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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
641 | 2024-09-07 |
Role of Drone Technology Helping in Alleviating the COVID-19 Pandemic
2022-Sep-25, Micromachines
IF:3.0Q2
DOI:10.3390/mi13101593
PMID:36295946
|
研究论文 | 本文探讨了无人机技术在缓解COVID-19大流行中的作用 | 本文提出了无人机在运输医疗物资、喷洒消毒剂、广播通信、监控和筛查感染患者等方面的创新应用 | 本文未详细讨论无人机技术在实际应用中的技术挑战和成本问题 | 研究无人机技术在应对COVID-19大流行中的潜力 | 无人机技术在医疗领域的应用及其优缺点 | NA | COVID-19 | 无人机技术 | NA | NA | NA |
642 | 2024-09-07 |
Deep Learning Techniques for the Effective Prediction of Alzheimer's Disease: A Comprehensive Review
2022-Sep-23, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10101842
PMID:36292289
|
综述 | 本文深入探讨了使用深度学习技术进行阿尔茨海默病识别和诊断的各种方法及其应用 | 本文综述了深度学习技术在阿尔茨海默病识别和诊断中的最新进展和应用 | NA | 探讨深度学习技术在阿尔茨海默病识别和诊断中的应用 | 阿尔茨海默病及其诊断方法 | 机器学习 | 神经退行性疾病 | 深度学习 | 神经网络 | 脑信号 | NA |
643 | 2024-09-07 |
Applying Deep Learning to Establish a Total Hip Arthroplasty Radiography Registry: A Stepwise Approach
2022-09-21, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.21.01229
PMID:35866648
|
研究论文 | 本文介绍了一种利用深度学习技术自动建立全髋关节置换术(THA)患者骨盆和髋部X光影像注册库的方法 | 开发了一系列高精度的深度学习算法,能够快速筛选和标注THA患者的X光影像,显著提高了注册库的建立效率 | 研究仅限于特定机构的数据,未提及算法在其他数据集上的泛化能力 | 利用深度学习技术自动建立和标注THA患者的骨盆和髋部X光影像注册库 | 全髋关节置换术患者的骨盆和髋部X光影像 | 计算机视觉 | NA | 深度学习 | EfficientNetB3分类器和YOLOv5目标检测器 | 影像 | 846,988张骨盆和髋部X光影像,来自20,378名患者 |
644 | 2024-09-07 |
ACF: An Armed CCTV Footage Dataset for Enhancing Weapon Detection
2022-Sep-21, Sensors (Basel, Switzerland)
DOI:10.3390/s22197158
PMID:36236253
|
研究论文 | 本文介绍了一种基于图像分块的深度学习方法,用于在CCTV视频中检测小型武器 | 提出了一个名为ACF的自收集CCTV视频数据集,并使用图像分块方法显著提高了武器检测的mAP | 实验仅在公开的Mock Attack数据集上进行评估,未提及在实际场景中的应用效果 | 提高CCTV视频中武器检测的准确性 | CCTV视频中的小型武器 | 计算机视觉 | NA | 深度学习 | SSD MobileNet V2 | 视频 | 自收集的ACF数据集包含行人携带手枪和刀具的模拟CCTV视频,用于不同场景 |
645 | 2024-09-07 |
Stacked dilated convolutions and asymmetric architecture for U-Net-based medical image segmentation
2022-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.105891
PMID:35932729
|
研究论文 | 本文探讨了基于U-Net的医学图像分割网络的改进方法,提出了堆叠扩张卷积和非对称结构 | 引入了堆叠扩张卷积操作,输出多尺度感受野特征图,以及非对称结构,减少了解码器路径的通道数 | 未提及 | 改进U-Net及其变体的性能,减少模型参数 | 医学图像分割 | 计算机视觉 | NA | 堆叠扩张卷积 | U-Net | 图像 | 使用了公开和私有数据集 |
646 | 2024-09-07 |
Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study
2022-09, The Lancet. Digital health
DOI:10.1016/S2589-7500(22)00129-7
PMID:36028289
|
研究论文 | 本文研究了深度学习算法在非小细胞肺癌放疗靶区勾画中的临床验证 | 本文提出了一个临床验证策略,并发现模型在几何分割指标上表现良好,但在临床实用性上可能存在差异 | 本文主要集中在几何分割指标的验证,未充分探讨模型在临床实用性上的表现 | 验证深度学习模型在非小细胞肺癌放疗靶区勾画中的临床应用 | 非小细胞肺癌肿瘤和淋巴结的CT图像分割 | 计算机视觉 | 肺癌 | 深度学习 | NA | 图像 | 2208名患者,其中787名用于模型发现,1421名用于模型验证,28名用于最终用户测试 |
647 | 2024-09-07 |
Unsupervised Deep Learning for Stroke Lesion Segmentation on Follow-up CT Based on Generative Adversarial Networks
2022-08, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7582
PMID:35902122
|
研究论文 | 本文开发并评估了一种基于生成对抗网络的无监督深度学习方法,用于在随访NCCT扫描中分割脑卒中病变 | 本文首次采用无监督的生成对抗网络进行脑卒中病变分割,无需手动标注病变 | 对于出血性病变和出血性转化的分割效果较差 | 开发和评估一种无监督的生成对抗网络,用于自动分割随访NCCT扫描中的脑卒中病变 | 脑卒中病变(包括梗死和出血性病变)的分割 | 计算机视觉 | 脑卒中 | 生成对抗网络 | 生成对抗网络 | 图像 | 820名急性缺血性脑卒中患者的基础和随访NCCT扫描 |
648 | 2024-09-07 |
Incorporating causality in energy consumption forecasting using deep neural networks
2022-Jul-30, Annals of operations research
IF:4.4Q1
DOI:10.1007/s10479-022-04857-3
PMID:35967838
|
研究论文 | 本文提出了一种结合因果关系的长短期记忆网络用于能源消耗预测 | 引入了因果关系信息到深度学习架构中,称为纠缠长短期记忆网络,并展示了其在能源消耗预测中的优越性 | NA | 改进能源消耗预测方法,提高预测准确性 | 能源消耗和天气数据 | 机器学习 | NA | 深度学习 | 纠缠长短期记忆网络 | 数据集 | 三个数据集 |
649 | 2024-09-07 |
Differentiation and classification of bacterial endotoxins based on surface enhanced Raman scattering and advanced machine learning
2022-Jun-23, Nanoscale
IF:5.8Q1
DOI:10.1039/d2nr01277d
PMID:35686584
|
研究论文 | 本文利用表面增强拉曼散射(SERS)和先进的机器学习算法对细菌内毒素进行区分和分类 | 本文首次将SERS技术与多种机器学习算法结合,包括改进的深度学习算法RamanNet,实现了对细菌内毒素的高精度分类 | NA | 开发一种高精度的细菌内毒素分类方法,用于快速医疗诊断和治疗决策 | 11种细菌内毒素 | 机器学习 | NA | 表面增强拉曼散射(SERS) | 支持向量机、k近邻、随机森林、RamanNet | 光谱数据 | 11种细菌内毒素,平均检测量为8.75 pg每测量 |
650 | 2024-09-07 |
Trans-channel fluorescence learning improves high-content screening for Alzheimer's disease therapeutics
2022-Jun, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-022-00490-8
PMID:36276634
|
研究论文 | 本文介绍了一种深度学习方法,通过跨通道荧光学习来改进阿尔茨海默病治疗药物的高内涵筛选 | 提出了一种新的机器学习方法,能够从相关标记中准确生成预测的荧光信号,并应用于阿尔茨海默病和癌症数据集,展示了其通用性 | NA | 改进药物筛选方法,提高生物活性化合物选择的效率 | 阿尔茨海默病治疗药物和癌症相关化合物 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | NA | 图像 | 两个生物学上不同的数据集 |
651 | 2024-09-07 |
A Comprehensive Review of High Throughput Phenotyping and Machine Learning for Plant Stress Phenotyping
2022-Jun, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-022-00048-z
PMID:36939773
|
综述 | 本文综述了高通量表型分析和机器学习在植物胁迫表型分析中的应用 | 本文介绍了机器学习和深度学习在处理高通量表型分析产生的大数据集中的应用,并探讨了其在植物育种和病理学活动中的潜力 | 本文指出了当前高通量表型分析技术在数据处理和解释方面面临的挑战,并提出了未来研究的方向 | 探讨机器学习和深度学习在植物胁迫表型分析中的应用,并评估其优势和局限性 | 植物在不同发育阶段的生物和非生物胁迫 | 机器学习 | NA | 高通量表型分析 | 机器学习模型和深度学习模型 | 图像数据 | NA |
652 | 2024-09-07 |
Estimating muscle activation from EMG using deep learning-based dynamical systems models
2022-05-19, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ac6369
PMID:35366649
|
研究论文 | 本文提出了一种基于深度学习动态系统模型的方法,用于从肌电图(EMG)信号中估计肌肉激活 | 本文采用了AutoLFADS,一种大规模无监督深度学习方法,最初设计用于去噪皮层尖峰数据,以估计多肌肉EMG信号中的肌肉激活 | NA | 研究运动神经控制,估计在各种行为条件下肌肉的激活情况 | 肌肉激活的潜在神经命令信号 | 机器学习 | NA | 深度学习 | 循环神经网络 | 肌电图信号 | 涉及大鼠后肢和猴子前臂肌肉活动 |
653 | 2024-09-07 |
Transfer Learning-Based Model for Diabetic Retinopathy Diagnosis Using Retinal Images
2022-Apr-22, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci12050535
PMID:35624922
|
研究论文 | 本文提出了一种基于迁移学习的糖尿病视网膜病变诊断模型,使用眼底图像进行分类 | 利用预训练的VGGNet网络结合迁移学习方法,通过数据增强操作处理数据不足和不平衡问题,提高了分类性能 | 未提及具体限制 | 开发一种自动化的糖尿病视网膜病变诊断方法,以早期检测和分类减少视觉障碍 | 糖尿病视网膜病变及其在眼底图像中的分类 | 计算机视觉 | 糖尿病 | 迁移学习 | VGGNet | 图像 | 使用基准数据集进行评估,未提及具体样本数量 |
654 | 2024-09-07 |
A cognitive framework based on deep neural network for classification of coronavirus disease
2022-Feb-13, Journal of ambient intelligence and humanized computing
DOI:10.1007/s12652-022-03756-6
PMID:35194472
|
研究论文 | 本文提出了一种基于深度神经网络的认知框架,用于冠状病毒疾病的分类 | 本文提出了一种混合模型,使用胸部X光图像早期识别冠状病毒疑似患者,并采用SQueezeNet模型进行分类,实验结果显示平均准确率达到97.8% | NA | 诊断和预防冠状病毒的传播 | 冠状病毒疾病 | 计算机视觉 | 冠状病毒疾病 | 深度学习 | SQueezeNet | 图像 | NA |
655 | 2024-09-07 |
An End-To-End Pipeline for Fully Automatic Morphological Quantification of Mouse Brain Structures From MRI Imagery
2022, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2022.865443
PMID:36304320
|
研究论文 | 本文开发了一种端到端的自动化管道,用于从MRI图像中量化小鼠大脑结构的形态学特征 | 提出了DeepBrainIPP,一种基于深度学习的脑图像处理管道,改进了颅骨剥离和数据增强策略,并直接分割小脑的小结构 | NA | 开发一种自动化的方法来量化小鼠大脑结构的形态学特征 | 小鼠大脑的MRI图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 172个原始图像,通过数据增强扩展到4040个样本 |
656 | 2024-09-07 |
Towards a better understanding of annotation tools for medical imaging: a survey
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-12100-1
PMID:35350630
|
综述 | 本文综述了当前可用的医学影像标注工具,包括其图形用户界面和支持工具的描述 | 本文提供了对流行标注工具的深入回顾,并展示了它们在标注医学影像数据集中的成功应用 | NA | 旨在更好地理解医学影像标注工具,并为研究人员提供指导 | 医学影像标注工具及其在数据集标注中的应用 | 计算机视觉 | NA | 深度学习和机器学习 | NA | 图像 | NA |
657 | 2024-09-07 |
Deep learning in multimedia healthcare applications: a review
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-022-00948-0
PMID:35645465
|
综述 | 本文综述了基于多媒体数据的深度学习技术在医疗保健应用中的发展现状 | 本文系统性地总结了深度学习在医疗保健领域的应用,特别是利用多媒体数据进行诊断、预测和治疗的创新方法 | 本文主要集中在综述现有研究,未提出新的技术或模型 | 探讨深度学习技术在医疗保健领域的应用,特别是利用多媒体数据进行诊断、预测和治疗 | 多媒体数据,包括图像、视频、音频和文本 | 机器学习 | NA | 深度学习 | NA | 多媒体数据 | NA |
658 | 2024-09-07 |
Exploring the Deep-Learning Techniques in Detecting the Presence of Coronavirus in the Chest X-Ray Images: A Comprehensive Review
2022, Archives of computational methods in engineering : state of the art reviews
IF:9.7Q1
DOI:10.1007/s11831-022-09768-x
PMID:35645554
|
综述 | 本文综述了利用深度学习技术在胸部X光图像中检测冠状病毒存在的研究 | 本文总结了多种传统和预训练的深度学习方法,这些方法被开发用于减少COVID-19疾病的传播 | NA | 探讨深度学习技术在冠状病毒检测中的应用 | 胸部X光图像中的冠状病毒检测 | 计算机视觉 | 冠状病毒 | 深度学习 | CNN | 图像 | NA |
659 | 2024-09-07 |
Combating multimodal fake news on social media: methods, datasets, and future perspective
2022, Multimedia systems
IF:3.5Q1
DOI:10.1007/s00530-022-00966-y
PMID:35818516
|
综述 | 本文综述了利用深度学习技术对抗社交媒体上的多模态假新闻的现状 | 本文首次全面探讨了多模态假新闻检测的技术和数据集,并提出了未来的研究方向 | 目前可用的多模态数据集有限,限制了研究的深入 | 探讨如何利用深度学习技术有效检测社交媒体上的多模态假新闻 | 社交媒体上的多模态假新闻 | 自然语言处理 | NA | 深度学习 | NA | 多模态数据 | NA |
660 | 2024-09-07 |
Automatic segmentation of COVID-19 from computed tomography images using modified U-Net model-based majority voting approach
2022, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-07653-z
PMID:35968248
|
研究论文 | 本文提出了一种基于改进U-Net模型和多数投票方法的自动分割COVID-19肺部CT图像的深度学习方法 | 本文创新性地修改了U-Net模型的编码器部分,结合了VGG16、ResNet101、DenseNet121、InceptionV3和EfficientNetB5深度学习模型,并通过多数投票原则整合结果 | NA | 研究目的是通过深度学习和分割技术自动检测COVID-19肺部CT图像 | 研究对象是COVID-19肺部CT图像 | 计算机视觉 | COVID-19 | 深度学习 | U-Net | 图像 | COVID-19分割测试数据集 |