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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
421 | 2024-12-15 |
Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis
2024-Dec-04, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-024-08120-7
PMID:39633356
|
meta-analysis | 本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性 | 深度学习在骨质疏松诊断中的表现优于其他机器学习算法 | 需要进一步的临床试验来验证研究结果 | 研究深度学习在骨质疏松预测中的诊断准确性 | 深度学习算法在骨质疏松预测中的诊断性能 | machine learning | 代谢性疾病 | 深度学习 | CNN | NA | 10项研究 |
422 | 2024-12-15 |
Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil
2024-Dec-03, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125524
PMID:39671816
|
研究论文 | 本研究利用三维荧光光谱结合机器学习方法,快速检测山茶油的掺假情况 | 本研究引入了优化的CaoCNN模型,展示了深度学习在掺假油检测中的潜力 | 传统机器学习方法在单一和二元掺假油的分类中存在局限性 | 旨在识别山茶油的真伪 | 山茶油及其掺假油 | 机器学习 | NA | 三维荧光光谱,平行因子分析(PARAFAC) | 卷积神经网络(CNN) | 光谱数据 | 不同种类的植物油 |
423 | 2024-12-15 |
Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于EEG信号的混合相似性特征选择和级联深度Maxout模糊网络用于自闭症谱系障碍检测 | 提出了级联深度Maxout模糊网络(Cascade DMFN)模型,并结合Canberra距离和Kumar-hassebrook混合相似性度量进行特征选择 | 未提及具体局限性 | 开发一种经济且简单的诊断模型,用于早期检测自闭症谱系障碍,以提供及时干预并降低医疗成本 | 自闭症谱系障碍的检测 | 机器学习 | 自闭症 | 深度学习 | 级联深度Maxout模糊网络(Cascade DMFN) | EEG信号 | 使用了EEG数据集和BCIAUT_P300数据集 |
424 | 2024-12-15 |
AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究开发了一种基于机器学习的计算方法,用于预测植物基因组中响应非生物胁迫的环状RNA | 首次提出了一种基于机器学习的模型,用于预测植物中响应非生物胁迫的环状RNA,并开发了一个在线预测工具AScirRNA | 模型的准确性和性能仍有提升空间,且需要进一步验证其在不同植物物种中的适用性 | 探索植物中环状RNA在非生物胁迫响应中的功能,并开发预测工具以辅助作物育种 | 植物基因组中的环状RNA及其在非生物胁迫中的响应机制 | 机器学习 | NA | 机器学习算法 | XGBoost, LightGBM | 环状RNA序列 | NA |
425 | 2024-12-15 |
ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于FCM-GRNN欠采样技术的深度学习模型ILYCROsite,用于识别赖氨酸巴豆酰化位点 | 本文创新性地采用了MLP-Attention模型,并结合FCM-GRNN欠采样算法来平衡数据集,显著提高了巴豆酰化位点识别的性能 | NA | 开发一种高效准确的模型来识别蛋白质中的赖氨酸巴豆酰化位点 | 赖氨酸巴豆酰化位点的识别 | 机器学习 | NA | FCM-GRNN欠采样技术 | MLP-Attention | 序列 | NA |
426 | 2024-12-15 |
Prediction of Crohn's disease based on deep feature recognition
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度学习的模型,利用顺序卷积注意力网络(SCAN)进行特征提取,结合自适应加性区间损失和支持向量机(SVM)进行分类,以预测克罗恩病 | 本文创新性地使用了顺序卷积注意力网络(SCAN)进行特征提取,并引入了自适应加性区间损失来增强特征,同时提出了一种随机噪声独热编码数据增强方法来处理样本不平衡问题 | NA | 利用深度学习技术分析基因信息,预测克罗恩病 | 克罗恩病患者的基因数据 | 机器学习 | 消化系统疾病 | 深度学习 | 顺序卷积注意力网络(SCAN) | 基因数据 | NA |
427 | 2024-12-15 |
A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于自适应尺度判别器和混合损失的多类眼底疾病分类系统 | 创新性地设计了多维注意力模块和自适应尺度判别器,并提出了混合损失函数方法以提高不平衡数据的检测能力 | 未提及具体的局限性 | 解决眼底图像中多类眼科疾病的分类问题 | 眼底图像中的多类眼科疾病 | 计算机视觉 | NA | 深度学习 | ResNet50 | 图像 | ODRI-5K数据集 |
428 | 2024-12-15 |
Comprehensive review of literature on Parkinson's disease diagnosis
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
综述 | 本文对帕金森病诊断领域的50篇文献进行了综合回顾,涵盖了多种模态和方法 | 本文系统性地总结了帕金森病诊断领域的研究进展,并指出了研究空白和障碍 | 本文主要基于已有文献的回顾,未提出新的诊断方法或技术 | 回顾帕金森病诊断领域的研究进展,识别研究空白和障碍 | 帕金森病诊断的相关文献和研究 | 机器学习 | 帕金森病 | 机器学习、深度学习 | NA | 图像、信号、数据 | 50篇文献 |
429 | 2024-12-15 |
Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于联邦学习和深度学习框架的多模态抑郁症检测方法,利用MRI图像和语音信号进行青少年抑郁症的检测 | 本文创新性地结合了联邦学习(FL)和深度学习(DL)模型,解决了传统深度学习模型在处理大数据时的挑战,并提出了基于指数非洲鹈鹕优化算法(ExpAPO)的深度卷积神经网络(DCNN)用于局部模块的抑郁症检测 | 本文未详细讨论联邦学习框架在实际应用中的隐私保护问题以及模型的可解释性 | 研究目的是通过多模态数据(MRI图像和语音信号)检测青少年抑郁症,并利用联邦学习框架解决数据规模问题 | 研究对象是青少年的抑郁症检测,使用MRI图像和语音信号作为输入数据 | 机器学习 | 精神健康问题 | 联邦学习(FL),深度学习(DL) | 深度卷积神经网络(DCNN) | 图像和语音 | 未明确提及具体样本数量 |
430 | 2024-12-15 |
Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文研究了通过整合机器学习和化学信息学方法预测小分子在人体肠道的吸收情况 | 本文创新性地结合了传统机器学习算法和深度学习模型(如图卷积神经网络和图注意力网络)来预测药物的肠道吸收 | 本文的局限性在于所使用的数据集主要来自早期和近期的一些研究,可能无法完全代表所有药物的肠道吸收情况 | 研究目的是预测药物在人体肠道的吸收情况,以评估其口服生物利用度 | 研究对象是2648种化合物的分子描述符及其在人体肠道的吸收情况 | 机器学习 | NA | 机器学习算法(如随机森林和LightGBM)和深度学习模型(如图卷积神经网络和图注意力网络) | 随机森林、LightGBM、图卷积神经网络(GCNN)和图注意力网络(GAT) | 分子描述符 | 2648种化合物 |
431 | 2024-12-15 |
Optimization and correction of breast dynamic optical imaging projection data based on deep learning
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度学习的乳腺动态光学成像(DOI)投影数据优化与校正方法 | 利用卷积神经网络(CNN)提取原始图像特征,并通过生成对抗网络(GAN)增强图像质量,同时开发了一种新的校正算法来解决投影数据失真问题 | NA | 提高乳腺动态光学成像的图像质量和投影数据准确性,为乳腺癌的早期筛查和诊断提供新的方法 | 乳腺动态光学成像的投影数据 | 计算机视觉 | 乳腺癌 | 深度学习 | 卷积神经网络(CNN)、生成对抗网络(GAN) | 图像 | NA |
432 | 2024-12-15 |
MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于多特征融合的深度学习模型MuSE,用于超级增强子预测 | MuSE模型通过结合one-hot编码和DNA2Vec的k-mer表示,能够自动提取DNA序列的关键特征,并在跨物种预测中表现出色 | 基于DNA2Vec的k-mer表示在捕捉物种个体性方面存在不足,影响了模型的泛化能力 | 改进超级增强子的识别方法 | DNA序列的特征提取和超级增强子的预测 | 生物信息学 | NA | 深度学习 | 神经网络 | 序列 | 人类和鼠类物种数据集 |
433 | 2024-12-15 |
Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease
2024-Dec, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105440
PMID:39536395
|
研究论文 | 本文开发了一种基于深度学习的算法,用于量化炎症性肠病中的Paneth细胞密度 | 本文创新性地使用深度学习技术(U-net模型)来量化Paneth细胞密度,并验证了其在炎症性肠病中的潜在生物标志物作用 | 本文的局限性在于使用了回顾性数据,且样本量相对较小 | 开发一种基于深度学习的工具,用于量化Paneth细胞密度,作为炎症性肠病的预测生物标志物 | 炎症性肠病患者的回肠组织样本中的Paneth细胞密度 | 数字病理学 | 炎症性肠病 | 深度学习 | U-net | 图像 | 142名克罗恩病患者和48名非IBD患者 |
434 | 2024-12-15 |
Transformer-based deep learning model for the diagnosis of suspected lung cancer in primary care based on electronic health record data
2024-Dec, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105442
PMID:39536394
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型,用于在初级医疗中通过电子健康记录数据诊断疑似肺癌 | 该模型利用了电子健康记录中的时间序列数据,捕捉了癌症与非癌症路径之间的时序关系,从而提高了诊断的准确性 | 本文仅在英国的数据集上进行了验证,未来需要在外部数据集上进行验证 | 构建一个用于肺癌早期检测的模型,以提高诊断的准确性 | 疑似肺癌患者 | 机器学习 | 肺癌 | ALBERT | Transformer | 文本 | 3,303,992名患者,其中11,847例肺癌病例 |
435 | 2024-12-15 |
Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population
2024-Dec, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105467
PMID:39622188
|
研究论文 | 本文开发并测试了一种基于深度学习的框架,用于从全身磁共振成像(MRI)中自动量化体积身体成分测量,并研究其在预测西方大人群全因死亡率中的预后价值 | 本文首次使用深度学习技术自动量化全身MRI中的体积身体成分测量,并验证其在预测全因死亡率中的预后价值 | 本文仅在西方人群中进行了验证,尚未在其他人群中进行测试 | 开发一种基于深度学习的框架,用于自动量化全身MRI中的体积身体成分测量,并评估其在预测全因死亡率中的预后价值 | 全身MRI中的体积身体成分测量,包括皮下脂肪组织(SAT)、内脏脂肪组织(VAT)、骨骼肌(SM)、骨骼肌脂肪分数(SMFF)和肌内脂肪组织(IMAT) | 计算机视觉 | NA | 深度学习 | 深度学习框架 | 图像 | 36,317名UKBB参与者(平均年龄65.1±7.8岁,年龄范围45-84岁;51.7%为女性;1.7%全因死亡率;中位随访4.8年)和23,725名NAKO参与者(平均年龄53.9±8.3岁,年龄范围40-75;44.9%为女性) |
436 | 2024-12-15 |
Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound
2024-Dec, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2024.09.008
PMID:39669341
|
研究论文 | 本文评估了基于深度学习的卷积神经网络在无监督情况下从内窥镜超声视频中自动提取图像,用于预测肺癌淋巴结转移的诊断性能 | 本文首次使用卷积神经网络从内窥镜超声视频中自动提取图像,进行肺癌淋巴结转移的预测 | 研究仅基于单中心数据库,未来需要在大规模前瞻性研究中验证算法的有效性 | 评估基于深度学习的卷积神经网络在预测肺癌淋巴结转移中的诊断性能 | 肺癌患者的纵隔和肺门淋巴结 | 计算机视觉 | 肺癌 | 卷积神经网络 | SqueezeNet | 视频 | 来自单中心数据库的患者和淋巴结数据 |
437 | 2024-12-15 |
Automated crack localization for road safety using contextual u-net with spatial-channel feature integration
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102796
PMID:39669512
|
研究论文 | 本文提出了一种基于上下文U-Net深度学习模型的道路裂缝自动定位框架 | 该框架采用EfficientNet编码器捕捉道路图像中的空间特征和通道特征,并通过自定义的分层注意力机制使模型能够适应不同尺度和分辨率的裂缝定位 | NA | 提高道路裂缝定位的准确性和及时性,以保障道路安全和维护 | 道路图像中的裂缝 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 基准数据集和自定义数据集 |
438 | 2024-12-15 |
Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty
2024-Dec, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2024.100156
PMID:39669732
|
研究论文 | 本研究利用机器学习技术分析手术数据库,预测拇指腕掌关节置换术后短期并发症和再手术的风险 | 首次使用机器学习算法(随机森林、弹性网络回归、极端梯度提升树和神经网络)预测拇指腕掌关节置换术后的短期并发症和再手术风险 | 研究为回顾性分析,依赖于现有数据库的数据质量,且未考虑长期并发症 | 开发机器学习模型以预测拇指腕掌关节置换术后短期并发症和再手术风险 | 拇指腕掌关节置换术后的短期并发症和再手术风险 | 机器学习 | 手部疾病 | 机器学习算法(随机森林、弹性网络回归、极端梯度提升树和神经网络) | 随机森林、弹性网络回归、极端梯度提升树和神经网络 | 手术数据库 | 7711例病例 |
439 | 2024-12-15 |
DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于堆叠深度学习协作梯度分解的双通道卷积模型DCSGMDA,用于预测miRNA与疾病之间的关联 | 创新点在于使用了堆叠深度学习和梯度分解网络,结合双通道卷积神经网络来挖掘潜在特征,并通过多层感知器进行关联评分 | 未提及具体的局限性 | 研究miRNA与疾病之间的关系,以加深对其发病机制的理解,并促进特定疾病的药物研究 | miRNA与疾病之间的潜在关联 | 机器学习 | NA | 堆叠深度学习、梯度分解网络、卷积神经网络 | 双通道卷积神经网络、多层感知器 | 网络数据 | 使用了基于Human MicroRNA Disease Database (HMDD)的两个数据集进行5折和10折交叉验证实验 |
440 | 2024-12-15 |
Autoencoder-based drug synergy framework for malignant diseases
2024-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于自编码器的药物协同作用框架,用于恶性疾病的治疗 | 提出了AESyn框架,利用词袋编码技术提取药物靶向基因,并通过自编码器提取药物特征,实现了稳定的、与顺序无关的药物协同预测 | 未提及具体的局限性 | 寻找有效的药物组合以提高恶性疾病的治疗效果 | 药物组合及其协同作用 | 机器学习 | 恶性疾病 | 自编码器 | 自编码器 | 文本 | 使用了NCI-ALMANAC和O'Neil数据集的数据 |