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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
21 | 2024-08-09 |
Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach
2021-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s21051836
PMID:33800716
|
研究论文 | 本文研究了使用深度学习方法从公共雷达数据集中分类五种复杂血流动力学场景的可能性 | 本文展示了雷达传感技术在监测复杂血流动力学场景方面的潜力,超越了传统的心率和呼吸率监测 | NA | 探索使用非接触式传感器(如雷达)监测复杂血流动力学场景的可行性 | 五种复杂血流动力学场景(静息、模拟窒息、瓦尔萨尔瓦动作、倾斜台上的倾斜上和倾斜下) | 机器学习 | NA | 深度学习 | 神经网络 | 时间域和频率域数据 | 使用了公共雷达和接触输入信号的数据集 |
22 | 2024-08-08 |
Transfer learning for predicting conversion from mild cognitive impairment to dementia of Alzheimer's type based on a three-dimensional convolutional neural network
2021-03, Neurobiology of aging
IF:3.7Q2
|
研究论文 | 本文开发了一种深度学习模型,利用三维卷积神经网络通过转移学习预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化 | 该模型在目标任务上的分类准确率达到82.4%,优于当前领域的模型,并能通过遮挡图方法可视化对预测有显著贡献的大脑区域 | NA | 预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化 | 轻度认知障碍患者及其向阿尔茨海默病型痴呆的转化 | 机器学习 | 阿尔茨海默病 | 结构磁共振成像 | 三维卷积神经网络 | 图像 | 使用正常对照组和阿尔茨海默病型痴呆患者的扫描数据进行预训练,然后在轻度认知障碍患者的扫描数据上进行再训练 |
23 | 2024-08-08 |
DeepMIB: User-friendly and open-source software for training of deep learning network for biological image segmentation
2021-03, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1008374
PMID:33651804
|
研究论文 | 介绍DeepMIB软件包,用于训练卷积神经网络进行多维显微镜图像分割 | DeepMIB是一个用户友好且开源的软件,适用于在任何工作站上训练深度学习网络进行图像分割 | NA | 开发一个易于使用且功能强大的深度学习工具,用于生物图像分割 | 多维显微镜图像数据 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 2D和3D电子及多色光显微镜数据集 |
24 | 2024-08-07 |
Artificial intelligence assistance significantly improves Gleason grading of prostate biopsies by pathologists
2021-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1038/s41379-020-0640-y
PMID:32759979
|
研究论文 | 研究探讨了人工智能辅助对前列腺活检Gleason评分的影响,发现AI辅助显著提高了评分的一致性 | 首次详细研究了AI系统与病理学家协同工作在前列腺活检Gleason评分中的应用,显示出AI辅助下的病理学家表现优于单独的病理学家和AI系统 | 研究未涉及AI系统在存在异常情况(如异物组织)时的表现 | 评估AI辅助对前列腺活检Gleason评分的影响 | 前列腺活检样本的Gleason评分 | 数字病理学 | 前列腺癌 | 深度学习 | AI系统 | 图像 | 160个活检样本用于实验,87个样本用于外部验证 |
25 | 2024-08-07 |
Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: analysis of 697 Italian patients
2021-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-020-07269-8
PMID:32945968
|
研究论文 | 本研究评估了人工智能系统评估的初始胸部X光片(CXR)严重程度在COVID-19患者中的预后价值 | 人工智能系统与放射科医生评估的疾病严重程度评分在CXR上独立且可比较,预测COVID-19患者不良结果的能力 | NA | 评估人工智能系统在COVID-19患者中通过初始胸部X光片预测临床结果的预后价值 | COVID-19患者的初始胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | AI系统 | 图像 | 697名患者 |
26 | 2024-08-07 |
Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review
2021-03, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2020.103671
PMID:33387683
|
综述 | 本文对从电子健康记录(EHR)中学习患者数据的深度表示进行了系统性综述,提供了方法学角度的定性和定量分析 | 强调了学习患者EHR数据综合表示的重要性和可行性,并探讨了未来利用EHR数据丰富性和潜力的方向 | 现有的预测模型主要关注单一疾病的预测,而非从整体角度考虑患者的复杂机制 | 系统性综述患者表示学习领域,并从方法学角度进行定性和定量分析 | 从EHR中学习患者数据的深度表示 | 机器学习 | NA | 深度学习方法 | 循环神经网络(长短期记忆:13项研究,门控循环单元:11项研究) | 结构化EHR数据 | 49项研究 |
27 | 2024-08-07 |
Dual-wavelength interferogram decoupling method for three-frame generalized dual-wavelength phase-shifting interferometry based on deep learning
2021-Mar-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.412433
PMID:33690460
|
研究论文 | 本研究提出了一种基于深度学习的双波长干涉图解耦方法,用于三帧广义双波长相移干涉测量 | 该方法通过深度神经网络,仅使用三帧随机相移的双波长干涉图,即可有效提取每个波长的相位 | NA | 解决双波长干涉测量中如何高效利用最少波长复用干涉图获取每个波长相位的问题 | 双波长干涉图的解耦和相位提取 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 干涉图 | 三帧随机相移的双波长干涉图 |
28 | 2024-08-05 |
Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning
2021-03, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2019-319866
PMID:32690604
|
研究论文 | 该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型. | 通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型,提供了一种经济高效的分类工具. | 该研究主要依赖于多组学数据,可能不适用于没有相关数据的样本. | 研究旨在明确图像分析与分子分类之间的联系,从而改善结直肠癌的分类方式. | 研究对象为结直肠癌患者的组织切片,分析其分子亚型. | 数字病理学 | 结直肠癌 | 深度学习 | 神经网络 | 图像 | 在研究中使用了1206个组织切片 |
29 | 2024-08-07 |
Latent traits of lung tissue patterns in former smokers derived by dual channel deep learning in computed tomography images
2021-03-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-84547-5
PMID:33649381
|
研究论文 | 本文利用双通道深度学习网络从CT图像中提取前吸烟者肺组织模式的潜在特征 | 采用无监督的三维卷积自编码器-特征构造器深度学习网络,结合探索性因子分析,从CT数据中学习并共同推导出组织模式簇 | NA | 探索慢性阻塞性肺疾病患者肺组织模式的潜在特征 | 前吸烟者和健康非吸烟者的肺组织模式 | 计算机视觉 | 慢性阻塞性肺疾病 | CT | 3D卷积自编码器-特征构造器 | 图像 | 541名前吸烟者和59名健康非吸烟者 |