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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16121 | 2024-08-07 |
Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy
2024-May-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48575-9
PMID:38755148
|
研究论文 | 本文开发了一种零样本去卷积网络(ZS-DeconvNet),能够在无监督方式下即时提高光学荧光显微镜图像的分辨率 | ZS-DeconvNet无需真实标签或额外数据采集,即可在多种成像模式下实现超分辨率成像 | NA | 开发一种无需大量高质量训练数据的计算超分辨率方法 | 光学荧光显微镜图像的分辨率增强 | 计算机视觉 | NA | 零样本学习 | 去卷积网络 | 图像 | 多种成像模式,包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜 |
16122 | 2024-08-07 |
Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics
2024-05-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61257-2
PMID:38755203
|
研究论文 | 本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法 | 首次提出了一种基于无标记光学传感器的单细胞分类方法,无需标记或侵入性步骤,不影响细胞功能 | NA | 开发一种无标记的单细胞分类方法,并探索其在癌症研究和再生医学中的应用 | 健康细胞和多种癌细胞类型 | 数字病理学 | 癌症 | 光学传感器 | 深度神经网络 | 单细胞粘附动力学信号 | 约4500个单细胞粘附测量数据,包括正常前成骨细胞(MC3T3-E1)和多种癌细胞(HeLa,LCLC-103H,MDA-MB-231,MCF-7) |
16123 | 2024-08-07 |
BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning
2024-May-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02529-9
PMID:38755563
|
研究论文 | 本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略,旨在解决跨域转移学习中的域不一致问题,并提高异质胸部X光图像异常定位的性能 | BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程,显著提高了模型在胸部X光图像异常定位的准确性和效率 | NA | 解决跨域转移学习中的域不一致问题,提高胸部X光图像异常定位的性能 | 异质胸部X光图像的异常定位 | 计算机视觉 | NA | 自监督学习 | Resnet50, Faster R-CNN with Feature Pyramid Network (FPN) | 图像 | 112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像 |
16124 | 2024-08-07 |
A multi-view fusion lightweight network for CRSwNPs prediction on CT images
2024-May-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01296-3
PMID:38755567
|
研究论文 | 本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉(CRSwNP)预测的多视图融合轻量级网络 | 开发了一种包含10层网络的迷你架构的多视图融合模型,通过修改深度残差神经网络实现 | NA | 旨在提高慢性鼻窦炎(CRS)的术前区分准确性,预测术后结果并进行个性化治疗 | 慢性鼻窦炎伴鼻息肉(CRSwNP)患者的CT扫描数据和病理活检结果 | 计算机视觉 | 慢性鼻窦炎 | 深度学习 | CNN | 图像 | 192名患者 |
16125 | 2024-08-07 |
A Perspective on Protein Structure Prediction Using Quantum Computers
2024-May-14, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00067
PMID:38703105
|
研究论文 | 本文探讨了使用量子计算机进行蛋白质结构预测的可能性 | 提出了一种框架,用于系统选择适合量子优势的蛋白质结构预测问题,并估计了量子资源需求 | 需要进一步验证和优化量子计算方法在蛋白质结构预测中的应用 | 探索量子计算机在蛋白质结构预测中的应用潜力 | 蛋白质结构预测问题 | 生物医学研究 | NA | 量子计算 | NA | 蛋白质结构数据 | 以Zika病毒NS3解旋酶的催化环为例进行验证 |
16126 | 2024-08-07 |
Improving the Prognostic Evaluation Precision of Hospital Outcomes for Heart Failure Using Admission Notes and Clinical Tabular Data: Multimodal Deep Learning Model
2024-May-02, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/54363
PMID:38696251
|
研究论文 | 本研究旨在利用入院临床记录和易获取的表格数据,通过多模态深度学习模型提高心力衰竭(HF)患者医院结局评估的精确度。 | 本研究开发的多模态深度学习模型在所有测试集中表现优于单模态模型,表格数据有助于提高区分度,且病史和体格检查在早期评估中更为有用。 | NA | 设计一种多模态深度学习方法,以提高心力衰竭患者医院结局评估的精确度。 | 心力衰竭患者的医院结局评估。 | 机器学习 | 心血管疾病 | 深度学习 | 多模态深度学习模型 | 文本和表格数据 | 开发集包含9989名患者,内部验证集包含2497名患者,前瞻性验证集包含1896名患者,外部验证集包含7432名患者。 |
16127 | 2024-08-07 |
DeepFDR: A Deep Learning-based False Discovery Rate Control Method for Neuroimaging Data
2024-May, Proceedings of machine learning research
PMID:38741695
|
研究论文 | 提出了一种基于深度学习的空间FDR控制方法DeepFDR,用于解决神经影像数据中的体素级多重检验问题 | 利用无监督深度学习图像分割技术,有效处理了脑部复杂的空间依赖性,提高了检验效能 | NA | 开发一种新的空间FDR控制方法,以提高神经影像数据分析的准确性和效率 | 神经影像数据中的体素级多重检验问题 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 包括模拟数据和阿尔茨海默病FDG-PET图像分析 |
16128 | 2024-08-07 |
Corrigendum to: Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach
2024-Apr, Healthcare informatics research
IF:2.3Q3
DOI:10.4258/hir.2024.30.2.168
PMID:38755108
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
16129 | 2024-08-07 |
Optimal fusion of genotype and drug embeddings in predicting cancer drug response
2024-Mar-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae227
PMID:38754407
|
研究论文 | 本文研究了如何最优地融合基因型和药物嵌入特征来预测癌症药物反应 | 本文通过实验发现,在原有的基于串联的架构DrugCell中注入基因和药物潜在特征之间的乘法关系,显著提高了预测性能 | NA | 探索如何最优地结合或融合基因组和药物特征来预测癌症药物反应 | 基因型特征和药物特征的融合方法 | 机器学习 | 癌症 | 深度学习 | 神经网络 | 基因组数据和药物特征数据 | NA |
16130 | 2024-08-07 |
Few-shot Tumor Bud Segmentation Using Generative Model in Colorectal Carcinoma
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3006418
PMID:38756441
|
研究论文 | 本文提出了一种基于DatasetGAN的生成模型方法,用于在结直肠癌中进行少样本肿瘤芽分割 | 利用DatasetGAN生成大量带有肿瘤芽掩码的图像,从而减少对大量标注数据的需求 | NA | 开发一种高效的标注分割模型,用于自动肿瘤芽检测和量化 | 结直肠癌中的肿瘤芽分割 | 数字病理学 | 结直肠癌 | DatasetGAN | UNet++ | 图像 | 中等数量的未标注图像和少量标注图像 |
16131 | 2024-08-07 |
Model-Based Explainable Deep Learning for Light-Field Microscopy Imaging
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3387297
PMID:38656840
|
研究论文 | 本文提出了一种基于模型的可解释深度学习方法,用于光场显微镜成像,以观察神经元网络的信息处理 | 该方法结合了波动光学理论、稀疏表示和非线性优化与人工神经网络,设计了遵循精确信号和优化模型的神经网络架构,并采用了一种结合逐层训练和定制知识蒸馏的新颖训练策略 | NA | 开发一种新的计算方法,充分利用嵌入在物理和光学模型中的领域知识,同时实现高解释性和透明度 | 神经元网络的信息处理 | 计算机视觉 | NA | 光场显微镜成像 | 人工神经网络 | 图像 | 从散射的哺乳动物脑组织中获得的结构和功能光场显微镜数据 |
16132 | 2024-08-07 |
ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302590
PMID:38758731
|
研究论文 | 本文提出了一种名为ET-Network的新型高效Transformer深度学习模型,用于自动识别乌尔都语手写文本 | ET-Network模型结合了EfficientNet的特征提取能力和Transformer的语言建模能力,通过自注意力层提取全局和局部特征,以捕捉长距离依赖关系 | NA | 提高乌尔都语手写文本的自动识别准确率 | 乌尔都语手写文本 | 自然语言处理 | NA | Transformer | ET-Network | 文本 | 使用了NUST-UHWR、UPTI2.0和MMU-OCR-21三个数据集进行训练和测试 |
16133 | 2024-08-07 |
A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space
2023-Dec, Advances in neural information processing systems
PMID:38751689
|
研究论文 | 本文提出了一种新的分层空间变换器模型,用于处理连续空间中的大量点样本 | 引入了多分辨率表示学习在四叉树层次结构中,并通过粗略近似实现高效的空间注意力,设计了一个不确定性量化分支来估计与输入特征噪声和点稀疏性相关的预测置信度 | NA | 设计一种适用于连续空间中大量点样本的变换器模型 | 环境科学中的传感器观测、数值模拟中的粒子载流、天体物理学以及基于位置的服务中的POI和轨迹等数据 | 机器学习 | NA | 变换器模型 | 分层空间变换器 | 点样本 | 最多可达一百万点样本 |
16134 | 2024-08-07 |
Extracting social determinants of health from clinical note text with classification and sequence-to-sequence approaches
2023-07-19, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad071
PMID:37100768
|
研究论文 | 本文通过分类和序列到序列方法从临床笔记文本中提取健康社会决定因素(SDOH) | 提出了两种不同的深度学习模型,分别采用分类和序列到序列(seq2seq)方法,以高准确度从临床文本中提取SDOH | 模型在新医疗机构的文本上准确度下降,泛化性有待未来研究 | 从临床文本中提取健康社会决定因素(SDOH) | 临床文本中的健康社会决定因素(SDOH) | 自然语言处理 | NA | 深度学习 | 分类模型和序列到序列模型 | 文本 | 使用了来自MIMIC-III语料库、社会历史标注语料库和内部语料库的标注和未标注数据 |
16135 | 2024-08-07 |
Successive bootstrapping deep learning approach and airborne EM-borehole data fusion to understand salt water in the Mississippi River Valley Alluvial Aquifer
2024-Jul-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.172950
PMID:38703842
|
研究论文 | 本研究提出了一种利用航空电磁(AEM)数据进行岩性建模和盐度划分的框架,并应用于密西西比河谷冲积含水层(MRVA)的盐度分布研究 | 引入了深度学习人工神经网络(DL-ANN)模型和连续自举方法来估计总溶解固体,并结合电阻率数据估计氯化物浓度 | NA | 提高含水层特征描述和土壤盐度映射的准确性,以促进地下水的主动管理 | 密西西比河谷冲积含水层的盐度分布 | NA | NA | 航空电磁(AEM) | 深度学习人工神经网络(DL-ANN) | 电阻率数据 | NA |
16136 | 2024-08-07 |
Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia
2024-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2024.03.007
PMID:38583406
|
研究论文 | 本文评估了一种基于深度学习的全自动量化脑电图背景测量方法——新生儿脑状态(BSN),用于早期预测四岁时的临床结果。 | BSN提供了一种自动、客观且连续的脑活动测量方法,揭示了脑恢复和结果预测的动态特性。 | NA | 评估BSN在早期预测新生儿临床结果中的效用。 | 80名连续新生儿在出生后几天的脑电图监测数据。 | 机器学习 | NA | 深度学习 | NA | 脑电图数据 | 80名新生儿,总共5427小时的数据 |
16137 | 2024-08-07 |
An efficient densenet-based deep learning model for Big-4 snake species classification
2024-May-28, Toxicon : official journal of the International Society on Toxinology
IF:2.6Q3
DOI:10.1016/j.toxicon.2024.107744
PMID:38701904
|
研究论文 | 本文提出了一种基于DenseNet的深度学习模型,用于自动分类四大毒蛇种类,旨在通过图像识别技术预防蛇咬伤事件 | 采用DenseNet进行图像分类,实现了86%的高准确率,并计划将其集成到基于AI的蛇捕捉设备中 | NA | 开发一种基于迁移学习的图像分类算法,用于自动识别毒蛇和非毒蛇 | 四大毒蛇种类的分类 | 计算机视觉 | NA | 迁移学习 | DenseNet | 图像 | NA |
16138 | 2024-08-07 |
Prediction of electrical properties of GAAFET based on integrated learning model
2024-May-17, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ad2c52
PMID:38387100
|
研究论文 | 本文提出了一种结合深度学习和机器学习优势的集成学习模型,用于预测GAAFET的电特性 | 该集成学习模型在预测GAAFET的直流特性、电容特性和电气参数方面优于单独使用深度学习或机器学习方法 | NA | 开发一种快速且准确的预测GAAFET电特性的方法,为微电子器件和电路仿真及特性预测提供新思路 | GAAFET的电特性 | 机器学习 | NA | 集成学习 | 集成学习模型 | 电气参数 | NA |
16139 | 2024-08-07 |
Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data
2024-05-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60781-5
PMID:38750084
|
研究论文 | 开发人工智能模型,利用纵向磁共振成像(MRI)数据预测脑转移瘤(BM)在接受立体定向放射手术(SRS)后的治疗反应,并评估随着连续MRI扫描次数增加的预测准确性变化 | 使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型,且随着随访研究次数的增加,预测准确性提高 | NA | 预测脑转移瘤在接受立体定向放射手术后的治疗反应 | 脑转移瘤的治疗反应 | 机器学习 | 脑转移瘤 | MRI | Conv-GRU | 图像 | 开发数据集包括194名患者的4次连续MRI扫描,共369个目标病灶;外部验证数据集包括43名患者的172次MRI扫描,共62个目标病灶 |
16140 | 2024-08-07 |
Learning peptide properties with positive examples only
2024-May-15, Digital discovery
IF:6.2Q1
DOI:10.1039/d3dd00218g
PMID:38756224
|
研究论文 | 本文利用半监督学习方法,仅使用已知的阳性样本,通过正未标记学习(PU)策略来预测多肽的多种性质 | 本文创新地仅使用阳性样本进行半监督学习,通过调整基础分类器和可靠负样本识别两种学习策略,构建深度学习模型 | 文章未提及具体的局限性 | 研究目的是通过仅使用阳性数据来预测多肽的溶解性、溶血性、SHP-2结合能力和非污损活性 | 研究对象是多肽序列及其相关性质 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | 文章未提及具体的样本数量 |