默认文献工具_如何在浩瀚的Pubmed中快速找到自己需要的文献?分享一个小工具!...

Pubmed 是我们最常用的检索数据库,很多小伙伴都会用,但是能不能用好又是另外一回事了,当你用 Pubmed 进行检索的时候,可能会得到很多文献,上千上万篇的文献到底哪些是自己需要的呢?
我们常规的方法是通过增加或变化检索词、限制检索条件来进行筛选,但是到底改变哪些检索词更有效可能很多人不清楚。
今天就给大家介绍一个工具:PubReminer
这个工具是一个 Pubmed 资料分析工具,不仅可以汇总分析 PubMed 查询结果提高查询效率,另外还可以为论文选择可投期刊查找某一研究领域的专家,并且还可以确定某一专家的研究方向
下面跟我一起来体验下这个工具吧:
官方网址:https://hgserver2.amc.nl/cgi-bin/miner/miner2.cgi

331a708cc35ff3055ec1de186da55a2a.png

PubReminer 的检索区域包括:检索输入框、条件限制、检索结果显示数量和基因检索。可以在检索框中直接输入检索式,如果不会自己写,你可以利用 PubMed 的高级检索方法,把最后得到的检索式 Copy 到 PubReminer 中就行了。下面举个例子
比如我们想找下冠状病毒治疗的相关文献,我们在 Pubmed 高级检索中得到下面方框中的检索式。

c1888ad94d655b541495964fff950492.png

我们把这个检索式 copy 到 PubReminer 中

f14c872f2053dd51539e6d22fc8b5fba.png

因为我们在 Pubmed 中已经知道有 928 篇文献,所以显示检索数量可以不修改你,默认就是最多显示 1000 篇,如果你检索的结果超过了 1000 篇,可以在这里修改显示数量,最多不能超过 10000 篇。
我们点击 Start PubReMiner,开始会有一个等待的过程,网站需要花一点时间去分析处理,等待时间有个红框显示。

e77b7bb5eafb774d0f962e43236dd6f1.png

分析完成后我们可以看到下面的结果,把文献按照不同的条件进行了分类,如年代、杂志、作者、关键词、主题词、物质、发表形式,每一组都按照降序排列。

e88cf3d49c9f4399f165525418c44185.png

如果不想显示某些条件分析的结果,可以在右边把某些分类的勾去掉,然后点击 Search with Manual Adjustment

621dad16cde8352b7c1a2f944e6e432c.png

882657435036ac5614a88bc3765a014e.png

通过上面的结果,我们可以看到发表杂志最多的是 Journal of Virology。此时可以选择相应的限制条件,如选中某些期刊,或者还可以加上某些作者,或者加上一些关键词(Word),通过 Operator 下拉列表中的 AND 还是 NOT 增加检索词或者排除某些结果,这样可以更能缩小检索结果,比 PubMed 更直观、有效。
比如这个例子我只想看前 2 个杂志的文章,那么勾选前面 2 个杂志,Operator 选择 AND,点击 Search Again

d12a6d7e786f5cf75d10e2ebf664881a.png

点击后就会只显示这 2 个杂志的文献分析结果,我们可以放心检索框中的检索式已经改变,点击 Goto Pubmed with query 我们会回到 Pubmed 的界面。

b38d423314ed6a67c2dcb9c04f5eb1d1.png

4c2d1bda9c715e9e27ac4dc20e59d6c5.png

我们在投稿时有些杂志要求作者提供审稿人,可以根据 PubReMiner 的检索结果进行查找相关的专家。在作者一栏还可以看到发表文献最多的作者是 ZHANG J,如果想了解一下这位作者的全部研究,勾选后点击 Search Again,只看其研究,然后可以点击 Goto Pubmed with query 回到 PubMed 看到作者所有发表的相关文献。

50b269501d2897f059e95c3b3f7f55ea.png

3d5d2bf29f91ee22b5e12326702a4008.png

除了检索文献,PubReminer 还可以检索基因,但是有时候比较卡,可能会出现白屏打不开的情况,你们可以自己试试。

ed52e9bdf3f2246e1b78f4ed632ebdde.png

总的来说 PubReminer 是一个不错的分析工具,总结有以下几个优点:1. 帮助我们快速筛选 Pubmed 得到的结果,通过各种分类缩小范围满足我们的需要;2. 可以快速掌握一个领域的研究趋势,根据发表年代的文献数量,看出这方面的研究是增加还是在减少,以此确定你的方向是不是研究热点,简直是开题神器;3. 根据得到的杂志排名,找到发表此类文献最多的期刊,我们投稿的时候可以选择这些期刊;4. 根据作者信息,可以找到此类研究最多的大牛是谁,如果想外出深造,当然首选此类大牛,出研究成果的机率也就大大的增加;5. 免费的,随便用,这个是关键。

辑思编译为广大科研学者提供SCI论文翻译、润色、降重、免费查重、返修协助、全程指导等服务。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值