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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1401 | 2024-08-25 |
Artificial Intelligence-Enabled Electrocardiogram Estimates Left Atrium Enlargement as a Predictor of Future Cardiovascular Disease
2022-Feb-19, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm12020315
PMID:35207802
|
研究论文 | 本研究开发了一种基于深度学习模型(DLM)的ECG系统,用于识别左心房扩大(LAE)患者,并评估其对未来心血管疾病的预测价值 | 本研究首次使用深度学习模型(DLM)通过ECG数据识别LAE,并发现ECG-LAE比ECHO-LAE具有更高的预测价值 | NA | 开发一种新的工具,通过ECG数据预测左心房扩大(LAE)及其相关心血管疾病 | ECG记录与相应的心脏超声(ECHO)数据 | 机器学习 | 心血管疾病 | 深度学习模型(DLM) | DLM | ECG数据 | 开发集101,077份ECG,调整集20,510份ECG,内部验证集7,611份ECG,外部验证集11,753份ECG |
1402 | 2024-08-25 |
PyUUL provides an interface between biological structures and deep learning algorithms
2022-02-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-28327-3
PMID:35181656
|
研究论文 | 本文介绍了一个名为PyUUL的库,该库能够将生物结构转换为3D张量,以便直接应用先进的深度学习算法 | PyUUL库的创新之处在于它提供了一个接口,将生物结构与机器学习方法连接起来,使得现代神经网络架构的应用变得可行 | NA | 旨在解决结构生物信息学中缺乏生物结构与机器学习方法之间接口的问题 | 生物结构和深度学习算法 | 计算机视觉 | NA | 深度学习算法 | 神经网络 | 3D张量 | NA |
1403 | 2024-08-25 |
COVID-19 Detection in CT/X-ray Imagery Using Vision Transformers
2022-Feb-18, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm12020310
PMID:35207797
|
研究论文 | 本文提出了一种使用Vision Transformer架构的深度学习框架,用于通过CT和X射线图像检测COVID-19 | 采用Vision Transformer架构和Siamese编码器处理原始及增强图像,提高了检测性能 | 未提及具体限制 | 开发一种高效的深度学习方法,用于通过医学影像检测COVID-19 | COVID-19的CT和X射线图像 | 计算机视觉 | COVID-19 | NA | Vision Transformer | 图像 | 使用公共CT和X射线数据集进行评估 |
1404 | 2024-08-25 |
A Transfer Learning Framework with a One-Dimensional Deep Subdomain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions
2022-Feb-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22041624
PMID:35214528
|
研究论文 | 本文提出了一种基于一维轻量级深度子域自适应网络的迁移学习框架,用于不同工作条件下滚动轴承故障诊断 | 提出了一种一维轻量级深度子域自适应网络(1D-LDSAN),使用局部最大均值差异(LMMD)匹配源域和目标域数据的概率分布,提高了分类准确性 | NA | 提高滚动轴承故障诊断在不同工作条件下的准确性和速度 | 滚动轴承故障诊断 | 机器学习 | NA | 一维轻量级卷积神经网络 | CNN | 振动信号 | 使用了Case Western Reserve University(CWRU)数据集中的轴承数据 |
1405 | 2024-08-25 |
Use of a deep learning and random forest approach to track changes in the predictive nature of socioeconomic drivers of under-5 mortality rates in sub-Saharan Africa
2022-Feb-17, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2021-049786
PMID:35177443
|
研究论文 | 本研究使用机器学习算法追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化 | 本研究展示了深度生存神经网络模型在预测5岁以下儿童死亡率方面的效率 | NA | 追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化 | 撒哈拉以南非洲地区的5岁以下儿童死亡率及其社会经济驱动因素 | 机器学习 | NA | 机器学习算法 | 深度生存神经网络 | 数据集 | 总共分析了来自11个数据集的85,688名儿童 |
1406 | 2024-08-25 |
LIM Tracker: a software package for cell tracking and analysis with advanced interactivity
2022-02-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06269-6
PMID:35177675
|
研究论文 | 本文介绍了一种名为LIM Tracker的细胞追踪软件,该软件具有传统追踪功能、基于模式匹配的序列搜索型追踪功能和手动追踪功能,并支持深度学习识别功能 | LIM Tracker软件集成了高度交互和联锁的数据可视化方法,实时显示分析结果,并支持深度学习识别功能,适用于多种目标追踪 | NA | 开发一种用户友好且具有高度通用性的细胞追踪软件 | 细胞追踪和分析 | 计算机视觉 | NA | 深度学习 | DL | 图像 | NRK-52E/EKAREV-NLS细胞、MCF-10A/H2B-iRFP-P2A-mScarlet-I-hGem-P2A-PIP-NLS-mNeonGreen细胞、Glioblastoma-astrocytoma U373细胞 |
1407 | 2024-08-25 |
Artificial intelligence enabled automated diagnosis and grading of ulcerative colitis endoscopy images
2022-02-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06726-2
PMID:35177717
|
研究论文 | 本文研究了使用深度学习卷积神经网络(CNN)对溃疡性结肠炎(UC)内镜图像进行自动诊断和分级 | 首次比较了多种CNN架构在8000张标记内镜图像上的表现,并使用Gradient-weighted Class Activation Maps(Grad-CAM)提高了模型的可视化解释性 | NA | 旨在提高溃疡性结肠炎内镜评估的客观性和可重复性 | 溃疡性结肠炎的内镜图像 | 计算机视觉 | 溃疡性结肠炎 | 深度学习 | CNN | 图像 | 8000张标记内镜图像 |
1408 | 2024-08-25 |
Automatic Colorectal Cancer Screening Using Deep Learning in Spatial Light Interference Microscopy Data
2022-02-17, Cells
IF:5.1Q2
DOI:10.3390/cells11040716
PMID:35203365
|
研究论文 | 本文利用空间光干涉显微镜(SLIM)和深度学习算法mask R-CNN,实现了结直肠癌的自动筛查 | 采用无标记的空间光干涉显微镜技术,减少了人为偏差,并使成像数据在不同仪器和诊所间具有可比性 | NA | 开发一种自动化的结直肠癌筛查方法,以提高病理诊断的准确性和效率 | 结直肠癌组织样本 | 数字病理学 | 结直肠癌 | 空间光干涉显微镜(SLIM) | mask R-CNN | 图像 | 132名患者的组织微阵列样本 |
1409 | 2024-08-25 |
Localization and Edge-Based Segmentation of Lumbar Spine Vertebrae to Identify the Deformities Using Deep Learning Models
2022-Feb-17, Sensors (Basel, Switzerland)
DOI:10.3390/s22041547
PMID:35214448
|
研究论文 | 本文介绍了使用深度学习模型进行腰椎定位和基于边缘的分割,以识别脊柱畸形 | 采用YOLOv5进行快速轻量级的物体检测,结合HED U-Net进行分割和边缘检测,提高了诊断的准确性和效率 | NA | 开发自动化方法帮助临床医生评估疾病的严重程度,减少手动诊断的差异和变异性 | 腰椎定位和分割,以及脊柱畸形的诊断 | 计算机视觉 | 脊柱疾病 | YOLOv5, HED U-Net, Harris corner detector | YOLOv5, HED U-Net | 图像 | NA |
1410 | 2024-08-25 |
A Graph Neural Network with Spatio-Temporal Attention for Multi-Sources Time Series Data: An Application to Frost Forecast
2022-Feb-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22041486
PMID:35214389
|
research paper | 本研究提出了一种具有时空架构的图神经网络GRAST-Frost,用于预测最低温度和霜冻发生情况 | 该模型在处理多源时间序列数据时考虑了空间和时间关系,并在预测性能上超越了传统的时序预测方法 | NA | 提高霜冻预测的准确性 | 最低温度和霜冻发生情况 | machine learning | NA | graph neural network (GNN) | GNN with spatio-temporal architecture | time series | 10个临近的气象站数据 |
1411 | 2024-08-25 |
Quantitative Analysis of Radiation-Associated Parenchymal Lung Change
2022-Feb-14, Cancers
IF:4.5Q1
DOI:10.3390/cancers14040946
PMID:35205693
|
研究论文 | 本文提出了一种新的辐射诱导肺损伤(RILD)的实质特征分类系统,并开发了一个深度学习网络来自动划分五种类型的实质纹理,量化放射治疗后各类实质体积的变化 | 本文创新地使用深度学习网络自动划分肺实质纹理,并量化放射治疗后实质体积的变化,以详细描述肺实质在放射治疗后24个月内的演变 | NA | 研究放射治疗后肺实质的形态和功能演变 | 放射治疗后的肺实质变化 | 计算机视觉 | 肺癌 | 深度学习 | 深度学习网络 | CT扫描图像 | 46名接受化学放射治疗非小细胞肺癌的临床试验参与者 |
1412 | 2024-08-25 |
A Comprehensive Analysis of Recent Deep and Federated-Learning-Based Methodologies for Brain Tumor Diagnosis
2022-Feb-13, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm12020275
PMID:35207763
|
review | 本文综述了使用联邦学习和深度学习方法进行脑瘤诊断的最新研究 | 探讨了深度学习和联邦学习方法在脑瘤诊断中的性能和准确性 | 讨论了该领域的开放问题和挑战 | 评估深度学习和联邦学习方法在脑瘤诊断过程中的准确性 | 脑瘤诊断 | machine learning | 脑瘤 | NA | 深度学习, 联邦学习 | NA | NA |
1413 | 2024-08-25 |
fMRI Brain Decoding and Its Applications in Brain-Computer Interface: A Survey
2022-Feb-07, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci12020228
PMID:35203991
|
综述 | 本文综述了基于机器学习和深度学习算法的脑活动解码模型及其在脑-机接口(BCI)中的应用 | 介绍了变分自编码器(VAE)、生成对抗网络(GAN)和图卷积网络(GCN)等高关注度的脑活动解码模型 | 讨论了现有挑战和未来研究方向 | 探讨脑神经活动解码技术及其在BCI中的应用 | 脑活动解码模型及其在心理和精神疾病治疗中的应用 | 神经科学 | 心理和精神疾病 | 功能磁共振成像(fMRI) | 变分自编码器(VAE)、生成对抗网络(GAN)、图卷积网络(GCN) | 图像 | NA |
1414 | 2024-08-25 |
Predicting neuropsychiatric symptoms of persons with dementia in a day care center using a facial expression recognition system
2022-02-03, Aging
DOI:10.18632/aging.203869
PMID:35113806
|
研究论文 | 研究利用人工智能面部表情识别系统预测痴呆症患者的神经精神症状 | 首次探索了基于人工智能的面部表情识别系统在预测痴呆症患者行为和心理症状中的应用 | 样本量较小,仅包括23名痴呆症患者 | 探索人工智能面部表情识别系统在预测痴呆症患者行为和心理症状中的潜力 | 痴呆症患者的行为和心理症状 | 机器学习 | 痴呆症 | 面部表情识别系统 | 深度学习模型 | 面部表情数据 | 23名痴呆症患者 |
1415 | 2024-08-25 |
ProALIGN: Directly Learning Alignments for Protein Structure Prediction via Exploiting Context-Specific Alignment Motifs
2022-02, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2021.0430
PMID:35073170
|
研究论文 | 本文介绍了一种名为ProALIGN的新型深度学习方法,用于预测蛋白质序列与模板之间更准确的比对 | ProALIGN通过利用上下文特定的比对基序,使用深度卷积神经网络直接从查询蛋白质及其模板预测最佳比对,有效减少了传统手工评分函数中的不准确性 | NA | 提高蛋白质结构预测中序列与模板比对的准确性 | 蛋白质序列与模板之间的比对 | 机器学习 | NA | 深度卷积神经网络 | CNN | 序列数据 | 6688个蛋白质比对目标和80个CASP13 TBM目标 |
1416 | 2024-08-25 |
Identifying the Retinal Layers Linked to Human Contrast Sensitivity Via Deep Learning
2022-02-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.63.2.27
PMID:35179554
|
研究论文 | 本研究通过深度学习方法识别与人类对比敏感度相关的视网膜层 | 首次通过深度学习模型确定视网膜层中与对比敏感度相关的关键特征,特别是神经节细胞层和内丛状层的厚度 | NA | 旨在通过深度学习识别与人类对比敏感度相关的视网膜层及其特征 | 视网膜层与人类对比敏感度的关系 | 计算机视觉 | NA | 光学相干断层扫描 | 卷积神经网络 | 图像 | 225名受试者,包括青光眼、年龄相关性黄斑变性或正常视力的个体 |
1417 | 2024-08-25 |
Anatomically informed deep learning on contrast-enhanced cardiac magnetic resonance imaging for scar segmentation and clinical feature extraction
2022-Feb, Cardiovascular digital health journal
IF:2.6Q2
DOI:10.1016/j.cvdhj.2021.11.007
PMID:35265930
|
研究论文 | 本文开发并验证了一种深度神经网络,用于自动且解剖学上准确的专家级对比增强心脏磁共振成像(LGE-CMR)的心肌和瘢痕/纤维化分割,允许直接计算临床指标 | 使用了一种新颖的三阶段神经网络,能够识别左心室(LV)感兴趣区域(ROI),并将ROI分割为存活心肌和增强区域,并通过后处理分割结果来强制符合解剖学约束 | NA | 开发一种新颖的深度学习解决方案,用于分析对比增强的心脏磁共振成像(CMR)图像,生成解剖学上准确的心肌和瘢痕/纤维化分割,并利用这些分割计算临床感兴趣的特征 | 对比增强心脏磁共振成像(LGE-CMR)图像的心肌和瘢痕/纤维化分割 | 计算机视觉 | 心血管疾病 | 深度学习 | 神经网络 | 图像 | 155例2维LGE-CMR患者扫描(1124切片)和246例合成“LGE样”扫描(1360切片) |
1418 | 2024-08-25 |
Content aware multi-focus image fusion for high-magnification blood film microscopy
2022-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.448280
PMID:35284186
|
研究论文 | 本文介绍了一种基于深度学习的内容感知多焦点图像融合方法,用于扩展高倍放大显微镜的景深 | 提出了一种新的内容感知多焦点图像融合方法,基于深度学习技术,有效扩展了高倍放大显微镜的景深 | NA | 加速生物学研究和改善病理临床流程 | 高倍放大血液涂片显微镜图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 三个示例 |
1419 | 2024-08-25 |
A Comparison of Infectious Disease Forecasting Methods across Locations, Diseases, and Time
2022-Jan-29, Pathogens (Basel, Switzerland)
DOI:10.3390/pathogens11020185
PMID:35215129
|
研究论文 | 本研究比较了统计学、机器学习和深度学习方法在不同国家和时间段内预测三种传染病(弯曲杆菌病、伤寒和Q热)的性能 | 本研究展示了机器学习方法在整合广泛因素方面比传统统计方法更准确地预测各种传染病的能力 | 研究中提到某些情况下统计学或深度学习模型在特定子集(如病例数非常低的伤寒)的误差指标略小 | 比较不同预测方法在传染病预测中的性能 | 三种传染病(弯曲杆菌病、伤寒和Q热) | 机器学习 | NA | 机器学习(ML)和深度学习(DL) | 极端梯度提升树(XGB)、随机森林(RF)、多层感知器和编码器-解码器模型 | 公共数据集(景观、气候和社会经济因素) | 七个不同国家的地区级数据(2009-2017年) |
1420 | 2024-08-25 |
Automatic Identification of Bioprostheses on X-ray Angiographic Sequences of Transcatheter Aortic Valve Implantation Procedures Using Deep Learning
2022-Jan-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12020334
PMID:35204425
|
研究论文 | 本文提出使用U-Net架构自动分割血管造影图像中的经导管心脏瓣膜(THV),并研究其超参数对分割质量的影响 | 引入了两个新的评价指标,更适当地评估了数据集类别不平衡情况下的结果质量 | NA | 研究自动分割血管造影图像中THV的方法及其超参数对分割质量的影响 | 经导管心脏瓣膜(THV)的自动分割 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net | 图像 | 不同类型的血管造影图像帧 |