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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1681 | 2024-08-05 |
ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images
2023-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.20.545686
PMID:37425778
|
研究论文 | 本文开发了一种深度学习模型ArcheD,用于从淋巴PET图像直接预测脑脊液中的淀粉样β浓度 | 创新之处在于该模型无需依赖示踪剂、脑参考区域或预先选择的兴趣区域 | 在晚期阿尔茨海默病患者中,该模型的性能有所降低 | 本研究的目的是通过淋巴PET图像早期识别和诊断阿尔茨海默病 | 研究对象为1870幅淀粉样PET图像及其对应的脑脊液测量值 | 数字病理学 | 阿尔茨海默病 | 卷积神经网络 | CNN | 图像 | 1870幅淀粉样PET图像 |
1682 | 2024-08-05 |
Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer
2023-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00096
PMID:37906722
|
研究论文 | 本研究开发了一种自然语言处理模型,以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征 | 采用深度学习方法训练自然语言处理,以识别高风险非肌肉侵袭性膀胱癌的标准,并使用电子病历进行回顾性分析 | 本研究基于回顾性数据,可能存在数据不完整或不准确的问题 | 研究旨在开发自然语言处理模型,以识别高风险非肌肉侵袭性膀胱癌患者 | 研究对象为2011年至2020年间被诊断为膀胱癌的成人患者 | 自然语言处理 | 膀胱癌 | 自然语言处理 (NLP) | 深度学习模型 | 电子病历数据 | 共包含4402名患者的三组独立数据集,用于模型开发、验证和回顾性分析 |
1683 | 2024-08-05 |
Deep learning estimation of three-dimensional left atrial shape from two-chamber and four-chamber cardiac long axis views
2023-04-24, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jead010
PMID:36725705
|
研究论文 | 本文开发了一种深度学习神经网络从二腔和四腔长轴视图推断左心房的三维形状、体积和表面积 | 提出了一种新的基于深度学习的方法来提高左心房三维体积和表面积估计的准确性 | 使用的训练数据主要来自单一来源,可能影响模型的普适性 | 开发出一种更准确的左心房三维形状和体积估计方法 | 左心房的三维形状、体积和表面积 | 数字病理学 | 心血管疾病 | 3D冠状动脉计算机断层扫描血管成像 (CCTA) | 3D UNet | 图像 | 1700个样本用于训练/验证/测试,其中1400/100/200用于训练/验证/测试,另外20个样本用于独立测试 |
1684 | 2024-08-05 |
Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity
2023, Environmental epigenetics
IF:4.8Q1
DOI:10.1093/eep/dvad006
PMID:38162685
|
研究论文 | 本研究评估了多代鼠类在不同毒物暴露下对疾病和肥胖的影响 | 首次展示了多代暴露对雄性精子表观遗传改变和病理的显著影响 | 本研究主要基于动物模型,可能无法完全转化到人类 | 研究多代暴露对表观遗传及疾病易感性的影响 | 三代和转代F5代的雄性及雌性鼠类 | 数字病理学 | 肥胖 | 深度学习,基于人工智能的组织病理学分析 | NA | NA | 多代鼠类,具体样本数量未说明 |
1685 | 2024-08-07 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-Dec, Proteins
IF:3.2Q2
DOI:10.1002/prot.26542
PMID:37357816
|
研究论文 | 本文开发了一种结合成对结构相似性评分和基于深度学习的界面接触概率评分的混合方法,用于评估蛋白质复合体模型准确性 | 提出了一种结合成对结构相似性评分和界面接触概率评分的混合方法,用于评估蛋白质复合体模型准确性,这在以往的研究中较少应用 | 当多个结构模型质量较低且彼此相似时,成对相似性方法往往失效 | 评估蛋白质复合体和组装体的四级结构模型的准确性 | 蛋白质复合体和组装体的四级结构模型 | 计算机视觉 | NA | 深度学习 | CNN | 结构模型 | 参与CASP15的多个目标模型 |
1686 | 2024-08-07 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-Dec, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 本文报告了UM-TBM和Zheng团队在CASP15中使用D-I-TASSER和DMFold-Multimer算法进行蛋白质单体和复合物结构预测的结果 | D-I-TASSER引入了四个新特征,包括多源MSA搜索和基于结构建模的MSA排序器、基于注意力网络的空间约束、多域模块以及优化的I-TASSER折叠模拟系统。DMFold-Multimer通过集成新的MSA生成算法DeepMSA2和AlphaFold2-Multimer的端到端建模模块,提高了蛋白质复合物结构预测的准确性 | 未来改进的方向包括病毒蛋白建模和复合物模型排序 | 提高蛋白质单体和复合物结构预测的准确性 | 蛋白质单体和复合物的结构预测 | 生物信息学 | NA | 深度学习 | CNN | 蛋白质结构数据 | 47个自由建模目标和38个复合物目标 |
1687 | 2024-08-07 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-Dec, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 本文评估了CASP15中RNA三维结构预测的表现,这是首次涉及RNA结构建模的CASP练习。 | 首次在CASP中评估RNA结构预测,并使用蛋白质评估的指标和方法进行RNA评估。 | 在模型细节预测、模型排序和多结构预测方面仍存在挑战。 | 评估RNA三维结构预测在CASP15中的表现。 | RNA三维结构预测模型。 | NA | NA | NA | NA | NA | 42个预测组提交了至少一个RNA结构模型的预测。 |
1688 | 2024-08-07 |
Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease
2023-Sep-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.22.23295984
PMID:37808872
|
研究论文 | 本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法,通过MRI扫描和临床诊断数据训练深度神经网络,以区分正常认知、轻度认知障碍和阿尔茨海默病 | 提出了一种结合模型可解释性和域泛化的方法,通过统一视觉显著性先验来提高模型在未见目标域上的性能 | NA | 开发一种能够跨多个队列泛化的深度学习模型,用于评估阿尔茨海默病的认知障碍程度 | MRI扫描数据和临床诊断信息 | 机器学习 | 阿尔茨海默病 | 深度神经网络 | CNN | 图像 | 总共使用了来自四个独立队列的7433个样本 |
1689 | 2024-08-07 |
Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data
2023-Sep-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.08.23295131
PMID:37732244
|
研究论文 | 本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS,利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练 | GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率,与基于全基因组测序的方法相媲美,并能指导罕见类型和未知原发癌的诊断 | NA | 开发一种临床可行的肿瘤类型分类方法,以指导癌症治疗决策 | 实体肿瘤的类型分类 | 机器学习 | 癌症 | 临床靶向癌症基因组测序 | 深度神经网络 | 基因组数据 | 39,787个实体肿瘤样本 |
1690 | 2024-08-07 |
Development of deep learning model and evaluation in real clinical practice of lingual mandibular bone depression (Stafne cyst) on panoramic radiographs
2023-Jul, Dento maxillo facial radiology
DOI:10.1259/dmfr.20220413
PMID:37192044
|
研究论文 | 本研究旨在开发一种深度学习模型,用于全景X光片上舌侧下颌骨凹陷(Stafne囊肿)与真正病理性放射透光性囊肿或肿瘤的全自动鉴别诊断,并评估该模型在实际临床实践中的表现 | 本研究开发了一种使用EfficientDet算法的深度学习模型,能够自动区分舌侧下颌骨凹陷与真正需要治疗的病理性放射透光性病变 | NA | 开发并评估一种深度学习模型,用于全景X光片上舌侧下颌骨凹陷与真正病理性放射透光性病变的自动鉴别诊断 | 舌侧下颌骨凹陷(Stafne囊肿)与真正病理性放射透光性囊肿或肿瘤 | 计算机视觉 | NA | EfficientDet算法 | 深度学习模型 | 图像 | 训练和验证数据集包含443张图像,测试数据集包含1500张图像 |
1691 | 2024-08-05 |
Noninvasive Tracking of Every Individual in Unmarked Mouse Groups Using Multi-Camera Fusion and Deep Learning
2023-Jun, Neuroscience bulletin
IF:5.9Q1
DOI:10.1007/s12264-022-00988-6
PMID:36571715
|
研究论文 | 该文章提出了一种新的多目标跟踪系统,用于非侵入性地跟踪未标记的小鼠。 | 创新之处在于结合了Faster R-CNN深度学习算法和多相机融合技术,成功跟踪每个未标记小鼠的移动。 | 文章未讨论该方法在其他动物或不同环境下的适用性。 | 研究旨在开发一种精确、高效的方法,以非侵入性地追踪组内个体小鼠。 | 研究对象为未标记的小鼠群体。 | 计算机视觉 | NA | 视频跟踪 | Faster R-CNN | 视频 | 多个未标记小鼠的群体 |
1692 | 2024-08-05 |
Hybrid Optimization Algorithm Enabled Deep Learning Approach Brain Tumor Segmentation and Classification Using MRI
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00752-2
PMID:36622465
|
研究论文 | 本研究提出了一种混合优化算法驱动的深度学习方法用于脑肿瘤的分割和分类 | 创新点在于提出了一种将Jaya算法和蜜獾算法结合,并应用于脑肿瘤分割与分类的混合优化算法 | 未提及具体的限制条件 | 旨在提高脑肿瘤的分割和分类精度以便于医疗诊断 | 使用MRI图像对脑肿瘤进行分割和分类 | 计算机视觉 | 脑肿瘤 | MRI | CNN和深度残差网络(DRN) | 图像 | 使用BRATS 2018和Figshare数据集进行评估 |
1693 | 2024-08-05 |
A Comparison of Three Different Deep Learning-Based Models to Predict the MGMT Promoter Methylation Status in Glioblastoma Using Brain MRI
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00757-x
PMID:36604366
|
研究论文 | 本文比较了三种不同的深度学习模型在使用脑部MRI预测胶质母细胞瘤中MGMT启动子甲基化状态的效果 | 该研究提供了三种基于深度学习的方法来无创预测MGMT启动子甲基化状态,解决了传统组织检测的限制 | 研究的准确率相对较低,并且可能受到样本选择和模型训练的影响 | 研究旨在比较三种不同的深度学习方法预测胶质母细胞瘤的MGMT启动子甲基化状态 | 研究对象为576个T2WI脑MRI图像及对应的肿瘤掩模和MGMT启动子甲基化状态 | 计算机视觉 | 胶质母细胞瘤 | 使用深度学习 | 3D-Vnet,目标检测模型,3D Densenet121 | 图像 | 576个T2WI图像 |
1694 | 2024-08-07 |
Automated Bone Tumor Segmentation and Classification as Benign or Malignant Using Computed Tomographic Imaging
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00771-z
PMID:36627518
|
研究论文 | 本研究利用计算机断层扫描(CT)图像和机器学习技术,实现骨肿瘤的自动分割和良恶性分类,以辅助临床医生判断是否需要进行活检 | 本研究首次提出了一种基于深度学习的方法,用于从CT图像中自动分割和分类骨肿瘤 | 尽管在特异性和敏感性上取得了相似的分类性能,但数据集中良性和恶性病例的不平衡仍然存在 | 开发一种自动化的深度学习方法,用于从CT图像中分割和分类骨肿瘤 | 84例股骨CT扫描图像,包含50名女性和34名男性,年龄20岁及以上,具有明确的骨病变组织学证实 | 计算机视觉 | 骨肿瘤 | 深度学习 | 深度学习架构 | CT扫描图像 | 84例股骨CT扫描图像 |
1695 | 2024-08-07 |
Using Deep Learning to Predict Treatment Response in Patients with Hepatocellular Carcinoma Treated with Y90 Radiation Segmentectomy
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00762-0
PMID:36629989
|
研究论文 | 本研究利用深度卷积网络集合改进体素剂量模型,预测接受Y90放射性栓塞治疗的肝细胞癌患者的治疗反应 | 本研究通过深度卷积网络集合考虑了Y90在治疗病变中的空间变异摄取,提高了预测治疗完全反应的F1分数、准确性和敏感性 | 本研究为回顾性分析,样本来自单一机构,可能存在选择偏倚 | 旨在提高肝细胞癌患者接受Y90放射性栓塞治疗后治疗反应的预测准确性 | 接受Y90放射性栓塞治疗的肝细胞癌患者 | 机器学习 | 肝细胞癌 | 深度学习 | CNN | 图像 | 77名患者,103个病变 |
1696 | 2024-08-07 |
Use of Deep Neural Networks in the Detection and Automated Classification of Lesions Using Clinical Images in Ophthalmology, Dermatology, and Oral Medicine-A Systematic Review
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00775-3
PMID:36650299
|
综述 | 本研究通过系统文献综述分析了人工神经网络和深度学习在眼科、皮肤病学和口腔医学中临床图像病变识别和自动分类的应用 | 研究显示人工智能模型在准确性、敏感性和特异性方面表现出色,多数结果与人类比较者相当 | 模型的实际应用中的性能可重复性是一个关键点 | 分析人工神经网络和深度学习在临床图像病变识别和自动分类中的应用 | 眼科、皮肤病学和口腔医学中的临床图像病变 | 计算机视觉 | NA | 人工神经网络 | 深度学习 | 图像 | 包含60项研究 |
1697 | 2024-08-07 |
Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter
2023-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29593
PMID:36692103
|
研究论文 | 本文开发了一种结合基于滤波器的图像处理算法和卷积神经网络的弱监督3D血管周围空间(PVS)分割模型 | 提出的方法通过结合Frangi滤波器和Unet,提高了真阳性率并降低了假阳性率,特别是在区分PVS和白质高强度方面表现出色 | 模型依赖于手动质量控制和标注的数据,且仍需减少对大规模标注PVS掩膜数据的依赖 | 旨在开发一种弱监督的3D PVS分割模型,以提高分割准确性和减少对大量标注数据的依赖 | 研究对象为血管周围空间(PVS)的3D分割 | 计算机视觉 | NA | Frangi滤波器 | Unet | 图像 | 使用了Human Connectome Project的数据进行模型评估 |
1698 | 2024-08-07 |
Skin Cancer Classification Using Deep Spiking Neural Network
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00776-2
PMID:36690775
|
研究论文 | 本文使用深度脉冲神经网络对皮肤癌进行分类 | 采用脉冲神经网络进行皮肤癌分类,相比传统VGG-13和AlexNet模型,在更少的可训练参数下实现了更高的准确率和F1分数 | NA | 开发一种计算机辅助方法,帮助皮肤科医生诊断皮肤癌,以降低因皮肤恶性肿瘤导致的死亡率 | 3670张黑色素瘤和3323张非黑色素瘤图像 | 计算机视觉 | 皮肤癌 | 深度学习 | 脉冲神经网络 | 图像 | 7093张皮肤病变图像 |
1699 | 2024-08-07 |
Effect of Contrast Level and Image Format on a Deep Learning Algorithm for the Detection of Pneumothorax with Chest Radiography
2023-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00772-y
PMID:36698035
|
研究论文 | 研究不同对比度水平和图像格式对深度学习算法在胸部X光片中检测气胸效果的影响 | 首次系统研究了对比度水平和图像格式对深度学习模型诊断气胸性能的影响 | 仅限于胸部X光片和特定对比度水平及图像格式的研究 | 探讨对比度水平和图像格式对深度学习诊断气胸有效性的影响 | 胸部X光片中的气胸检测 | 机器学习 | NA | 深度学习 | ResNet-50 | 图像 | 共收集3316张图像,包括1016张气胸图像和2300张正常图像 |
1700 | 2024-08-07 |
Imaging Amyloid and Tau in the Retina: Current Research and Future Directions
2023-06-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000001786
PMID:36705970
|
综述 | 本文综述了利用成像技术检测视网膜中与阿尔茨海默病相关的病理标志物(淀粉样蛋白β和磷酸化tau蛋白)的研究进展及未来方向 | 介绍了近红外荧光成像、新型淀粉样蛋白β标记技术和小分子视网膜tau示踪剂等新研究方向,以及人工智能(AI)在机器学习和深度学习图像分析中的应用 | 当前成像技术如姜黄素荧光和超光谱成像在区分姜黄素标记的淀粉样蛋白β与背景荧光、剂量标准化和定量方法上存在挑战,且超光谱成像受其他视网膜特征的干扰信号和个体间反射光谱变异性的限制 | 探讨视网膜成像技术在阿尔茨海默病生物标志物研究中的应用及未来发展 | 视网膜中的淀粉样蛋白β和磷酸化tau蛋白 | 数字病理学 | 阿尔茨海默病 | 超光谱成像 | NA | 图像 | 需要在大规模队列中验证 |