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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1121 | 2024-08-30 |
Hybrid and Deep Learning Approach for Early Diagnosis of Lower Gastrointestinal Diseases
2022-May-27, Sensors (Basel, Switzerland)
DOI:10.3390/s22114079
PMID:35684696
|
研究论文 | 本文提出了一种混合和深度学习方法,用于早期诊断下消化道疾病 | 研究中开发了多种多方法学系统,每个系统包含多种诊断方法,如使用人工神经网络(ANN)、前馈神经网络(FFNN)、局部二值模式(LBP)、灰度共生矩阵(GLCM)、模糊颜色直方图(FCH)算法以及预训练的CNN模型(GoogLeNet和AlexNet)进行特征提取和分类 | NA | 旨在通过早期检测肿瘤类型来提高患者的生存率 | 下消化道疾病,包括出血、溃疡、息肉和恶性肿瘤 | 机器学习 | 消化系统疾病 | 人工神经网络(ANN)、前馈神经网络(FFNN)、局部二值模式(LBP)、灰度共生矩阵(GLCM)、模糊颜色直方图(FCH)、卷积神经网络(CNN) | CNN、ANN、FFNN | 图像 | 5000帧视频帧 |
1122 | 2024-08-30 |
Intelligent Fault Detection and Classification Based on Hybrid Deep Learning Methods for Hardware-in-the-Loop Test of Automotive Software Systems
2022-May-27, Sensors (Basel, Switzerland)
DOI:10.3390/s22114066
PMID:35684686
|
研究论文 | 本文提出了一种基于混合深度学习方法的智能故障检测与分类模型,用于汽车软件系统的硬件在环测试 | 使用混合深度学习技术,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),提高了故障检测和分类的性能 | 研究中仅考虑了八种类型的传感器故障,可能未覆盖所有潜在故障 | 开发一种高效的基于历史数据集的故障检测与分类方法,以分析硬件在环测试过程中的记录 | 汽车软件系统的硬件在环测试中的故障检测与分类 | 机器学习 | NA | 深度学习 | CNN和LSTM | 传感器数据 | 八种类型的传感器故障数据 |
1123 | 2024-08-30 |
Explainable Vision Transformers and Radiomics for COVID-19 Detection in Chest X-rays
2022-May-26, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm11113013
PMID:35683400
|
研究论文 | 研究使用可解释的视觉变换器(ViT)和放射组学方法在胸部X光片上检测COVID-19 | 采用视觉变换器(ViT)模型,能够捕捉全局上下文,并有效识别COVID-19的迹象 | NA | 提高COVID-19检测的准确性和效率 | 胸部X光片(CXR)图像中的COVID-19、肺炎和正常病例 | 计算机视觉 | COVID-19 | 视觉变换器(ViT) | ViT | 图像 | 7598张COVID-19 CXR图像,8552张健康患者CXR图像,5674张肺炎CXR图像 |
1124 | 2024-08-30 |
Fast machine learning annotation in the medical domain: a semi-automated video annotation tool for gastroenterologists
2022-May-25, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-022-01001-x
PMID:35614504
|
研究论文 | 本文介绍了一种用于胃肠病学家的半自动化视频标注工具,旨在减少领域专家的工作量并提高标注速度 | 该框架通过让领域专家仅在病理序列的开始和结束处进行关键标注,然后由非专家标注者在机器学习的辅助下填补中间帧的标注,从而显著减少了专家的工作量 | NA | 开发一种能够减少医学领域专家在视频标注中工作量的半自动化工具 | 胃肠病学领域的视频数据标注 | 机器学习 | NA | NA | 对象检测模型 | 视频 | 10名参与者参与的前瞻性研究 |
1125 | 2024-08-30 |
Artificial Intelligence and Circulating Cell-Free DNA Methylation Profiling: Mechanism and Detection of Alzheimer's Disease
2022-05-25, Cells
IF:5.1Q2
DOI:10.3390/cells11111744
PMID:35681440
|
研究论文 | 本研究通过分析阿尔茨海默病(AD)患者的循环游离DNA(cfDNA)甲基化谱,利用六种人工智能(AI)平台进行AD诊断,并进行了富集分析以阐明AD的发病机制 | 首次报道使用cfDNA进行全基因组DNA甲基化研究以检测AD | NA | 探索阿尔茨海默病的病理生理机制,并开发新的诊断方法 | 阿尔茨海默病患者和认知正常的对照组的cfDNA | 机器学习 | 阿尔茨海默病 | DNA甲基化分析 | 深度学习(DL) | DNA | 3684个CpG位点 |
1126 | 2024-08-30 |
Added Value of Viscoelasticity for MRI-Based Prediction of Ki-67 Expression of Hepatocellular Carcinoma Using a Deep Learning Combined Radiomics (DLCR) Model
2022-May-24, Cancers
IF:4.5Q1
DOI:10.3390/cancers14112575
PMID:35681558
|
研究论文 | 本研究旨在探讨通过磁共振弹性成像(MRE)测量的粘弹性在基于深度学习结合放射组学(DLCR)模型预测肝细胞癌(HCC)Ki-67表达中的附加价值 | 本研究首次将MRE测量的粘弹性参数(剪切波速度和相位角)引入DLCR模型,显著提高了Ki-67表达预测的性能 | 本研究为回顾性研究,样本量相对较小,且未提及模型的泛化能力在其他类型癌症中的表现 | 探索MRE测量的粘弹性在DLCR模型中预测HCC Ki-67表达的附加价值 | 肝细胞癌(HCC)患者的Ki-67表达 | 机器学习 | 肝细胞癌 | 磁共振弹性成像(MRE) | CNN(卷积神经网络) | 图像 | 108名经组织病理学证实的HCC患者,分为训练组87人,测试组21人,独立验证组43人 |
1127 | 2024-08-30 |
A Deep Learning Method Approach for Sleep Stage Classification with EEG Spectrogram
2022-05-23, International journal of environmental research and public health
DOI:10.3390/ijerph19106322
PMID:35627856
|
研究论文 | 本文提出了一种基于脑电图(EEG)频谱图的深度学习方法,用于睡眠阶段分类 | 设计了一种名为EEGSNet的深度学习模型,结合多层卷积神经网络(CNN)和双向长短期记忆网络(Bi-LSTM),并使用高斯误差线性单元(GELU)作为CNN的激活函数,以提高模型的泛化能力 | NA | 提高睡眠阶段分类的准确性和效率 | 睡眠阶段的分类 | 机器学习 | NA | 脑电图(EEG) | CNN和Bi-LSTM | 频谱图 | 使用了四个公共数据库:Sleep-EDFX-8, Sleep-EDFX-20, Sleep-EDFX-78, 和SHHS |
1128 | 2024-08-30 |
Integration of Deep Learning Network and Robot Arm System for Rim Defect Inspection Application
2022-May-22, Sensors (Basel, Switzerland)
DOI:10.3390/s22103927
PMID:35632335
|
研究论文 | 本研究结合深度学习和卷积神经网络,利用eye-in-hand架构自动化检测电动汽车锻造铝轮毂的缺陷 | 采用生成对抗网络(GAN)和深度卷积生成对抗网络(DCGAN)生成额外图像以扩展训练数据集,并开发了基于YOLO算法的缺陷检测算法,提高了检测速度和平均精度 | NA | 实现工业规模制造中轮毂缺陷的自动化检测 | 电动汽车锻造铝轮毂的表面缺陷 | 计算机视觉 | NA | 卷积神经网络 | YOLO算法 | 3D图像 | 涉及四种表面缺陷类型:污点、油漆污渍、划痕和凹痕 |
1129 | 2024-08-30 |
COVLIAS 1.0Lesion vs. MedSeg: An Artificial Intelligence Framework for Automated Lesion Segmentation in COVID-19 Lung Computed Tomography Scans
2022-May-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12051283
PMID:35626438
|
研究论文 | 本文提出了一种人工智能框架COVLIAS 1.0Lesion,用于自动分割COVID-19肺部CT扫描中的病变区域 | 结合单一深度学习(DL)和混合深度学习(HDL)模型,提高了病变定位和分割的速度和准确性 | NA | 开发一种快速且准确的人工智能模型,用于自动分割COVID-19肺部CT扫描中的病变区域 | COVID-19肺部CT扫描中的病变区域 | 计算机视觉 | 肺部疾病 | 深度学习 | ResNet-UNet | 图像 | 3000张图像,来自40名COVID-19阳性患者 |
1130 | 2024-08-30 |
upU-Net Approaches for Background Emission Removal in Fluorescence Microscopy
2022-May-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8050142
PMID:35621906
|
研究论文 | 本文提出了一种基于U-Net架构的深度学习方法,用于去除荧光显微镜图像中的背景发射 | 本文创新性地使用Perlin噪声模型来模拟荧光现象,并提出了一种新的U-Net架构,能够有效去除荧光背景并同时对高斯和泊松噪声进行去噪 | NA | 研究目的是利用深度学习技术去除荧光显微镜图像中的背景发射 | 荧光显微镜图像中的背景发射 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 实际显微镜图像 |
1131 | 2024-08-30 |
Image Augmentation Techniques for Mammogram Analysis
2022-May-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging8050141
PMID:35621905
|
研究论文 | 本文调查了用于乳腺X线图像的不同数据增强技术,旨在提供基于基础学习和深度学习增强技术的见解 | 本文介绍了数据增强技术,通过利用各种变换增加训练集大小,以提高模型在新数据上的性能 | 由于隐私和法律问题,难以获得大型医学图像数据集,导致许多监督深度学习模型容易过拟合 | 探讨如何通过数据增强技术提高医学影像分析中深度学习模型的性能 | 乳腺X线图像 | 计算机视觉 | NA | 数据增强 | 深度学习 | 图像 | 大多数可自由访问的生物医学图像数据集规模较小 |
1132 | 2024-08-30 |
Deep Learning-Based Diagnosis of Alzheimer's Disease
2022-May-18, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm12050815
PMID:35629237
|
review | 本研究综述了使用深度学习技术在阿尔茨海默病诊断中的最新进展和趋势 | 深度学习技术在阿尔茨海默病诊断中显示出比传统机器学习模型更高的准确性 | 尽管深度学习在阿尔茨海默病诊断中显示出潜力,但仍存在一些挑战需要解决 | 探索深度学习在阿尔茨海默病诊断中的潜力 | 阿尔茨海默病 | machine learning | geriatric disease | deep learning | NA | NA | NA |
1133 | 2024-08-30 |
A New Look at the Spin Glass Problem from a Deep Learning Perspective
2022-May-14, Entropy (Basel, Switzerland)
DOI:10.3390/e24050697
PMID:35626580
|
研究论文 | 本文提出了一种使用定制深度神经网络计算受挫自旋玻璃模型热力学平均值的新方法 | 提出了模拟自旋晶格结构的特殊神经网络架构,提高了学习速度和预测准确性 | NA | 从深度学习角度重新审视自旋玻璃问题 | 自旋玻璃模型 | 机器学习 | NA | 深度神经网络 | 神经网络 | 图 | NA |
1134 | 2024-08-30 |
Leveraging Tweets for Artificial Intelligence Driven Sentiment Analysis on the COVID-19 Pandemic
2022-May-13, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare10050910
PMID:35628045
|
研究论文 | 本文提出了一种基于向日葵优化和深度学习驱动的情感分析与分类模型(SFODLD-SAC),用于分析COVID-19疫情期间的推文情感 | 该研究的创新点在于设计了包含向日葵算法(SFO)的SFODLD-SAC模型,用于优化级联循环神经网络(CRNN)模型的超参数,以提高情感分析的准确性 | NA | 研究目的是通过分析社交媒体上的用户生成内容,了解人们在COVID-19疫情期间的情感表达,从而辅助制定健康干预政策和意识提升活动 | 研究对象是COVID-19疫情期间的推文情感 | 自然语言处理 | NA | 自然语言处理(NLP)和深度学习(DL) | 级联循环神经网络(CRNN) | 文本 | 使用来自Kaggle仓库的基准数据集进行模拟分析 |
1135 | 2024-08-30 |
COVID-19 Spatio-Temporal Evolution Using Deep Learning at a European Level
2022-May-11, Sensors (Basel, Switzerland)
DOI:10.3390/s22103658
PMID:35632066
|
研究论文 | 本文研究使用深度学习方法准确模拟COVID-19传播的有效性,并考虑政策干预对传播的影响 | 提出了一种结合政策干预的深度学习模型,用于预测COVID-19的传播及特定政策措施的效果 | NA | 研究深度学习在欧洲层面模拟COVID-19时空演变的有效性 | COVID-19的传播及其政策干预效果 | 机器学习 | COVID-19 | 深度学习 | 深度学习模型 | 时空数据 | 欧洲各地区 |
1136 | 2024-08-30 |
An Intelligent ECG-Based Tool for Diagnosing COVID-19 via Ensemble Deep Learning Techniques
2022-May-05, Biosensors
DOI:10.3390/bios12050299
PMID:35624600
|
研究论文 | 本文介绍了一种基于心电图(ECG)数据的新型自动化诊断工具,用于诊断COVID-19,该工具利用十种不同架构的深度学习(DL)模型进行诊断 | 本研究引入了基于ECG数据的自动化诊断工具,并采用了混合特征选择方法和多级分类策略,提高了诊断准确性 | NA | 开发一种新的诊断工具,以提高COVID-19的诊断准确性并克服现有工具的局限性 | COVID-19的诊断 | 机器学习 | COVID-19 | 深度学习(DL) | 多种DL模型 | 心电图(ECG)数据 | 未具体说明 |
1137 | 2024-08-30 |
Multi-Classification of Breast Cancer Lesions in Histopathological Images Using DEEP_Pachi: Multiple Self-Attention Head
2022-May-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12051152
PMID:35626307
|
研究论文 | 本文介绍了使用DEEP_Pachi模型对乳腺癌病理图像进行多分类的方法 | 提出了一种结合DenseNet201和VGG16架构的DEEP_Pachi模型,有效提取全局和区域特征,提高分类准确性 | 未提及具体限制 | 开发一种新的深度学习模型,用于提高乳腺癌病理图像分类的准确性 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet201, VGG16 | 图像 | 使用了BreakHis和ICIAR 2018 Challenge数据集 |
1138 | 2024-08-30 |
Computational Saturation Mutagenesis to Investigate the Effects of Neurexin-1 Mutations on AlphaFold Structure
2022-04-28, Genes
IF:2.8Q2
DOI:10.3390/genes13050789
PMID:35627176
|
研究论文 | 本研究使用计算饱和诱变方法分析了AlphaFold预测的人类NRXN1结构中错义突变对蛋白质功能的影响 | 首次应用AlphaFold模型进行NRXN1蛋白质的结构预测,并结合实验结构进行比较分析,揭示了突变对蛋白质稳定性的影响 | 研究依赖于AlphaFold的预测结构,可能存在与实际结构的差异 | 探究NRXN1错义突变对蛋白质结构和功能的影响,以及这些突变与精神疾病(如精神分裂症和自闭症谱系障碍)的关联 | NRXN1蛋白质及其错义突变 | 生物信息学 | 精神疾病 | AlphaFold | 深度学习 | 蛋白质结构 | 29,540个突变 |
1139 | 2024-08-30 |
Predicting Breast Tumor Malignancy Using Deep ConvNeXt Radiomics and Quality-Based Score Pooling in Ultrasound Sequences
2022-Apr-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12051053
PMID:35626208
|
研究论文 | 本文提出了一种基于深度学习的放射组学方法,使用超声序列图像预测乳腺肿瘤的恶性程度 | 引入了一种基于ConvNeXt网络的放射组学特征提取方法,并提出了一种基于图像质量统计的恶性评分池化机制 | 现有CAD系统由于肿瘤大小和形状变化、边界不规则和模糊以及超声图像的低信噪比而导致准确性受限 | 提高乳腺肿瘤恶性程度预测的准确性 | 乳腺肿瘤的恶性程度 | 计算机视觉 | 乳腺癌 | ConvNeXt | CNN | 图像 | NA |
1140 | 2024-08-30 |
Using a Convolutional Neural Network and Convolutional Long Short-term Memory to Automatically Detect Aneurysms on 2D Digital Subtraction Angiography Images: Framework Development and Validation
2022-Mar-16, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/28880
PMID:35294371
|
研究论文 | 本研究开发并验证了一种使用卷积神经网络和卷积长短期记忆网络自动检测2D数字减影血管造影图像中动脉瘤的深度学习诊断系统 | 提出了一个两阶段的检测系统,包括区域定位阶段和颅内动脉瘤检测阶段,并构建了一个双输入+RetinaNet+卷积长短期记忆网络框架,该框架在动脉瘤检测性能上优于其他现有框架 | NA | 构建一个深度学习诊断系统以提高2D数字减影血管造影图像中后交通动脉动脉瘤的检测能力,并验证该系统的效率 | 2D数字减影血管造影图像中的后交通动脉动脉瘤 | 计算机视觉 | NA | 卷积神经网络,卷积长短期记忆网络 | CNN,LSTM | 图像 | 255名患有后交通动脉动脉瘤的患者和20名无动脉瘤的患者 |