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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
621 | 2024-09-07 |
Omics Data and Data Representations for Deep Learning-Based Predictive Modeling
2022-Oct-14, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms232012272
PMID:36293133
|
综述 | 本文综述了用于深度学习预测建模的组学数据及其数据表示方法 | 本文旨在弥合计算机科学与生命科学之间的鸿沟,帮助计算机科学家将其专业知识应用于生命科学领域 | 本文主要关注数据类型和数据表示方法,未深入探讨具体的深度学习模型和算法细节 | 帮助计算机科学家了解生物数据类型及其表示方法,以便参与基于深度学习的生物医学、生物技术和药物发现研究 | 组学数据及其数据表示方法 | 机器学习 | NA | 深度学习 | NA | 组学数据 | NA |
622 | 2024-09-07 |
Cervical Cell/Clumps Detection in Cytology Images Using Transfer Learning
2022-Oct-13, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12102477
PMID:36292166
|
研究论文 | 本文研究了使用迁移学习方法在细胞学图像中检测宫颈细胞/细胞团块,以提高宫颈癌筛查的准确性 | 本文提出在宫颈细胞/细胞团块检测任务中使用COCO预训练模型,并进行了多尺度训练以提高模型性能 | 本文未详细讨论模型在不同数据集上的泛化能力 | 提高宫颈癌筛查的自动化程度和准确性 | 宫颈细胞/细胞团块的检测 | 计算机视觉 | 宫颈癌 | 迁移学习 | 卷积神经网络 (CNN) | 图像 | 具体样本数量未在摘要中提及 |
623 | 2024-09-07 |
Deep Convolutional Neural Network for Nasopharyngeal Carcinoma Discrimination on MRI by Comparison of Hierarchical and Simple Layered Convolutional Neural Networks
2022-Oct-13, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12102478
PMID:36292167
|
研究论文 | 本文比较了分层和简单层卷积神经网络在鼻咽癌MRI图像分类中的表现 | 通过微调ResNet50模型,实现了鼻咽癌肿瘤诊断的高预测性能 | NA | 寻找用于鼻咽癌MRI图像分类的最佳卷积神经网络模型 | 鼻咽癌患者的MRI图像 | 计算机视觉 | 鼻咽癌 | 卷积神经网络 | CNN | 图像 | NA |
624 | 2024-09-07 |
The federated tumor segmentation (FeTS) tool: an open-source solution to further solid tumor research
2022-10-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac9449
PMID:36137534
|
研究论文 | 本文介绍了联邦肿瘤分割(FeTS)工具的软件架构和功能,旨在促进脑部磁共振图像肿瘤子区域的统一处理和金标准标签生成,并支持全球多个站点间的联邦学习模型训练 | FeTS工具利用现有的开源工具(如Insight Toolkit和Qt),设计用于在集中式或联邦式设置中训练深度学习模型,以实现肿瘤区域的划分 | NA | 开发一个开源工具,支持在医疗领域中进行去中心化的数据分析和肿瘤子区域的联邦学习模型训练 | 脑部磁共振图像中的肿瘤子区域 | 计算机视觉 | NA | 联邦学习 | 深度学习模型 | 图像 | NA |
625 | 2024-09-07 |
Sparse Optical Flow Implementation Using a Neural Network for Low-Resolution Thermal Aerial Imaging
2022-Oct-12, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8100279
PMID:36286373
|
研究论文 | 本文提出了一种基于神经网络的稀疏光流实现方法,用于低分辨率热成像空中图像 | 本文创新性地将稀疏Lucas-Kanade算法应用于光流神经网络,通过特征提取器减少计算需求,提高了在小型多旋翼无人机上的实时处理能力 | 本文未详细讨论在不同环境条件下的性能表现 | 研究如何在小型无人机平台上实现高效的光流计算 | 低分辨率热成像空中图像 | 计算机视觉 | NA | 稀疏Lucas-Kanade算法 | RAFT-s模型 | 图像 | 未明确提及样本数量 |
626 | 2024-09-07 |
Fast and Efficient Image Novelty Detection Based on Mean-Shifts
2022-Oct-10, Sensors (Basel, Switzerland)
DOI:10.3390/s22197674
PMID:36236774
|
研究论文 | 本文提出了一种基于均值漂移的快速高效图像新颖性检测方法 | 本文通过将训练和测试图像转换为补丁集合,评估正常数据和异常数据之间的均值漂移,并使用Hotelling T2检验进行均值漂移估计,从而实现新颖性检测 | 补丁大小的选择需要额外的领域知识,且模型选择和特征空间的选择受卷积神经网络或视觉图像变换器的感受野大小影响 | 开发一种快速高效的图像新颖性检测方法 | 图像新颖性检测 | 计算机视觉 | NA | 均值漂移估计 | 卷积神经网络 | 图像 | 使用CIFAR-10和MVTec数据集进行验证 |
627 | 2024-09-07 |
nn-TransUNet: An Automatic Deep Learning Pipeline for Heart MRI Segmentation
2022-Oct-09, Life (Basel, Switzerland)
DOI:10.3390/life12101570
PMID:36295005
|
研究论文 | 本文提出了一种名为nn-TransUNet的自动深度学习管道,用于心脏MRI分割任务 | 结合了nnU-net的实验规划和TransUNet的网络架构,使用视觉变换器和卷积层设计编码器,并采用卷积层作为解码器,实现了自动化的预处理和网络训练计划 | NA | 开发一种自动化的深度学习方法,用于心脏MRI分割,以提高诊断心血管疾病的效率 | 心脏MRI图像的分割 | 计算机视觉 | 心血管疾病 | 深度学习 | nn-TransUNet | 图像 | 在Automatic Cardiac Diagnosis Challenge (ACDC) Dataset上进行了验证 |
628 | 2024-09-07 |
Application of Deep Learning for Automated Detection of Polypoidal Choroidal Vasculopathy in Spectral Domain Optical Coherence Tomography
2022-10-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.11.10.16
PMID:36219163
|
研究论文 | 本文开发了一种用于自动检测多形性脉络膜血管病变的深度学习模型,以区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性 | 提出了一种基于深度学习的算法来自动区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性 | 多形性脉络膜血管病变在光谱域光学相干断层扫描图像中的不可见性是该模型的主要限制 | 开发一种自动筛查多形性脉络膜血管病变的模型,以区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性 | 多形性脉络膜血管病变与湿性年龄相关性黄斑变性 | 计算机视觉 | 眼科疾病 | 深度学习 | ResNet attention模型 | 图像 | 训练集包含2334张光谱域光学相干断层扫描图像,外部验证集包含1171张图像 |
629 | 2024-09-07 |
The Applications of Metaheuristics for Human Activity Recognition and Fall Detection Using Wearable Sensors: A Comprehensive Analysis
2022-Oct-03, Biosensors
DOI:10.3390/bios12100821
PMID:36290958
|
研究论文 | 本文研究了元启发式优化算法在基于传感器数据的人类活动识别和跌倒检测中的应用 | 本文使用了九种元启发式算法进行特征选择,以提高人类活动识别和跌倒检测的分类准确性 | NA | 研究元启发式优化算法在人类活动识别和跌倒检测中的应用 | 人类活动识别和跌倒检测 | 机器学习 | NA | 元启发式优化算法 | ResRNN | 传感器数据 | 使用了七个不同的复杂数据集进行多分类,以及一个数据集进行二分类 |
630 | 2024-09-07 |
An exploration of error-driven learning in simple two-layer networks from a discriminative learning perspective
2022-10, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-021-01711-5
PMID:35032022
|
研究论文 | 本文从判别学习的角度探讨了简单两层网络中的错误驱动学习机制 | 本文强调了错误驱动模型中学习的判别性质,并讨论了这对学习概念化的影响 | 本文主要关注错误驱动学习的最简单形式,未涉及更复杂的深度学习模型 | 探讨错误驱动学习的基本工作原理,并将其与认知科学中错误驱动学习模型的发展历史联系起来 | 简单两层网络中的错误驱动学习机制 | 机器学习 | NA | NA | 两层网络 | NA | NA |
631 | 2024-09-07 |
Nested U-Net for Segmentation of Red Lesions in Retinal Fundus Images and Sub-image Classification for Removal of False Positives
2022-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00629-4
PMID:35474556
|
研究论文 | 本文提出了一种用于视网膜眼底图像中红色病灶分割的嵌套U-Net模型,并结合子图像分类方法去除假阳性 | 本文创新性地使用了嵌套U-Net模型进行红色病灶分割,并通过子图像分类方法有效减少了假阳性 | NA | 开发一种自动筛查工具,用于早期检测和治疗糖尿病视网膜病变患者 | 视网膜眼底图像中的红色病灶 | 计算机视觉 | 糖尿病视网膜病变 | NA | 嵌套U-Net | 图像 | DIARETDB1数据集 |
632 | 2024-09-07 |
Skin Lesion Area Segmentation Using Attention Squeeze U-Net for Embedded Devices
2022-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00634-7
PMID:35505265
|
研究论文 | 本文提出了一种名为Attention Squeeze U-Net的深度学习架构,用于嵌入式设备上的皮肤病变区域分割 | 设计了一种专为嵌入式设备优化的Attention Squeeze U-Net架构,能够在智能手机或低成本嵌入式设备上运行 | NA | 通过在智能手机或低成本嵌入式设备上运行深度学习算法,提高患者自主权 | 皮肤病变区域分割 | 计算机视觉 | 皮肤癌 | 深度学习 | U-Net | 图像 | 公开数据集 |
633 | 2024-09-07 |
Deep Reinforcement Learning with Automated Label Extraction from Clinical Reports Accurately Classifies 3D MRI Brain Volumes
2022-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00644-5
PMID:35562633
|
研究论文 | 本文提出了一种利用临床报告自动提取标签并结合深度强化学习对3D MRI脑部体积进行分类的方法 | 本文的创新点在于使用自动标签提取技术从放射学报告中获取标签,并结合强化学习进行分类,相较于传统的监督深度学习方法,在数据量较小的情况下表现更优 | 本文的局限性在于仅在一个小规模的数据集上进行了验证,未来需要在更大规模的数据集上进行验证 | 本文的研究目的是减少获取和标注数据集的负担,并探索强化学习在放射学图像分类中的应用 | 本文的研究对象是3D MRI脑部体积的分类 | 计算机视觉 | NA | 深度强化学习 | 强化学习分类器 | 图像 | 训练集包含1000张图像,测试集包含1000张图像 |
634 | 2024-09-07 |
Generation of synthetic megavoltage CT for MRI-only radiotherapy treatment planning using a 3D deep convolutional neural network
2022-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15876
PMID:35870154
|
研究论文 | 本文探讨了使用3D深度卷积神经网络从磁共振成像(MRI)生成合成兆伏特CT(sMVCT)以实现仅MRI放射治疗计划的可行性 | 首次使用3D深度卷积神经网络从MRI生成sMVCT,以支持仅MRI的放射治疗计划 | 合成sMVCT与实际MVCT在骨骼和空气区域的一致性较差,且回顾性数据集存在由于扫描间差异导致的偏差 | 验证从MRI生成sMVCT以支持仅MRI放射治疗计划的可行性 | 头颈部癌症患者的MVCT和T1加权MRI数据 | 计算机视觉 | 头颈部癌症 | 深度学习 | 3D U-Net | 图像 | 120名头颈部癌症患者的数据 |
635 | 2024-09-07 |
Improving reproducibility and performance of radiomics in low-dose CT using cycle GANs
2022-Oct, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.13739
PMID:35906893
|
研究论文 | 本文研究了使用循环生成对抗网络(Cycle GANs)对低剂量CT图像进行去噪,以提高放射组学的可重复性和性能 | 本文首次探索了使用未配对数据训练的循环生成对抗网络(Cycle GANs)来提高低剂量CT图像的放射组学可重复性和性能 | 本文主要基于模拟数据和真实数据进行研究,未涉及其他类型的数据集 | 研究如何通过使用循环生成对抗网络(Cycle GANs)对低剂量CT图像进行去噪,以提高放射组学的可重复性和性能 | 低剂量CT图像的去噪和放射组学的可重复性与性能 | 计算机视觉 | NA | 循环生成对抗网络(Cycle GANs) | 生成对抗网络(GAN) | 图像 | 使用了模拟低剂量CT图像和RIDER数据集中的真实低剂量CT图像 |
636 | 2024-09-07 |
Fluoroscopic Image-Based 3-D Environment Reconstruction and Automated Path Planning for a Robotically Steerable Guidewire
2022-Oct, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/lra.2022.3207568
PMID:36275193
|
研究论文 | 本文提出了一种基于荧光图像的3D环境重建和机器人可控导丝自动路径规划方法,用于血管内导航 | 本文提出了一种新的方法,通过使用形状从轮廓算法和深度学习编码器-解码器网络来重建3D血管模型,并使用改进的混合A-star算法进行路径规划 | 本文仅在猪主动脉模型上进行了验证,尚未在人体临床试验中应用 | 提高心血管手术中导丝导航的自动化程度,减少辐射暴露 | 血管内导丝的自动导航 | 计算机视觉 | 心血管疾病 | 形状从轮廓算法,深度学习 | 编码器-解码器网络 | 图像 | 猪主动脉模型 |
637 | 2024-09-07 |
Colorizing the Past: Deep Learning for the Automatic Colorization of Historical Aerial Images
2022-Oct-01, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8100269
PMID:36286363
|
研究论文 | 本文介绍了一种新的神经网络架构Hyper-U-NET,用于自动为历史黑白航拍图像上色 | 提出了一种结合U-NET架构和HyperConnections的新型神经网络Hyper-U-NET,用于处理历史黑白航拍图像的上色问题 | 未提及 | 探索和改进自动为历史黑白航拍图像上色的深度学习技术 | 历史黑白航拍图像 | 计算机视觉 | NA | 深度学习 | Hyper-U-NET | 图像 | 约10,000张彩色航拍图像补丁 |
638 | 2024-09-07 |
Attention-Based UNet Deep Learning Model for Plaque Segmentation in Carotid Ultrasound for Stroke Risk Stratification: An Artificial Intelligence Paradigm
2022-Sep-27, Journal of cardiovascular development and disease
IF:2.4Q2
DOI:10.3390/jcdd9100326
PMID:36286278
|
研究论文 | 本文提出了一种基于注意力机制的UNet深度学习模型,用于颈动脉超声图像中的斑块分割,以评估中风风险 | 该研究引入了基于注意力机制的UNet模型,显著提高了斑块分割的准确性,特别是在处理难以诊断的明亮和模糊斑块图像时 | 研究样本主要来自英国、日本和香港,可能存在地域和种族偏差 | 开发一种自动化的方法来检测和预测心血管疾病和中风的风险 | 颈动脉内的斑块 | 计算机视觉 | 心血管疾病 | 深度学习 | UNet | 图像 | 970张来自英国的ICA图像,379张来自日本糖尿病患者的CCA图像,以及300张来自香港绝经后女性的CCA图像 |
639 | 2024-09-07 |
Artificial Intelligence Models for Zoonotic Pathogens: A Survey
2022-Sep-27, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms10101911
PMID:36296187
|
综述 | 本文综述了人工智能模型在研究人畜共患病原体及其传播因素中的应用 | NA | NA | 总结和分析机器学习和深度学习方法在研究人畜共患病中的应用,以帮助研究人员识别风险因素并制定缓解策略 | 人畜共患病原体及其传播因素 | 机器学习 | NA | 机器学习 深度学习 | NA | NA | NA |
640 | 2024-09-07 |
A Novel Multi-Feature Fusion Method for Classification of Gastrointestinal Diseases Using Endoscopy Images
2022-Sep-26, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12102316
PMID:36292006
|
研究论文 | 本文提出了一种新的多特征融合方法,用于通过内窥镜图像对胃肠道疾病进行分类 | 本文提出了一种名为Effimix的定制CNN架构,结合了EfficientNet B0和自定义的CNN架构,通过挤压和激励层以及自归一化激活层实现精确的疾病分类 | NA | 提高内窥镜图像中胃肠道疾病的分类准确性 | 内窥镜图像中的胃肠道疾病 | 计算机视觉 | 胃肠道疾病 | 卷积神经网络 (CNN) | Effimix | 图像 | HyperKvasir数据集 |