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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
701 | 2024-11-20 |
Pneumonia Detection from Chest X-Ray Images Using Deep Learning and Transfer Learning for Imbalanced Datasets
2024-Nov-18, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01334-0
PMID:39557737
|
研究论文 | 本文研究了使用深度学习和迁移学习技术从胸部X光图像中检测肺炎,特别关注处理不平衡数据集的挑战 | 本文探索了多种深度学习架构(如VGG、ResNet和ViT)以及迁移学习、零样本学习和少样本学习等策略,以提高肺炎检测的准确性 | 本文未详细讨论模型的泛化能力和在不同医疗环境中的适用性 | 研究如何利用深度学习技术提高肺炎检测的准确性和效率,特别是处理不平衡数据集的问题 | 胸部X光图像中的肺炎检测 | 计算机视觉 | 肺炎 | 深度学习 | VGG、ResNet、ViT | 图像 | 使用了多个公开数据集,包括Chest X-Ray Images (Pneumonia)、BRAX和CheXpert数据集 |
702 | 2024-11-20 |
Active Learning with Particle Swarm Optimization for Enhanced Skin Cancer Classification Utilizing Deep CNN Models
2024-Nov-18, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01327-z
PMID:39557738
|
研究论文 | 本文提出了一种结合主动学习(AL)和粒子群优化(PSO)的皮肤癌分类框架,以提高深度卷积神经网络(CNN)模型的分类准确性和效率 | 本文的创新点在于将主动学习和粒子群优化结合,通过选择最具信息量的未标注实例进行专家标注,从而减少标注成本并优化分类器性能 | 本文的局限性在于实验仅在HAM10000皮肤病变数据集上进行,未来需要在更多数据集上验证方法的通用性 | 本文的研究目的是通过结合主动学习和粒子群优化,提高皮肤癌分类的准确性和效率 | 本文的研究对象是皮肤癌分类问题,特别是非黑色素瘤和黑色素瘤的早期检测 | 计算机视觉 | 皮肤癌 | 粒子群优化(PSO) | 卷积神经网络(CNN) | 图像 | 使用了HAM10000皮肤病变数据集,包含约10000个样本 |
703 | 2024-11-20 |
Progress in the Identification and Design of Novel Antimicrobial Peptides Against Pathogenic Microorganisms
2024-Nov-18, Probiotics and antimicrobial proteins
IF:4.4Q2
DOI:10.1007/s12602-024-10402-4
PMID:39557756
|
综述 | 本文综述了抗菌肽(AMPs)在对抗病原微生物中的最新进展及其设计方法 | 本文介绍了计算机辅助策略(如机器学习和深度学习)在准确预测和设计新型抗菌肽中的应用 | 本文指出了在发现和应用抗菌肽时面临的重大挑战 | 评估抗菌肽在对抗广泛细菌病原体中的最新进展及其设计方法 | 抗菌肽及其对抗病原微生物的活性 | NA | NA | 机器学习(ML)和深度学习(DL) | NA | NA | NA |
704 | 2024-11-20 |
Analysis of Microscopic Remaining Oil Based on the Fluorescence Image and Deep Learning
2024-Nov-18, Journal of fluorescence
IF:2.6Q3
DOI:10.1007/s10895-024-04032-w
PMID:39557795
|
研究论文 | 本文利用荧光图像和深度学习技术分析微观剩余油,以提高高含水油藏的采收率 | 本文创新性地应用了四种深度学习网络(U-Net、ResU-Net、ScSEU-Net和Unet++)进行荧光图像分割,显著提高了分析效率和准确性 | 本文主要关注于大孔径(大于60微米)的油藏,对于小孔径(小于50微米)的微观剩余油仍需进一步研究 | 提高高含水油藏的采收率 | 微观剩余油及其分布模式 | 计算机视觉 | NA | 深度学习 | U-Net、ResU-Net、ScSEU-Net、Unet++ | 图像 | 油藏样本 |
705 | 2024-11-20 |
Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores
2024-Nov-18, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028241294088
PMID:39558586
|
研究论文 | 本文利用激光诱导击穿光谱(LIBS)和卷积神经网络(CNN)模型预测铁矿石中的总铁含量 | 本文提出了一种基于CNN的LIBS方法,通过变量重要性随机森林(VI-RF)和变量重要性反向传播人工神经网络(VI-BP-ANN)与传统模型进行比较,展示了CNN在提高LIBS定量准确性和减少建模时间方面的优势 | NA | 提高激光诱导击穿光谱(LIBS)在铁矿石中总铁含量检测的准确性 | 铁矿石中的总铁含量 | 机器学习 | NA | 激光诱导击穿光谱(LIBS) | 卷积神经网络(CNN) | 光谱数据 | 339批次铁矿石样品,收集了2034个代表性光谱 |
706 | 2024-11-20 |
Predicting cell type-specific epigenomic profiles accounting for distal genetic effects
2024-Nov-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54441-5
PMID:39550354
|
研究论文 | 本文介绍了一种名为Enformer Celltyping的深度学习模型,用于预测细胞类型特异性的表观基因组特征,考虑了远端遗传效应 | 引入了一种新的深度学习模型Enformer Celltyping,能够预测未见过的细胞类型的表观遗传信号,并考虑了远端DNA相互作用的影响 | 尽管模型表现优异,但仍存在当前基因组深度学习模型的局限性 | 开发一种能够解释遗传变异对表观基因组影响的计算模型,以提高GWAS的解释能力 | 细胞类型特异性的表观基因组特征和远端遗传效应 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA和染色质可及性数据 | 未具体说明样本数量 |
707 | 2024-11-20 |
Rotor angle stability of a microgrid generator through polynomial approximation based on RFID data collection and deep learning
2024-Nov-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80033-w
PMID:39550455
|
研究论文 | 提出了一种基于RFID数据采集和深度学习的微电网发电机转子角稳定性评估新方法 | 通过结合RFID技术和混合CNN-LSTM模型,提高了故障检测效率和精度 | NA | 评估微电网中的转子角稳定性 | 微电网发电机的转子角稳定性 | 机器学习 | NA | RFID技术 | 混合CNN-LSTM模型 | 振动或噪声信号 | IEEE 3-机器9-母线系统 |
708 | 2024-11-20 |
Generalizable MRI-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps across Multiple Centers and Raters with Active Learning
2024-Nov-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.11.064
PMID:39557309
|
研究论文 | 本文提出了一种基于深度学习和主动学习的鼻咽癌肿瘤体积分割方法,旨在解决多中心和多评分者环境下模型部署的变异性和不准确性问题 | 本文创新性地结合了主动学习和无源域适应技术,以减少多中心和多评分者之间的差异,提高鼻咽癌肿瘤体积分割的准确性和通用性 | 本文的研究主要集中在鼻咽癌的肿瘤体积分割上,尚未扩展到其他类型的癌症或其他医学图像分析任务 | 开发一种能够在多中心和多评分者环境下准确分割鼻咽癌肿瘤体积的深度学习方法 | 鼻咽癌患者的MRI扫描图像 | 计算机视觉 | 鼻咽癌 | 深度学习 | U-Net | 图像 | 1057例鼻咽癌患者的MRI扫描图像,以及170例由四位独立专家标注的鼻咽癌患者数据 |
709 | 2024-11-20 |
Generative adversarial networks accurately reconstruct pan-cancer histology from pathologic, genomic, and radiographic latent features
2024-Nov-15, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adq0856
PMID:39546597
|
研究论文 | 本文介绍并验证了一种自定义的生成对抗网络HistoXGAN,能够利用常见特征提取器生成的特征向量重建代表性的癌症组织学图像 | HistoXGAN能够从病理、基因组和放射影像的潜在特征中准确重建泛癌组织学图像,展示了其在肿瘤分级、组织学亚型和基因表达模式方面的信息保留能力 | NA | 研究如何利用生成对抗网络从多模态数据中重建癌症组织学图像,并探讨其生物学意义 | 29种癌症亚型的组织学图像及其相关的病理、基因组和放射影像特征 | 计算机视觉 | 癌症 | 生成对抗网络 | GAN | 图像 | 29种癌症亚型 |
710 | 2024-11-20 |
Detection of microplastics in fish using computed tomography and deep learning
2024-Nov-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39875
PMID:39553626
|
研究论文 | 本文提出了一种利用计算机断层扫描(CT扫描)和人工智能进行鱼类及其他物种中微塑料自动无损检测的新方法 | 结合密度和形状等因素,利用人工智能进行微塑料的自动检测,显著提高了检测的精度和效率 | NA | 开发一种新的方法来检测鱼类及其他物种中的微塑料 | 鱼类及其他物种中的微塑料 | 计算机视觉 | NA | 计算机断层扫描(CT扫描) | 语义分割模型 | 图像 | NA |
711 | 2024-11-20 |
A benchmark for Rey-Osterrieth complex figure test automatic scoring
2024-Nov-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39883
PMID:39553666
|
研究论文 | 本文介绍了一个用于Rey-Osterrieth复杂图形测试自动评分的基准框架 | 首次提供了ROCFD528数据集,这是一个公开的ROCF线绘图数据集,并使用多种现代深度学习模型进行实验,为新方法提供比较基线 | 实验结果表明,在样本数量有限的情况下,专门设计的CNN模型表现优于其他现有CNN架构,但仍存在一定的误差(MAE = 3.448) | 开发一个公平比较不同计算机视觉系统在ROCF测试自动评分中的性能的基准框架 | Rey-Osterrieth复杂图形测试的自动评分 | 计算机视觉 | NA | 卷积神经网络(CNN) | 卷积神经网络(CNN) | 图像 | 528个ROCF线绘图样本 |
712 | 2024-11-20 |
Application of Machine Learning to Osteoporosis and Osteopenia Screening Using Hand Radiographs
2024-Nov-15, The Journal of hand surgery
DOI:10.1016/j.jhsa.2024.09.008
PMID:39556066
|
研究论文 | 本文开发并验证了一种基于标准手部X光片的深度学习算法,用于筛查骨质疏松症和骨质减少症 | 利用深度学习算法从手部X光片中筛查骨质疏松症和骨质减少症,提供了一种更便捷、成本效益更高的自动化诊断方法 | 研究样本量相对较小,且仅限于手部X光片,可能限制了算法的广泛应用 | 开发一种基于手部X光片的自动化筛查工具,用于诊断骨质疏松症和骨质减少症 | 手部X光片和相应的DXA扫描结果 | 机器学习 | 骨质疏松症 | 深度学习 | ResNet-50 | 图像 | 总共1,424张图像,包括687张正常图像、607张骨质减少图像和130张骨质疏松图像 |
713 | 2024-11-20 |
Digital profiling of gene expression from histology images with linearized attention
2024-Nov-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54182-5
PMID:39543087
|
研究论文 | 本文介绍了一种名为SEQUOIA的线性化transformer模型,用于从全切片图像(WSIs)预测癌症转录组谱 | 提出了SEQUOIA模型,通过线性化transformer结构降低了模型复杂性,并在大规模数据集上验证了其泛化能力 | NA | 开发一种成本效益高的方法,从全切片图像中预测癌症的基因表达谱,以支持个性化癌症管理 | 癌症转录组谱的预测 | 数字病理学 | 癌症 | 深度学习 | transformer | 图像 | 7584个肿瘤样本,涵盖16种癌症类型,并在两个独立队列中验证了1368个肿瘤 |
714 | 2024-11-20 |
Deep learning-based models for preimplantation mouse and human embryos based on single-cell RNA sequencing
2024-Nov-14, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02511-3
PMID:39543284
|
研究论文 | 本文利用深度学习工具整合和分类多个单细胞RNA测序数据集,定义小鼠和人类胚胎细胞类型、谱系和状态 | 开发了一种基于深度学习的模型,能够无偏地分类细胞类型,并定义用于识别谱系、细胞类型和状态的基因集 | NA | 利用深度学习工具整合和分类单细胞RNA测序数据,定义小鼠和人类胚胎细胞类型、谱系和状态 | 小鼠和人类胚胎细胞类型、谱系和状态 | 机器学习 | NA | 单细胞RNA测序 | 深度学习模型 | RNA测序数据 | 使用了公开可用的早期小鼠和人类发育阶段的数据 |
715 | 2024-11-20 |
MVGNet: Prediction of PI3K Inhibitors Using Multitask Learning and Multiview Frameworks
2024-Nov-12, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c06224
PMID:39554430
|
研究论文 | 提出了一种多视图深度学习框架MVGNet,用于预测PI3K抑制剂的抑制活性 | 整合了基于片段的药效团信息,并利用多任务学习捕捉子任务之间的相关信息 | NA | 探索PI3K抑制剂的结构-活性关系 | PI3K抑制剂对四种PI3K同工酶(PI3Kα、PI3Kβ、PI3Kγ和PI3Kδ)的抑制活性 | 机器学习 | NA | 多任务学习 | 深度学习框架 | 分子数据 | NA |
716 | 2024-11-20 |
EvoAI enables extreme compression and reconstruction of the protein sequence space
2024-Nov-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02504-2
PMID:39528677
|
研究论文 | 本文介绍了一种名为EvoAI的方法,用于极端压缩和重建蛋白质序列空间 | 提出了EvoScan方法来全面分割和扫描高适应度序列空间,并开发了深度学习和大型语言模型来从这些锚点中准确重建空间 | NA | 设计具有改进功能的蛋白质,并深入理解序列与功能之间的关系 | 蛋白质序列空间的高适应度区域 | 机器学习 | NA | 深度学习 | 大型语言模型 | 蛋白质序列 | 82个锚点 |
717 | 2024-11-20 |
Time series-based machine learning for forecasting multivariate water quality in full-scale drinking water treatment with various reagent dosages
2024-Nov-09, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122777
PMID:39556984
|
研究论文 | 研究提出了一种优化的基于时间序列的机器学习方法,用于预测多元饮用水质量,特别考虑了试剂投加的时间依赖效应 | 研究通过特征工程构建了包含进水水质参数、试剂投加量和出水水质特征的时间序列数据集,并开发了七种预测模型进行评估,发现传统机器学习模型在时间特征工程的增强下,性能与深度学习模型相当,甚至优于深度学习模型 | 研究未详细说明模型的泛化能力和在不同水处理厂的适用性 | 旨在提高饮用水质量预测的准确性,以优化水处理过程和智能供水管理 | 研究对象为饮用水处理过程中的多元水质参数 | 机器学习 | NA | 机器学习 | XGBoost | 时间序列数据 | 来自全规模水处理厂的数据 |
718 | 2024-11-20 |
A Learnable Prior Improves Inverse Tumor Growth Modeling
2024-Nov-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3494022
PMID:39514352
|
研究论文 | 本文提出了一种结合深度学习和进化策略的新框架,用于改进肿瘤生长逆向建模 | 该方法利用深度学习进行初始参数估计,并通过进化采样进一步优化,显著提高了计算效率和模型精度 | NA | 改进个体化疾病治疗方案的生物物理建模 | 脑肿瘤细胞浓度 | 机器学习 | 脑肿瘤 | 深度学习 | DL-Prior | 磁共振图像 | NA |
719 | 2024-11-20 |
Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney
2024-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77582-5
PMID:39516256
|
研究论文 | 本文研究了在分层相衬断层扫描(HiP-CT)中使用深度学习进行3D血管分割,并以肾脏为例进行案例研究 | 引入了经过双注释者验证的精心策划的训练数据集,并利用nnU-Net框架评估模型性能,为高分辨率器官成像中的机器学习模型评估设定了新标准 | DSC评分主要评估体素与体素的一致性,忽略了血管的多个关键特征;由于缺乏静水压力,大血管的分割效果较差;细小血管的连接性降低和血管边界的高分割错误 | 提供一个基础并确定一个用于血管分割的鲁棒基线模型,使用新的成像模式HiP-CT | 肾脏的血管结构 | 计算机视觉 | NA | 分层相衬断层扫描(HiP-CT) | nnU-Net | 3D图像 | 三个肾脏的血管数据 |
720 | 2024-11-20 |
A Learnable Prior Improves Inverse Tumor Growth Modeling
2024-Nov-06, ArXiv
PMID:38495563
|
研究论文 | 本文提出了一种结合深度学习和进化策略的新框架,用于改进肿瘤生长逆向建模 | 本文的创新点在于将深度学习方法与进化策略相结合,通过深度学习模型提供初始参数估计,从而加速进化采样过程 | NA | 本文的研究目的是改进肿瘤生长逆向建模的效率和准确性 | 本文的研究对象是脑肿瘤细胞浓度 | 机器学习 | 脑肿瘤 | 深度学习 | DL ensemble | 图像 | NA |