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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
15621 | 2024-09-23 |
Modeling and design of heterogeneous hierarchical bioinspired spider web structures using deep learning and additive manufacturing
2023-08, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2305273120
PMID:37487072
|
研究论文 | 本文利用深度学习和增材制造技术,对异质分层仿生蜘蛛网结构进行建模和设计 | 本文提出了一种基于深度学习的生成模型,用于合成仿生3D蜘蛛网结构,并结合增材制造技术进行制造和测试 | NA | 研究如何利用深度学习和增材制造技术,对复杂的3D蜘蛛网结构进行建模和设计 | 异质分层仿生蜘蛛网结构 | 计算机视觉 | NA | 增材制造 | 生成模型 | 图结构 | 多个实验确定的蜘蛛网图结构 |
15622 | 2024-09-23 |
Applications of multi-omics analysis in human diseases
2023-Aug, MedComm
IF:10.7Q1
DOI:10.1002/mco2.315
PMID:37533767
|
综述 | 本文综述了多组学技术在人类疾病研究中的应用 | 本文提供了多组学技术的全面系统介绍,特别是机器学习和深度学习在多组学数据整合中的应用及其相关工具 | 本文主要集中在多组学技术的综述和应用,未涉及具体实验数据或模型验证 | 探讨多组学技术在精准医学中的整合与应用及其未来发展方向 | 多组学技术及其在癌症、神经退行性疾病、衰老和药物靶点发现等医学研究中的应用 | NA | NA | 多组学技术 | 机器学习 深度学习 | 多组学数据 | NA |
15623 | 2024-09-23 |
A comparative study of model-centric and data-centric approaches in the development of cardiovascular disease risk prediction models in the UK Biobank
2023-Aug, European heart journal. Digital health
DOI:10.1093/ehjdh/ztad033
PMID:37538143
|
研究论文 | 本研究比较了模型中心和数据中心方法在英国生物银行心血管疾病风险预测模型开发中的应用 | 本研究首次系统地探讨了不同风险因素类别对心血管疾病发病预测的贡献,并强调了模型和数据中心方法的结合对提高预测性能的重要性 | 研究仅限于英国生物银行的数据,可能无法完全代表全球心血管疾病的风险因素 | 探讨不同风险因素类别对心血管疾病发病预测的贡献,并比较模型中心和数据中心方法的效果 | 心血管疾病的风险预测模型 | 机器学习 | 心血管疾病 | NA | 神经序列模型(BEHRT) | 数据 | 405,257名37-73岁的参与者 |
15624 | 2024-09-23 |
On-chip label-free cell classification based directly on off-axis holograms and spatial-frequency-invariant deep learning
2023-07-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38160-3
PMID:37524884
|
研究论文 | 本文提出了一种基于原始数字全息图的无标记成像流式细胞术和细胞分类方法 | 本文提出了一种新的无标记细胞分类方法,直接基于原始离轴全息图像,无需重建细胞的定量相位轮廓 | NA | 提高成像流式细胞术的速度和鲁棒性,实现实时无标记细胞分类 | 四种癌症细胞 | 计算机视觉 | NA | 离轴全息术 | 卷积神经网络 | 图像 | 四种癌症细胞 |
15625 | 2024-09-23 |
Transfer learning to leverage larger datasets for improved prediction of protein stability changes
2023-Jul-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.27.550881
PMID:37547004
|
研究论文 | 本文介绍了一种名为ThermoMPNN的深度神经网络,用于预测蛋白质点突变对稳定性的影响,并展示了如何利用大规模数据集进行训练 | 本文引入了ThermoMPNN模型,并利用迁移学习技术结合两个不同数据集进行训练,以提高预测蛋白质稳定性变化的准确性 | NA | 开发一种能够准确预测蛋白质稳定性变化的计算方法 | 蛋白质点突变对稳定性的影响 | 机器学习 | NA | 深度学习 | 深度神经网络 | 蛋白质结构数据 | 使用了两个大规模数据集进行训练 |
15626 | 2024-09-23 |
An innovative ensemble model based on deep learning for predicting COVID-19 infection
2023-07-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-39408-8
PMID:37516796
|
研究论文 | 本文提出了一种基于深度学习的创新集成模型WOCLSA,用于预测COVID-19感染 | WOCLSA模型结合了ANN、CNN和LSTM,并使用鲸鱼优化算法优化模型参数,提高了预测准确性 | NA | 提高COVID-19感染预测的准确性,并扩展医疗疾病预测模型的应用 | COVID-19感染预测 | 机器学习 | COVID-19 | 深度学习 | WOCLSA(ANN、CNN、LSTM的集成模型) | 患者指标 | 18个患者指标 |
15627 | 2024-09-23 |
Improved delineation model of a standard 12-lead electrocardiogram based on a deep learning algorithm
2023-07-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02233-0
PMID:37507698
|
研究论文 | 本文提出了一种基于深度学习算法的12导联心电图信号分割模型 | 采用卷积神经网络和双向长短期记忆网络相结合的方法,实现了对心电图波形和边界的自动分类 | NA | 提高12导联心电图信号分割的自动化程度,以辅助心脏病临床实践 | 12导联心电图信号的P波、QRS波群和T波的分割 | 机器学习 | 心血管疾病 | 深度学习算法 | 卷积神经网络和双向长短期记忆网络 | 心电图信号 | 共14,588个心电图信号 |
15628 | 2024-09-23 |
MSBooster: improving peptide identification rates using deep learning-based features
2023-07-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-40129-9
PMID:37500632
|
研究论文 | 本文介绍了一种名为MSBooster的新工具,通过深度学习特征提升液相色谱-串联质谱(LC-MS/MS)实验中的肽段鉴定率 | MSBooster利用深度学习预测的肽段特性(如LC保留时间、离子迁移率和MS/MS谱图)来重新评分肽段与谱图的匹配 | NA | 提升LC-MS/MS实验中的肽段鉴定率 | 肽段与谱图的匹配 | 机器学习 | NA | 液相色谱-串联质谱(LC-MS/MS) | 深度学习 | 谱图数据 | NA |
15629 | 2024-09-23 |
A transfer learning-based multimodal neural network combining metadata and multiple medical images for glaucoma type diagnosis
2023-07-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-27045-6
PMID:37495578
|
研究论文 | 本文提出了一种基于迁移学习的多模态神经网络,结合元数据和多种医学图像用于青光眼类型诊断 | 构建了新的多模态青光眼数据集,并提出了新的多模态神经网络GMNNnet,用于解决单模态方法的不准确性和数据标注困难的问题 | NA | 解决青光眼类型诊断中的数据标注困难和单模态方法的不准确性问题 | 青光眼类型诊断 | 计算机视觉 | 青光眼 | 迁移学习 | CNN | 图像 | 包含五种最重要的青光眼标签、电子病历和四种高分辨率医学图像的多模态数据集 |
15630 | 2024-09-23 |
Super High-Throughput Screening of Enzyme Variants by Spectral Graph Convolutional Neural Networks
2023-Jul-25, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c01227
PMID:36961994
|
研究论文 | 本文展示了使用图卷积神经网络(GCN)预测酶变体结合能的方法 | 利用GCN模型仅使用序列信息预测酶变体的结合能,并通过预训练的语言模块提高预测准确性 | NA | 开发一种高效筛选酶变体的方法 | 酶变体的结合能预测 | 机器学习 | NA | 图卷积神经网络(GCN) | 图卷积神经网络(GCN) | 序列信息 | 20-20个变体作为训练数据 |
15631 | 2024-09-23 |
Deep Learning-Based Prediction of Contact Maps and Crystal Structures of Inorganic Materials
2023-Jul-25, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.3c02115
PMID:37521616
|
研究论文 | 本文提出了一种基于深度学习的无机材料接触图和晶体结构预测算法AlphaCrystal | 受AlphaFold算法启发,AlphaCrystal结合深度残差神经网络模型和遗传算法进行三维结构重建,显著加速了晶体结构预测 | NA | 解决材料科学中晶体结构预测的主要难题 | 无机材料的晶体结构 | 机器学习 | NA | 深度残差神经网络 | 深度残差神经网络 | 结构数据 | 20个基准结构 |
15632 | 2024-09-23 |
Validation of bone mineral density measurement using quantitative CBCT image based on deep learning
2023-07-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38943-8
PMID:37488135
|
研究论文 | 本研究验证了基于深度学习的定量锥束CT(CBCT)图像在骨密度(BMD)测量中的准确性和可靠性 | 本研究开发了一种基于深度学习的定量CBCT图像方法,用于骨密度测量,相比传统CBCT图像,显示出更高的准确性、线性和均匀性 | 本研究仅在30名患者的临床数据上进行了验证,样本量相对较小 | 验证基于深度学习的定量CBCT图像在骨密度测量中的准确性和可靠性 | 骨密度测量在牙科植入手术前的骨质量评估 | 计算机视觉 | NA | 深度学习 | QCBCT-NET | 图像 | 30名患者,包含7500对CT和CBCT轴向切片图像 |
15633 | 2024-09-23 |
Unique Hyperspectral Response Design in High-Speed Photodetectors Enabled by Periodic Surface Textures
2023-Jul-21, Research square
DOI:10.21203/rs.3.rs-3140578/v1
PMID:37503247
|
研究论文 | 本文介绍了一种利用光子陷阱表面纹理(PTSTs)设计高速光电探测器的光谱响应方法,实现了系统的小型化和高性能 | 通过集成PTSTs,消除了对外部衍射光学器件的需求,实现了高性价比的硅光电探测器,适用于宽带多/高光谱成像系统 | NA | 开发一种新型的光谱响应设计方法,以实现高性能、小型化的光电探测器 | 光子陷阱表面纹理(PTSTs)和硅光电探测器 | 计算机视觉 | NA | 光子陷阱表面纹理(PTSTs) | NA | 光谱数据 | NA |
15634 | 2024-09-23 |
A Deep Learning Approach for Atrial Fibrillation Classification Using Multi-Feature Time Series Data from ECG and PPG
2023-Jul-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13142442
PMID:37510187
|
研究论文 | 本文提出了一种利用多特征时间序列数据(来自ECG和PPG)进行房颤分类的深度学习方法 | 本文首次将深度学习方法应用于PPG信号,并结合ECG信号进行房颤分类 | NA | 开发一种非侵入性方法,利用ECG和PPG信号进行房颤检测 | 房颤和非房颤的分类 | 机器学习 | 心血管疾病 | 深度学习 | 1D CNN和BiLSTM | 时间序列数据 | NA |
15635 | 2024-09-23 |
Recent trends in RNA informatics: a review of machine learning and deep learning for RNA secondary structure prediction and RNA drug discovery
2023-07-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad186
PMID:37232359
|
综述 | 本文综述了机器学习和深度学习在RNA二级结构预测和RNA药物发现中的最新趋势 | 机器学习方法在RNA二级结构预测中取得了显著进展,提高了预测精度,并在RNA-蛋白质相互作用分析中做出了重要贡献 | NA | 探讨机器学习和深度学习在RNA信息学中的应用及其未来发展方向 | RNA二级结构预测、RNA适配体和RNA药物发现 | 机器学习 | NA | 机器学习、深度学习 | NA | 序列 | NA |
15636 | 2024-09-23 |
DCiPatho: deep cross-fusion networks for genome scale identification of pathogens
2023-07-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad194
PMID:37249547
|
研究论文 | 本文介绍了一种基于深度交叉融合网络的病原体检测方法DCiPatho | 通过深度交叉融合、残差和深度神经网络的结合,DCiPatho能够处理长基因组序列并准确识别病原体 | NA | 开发一种能够准确检测病原体的深度学习算法 | 病原体检测 | 机器学习 | NA | 深度学习 | 深度交叉融合网络 | 基因组数据 | 使用了已知和未知的病原体物种的基因组和宏基因组数据 |
15637 | 2024-09-23 |
iAMPCN: a deep-learning approach for identifying antimicrobial peptides and their functional activities
2023-07-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad240
PMID:37369638
|
研究论文 | 本文提出了一种基于深度学习的框架iAMPCN,用于识别抗菌肽及其功能活性 | iAMPCN能够预测抗菌肽的22种相关功能活性,相较于现有方法显著提高了预测性能 | NA | 开发一种新的计算方法来识别抗菌肽及其功能活性 | 抗菌肽及其功能活性 | 机器学习 | NA | 深度学习 | CNN | 序列 | 涉及22种功能活性的抗菌肽数据集 |
15638 | 2024-09-23 |
Contextualized Small Target Detection Network for Small Target Goat Face Detection
2023-Jul-20, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani13142365
PMID:37508141
|
研究论文 | 本文提出了一种用于山羊面部小目标检测的新型神经网络 | 通过结合上下文信息和特征融合互补,解决了低图像分辨率、小目标和特征不明显的问题 | 未提及具体限制 | 提高山羊面部检测的准确性和效率,为智能畜牧管理系统提供基础 | 山羊面部检测 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 未提及具体样本数量 |
15639 | 2024-09-23 |
Detecting Dementia from Face-Related Features with Automated Computational Methods
2023-Jul-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10070862
PMID:37508889
|
研究论文 | 本文研究了如何利用面部相关特征通过自动化计算方法检测痴呆症 | 本文首次探索了面部相关特征在痴呆症检测中的应用,并展示了其潜在的重要作用 | 本文的实验结果仅基于PROMPT数据集,可能存在数据集偏差 | 研究面部相关特征在自动化痴呆症检测中的有效性 | 痴呆症患者面部特征 | 计算机视觉 | 老年病 | NA | 传统机器学习模型和深度学习模型 | 视频 | PROMPT数据集中的痴呆症患者 |
15640 | 2024-09-23 |
SinusC-Net for automatic classification of surgical plans for maxillary sinus augmentation using a 3D distance-guided network
2023-07-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38273-9
PMID:37468515
|
研究论文 | 本文提出了一种基于3D距离引导网络的自动分类手术计划方法,用于上颌窦底提升术 | 本文创新性地使用了3D距离引导网络进行手术计划的自动分类,并提出了改进的ABC分类方法 | NA | 自动分类上颌窦底提升术的手术计划 | 上颌窦底提升术的手术计划分类 | 计算机视觉 | NA | 3D距离引导网络 | 卷积神经网络 | 图像 | NA |