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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
441 | 2024-10-04 |
Effect of Averaging Measurements From Multiple MRI Pulse Sequences on Kidney Volume Reproducibility in Autosomal Dominant Polycystic Kidney Disease
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28593
PMID:36645114
|
研究论文 | 研究通过使用多种MRI脉冲序列的平均测量值来提高常染色体显性多囊肾病(ADPKD)患者肾脏体积(TKV)测量的可重复性 | 利用人工智能算法自动分割肾脏,并在多个MRI脉冲序列上进行测量平均,显著提高了TKV测量的可重复性 | 研究样本量较小,且仅限于ADPKD患者 | 提高ADPKD患者肾脏体积测量的可重复性 | 常染色体显性多囊肾病患者的肾脏体积测量 | 计算机视觉 | 肾脏疾病 | MRI | 2D U-net | 图像 | 397名患者(356名ADPKD患者,41名非ADPKD患者),其中75%用于训练,25%用于验证,40名ADPKD患者用于测试,17名ADPKD患者用于评估可重复性 |
442 | 2024-10-04 |
DeepSWI: Using Deep Learning to Enhance Susceptibility Contrast on T2*-Weighted MRI
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28622
PMID:36733222
|
研究论文 | 使用深度学习从T2*加权磁共振图像生成合成SWI图像,并评估其与传统SWI图像的相似性和检测放射相关微出血的能力 | 提出了一种使用深度学习从T2*加权图像生成合成SWI图像的方法,提高了神经血管和微出血的磁敏感对比度,且无残留磁敏感伪影 | 研究样本量较小,且仅限于放射相关微出血的患者 | 开发一种从临床T2*加权图像生成合成SWI图像的工具,并评估其性能 | 放射相关微出血的成人患者 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 145名成人患者(87名男性/58名女性;平均年龄43.9岁),用于训练(16,093个补丁/121名患者)、验证(484个补丁/4名患者)和测试(2420个补丁/20名患者) |
443 | 2024-10-04 |
Pie-Net: Prior-information-enabled deep learning noise reduction for coronary CT angiography acquired with a photon counting detector CT
2023-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16411
PMID:37042049
|
研究论文 | 本文提出了一种利用低噪声虚拟单能图像作为先验信息,通过深度学习技术减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的方法 | 本文创新性地利用低噪声虚拟单能图像作为先验信息,通过Pie-Net神经网络实现了对高分辨率光子计数探测器CT图像的噪声减少,相比传统的U-net方法,Pie-Net在保持空间和光谱保真度的同时,显著提高了去噪性能 | 本文仅在10名患者的冠状动脉CT血管造影数据上进行了验证,样本量较小,可能影响结果的普适性 | 开发一种利用先验信息减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的深度学习技术 | 高分辨率光子计数探测器CT冠状动脉CT血管造影图像的噪声减少 | 计算机视觉 | 心血管疾病 | 光子计数探测器CT | 卷积神经网络 | 图像 | 10名患者的冠状动脉CT血管造影数据 |
444 | 2024-10-04 |
AI-based analysis of social media language predicts addiction treatment dropout at 90 days
2023-10, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-023-01585-5
PMID:37095253
|
研究论文 | 本文评估了基于AI的数字表型在预测物质使用障碍治疗中患者90天治疗结果的能力 | 使用社交媒体语言和BERT模型生成风险评分,预测治疗脱落概率 | 样本量较小,仅涉及269名患者 | 评估AI模型在预测物质使用障碍治疗中患者90天治疗结果的能力 | 接受物质使用障碍治疗的269名患者 | 机器学习 | 物质使用障碍 | BERT模型 | 双向编码器表示转换器(BERT) | 文本 | 269名患者 |
445 | 2024-10-04 |
Physics-Guided Deep Scatter Estimation by Weak Supervision for Quantitative SPECT
2023-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3270868
PMID:37104110
|
研究论文 | 本文提出了一种基于弱监督的物理引导深度散射估计框架,用于定量SPECT中的快速准确散射估计 | 使用100倍短的MC模拟作为弱标签,并通过深度神经网络增强,实现了快速且准确的散射估计,同时允许对新测试数据进行快速微调 | NA | 提高定量SPECT中图像对比度和准确性的散射估计 | 定量SPECT中的散射估计 | 计算机视觉 | NA | Monte-Carlo (MC) 模拟 | 深度神经网络 | 图像 | 训练数据包括18个XCAT模型,评估数据包括6个XCAT模型、4个虚拟患者模型、1个躯干模型和3个来自2名患者的临床扫描 |
446 | 2024-10-04 |
Direct synthesis of multi-contrast brain MR images from MR multitasking spatial factors using deep learning
2023-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29715
PMID:37246485
|
研究论文 | 开发了一种深度学习方法,用于从MR多任务空间因子合成脑部常规对比加权图像 | 提出了一种基于2D U-Net的神经网络,用于从MR多任务空间因子合成常规对比加权图像,相较于基于Bloch方程的合成方法,该方法在图像质量和定量评估方面表现更优 | NA | 开发一种深度学习技术,用于从MR多任务空间因子合成脑部常规对比加权图像 | 脑部常规对比加权图像的合成 | 计算机视觉 | NA | MR多任务序列 | U-Net | 图像 | 18名受试者 |
447 | 2024-10-04 |
Enhancement of Non-Linear Deep Learning Model by Adjusting Confounding Variables for Bone Age Estimation in Pediatric Hand X-rays
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00849-2
PMID:37268839
|
研究论文 | 本文研究了在非线性深度学习模型中调整混杂变量以提高儿童手部X光片骨龄估计的性能 | 首次探讨了在非线性深度学习模型中利用混杂变量进行骨龄估计 | 需要进一步研究不同临床设置下模型的性能和泛化能力 | 研究在非线性深度学习模型中调整混杂变量对骨龄估计的影响 | 儿童手部X光片的骨龄估计 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | RSNA数据集用于训练和内部验证,AMC数据集用于外部验证,共227张儿童手部X光片 |
448 | 2024-10-04 |
Performance of an automated deep learning algorithm to identify hepatic steatosis within noncontrast computed tomography scans among people with and without HIV
2023-10, Pharmacoepidemiology and drug safety
IF:2.4Q2
DOI:10.1002/pds.5648
PMID:37276449
|
研究论文 | 本文评估了一种基于深度学习算法(ALARM)在非对比腹部CT图像中自动识别肝脂肪变性的准确性,并与放射科医生的手动评估进行比较 | 开发了一种自动肝脏衰减区域兴趣测量(ALARM)算法,用于在非对比腹部CT图像中识别肝脂肪变性,这在以前的方法中尚未实现 | 样本量较小,仅包括120名患者,且未详细说明数据集的多样性 | 评估深度学习算法在非对比腹部CT图像中识别肝脂肪变性的准确性,并探讨其在HIV患者中的应用 | 非对比腹部CT图像中的肝脂肪变性,特别是HIV患者 | 计算机视觉 | 肝病 | 深度学习算法 | NA | 图像 | 120名患者,其中51名为HIV患者 |
449 | 2024-10-04 |
Deep learning-based Lorentzian fitting of water saturation shift referencing spectra in MRI
2023-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29718
PMID:37279008
|
研究论文 | 本文提出了一种基于深度学习的单洛伦兹拟合网络(sLoFNet),用于在磁共振成像(MRI)中快速且准确地分析水饱和位移参考(WASSR)Z谱 | sLoFNet在处理高噪声和低采样密度数据时表现出比传统最小二乘法(LS)更高的鲁棒性和更快的速度 | 尽管sLoFNet在噪声和采样密度方面表现优异,但在低噪声样本上与LS方法的性能相当 | 开发一种新的方法来提高WASSR Z谱分析的速度和准确性 | WASSR Z谱及其在化学交换饱和转移(CEST)MRI中的应用 | 计算机视觉 | NA | 磁共振成像(MRI) | 神经网络 | 信号数据 | 包括模拟数据和3T脑部扫描的体内数据 |
450 | 2024-10-04 |
Using Deep Learning to Detect the Presence and Location of Hemoperitoneum on the Focused Assessment with Sonography in Trauma (FAST) Examination in Adults
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00845-6
PMID:37286904
|
研究论文 | 本研究开发了一种深度学习算法,用于在创伤超声重点评估(FAST)检查中检测腹腔内出血的存在和位置 | 本研究的创新点在于使用YoloV3对象检测算法,显著提高了检测的敏感性、特异性、准确性和AUC,并展示了在定位方面的优势 | 本研究的局限性在于样本量相对较小,且仅限于成人患者 | 本研究旨在开发一种深度学习算法,帮助新手临床医生在FAST检查中准确解读图像 | 本研究的对象是94名成年患者的右上腹FAST检查图像,其中44名患者确诊为腹腔内出血 | 计算机视觉 | NA | 深度学习 | YoloV3 | 图像 | 94名成年患者,其中44名确诊为腹腔内出血 |
451 | 2024-10-04 |
A Multi-Stage Faster RCNN-Based iSPLInception for Skin Disease Classification Using Novel Optimization
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00848-3
PMID:37322306
|
研究论文 | 本文提出了一种基于多阶段Faster RCNN的iSPLInception方法,用于皮肤疾病分类,并使用新颖的优化算法提高分类效果 | 本文的创新点在于提出了多阶段Faster RCNN-based iSPLInception方法,并使用Inception-ResNet设计进行模型构建,同时采用草原犬鼠优化算法进行候选框删除,以提高分类效果 | 本文的局限性在于仅使用了两个皮肤疾病数据集进行实验,可能无法全面代表所有皮肤疾病的分类情况 | 本文的研究目的是提高皮肤疾病分类的准确性和效率 | 本文的研究对象是皮肤疾病,特别是良性和恶性肿瘤的分类 | 计算机视觉 | 皮肤癌 | 深度学习 | Faster RCNN, iSPLInception | 图像 | 使用了两个数据集,分别是ISIC 2019皮肤病变图像分类数据集和HAM10000数据集 |
452 | 2024-10-04 |
COVID-19 Severity Prediction from Chest X-ray Images Using an Anatomy-Aware Deep Learning Model
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00861-6
PMID:37369941
|
研究论文 | 本文提出了一种解剖学感知的深度学习模型,用于从胸部X光图像预测COVID-19的严重程度 | 该模型通过考虑人体解剖学信息,从X光图像中学习通用特征,并生成包括疾病级别特征和肺部参与评分的特征向量 | NA | 开发一种自动评估COVID-19严重程度的深度学习模型,特别是在缺乏专业放射科医生的低资源医院中 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | 解剖学感知深度学习模型 | 图像 | 使用了四个不同的开源数据集和一个内部注释的测试集进行训练和评估 |
453 | 2024-10-04 |
HCformer: Hybrid CNN-Transformer for LDCT Image Denoising
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00842-9
PMID:37386333
|
研究论文 | 本文提出了一种结合CNN和Transformer结构的混合模型HCformer,用于低剂量CT图像去噪 | HCformer结合了CNN的局部信息处理能力和Transformer的全局信息处理能力,通过设计邻域特征增强模块和移动窗口方法,降低了计算复杂度并提高了图像去噪效果 | NA | 开发一种图像后处理方法,减少低剂量CT扫描对患者的影响,提高图像质量 | 低剂量CT图像 | 计算机视觉 | NA | 深度学习 | 混合CNN-Transformer模型 | 图像 | 使用了AAPM 2016 LDCT挑战赛数据集进行实验 |
454 | 2024-10-04 |
Reproducibility of Deep Learning Algorithms Developed for Medical Imaging Analysis: A Systematic Review
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00870-5
PMID:37407841
|
综述 | 本文对医学影像分析领域中深度学习算法的可重复性进行了系统性回顾 | 本文首次系统性地评估了医学影像分析领域中深度学习算法的可重复性,并提供了相关研究的详细报告 | 本文仅限于对Journal of Digital Imaging期刊中2020年至2022年发表的论文进行分析,可能无法全面反映整个领域的可重复性问题 | 评估医学影像分析领域中深度学习算法的可重复性 | 2020年至2022年间在Journal of Digital Imaging期刊上发表的深度学习算法相关论文 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 148篇论文中筛选出80篇,其中5篇公开了代码,35篇使用了公开数据集 |
455 | 2024-10-04 |
Deep Learning-Based Skin Lesion Multi-class Classification with Global Average Pooling Improvement
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00862-5
PMID:37407845
|
研究论文 | 本文提出了一种基于深度学习的皮肤病变多分类方法,通过改进全局平均池化层来提高分类准确性 | 本文提出了一种新的深度卷积神经网络模型,结合全局平均池化和预处理技术,用于皮肤病变的准确识别和分类 | NA | 开发一种可靠的自动识别系统,用于皮肤癌的准确检测和分类 | 皮肤病变的多分类 | 计算机视觉 | 皮肤癌 | 深度学习 | 深度卷积神经网络 (DCNN) | 图像 | HAM10000数据集,包含7种不同类别的皮肤病变 |
456 | 2024-10-04 |
Evaluation of Neural Machine translation for conversion of International Classification of disease codes to the Abbreviated injury Scale
2023-Oct, Accident; analysis and prevention
DOI:10.1016/j.aap.2023.107183
PMID:37418869
|
研究论文 | 本文评估了神经机器翻译技术在将国际疾病分类代码转换为简明损伤量表中的应用 | 首次提出使用神经机器翻译技术进行医疗代码转换,并展示了其在预测损伤严重程度方面的优势 | 需要在外部数据库中进行验证 | 比较神经机器翻译模型与其他两种转换方法在确定损伤严重程度方面的准确性 | 国际疾病分类代码和简明损伤量表的转换 | 机器学习 | NA | 神经机器翻译 | 神经机器翻译模型 | 文本 | 来自美国国家创伤登记处的数据 |
457 | 2024-10-04 |
A Domain-Shift Invariant CNN Framework for Cardiac MRI Segmentation Across Unseen Domains
2023-10, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00873-2
PMID:37430062
|
研究论文 | 本文提出了一种跨域不变的卷积神经网络框架,用于心脏MRI图像分割 | 通过利用多序列心脏MRI的异质性,使现有的最先进架构在不同域之间具有更好的可迁移性 | 仅在特定的心脏MRI数据集上进行了验证,尚未在其他类型的医学图像上进行测试 | 提高深度学习模型在不同患者、不同MRI设备和不同成像条件下的泛化能力 | 心脏MRI图像的分割 | 计算机视觉 | 心血管疾病 | MRI | CNN | 图像 | 使用了多个公开数据集和一个私有数据集,包括MyoPS 2020数据集、AIIMS数据集和M&M数据集 |
458 | 2024-10-04 |
Automated detection and segmentation of pulmonary embolisms on computed tomography pulmonary angiography (CTPA) using deep learning but without manual outlining
2023-10, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102882
PMID:37482032
|
研究论文 | 本文介绍了一种基于深度学习的计算机算法,用于自动检测和分割CT肺动脉造影中的肺栓塞 | 该算法无需手动标注肺栓塞区域,通过自适应阈值和受限形态学操作识别可疑区域,并使用3D Recurrent Residual U-Net进行自动分割 | 该算法在独立测试集上的表现虽然有前景,但仍存在一定的误报率 | 开发一种无需手动标注的深度学习算法,用于自动检测和分割CT肺动脉造影中的肺栓塞 | CT肺动脉造影图像中的肺栓塞 | 计算机视觉 | 肺栓塞 | 深度学习 | 3D Recurrent Residual U-Net (R2-Unet) | 图像 | 91个CT肺动脉造影扫描图像 |
459 | 2024-10-04 |
The Number and Size of Individual Kidney Medullary Pyramids is Associated with Clinical Characteristics, Kidney Biopsy Findings, and CKD Outcomes among Kidney Donors
2023-10-01, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000000000203
PMID:37562061
|
研究论文 | 本文开发并验证了一种深度学习算法,用于快速、准确和可重复地分割肾脏髓质锥体,并探讨了锥体数量和大小与临床特征、肾活检结果及慢性肾脏病(CKD)结局的关系 | 首次使用深度学习算法自动分割肾脏髓质锥体,并研究其与临床特征和CKD结局的关联 | NA | 研究肾脏髓质锥体的数量和大小与临床特征、肾活检结果及CKD结局的关系 | 肾脏髓质锥体的数量和大小 | 数字病理学 | 慢性肾脏病 | 深度学习算法 | 深度学习模型 | 图像 | 2876名活体肾脏捐赠者 |
460 | 2024-10-04 |
DeepAFP: An effective computational framework for identifying antifungal peptides based on deep learning
2023-10, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4758
PMID:37595093
|
研究论文 | 本文开发了一种基于深度学习的计算框架DeepAFP,用于高效识别抗真菌肽 | DeepAFP利用多分支卷积神经网络和双向长短期记忆层的组合核,结合迁移学习策略,提高了模型性能 | NA | 开发一种高效识别抗真菌肽的计算框架,以加速抗真菌肽的开发和真菌感染的治疗 | 抗真菌肽的识别 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN)和双向长短期记忆网络(LSTM) | 序列数据 | DeepAFP-Main数据集 |