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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16161 | 2024-08-07 |
Apriori prediction of chemotherapy response in locally advanced breast cancer patients using CT imaging and deep learning: transformer versus transfer learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1359148
PMID:38756659
|
研究论文 | 本研究使用深度学习网络和CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应,比较了ViT变换器和迁移学习网络的性能 | 首次使用ViT变换器和迁移学习网络结合CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应,并展示了注意力机制的重要性 | 研究结果依赖于训练数据和测试数据的分割比例,且不同网络的性能差异较大 | 开发预测模型以预测局部晚期乳腺癌患者对新辅助化疗的肿瘤反应 | 局部晚期乳腺癌患者对新辅助化疗的反应 | 机器学习 | 乳腺癌 | CT影像 | ViT变换器, VGG16, VGG19, ResNet-50, ResNet-101, ResNet-152, InceptionV3, Xception | 影像 | 117名局部晚期乳腺癌患者,其中82名有临床病理反应,35名无反应 |
16162 | 2024-08-07 |
Open and remotely accessible Neuroplatform for research in wetware computing
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1376042
PMID:38756757
|
研究论文 | 本文介绍了一个开放且远程访问的神经平台,用于湿件计算和类器官智能的研究 | 开发了一个硬件和软件系统,支持大规模的电生理实验,并设计了微流控系统以自动化培养基流动和更换 | NA | 探索使用生物神经网络进行计算的新方法 | 神经类器官 | 人工智能 | NA | 电生理技术 | NA | 数据 | 超过1,000个脑类器官 |
16163 | 2024-08-07 |
Contrastive learning with token projection for Omicron pneumonia identification from few-shot chest CT images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1360143
PMID:38756944
|
研究论文 | 本文提出了一种名为CoTP的对比学习模型,通过令牌投影技术提高从少量胸部CT图像中识别Omicron肺炎的诊断质量 | 利用无标签数据进行CoTP的拟合,并通过少量标记样本进行微调,同时引入新的Omicron数据集和改进的数据增强策略 | NA | 提高基于少量胸部CT图像的Omicron肺炎诊断效率 | Omicron肺炎的胸部CT图像识别 | 计算机视觉 | 肺炎 | 对比学习 | ResNet50 | 图像 | 少量标记样本和无标签数据 |
16164 | 2024-08-07 |
A Survey on 3D Skeleton-Based Action Recognition Using Learning Method
2024, Cyborg and bionic systems (Washington, D.C.)
DOI:10.34133/cbsystems.0100
PMID:38757045
|
综述 | 本文综述了基于三维骨骼的动作识别(3D SAR)在计算机视觉领域的研究进展,特别关注了深度学习架构的应用 | 首次全面讨论了基于深度学习的3D骨骼数据动作识别方法 | 之前的综述主要集中在视频或RGB数据为主的方法,对骨骼数据的覆盖有限 | 强调动作识别的重要性,并突出三维骨骼数据作为宝贵模态的意义 | 基于四种基本深度架构的动作识别技术 | 计算机视觉 | NA | 深度学习 | 循环神经网络、卷积神经网络、图卷积网络、Transformer | 骨骼数据 | 涉及当前最大的3D骨骼数据集NTU-RGB+D及其新版本NTU-RGB+D 120 |
16165 | 2024-08-07 |
Human Pose Estimation for Clinical Analysis of Gait Pathologies
2024, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322241231108
PMID:38757143
|
研究论文 | 本研究提出了一种用于定量评估步态障碍的二分类方法,特别是针对杜兴肌营养不良症(DMD)的步态特征进行分析 | 研究利用从YouTube和公开数据集中收集的新颖基准数据集,提取时间距离变量和下肢矢状关节角度,并采用机器学习和深度学习技术进行模式识别 | 当前模型能够区分健康对象和DMD患者,但不能区分DMD患者和其他步态障碍患者 | 开发一种成本效益高的方法,通过分析2D和3D人体姿态估计轨迹来检测步态异常 | 杜兴肌营养不良症(DMD)患者的步态特征 | 计算机视觉 | 神经肌肉疾病 | 人体姿态估计 | 支持向量机(SVM)和深度网络 | 视频(RGB) | 数据来自YouTube和公开数据集的健康儿童 |
16166 | 2024-08-07 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-Dec, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文展示了CAPRI第54轮(CASP-CAPRI蛋白质组装预测挑战的第5次联合)的结果,该轮提供了37个目标,包括14个同源二聚体、3个同源三聚体、13个异源二聚体(包括3个抗体-抗原复合物)和7个大复合体。 | 研究显示,由于广泛使用AlphaFold2和AlphaFold2-Multimer软件及其提供的置信度指标,预测性能有了显著提高,高质量模型产出的目标比例从两年前的8%提升至约40%。 | 尽管取得了进步,但对于含有抗体和纳米体的复合物以及具有构象灵活性的复合物,预测性能仍然较差,表明蛋白质复合物的预测仍然是一个挑战性问题。 | 评估AlphaFold在蛋白质复合物结构预测中的影响。 | 37个蛋白质复合物目标,包括同源和异源二聚体、三聚体以及大复合体。 | 计算机视觉 | NA | AlphaFold2, AlphaFold2-Multimer | 深度学习 | 蛋白质结构模型 | 37个目标,涉及约70个预测组和15个评分组提交的21,941个模型 |
16167 | 2024-08-07 |
Foundation Ark: Accruing and Reusing Knowledge for Superior and Robust Performance
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43907-0_62
PMID:38751905
|
research paper | 本文开发了一个框架,通过聚合多个小型公共数据集中的专家标注知识,训练出强大的基础模型,以提高性能和鲁棒性 | 提出了一个能够从多个公共数据集中积累和重用专家标注知识的框架,通过聚合多样化的数据集来提升模型性能 | NA | 开发一个能够通过聚合多个小型公共数据集来训练出强大且鲁棒的基础模型的框架 | 胸部X光片(CXRs)的分类和分割任务 | machine learning | NA | deep learning | foundation model | image | 335,484 和 704,363 张胸部X光片(CXRs) |
16168 | 2024-08-07 |
Computer-aided classification of lung nodules on computed tomography images via deep learning technique
2015, OncoTargets and therapy
IF:2.7Q3
DOI:10.2147/OTT.S80733
PMID:26346558
|
研究论文 | 本文通过深度学习技术对计算机断层扫描图像中的肺结节进行计算机辅助分类 | 引入了深度信念网络和卷积神经网络模型,简化了传统的计算机辅助诊断图像分析流程 | 未提及具体限制 | 简化传统的计算机辅助诊断图像分析流程,提高分类性能 | 肺结节在计算机断层扫描图像中的分类 | 计算机视觉 | 肺癌 | 深度学习 | 深度信念网络、卷积神经网络 | 图像 | 未提及具体样本数量 |
16169 | 2024-08-07 |
Medical Image Retrieval: A Multimodal Approach
2014, Cancer informatics
IF:2.4Q3
DOI:10.4137/CIN.S14053
PMID:26309389
|
研究论文 | 本文开发了一种基于统计图形模型和深度学习的新型多模态医学图像检索方法 | 提出了一种扩展的概率潜在语义分析模型,以整合医学图像的视觉和文本信息,并开发了一种基于深度玻尔兹曼机的多模态学习模型,以学习多模态信息的联合密度模型 | NA | 开发有效的内容基于的医学图像检索系统,以支持癌症临床实践和研究 | 医学图像数据 | 计算机视觉 | 癌症 | 深度学习 | 深度玻尔兹曼机 | 图像 | 大量真实世界的医学图像 |
16170 | 2024-08-07 |
A deep learning model based on contrast-enhanced computed tomography for differential diagnosis of gallbladder carcinoma
2024-Aug, Hepatobiliary & pancreatic diseases international : HBPD INT
IF:3.6Q2
DOI:10.1016/j.hbpd.2023.04.001
PMID:37080813
|
研究论文 | 本研究开发了一种基于对比增强计算机断层扫描(CT)图像的深度学习模型,用于辅助放射科医生鉴别胆囊癌 | 本研究首次使用基于ResNet50网络的深度学习模型,结合对比增强CT图像,用于胆囊癌的鉴别诊断 | 研究样本量相对较小,且仅限于胆囊病变大于10mm的患者 | 开发一种深度学习模型,以辅助放射科医生在早期诊断胆囊癌 | 胆囊癌与良性胆囊病变的鉴别 | 机器学习 | 胆囊癌 | 对比增强CT | ResNet50 | 图像 | 278名胆囊病变大于10mm的患者,分为训练集194例和验证集84例 |
16171 | 2024-08-07 |
Performance Evaluation of Deep, Shallow and Ensemble Machine Learning Methods for the Automated Classification of Alzheimer's Disease
2024-Jul, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065724500291
PMID:38576308
|
研究论文 | 本文评估了深度、浅层和集成机器学习方法在阿尔茨海默病自动分类中的性能 | 提出了一种基于机器学习模型的集成分类器,用于磁共振成像数据,准确率达到了96.52%,比最佳个体分类器提高了3-5% | NA | 评估不同机器学习方法在阿尔茨海默病分类中的性能,帮助选择最适合数据可用性的算法 | 阿尔茨海默病及其相关认知状态的分类 | 机器学习 | 阿尔茨海默病 | 机器学习 | 集成分类器 | 磁共振成像数据 | 使用了阿尔茨海默病神经成像倡议和开放获取影像研究系列数据集 |
16172 | 2024-08-07 |
Reduction of ADC bias in diffusion MRI with deep learning-based acceleration: A phantom validation study at 3.0 T
2024-Jul, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.04.018
PMID:38631532
|
研究论文 | 本研究通过深度学习技术加速扩散磁共振成像(diffusion MRI),减少在高b值图像中的信噪比(SNR)低和相关的定量ADC值偏差问题,使用商业扩散模型进行验证。 | 本研究采用深度学习基础的C-SENSE AI重建技术,有效减少了DWI在低SNR下的ADC偏差和随机测量误差。 | 研究主要在商业扩散模型上进行验证,实际临床应用中的效果需要进一步验证。 | 进一步加速诊断放射学中的DWI,并解决由于高b值图像中低SNR导致的ADC值偏差问题。 | 研究对象包括扩散磁共振成像中的ADC偏差和随机测量误差。 | 计算机视觉 | NA | 深度学习 | C-SENSE AI | 图像 | 使用商业扩散模型进行实验 |
16173 | 2024-08-07 |
Deepm6A-MT: A deep learning-based method for identifying RNA N6-methyladenosine sites in multiple tissues
2024-Jun, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.03.004
PMID:38485031
|
研究论文 | 本文提出了一种基于双向门控循环单元(Bi-GRU)和卷积神经网络(CNN)的改进方法Deepm6A-MT,用于预测RNA N6-甲基腺苷(m6A)修饰位点 | Deepm6A-MT通过两个输入通道提高了预测准确性和效率,其中一个通道使用嵌入层后接Bi-GRU和CNN,另一个通道使用单热编码、二核苷酸单热编码和核苷酸化学性质编码 | NA | 开发一种新的深度学习方法,以提高RNA m6A修饰位点的预测性能 | RNA m6A修饰位点 | 机器学习 | NA | 双向门控循环单元(Bi-GRU)和卷积神经网络(CNN) | Bi-GRU和CNN | RNA序列 | NA |
16174 | 2024-08-07 |
Deep learning methods in biomedical informatics
2024-Jun, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.04.002
PMID:38588786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
16175 | 2024-08-07 |
DEEP-EP: Identification of epigenetic protein by ensemble residual convolutional neural network for drug discovery
2024-Jun, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.04.004
PMID:38621436
|
研究论文 | 本文提出了一种基于深度学习的新模型,用于准确预测表观遗传蛋白(EP) | 引入了基于深度学习的模型,结合DDE编码和ERCNN模型,实现了对EP的精确预测 | NA | 旨在通过深度学习技术加速表观遗传蛋白的研究和药物发现 | 表观遗传蛋白(EP) | 机器学习 | NA | 深度学习 | ERCNN | 蛋白质序列 | 两个不同的数据集 |
16176 | 2024-08-07 |
Language model based on deep learning network for biomedical named entity recognition
2024-Jun, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.04.013
PMID:38641084
|
研究论文 | 本文提出了一种基于BiLSTM-CRF架构的多任务学习框架,结合语言模型用于生物医学命名实体识别,通过差异化编码和多任务学习方法提高实体识别性能 | 模型使用语言模型设计差异化编码,获取动态词向量以区分不同数据集中的词汇,并通过多任务学习方法共享不同类型实体的动态词向量 | 深度学习方法需要大量训练数据,数据不足会影响模型识别性能 | 解决生物医学命名实体识别任务中多义词和数据不足的问题 | 生物医学文本中的命名实体 | 自然语言处理 | NA | 深度学习 | BiLSTM-CRF | 文本 | 四个典型训练集 |
16177 | 2024-08-07 |
Quantifying abnormal emotion processing: A novel computational assessment method and application in schizophrenia
2024-Jun, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2024.115893
PMID:38657475
|
研究论文 | 本文介绍了一种使用深度学习技术从口语中快速评估情感处理的新方法,并在精神分裂症谱系障碍患者和健康对照组中进行了测试 | 提出了一种新的计算评估方法,利用深度学习从口语中估计情感处理,并引入了“情感对齐”(EA)这一新指标 | 需要进一步的验证工作来确认该方法的有效性和普遍性 | 开发一种自动化的方法来评估精神分裂症谱系障碍中的情感处理 | 精神分裂症谱系障碍患者和健康对照组的情感处理能力 | 机器学习 | 精神分裂症 | 深度学习 | NA | 口语 | 37名精神分裂症谱系障碍患者和51名健康对照组 |
16178 | 2024-08-07 |
A deep learning based multi-model approach for predicting drug-like chemical compound's toxicity
2024-Jun, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.04.020
PMID:38702021
|
研究论文 | 本研究开发了多种深度学习模型,用于评估不同类型的化合物毒性,包括急性毒性、致癌性、hERG心脏毒性、肝毒性和致突变性 | 利用图卷积网络(GCN)回归模型和多个GCN二元分类模型,针对不同类型的毒性进行预测,并集成了这些模型到一个虚拟筛选流程中,以识别潜在的低毒性药物候选物 | NA | 通过早期和准确的化合物毒性预测,减少药物开发过程中的成本和风险 | 化学化合物的毒性预测 | 机器学习 | NA | 图卷积网络(GCN) | GCN | 化合物数据 | 使用了批准的药物数据集来确定预测分数的适当阈值 |
16179 | 2024-08-07 |
DEBFold: Computational Identification of RNA Secondary Structures for Sequences across Structural Families Using Deep Learning
2024-May-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00458
PMID:38648189
|
研究论文 | 本文介绍了一种基于深度学习的RNA二级结构预测工具DEBFold,通过卷积编码/解码和自注意力机制提高预测性能 | DEBFold采用两阶段预测策略,结合深度集成提升和折叠方法,提高了模型在不同结构家族序列上的泛化性能 | NA | 开发一种新的深度学习工具,用于从序列中预测RNA的二级结构 | RNA二级结构 | 机器学习 | NA | 深度学习 | CNN, 自注意力机制 | 序列 | NA |
16180 | 2024-08-07 |
Enhancing Global Estimation of Fine Particulate Matter Concentrations by Including Geophysical a Priori Information in Deep Learning
2024-May-10, ACS ES&T air
DOI:10.1021/acsestair.3c00054
PMID:38751607
|
研究论文 | 本文通过开发和优化卷积神经网络,结合卫星、模拟和监测数据源的信息,提高了全球细颗粒物(PM)浓度的估计精度 | 引入了一种新的损失函数,该函数结合了地球物理先验估计,以解决在监测点稀少地区使用均方误差损失函数产生的不切实际结果;同时,提出了针对空气质量的空间交叉验证方法,以考虑空间属性 | 模型在远离监测点的地区的性能有所下降 | 提高全球细颗粒物浓度的估计精度 | 全球细颗粒物浓度 | 机器学习 | NA | 卷积神经网络 | CNN | 图像 | 1998-2019年间的月度地球物理PM浓度数据,测试时保留了10%至99%的监测点数据 |