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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
541 | 2024-09-08 |
ESTAN: Enhanced Small Tumor-Aware Network for Breast Ultrasound Image Segmentation
2022-Nov-11, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10112262
PMID:36421586
|
研究论文 | 本文提出了一种名为ESTAN的增强型小肿瘤感知网络,用于乳腺超声图像中肿瘤的准确分割 | ESTAN引入了两个编码器来提取和融合不同尺度的图像上下文信息,并使用行-列-向核来适应乳腺解剖结构 | NA | 提高乳腺超声图像中小肿瘤的分割精度 | 乳腺超声图像中的小肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | 神经网络 | 图像 | 三个公开的乳腺超声数据集,即BUSIS、Dataset B和BUSI |
542 | 2024-09-08 |
A formal validation of a deep learning-based automated workflow for the interpretation of the echocardiogram
2022-11-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-34245-1
PMID:36351912
|
研究论文 | 本研究比较了基于深度学习的23个超声心动图参数(包括心脏容积、射血分数和多普勒测量)与核心实验室超声心动图师三次重复测量的结果 | 本研究展示了深度学习算法在超声心动图解释中的潜力,表明其与人类读者的分歧小于人类读者之间的分歧 | 研究样本量相对较小,且仅包括心脏衰竭患者和对照组 | 验证基于深度学习的自动化工作流程在超声心动图解释中的有效性 | 23个超声心动图参数的解释 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 602个超声心动图研究,来自600人(421名心力衰竭患者,179名对照组,69%为女性) |
543 | 2024-09-08 |
WARS1, TYMP and GBP1 display a distinctive microcirculation pattern by immunohistochemistry during antibody-mediated rejection in kidney transplantation
2022-11-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-23078-z
PMID:36352007
|
研究论文 | 本文研究了WARS1、TYMP和GBP1在肾移植抗体介导排斥反应中的免疫组化特征,并通过深度学习框架评估了其诊断性能 | 本文首次结合免疫组化和卷积神经网络(CNN)框架,评估了WARS1、TYMP和GBP1在抗体介导排斥反应中的诊断潜力 | 研究样本量较小,需要在更大规模的队列中进一步验证 | 探讨WARS1、TYMP和GBP1在肾移植抗体介导排斥反应中的诊断价值,并评估深度学习框架的应用 | WARS1、TYMP和GBP1蛋白在肾移植抗体介导排斥反应中的免疫组化特征 | 数字病理学 | 肾移植 | 免疫组化 | 卷积神经网络(CNN) | 图像 | 54例肾移植活检样本,包括17例抗体介导排斥反应和37例其他常见移植损伤 |
544 | 2024-09-08 |
Deep autoencoder for interpretable tissue-adaptive deconvolution and cell-type-specific gene analysis
2022-11-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-34550-9
PMID:36347853
|
研究论文 | 本文介绍了一种名为TAPE的深度学习方法,用于组织适应性解卷积和细胞类型特异性基因分析 | TAPE通过连接批量RNA测序和单细胞RNA测序,实现了快速且精确的解卷积,并在多个数据集上表现出优于现有方法的性能 | NA | 开发一种能够快速且精确地进行组织适应性解卷积和细胞类型特异性基因分析的方法 | 批量RNA测序和单细胞RNA测序数据 | 机器学习 | NA | RNA测序 | 深度自编码器 | RNA测序数据 | 多个数据集 |
545 | 2024-09-08 |
Exposure to Nature Sounds through a Mobile Application in Daily Life: Effects on Learning Performance among University Students
2022-11-07, International journal of environmental research and public health
DOI:10.3390/ijerph192114583
PMID:36361462
|
研究论文 | 研究通过移动应用程序播放自然声音对大学生学习表现的影响 | 首次探讨了通过移动应用程序播放自然声音对学生学习表现的影响 | 样本量较小,仅限于大学学生,且研究时间较短 | 探讨自然声音通过移动应用程序对学生学习表现的影响 | 71名大学生 | NA | NA | NA | NA | NA | 71名大学生,其中实验组36人,对照组35人 |
546 | 2024-09-08 |
YPD-SLAM: A Real-Time VSLAM System for Handling Dynamic Indoor Environments
2022-Nov-07, Sensors (Basel, Switzerland)
DOI:10.3390/s22218561
PMID:36366259
|
研究论文 | 本文提出了一种实时视觉SLAM算法,用于处理动态室内环境 | 创新性地结合了Cylinder and Plane Extraction (CAPE)平面检测,并引入了平面和面内点约束到SLAM的非线性优化中 | NA | 解决SLAM在实际环境中受到动态元素干扰的问题 | 动态室内环境中的实时定位与地图构建 | 计算机视觉 | NA | 深度学习 | YoloFastestV2 | 图像 | 使用了公开的TUM (RGB-D)数据集进行测试 |
547 | 2024-09-08 |
A Computerized Analysis with Machine Learning Techniques for the Diagnosis of Parkinson's Disease: Past Studies and Future Perspectives
2022-Nov-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12112708
PMID:36359550
|
综述 | 本文综述了截至2022年9月发表的关于使用机器学习和深度学习技术诊断帕金森病的研究 | 本文总结了多种数据集、实验设置和架构在帕金森病诊断中的应用,并提出了未来研究的方向 | 本文主要基于已发表的研究进行综述,未进行新的实验或数据分析 | 探讨机器学习和深度学习技术在帕金森病诊断中的应用及其未来发展 | 帕金森病及其诊断方法 | 机器学习 | 神经退行性疾病 | 机器学习、深度学习 | NA | 多种模态数据 | 共分析了217篇研究论文 |
548 | 2024-09-08 |
Recommender System for the Efficient Treatment of COVID-19 Using a Convolutional Neural Network Model and Image Similarity
2022-Nov-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12112700
PMID:36359545
|
研究论文 | 本文设计了一种基于卷积神经网络和图像相似度的推荐系统,用于高效管理医院资源和治疗COVID-19患者 | 提出了一种结合深度学习和图像搜索范式的推荐系统,用于高效管理医院资源和治疗COVID-19患者 | NA | 设计一种推荐系统,以高效管理医院资源和治疗COVID-19患者 | COVID-19患者及其胸部X光图像 | 计算机视觉 | COVID-19 | 卷积神经网络 | CNN | 图像 | NA |
549 | 2024-09-08 |
A Swin Transformer-based model for mosquito species identification
2022-11-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-21017-6
PMID:36333318
|
研究论文 | 本文介绍了一种基于Swin Transformer的蚊子物种识别模型 | 首次提出基于Swin Transformer的蚊子物种识别模型,实现了高精度的物种分类 | NA | 开发一种高效的蚊子物种识别方法,以支持蚊媒疾病的控制 | 蚊子物种 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 9900张原始图像,涵盖17个物种 |
550 | 2024-09-08 |
SelfCoLearn: Self-Supervised Collaborative Learning for Accelerating Dynamic MR Imaging
2022-Nov-04, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering9110650
PMID:36354561
|
研究论文 | 本文提出了一种自监督协同学习框架(SelfCoLearn),用于从欠采样的k空间数据中直接重建动态磁共振图像 | 引入了双网络协同学习、重新采样数据增强和特殊设计的协同训练损失,以提高动态磁共振图像重建的准确性 | NA | 解决现有方法在缺乏完全采样参考数据的情况下,恢复细节或结构能力有限的问题 | 动态磁共振图像的重建 | 计算机视觉 | NA | 深度学习 | 双网络协同学习框架 | 图像 | NA |
551 | 2024-09-08 |
DeepFake knee osteoarthritis X-rays from generative adversarial neural networks deceive medical experts and offer augmentation potential to automatic classification
2022-11-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-23081-4
PMID:36329253
|
研究论文 | 研究使用生成对抗神经网络生成逼真的膝关节X光片,以欺骗医学专家并增强自动分类 | 提出了一种生成对抗神经网络,能够生成具有不同骨关节炎严重程度的膝关节X光片,这些生成的图像能够欺骗医学专家,并在骨关节炎严重程度分类任务中提高分类准确性 | 研究仅限于膝关节X光片和骨关节炎分类任务,未涉及其他类型的医学图像或疾病 | 探讨生成对抗神经网络在医学图像生成和增强深度学习模型中的应用 | 膝关节X光片和骨关节炎严重程度分类 | 计算机视觉 | 骨关节炎 | 生成对抗神经网络 | 生成对抗网络 | 图像 | 训练使用了5,556张真实图像,生成了320,000张合成图像,并进行了15位医学专家的验证 |
552 | 2024-09-08 |
Generalization of Deep Learning in Digital Pathology: Experience in Breast Cancer Metastasis Detection
2022-Nov-03, Cancers
IF:4.5Q1
DOI:10.3390/cancers14215424
PMID:36358842
|
研究论文 | 本研究测试了预训练深度学习模型在新的诊断环境和手术指征变化下的泛化能力 | 本研究展示了多中心训练模型在不同数据集上的泛化挑战,并强调了手术指征变化对模型性能的显著影响 | 本研究仅限于乳腺癌转移检测,且样本量较小 | 测试预训练深度学习模型在不同诊断环境和手术指征变化下的泛化能力 | 乳腺癌转移检测 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 使用了CAMELYON多中心数据和本地数据,样本量未具体说明 |
553 | 2024-09-08 |
New Generation Federated Learning
2022-Nov-03, Sensors (Basel, Switzerland)
DOI:10.3390/s22218475
PMID:36366172
|
研究论文 | 本文介绍了一种新的联邦学习框架,称为新一代联邦学习(NGFL),旨在适应现实世界中的动态任务序列和严格的存储限制 | 本文将增量学习引入联邦学习,提出了一种新的联邦学习框架,能够处理客户端不断出现的新任务和存储限制问题 | 本文未详细讨论实际应用中可能遇到的技术实现细节和性能评估 | 开发一种能够适应现实世界动态任务序列和存储限制的联邦学习框架 | 联邦学习框架在动态任务和存储限制下的表现 | 机器学习 | NA | 联邦学习 | 增量学习 | NA | NA |
554 | 2024-09-08 |
Three-Stage Pavement Crack Localization and Segmentation Algorithm Based on Digital Image Processing and Deep Learning Techniques
2022-Nov-03, Sensors (Basel, Switzerland)
DOI:10.3390/s22218459
PMID:36366156
|
研究论文 | 提出了一种基于数字图像处理和深度学习技术的三阶段沥青路面裂缝定位与分割方法 | 采用了引导滤波和Retinex方法进行图像预处理,提出了YOLO-SAMT目标检测模型进行裂缝定位,并改进了k-means聚类算法进行裂缝提取 | 未提及具体局限性 | 提高沥青路面裂缝检测的准确性和效率 | 高速公路沥青路面裂缝 | 计算机视觉 | NA | 数字图像处理、深度学习 | YOLO-SAMT | 图像 | 未提及具体样本数量 |
555 | 2024-09-08 |
Transformer-based multitask learning for reaction prediction under low-resource circumstances
2022-Nov-03, RSC advances
IF:3.9Q2
DOI:10.1039/d2ra05349g
PMID:36380947
|
研究论文 | 本文介绍了一种基于Transformer的多任务学习模型,用于在低资源情况下预测化学反应 | 提出了两种多任务模型:retro-forward反应预测Transformer(RFRPT)和multiforward反应预测Transformer(MFRPT),通过多任务学习显著提高了预测准确性 | NA | 解决低资源化学数据集下反应预测的准确性问题 | 化学反应预测 | 机器学习 | NA | Transformer | Transformer | 化学反应数据 | NA |
556 | 2024-09-08 |
Uncertainty-informed deep learning models enable high-confidence predictions for digital histopathology
2022-11-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-34025-x
PMID:36323656
|
研究论文 | 本文介绍了一种在癌症数字病理学中用于全切片图像的不确定性量化方法,通过使用dropout估计不确定性,并在训练数据上计算阈值以建立低和高置信度预测的截止点 | 本文提出了在数字病理学中使用不确定性信息进行深度学习模型训练的方法,并展示了其在跨验证和外部数据集测试中的优越性 | NA | 提高计算生物标志物在实际临床应用中的用户置信度 | 肺腺癌与鳞状细胞癌的鉴别 | 数字病理学 | 肺癌 | dropout | 深度学习模型 | 图像 | 涉及多个机构的大规模外部数据集 |
557 | 2024-09-08 |
Comparative Analysis of Deep Learning Models Used in Impact Analysis of Coronavirus Chest X-ray Imaging
2022-Nov-02, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines10112791
PMID:36359310
|
研究论文 | 本文比较了用于分析新冠病毒胸片影响的深度学习模型 | 本文通过实验分析了多种深度学习模型在新冠病毒胸片图像上的表现,并提供了性能提升的解决方案 | 本文主要集中在模型性能的比较和分析,未深入探讨模型在实际临床应用中的效果 | 比较不同深度学习模型在新冠病毒胸片图像分析中的表现 | 新冠病毒感染的胸片图像 | 计算机视觉 | NA | 深度学习 | CNN, Resnet, VGG16, Inception V3, Xception | 图像 | 训练集包含超过1500张胸片图像,测试集包含约132张胸片图像 |
558 | 2024-09-08 |
An AI based digital-twin for prioritising pneumonia patient treatment
2022-Nov, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119221123431
PMID:36121054
|
研究论文 | 本文提出了一种基于数字孪生的三层系统,用于优先处理重症肺炎患者的治疗 | 利用深度学习方法构建患者特定的数字孪生模型,以识别和优先处理重症肺炎患者中的危重病例 | 当前模型主要基于肺炎患者数据,应用于COVID-19患者时需要进行迁移学习以提高预测准确性 | 开发一种能够优先处理重症肺炎患者并优化机械通气和重症监护使用的系统 | 重症肺炎患者及其治疗优先级 | 机器学习 | 肺炎 | 深度学习 | 深度学习模型 | 患者数据 | 超过1895名肺炎患者 |
559 | 2024-09-08 |
Incorporating the image formation process into deep learning improves network performance
2022-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01652-7
PMID:36316563
|
研究论文 | 本文介绍了一种结合图像形成过程的深度学习方法,即Richardson-Lucy网络(RLN),用于三维荧光显微镜去卷积 | RLN将传统的Richardson-Lucy迭代与全卷积网络结构结合,建立了与图像形成过程的联系,从而提高了网络性能 | NA | 提高三维荧光显微镜去卷积的性能 | 细胞、组织和胚胎的显微镜图像 | 计算机视觉 | NA | 深度学习 | 全卷积网络 | 图像 | 细胞、组织和胚胎的显微镜图像数据集 |
560 | 2024-09-08 |
Artificial intelligence and machine learning in pain research: a data scientometric analysis
2022 Nov-Dec, Pain reports
IF:3.4Q2
DOI:10.1097/PR9.0000000000001044
PMID:36348668
|
研究论文 | 本文对人工智能和机器学习在疼痛研究中的应用进行了数据科学计量分析 | 本文通过自动搜索和手动筛选,评估了机器学习方法和疼痛研究中的常见设置,并分析了研究样本的大小和技术细节 | 本文指出,尽管人工智能和机器学习能够处理复杂数据,但有时需要大量数据,并且可能存在黑箱决策的问题 | 研究人工智能和机器学习在疼痛研究中的应用及其优势和局限性 | 疼痛研究中的机器学习方法、疼痛设置、研究样本大小和技术细节 | 机器学习 | NA | 机器学习 | 随机森林、支持向量机、深度学习 | 数据 | 样本大小从11到2,164,872不等,模式为n=100 |