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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
141 | 2024-08-07 |
Combining patient visual timelines with deep learning to predict mortality
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0220640
PMID:31365580
|
研究论文 | 本研究开发了一种框架,将纵向患者数据转换为视觉时间线,并利用深度学习模型预测住院死亡率 | 本研究创新地将临床数据转换为视觉时间线,并使用卷积神经网络与循环层模型来预测住院死亡率,提高了预测准确性并允许临床解释 | NA | 开发一种框架,将临床数据转换为视觉时间线,并利用深度学习模型预测住院死亡率 | 成年患者在三级护理中心的连续住院记录 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像 | 115,825例住院记录,其中2,926例发生住院死亡 |
142 | 2024-08-07 |
Association of radiomic imaging features and gene expression profile as prognostic factors in pancreatic ductal adenocarcinoma
2019, American journal of translational research
IF:1.7Q4
PMID:31396352
|
研究论文 | 本研究探讨了CT影像的放射组学特征是否能准确预测胰腺导管腺癌(PDAC)中HMGA2和C-MYC基因的表达状态,并利用机器学习方法识别患者的生存时间 | 本研究首次将放射组学特征与基因表达谱结合,用于预测胰腺导管腺癌患者的生存时间和基因表达状态 | 研究样本量相对较小,且仅限于胰腺导管腺癌患者 | 探索放射组学特征在胰腺导管腺癌中的预后价值 | 胰腺导管腺癌患者的CT影像数据和基因表达状态 | 数字病理学 | 胰腺癌 | 放射组学特征提取 | 支持向量机 | 影像 | 111名胰腺导管腺癌患者 |
143 | 2024-08-07 |
Validation of automated artificial intelligence segmentation of optical coherence tomography images
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0220063
PMID:31419240
|
研究论文 | 本文通过对比人类和机器在光谱域和扫频源光学相干断层扫描图像分割中的表现,验证了一种基于卷积神经网络的自动分割算法 | 提出的深度学习分割算法在OCT B扫描图像中的自动眼部分割与人类分割者相当 | NA | 评估光谱域和扫频源光学相干断层扫描图像分割中人类和机器的性能 | 光谱域和扫频源光学相干断层扫描图像中的玻璃体、视网膜、脉络膜和巩膜的像素级分类 | 计算机视觉 | NA | 光学相干断层扫描 | 卷积神经网络 | 图像 | 6210张手动分割的图像,来自2070张B扫描图像(1046张SDOCT和1024张SSOCT;630张C扫描) |
144 | 2024-08-07 |
The Possibility of Deep Learning-Based, Computer-Aided Skin Tumor Classifiers
2019, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2019.00191
PMID:31508420
|
综述 | 本文综述了基于深度学习的计算机辅助皮肤肿瘤分类器的最新技术和当前发展 | 引入深度学习技术,自动提取代表性特征,显著提高分类效能 | 目前报道的系统中,能够分类常规临床图像的系统较少 | 提高计算机对常规临床图像的分类准确性,达到熟练皮肤科医生的水平 | 皮肤肿瘤的分类 | 计算机视觉 | 皮肤肿瘤 | 深度学习 | NA | 图像 | NA |
145 | 2024-08-07 |
Highly accelerated multishot echo planar imaging through synergistic machine learning and joint reconstruction
2019-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.27813
PMID:31106902
|
研究论文 | 本文介绍了一种结合机器学习(ML)和物理基础的图像重建框架,实现了无需导航器的高加速多重回波平面成像(msEPI),并展示了其在高分辨率结构和扩散成像中的应用 | 利用深度学习获取具有最小伪影的临时图像,并结合联合虚拟线圈灵敏度编码(JVC-SENSE)重建技术,提高了图像质量 | NA | 开发一种新的图像重建框架,以实现高加速的多重回波平面成像 | 高分辨率结构和扩散成像 | 机器学习 | NA | 多重回波平面成像(msEPI) | 深度学习网络 | 图像 | 使用2次EPI拍摄实现8倍平面内加速和2倍多频带加速,以及使用5次拍摄实现9倍平面内加速和2倍多频带加速 |
146 | 2024-08-07 |
Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges
2019-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-019-00227-x
PMID:31144149
|
research paper | 本文对利用深度学习技术进行医学图像分割的流行方法进行了关键性评估,并总结了最常见的挑战及可能的解决方案 | NA | NA | 评估深度学习技术在医学图像分割中的应用 | 医学图像分割的深度学习方法及其挑战 | computer vision | NA | deep learning | NA | image | NA |
147 | 2024-08-07 |
ORCA-SPOT: An Automatic Killer Whale Sound Detection Toolkit Using Deep Learning
2019-07-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-47335-w
PMID:31358873
|
研究论文 | 本文介绍了一种使用深度学习自动检测虎鲸声音的工具包ORCA-SPOT | ORCA-SPOT工具包能够自动从大型生物声学数据库中提取虎鲸声音,提高了处理效率和准确性 | NA | 旨在通过自动识别虎鲸的通信模式来增进对非人类动物种内通信的理解 | 虎鲸(Orcinus orca)的声音和环境噪音 | 机器学习 | NA | 深度神经网络 | 深度学习模型 | 声音 | 11,509个虎鲸信号和34,848个噪音片段 |
148 | 2024-08-07 |
Two-stage framework for optic disc localization and glaucoma classification in retinal fundus images using deep learning
2019-07-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-019-0842-8
PMID:31315618
|
研究论文 | 本文提出了一种两阶段框架,用于在视网膜眼底图像中定位视盘并进行青光眼分类 | 该方法在视盘定位和青光眼分类方面达到了新的最先进水平,并提出了一种基于规则的半自动地面实况生成方法,用于训练基于RCNN的模型进行自动视盘定位 | 在评估青光眼分类时,仅报告曲线下面积可能无法全面反映分类器的性能,需要额外的性能指标来证实结果 | 开发一种自动化的方法来定位视盘并进行青光眼分类,以辅助临床医生进行疾病识别 | 视网膜眼底图像中的视盘定位和青光眼分类 | 计算机视觉 | 青光眼 | 深度学习 | CNN | 图像 | 七个公开可用的视盘定位数据集和一个包含健康和青光眼标签的最大公开可用数据集ORIGA |
149 | 2024-08-07 |
Deep Learning to Assess Long-term Mortality From Chest Radiographs
2019-07-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本文开发并测试了一种名为CXR-risk的卷积神经网络(CNN),用于从胸部X光片预测长期死亡率,包括非癌症死亡 | 利用深度学习技术从单一胸部X光片中评估长期死亡风险,为预防和干预提供依据 | NA | 开发和测试一种CNN模型,用于预测基于胸部X光片的长期死亡率 | 胸部X光片数据及其与长期死亡率的关系 | 计算机视觉 | NA | 卷积神经网络(CNN) | CNN | 图像 | 开发阶段样本量为41,856,测试阶段样本量为10,464,外部测试样本量为5,493 |
150 | 2024-08-07 |
Deep learning for automatic Gleason pattern classification for grade group determination of prostate biopsies
2019-Jul, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-019-02577-x
PMID:31098801
|
研究论文 | 本文利用卷积神经网络(CNN)自动检测前列腺活检中的Gleason模式(GP)并确定分级组(GG),以减少前列腺癌病理分级中的观察者间变异性。 | 本文首次使用Inception-v3卷积神经网络对数字化前列腺活检图像进行GP的自动检测和GG的确定,提高了病理分级的准确性。 | 研究样本量较小,仅涉及38名患者的96份前列腺活检样本,可能影响结果的泛化性。 | 开发一种计算机辅助方法,通过自动检测Gleason模式和确定分级组,提高前列腺癌病理分级的准确性和治疗选择的优化。 | 前列腺活检样本中的Gleason模式和分级组。 | 数字病理学 | 前列腺癌 | 卷积神经网络(CNN) | Inception-v3 | 图像 | 96份前列腺活检样本来自38名患者 |
151 | 2024-08-07 |
DeepCentering: fully automated crystal centering using deep learning for macromolecular crystallography
2019-Jul-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S160057751900434X
PMID:31274465
|
研究论文 | 介绍了一种名为DeepCentering的新型自动化晶体中心定位系统,该系统利用卷积神经网络实现完全自动化的精确晶体中心定位 | DeepCentering系统实现了无需X射线照射晶体的完全自动化精确晶体中心定位 | NA | 开发一种用于高吞吐量蛋白质晶体学的完全自动化晶体中心定位系统 | 蛋白质晶体 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
152 | 2024-08-07 |
Characterization of Industry 4.0 Lean Management Problem-Solving Behavioral Patterns Using EEG Sensors and Deep Learning
2019-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s19132841
PMID:31247966
|
研究论文 | 本文通过结合脑电图非侵入式传感器和深度学习架构,研究了工业4.0中精益管理问题解决行为模式的神经特征 | 首次使用脑电图传感器和深度学习技术来分析和表征工业4.0中的问题解决行为模式 | NA | 旨在发现问题解决行为模式的神经特征,并利用深度学习架构进行行为模式表征 | 工业4.0中的精益管理问题解决行为模式 | 机器学习 | NA | 脑电图(EEG) | 深度学习架构 | 脑活动信号 | 案例研究数据集 |
153 | 2024-08-07 |
A Literature Review: Geometric Methods and Their Applications in Human-Related Analysis
2019-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s19122809
PMID:31234601
|
综述 | 本文综述了几何方法及其在人类相关分析中的应用 | 提出了基于提取几何属性范围的几何方法分类:面向对象的几何方法、面向特征的几何方法和基于流程的几何方法 | NA | 探讨几何概念、几何方法及其在人类相关分析中的应用 | 人类形状分析、人类姿态分析和人类动作分析 | 计算机视觉 | NA | 几何深度学习 | NA | NA | NA |
154 | 2024-08-07 |
A Deep Learning-Based Automatic Mosquito Sensing and Control System for Urban Mosquito Habitats
2019-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s19122785
PMID:31234294
|
研究论文 | 本文介绍了一种基于深度学习的自动蚊子检测与控制系统,用于城市蚊子栖息地 | 该系统使用全卷积网络(FCN)和基于神经网络的回归方法进行图像处理,提高了检测准确性和处理速度 | 单图像分类器的准确率较低,仅为52% | 开发一种高效的自动蚊子检测与控制系统,以控制蚊子传播的传染病 | 蚊子及其栖息地 | 机器学习 | NA | 深度学习网络 | 全卷积网络(FCN) | 图像 | NA |
155 | 2024-08-07 |
2019-Jun, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2019.05.010
PMID:31101593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
156 | 2024-08-07 |
Improvement diagnostic accuracy of sinusitis recognition in paranasal sinus X-ray using multiple deep learning models
2019-Jun, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims.2019.05.15
PMID:31367548
|
研究论文 | 本研究探讨了使用多深度学习模型通过鼻窦X光片识别上颌窦炎特征的可行性,并提出了一种通过多数决策算法确定合理共识的方法 | 本研究采用了多数决策算法,通过多个卷积神经网络模型(VGG-16、VGG-19和ResNet-101)来提高鼻窦炎检测的准确性 | NA | 研究目的是探讨通过鼻窦X光片识别上颌窦炎特征的可行性,并提出最有效的确定合理共识的方法 | 上颌窦炎的识别 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 图像 | 共4,860名患者,包括2,430名正常和上颌窦炎患者 |
157 | 2024-08-07 |
Predicting Ion Mobility Collision Cross-Sections Using a Deep Neural Network: DeepCCS
2019-04-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.8b05821
PMID:30932474
|
研究论文 | 本文通过深度学习算法预测离子迁移碰撞截面(CCS)值,以提高小分子鉴定的准确性 | 开发了一种新的深度学习模型DeepCCS,用于预测CCS值,该模型在多个实验室的不同仪器上进行了训练和测试,表现优于现有预测算法 | NA | 提高使用质谱进行非靶向代谢组学测量时小分子鉴定的准确性 | 小分子的离子迁移碰撞截面(CCS)值 | 机器学习 | NA | 离子迁移谱(IMS) | 深度神经网络 | SMILES符号和离子类型信息 | 超过2400个分子 |
158 | 2024-08-07 |
A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb
2019-01-15, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2018.12.003
PMID:30529409
|
研究论文 | 本文开发了一种基于深度学习的方法,用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像 | 首次为小鼠嗅球构建了一个高质量的基因表达注册图谱,并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因 | NA | 利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像,以构建基因表达图谱并揭示其表达模式 | 小鼠嗅球的原位杂交实验图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络(CNN) | 图像 | 数千个脑组织切片 |
159 | 2024-08-07 |
The application of convolutional neural network to stem cell biology
2019, Inflammation and regeneration
IF:5.0Q1
DOI:10.1186/s41232-019-0103-3
PMID:31312276
|
研究论文 | 本文探讨了卷积神经网络(CNN)在诱导多能干细胞(iPSC)生物学研究中的应用 | 提出使用CNN自动从相位对比显微镜图像中识别细胞类型,无需分子标记 | NA | 探索CNN在干细胞生物学研究中的应用潜力 | 诱导多能干细胞(iPSC)及其分化后的特定细胞类型 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 图像 | NA |
160 | 2024-08-07 |
Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0210689
PMID:31318885
|
研究论文 | 本文研究利用Twitter数据进行综合症监测,并通过半监督分类技术筛选相关推文,以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力 | 提出了一种半监督方法用于症状相关推文的分类和相关性过滤,并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能 | 尽管关键词数据收集,但许多收集的推文可能不相关,因为它们代表闲聊或意识讨论而非个人特定状况 | 评估Twitter数据在综合症监测中的应用,增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群 | 特定综合症——哮喘/呼吸困难 | 自然语言处理 | NA | 半监督分类技术 | NA | 文本 | 大量推文数据 |