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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
15161 | 2024-09-30 |
Explainable breast cancer molecular expression prediction using multi-task deep-learning based on 3D whole breast ultrasound
2024-Sep-19, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01810-9
PMID:39320560
|
研究论文 | 本文研究了使用多任务深度学习模型基于3D全乳腺超声图像预测乳腺癌分子表达,并提高了模型的可解释性 | 本文提出了一个多任务深度学习模型,结合肿瘤分割与生物标志物预测,以提高模型的可解释性和预测性能 | NA | 非侵入性地估计三种乳腺癌生物标志物(ER、PR和HER2)的表达,并提高预测性能和可解释性 | 乳腺癌患者的ER、PR和HER2生物标志物表达 | 计算机视觉 | 乳腺癌 | 3D全乳腺超声系统(3DWBUS) | 多任务深度学习模型 | 图像 | 388名乳腺癌患者 |
15162 | 2024-09-30 |
δ-Conotoxin Structure Prediction and Analysis through Large-Scale Comparative and Deep Learning Modeling Approaches
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202404786
PMID:39033537
|
研究论文 | 本文通过大规模比较和深度学习建模方法预测和分析δ-芋螺毒素的结构 | 利用AlphaFold和RosettaCM两种方法对18种未表征的δ-芋螺毒素进行建模,提供了对这些肽结构方面的有用见解 | NA | 预测和分析δ-芋螺毒素的结构,为药物开发提供参考 | δ-芋螺毒素的结构和功能 | 生物信息学 | NA | 深度学习建模 | AlphaFold, RosettaCM | 蛋白质结构 | 18种未表征的δ-芋螺毒素 |
15163 | 2024-09-30 |
Stretchable Piezoresistive Pressure Sensor Array with Sophisticated Sensitivity, Strain-Insensitivity, and Reproducibility
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202405374
PMID:39013112
|
研究论文 | 研究开发了一种新型10x10传感器阵列,包含100个压力传感器像素,通过创新设计传感器结构,实现了高达888.79 kPa的显著灵敏度 | 采用聚丁二烯-尿烷(PBU)和MXene纳米片合成导电织物,通过预应变方法确保电极的应变免疫性,并引入深度学习方法提高长期传感精度 | NA | 提升可拉伸压阻式压力传感器的可靠性和性能 | 可拉伸压阻式压力传感器 | 传感器技术 | NA | 电纺丝技术 | 深度学习 | 传感器数据 | 100个压力传感器像素 |
15164 | 2024-09-30 |
Automatic Clinical Assessment of Swallowing Behavior and Diagnosis of Silent Aspiration Using Wireless Multimodal Wearable Electronics
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202404211
PMID:38981027
|
研究论文 | 研究报告了一种无线多模态可穿戴系统,利用机器学习自动准确评估吞咽行为并诊断无声误吸 | 开发了一种包含kirigami结构电极和带有凝胶层的麦克风的无线多模态可穿戴系统,能够抑制皮肤接触阻抗的变化并有效阻隔外部噪音,实现高质量的肌电图和吞咽声音测量 | 未提及 | 开发一种自动准确评估吞咽行为并诊断无声误吸的无线多模态可穿戴系统 | 吞咽障碍患者 | 可穿戴电子设备 | NA | 机器学习 | 深度学习算法 | 肌电图和吞咽声音 | 未提及 |
15165 | 2024-09-30 |
Exploring vision transformers for classifying early Barrett's dysplasia in endoscopic images: A pilot study on white-light and narrow-band imaging
2024-Sep, JGH open : an open access journal of gastroenterology and hepatology
IF:1.7Q3
DOI:10.1002/jgh3.70030
PMID:39328302
|
研究论文 | 本研究探讨了使用视觉变换器(ViT)对早期Barrett异型增生进行分类,并比较了白光成像(WLI)、窄带成像(NBI)和组合模式下的模型性能 | 本研究首次将视觉变换器(ViT)应用于早期Barrett异型增生的分类,并展示了其在内镜图像识别中的优越性能 | 本研究为初步研究,样本量较小,且仅限于Barrett食管的早期异型增生分类 | 探索视觉变换器(ViT)在早期Barrett异型增生分类中的应用 | 早期Barrett异型增生 | 计算机视觉 | 消化系统疾病 | 视觉变换器(ViT) | 视觉变换器(ViT) | 图像 | 1918张Barrett食管图像,来自267名患者 |
15166 | 2024-09-30 |
A Deep Learning-Based Framework for Highly Accelerated Prostate MR Dispersion Imaging
2024-Aug-27, Cancers
IF:4.5Q1
DOI:10.3390/cancers16172983
PMID:39272841
|
研究论文 | 本文提出了一种基于深度学习的快速磁共振扩散成像(fMRDI)框架,用于加速前列腺磁共振扩散成像中的药代动力学参数估计 | 本文提出了一个两阶段的深度学习框架,通过深度神经网络直接从增强曲线中估计药代动力学参数,并使用非线性最小二乘法进行进一步优化,显著减少了处理时间 | 本文未详细讨论该方法在其他类型肿瘤或不同成像条件下的适用性 | 开发一种能够显著加速前列腺磁共振扩散成像中药代动力学参数估计的方法 | 前列腺磁共振扩散成像中的药代动力学参数 | 计算机视觉 | 前列腺癌 | 深度学习 | 深度神经网络 | 图像 | 本文使用了内部临床前列腺MRI数据集进行实验 |
15167 | 2024-09-30 |
SMAFIRA: a literature-based web tool to assist researchers with retrieval of 3R-relevant information
2024-Aug, Laboratory animals
IF:1.3Q2
DOI:10.1177/00236772241237608
PMID:38872231
|
研究论文 | 开发了一个基于文献的网络工具SMAFIRA,用于辅助研究人员检索与3R相关的信息 | SMAFIRA利用深度学习领域的先进语言模型,提供按实验模型分类的相关文献引用,使检索替代方法更加高效 | NA | 开发工具以提高检索与动物实验替代、减少和优化(3R)相关的信息的效率 | PubMed/MEDLINE数据库中的文献 | 机器学习 | NA | 深度学习 | 语言模型 | 文本 | NA |
15168 | 2024-08-07 |
Electrocardiography deep learning models to predict high-risk imaging features in patients with hypertrophic cardiomyopathy: Can it change clinical practice?
2024-08, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2024.02.023
PMID:38365126
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15169 | 2024-09-30 |
Artificial intelligence detection of cognitive impairment in older adults during walking
2024 Jul-Sep, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70012
PMID:39328904
|
研究论文 | 研究探讨了利用人工智能(AI)辅助的线性加速度和角速度分析在行走过程中检测社区居住老年人认知障碍的可行性 | 利用AI辅助的步态分析来检测早期认知障碍 | NA | 检测社区居住老年人早期认知障碍 | 879名无痴呆的老年人 | 机器学习 | 老年病 | 深度学习模型 | 深度学习模型 | 线性加速度和角速度数据 | 879名参与者,其中女性占60.6%,平均年龄73.5岁 |
15170 | 2024-09-30 |
Machine Learning for Sequence and Structure-Based Protein-Ligand Interaction Prediction
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01841
PMID:38385768
|
研究论文 | 本文探讨了基于序列和结构的计算方法在蛋白质-配体相互作用预测中的应用 | 本文总结了经典机器学习模型和深度学习模型在蛋白质-配体相互作用研究中的应用,并提出了模型评估方法和可解释性 | 本文未详细讨论具体模型的性能和比较 | 研究如何利用机器学习方法准确预测蛋白质-配体相互作用,以加速药物发现过程 | 蛋白质-配体相互作用 | 机器学习 | NA | 机器学习 | 经典机器学习模型和深度学习模型 | 序列和结构数据 | NA |
15171 | 2024-09-30 |
Deep learning-based multimodal spatial transcriptomics analysis for cancer
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.08.001
PMID:39271260
|
研究论文 | 本文探讨了深度学习与多模态空间转录组学在癌症研究中的整合应用 | 本文创新性地将深度学习与多模态空间转录组学结合,为癌症诊断、治疗规划和精准医学提供了新的见解 | NA | 本文旨在探索深度学习与多模态空间转录组学在癌症研究中的应用,以提高诊断准确性和个性化治疗 | 本文研究对象为癌症,特别是肿瘤生物学和治疗响应 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 多模态数据(基因组、蛋白质组、影像和临床数据) | NA |
15172 | 2024-09-28 |
Retraction: Analysis of the role and robustness of artificial intelligence in commodity image recognition under deep learning neural network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311323
PMID:39325725
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15173 | 2024-09-30 |
Guide for the application of the data augmentation approach on sets of texts in Spanish for sentiment and emotion analysis
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310707
PMID:39325750
|
研究论文 | 研究探讨了数据增强技术在西班牙语文本情感和情绪分析中的应用效果 | 首次系统评估了多种数据增强技术在西班牙语文本情感和情绪分析中的应用效果,并提供了选择算法和技术的指导 | 研究仅限于西班牙语文本,且样本量较小 | 探讨数据增强技术是否能提高西班牙语文本情感和情绪分析的分类效果 | 西班牙语的歌词、社交媒体评论、智利国家报纸头条和高等教育学生调查回复 | 自然语言处理 | NA | 数据增强技术 | 卷积神经网络 (CNN), 生成对抗网络 (GAN), 双向编码器表示 (BETO) | 文本 | 小规模数据集,包括歌词、社交媒体评论、报纸头条和调查回复 |
15174 | 2024-09-30 |
Parametric seasonal-trend autoregressive neural network for long-term crop price forecasting
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311199
PMID:39325794
|
研究论文 | 本文提出了一种用于长期作物价格预测的参数季节性趋势自回归神经网络模型 | 提出了一个结合多核残差卷积神经网络和高斯季节性趋势模型的混合模型PaSTANet | 未提及 | 通过长期预测和价格预响应来稳定作物供需 | 洋葱、萝卜、大白菜和青葱四种作物的长期价格预测 | 机器学习 | NA | 多核残差卷积神经网络 | 神经网络 | 时间序列数据 | 使用Garak市场的每日数据,涉及四种作物,预测2023年一年的价格 |
15175 | 2024-09-30 |
Understanding COVID-19 vaccine hesitancy of different regions in the post-epidemic era: A causality deep learning approach
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272712
PMID:39328301
|
研究论文 | 本文通过分析与疫苗评论和公众态度相关的文本,探讨了后疫情时代不同地区对三种主要疫苗品牌(科兴、阿斯利康和辉瑞)的疫苗犹豫情况,并研究了疫苗犹豫与不同地区疫情流行程度之间的关系 | 本文提出了一个因果深度学习模型BertMCNN,用于预测用户的疫苗接种意愿和态度,并在提供的数据集上展示了优于传统机器学习算法和其他深度学习模型的性能 | NA | 理解后疫情时代不同地区的疫苗犹豫情况,并研究其与疫情流行程度的关系 | 科兴、阿斯利康和辉瑞三种疫苗品牌的公众评论和态度 | 自然语言处理 | NA | 因果深度学习 | BertMCNN | 文本 | 165629条Twitter用户评论 |
15176 | 2024-09-30 |
Explainable feature selection and deep learning based emotion recognition in virtual reality using eye tracker and physiological data
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1438720
PMID:39328315
|
研究论文 | 研究在虚拟现实环境中使用可解释的机器学习和深度学习技术进行情感识别 | 结合虚拟现实与先进的可解释机器学习和深度学习方法进行情感识别 | NA | 探索在虚拟现实环境中使用可解释的机器学习和深度学习技术进行情感识别 | 情感识别 | 机器学习 | NA | 可解释的机器学习和深度学习技术 | 支持向量分类器 (SVC), K近邻 (KNN), 逻辑回归 (LR), 深度神经网络 (DNN), 双向长短期记忆网络 (Bi-LSTM), 注意力机制LSTM | 多模态数据 | 使用名为VREED的多模态数据集进行情感识别 |
15177 | 2024-09-30 |
RETRACTION: Deep Learning Dual Neural Networks in the Construction of Learning Models for Online Courses in Piano Education
2024, Computational intelligence and neuroscience
DOI:10.1155/2024/9761240
PMID:39328477
|
correction | 撤回了一篇关于使用深度学习双神经网络构建在线钢琴教育学习模型的文章 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15178 | 2024-09-30 |
RETRACTION: Cultural and Creative Product Design and Image Recognition Based on Deep Learning
2024, Computational intelligence and neuroscience
DOI:10.1155/2024/9767918
PMID:39328483
|
correction | 撤回了一篇关于基于深度学习的文化创意产品设计和图像识别的文章 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15179 | 2024-09-28 |
RETRACTION: Analysis of Traditional Cultural Acceptance Based on Deep Learning
2024, Computational intelligence and neuroscience
DOI:10.1155/2024/9823927
PMID:39328496
|
correction | 撤回基于深度学习的传统文化接受度分析文章 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15180 | 2024-09-30 |
Towards sustainable coastal management: aerial imagery and deep learning for high-resolution Sargassum mapping
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.18192
PMID:39329141
|
研究论文 | 本研究提出了一种基于pix2pix架构的语义分割方法,用于计算海滩上浮游植物的覆盖面积 | 本研究首次使用pix2pix架构进行高分辨率浮游植物地图绘制,并构建了一个包含15,268张航拍图像的独特数据集 | 算法在识别浮游植物像素时存在轻微的低估倾向 | 研究旨在通过深度学习技术实现可持续的海岸管理,特别是浮游植物的分布和数量监测 | 研究对象包括大西洋沿岸多个国家的浮游植物分布和数量 | 计算机视觉 | NA | 深度学习 | pix2pix | 图像 | 15,268张航拍图像,分为三个类别,对应墨西哥金塔纳罗奥州的Mahahual和Puerto Morelos两个城市的海滩 |