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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11441 | 2024-11-23 |
Deep learning pipeline for accelerating virtual screening in drug discovery
2024-11-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79799-w
PMID:39550439
|
研究论文 | 介绍了一种基于深度学习的药物发现虚拟筛选平台VirtuDockDL,用于加速新药候选物的识别 | VirtuDockDL结合了图神经网络和深度学习技术,实现了高效的虚拟筛选,并在多个数据集上表现优异 | NA | 提高药物发现过程中新药候选物的识别效率 | 药物候选物和靶蛋白的相互作用 | 机器学习 | NA | 图神经网络 | 图神经网络 | 化合物数据 | NA |
11442 | 2024-11-23 |
Optimized robust learning framework based on big data for forecasting cardiovascular crises
2024-11-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76569-6
PMID:39548142
|
研究论文 | 本文提出了一种基于大数据的优化稳健学习框架,用于预测心血管危机 | 该研究引入了一种名为R-DLH2O的稳健深度学习框架,结合了五种不同的阶段:稳健预处理、特征选择、前馈神经网络、预测和性能评估,以及一种改进的鲸鱼优化算法(MWOA),显著提高了预测的准确性和效率 | 尽管MWOA-2在速度上优于其他启发式算法,但其准确性和可扩展性较低 | 旨在提出一种新的医疗框架,通过选择最佳特征和增强性能来预测心血管危机 | 心血管危机的预测 | 机器学习 | 心血管疾病 | 鲸鱼优化算法(WOA) | 前馈神经网络 | 大数据 | 未明确提及具体样本数量 |
11443 | 2024-11-23 |
Integrating deep learning for visual question answering in Agricultural Disease Diagnostics: Case Study of Wheat Rust
2024-11-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79793-2
PMID:39548249
|
研究论文 | 本文提出了一种将深度学习与视觉问答系统结合的新方法,用于小麦锈病的诊断 | 创新点包括引入联邦学习技术、使用BLIP方法增强模型对复杂视觉和文本输入的理解能力,以及创建了专门用于小麦锈病检测的WheatRustDL2024数据集 | NA | 研究目的是通过结合深度学习和视觉问答技术,提高小麦锈病的快速和准确检测 | 研究对象是小麦锈病及其在农业生产中的影响 | 计算机视觉 | 小麦病害 | 深度学习 | ResNet | 图像 | 7998张健康和感染小麦叶子的图像,以及1800张增强图像 |
11444 | 2024-11-23 |
An explainable deep learning approach for stock market trend prediction
2024-Nov-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40095
PMID:39568823
|
研究论文 | 提出了一种用于预测股票市场趋势的可解释深度学习模型 | 该模型在准确性和F1分数上优于常见的基准模型,并使用可解释AI技术增强了模型的可解释性 | 在减少特征数量时,准确性略有下降,但精度和召回率有所提高 | 开发一种能够准确预测股票市场趋势并具有可解释性的深度学习模型 | 股票市场的五种不同趋势:上升、下降、双顶、圆底和圆顶 | 机器学习 | NA | 深度学习 | 深度学习模型 | 数据集 | 四个真实世界的多样化数据集 |
11445 | 2024-11-23 |
Key factors influencing sustainable population growth: A DEMATEL-ANP combined approach
2024-Nov-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39404
PMID:39568833
|
研究论文 | 本研究通过结合DEMATEL和ANP模型,分析影响可持续人口增长的关键因素及其相互作用 | 本研究创新性地将DEMATEL和ANP模型结合,用于分析可持续人口增长的关键因素及其相互影响 | 本研究主要依赖于政府和国际组织的数据库,可能存在数据偏差或不完整的问题 | 探讨影响可持续人口增长的关键因素及其相互作用 | 经济、教育、性别平等、健康服务、环境可持续性、移民政策和技术进步 | NA | NA | DEMATEL, ANP | 深度学习预测模型, 集成学习模型, 因果推断模型, 复杂网络分析模型, 基于代理的模型 | 数据 | 4000个数据样本 |
11446 | 2024-11-23 |
Stock movement prediction in a hotel with multimodality and spatio-temporal features during the Covid-19 pandemic
2024-Nov-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40024
PMID:39568851
|
研究论文 | 研究开发了一种新的深度学习模型MSGCN,用于在新冠疫情期间预测酒店股票表现,该模型结合了多模态数据和时空特征 | 提出了MSGCN模型,该模型通过图卷积网络捕捉酒店之间的空间关系,并整合了消费者评论中的文本、图像和评分等多模态信息 | NA | 提高酒店股票预测的准确性,特别是在新冠疫情期间 | 酒店股票表现 | 机器学习 | NA | 图卷积网络 | MSGCN | 多模态数据(文本、图像、评分) | 两个不同的数据集 |
11447 | 2024-11-23 |
Convolutional neural network models describe the encoding subspace of local circuits in auditory cortex
2024-Nov-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.07.622384
PMID:39574636
|
研究论文 | 本文开发了一种方法来可视化卷积神经网络(CNN)捕获的调谐子空间,并展示了其在听觉皮层中的应用 | 本文提出了一种新的方法来可视化CNN捕获的调谐子空间,并展示了其在听觉皮层中的应用,揭示了CNN与子空间模型之间的概念联系 | CNN的复杂性使得难以辨别支持其改进性能的计算特性 | 研究卷积神经网络(CNN)在听觉皮层中对非线性组合的频谱-时间声音特征的编码能力 | 听觉皮层中的局部电路和卷积神经网络(CNN)模型 | 计算机视觉 | NA | 卷积神经网络(CNN) | 卷积神经网络(CNN) | 声音数据 | 从清醒、被动聆听的雪貂的初级听觉皮层(A1)中使用高通道数微电极阵列记录的单单位数据 |
11448 | 2024-11-23 |
PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer
2024-Nov-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.04.621884
PMID:39574568
|
研究论文 | 本文介绍了一种基于深度学习和迁移学习的机器学习方法PAIRWISE,用于预测癌症中有效的个性化药物组合 | PAIRWISE方法结合了深度学习和迁移学习,能够基于肿瘤特异性转录组谱预测药物协同作用,并在多个数据集上表现优异 | NA | 提高癌症治疗效果并防止复发 | 癌症中的个性化药物组合 | 机器学习 | 癌症 | 深度学习 | NA | 转录组数据 | 包括多个癌症细胞系和非霍奇金淋巴瘤细胞系 |
11449 | 2024-11-23 |
Multifunctional GAN-based optimization for X-ray tomography under different conditions
2024-Nov-04, Optics express
IF:3.2Q2
DOI:10.1364/OE.527366
PMID:39573409
|
研究论文 | 基于生成对抗网络(GAN)提出了一种多功能X射线断层扫描协议,用于伪影校正、噪声抑制和重建超分辨率 | 该协议能够自适应地校正不同强度和类型的环形伪影,并实现超分辨率,相比现有深度学习模型或传统断层扫描校正方法,具有更高的处理速度和最小的信息损失 | NA | 开发一种强大的优化工具,实现大视野和高分辨率X射线断层扫描的等效实现 | 生物样本的X射线锥束计算机断层扫描图像 | 计算机视觉 | NA | X射线断层扫描 | 生成对抗网络(GAN) | 图像 | 一系列生物样本的X射线锥束计算机断层扫描数据 |
11450 | 2024-11-23 |
Addressing high-performance data sparsity in metasurface inverse design using multi-objective optimization and diffusion probabilistic models
2024-Nov-04, Optics express
IF:3.2Q2
DOI:10.1364/OE.537389
PMID:39573417
|
研究论文 | 研究提出了一种结合多目标优化算法和增强扩散模型的方法,用于解决超表面逆设计中的高性能数据稀疏问题 | 研究首次将多目标优化算法与带有注意力机制的扩散模型结合,提出了MetaDiffusion-Att模型,显著提高了生成准确性和质量 | 研究未详细讨论该方法在其他复杂设计任务中的适用性和泛化能力 | 旨在解决超表面逆设计中高性能数据稀疏的问题 | 研究对象为双极化、宽角度入射和宽带低发射率电磁玻璃的设计任务 | 机器学习 | NA | 多目标优化算法 | 扩散模型 | 数据集 | 小数据集 |
11451 | 2024-11-23 |
LIC-CGAN: fast lithography latent images calculation method for large-area masks using deep learning
2024-Nov-04, Optics express
IF:3.2Q2
DOI:10.1364/OE.537921
PMID:39573421
|
研究论文 | 本文提出了一种基于深度学习的快速计算大面积掩模潜像的方法LIC-CGAN | 利用条件生成对抗网络(CGANs)进行三维潜像计算,显著提高了计算速度 | 依赖于训练库中的掩模片段匹配,未匹配的片段需要通过CGANs计算 | 开发一种快速且准确的大面积掩模潜像计算方法 | 大面积掩模的三维潜像 | 计算机视觉 | NA | 条件生成对抗网络(CGANs) | CGAN | 图像 | 训练库中的掩模片段及其对应的潜像 |
11452 | 2024-11-23 |
Wide-field scanning ghost imaging based on a local binary pattern and untrained neural network
2024-Nov-04, Optics express
IF:3.2Q2
DOI:10.1364/OE.533583
PMID:39573469
|
研究论文 | 本文提出了一种基于局部二值模式和未训练神经网络的广域扫描鬼成像方法,用于信息融合 | 该方法通过将局部二值模式集成到深度神经网络中,增强了图像纹理细节的表达,并使用自适应图像重建技术,无需在任何数据集上进行训练 | NA | 实现高质量和高效率的连续场景成像,以支持自动驾驶领域的研究 | 广域扫描鬼成像中的信息融合 | 计算机视觉 | NA | 局部二值模式(LBP) | 深度神经网络 | 图像 | NA |
11453 | 2024-11-23 |
Phenotype Scoring of Population Scale Single-Cell Data Dissects Alzheimer's Disease Complexity
2024-Nov-02, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.01.24316586
PMID:39574856
|
研究论文 | 研究利用深度学习框架PASCode分析大规模单核RNA测序数据,揭示阿尔茨海默病复杂表型的细胞和分子机制 | 开发了PASCode框架,识别了约150万个表型关联细胞,并发现了与多种阿尔茨海默病表型相关的细胞亚群及其基因表达变化 | NA | 揭示阿尔茨海默病复杂表型的细胞和分子机制,为诊断标志物和治疗靶点的发现提供新见解 | 阿尔茨海默病患者的单核RNA测序数据 | 数字病理学 | 阿尔茨海默病 | 单核RNA测序 | 深度学习 | 基因表达数据 | 1494个个体的前额叶皮层样本,包含超过600万个细胞核 |
11454 | 2024-11-23 |
Development and validation of a deep learning-based survival prediction model for pediatric glioma patients: A retrospective study using the SEER database and Chinese data
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109185
PMID:39341114
|
研究论文 | 开发并验证了一种基于深度学习的儿童胶质瘤患者生存预测模型,通过SEER数据库和中国数据进行回顾性研究 | 首次使用DeepSurv模型进行儿童胶质瘤患者的生存预测,并展示了其在不同数据集上的优异表现 | 研究仅限于SEER数据库和Tangdu医院的患者数据,可能存在样本偏倚 | 开发一种能够准确预测儿童胶质瘤患者预后的深度学习模型,以辅助临床医生制定精确的治疗决策 | 儿童胶质瘤患者 | 机器学习 | 脑肿瘤 | 深度学习 | DeepSurv | 临床数据 | 共9532名儿童胶质瘤患者,其中SEER数据库9274名,Tangdu医院258名 |
11455 | 2024-10-30 |
Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics
2024-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00729-x
PMID:39468341
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
11456 | 2024-11-23 |
Deep generative design of RNA aptamers using structural predictions
2024-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00720-6
PMID:39506080
|
研究论文 | 开发了一种基于深度学习的结构到序列平台,用于从头生成RNA适配体 | 利用结构预测指导RNA适配体的生成设计,设计出结构相似但序列不同的RNA适配体 | NA | 开发新的RNA适配体设计方法 | RNA适配体及其荧光活性 | 机器学习 | NA | 深度学习 | NA | RNA序列 | 多个生成的RNA适配体 |
11457 | 2024-11-23 |
A deep learning model for prediction of autism status using whole-exome sequencing data
2024-Nov, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012468
PMID:39514604
|
研究论文 | 开发了一种深度学习模型STAR-NN,用于使用全外显子测序数据预测自闭症状态 | STAR-NN模型在输入层分离了不同致病效应的罕见变异,并在同一基因节点上合并,从而更细致地处理了罕见变异 | STAR-NN在测试数据集和独立数据集上的ROC-AUC值仅为0.7319和0.7302,表现较为一般 | 利用深度学习技术预测自闭症状态 | 自闭症儿童及其基因变异 | 机器学习 | 自闭症 | 全外显子测序 | 深度学习模型 | 基因数据 | 43,203个个体(其中16,809个自闭症患者和26,394个非自闭症对照) |
11458 | 2024-11-23 |
A deep learning approach for rational ligand generation with toxicity control via reactive building blocks
2024-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00718-0
PMID:39516375
|
研究论文 | 本文介绍了一种基于深度学习的合理配体生成方法DeepBlock,通过反应性构建块实现毒性控制 | 提出了DeepBlock方法,将生成过程分为构建块生成和分子重构两步,结合神经网络和基于规则的重构算法,实现了对生成分子属性的精确控制 | 未提及具体限制 | 开发一种能够生成具有亲和力、合成可及性和类药性的配体分子,并控制其毒性的深度学习方法 | 配体分子及其毒性控制 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质序列 | 未提及具体样本数量 |
11459 | 2024-11-22 |
Harnessing deep learning to build optimized ligands
2024-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00725-1
PMID:39543392
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
11460 | 2024-11-23 |
Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis
2024-Oct-31, ArXiv
PMID:39575118
|
研究论文 | 本文介绍了一种名为Supervised Independent Subspace Principal Component Analysis (sisPCA) 的主成分分析扩展方法,用于多子空间学习 | sisPCA结合了Hilbert-Schmidt独立性准则(HSIC),能够在监督下确保子空间的解耦,提高了模型的可解释性 | NA | 开发一种能够在高维数据中捕捉人类可理解概念的有效表示方法 | 乳腺癌诊断、衰老相关的DNA甲基化变化以及疟疾感染的单细胞分析 | 机器学习 | NA | 主成分分析(PCA) | sisPCA | 图像特征、DNA甲基化数据、单细胞数据 | NA |