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 | 2024-12-11 |
Augmenting Human Expertise in Weighted Ensemble Simulations through Deep Learning based Information Bottleneck
2024-Nov-15, ArXiv
PMID:38947925
|
研究论文 | 本文提出了一种结合深度学习信息瓶颈和专家知识的加权集成模拟方法,以增强采样效率和数据分析能力 | 本文的创新点在于将基于深度学习的信息瓶颈方法与专家知识相结合,形成了一种混合方法,能够有效引导加权集成模拟,减少运行差异并增强数据分析 | NA | 本文的研究目的是通过结合数据驱动和专家知识的方法,提升加权集成模拟的效率和数据分析能力 | 本文的研究对象是加权集成模拟中的集体变量选择和采样策略 | 机器学习 | NA | 加权集成方法(WE),状态预测信息瓶颈(SPIB) | 信息瓶颈模型 | 模拟数据 | 本文使用了丙氨酸二肽和chignoin系统进行基准测试 |
142 | 2024-12-11 |
Uncertainty-aware genomic deep learning with knowledge distillation
2024-Nov-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.13.623485
PMID:39605624
|
研究论文 | 本文介绍了一种名为DEGU的方法,通过集成学习和知识蒸馏来提高深度神经网络在基因组学预测中的鲁棒性和可解释性 | DEGU方法将多个深度神经网络的预测结果蒸馏到一个单一模型中,同时捕捉了预测的平均值和变异性,代表了模型的认知不确定性,并可选地估计数据不确定性 | NA | 提高深度神经网络在基因组学预测中的可靠性和可解释性 | 基因组学预测任务中的深度神经网络模型 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 基因组数据 | NA |
143 | 2024-12-11 |
scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework
2024-Nov-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.11.623049
PMID:39605417
|
研究论文 | 本文提出了一种名为scPrediXcan的新框架,结合深度学习和单细胞数据,用于细胞类型特异性的转录组范围关联研究 | scPrediXcan通过结合先进的深度学习方法和单细胞数据,提高了细胞类型特异性表达预测的准确性,并揭示了线性模型忽略的复杂基因调控语法 | NA | 旨在通过结合深度学习和单细胞数据,改进转录组范围关联研究,以更准确地识别疾病相关基因和机制 | 2型糖尿病和系统性红斑狼疮 | 机器学习 | NA | 深度学习 | ctPred | 单细胞数据 | NA |
144 | 2024-12-11 |
WelQrate: Defining the Gold Standard in Small Molecule Drug Discovery Benchmarking
2024-Nov-14, ArXiv
PMID:39606732
|
研究论文 | 本文旨在为小分子药物发现建立一个新的黄金标准基准 | 引入了精心策划的9个数据集,涵盖5种治疗靶点类别,并提出了一个标准化的模型评估框架 | 未提及 | 建立小分子药物发现的新基准 | 小分子药物发现的数据集和模型评估框架 | 机器学习 | NA | 深度学习 | NA | 数据集 | 9个数据集,涵盖5种治疗靶点类别 |
145 | 2024-12-11 |
Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas
2024-Nov-08, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17509
PMID:39514841
|
研究论文 | 本研究开发了一种基于深度学习的框架,用于从多参数磁共振图像中合成ADC图 | 提出了多参数残差视觉变换器模型(MPR-ViT),结合了视觉变换器层的长程上下文和卷积操作的精确性,显著提高了模型的表示能力 | NA | 开发一种深度学习框架,用于从多参数磁共振图像中合成ADC图,以解决DWI成像时间长且易受伪影影响的问题 | 弥漫性胶质瘤患者的ADC图 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 多参数残差视觉变换器模型(MPR-ViT) | 图像 | 501例胶质瘤病例 |
146 | 2024-12-11 |
CMCN: Chinese medical concept normalization using continual learning and knowledge-enhanced
2024-Nov, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102965
PMID:39241561
|
研究论文 | 本研究通过深度学习方法,提出了一种利用多态语义信息和知识增强的多任务学习模型,用于中文医学概念归一化 | 本研究引入了持续学习和知识增强的多任务学习模型,能够保留更重要的医学特征,并在中文疾病数据集上取得了较高的准确率 | NA | 推进知识挖掘和医学概念归一化领域的发展,并增强人工智能在医疗健康领域的整合与应用 | 中文医学概念归一化,特别是疾病名称的归一化 | 自然语言处理 | NA | 深度学习 | 多任务学习模型 | 文本 | 中文疾病数据集 |
147 | 2024-12-10 |
MicroRNA signature for early prediction of knee osteoarthritis structural progression using integrated machine and deep learning approaches
2024-Nov-29, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2024.11.008
PMID:39617204
|
研究论文 | 开发了一种基于miRNA的预测模型,用于早期预测膝关节骨性关节炎的结构进展 | 首次使用集成机器学习和深度学习方法开发miRNA预测模型,用于膝关节骨性关节炎的早期预测 | 样本量较小,需要进一步验证和扩大样本以提高模型的泛化能力 | 开发一种新的miRNA预测模型,用于早期识别膝关节骨性关节炎的结构进展 | 膝关节骨性关节炎患者 | 机器学习 | 骨性关节炎 | miRNA测序 | 人工神经网络 | miRNA数据 | 152名参与者(91名进展者,61名非进展者)用于模型开发,30名参与者(14名进展者,16名非进展者)用于模型验证 |
148 | 2024-12-10 |
Denoising low-field MR images with a deep learning algorithm based on simulated data from easily accessible open-source software
2024-Nov-29, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107812
PMID:39647413
|
研究论文 | 本文介绍了一种基于深度学习的去噪方法,旨在通过先进的3D深度卷积残差网络模型提高低场MRI(LFMRI)的对比度 | 使用合成脑部影像数据集,模拟LFMRI扫描的对比度和噪声特征,解决了用于训练深度学习模型的体内LFMRI数据集的局限性 | NA | 提高低场MRI图像的对比度 | 低场MRI图像 | 计算机视觉 | NA | 深度学习 | 3D深度卷积残差网络 | 图像 | 合成脑部影像数据集和体内数据集 |
149 | 2024-12-10 |
Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients
2024-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.21.24317716
PMID:39606323
|
研究论文 | 本文开发了一种基于深度学习和保形预测框架的模型,用于在非ICU住院患者中改进脓毒症的早期诊断 | 本文的创新点在于结合深度学习和保形预测框架,提高了模型在非ICU环境中的泛化能力和特异性,减少了误报率 | NA | 本文的研究目的是改进非ICU住院患者中脓毒症的早期诊断 | 本文的研究对象是非ICU住院患者中的脓毒症 | 机器学习 | 脓毒症 | 深度学习 | 深度学习模型 | 时间序列数据 | 83,813名患者用于训练,eICU-CRD数据集用于验证 |
150 | 2024-12-10 |
Denoising diffusion model for increased performance of detecting structural heart disease
2024-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.21.24317662
PMID:39606362
|
研究论文 | 本文开发了一种去噪扩散概率模型,用于提高结构心脏病检测的性能 | 利用去噪扩散模型生成偏向年轻患者的合成数据集,并展示了其在提高诊断准确性方面的潜力 | NA | 提高结构心脏病检测的诊断准确性 | 年轻患者和结构左心室疾病 | 机器学习 | 心血管疾病 | 去噪扩散模型 | 深度学习模型 | 图像 | 使用了CheXchoNet数据集进行训练,并在合成数据集上进行了验证 |
151 | 2024-12-10 |
c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease
2024-Nov-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.19.24317595
PMID:39606415
|
研究论文 | 提出了一种名为c-Triadem的约束性可解释深度学习模型,用于识别阿尔茨海默病中的新型血液生物标志物,并预测轻度认知障碍和阿尔茨海默病 | 开发了一种新的深度神经网络c-Triadem,结合基因型数据、基因表达数据和临床信息,以高准确度预测阿尔茨海默病和轻度认知障碍 | NA | 开发新的生物标志物和方法,特别是血液诊断方法,以实现阿尔茨海默病的早期诊断 | 阿尔茨海默病和轻度认知障碍的血液生物标志物 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度神经网络 | 基因型数据、基因表达数据、临床信息 | 使用了来自阿尔茨海默病神经影像学倡议(ADNI)的血液基因型数据、微阵列和临床特征 |
152 | 2024-12-10 |
A personalized periodontitis risk based on nonimage electronic dental records by machine learning
2024-Nov-19, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105469
PMID:39571782
|
研究论文 | 本研究旨在开发一种基于非图像电子牙科记录的机器学习模型,用于预测牙周病的风险 | 本研究首次利用非图像电子牙科记录数据,通过机器学习模型预测牙周病风险,并展示了高敏感性和良好的AUROC值 | 模型在验证集上对控制组的预测过高,需要进一步改进模型的内部和外部验证,并提高电子牙科记录的文档质量 | 开发一种机器学习模型,用于基于非图像电子牙科记录预测牙周病的风险 | 美国BigMouth数据库中的牙科患者,共计43,331名参与者 | 机器学习 | 牙周病 | 机器学习 | 随机森林模型 | 非图像电子牙科记录 | 43,331名参与者 |
153 | 2024-12-10 |
Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation
2024-Nov-14, Research square
DOI:10.21203/rs.3.rs-5339143/v1
PMID:39606484
|
研究论文 | 本文提出了一种基于深度学习的方法,能够从稀疏的2D标注快速生成密集的3D分割结果 | 开发了一种新的深度学习方法,能够从稀疏的2D标注快速生成密集的3D分割结果,且准确性与专家密集标注相当 | NA | 解决生物成像数据中密集3D重建的实例分割任务,减少标注工作量 | 脑神经元结构,包括树突、轴突和胶质过程 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 少量稀疏标注的2D图像 |
154 | 2024-12-10 |
Evaluation and process monitoring of jujube hot air drying using hyperspectral imaging technology and deep learning for quality parameters
2024-Nov-12, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141999
PMID:39647380
|
研究论文 | 本文利用高光谱成像技术和深度学习模型评估和监测红枣热风干燥过程中的质量参数 | 开发了一种结合卷积神经网络、双向长短期记忆网络和挤压激励注意力机制的深度学习模型,用于非破坏性监测红枣的质量参数 | NA | 提高水果加工质量,实现红枣热风干燥过程中质量参数的实时有效检测 | 红枣的热风干燥过程中的可溶性固形物含量、可滴定酸度、水分和硬度 | 计算机视觉 | NA | 高光谱成像技术 | CNN_BiLSTM_SE | 图像 | 在55°C、60°C和65°C的干燥温度下测量质量参数 |
155 | 2024-12-10 |
Gunshots detection, identification, and classification: Applications to forensic science
2024-Nov, Science & justice : journal of the Forensic Science Society
IF:1.9Q3
DOI:10.1016/j.scijus.2024.09.007
PMID:39638481
|
研究论文 | 本文分析了枪声的声学特征及其在法医学中的应用和局限性,并综述了现有的枪声检测、识别和分类技术 | 本文探讨了深度学习驱动的神经网络在枪声检测中的应用前景 | 由于数据和评估标准的差异,比较不同算法存在挑战 | 旨在为安全系统和法医分析开辟新领域 | 枪声的声学特征及其在法医学中的应用 | 机器学习 | NA | 深度学习 | 神经网络 | 音频 | NA |
156 | 2024-12-09 |
Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings
2024-11-30, Ideggyogyaszati szemle
DOI:10.18071/isz.77.0407
PMID:39635814
|
研究论文 | 研究通过螺旋和线条绘图评估帕金森病和小脑功能障碍的识别效果 | 提出结合螺旋和线条绘图以及笔压数据来提高帕金森病和小脑症状的识别准确性 | 研究未涉及其他可能影响识别效果的因素,如绘图速度等 | 比较螺旋和线条绘图在识别帕金森病和小脑症状中的效果,并探讨笔压数据的重要性 | 帕金森病和小脑功能障碍的症状识别 | NA | 神经疾病 | 深度学习 | 预训练模型和自己构建的特征提取模型 | 图像 | 同一受试者的螺旋和线条绘图数据 |
157 | 2024-12-09 |
Toward automated detection of microbleeds with anatomical scale localization using deep learning
2024-Nov-30, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103415
PMID:39642804
|
研究论文 | 本文提出了一种基于深度学习的3D框架,用于自动检测脑内微出血并定位其解剖位置 | 本文提出了一种新的3D深度学习框架,结合了3D U-Net和区域提议网络(RPN),并通过特征融合模块(FFM)和硬样本原型学习(HSPL)显著减少了假阳性率 | NA | 开发一种自动检测脑内微出血并定位其解剖位置的方法,以提高检测的准确性和效率 | 脑内微出血及其解剖位置 | 计算机视觉 | 脑血管疾病 | 深度学习 | 3D U-Net | 3D图像 | NA |
158 | 2024-12-09 |
Increasing phosphorus loss despite widespread concentration decline in US rivers
2024-Nov-26, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2402028121
PMID:39556745
|
研究论文 | 研究利用深度学习方法分析美国河流中磷的浓度变化趋势及其流失情况 | 利用多任务长短期记忆模型填补数据空白,重建时间趋势 | 研究主要集中在美国的河流,结果可能不适用于其他地区 | 分析磷在河流中的浓度变化及其流失趋势,评估其对水体和粮食生产的影响 | 美国430条河流中的总磷浓度及其流失情况 | 机器学习 | NA | 深度学习 | LSTM | 时间序列数据 | 430条河流,时间跨度为1980-2019年 |
159 | 2024-12-09 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2024-Nov-23, The American journal of cardiology
DOI:10.1016/j.amjcard.2024.11.028
PMID:39581517
|
研究论文 | 本文评估了基于深度学习的AI-ECG模型在监测肥厚型心肌病(HCM)患者接受SRT和mavacamten治疗后生物反应中的应用 | 首次使用AI-ECG模型评估SRT和mavacamten治疗对HCM患者的影响 | 研究仅限于三个中心的数据,样本量有限 | 评估AI-ECG在监测HCM患者接受SRT和mavacamten治疗后生物反应中的应用 | 肥厚型心肌病患者在接受SRT和mavacamten治疗后的生物反应 | 机器学习 | 心血管疾病 | AI-ECG模型 | 深度学习模型 | 心电图图像 | 共315名患者,其中70名在YNHHS接受SRT,100名在CCF接受SRT,145名在AHS接受SRT,36名在YNHHS接受mavacamten治疗 |
160 | 2024-12-09 |
Automated Approach to Accurate, Precise, and Fast Detector Simulation and Reconstruction
2024-Nov-22, Physical review letters
IF:8.1Q1
DOI:10.1103/PhysRevLett.133.211902
PMID:39642483
|
研究论文 | 本文开发了一种自动化方法,通过深度学习模型加速粒子物理中的探测器模拟和重建过程 | 本文提出了一种结合探测器模拟和重建的深度学习模型,旨在减少资源利用并实现快速替代模型 | NA | 解决粒子物理中探测器模拟和重建的计算瓶颈问题 | 粒子探测器中的粒子流模拟和重建 | 机器学习 | NA | 深度学习 | 神经网络 | 点云 | 使用公开的CMS实验数据集进行验证 |