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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
261 | 2024-09-24 |
The Evolution of Nucleic Acid-Based Diagnosis Methods from the (pre-)CRISPR to CRISPR era and the Associated Machine/Deep Learning Approaches in Relevant RNA Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_17
PMID:39312149
|
研究论文 | 本文探讨了从PCR到CRISPR时代核酸诊断方法的演变,并介绍了相关的机器学习和深度学习方法在RNA设计中的应用 | 本文首次全面介绍了CRISPR技术在分子诊断中的应用,并结合机器学习和深度学习方法,探讨了其在RNA设计中的潜力 | 本文主要集中在理论和计算工具的介绍,缺乏实际实验数据的支持 | 探讨核酸诊断方法的演变及其在RNA设计中的应用 | 核酸诊断技术、CRISPR技术、机器学习和深度学习方法 | 机器学习 | NA | CRISPR技术、PCR、INAATs | 机器学习、深度学习 | RNA | NA |
262 | 2024-09-21 |
Deep learning-enabled fluorescence imaging for surgical guidance: in silico training for oral cancer depth quantification
2025-Jan, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.S1.S13706
PMID:39295734
|
研究论文 | 开发了一种基于深度学习的荧光空间频率域成像系统,用于量化口腔肿瘤的深度,以指导手术 | 结合结构光和深度学习技术,实现了近实时三维肿瘤边缘检测,并能量化肿瘤深度 | 仅在模拟数据和光学幻影上进行了验证,尚未在真实患者中进行测试 | 开发一种能够量化口腔肿瘤深度的成像系统,以提高手术精度 | 口腔肿瘤的深度和浓度 | 计算机视觉 | 口腔癌 | 荧光空间频率域成像 (SFDI) | 卷积神经网络 (CNN) | 图像 | 三种模拟的口腔癌病变模型(圆柱体、球谐函数和复合球谐函数)以及患者来源的舌肿瘤模拟图像 |
263 | 2024-09-14 |
Smartphone video imaging: A versatile, low-cost technology for food authentication
2025-Jan-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.140911
PMID:39213969
|
研究论文 | 本研究介绍了一种基于智能手机的低成本成像技术——智能手机视频成像(SVI),用于食品认证 | SVI技术通过人工智能辅助,实现了对异质内容样本的分类、分析物含量的空间表示以及从视频中重建高光谱图像,超越了传统的计算机视觉方法 | NA | 开发一种低成本、多功能的成像技术,用于食品认证 | 食品样本,特别是人参和藏红花粉混合物 | 计算机视觉 | NA | 智能手机视频成像(SVI) | 残差神经网络(ResNet),U-Net | 视频 | NA |
264 | 2024-09-13 |
Sugarcane disease recognition through visible and near-infrared spectroscopy using deep learning assisted continuous wavelet transform-based spectrogram
2025-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125001
PMID:39180971
|
研究论文 | 本研究利用可见光和近红外光谱结合深度学习辅助的连续小波变换光谱图,提高甘蔗病害识别的准确性 | 本研究创新性地将卷积神经网络与连续小波变换结合,用于提取可见光和近红外光谱中的特征,以提高甘蔗病害识别的准确性 | 本研究仅使用了130个甘蔗叶样本,样本量相对较小,可能影响模型的泛化能力 | 本研究的目的是通过结合深度学习和光谱分析技术,提高甘蔗病害识别的准确性 | 本研究的对象是甘蔗病害的识别 | 机器学习 | NA | 可见光和近红外光谱 | 卷积神经网络 | 光谱图 | 130个甘蔗叶样本 |