 | 本研究使用长短期记忆深度学习模型构建了一个数据驱动的电池仿真器,用于预测锂离子电池的充放电行为 | 本研究通过使用机器学习模型,显著减少了大规模汽车原型电池制造的经济成本和时间,并展示了高预测准确性 | 本研究主要集中在实验室生产的电池数据和模拟数据上,未涉及实际大规模生产中的应用 | 本研究的目的是通过数据驱动的仿真方法,减少大规模汽车原型电池制造的经济成本和时间 | 本研究的对象是锂离子电池的充放电行为 | 机器学习 | NA | 长短期记忆(LSTM)深度学习模型 | LSTM | 模拟数据和实验数据 | 本研究使用了两种数据集:来自Dualfoil模型的模拟数据和来自液态锂离子电池的实验数据,训练数据集包括五个充放电数据集 |
532 | 2024-11-25 |
Leveraging a deep learning generative model to enhance recognition of minor asphalt defects
2024-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80199-3
PMID:39572659
|
研究论文 | 本文介绍了一种利用深度学习生成模型增强识别沥青路面小缺陷的方法 | 提出了AsphaltGAN,一种带有注意力机制的类条件生成对抗网络,用于生成合成图像以增强对象检测 | 主要关注于生成模型和对象检测的改进,未涉及其他类型的道路缺陷检测 | 提高沥青路面缺陷检测的自动化和成本效益 | 沥青路面的小缺陷 | 计算机视觉 | NA | 生成对抗网络(GAN) | 生成对抗网络(GAN) | 图像 | 使用了Road Damage Detection 2022、Crack Dataset、Asphalt Pavement Detection Dataset和Crack Surface Dataset四个公共数据集 |
533 | 2024-11-25 |
Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction
2024-Nov-19, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110277
PMID:39566835
|
研究论文 | 本文开发了一种快速重建管道,用于BUDA-cEPI扩散磁共振成像(dMRI),以促进其在临床和神经科学应用中的部署 | 提出了基于机器学习的展开重建方法以及快速机器学习基础的B0和涡流估计,引入了虚拟线圈通道以更好地模拟S-LORAKS正则化 | NA | 开发一种快速重建管道,以实现BUDA-cEPI在临床和神经科学应用中的部署 | BUDA-cEPI扩散磁共振成像(dMRI)的重建方法 | 计算机视觉 | NA | 扩散磁共振成像(dMRI) | U-Net | 图像 | NA |
534 | 2024-11-25 |
An accurate prediction for respiratory diseases using deep learning on bronchoscopy diagnosis images
2024-Nov-19, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.11.023
PMID:39571731
|
研究论文 | 本文提出了一种多尺度注意力残差网络(MARN)用于通过支气管镜图像诊断肺部疾病 | 设计了多尺度卷积块注意力模块(MCBAM)以增强空间和通道特征,并使用梯度加权类激活图(Grad-CAM)提高诊断结果的可解释性 | NA | 提高支气管镜图像诊断肺部疾病的准确性 | 支气管镜图像中的肺部疾病 | 计算机视觉 | 呼吸系统疾病 | 深度学习 | 多尺度注意力残差网络(MARN) | 图像 | 615例,包括2900张图像 |
535 | 2024-11-25 |
Generalized deep learning for histopathology image classification using supervised contrastive learning
2024-Nov-16, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.11.013
PMID:39551131
|
研究论文 | 本研究介绍了HistopathAI,一种用于病理图像分类的混合网络,旨在提高临床病理诊断的准确性和效率 | HistopathAI利用监督对比学习(SCL)和混合深度特征融合(HDFF),显著提高了病理图像分类的准确性,特别是在不平衡数据集的情况下 | NA | 展示HistopathAI在病理图像分类中的优越性能,特别是在不平衡数据集的情况下 | 病理图像分类 | 数字病理学 | NA | 监督对比学习(SCL) | 混合网络 | 图像 | 七个公开数据集和一个私有数据集 |
536 | 2024-11-25 |
Development and Validation of Deep Learning-Based Infectivity Prediction in Pulmonary Tuberculosis Through Chest Radiography: Retrospective Study
2024-Nov-07, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58413
PMID:39509691
|
研究论文 | 本研究开发并验证了一种基于深度学习的肺结核感染性预测模型,通过胸部X光片进行快速准确的评估 | 本研究首次使用DenseNet121模型结合可视化技术,通过胸部X光片快速准确地评估肺结核患者的感染性 | 本研究仅使用了Severance医院和Yongin Severance医院的数据进行训练和验证,可能存在数据偏倚 | 开发一种基于人工智能的胸部X光片分析工具,用于快速准确地评估肺结核患者的感染性 | 肺结核患者的胸部X光片 | 计算机视觉 | 肺结核 | DenseNet121模型、梯度加权类激活映射、局部可解释模型不可知解释 | DenseNet121 | 图像 | 36,142张胸部X光片,涉及4492名肺结核患者 |
537 | 2024-11-25 |
Improving tabular data extraction in scanned laboratory reports using deep learning models
2024-Nov, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104735
PMID:39393477
|
研究论文 | 本研究开发了一种基于深度学习的OCR方法,用于从扫描的实验室报告中准确提取实验室测试信息 | 本研究提出了一种新的OCR管道,结合了DETR R18和EDD模型,用于从扫描的临床文档中检测和识别表格数据 | NA | 开发一种新的技术,从扫描的实验室报告中准确提取实验室测试信息,以支持临床决策 | 扫描的实验室报告中的表格数据 | 计算机视觉 | NA | 深度学习 | DETR R18, YOLOv8s, PaddleOCR, 编码器-双解码器(EDD)模型 | 图像 | 650个表格数据来自632份随机选择的实验室测试报告 |
538 | 2024-11-25 |
A Survey on Hyperlink Prediction
2024-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3286280
PMID:37363843
|
综述 | 本文系统全面地综述了超链接预测方法 | 将现有的超链接预测方法分类为基于相似性、基于概率、基于矩阵优化和基于深度学习的方法,并进行了基准研究 | NA | 旨在推断超图中缺失的超链接 | 超链接预测方法及其在不同系统中的应用 | 机器学习 | NA | 深度学习 | NA | 超图 | NA |
539 | 2024-11-25 |
Demonstration-based learning for few-shot biomedical named entity recognition under machine reading comprehension
2024-Nov, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104739
PMID:39490610
|
研究论文 | 本文提出了一种基于演示学习的机器阅读理解方法,用于在少样本场景下进行生物医学命名实体识别 | 将生物医学命名实体识别重新定义为机器阅读理解问题,并提出了一种基于演示学习的少样本生物医学命名实体识别方法 | NA | 提高模型在少样本学习场景下识别生物医学实体的能力 | 生物医学命名实体识别 | 自然语言处理 | NA | 机器阅读理解 | NA | 文本 | 25-shot 和 50-shot 学习实验 |
540 | 2024-11-24 |
miRStart 2.0: enhancing miRNA regulatory insights through deep learning-based TSS identification
2024-Nov-23, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae1086
PMID:39578697
|
研究论文 | miRStart 2.0通过深度学习方法增强miRNA转录起始位点(TSS)的识别,从而提升miRNA调控机制的洞察力 | miRStart 2.0整合了超过4500个高通量数据集,采用多模态方法注释了28,828个潜在的TSS,并利用深度学习模型在miRNA TSS预测方面优于现有工具 | NA | 揭示miRNA功能和转录调控机制 | miRNA的转录起始位点(TSS)和转录因子(TF)的调控作用 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 高通量数据 | 28,828个潜在的TSS,涉及1745个人类和1181个鼠类miRNA |