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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
15861 | 2024-08-07 |
Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning
2024-May-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00047
PMID:38798191
|
研究论文 | 本研究提出了一种基于深度学习的无创方法,用于预测细胞游离DNA上的转录因子结合位点 | 利用卷积神经网络结合长短期记忆模型,从已知的转录因子结合位点学习序列信息,实现对细胞游离DNA上转录因子结合位点的非侵入性预测 | NA | 探索基因调控机制,为临床实践中疾病的动态监测提供技术指导 | 细胞游离DNA上的转录因子结合位点 | 机器学习 | NA | 深度学习 | 卷积神经网络结合长短期记忆模型 | 序列信息 | NA |
15862 | 2024-08-07 |
DTDO: Driving Training Development Optimization enabled deep learning approach for brain tumour classification using MRI
2024-May-27, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2351159
PMID:38801074
|
研究论文 | 本文提出了一种名为DTDO-ZFNet的深度学习方法,用于通过MRI图像进行脑肿瘤分类 | 引入了DTDO-ZFNet模型,结合DTBO和CDDO技术,提高了脑肿瘤检测的准确性 | NA | 提高脑肿瘤检测的准确性 | 脑肿瘤 | 机器学习 | 脑肿瘤 | MRI | ZFNet | 图像 | NA |
15863 | 2024-08-07 |
Enhanced reliability and time efficiency of deep learning-based posterior tibial slope measurement over manual techniques
2024-May-26, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.12241
PMID:38796728
|
研究论文 | 本研究通过机器学习和人工智能技术,开发了一种基于深度学习的方法来测量磁共振成像中的胫骨后倾角,以提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率 | 本研究引入了机器学习和人工智能技术,通过YOLOv8算法实现了对胫骨后倾角的自动测量,提高了测量的准确性和效率 | NA | 提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率 | 胫骨后倾角的测量 | 机器学习 | NA | YOLOv8算法 | YOLOv8 | 图像 | 120名接受前交叉韧带重建手术的患者 |
15864 | 2024-08-07 |
Multispecies deep learning using citizen science data produces more informative plant community models
2024-May-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48559-9
PMID:38789424
|
研究论文 | 本文利用深度神经网络(DNNs)和公民科学数据,对瑞士的2477种植物物种及其集合的分布进行了联合建模,以提高物种分布和群落组成的预测准确性。 | 本文采用了多物种深度学习方法,相较于传统方法,能更准确地预测物种分布和群落组成,并能研究生态学中较少探讨的方面。 | NA | 旨在利用大数据和深度学习技术提高植物物种分布和群落组成的预测准确性。 | 研究对象包括2477种植物物种及其在瑞士的分布。 | 机器学习 | NA | 深度神经网络(DNNs) | DNN | 数据 | 670万条观测数据 |
15865 | 2024-08-07 |
Biochemical-free enrichment or depletion of RNA classes in real-time during direct RNA sequencing with RISER
2024-May-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48673-8
PMID:38789440
|
研究论文 | 介绍了一种名为RISER的无生物化学技术,用于实时富集或消耗RNA类别,通过直接RNA测序中的分子选择性排斥实现 | RISER技术通过深度学习直接从纳米孔信号中识别RNA类别,并与测序硬件实时通信,实现了对特定RNA类别的实时富集或消耗 | NA | 开发一种无需生物化学处理的技术,以解决细胞转录组异质性带来的挑战,特别是检测低表达RNA类别的问题 | 细胞转录组中的RNA类别,特别是低表达的RNA类别 | NA | NA | 直接RNA测序 | 深度学习 | RNA序列数据 | NA |
15866 | 2024-08-07 |
A deep learning-based radiomics model for predicting lymph node status from lung adenocarcinoma
2024-May-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01300-w
PMID:38789936
|
研究论文 | 本研究利用基于深度学习的放射组学模型,通过增强CT预测肺腺癌患者的淋巴结状态 | 引入了一种基于增强CT图像的无创分类预测模型,使用极端梯度提升方法(XGBoost),显著提高了识别肺腺癌患者淋巴结状态的精度 | NA | 开发一种安全且准确的方法来预测肺腺癌的淋巴结转移 | 肺腺癌患者的淋巴结状态 | 机器学习 | 肺腺癌 | 增强CT | XGBoost | 图像 | 503例患者,其中287例有淋巴结转移,216例无淋巴结转移 |
15867 | 2024-08-07 |
Real-time sports injury monitoring system based on the deep learning algorithm
2024-May-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01304-6
PMID:38789963
|
研究论文 | 本文研究了一种基于支持向量机模型的实时运动伤害监测系统,通过视频检测和关节检测捕捉人体运动,利用多项式拟合分析提取关节运动模式,并通过数据处理提高处理效率和模型训练速度。 | 本文采用了支持向量机模型进行数据分类和识别,相较于主流模型如随机森林和朴素贝叶斯,在准确性、敏感性和特异性上表现更佳。 | NA | 提高运动伤害监测的实时性和准确性 | 运动伤害监测系统 | 机器学习 | NA | 支持向量机(SVM) | SVM | 视频 | NA |
15868 | 2024-08-07 |
Deep learning of mammogram images to reduce unnecessary breast biopsies: a preliminary study
2024-May-24, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-024-01830-9
PMID:38790005
|
研究论文 | 本研究开发了一种基于深度学习的分类算法,用于分析乳腺X光图像,旨在减少不必要的乳腺活检 | 利用卷积神经网络对BI-RADS 4级可疑病变进行分类,以识别可能不需要活检的良性病例 | 研究为回顾性,且特定性值在不同任务中表现不一,最高为46% | 通过深度学习技术减少不必要的乳腺活检 | BI-RADS 4级乳腺病变患者 | 计算机视觉 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | 847名BI-RADS 4级乳腺病变患者,包括200例浸润性乳腺癌、200例导管原位癌、198例纯异型、194例良性及55例异型升级为恶性 |
15869 | 2024-08-07 |
Development of scoring-assisted generative exploration (SAGE) and its application to dual inhibitor design for acetylcholinesterase and monoamine oxidase B
2024-May-24, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00845-w
PMID:38790018
|
研究论文 | 本研究开发了一种名为Scoring-Assisted Generative Exploration (SAGE)的计算方法,用于增强化学多样性和属性优化,并在六个蛋白质目标中生成了具有高分数的分子。 | SAGE方法通过虚拟合成模拟、生成复杂的双环桥环和多重评分模型,全面优化药物样属性,显著提升了从头分子设计的效率。 | NA | 开发一种新的计算方法,用于增强从头分子设计的化学多样性和属性优化。 | 开发和应用SAGE方法,生成具有所需属性的分子,特别是作为乙酰胆碱酯酶和单胺氧化酶B的双重抑制剂。 | 药物发现 | NA | 深度学习 | NA | 分子结构 | 六个蛋白质目标 |
15870 | 2024-08-07 |
Exploring the roles of ribosomal peptides in prokaryote-phage interactions through deep learning-enabled metagenome mining
2024-May-24, Microbiome
IF:13.8Q1
DOI:10.1186/s40168-024-01807-y
PMID:38790030
|
研究论文 | 本研究通过深度学习方法探索海洋微生物组中核糖体合成和翻译后修饰肽(RiPPs)的生物合成特征及其在微生物与病毒相互作用中的潜在作用 | 开发了TrRiPP方法,通过深度学习技术独立于标志基因的方式识别海洋宏基因组中的RiPP前体,克服了传统方法处理高度碎片化宏基因组数据的局限性 | NA | 探索RiPPs的生物合成潜力及其在海洋微生物与病毒相互作用中的生态功能 | 海洋微生物组中的RiPPs及其与病毒的相互作用 | 机器学习 | NA | 深度学习 | NA | 宏基因组数据 | 全球海洋微生物组的宏基因组数据 |
15871 | 2024-08-07 |
DeepFace: Deep learning-based framework to contextualize orofacial cleft-related variants during human embryonic craniofacial development
2024-May-24, HGG advances
DOI:10.1016/j.xhgg.2024.100312
PMID:38796699
|
研究论文 | 开发了一种基于深度学习的框架DeepFace,用于评估与人类胚胎颅面发育相关的唇腭裂相关变异的功能影响 | DeepFace模型能够利用广泛的表观基因组测定中的远端调控信号,为使用情境化的功能基因组特征优先处理唇腭裂变异提供新视角 | NA | 评估与唇腭裂相关的单核苷酸多态性(SNP)的功能影响 | 唇腭裂相关的SNP及其在胚胎颅面发育中的作用 | 机器学习 | 唇腭裂 | 卷积神经网络 | CNN | 表观基因组数据 | 204项表观基因组测定 |
15872 | 2024-08-07 |
A Primer for Utilizing Deep Learning and Abdominal MRI Imaging Features to Monitor Autosomal Dominant Polycystic Kidney Disease Progression
2024-May-20, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12051133
PMID:38791095
|
研究论文 | 本文探讨了利用深度学习和腹部MRI影像特征监测常染色体显性多囊肾病(ADPKD)进展的方法 | 利用深度学习技术提高了肾脏体积(TKV)测量的速度、准确性和可重复性,并能分割其他器官和组织,提取额外的生物标志物 | NA | 展示如何应用深度学习测量TKV并扩展到测量ADPKD的其他特征 | 常染色体显性多囊肾病(ADPKD)的腹部影像特征 | 机器学习 | 肾脏疾病 | 深度学习 | 深度学习模型 | 影像 | NA |
15873 | 2024-08-07 |
Single-Shot 3D Reconstruction via Nonlinear Fringe Transformation: Supervised and Unsupervised Learning Approaches
2024-May-20, Sensors (Basel, Switzerland)
DOI:10.3390/s24103246
PMID:38794100
|
研究论文 | 本文介绍了一种新的单次3D形状重建方法,通过非线性条纹变换结合监督和非监督学习网络实现 | 提出了一种结合结构光和深度学习的3D形状重建技术,使用非线性条纹变换方法,并通过实验验证了非监督学习方法在图像生成方面的优越性 | NA | 实现从单一2D图像中准确重建3D物体形状 | 3D形状重建技术 | 计算机视觉 | NA | 结构光条纹投影轮廓测量技术 | 深度卷积生成对抗网络(DCGAN)和UNet | 灰度条纹图像 | NA |
15874 | 2024-08-07 |
Improving the Concrete Crack Detection Process via a Hybrid Visual Transformer Algorithm
2024-May-20, Sensors (Basel, Switzerland)
DOI:10.3390/s24103247
PMID:38794102
|
研究论文 | 本研究通过结合视觉变换器(ViT)和图像增强检测算法,提高了混凝土裂缝检测的效率 | 本研究首次将ViT与多种图像增强检测器结合,显著提高了混凝土裂缝检测的准确性 | NA | 提高混凝土桥梁检查的效率和准确性 | 混凝土桥梁的裂缝检测 | 计算机视觉 | NA | 视觉变换器(ViT),卷积神经网络(CNN) | 视觉变换器(ViT),卷积神经网络(CNN) | 图像 | 超过20,000张高质量图像 |
15875 | 2024-08-07 |
Artificial Intelligence and Deep Learning in Sensors and Applications
2024-May-20, Sensors (Basel, Switzerland)
DOI:10.3390/s24103258
PMID:38794112
|
研究论文 | 本文探讨了在传感器应用中使用人工智能和深度学习技术来解决复杂问题的方法。 | 本文采用了大量不同类型的传感器来收集数据,并基于深度学习和人工智能建立有效解决方案。 | NA | 旨在通过传感器收集数据并应用深度学习和人工智能技术解决复杂问题。 | 传感器数据和人工智能技术。 | 机器学习 | NA | 深度学习 | NA | 数据 | 大量不同类型的传感器 |
15876 | 2024-08-07 |
Deep Learning for Nasopharyngeal Carcinoma Segmentation in Magnetic Resonance Imaging: A Systematic Review and Meta-Analysis
2024-May-17, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11050504
PMID:38790370
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在磁共振成像中鼻咽癌分割的性能 | 深度学习模型,特别是卷积神经网络,在磁共振成像中提供了中等准确的鼻咽癌分割 | 研究中观察到显著的异质性和发表偏倚 | 评估深度学习模型在磁共振成像中鼻咽癌分割的准确性 | 鼻咽癌在磁共振成像中的分割 | computer vision | nasopharyngeal carcinoma | NA | CNN | image | 分析包含了17项研究 |
15877 | 2024-08-07 |
Deep Learning and High-Resolution Anoscopy: Development of an Interoperable Algorithm for the Detection and Differentiation of Anal Squamous Cell Carcinoma Precursors-A Multicentric Study
2024-May-17, Cancers
IF:4.5Q1
DOI:10.3390/cancers16101909
PMID:38791987
|
研究论文 | 本文开发了一种用于检测和区分肛门鳞状细胞癌前病变的高分辨率肛门镜检查的深度学习算法 | 该研究利用卷积神经网络(CNN)自动检测和区分高级别鳞状上皮内病变(HSIL)和低级别鳞状上皮内病变(LSIL),并展示了在传统和数字肛门镜检查系统中的有效性 | NA | 开发一种深度学习系统,用于自动检测和区分高分辨率肛门镜检查图像中的HSIL和LSIL | 高分辨率肛门镜检查图像中的HSIL和LSIL | 机器学习 | 肛门鳞状细胞癌 | 卷积神经网络(CNN) | CNN | 图像 | 共包含57,822张图像,其中28,874张为HSIL,28,948张为LSIL |
15878 | 2024-08-07 |
Explainable AI: Machine Learning Interpretation in Blackcurrant Powders
2024-May-17, Sensors (Basel, Switzerland)
DOI:10.3390/s24103198
PMID:38794052
|
研究论文 | 本研究探讨了可解释人工智能(XAI)在黑加仑粉末识别中的应用,使用了决策树和随机森林等模型,并通过LIME方法进行可视化分析 | 本研究采用了'玻璃盒'和'黑盒'模型来提高模型的透明度和有效性,并通过LIME方法进行可视化分析,以预测特定类型黑加仑粉末的识别效果 | NA | 研究目的是提高机器学习模型在黑加仑粉末识别中的解释性和透明度 | 研究对象是黑加仑粉末的识别 | 机器学习 | NA | LIME | 决策树, 随机森林 | 纹理描述符 | 具体样本数量未在摘要中提及 |
15879 | 2024-08-07 |
Mixed Reality Biopsy Navigation System Utilizing Markerless Needle Tracking and Imaging Data Superimposition
2024-May-16, Cancers
IF:4.5Q1
DOI:10.3390/cancers16101894
PMID:38791972
|
研究论文 | 本研究介绍了一种混合现实活检导航系统,利用无标记针跟踪和图像数据叠加技术,帮助操作者精确地将针定位在预先规划的路径上。 | 开发了一种无标记针跟踪方法,结合了深度学习和确定性计算机视觉技术,并在混合现实头盔中叠加图像数据,以直接感知解剖结构并确定从选定的注射点到目标位置的路径。 | NA | 旨在提高活检手术的精确性和效率,减少并发症的风险。 | 活检手术中的针定位和导航。 | 计算机视觉 | NA | 深度学习,确定性计算机视觉 | NA | 图像 | 涉及四种测试,包括针姿态估计的准确性、注射点与目标位置的距离、材料收集效率以及使用和不使用系统时的手术时间和穿刺次数,测试中包括了模拟和医生参与。 |
15880 | 2024-08-07 |
MR Imaging of Adverse Effects and Ocular Growth Decline after Selective Intra-Arterial Chemotherapy for Retinoblastoma
2024-May-16, Cancers
IF:4.5Q1
DOI:10.3390/cancers16101899
PMID:38791976
|
研究论文 | 本研究回顾性多中心分析了视网膜母细胞瘤患者接受选择性动脉内化疗(SIAC)后眼部和眼眶的MRI影像学变化,并量化了SIAC对眼部和视神经生长的影响 | 利用深度学习分割技术辅助评估总眼球体积,并首次详细描述了SIAC后的血管和炎症不良反应及其对眼部和视神经生长的影响 | 研究为回顾性且多中心,可能存在选择偏倚和数据一致性问题 | 探讨SIAC对视网膜母细胞瘤患者眼部和视神经生长的影响及其不良反应 | 视网膜母细胞瘤患者接受SIAC后的眼部和眼眶MRI影像 | 数字病理学 | 视网膜母细胞瘤 | MRI | 深度学习 | 影像 | 包括接受SIAC治疗的眼部(Rb-SIAC)、其他保眼治疗方法的眼部(Rb-control)和健康眼部三组 |