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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
721 | 2024-11-20 |
A deep learning approach to prediction of blood group antigens from genomic data
2024-Nov, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18013
PMID:39268576
|
研究论文 | 本文探讨了利用深度学习技术从基因组数据中预测血型抗原的方法 | 首次应用深度学习技术于血型预测,结合去噪自编码器和卷积神经网络模型,提高了预测准确性 | 某些低频或遗传背景复杂的抗原预测仍存在挑战 | 开发基于基因组数据的血型预测模型 | 血型抗原预测 | 机器学习 | NA | 基因分型平台 | 卷积神经网络 | 基因型数据 | 约111,000名丹麦和1168名芬兰献血者 |
722 | 2024-11-20 |
Deep convolutional neural network-based identification and biological evaluation of MAO-B inhibitors
2024-Nov, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.136438
PMID:39389489
|
研究论文 | 本文开发了一种基于深度学习的虚拟筛选协议,用于识别和生物评估MAO-B抑制剂 | 利用卷积神经网络(ConvNet)进行图像分类技术,处理与MACCS指纹相关的两种独特图像数据集,筛选出有潜力的MAO-B抑制剂 | 需要进一步的结构优化以提高抑制剂的抑制效力和成为新型MAO-B抑制剂 | 开发一种新的方法来识别和评估MAO-B抑制剂,以应对帕金森病 | MAO-B抑制剂及其在帕金森病中的作用 | 机器学习 | 神经退行性疾病 | 卷积神经网络(ConvNet) | CNN | 图像 | Maybridge库中的化合物,最终筛选出11个化合物,其中4个被验证为有潜力的MAO-B抑制剂 |
723 | 2024-11-20 |
Chemical shift prediction in 13C NMR spectroscopy using ensembles of message passing neural networks (MPNNs)
2024-Nov, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107795
PMID:39481194
|
研究论文 | 本研究利用消息传递神经网络(MPNNs)预测小分子在13C NMR光谱中的化学位移 | 采用集成框架减少随机变异,并强调训练集大小和多样性的关键作用 | 较小数据集训练的集成模型泛化能力显著下降 | 开发一种深度学习方法来预测13C NMR光谱中的化学位移 | 小分子的13C NMR光谱化学位移 | 机器学习 | NA | 13C NMR光谱 | 消息传递神经网络(MPNNs) | 结构数据 | 约4000个标记结构和超过40,000个结构的数据集,以及约12,000个未见过的结构 |
724 | 2024-11-20 |
Super resolution reconstruction of fluorescence microscopy images by a convolutional network with physical priors
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.537589
PMID:39553859
|
研究论文 | 本文提出了一种基于物理先验的卷积超分辨率网络(PCSR),用于荧光显微镜图像的超分辨率重建 | PCSR结合了基于物理的损失项和基于维纳滤波的初始优化过程,能够直接使用低分辨率图像生成高质量的超分辨率图像 | PCSR的实验结果是在有限的数据集上训练得到的,其泛化能力需要进一步验证 | 提高荧光显微镜图像的空间分辨率,同时减少细胞光毒性照射 | 荧光显微镜图像的超分辨率重建 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 有限的数据集 |
725 | 2024-11-20 |
Physics-guided deep learning-based real-time image reconstruction of Fourier-domain optical coherence tomography
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.538756
PMID:39553872
|
研究论文 | 本文介绍了一种基于物理引导的深度学习方法,用于实时重建傅里叶域光学相干断层扫描(FD-OCT)图像 | 该方法采用无监督学习,利用OCT成像物理原理引导神经网络,生成高质量图像并提供物理上合理的解决方案 | NA | 开发一种高质量、实时的FD-OCT图像重建方法 | FD-OCT图像重建 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 深度学习 | 图像 | 合成图像和实验图像 |
726 | 2024-11-20 |
Measurement of ocular aberration in noise based on deep learning with a Shack-Hartmann wavefront sensor
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.541483
PMID:39553873
|
研究论文 | 本文提出了一种基于深度学习和Shack-Hartmann波前传感器的眼睛像差测量方法,通过建立包含噪声和角膜反射的模型,提高了测量精度 | 本文创新性地结合了深度学习和Shack-Hartmann波前传感器,并引入了角膜反射消除算法,显著提高了在噪声和角膜反射情况下的测量精度和速度 | NA | 提高眼睛像差测量的精度和速度 | 眼睛像差测量中的噪声和角膜反射问题 | 计算机视觉 | NA | Shack-Hartmann波前传感器 | 卷积神经网络 | 图像 | NA |
727 | 2024-11-20 |
Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064004
PMID:39554509
|
研究论文 | 本文提出了一种创建高分辨率无偏眼睛图谱的方法,通过深度学习超分辨率算法和深度概率模型来增强眼器官边界的对齐 | 结合超分辨率预处理和深度概率模型,解决了生成无偏眼睛图谱的挑战 | NA | 创建高分辨率无偏眼睛图谱,以解决眼器官形态在人群中的显著变异性 | 眼睛图谱的生成和优化 | 计算机视觉 | NA | 深度学习 | 深度概率模型 | 图像 | 使用四组不同组织对比度的磁共振图像进行实验 |
728 | 2024-11-20 |
Transforming Skin Cancer Diagnosis: A Deep Learning Approach with the Ham10000 Dataset
2024-Nov, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2024.2422602
PMID:39523747
|
研究论文 | 本文提出了一种基于深度学习的方法,利用HAM10000数据集自动分类皮肤病变,以辅助皮肤癌诊断 | 引入了多粒度增强深度级联森林(Mg-EDCF)模型,通过子采样多粒度扫描获取微特征,并使用两种随机森林创建输入特征,最终通过增强深度级联森林进行分类 | NA | 开发一种能够自动分类皮肤病变的深度学习系统,以提高皮肤癌早期诊断的准确性 | 皮肤病变分类,包括光化性角化病(AKIEC)、黑色素瘤(MEL)、良性角化病(BKL)、黑色素细胞痣(NV)、基底细胞癌(BCC)、皮肤纤维瘤(DF)和血管性皮肤病变(VASC) | 机器学习 | 皮肤癌 | 深度学习 | 多粒度增强深度级联森林(Mg-EDCF) | 图像 | 使用了HAM10000数据集进行训练和评估 |
729 | 2024-11-19 |
A combined model integrating radiomics and deep learning based on multiparametric magnetic resonance imaging for classification of brain metastases
2024-Nov-18, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241292528
PMID:39552295
|
研究论文 | 本文研究了基于多参数磁共振成像的深度迁移学习放射组学模型在区分肺腺癌和非肺腺癌脑转移中的可行性 | 本文创新性地结合了放射组学和深度学习技术,提出了深度迁移学习放射组学模型,显著提高了分类性能 | 研究为回顾性分析,样本量有限,未来需进一步验证和优化模型 | 探讨基于多参数MRI的深度迁移学习放射组学模型在脑转移分类中的应用 | 肺腺癌和非肺腺癌脑转移 | 机器学习 | 脑转移 | 多参数磁共振成像 | 卷积神经网络 | 图像 | 342名患者,共1389个脑转移病灶 |
730 | 2024-11-19 |
Whole Slide Imaging, Artificial Intelligence, and Machine Learning in Pediatric and Perinatal Pathology: Current Status and Future Directions
2024-Nov-18, Pediatric and developmental pathology : the official journal of the Society for Pediatric Pathology and the Paediatric Pathology Society
IF:1.3Q3
DOI:10.1177/10935266241299073
PMID:39552500
|
研究论文 | 本文综述了人工智能和机器学习在儿科和围产期病理学中的应用现状及未来发展方向 | 探讨了人工智能在儿科病理学中的应用潜力,如提高诊断效率、自动化常规任务和解决特定诊断挑战 | 面临证据质量、监管适应、临床评估和安全考虑等挑战 | 探讨人工智能在儿科和围产期病理学中的应用现状及未来发展方向 | 儿科和围产期病理学中的全切片成像和人工智能应用 | 数字病理学 | NA | 人工智能、深度学习 | 机器学习 | 图像 | NA |
731 | 2024-11-19 |
The diatom test in the field of forensic medicine: a review of a long-standing question
2024-Nov-18, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03370-5
PMID:39556128
|
综述 | 本文评估了法医调查中硅藻检测的标准,重点关注溺水案件 | 探讨了微波消化、真空过滤和自动扫描电子显微镜(MD-VF-Auto SEM)等先进方法,并探索了DNA测序和深度学习技术的整合,以提高硅藻检测和分类的准确性 | 需要标准化协议以确保硅藻检测的一致性和可靠性 | 改进硅藻检测在法医调查中的应用,提高溺水案件中死亡原因确定的准确性 | 硅藻检测的标准和方法,特别是溺水案件中的应用 | NA | NA | 微波消化、真空过滤、自动扫描电子显微镜(MD-VF-Auto SEM)、DNA测序、深度学习 | 深度学习 | 硅藻样本 | NA |
732 | 2024-11-19 |
Deep learning based analysis of dynamic video ultrasonography for predicting cervical lymph node metastasis in papillary thyroid carcinoma
2024-Nov-18, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-04091-w
PMID:39556263
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于分析动态超声视频,以预测甲状腺乳头状癌患者的颈部淋巴结转移 | 本研究首次使用动态超声视频结合深度学习模型来预测甲状腺乳头状癌患者的颈部淋巴结转移风险 | 研究样本量相对较小,且仅限于一家医院的数据 | 开发一种能够更准确预测甲状腺乳头状癌患者颈部淋巴结转移风险的深度学习模型 | 甲状腺乳头状癌患者的颈部淋巴结转移风险 | 计算机视觉 | 甲状腺癌 | 深度学习 | DenseNet121 | 视频 | 388名患者,717个甲状腺结节 |
733 | 2024-11-19 |
Estimating hair density with XGBoost
2024-Nov-17, International journal of cosmetic science
IF:2.7Q2
DOI:10.1111/ics.13030
PMID:39551627
|
研究论文 | 本研究使用XGBoost算法进行头发密度估计,旨在开发一种更准确和通用的方法 | 本研究首次使用XGBoost算法进行头发密度估计,并取得了比以往方法更高的准确率 | NA | 开发一种更准确和通用的头发密度估计方法 | 头发密度估计 | 计算机视觉 | NA | XGBoost | XGBoost | 图像 | 895张头皮图像,其中745张用于训练,150张用于测试 |
734 | 2024-11-19 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2024-Nov-17, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 本文提出了一种基于混合卷积的自适应ResNet与注意力机制结合的模型,用于高效检测花生叶部疾病并进行自适应分割 | 本文创新性地结合了自适应TransResunet++和混合卷积的自适应ResNet与注意力机制,通过HP-BWCF优化参数,提高了花生叶部疾病检测的准确性 | NA | 解决大规模数据资源下系统功能下降的问题,提高花生叶部疾病检测的效率和准确性 | 花生叶部疾病 | 计算机视觉 | NA | 深度学习技术 | 混合卷积自适应ResNet与注意力机制 | 图像 | 从传统数据库中收集的图像数据 |
735 | 2024-11-19 |
Molecular origin of the differential stabilities of the protofilaments in different polymorphs: molecular dynamics simulation and deep learning
2024-Nov-17, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2427364
PMID:39552194
|
研究论文 | 研究了α-突触核蛋白片段在不同多晶型物中的原纤维稳定性差异的分子起源,通过分子动力学模拟和深度学习分析 | 利用深度神经网络(DNN)分析不同多晶型物的残基对及其空间接近性,揭示了分子排列差异对不同形式稳定性的关键作用 | NA | 探讨α-突触核蛋白片段在不同多晶型物中稳定性的分子基础 | α-突触核蛋白片段及其在不同多晶型物中的稳定性 | 分子动力学 | 帕金森病 | 分子动力学模拟 | 深度神经网络(DNN) | 分子结构数据 | NA |
736 | 2024-11-19 |
Decoding face identity: A reverse-correlation approach using deep learning
2024-Nov-16, Cognition
IF:2.8Q1
DOI:10.1016/j.cognition.2024.106008
PMID:39550877
|
研究论文 | 本研究采用反向相关方法,利用深度卷积神经网络(DCNN)识别面部识别中的关键面部特征 | 本研究创新性地使用反向相关方法和深度学习技术,客观地识别面部识别中的关键特征,而非依赖主观判断 | NA | 探索面部识别中关键面部特征的识别方法 | 面部识别中的关键面部特征 | 计算机视觉 | NA | 深度卷积神经网络(DCNN) | 卷积神经网络(CNN) | 图像 | NA |
737 | 2024-11-19 |
Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01854-x
PMID:39546153
|
研究论文 | 本研究开发了一种基于基线CTE的深度学习放射组学模型,用于非侵入性预测克罗恩病患者的分层愈合情况 | 本研究首次将深度学习放射组学模型应用于基线CTE图像,以预测克罗恩病患者的分层愈合情况 | 本研究仅在三家医院的数据上进行了验证,未来需要在更多中心进行验证以确保模型的普适性 | 开发一种非侵入性方法,用于预测克罗恩病患者的分层愈合情况 | 克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况 | 计算机视觉 | 消化系统疾病 | 深度学习放射组学 | 深度学习模型 | 图像 | 246名克罗恩病患者,分为训练组(141名)、测试组(61名)和验证组(44名) |
738 | 2024-11-19 |
Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01851-0
PMID:39546168
|
研究论文 | 本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型,用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 本研究创新性地结合了传统和深度学习放射组学特征,开发了一种多模态深度学习放射组学模型,显著提高了预测病理完全缓解的准确性 | 本研究仅在三个机构的患者数据上进行了验证,未来需要在更多样化的患者群体中进行进一步验证 | 开发和验证一种深度学习放射组学模型,用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 机器学习 | 食管癌 | 深度学习放射组学 | 深度学习模型 | 图像 | 151名食管鳞状细胞癌患者,其中63名达到病理完全缓解 |
739 | 2024-11-19 |
Study on intelligent recognition of urban road subgrade defect based on deep learning
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72580-z
PMID:39548115
|
研究论文 | 研究基于深度学习的城市道路路基缺陷智能识别 | 采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类,并通过比较不同改进版本的Faster R-CNN算法,确定最适合的版本 | NA | 实现城市道路路基病害的智能识别 | 城市道路路基缺陷 | 计算机视觉 | NA | 地质雷达 | Faster R-CNN | 图像 | 多层复合结构模型和现场测量数据 |
740 | 2024-11-19 |
Deep active learning for multi label text classification
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79249-7
PMID:39548182
|
研究论文 | 本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法,用于多标签文本分类 | 本文首次将主动学习应用于深度多标签分类模型,并提出了一种新的基于期望置信度的获取函数 | NA | 提高多标签文本分类模型的训练效率 | 多标签文本分类模型 | 自然语言处理 | NA | 贝叶斯深度学习 | BERT | 文本 | NA |