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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1381 | 2024-08-06 |
Effect of image resolution on automated classification of chest X-rays
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044503
PMID:37547812
|
研究论文 | 本研究探讨了图像分辨率对胸部X光图像分类性能的影响 | 提出了多尺度特征的提取方法,而不仅仅是关注最高的图像分辨率 | 未提及具体的限制因素 | 研究影像分辨率对胸部X光图像分类性能的影响 | 使用MIMIC-CXR-JPG数据集的胸部X光图像进行分析 | 计算机视觉 | NA | 深度学习 | DenseNet121,EfficientNet-B4 | 图像 | 377,110张高分辨率胸部X光图像 |
1382 | 2024-08-05 |
Generative Adversarial Network (GAN) for Simulating Electroencephalography
2023-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-023-00986-5
PMID:37410276
|
研究论文 | 本研究探讨了生成对抗网络在模拟脑电图方面的应用 | 本研究首次利用生成对抗网络生成多通道脑电图数据,能够重建脑电图信号的时空特性 | 数据生成依赖于网络训练的质量,可能对某些特征的再现存在限制 | 研究生成对抗网络在脑电图模拟中的有效性 | 生成高质量的合成脑电图数据以供神经成像分析使用 | 机器学习 | NA | 生成对抗网络 | GAN | 脑电图数据 | NA |
1383 | 2024-08-04 |
Using Ensemble OCT-Derived Features beyond Intensity Features for Enhanced Stargardt Atrophy Prediction with Deep Learning
2023-Jul-02, Applied sciences (Basel, Switzerland)
DOI:10.3390/app13148555
PMID:39086558
|
研究论文 | 本文提出了一种使用高级OCT衍生特征来增强对Stargardt萎缩预测的方法 | 本研究的创新点在于使用了多个OCT衍生特征,而不仅仅依赖常用的平均强度特征 | 未提及特定限制 | 研究预测Stargardt疾病进展的有效方法 | Stargardt疾病患者的视网膜层变化 | 数字病理学 | Stargardt病 | SD-OCT | 集成深度学习神经网络 | 图像 | 涉及多个视网膜层的图像数据 |
1384 | 2024-08-04 |
Two complementary AI approaches for predicting UMLS semantic group assignment: heuristic reasoning and deep learning
2023-11-17, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad152
PMID:37528056
|
研究论文 | 该研究使用启发式和深度学习方法预测UMLS语义组分配 | 提出了结合启发式和深度学习的混合方法以提高UMLS语义组预测的准确性 | 研究未提及可能的适用性限制 | 研究的目的是提高新UMLS原子的语义组分配准确率 | 新UMLS Metathesaurus原子 | 自然语言处理 | NA | 深度学习 | 全连接多层神经网络 | 文本 | 1,563,692个新未见原子 |
1385 | 2024-08-04 |
Assisted annotation in Deep LOGISMOS: Simultaneous multi-compartment 3D MRI segmentation of calf muscles
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16284
PMID:36750977
|
研究论文 | 本文提出了一种结合深度学习和图优化的辅助注释新方法,用于3D下肢肌肉分割。 | 创新点在于在辅助注释的范式下结合了深度学习和图优化,以降低标注成本并提高分割精度。 | 样本数量虽然庞大,但仍然可能影响结果的普适性。 | 研究旨在提高3D MR图像中小腿肌肉分割的自动化程度和准确性。 | 研究对象为93名参与者的350张下肢T1加权MR图像。 | 数字病理 | 肌肉疾病 | 深度学习 | 卷积神经网络 | 图像 | 93名参与者的350张MR图像 |
1386 | 2024-08-04 |
Deep Learning-Generated Synthetic MR Imaging STIR Spine Images Are Superior in Image Quality and Diagnostically Equivalent to Conventional STIR: A Multicenter, Multireader Trial
2023-08, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7920
PMID:37414452
|
研究论文 | 本研究评估了合成STIR脊柱MR影像与获取的STIR影像的性能 | 使用深度学习生成的合成STIR影像在图像质量上显著优于传统STIR影像 | 文中未详细讨论合成影像在所有潜在病理情况下的适用性 | 探讨合成STIR脊柱MR影像的诊断等效性与图像质量 | 328个临床病例中的110个脊柱MR影像,涉及93名患者 | 医学成像 | NA | 深度学习图像重建 | NA | 影像 | 110个脊柱MR影像研究,93名患者 |
1387 | 2024-08-04 |
Artificial Intelligence Model Trained with Sparse Data to Detect Facial and Cranial Bone Fractures from Head CT
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00829-6
PMID:37095310
|
研究论文 | 提出一种深度学习系统,自动检测颅骨和面部骨折。 | 本研究首次结合YOLOv4和改进的ResUNet实现完整的骨折检测和分割。 | 缺乏对面部骨折的自动检测研究和相应的验证数据。 | 研究旨在开发一个能够自动检测头部CT图像中颅骨和面部骨折的深度学习系统。 | 主要研究对象为接受头部创伤的患者的头部CT影像。 | 计算机视觉 | NA | 深度学习 | YOLOv4,ResUNet++ | 图像 | 共分析1,447个头部CT研究(共16,985张图像),测试192个头部CT研究(共5,890张图像) |
1388 | 2024-08-04 |
Application of Deep Learning-Based Denoising Technique for Radiation Dose Reduction in Dynamic Abdominal CT: Comparison with Standard-Dose CT Using Hybrid Iterative Reconstruction Method
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00808-x
PMID:36944812
|
研究论文 | 本文评估基于深度学习的去噪算法在降低腹部CT辐射剂量中的应用效果 | 首次将深度学习去噪算法与减少30%的辐射剂量相结合进行比较 | 仅限于腹部CT影像的评估,结果可能不适用于其他类型的CT | 评估深度学习去噪算法在腹部CT中的图像质量与辐射剂量减少的关系 | 50名接受标准剂量腹部CT的患者和50名接受降低剂量腹部CT的患者 | 数字病理学 | NA | 深度学习去噪(DLD) | NA | 图像 | 100例患者(50例标准剂量,50例减少剂量) |
1389 | 2024-08-04 |
Genetic Susceptibility to Atrial Fibrillation Identified via Deep Learning of 12-Lead Electrocardiograms
2023-08, Circulation. Genomic and precision medicine
DOI:10.1161/CIRCGEN.122.003808
PMID:37278238
|
研究论文 | 本文探讨了利用12导联心电图的人工智能模型预测房颤的遗传易感性 | 首次结合深度学习和基因组范围关联研究,揭示特定基因与房颤风险之间的关系 | 研究样本主要来自英国生物库,结果可能不适用于其他人群 | 研究心电图基础上的人工智能算法预测新发房颤的遗传基础 | 分析39,986名无房颤的UK Biobank参与者的心电图和遗传数据 | 数字病理学 | 房颤 | 人工智能算法 (AI), 心电图 (ECG) | 深度学习模型 | 心电图数据 | 39,986名UK Biobank参与者 |
1390 | 2024-08-04 |
Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients
2023-Aug, Oral oncology
IF:4.0Q2
|
研究论文 | 本研究通过机器学习方法识别肿瘤细胞多核化的生物特征,并与头颈鳞状细胞癌患者的生存率相关联 | 首次使用深度学习模型开发的多核化指数(MuNI)与头颈鳞状细胞癌患者的生存率和肿瘤免疫微环境之间的相关性 | 研究未深入探讨多核化与肿瘤免疫之间的机制 | 旨在明确头颈鳞状细胞癌患者肿瘤生物学特征与生存之间的关系 | 头颈鳞状细胞癌患者的肿瘤细胞 | 机器学习 | 头颈癌 | 深度学习 | NA | 图像 | 训练集来自机构的OPSCC队列,验证集为TCGA的头颈鳞状细胞癌患者数据 |
1391 | 2024-08-04 |
Deep imputation of missing values in time series health data: A review with benchmarking
2023-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2023.104440
PMID:37429511
|
综述 | 该文章评估了多变量时间序列数据中缺失值的深度插补方法 | 通过六个数据中心实验对深度插补方法进行了基准测试,展示了不同方法在时间序列健康数据集上的性能差异 | 缺失值评估受限于少数数据集、较低缺失率和完全随机缺失值类型 | 研究缺失值插补方法对数据质量和数据驱动预测模型的影响 | 五个时间序列健康数据集的缺失值插补 | 机器学习 | NA | 深度学习 | NA | 时间序列 | 五个健康数据集 |
1392 | 2024-08-04 |
Automatic Spine Segmentation and Parameter Measurement for Radiological Analysis of Whole-Spine Lateral Radiographs Using Deep Learning and Computer Vision
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00830-z
PMID:37131065
|
研究论文 | 本文提出了一种结合深度学习和计算机视觉的全脊柱侧位X光片自动测量脊柱参数的流水线 | 该研究通过结合Mask R-CNN模型与计算机视觉算法,提出了一种自动测量脊柱参数的方法,克服了手动测量的局限性 | 虽然该方法显示出高精度,但可能在某些情况下仍受限于影像质量与个体差异 | 旨在提高脊柱侧位X光片的诊断与治疗计划的效率和准确性 | 使用1807张侧位X光片进行模型训练与验证 | 计算机视觉 | 脊柱疾病 | 深度学习 | Mask R-CNN | 图像 | 共使用1807张侧位X光片,训练集1607张,验证集200张 |
1393 | 2024-08-04 |
Deep-Stacked Convolutional Neural Networks for Brain Abnormality Classification Based on MRI Images
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00828-7
PMID:37145248
|
研究论文 | 本文介绍了一种基于深层堆叠卷积神经网络(Deep-Stacked CNN)用于脑部异常分类的自动诊断系统 | 提出了一种深层异构模型,通过堆叠泛化利用不同CNN分类器的优势,提升多类脑病分类的鲁棒性 | 在缺乏足够标注数据时,仍需面对医疗图像CNN分类器面临的标签不足和类别不平衡等挑战 | 提高脑部异常的自动诊断准确性 | 不同预训练CNN的组合以用于多类脑病的自动分类 | 计算机视觉 | NA | 卷积神经网络(CNN) | 深层堆叠卷积神经网络(Deep-Stacked CNN) | MRI图像 | NA |
1394 | 2024-08-04 |
Multi-Modal Brain Tumor Data Completion Based on Reconstruction Consistency Loss
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00697-6
PMID:36856903
|
研究论文 | 提出了一种基于重建一致性损失的多模态脑肿瘤数据补全方法 | 引入了一种新型生成对抗网络框架RAGAN,并采用循环监督学习生成缺失的多模态脑MRI数据 | 虽未显著优于其他算法,但DICE值仅比现有最先进算法高出2% | 解决多模态脑MRI数据中的缺失问题,以便提高脑肿瘤的分割和诊断效果 | 缺失的T1、T1ce和FLAIR模态数据 | 医学图像处理 | 脑肿瘤 | 生成对抗网络(GAN) | 随机生成对抗网络(RAGAN) | 图像 | 生成10,686条每个缺失模态的MRI数据 |
1395 | 2024-08-04 |
Evaluation of Image Quality and Detectability of Deep Learning Image Reconstruction (DLIR) Algorithm in Single- and Dual-energy CT
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00806-z
PMID:37071291
|
研究论文 | 本研究评估了深度学习图像重建(DLIR)对单能CT和双能CT的图像质量的影响 | DLIR-H在低和高频范围内相比于ASIR-V,大幅减少了噪声,并提高了图像的可检测性 | NA | 评估DLIR在不同能量CT中的图像质量和可检测性 | 使用Gammex 464幻影进行单能CT和双能CT成像 | 数字病理学 | NA | 深度学习图像重建(DLIR) | NA | 图像 | 使用六种算法对多个剂量级别的CT影像进行评估 |
1396 | 2024-08-04 |
A Patch-Based Deep Learning Approach for Detecting Rib Fractures on Frontal Radiographs in Young Children
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00793-1
PMID:36897422
|
研究论文 | 本研究开发了一种基于块的深度学习算法,用于自动检测2岁以下儿童胸片中的肋骨骨折 | 创新之处在于应用基于块的滑动窗口技术来满足肋骨骨折检测的高分辨率需求 | 本研究的局限性在于需要未来在多机构的大规模队列数据上进行验证以提高结果的通用性 | 本研究的目的是开发一种计算机辅助方法,以识别年轻儿童的肋骨骨折 | 研究对象为0至2岁儿童的胸部X光片,共845例 | 数字病理学 | NA | 深度学习 | ResNet-50, ResNet-18 | 图像 | 845张胸部X光片 |
1397 | 2024-08-04 |
Nondestructive 3D pathology with analysis of nuclear features for prostate cancer risk assessment
2023-08, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.6090
PMID:37232213
|
研究论文 | 本文探索了基于3D形状的核特征在前列腺癌风险评估中的预后价值 | 提出了利用3D形状特征比传统2D特征更有效地预测前列腺癌生化复发的可能性 | 未提供关于样本选择和3D病理数据生成的详细信息 | 评估3D核特征在前列腺癌中的预后能力 | 102个来自46名患者的前列腺癌活检样本 | 数字病理学 | 前列腺癌 | 开放顶部光片显微镜 (OTLS) | 深度学习模型 | 3D病理数据 | 102个活检样本 |
1398 | 2024-08-04 |
Deep learning-based dominant index lesion segmentation for MR-guided radiation therapy of prostate cancer
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16320
PMID:36856092
|
研究论文 | 本文开发了一种基于深度学习的自动化前列腺癌主索病变(DIL)分割模型 | 提出的MRRN-DS模型在不同的MR测试数据集上具有良好的通用性,相较于其他方法具有更高的分割准确性 | 研究可能受限于使用的MR成像设备和样本多样性 | 构建和验证一种基于深度学习的自动化分割模型用于前列腺癌的MR引导放疗 | 对Gleason评分(GS)≥3+4的前列腺癌主索病变(DIL)进行分割 | 数字病理学 | 前列腺癌 | 深度学习 | MRRN-DS | 影像 | 使用来自365名患者的500个病变进行评估 |
1399 | 2024-08-04 |
Can Artificial Intelligence Pass the American Board of Orthopaedic Surgery Examination? Orthopaedic Residents Versus ChatGPT
2023-08-01, Clinical orthopaedics and related research
IF:4.2Q1
DOI:10.1097/CORR.0000000000002704
PMID:37220190
|
研究论文 | 本研究探讨了ChatGPT在美国骨科手术考试中的表现,并与骨科住院医生的成绩进行了比较 | 首次使用大型语言模型ChatGPT评估骨科住院医生考试的表现 | 样本量仅为207个问题,且不包括带有图形或图表的问题 | 评估ChatGPT回答骨科培训考试问题的能力及其相对于骨科住院医生的表现 | ChatGPT和不同年级的骨科住院医生 | 人工智能 | NA | 大型语言模型(LLM) | ChatGPT | 考试问题 | 207个问题 |
1400 | 2024-08-04 |
AD-BERT: Using pre-trained language model to predict the progression from mild cognitive impairment to Alzheimer's disease
2023-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2023.104442
PMID:37429512
|
研究论文 | 本文开发了一种基于预训练BERT模型的深度学习框架,用于预测轻度认知障碍(MCI)进展到阿尔茨海默病(AD)的风险。 | 本研究首次将预训练语言模型应用于电子健康记录中的非结构化临床笔记,以预测MCI到AD的进展。 | 该研究主要依赖于特定医院的数据进行验证,因此结果在其他背景下的推广性有限。 | 研究的目标是利用临床笔记和预训练语言模型评估MCI患者向AD进展的风险。 | 研究对象是3657名被诊断为MCI的患者及其电子健康记录中的进展笔记。 | 自然语言处理 | 阿尔茨海默病 | BERT | 深度学习模型 | 文本 | 共涉及6210名MCI患者的临床笔记 |