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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
10141 | 2025-01-05 |
Deep learning-enabled filter-free fluorescence microscope
2025-Jan-03, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adq2494
PMID:39742468
|
研究论文 | 本文介绍了一种基于深度学习的无滤光片荧光显微镜成像技术,通过数字光谱滤波实现荧光通道的自动选择和荧光预测 | 创新点在于利用深度学习技术替代传统光学滤光片,实现荧光显微镜的无滤光片成像,降低了系统的复杂性和成本 | 未提及具体的技术限制或实验中的不足 | 研究目标是开发一种无滤光片的荧光显微镜成像技术,以提高多荧光通道高速成像的适用性 | 研究对象是使用不同荧光标记的细胞和组织 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 未提及具体样本数量 |
10142 | 2025-01-05 |
D3-ImgNet: A Framework for Molecular Properties Prediction Based on Data-Driven Electron Density Images
2025-Jan-03, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.4c05519
PMID:39752232
|
研究论文 | 本文提出了一种基于数据驱动电子密度图像的分子性质预测框架D3-ImgNet,结合了群论、密度泛函理论、深度学习技术和多目标优化机制 | D3-ImgNet框架不仅实现了高精度的分子性质预测,还结合了物理机制的指导,体现了数据分析与系统优化的方法论融合 | 未明确提及具体局限性 | 预测分子性质,加速功能材料的高通量筛选 | 分子性质,包括原子化能、偶极矩、力和S2化学反应的最小能量路径 | 量子化学与材料科学 | NA | 深度学习,密度泛函理论,多目标优化 | D3-ImgNet | 电子密度图像 | QM9数据集和QM9X数据集,以及S2反应数据集 |
10143 | 2025-01-05 |
Combining the Variational and Deep Learning Techniques for Classification of Video Capsule Endoscopic Images
2025-Jan-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01352-y
PMID:39753827
|
研究论文 | 本文提出了一种结合变分模型和深度学习技术的框架,用于视频胶囊内窥镜图像的多类分类 | 该框架利用分数阶变分模型捕捉图像的动态信息,并结合深度学习模型进行多类分类和感兴趣区域的定位 | NA | 开发一种自动化计算机辅助病变分类技术,以提高胃肠道异常检测率 | 视频胶囊内窥镜图像 | 计算机视觉 | 胃肠道相关癌症 | 深度学习(DL) | Faster RCNN, EfficientNet B0 | 图像 | NA |
10144 | 2025-01-05 |
A joint analysis of single cell transcriptomics and proteomics using transformer
2025-Jan-02, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-024-00484-9
PMID:39743530
|
研究论文 | 本文提出了一种基于Transformer编码器层的深度学习框架scTEL,用于从单细胞RNA测序数据预测未观察到的蛋白质表达 | scTEL模型提供了一个统一的框架,可以整合多个CITE-seq数据集,解决了不同数据集间蛋白质面板部分重叠的挑战 | 依赖于公开的CITE-seq数据集进行验证,可能限制了模型的广泛适用性 | 通过计算方式显著降低蛋白质表达测序的实验成本 | 单细胞RNA和蛋白质表达数据 | 机器学习 | NA | CITE-seq, scRNA-seq | Transformer | 单细胞RNA测序数据 | 公共CITE-seq数据集 |
10145 | 2025-01-05 |
Deep learning identification of novel autophagic protein-protein interactions and experimental validation of Beclin 2-Ubiquilin 1 axis in triple-negative breast cancer
2025, Oncology research
IF:2.0Q3
DOI:10.32604/or.2024.055921
PMID:39735677
|
研究论文 | 本研究利用深度学习技术识别了三阴性乳腺癌中新的自噬相关蛋白-蛋白相互作用,并通过实验验证了Beclin 2与Ubiquilin 1轴的作用 | 开发了三种PPI分类模型,分析了超过13,000个数据集,识别了3733个以前未知的自噬相关PPI,并揭示了Beclin 2在自噬调控中的核心作用 | 研究主要基于体外实验,需要进一步的体内实验验证 | 揭示三阴性乳腺癌中自噬相关蛋白-蛋白相互作用,寻找新的治疗靶点 | 三阴性乳腺癌细胞MDA-MB-231 | 机器学习 | 乳腺癌 | 免疫沉淀-质谱分析、分子对接、CO-IP实验 | Naive Bayes, Decision Tree, k-Nearest Neighbors | 蛋白质相互作用数据 | 超过13,000个数据集 |
10146 | 2025-01-05 |
Deep Learning-Based Prediction of Freezing of Gait in Parkinson's Disease With the Ensemble Channel Selection Approach
2025-Jan, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70206
PMID:39740772
|
研究论文 | 本文提出了一种基于深度学习的算法,用于检测帕金森病患者的步态冻结(FoG)事件,通过集成通道选择方法提高检测效率 | 提出了一种新颖的架构,将瓶颈注意力模块集成到标准的双向长短期记忆网络(BiLSTM)中,形成卷积瓶颈注意力-BiLSTM(CBA-BiLSTM),并通过集成学习选择最优通道,显著提高了检测性能 | NA | 开发一种高效、准确的算法,用于检测帕金森病患者的步态冻结事件 | 帕金森病患者的步态冻结事件 | 机器学习 | 帕金森病 | NA | 卷积瓶颈注意力-BiLSTM(CBA-BiLSTM) | 运动信号数据 | NA |
10147 | 2025-01-05 |
Hybrid Model with Wavelet Decomposition and EfficientNet for Accurate Skin Cancer Classification
2025, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.101574
PMID:39744476
|
研究论文 | 本文提出了一种结合小波分解和EfficientNet的混合模型,用于准确分类皮肤癌 | 创新性地结合了小波分解和EfficientNet模型,并引入了先进的数据增强、损失函数和优化策略 | 未提及具体局限性 | 提高皮肤疾病的检测和分类准确性 | 皮肤疾病图像 | 计算机视觉 | 皮肤癌 | 小波分解 | EfficientNet | 图像 | HAM10000和ISIC2017数据集 |
10148 | 2025-01-04 |
An efficient deep learning method for amino acid substitution model selection
2025-Jan-03, Journal of evolutionary biology
IF:2.1Q3
DOI:10.1093/jeb/voae141
PMID:39548851
|
研究论文 | 本文提出了一种基于深度学习的氨基酸替换模型选择方法,旨在提高模型选择的效率和准确性 | 提出了一种名为ModelDetector的深度学习网络,用于从蛋白质比对中检测氨基酸替换模型,显著提高了计算效率 | 实验数据主要基于模拟数据,尚未在真实基因组数据上进行广泛验证 | 研究目的是开发一种高效的氨基酸替换模型选择方法,以替代传统的最大似然方法 | 氨基酸替换模型 | 机器学习 | NA | 深度学习 | ModelDetector | 蛋白质比对数据 | 2,246,400个比对 |
10149 | 2025-01-04 |
Prediction of vitreomacular traction syndrome outcomes with deep learning: A pilot study
2025-Jan, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241258253
PMID:38809664
|
研究论文 | 本研究探讨了基于光学相干断层扫描(OCT)的深度学习模型在预测玻璃体黄斑牵引综合征(VMT)结果中的潜力 | 首次使用深度学习模型预测VMT的结果,并在真实世界环境中验证其应用潜力 | 样本量较小(95名患者),且为单中心回顾性研究,可能需要更大规模和多中心研究来验证结果 | 研究深度学习模型在预测VMT结果中的应用 | 患有自发性VMT的成年患者 | 数字病理学 | 眼科疾病 | 光学相干断层扫描(OCT) | 深度学习模型 | 图像 | 95名患者的OCT扫描数据 |
10150 | 2025-01-04 |
Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review
2025-Jan, Journal of gerontological nursing
IF:1.1Q3
DOI:10.3928/00989134-20241210-01
PMID:39746126
|
系统综述 | 本文综述了人工智能(AI)和机器学习(ML)技术在姑息护理中的应用,特别是用于识别慢性病和绝症患者中可能受益于姑息服务的人群 | 本文首次系统性地评估了AI/ML模型在姑息护理中的应用,特别是用于预测相关结果如死亡率或服务需求 | 仅筛选了四电子数据库中的1504项研究,最终仅纳入五项研究,样本量有限 | 探讨AI/ML技术在姑息护理中的应用,特别是用于识别潜在受益者 | 慢性病和绝症患者 | 机器学习 | 老年疾病 | AI/ML模型 | 神经网络模型、逻辑回归、树模型 | NA | 五项研究 |
10151 | 2025-01-03 |
DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation
2025-Feb, Proteins
IF:3.2Q2
DOI:10.1002/prot.26734
PMID:39239684
|
研究论文 | 本文介绍了一种名为DeepPhoPred的深度学习工具,用于预测微生物的磷酸化位点 | DeepPhoPred采用了一种双头卷积神经网络架构,结合了挤压和激励模块,能够从肽的结构和进化信息中联合学习重要特征,以预测磷酸化位点 | NA | 开发一种低成本、高速度的计算方法来预测微生物的磷酸化位点 | 微生物的磷酸化位点 | 机器学习 | NA | 深度学习 | CNN | 肽的结构和进化信息 | NA |
10152 | 2025-01-03 |
Deep Learning-Based SD-OCT Layer Segmentation Quantifies Outer Retina Changes in Patients With Biallelic RPE65 Mutations Undergoing Gene Therapy
2025-Jan-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.1.5
PMID:39745677
|
研究论文 | 本文利用深度学习技术对RPE65基因突变患者的视网膜外层结构变化进行量化分析,并定义了新的生物标志物 | 首次应用深度学习技术对RPE65基因突变患者的视网膜外层进行自动分割,并定义了五个新的生物标志物 | 数据集较小,且近视可能对OCT扫描结果产生影响 | 量化RPE65基因突变患者在基因治疗前后视网膜外层结构的变化,并定义新的生物标志物 | RPE65基因突变患者和健康对照组 | 数字病理学 | 视网膜退行性疾病 | 深度学习 | NA | 图像 | 22名RPE65基因突变患者和94名健康对照 |
10153 | 2025-01-03 |
Deep Learning Model Using Stool Pictures for Predicting Endoscopic Mucosal Inflammation in Patients With Ulcerative Colitis
2025-Jan-01, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000002978
PMID:39051648
|
研究论文 | 本文开发了一种使用溃疡性结肠炎患者粪便照片的深度学习模型,用于预测内镜下黏膜炎症 | 首次使用深度学习模型通过粪便照片预测溃疡性结肠炎的内镜下黏膜炎症 | 研究未涉及直肠保留病例的预测效果 | 开发一种通过粪便照片预测溃疡性结肠炎内镜下黏膜炎症的深度学习模型 | 溃疡性结肠炎患者 | 数字病理学 | 溃疡性结肠炎 | 深度学习 | 深度学习模型 | 图像 | 306名患者的2161张粪便照片用于模型开发,126名患者的1047张粪便照片用于测试 |
10154 | 2025-01-03 |
Machine Learning in Spine Oncology: A Narrative Review
2025-Jan, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241261342
PMID:38860699
|
综述 | 本文是一篇关于机器学习在脊柱肿瘤学中应用的叙述性综述 | 本文详细探讨了机器学习在脊柱肿瘤诊断、预后和治疗中的最新应用,特别是其在医学影像分析和肿瘤分类中的高准确性 | 本文为叙述性综述,可能缺乏对原始数据的深入分析和统计验证 | 探讨机器学习在脊柱肿瘤学中的应用及其对医疗实践的影响 | 脊柱肿瘤,包括原发性、转移性和硬膜内肿瘤 | 机器学习 | 脊柱肿瘤 | 机器学习算法 | 神经网络和深度学习算法 | 医学影像和临床特征 | 45项研究,涉及480篇参考文献 |
10155 | 2025-01-03 |
Multi-step framework for glaucoma diagnosis in retinal fundus images using deep learning
2025-Jan, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03172-2
PMID:39098859
|
研究论文 | 本文提出了一种名为MSGC-CNN的多步骤框架,用于通过深度学习从视网膜眼底图像中诊断青光眼 | 结合青光眼病理知识与深度学习模型,融合原始眼底图像和通过U-Net去除血管干扰的视盘区域特征,设计新的特征提取网络RA-ResNet并结合迁移学习 | 未提及具体的数据集样本量限制或模型在其他数据集上的泛化能力 | 提高青光眼诊断的准确性和效率 | 视网膜眼底图像 | 计算机视觉 | 青光眼 | 深度学习 | CNN, U-Net, RA-ResNet | 图像 | 三个公开数据集:Drishti-GS, RIM-ONE-R3, ACRIMA |
10156 | 2025-01-03 |
Validity of machine learning algorithms for automatically extract growing rod length on radiographs in children with early-onset scoliosis
2025-Jan, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03181-1
PMID:39152359
|
研究论文 | 本文开发了一种基于深度学习的机器学习系统,用于自动测量儿童早发性脊柱侧凸患者的磁控生长棒长度 | 首次使用深度学习技术自动测量磁控生长棒长度,提高了测量的准确性和效率 | 样本量相对较小,仅使用了387张X光片进行模型开发,60张X光片进行最终测试 | 开发一种自动测量磁控生长棒长度的方法,以替代主观且耗时的手动测量 | 儿童早发性脊柱侧凸患者的磁控生长棒 | 计算机视觉 | 脊柱侧凸 | 深度学习 | 深度学习模型 | X光片 | 387张X光片用于模型开发,60张X光片用于最终测试 |
10157 | 2025-01-03 |
Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor
2025-Jan-01, Cancer
IF:6.1Q1
DOI:10.1002/cncr.35548
PMID:39238433
|
研究论文 | 本研究旨在调查胃肠道间质瘤(GIST)患者对伊马替尼的依从性,并开发基于机器学习和深度学习技术的模型以预测非依从性风险 | 首次在真实世界中使用机器学习技术预测GIST患者伊马替尼非依从性的风险因素 | 样本量相对较小,可能影响模型的泛化能力 | 预测GIST患者对伊马替尼的非依从性风险 | 胃肠道间质瘤(GIST)患者 | 机器学习 | 胃肠道间质瘤 | 机器学习(ML)和深度学习(DL) | eXtreme gradient boosting, LGBM, categorical boosting, random forest, support vector machine, artificial neural network, multilayer perceptron, NaiveBayes, TabNet, Wide&Deep | 问卷数据 | 397名GIST患者 |
10158 | 2025-01-03 |
Lite-YOLOv8: a more lightweight algorithm for Tubercle Bacilli detection
2025-Jan, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03187-9
PMID:39264568
|
研究论文 | 本文提出了一种更轻量级的算法Lite-YOLOv8,用于检测痰样本中的结核杆菌 | 优化了YOLOv8s模型,引入了Lite-C2f模块、轻量级下采样模块和NWD损失函数,显著减少了参数数量并提高了检测精度 | 未提及具体局限性 | 解决结核杆菌检测中复杂背景、微小且数量众多的物体以及长时间观察导致的主观判断错误率增加的问题 | 痰样本中的结核杆菌 | 计算机视觉 | 结核病 | 深度学习 | YOLOv8 | 图像 | 公共结核杆菌数据集 |
10159 | 2025-01-03 |
Automated diagnosis of atherosclerosis using multi-layer ensemble models and bio-inspired optimization in intravascular ultrasound imaging
2025-Jan, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03190-0
PMID:39292382
|
研究论文 | 本文提出了一种基于多层集成模型和生物启发优化的自动化动脉粥样硬化诊断方法,使用IVUS图像进行斑块分类 | 提出了一种结合Ant Lion优化器和深度学习的混合技术(AAPC-HALODL),用于自动分类IVUS图像中的斑块 | 研究仅使用了MICCAI Challenge 2011数据集,可能缺乏对其他数据集的泛化能力 | 开发一种自动化工具,用于准确检测和分类动脉粥样硬化斑块 | IVUS图像中的动脉粥样硬化斑块 | 计算机视觉 | 心血管疾病 | 深度学习、生物启发优化 | Faster RCNN, ShuffleNet-v2, 堆叠自编码器(SAE), 深度极限学习机(DELM) | 图像 | MICCAI Challenge 2011数据集 |
10160 | 2025-01-03 |
The general equation of δ direct methods and the novel SMAR algorithm residuals using the absolute value of ρ and the zero conversion of negative ripples
2025-Jan-01, Acta crystallographica. Section A, Foundations and advances
DOI:10.1107/S2053273324009628
PMID:39558851
|
研究论文 | 本文建立了δ直接方法的一般方程δ(r) = ρ(r) + g(r),并在SMAR相位算法中使用该方程进行相位细化 | 提出了SMAR算法,该算法基于交替最小化两个残差R(χ)和R(Φ),并在每次迭代中最大化相应的S(Φ)和S(Φ)和函数 | SMAR算法在相位细化开始时,m掩码的零部分占据约50%的单位晶胞体积,并在收敛时增加约5%,这可能影响算法的效率 | 研究δ直接方法的一般方程及其在SMAR相位算法中的应用 | δ直接方法的一般方程和SMAR相位算法 | NA | NA | SMAR相位算法 | NA | 衍射数据 | NA |