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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
621 | 2024-10-09 |
Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1453232
PMID:39372403
|
研究论文 | 开发了一种基于全切片图像的弱监督深度学习模型,用于预测非小细胞肺癌患者在接受新辅助化疗免疫治疗后的主要病理反应 | 利用全切片图像和弱监督学习框架,结合多种深度学习架构和创新的数据增强及归一化技术,提高了模型的鲁棒性和预测准确性 | NA | 开发一种能够准确预测非小细胞肺癌患者在接受新辅助化疗免疫治疗后主要病理反应的模型 | 非小细胞肺癌患者的全切片图像 | 数字病理学 | 肺癌 | 深度学习 | DenseNet121, ResNet50, Inception V3 | 图像 | 186名非小细胞肺癌患者 |
622 | 2024-10-09 |
A global model-agnostic rule-based XAI method based on Parameterized Event Primitives for time series classifiers
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1381921
PMID:39372662
|
研究论文 | 本文提出了一种基于参数化事件原语的全局模型无关规则化XAI方法,用于时间序列分类器的解释 | 该方法通过生成决策树图和特定规则集,揭示了深度学习时间序列分类器推断背后的关键时间步,增强了模型的可解释性 | NA | 提高复杂时间序列分类模型的全局可解释性 | 时间序列分类器及其解释方法 | 机器学习 | NA | 决策树分类器 | 深度学习模型 | 时间序列数据 | 使用了来自UCR档案的多样化真实世界数据集进行实验 |
623 | 2024-10-09 |
MLGCN: an ultra efficient graph convolutional neural model for 3D point cloud analysis
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1439340
PMID:39372661
|
研究论文 | 本文提出了一种超高效的图卷积神经网络模型MLGCN,用于3D点云分析 | MLGCN模型利用浅层图神经网络块在不同空间局部性级别提取特征,并通过预计算的KNN图共享GCN块,显著减少了计算开销和内存使用 | NA | 开发一种高效且适用于低内存和低CPU设备的3D点云分析模型 | 3D点云数据的对象分类和部分分割任务 | 计算机视觉 | NA | 图卷积神经网络(GCN) | 多级图卷积神经网络(MLGCN) | 3D点云数据 | NA |
624 | 2024-10-09 |
Multicenter Integration of MR Radiomics, Deep Learning, and Clinical Indicators for Predicting Hepatocellular Carcinoma Recurrence After Thermal Ablation
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S482760
PMID:39372710
|
研究论文 | 开发并验证了一种创新的预测模型,该模型整合了多序列磁共振(MR)放射组学、深度学习特征和临床指标,以准确预测肝细胞癌(HCC)在热消融后的复发情况 | 首次将多序列MR放射组学、深度学习特征和临床指标整合到一个预测模型中,以提高肝细胞癌复发预测的准确性 | 研究为回顾性多中心队列研究,样本量相对较小,且仅限于接受热消融治疗的肝细胞癌患者 | 开发和验证一种能够准确预测肝细胞癌在热消融后复发的综合模型 | 接受热消融治疗的肝细胞癌患者 | 计算机视觉 | 肝癌 | 磁共振成像(MRI) | 3D卷积神经网络(3D CNN) | 图像 | 535名患者,包括462名男性和43名女性 |
625 | 2024-10-09 |
Brain tumor grade classification using the ConvNext architecture
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284920
PMID:39372816
|
研究论文 | 本研究提出了一种使用ConvNext架构对脑肿瘤进行分级分类的方法 | 本研究采用了现代卷积神经网络ConvNext,并结合迁移学习技术,实现了对脑肿瘤的高精度分类 | NA | 开发一种非侵入性且准确的方法来对脑肿瘤进行分级诊断 | 脑肿瘤的分级分类 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | ConvNext | 图像 | 使用了BraTS 2019数据集,输入了三种MRI序列作为预训练CNN的三个通道 |
626 | 2024-10-09 |
Classification of underlying paroxysmal supraventricular tachycardia types using deep learning of sinus rhythm electrocardiograms
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241281200
PMID:39372813
|
研究论文 | 本研究利用深度学习模型对窦性心律心电图进行分类,以区分房室结折返性心动过速和隐匿性房室折返性心动过速 | 本研究首次使用深度学习模型对窦性心律心电图进行分类,以区分不同类型的阵发性室上性心动过速 | 研究样本量有限,且深度学习模型在区分两种心律失常类型时的表现仍有提升空间 | 探索利用窦性心律心电图通过深度学习进行房室结折返性心动过速和隐匿性房室折返性心动过速的分类 | 房室结折返性心动过速和隐匿性房室折返性心动过速患者 | 机器学习 | 心血管疾病 | 深度学习 | ResNet-34 | 心电图 | 1179名患者,其中833名患有房室结折返性心动过速,346名患有隐匿性房室折返性心动过速 |
627 | 2024-10-09 |
Deep Learning-Based Detection of Impacted Teeth on Panoramic Radiographs
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241288319
PMID:39372969
|
研究论文 | 本文通过改进预训练的MedSAM模型,实现了全景X光片中阻生牙的检测 | 本文对SAM模型进行了改进,通过聚焦牙齿中心来提高阻生牙检测的准确性 | 模型的准确性和选择仍有待进一步提高 | 通过改进模型提高阻生牙在X光片中的检测准确性,辅助牙科诊断 | 阻生牙的检测 | 计算机视觉 | NA | 深度学习 | MedSAM | 图像 | 1016张X光片,分为训练集、验证集和测试集,比例为16:3:1 |
628 | 2024-10-08 |
Uncertainty-Aware Active Domain Adaptive Salient Object Detection
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3413598
PMID:38889015
|
研究论文 | 提出了一种新的成本效益高的显著目标检测框架,通过有限数量的主动选择的注释,将模型从合成数据适应到真实世界数据 | 设计了一种不确定性感知的主动域适应算法,用于生成真实世界目标图像的标签,并利用数据增强的预测方差计算超像素级别的不确定性值 | NA | 减轻数据标注的负担,提高显著目标检测的性能 | 显著目标检测模型 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 六个基准显著目标检测数据集 |
629 | 2024-10-08 |
The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241287089
PMID:39363876
|
研究论文 | 本研究探讨了拓扑放射组学分析在预测肺部磨玻璃结节恶性风险中的应用 | 本研究创新性地将拓扑数据分析与纹理分析相结合,开发了基于同调的拓扑特征,显著提高了模型的区分能力 | 本研究为回顾性分析,未来需要进行前瞻性研究以进一步验证模型的有效性 | 旨在通过拓扑放射组学分析提高肺部磨玻璃结节恶性风险的预测准确性 | 肺部磨玻璃结节 | 数字病理学 | 肺癌 | 放射组学分析 | 机器学习与深度学习算法 | 影像 | 3223名患者 |
630 | 2024-10-07 |
Deep learned representations of the resting 12-lead electrocardiogram to predict at peak exercise
2024-Jan-25, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwad321
PMID:37798122
|
研究论文 | 利用深度学习分析静息12导联心电图以预测峰值运动氧消耗 | 首次使用深度学习从静息12导联心电图中估计峰值氧消耗,无需进行心肺运动测试 | 研究样本主要来自马萨诸塞州总医院,外部验证样本较少,可能影响结果的普适性 | 利用深度学习技术从静息12导联心电图中估计峰值氧消耗,以实现高效的心血管风险分层 | 静息12导联心电图和峰值氧消耗 | 机器学习 | 心血管疾病 | 深度学习 | 线性模型 | 心电图数据 | 1891名进行心肺运动测试的个体,验证集448人,外部样本1076人 |
631 | 2024-10-07 |
A novel mean shape based post-processing method for enhancing deep learning lower-limb muscle segmentation accuracy
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308664
PMID:39365764
|
研究论文 | 本文提出了一种基于平均形状的后处理方法,用于提高深度学习在磁共振成像(MRI)扫描中下肢肌肉分割的准确性 | 本文提出了一种新颖的基于平均形状(MS)的后处理方法,利用统计形状建模(SSM)来微调分割输出,考虑肌肉解剖形状 | NA | 提高基于MRI扫描的下肢肌肉分割的准确性,这对肌肉骨骼疾病的诊断和治疗过程至关重要 | 下肢肌肉的分割 | 计算机视觉 | NA | MRI扫描 | U-Net深度学习神经网络 | 图像 | 两个队列的绝经后女性(10个训练样本,8个测试样本,体素大小1.0x1.0x1.0 mm³) |
632 | 2024-10-06 |
Machine learning and deep learning-based approach to categorize Bengali comments on social networks using fused dataset
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308862
PMID:39361557
|
研究论文 | 本文提出了一种基于机器学习和深度学习的方法,用于分类孟加拉语社交媒体评论,以检测网络欺凌行为 | 本文创新性地融合了两个数据集,生成了94,000条孟加拉语评论,并使用多种机器学习和深度学习模型进行分类,最终发现混合模型(MLP+SGD+LR)在多标签分类中表现最佳 | 本文未详细讨论数据集的来源和质量,以及模型在不同数据集上的泛化能力 | 旨在通过检测网络欺凌行为,保护心理健康和学术成就,创造一个无批评的在线环境 | 孟加拉语社交媒体评论 | 自然语言处理 | NA | 机器学习(ML)和自然语言处理技术 | 多层感知器(MLP)、K近邻(K-NN)、极端梯度提升(XGBoost)、自适应提升分类器(AdaBoost)、逻辑回归分类器(LR)、随机森林分类器(RF)、装袋分类器、随机梯度下降(SGD)、投票分类器、堆叠分类器、深度神经网络(DNN)、卷积神经网络(CNN)、卷积长短期记忆网络(C-LSTM)、双向长短期记忆网络(BiLSTM) | 文本 | 94,000条孟加拉语评论 |
633 | 2024-10-06 |
Design of image segmentation model based on residual connection and feature fusion
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309434
PMID:39361568
|
研究论文 | 提出了一种基于残差连接和特征融合的图像分割模型,通过实验验证了其在复杂场景中的有效性 | 利用残差连接的深度特征提取能力和特征融合的多尺度特征整合能力,解决了传统图像分割中的背景复杂性和信息丢失问题 | NA | 改进图像分割技术,使其在复杂场景和多尺度目标图像中表现更好 | 图像分割模型在复杂场景中的应用 | 计算机视觉 | NA | 卷积神经网络 | 残差连接和特征融合模型 | 图像 | 在ISPRS Vaihingen数据集和Caltech UCSD Birds200数据集上进行了实验 |
634 | 2024-10-06 |
Video-audio neural network ensemble for comprehensive screening of autism spectrum disorder in young children
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308388
PMID:39361665
|
研究论文 | 本文利用视频和音频特征的神经网络集成模型,对1至5岁儿童进行自闭症谱系障碍的全面筛查 | 本文采用多模态方法,结合视频和音频特征的神经网络,提高了自闭症谱系障碍筛查的准确性和特异性 | 本文样本量较小,仅涉及160名儿童 | 本文旨在开发一种早期自动化筛查自闭症谱系障碍的方法 | 本文的研究对象是1至5岁的儿童 | 机器学习 | 自闭症谱系障碍 | 神经网络 | 神经网络集成模型 | 视频和音频 | 160名1至5岁儿童 |
635 | 2024-10-06 |
Hyperspectral imaging and artificial intelligence enhance remote phenotyping of grapevine rootstock influence on whole vine photosynthesis
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1409821
PMID:39363918
|
研究论文 | 研究利用高光谱成像和人工智能技术预测葡萄根系对整株植物光合作用的影响 | 结合高光谱成像和人工智能技术,首次在冠层水平上预测光合作用关键参数,提高了筛选效率 | 研究仅限于特定品种和根系组合,未涵盖所有可能的葡萄品种和根系类型 | 克服传统测量光合作用参数的时间和成本限制,提高筛选效率 | 葡萄根系对整株植物光合作用的影响 | 机器学习 | NA | 高光谱成像 | 1D-卷积神经网络 (CNN) | 光谱数据 | 两个生长季的数据,包括'Marquette'嫁接到五个商业根系和'Marquette'嫁接到'Marquette'的样本 |
636 | 2024-10-06 |
Deep learning-based multimodal image analysis predicts bone cement leakage during percutaneous kyphoplasty: protocol for model development, and validation by prospective and external datasets
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1479187
PMID:39364028
|
研究论文 | 本文开发并验证了一种基于深度学习的多模态图像分析模型,用于预测经皮椎体成形术中的骨水泥渗漏 | 本文创新性地使用深度学习模型直接分析术前CT和MRI图像,以准确预测骨水泥渗漏的发生和分类 | 本文的局限性在于使用了回顾性数据进行模型训练和验证,未来需要更多前瞻性和跨中心的外部数据进行进一步验证 | 研究目的是开发一种智能方法,通过分析术前影像预测经皮椎体成形术中的骨水泥渗漏,以改善临床结果 | 研究对象是患有骨质疏松性椎体压缩性骨折的患者 | 计算机视觉 | 骨骼疾病 | 深度学习 | 深度学习模型 | 图像 | 包括回顾性内部数据集、前瞻性内部数据集和跨中心外部数据集 |
637 | 2024-10-06 |
Data-driven classification and explainable-AI in the field of lung imaging
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1393758
PMID:39364222
|
综述 | 本文综述了在肺部影像领域中使用数据驱动分类和可解释人工智能(XAI)的最新研究进展 | 本文强调了基于迁移学习的卷积神经网络(CNN)和集成模型/特征在肺部疾病分类中的优越性能,并探讨了XAI技术在机器和深度学习模型中的重要性 | NA | 探讨和比较不同机器学习技术在肺部疾病分类中的应用,特别是肺炎分析 | 肺部疾病,特别是肺炎的分类 | 计算机视觉 | 肺部疾病 | 卷积神经网络(CNN)、集成方法、迁移学习 | 卷积神经网络(CNN) | 图像 | NA |
638 | 2024-10-06 |
Target-based deep learning network surveillance of non-contrast computed tomography for small infarct core of acute ischemic stroke
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1477811
PMID:39364421
|
研究论文 | 本研究旨在构建一个基于非增强CT图像自动识别急性缺血性卒中(AIS)小梗死核心的模型 | 开发了一种改进的基于目标的深度学习模型YOLOv5,用于在CT图像上检测梗死,特别是在小梗死核心的识别上表现更好 | 研究为回顾性研究,样本量有限,且仅限于特定时间段内的AIS患者 | 快速诊断急性缺血性卒中,以实现积极的治疗效果和预后 | 急性缺血性卒中患者的小梗死核心 | 计算机视觉 | 脑血管疾病 | 深度学习 | YOLOv5 | 图像 | 共纳入584例AIS患者,最终275例符合条件 |
639 | 2024-10-05 |
Segmentation study of nanoparticle topological structures based on synthetic data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311228
PMID:39356683
|
研究论文 | 本文提出了一种基于合成数据的纳米颗粒拓扑结构分割方法,旨在解决材料领域数据量小的问题 | 通过结合渲染软件生成的合成数据与15%的真实数据,显著提高了深度学习模型的训练效果 | 仅使用了15%的真实数据,可能影响模型在真实场景中的泛化能力 | 解决材料科学领域数据量小的问题,提高纳米颗粒拓扑结构分割的准确性 | 纳米颗粒的拓扑结构 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 合成数据与15%的真实数据 |
640 | 2024-10-05 |
Towards automatic farrowing monitoring-A Noisy Student approach for improving detection performance of newborn piglets
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310818
PMID:39356687
|
研究论文 | 本文提出了一种基于Noisy Student方法的自动生成标注信息的技术,用于提高新生猪仔检测模型的性能 | 采用Noisy Student方法自动生成标注信息,减少了手动标注的成本和时间消耗 | NA | 提高新生猪仔检测模型的性能,以支持分娩监控系统的改进 | 新生猪仔和母猪的身体部位 | 计算机视觉 | NA | Noisy Student方法 | 教师-学生模型 | 图像 | NA |