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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
341 | 2024-08-19 |
Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images
2021-11-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-021-26643-8
PMID:34728629
|
研究论文 | 本文提出了一种基于平均教师架构的半监督学习方法,用于准确识别结直肠癌病理图像 | 采用半监督学习方法,显著减少了标注需求,同时保持了与监督学习相当的性能 | NA | 旨在通过半监督学习方法提高机器辅助病理识别的准确性,同时减少对大量标注的依赖 | 结直肠癌的病理图像 | 数字病理学 | 结直肠癌 | 半监督学习 | 平均教师架构 | 图像 | 13,111张全切片图像,来自8803个独立中心的13个中心 |
342 | 2024-08-19 |
Scope of Artificial Intelligence in Gastrointestinal Oncology
2021-Nov-01, Cancers
IF:4.5Q1
DOI:10.3390/cancers13215494
PMID:34771658
|
综述 | 本文综述了人工智能在胃肠肿瘤学中的应用,包括诊断、肿瘤组织学预测、息肉特征化、转移潜能评估、预后和治疗反应预测等方面 | 人工智能通过机器或深度学习算法提供自动和准确的图像分析,辅助诊断 | 目前依赖于放射科医生和内镜医生对影像的手动解读,可能导致诊断变异性 | 探讨人工智能在胃肠癌筛查、诊断、肿瘤分期、治疗方式和预后预测模型中的影响、局限性和未来潜力 | 胃肠癌的诊断和治疗 | 机器学习 | 胃肠癌 | NA | NA | 图像 | NA |
343 | 2024-08-19 |
Deep learning identifies antigenic determinants of severe SARS-CoV-2 infection within T-cell repertoires
2021-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-93608-8
PMID:34253751
|
研究论文 | 本研究通过分析T细胞受体测序(TCR-Seq)数据,利用深度学习方法识别出与严重SARS-CoV-2感染相关的抗原决定簇。 | 本研究首次使用深度学习技术分析T细胞受体序列,识别出与严重SARS-CoV-2感染相关的特定抗原反应。 | 研究依赖于公开数据库中的数据,可能存在样本选择偏倚。 | 旨在通过免疫基因组学分析,理解导致SARS-CoV-2感染临床结果差异的免疫学机制。 | 研究对象为SARS-CoV-2感染患者,特别是那些临床结果显示病情严重性的患者。 | 机器学习 | NA | T细胞受体测序(TCR-Seq) | 深度学习模型 | 序列数据 | 研究涉及两个队列,具体样本数量未在摘要中明确。 |
344 | 2024-08-19 |
Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning Based Approach
2021 Jul-Sep, Biocybernetics and biomedical engineering
IF:5.3Q1
DOI:10.1016/j.bbe.2021.05.013
PMID:34108787
|
研究论文 | 本文研究了基于深度学习的特征提取框架,用于自动分类COVID-19的X射线和CT图像 | 采用了多种深度卷积神经网络进行特征提取,并通过机器学习分类器进行分类,避免了特定任务的数据预处理方法,提高了对未知数据的一般化能力 | NA | 开发一种计算机辅助诊断系统,用于早期检测COVID-19异常并监测疾病进展,从而可能降低死亡率 | COVID-19的X射线和CT图像 | 机器学习 | COVID-19 | 深度学习 | CNN | 图像 | 公开可用的COVID-19胸部X射线和CT图像数据集 |
345 | 2024-08-19 |
A Hybrid Method of Covid-19 Patient Detection from Modified CT-Scan/Chest-X-Ray Images Combining Deep Convolutional Neural Network And Two- Dimensional Empirical Mode Decomposition
2021, Computer methods and programs in biomedicine update
DOI:10.1016/j.cmpbup.2021.100022
PMID:34337590
|
研究论文 | 本文提出了一种结合深度卷积神经网络和二维经验模态分解的混合方法,用于从修改后的CT扫描/胸部X光图像中快速检测Covid-19患者 | 本文采用二维经验模态分解对CT扫描/胸部X光图像进行预处理,生成不同阶的本征模态函数,然后利用深度卷积神经网络进行特征提取和分类,提供了一种新的图像预处理特征提取视角 | NA | 开发一种快速且准确的Covid-19检测方法 | Covid-19患者的CT扫描和胸部X光图像 | 计算机视觉 | Covid-19 | 二维经验模态分解(2DEMD) | CNN | 图像 | 三个公开的SARS-CoV-2数据集 |
346 | 2024-08-19 |
Automated Identification of Skull Fractures With Deep Learning: A Comparison Between Object Detection and Segmentation Approach
2021, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2021.687931
PMID:34777193
|
研究论文 | 本研究旨在开发一种基于深度学习的系统,用于从颅脑CT扫描中自动识别颅骨骨折 | 本研究采用了两种深度学习方法(对象检测和分割)来识别颅骨骨折,并比较了它们的性能 | 研究使用了回顾性数据,且模型性能在测试集上有所波动 | 开发和验证用于自动识别颅骨骨折的深度学习系统 | 颅骨骨折的自动识别 | 计算机视觉 | NA | 深度学习 | YOLOv3, 注意力U-Net | CT扫描图像 | 4,782名患者(开发集:4,168,测试集:614),以及7,856名健康人 |
347 | 2024-08-19 |
Utilization of Nursing Defect Management Evaluation and Deep Learning in Nursing Process Reengineering Optimization
2021, Computational and mathematical methods in medicine
DOI:10.1155/2021/8019385
PMID:34819992
|
研究论文 | 本研究探讨了护理缺陷管理评估和深度学习在护理流程再造优化中的应用 | 本研究通过改进Apriori算法和使用卷积神经网络(CNN)进行数据特征分类,提高了数据处理的效率 | NA | 旨在优化护理流程,提高长期护理的效果和临床护理质量 | 护理缺陷管理、护理数据挖掘、护理流程优化 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 图像 | 使用了SVHN数据集进行网络训练 |
348 | 2024-08-18 |
Accurate diagnosis and prognosis prediction of gastric cancer using deep learning on digital pathological images: A retrospective multicentre study
2021-Nov, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2021.103631
PMID:34678610
|
研究论文 | 本研究利用深度学习技术在数字病理图像上对胃癌进行准确诊断和预后预测 | 开发了两种人工智能模型,GastroMIL用于胃癌诊断,MIL-GC用于预测胃癌的预后,这些模型在诊断和生存预测方面表现优异 | NA | 开发基于深度学习的人工智能模型,辅助预测胃癌患者的诊断和总体生存 | 胃癌患者的病理图像 | 数字病理学 | 胃癌 | 深度学习 | AI模型 | 图像 | 2333张HE染色病理图片,涉及1037名胃癌患者;175张数字病理图片,涉及91名胃癌患者 |
349 | 2024-08-18 |
Fast activation maximization for molecular sequence design
2021-Oct-20, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-021-04437-5
PMID:34670493
|
研究论文 | 本文介绍了一种改进的激活最大化方法Fast SeqProp,用于优化DNA和蛋白质序列设计 | Fast SeqProp结合了直通近似和输入序列分布参数的归一化,克服了早期方法中输入参数在优化过程中倾斜的问题,实现了更快的收敛和更好的适应度优化 | NA | 开发一种可靠且高效的序列优化方法,通过可微分的适应度预测器进行分子设计 | DNA和蛋白质序列 | 机器学习 | NA | 激活最大化 | 深度学习模型 | 序列 | 六种深度学习预测器,包括蛋白质结构预测器 |
350 | 2024-08-18 |
Image quality assessment of pediatric chest and abdomen CT by deep learning reconstruction
2021-10-10, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-021-00677-2
PMID:34629049
|
研究论文 | 本研究旨在比较深度学习重建(DLR)和迭代重建(IR)在儿科胸部和腹部CT图像上的客观和主观图像质量 | 深度学习重建(DLR)在儿科胸部和腹部CT图像上显示出比迭代重建(IR)更好的对比噪声比(CNR)和信噪比(SNR),并能显著降低噪声 | 深度学习重建(DLR)未能改善图像中的伪影 | 比较深度学习重建(DLR)和迭代重建(IR)在儿科胸部和腹部CT图像上的图像质量 | 儿科胸部和腹部CT图像 | 计算机视觉 | NA | 深度学习重建(DLR) | 人工神经网络 | 图像 | 51名患者(34名男孩和17名女孩;年龄1-18岁) |
351 | 2024-08-18 |
Carbon Fiber Reinforced Composites: Study of Modification Effect on Weathering-Induced Ageing via Nanoindentation and Deep Learning
2021-Oct-06, Nanomaterials (Basel, Switzerland)
DOI:10.3390/nano11102631
PMID:34685069
|
研究论文 | 研究了碳纤维增强复合材料在开放环境中暴露后的老化效应及其改性效果 | 通过纳米压痕和深度学习技术,建立了结构-性能关系,并利用人工智能进行异常检测,提供了复合材料工程和质量保证的新评估见解 | NA | 研究碳纤维增强复合材料在自然环境中的老化效应及其改性效果 | 碳纤维增强聚合物(CFRPs)及其改性效果 | 复合材料 | NA | 纳米压痕,深度学习 | 深度学习神经网络 | 纳米力学属性数据 | 具体样本数量未提及 |
352 | 2024-08-18 |
Evaluating the progress of deep learning for visual relational concepts
2021-10-05, Journal of vision
IF:2.0Q2
DOI:10.1167/jov.21.11.8
PMID:34636844
|
研究论文 | 本文评估了深度学习在视觉关系概念方面的进展 | 指出关系概念与认知心理学的联系,并强调注意力机制在未来解决关系任务中的重要性 | 当前使用的数据集存在不足,关系推理任务对现有神经网络架构仍然困难 | 评估深度学习在处理抽象图像分类任务中的进展 | 深度学习在关系概念学习方面的应用 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
353 | 2024-08-18 |
Application of machine learning in the prediction of COVID-19 daily new cases: A scoping review
2021-Oct, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2021.e08143
PMID:34660935
|
综述 | 本文综述了使用机器学习和深度学习方法预测COVID-19每日新增病例的研究 | 采用了多种机器学习模型如自适应神经模糊推理系统、长短期记忆网络等来预测COVID-19的传播趋势 | 某些模型如ARIMA和LSTM在平均绝对百分比误差方面表现较差 | 评估和比较不同机器学习方法在预测COVID-19传播中的性能 | COVID-19的每日新增病例 | 机器学习 | COVID-19 | 机器学习 | 长短期记忆网络、多层感知器等 | NA | NA |
354 | 2024-08-18 |
Data-Efficient Sensor Upgrade Path Using Knowledge Distillation
2021-Sep-29, Sensors (Basel, Switzerland)
DOI:10.3390/s21196523
PMID:34640843
|
研究论文 | 本文提出了一种利用知识蒸馏技术提高新传感器模式下学生网络性能的方法 | 通过应用知识蒸馏技术,加速了传感器转换过程,并探索了两种知识蒸馏方法的扩展 | 仅在MNIST和CIFAR-10数据集上进行了验证,未提及更大规模或更多样化的数据集 | 提高新传感器模式下的深度神经网络性能 | 多光谱图像、激光雷达和雷达数据等新传感器模式 | 机器学习 | NA | 知识蒸馏 | 深度神经网络 | 图像 | 在多模态MNIST数据集中,新模式的样本量为10张图像;在多模态CIFAR-10数据集中未明确样本量 |
355 | 2024-08-18 |
Applying Deep Learning to Accelerated Clinical Brain Magnetic Resonance Imaging for Multiple Sclerosis
2021, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2021.685276
PMID:34646227
|
研究论文 | 本文研究了深度学习模型在加速临床脑部磁共振成像(MRI)中恢复多发性硬化症(PwMS)患者图像质量的临床应用 | 使用深度学习模型生成与传统扫描质量相似的加速扫描图像 | 统计上显著但差异较小,且未发现关键T1w体积测量与临床相关患者报告结果(PRO)之间的相关性差异 | 探索深度学习模型在加速临床脑部MRI中恢复图像质量的潜力,以改善多发性硬化症的临床相关结果 | 多发性硬化症患者的脑部MRI图像质量 | 机器学习 | 多发性硬化症 | 磁共振成像(MRI) | 深度学习(DL)模型 | 图像 | 使用了部分扫描数据进行模型训练,并对剩余扫描数据进行应用 |
356 | 2024-08-18 |
An Effective Multimodal Image Fusion Method Using MRI and PET for Alzheimer's Disease Diagnosis
2021, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2021.637386
PMID:34713109
|
research paper | 本文提出了一种有效的多模态图像融合方法,通过融合MRI和PET图像来辅助阿尔茨海默病(AD)的诊断 | 本文创新性地提出了通过注册和掩码编码融合MRI和PET图像的灰质(GM)组织区域,生成新的融合模态“GM-PET”,并使用3D简单卷积神经网络(3D Simple CNN)和3D多尺度CNN进行评估 | 目前的方法缺乏解释性,无法清晰解释提取信息的特定含义 | 旨在提高阿尔茨海默病诊断的准确性和解释性 | 研究对象为阿尔茨海默病患者的MRI和PET图像 | computer vision | 阿尔茨海默病 | NA | CNN | image | 实验使用了阿尔茨海默病神经成像倡议(ADNI)数据集 |
357 | 2024-08-18 |
Current Advances and Challenges in Radiomics of Brain Tumors
2021, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2021.732196
PMID:34722274
|
review | 本文综述了脑肿瘤影像组学的最新进展、应用及面临的挑战 | 影像组学能够从复杂的临床影像中提取大量定量特征,并将其转化为高维数据,用于挖掘与肿瘤组织学特征的相关性,包括遗传突变、恶性程度、分级、进展、治疗效果及总体生存率 | 本文进一步讨论了影像组学的当前局限性及未来发展 | 探讨脑肿瘤影像组学的应用及其在临床诊断中的意义 | 脑肿瘤的早期检测、监测及治疗效果评估 | digital pathology | 脑肿瘤 | NA | NA | image | NA |
358 | 2024-08-17 |
Acral melanoma detection using dermoscopic images and convolutional neural networks
2021-Oct-07, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-021-00091-z
PMID:34618260
|
研究论文 | 本文研究了使用皮肤镜图像和卷积神经网络对肢端黑色素瘤进行分类的有效性 | 提出了一种新的深度学习模型,用于皮肤癌分类,并采用了图像处理和数据增强技术来开发一个健壮的自动化系统 | NA | 研究皮肤镜和深度学习在分类黑色素瘤亚型中的效果 | 肢端黑色素瘤 | 计算机视觉 | 皮肤癌 | 卷积神经网络 | 七层深度卷积网络 | 图像 | 使用来自韩国延世大学医疗系统的皮肤镜图像数据集 |
359 | 2024-08-17 |
Deep learning features from diffusion tensor imaging improve glioma stratification and identify risk groups with distinct molecular pathway activities
2021-Oct, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2021.103583
PMID:34563923
|
研究论文 | 本研究开发并验证了一种基于扩散张量成像(DTI)的深度学习特征(DLS),用于预测浸润性胶质瘤患者的总体生存率,并探讨了DLS背后的生物学通路 | 本研究首次将深度学习特征应用于DTI数据,以改善胶质瘤的分层,并识别出具有不同分子通路活性的风险组 | NA | 开发和验证一种基于DTI的深度学习特征,用于预测胶质瘤患者的总体生存率,并探讨相关的生物学通路 | 浸润性胶质瘤患者 | 机器学习 | 脑肿瘤 | 扩散张量成像(DTI) | 深度学习 | 图像 | 深度学习队列688例,放射基因组学队列78例,TCGA数据库663例,CGGA数据库657例 |
360 | 2024-08-16 |
Performance of a 3D convolutional neural network in the detection of hypoperfusion at CT pulmonary angiography in patients with chronic pulmonary embolism: a feasibility study
2021-09-24, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-021-00235-z
PMID:34557979
|
研究论文 | 本研究评估了三维卷积神经网络(CNN)算法在慢性肺栓塞患者CT肺动脉造影中检测低灌注的可行性 | 提出了一种深度学习方法,用于从CT肺动脉造影中检测慢性肺栓塞的低灌注 | NA | 评估三维卷积神经网络在慢性肺栓塞患者CT肺动脉造影中检测低灌注的可行性 | 慢性肺栓塞患者和无肺栓塞患者的CT肺动脉造影图像 | 计算机视觉 | 肺栓塞 | CT肺动脉造影 | CNN | 图像 | 50名患者(25名慢性肺栓塞患者和25名无肺栓塞患者) |