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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
41 | 2024-08-07 |
Detection of dementia on voice recordings using deep learning: a Framingham Heart Study
2021-08-31, Alzheimer's research & therapy
DOI:10.1186/s13195-021-00888-3
PMID:34465384
|
研究论文 | 本研究利用深度学习模型分析语音记录,以检测痴呆症 | 开发了两种深度学习模型(LSTM和CNN),用于自动分析语音记录并分类痴呆症患者 | NA | 探索通过语音记录自动检测痴呆症的方法 | 来自Framingham心脏研究的1264份语音记录 | 机器学习 | 痴呆症 | 深度学习 | LSTM和CNN | 音频 | 1264份语音记录,包括483份正常认知、451份轻度认知障碍和330份痴呆症 |