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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
501 | 2024-10-21 |
A deep learning approach to investigate the filtration bleb functionality after glaucoma surgery: a preliminary study
2024-Jan, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-023-06170-6
PMID:37530849
|
研究论文 | 本研究利用深度学习模型对青光眼手术后滤泡功能进行分类 | 首次将深度学习应用于青光眼手术后滤泡功能的分类 | 研究样本量较小,且仅限于多中心回顾性数据 | 开发和验证一种人工智能分类算法,用于区分青光眼手术后滤泡的功能状态 | 青光眼手术后滤泡的功能 | 计算机视觉 | 青光眼 | 深度学习 | ResNet | 图像 | 119张术后滤泡图像 |
502 | 2024-10-21 |
Automated volumetric assessment of pituitary adenoma
2024-Jan, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-023-03529-x
PMID:37749388
|
研究论文 | 本文开发了一种用于垂体腺瘤体积自动评估的深度学习方法 | 使用深度学习技术进行垂体腺瘤的自动分割和体积测量,提供更客观和快速的体积评估 | 术后残留肿瘤的客观和精确检测仍不成功,需要更大规模的数据集和更复杂的模型来提高性能 | 开发一种自动化的垂体腺瘤体积评估方法 | 垂体腺瘤的体积和切除范围 | 计算机视觉 | 垂体腺瘤 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 193组图像用于训练,20组用于验证 |
503 | 2024-10-21 |
On the use of deep learning for phase recovery
2024-Jan-01, Light, science & applications
DOI:10.1038/s41377-023-01340-x
PMID:38161203
|
综述 | 本文综述了深度学习在相位恢复中的应用 | 深度学习通过深度神经网络为计算成像提供了前所未有的支持,为各种相位恢复问题提供了更高效的解决方案 | NA | 探讨深度学习在相位恢复中的应用及其在不同阶段的贡献 | 相位恢复技术及其在成像系统中的应用 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | NA |
504 | 2024-10-21 |
Brain structure ages-A new biomarker for multi-disease classification
2024-Jan, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26558
PMID:38224546
|
研究论文 | 本文提出了一种新的生物标志物——脑结构年龄,用于多疾病分类 | 通过使用结构磁共振成像估计脑结构年龄,扩展了传统的全局脑年龄概念,并提出了一个深度学习模型集合来生成3D老化图 | NA | 开发一种新的生物标志物,用于多疾病分类和异常检测 | 脑结构年龄及其在多疾病分类中的应用 | 计算机视觉 | NA | 结构磁共振成像 | 深度学习模型 | 图像 | NA |
505 | 2024-10-21 |
AMDDLmodel: Android smartphones malware detection using deep learning model
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0296722
PMID:38241330
|
研究论文 | 本文介绍了一种基于深度学习模型的安卓智能手机恶意软件检测方法 | 提出了AMDDLmodel,一种使用卷积神经网络的深度学习技术,通过创新的特征工程和全面的性能评估,提高了安卓恶意软件检测的准确性和用户安全性 | NA | 开发一种高效的安卓恶意软件检测和分类方法,以保护用户隐私并避免系统损害 | 安卓智能手机上的恶意软件 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN) | 特征数据 | 使用了包含215个特征的Drebin数据集 |
506 | 2024-10-21 |
Comparing the performance of statistical, machine learning, and deep learning algorithms to predict time-to-event: A simulation study for conversion to mild cognitive impairment
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0297190
PMID:38252622
|
研究论文 | 比较统计学、机器学习和深度学习算法在预测时间到事件方面的性能,特别是预测轻度认知障碍的转化时间 | 发现当考虑异质性时,具有较少训练权重的统计模型(CoxPH)在准确性上与深度学习模型(DeepSurv)和机器学习模型(RSF)相当 | 研究基于模拟数据,实际应用中可能存在差异 | 比较不同算法在预测轻度认知障碍转化时间方面的性能 | 轻度认知障碍的转化时间预测 | 机器学习 | 老年疾病 | NA | CoxPH, RSF, DeepSurv | 时间到事件数据 | 6000个样本 |
507 | 2024-10-21 |
A fully automated pipeline for the extraction of pectoralis muscle area from chest computed tomography scans
2024-Jan, ERJ open research
IF:4.3Q1
DOI:10.1183/23120541.00485-2023
PMID:38259805
|
研究论文 | 开发并验证了一种全自动的胸部CT扫描中胸大肌面积提取管道 | 首次开发了全自动的胸大肌面积提取管道,能够自动识别主动脉弓切片并进行胸大肌分割 | NA | 开发并验证一种全自动的胸大肌面积提取管道,用于COPD患者的预后评估 | 胸大肌面积的自动提取 | 数字病理学 | 慢性阻塞性肺病 | 深度学习 | 深度学习模型 | 图像 | 训练集90名参与者,外部测试集32名参与者 |
508 | 2024-10-21 |
Indoor surface classification for mobile robots
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1730
PMID:38259883
|
研究论文 | 本文研究了室内表面分类对移动机器人的重要性,并提出了一种轻量级的深度学习模型用于表面分类 | 本文提出了一种基于MobileNetV2改进的轻量级模型,减少了模型参数和权重文件大小,适用于计算资源有限的机器人系统 | NA | 研究如何提高移动机器人在室内环境中对表面类型的识别能力 | 室内环境中的地毯、瓷砖和木质表面 | 计算机视觉 | NA | 深度学习 | MobileNetV2 | 图像 | 2081张表面图像 |
509 | 2024-10-21 |
Evaluating deep learning variants for cyber-attacks detection and multi-class classification in IoT networks
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1793
PMID:38259893
|
研究论文 | 评估深度学习变体在物联网网络中检测网络攻击和进行多类分类的有效性 | 提出了一种基于深度学习的方法,使用多种深度学习模型(如DNN、CNN和RNN)来检测物联网网络中的网络攻击,并展示了RNN模型在检测中的最高准确率 | 仅使用了CICDIoT2023数据集进行验证,可能需要更多数据集来验证方法的普适性 | 研究如何利用深度学习技术有效检测物联网网络中的网络攻击 | 物联网网络中的网络攻击检测 | 机器学习 | NA | 深度学习 | DNN、CNN、RNN | 网络流量数据 | 使用了加拿大网络安全研究所的CICDIoT2023数据集 |
510 | 2024-10-21 |
DDoS attack detection in smart grid network using reconstructive machine learning models
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1784
PMID:38259891
|
研究论文 | 本文提出了一种基于重构深度学习模型的智能电网网络DDoS攻击检测方法 | 本文的创新点在于提出了一种无需完全重新训练模型即可检测新攻击类别的重构深度学习技术 | NA | 本文的研究目的是提高智能电网网络对DDoS攻击的检测能力,确保网络的稳定性和可靠性 | 本文的研究对象是智能电网网络中的DDoS攻击 | 机器学习 | NA | 重构深度学习 | 深度学习模型 | 数据 | 使用了两个公认的标准DDoS攻击数据库及其子集进行多次实验 |
511 | 2024-10-21 |
Attention-enhanced gated recurrent unit for action recognition in tennis
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1804
PMID:38259901
|
研究论文 | 本文研究了基于注意力增强的门控循环单元(GRU)在网球动作识别中的应用 | 本文提出了一种结合GRU架构和注意力机制的模型,显著提高了预测能力 | 实验结果显示,EfficientNetB5模型的性能相对较低,可能是由于数据集的限制 | 开发一种高效的网球动作识别系统 | 网球动作的识别 | 计算机视觉 | NA | 深度学习 | GRU | 视频序列 | 使用了THETIS数据集,这是一个用于细粒度网球动作的标准中型数据集 |
512 | 2024-10-21 |
Analyzing patients satisfaction level for medical services using twitter data
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1697
PMID:38259896
|
研究论文 | 研究利用Twitter数据分析患者对医疗服务的满意度 | 提出了一种基于迁移学习的LSTM-ETC模型,显著提高了情感分类的准确性 | 研究未进行广泛的比较分析和验证 | 分析全球范围内人们对医疗服务的情感倾向,并评估机器学习和深度学习方法在医疗推文情感分类中的有效性 | Twitter上的医疗相关推文 | 自然语言处理 | NA | 机器学习 | LSTM | 文本 | 使用了三个标签#healthcare, #healthcare services, 和 #medical facilities的推文数据 |
513 | 2024-10-21 |
Attention-Gated Deep-Learning-Based Automatic Digitization of Interstitial Needles in High-Dose-Rate Brachytherapy for Cervical Cancer
2024-Jan, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2023.101340
PMID:38260236
|
研究论文 | 本文设计了一种基于注意力门控的深度学习模型,用于自动数字化宫颈癌高剂量率近距离放射治疗中的间质针 | 本文引入了空间和通道注意力门控机制,增强了三维卷积神经网络对针特征的识别能力,提高了自动数字化针的准确性 | 本文仅在17名患者的56个计划中进行了验证,样本量较小,可能影响模型的泛化能力 | 设计一种新的注意力门控深度学习模型,以提高宫颈癌高剂量率近距离放射治疗中间质针自动数字化的准确性 | 宫颈癌患者的高剂量率近距离放射治疗计划中的间质针 | 计算机视觉 | 宫颈癌 | 深度学习 | 卷积神经网络(CNN) | 图像 | 17名宫颈癌患者,56个高剂量率近距离放射治疗计划 |
514 | 2024-10-21 |
External validation of a deep learning algorithm for automated echocardiographic strain measurements
2024-Jan, European heart journal. Digital health
DOI:10.1093/ehjdh/ztad072
PMID:38264705
|
研究论文 | 本文验证了一种深度学习算法在自动测量超声心动图应变中的应用 | 首次验证了深度学习算法在自动测量超声心动图应变中的应用,并展示了其在不同人群中的准确性 | 研究仅限于特定人群和特定类型的应变测量,未涵盖所有可能的应用场景 | 验证深度学习算法在自动测量超声心动图应变中的准确性和应用潜力 | 左心室应变测量和区域应变测量 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习算法 | 图像 | 共分析了3741例台湾队列、176例PROMIS-HFpEF研究和158例HMC-QU-MI研究 |
515 | 2024-10-21 |
Discrimination of object information by bat echolocation deciphered from acoustic simulations
2024-Jan, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.231415
PMID:38269077
|
研究论文 | 研究探讨了蝙蝠通过回声定位识别目标遮挡信息的能力 | 首次通过三维声学模拟研究蝙蝠如何利用回声定位识别目标的遮挡结构和纹理 | 研究仅限于模拟环境,未在实际自然环境中验证 | 探讨蝙蝠是否能通过回声定位获取目标的遮挡信息 | 蝙蝠和不同几何形状的目标 | 生物声学 | NA | 三维声学模拟 | NA | 声学数据 | 五个不同目标 |
516 | 2024-10-21 |
Reconstructing growth and dynamic trajectories from single-cell transcriptomics data
2024, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-023-00763-w
PMID:38274364
|
研究论文 | 本文介绍了一种名为TIGON的动态非平衡最优传输算法,用于从单细胞转录组数据中重建动态轨迹和种群增长 | 提出了TIGON算法,结合深度学习方法和Wasserstein-Fisher-Rao距离,解决了高维最优传输问题 | NA | 研究如何从单细胞转录组数据中重建动态轨迹和种群增长 | 单细胞转录组数据中的动态轨迹和种群增长 | 生物信息学 | NA | 单细胞RNA测序(scRNA-seq) | 深度学习模型 | 转录组数据 | 三个scRNA-seq数据集 |
517 | 2024-10-21 |
Predicting suicidality in late-life depression by 3D convolutional neural network and cross-sample entropy analysis of resting-state fMRI
2024-01, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.3348
PMID:38376042
|
研究论文 | 本文利用3D卷积神经网络和交叉样本熵分析静息态fMRI数据,预测老年抑郁症患者的自杀倾向 | 结合交叉样本熵分析和3D卷积神经网络,识别与自杀倾向相关的脑区 | 样本量相对较小,且仅限于老年抑郁症患者 | 应用深度学习算法预测老年抑郁症患者的自杀风险 | 老年抑郁症患者的自杀倾向 | 机器学习 | 老年疾病 | fMRI | 3D卷积神经网络 | 图像 | 83名老年抑郁症患者,其中35名非自杀倾向,48名自杀倾向 |
518 | 2024-10-20 |
Deep learning of heart-sound signals for efficient prediction of obstructive coronary artery disease
2024-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e23354
PMID:38169906
|
研究论文 | 本文研究了基于心音信号的深度学习模型,用于高效预测阻塞性冠状动脉疾病 | 开发了一种基于心音信号的深度学习模型,用于非侵入性筛查阻塞性冠状动脉疾病 | NA | 开发一种基于心音信号的深度学习算法,用于高效检测阻塞性冠状动脉疾病,减少不必要的冠状动脉造影 | 阻塞性冠状动脉疾病 | 机器学习 | 心血管疾病 | 深度学习 | VGG-16, 1D CNN, ResNet18 | 心音信号 | 320名疑似冠状动脉疾病的患者,以及80名用于测试的患者 |
519 | 2024-10-20 |
Assessing deep convolutional neural network models and their comparative performance for automated medicinal plant identification from leaf images
2024-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e23655
PMID:38187334
|
研究论文 | 评估七种先进的深度学习算法在从叶片图像中自动识别药用植物方面的性能,并推荐最佳模型 | 首次系统评估了七种深度学习模型在药用植物自动识别中的性能,并提出了最佳模型DenseNet201 | 模型在不同科属和物种间的准确性存在差异 | 评估深度学习模型在药用植物自动识别中的性能,并推荐最佳模型 | 药用植物的叶片图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 5878张图像,涵盖30种药用植物,分布在20个科属中 |
520 | 2024-10-20 |
Open and reusable deep learning for pathology with WSInfer and QuPath
2024-Jan-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00499-9
PMID:38200147
|
研究论文 | 本文介绍了WSInfer和QuPath,一个用于病理学深度学习的开源软件生态系统,旨在促进深度学习模型在数字病理学中的共享和重用 | 开发了WSInfer,一个开源软件生态系统,旨在简化深度学习模型在数字病理学中的共享和重用 | NA | 解决深度学习模型在数字病理学中不易重用的问题 | 数字病理学中的深度学习模型 | 数字病理学 | NA | 深度学习 | 深度学习模型 | NA | NA |