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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
301 | 2024-12-20 |
Fast inter-frame motion correction in contrast-free ultrasound quantitative microvasculature imaging using deep learning
2024-10-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77610-4
PMID:39478021
|
研究论文 | 本研究提出了一种基于深度学习的低复杂度网络,用于在无对比超声定量微血管成像中进行快速帧间运动校正 | 本研究创新性地使用了深度学习网络,结合深度可分离卷积层和混合自适应及压缩激励注意力机制,显著提高了帧间运动校正的效率和准确性 | 本研究的验证主要基于模拟的帧间运动和生理性帧间运动,实际临床应用中的效果仍需进一步验证 | 本研究旨在减少高帧率超声成像中的帧间运动伪影,以更准确地可视化肿瘤微血管特征 | 本研究主要针对人体甲状腺中的微血管图像,特别是由于颈动脉搏动引起的帧间运动 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | 使用了模拟帧间运动的数据和体内甲状腺数据进行验证 |
302 | 2024-12-20 |
Deep Learning Models for Predicting Malignancy Risk in CT-Detected Pulmonary Nodules: A Systematic Review and Meta-analysis
2024-10, Lung
IF:4.6Q1
DOI:10.1007/s00408-024-00706-1
PMID:38782779
|
综述 | 本研究系统回顾并分析了基于深度学习的计算机辅助诊断模型在预测CT检测到的肺结节恶性风险中的诊断性能 | 本研究通过元分析方法评估了深度学习模型在肺结节恶性风险预测中的诊断性能,发现其相较于传统临床风险模型和医生判断具有更高的敏感性和特异性 | 本研究仅限于已发表的实验或观察性文章,未考虑未发表的研究或灰色文献,可能存在发表偏倚 | 评估基于深度学习的计算机辅助诊断模型在预测CT检测到的肺结节恶性风险中的诊断性能 | 基于深度学习的计算机辅助诊断模型与传统临床风险模型和医生判断的诊断性能比较 | 机器学习 | 肺癌 | 深度学习 | NA | 图像 | 8553名参与者和9884个结节 |
303 | 2024-12-20 |
Recommender-based bone tumour classification with radiographs-a link to the past
2024-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10672-0
PMID:38488971
|
研究论文 | 开发了一种基于放射影像的算法,通过链接未诊断患者与既往患者的历史记录,并同时对多种骨肿瘤进行分类,以实现早期和特异性诊断 | 提出了一种结合ResNet和transformer模型的新方法,通过深度学习提取图像特征,并使用基于哈希的最近邻推荐方法进行图像聚类和多数投票分类,显著提高了骨肿瘤分类的准确性 | 研究是回顾性的,数据仅来自特定时间段和特定数据库,可能存在样本偏倚 | 开发一种能够通过放射影像链接既往患者历史记录并同时分类多种骨肿瘤的算法,以提高诊断的准确性和特异性 | 未诊断患者的放射影像数据以及既往患者的临床和放射影像数据 | 计算机视觉 | 骨肿瘤 | 深度学习 | ResNet和transformer模型 | 图像 | 809名患者(1792张放射影像),包括80%的训练集和20%的测试集 |
304 | 2024-12-20 |
Enhancing gadoxetic acid-enhanced liver MRI: a synergistic approach with deep learning CAIPIRINHA-VIBE and optimized fat suppression techniques
2024-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10693-9
PMID:38492004
|
研究论文 | 研究深度学习控制的CAIPIRINHA-VIBE技术在增强肝MRI中的图像质量、病灶显著性和检测效果 | 深度学习和HR-DL CAIPIRINHA-VIBE技术显著提高了图像质量和病灶显著性,并缩短了采集时间 | 深度学习和HR-DL CAIPIRINHA-VIBE技术生成的图像具有更强的合成外观 | 探讨深度学习控制的CAIPIRINHA-VIBE技术在增强肝MRI中的应用效果 | 168名接受gadoxetic酸增强肝MRI的患者 | 医学影像 | 肝病 | CAIPIRINHA-VIBE技术 | 深度学习 | 图像 | 168名患者 |
305 | 2024-12-20 |
Enhancing a deep learning model for pulmonary nodule malignancy risk estimation in chest CT with uncertainty estimation
2024-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10714-7
PMID:38536463
|
研究论文 | 本文研究了不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响 | 本文创新性地将不确定性估计方法集成到现有的深度学习算法中,以提高其在肺结节恶性风险评估中的性能 | 本文的研究是回顾性的,且样本量相对较小,可能影响结果的普适性 | 研究不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响 | 肺结节的恶性风险评估 | 计算机视觉 | 肺癌 | 深度学习 | 深度学习算法 | 图像 | 883个结节(其中65个为恶性)用于开发不确定性阈值,374个结节(其中207个为恶性)用于外部验证 |
306 | 2024-12-20 |
Reduction of false positives using zone-specific prostate-specific antigen density for prostate MRI-based biopsy decision strategies
2024-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10700-z
PMID:38538841
|
研究论文 | 本研究开发并测试了结合区域特异性前列腺特异性抗原密度(sPSAD)和PI-RADS来指导前列腺活检决策策略 | 本研究创新性地结合了区域特异性前列腺特异性抗原密度(sPSAD)和PI-RADS,以减少假阳性并提高前列腺癌检测的准确性 | 本研究为回顾性研究,样本量有限,可能存在选择偏倚 | 开发和验证一种新的方法,通过结合区域特异性前列腺特异性抗原密度和PI-RADS来优化前列腺活检决策策略 | 前列腺癌的检测和诊断 | 数字病理学 | 前列腺癌 | 深度学习系统(DLS) | nnU-Net | 图像 | 1604名患者 |
307 | 2024-12-20 |
Automated abdominal CT contrast phase detection using an interpretable and open-source artificial intelligence algorithm
2024-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10769-6
PMID:38683384
|
研究论文 | 开发并验证了一种开源的人工智能算法,用于自动检测腹部CT扫描中的对比期 | 提出了一个开源且可解释的人工智能算法,用于准确检测腹部CT扫描中的对比期,并通过Shapley特征归因分析解释了关键特征 | 研究是回顾性的,且样本量相对较小 | 开发并验证一种能够准确检测腹部CT扫描中对比期的开源人工智能算法 | 腹部CT扫描中的对比期检测 | 计算机视觉 | NA | 深度学习 | 梯度提升分类器 | 图像 | 训练集包含172名患者,内部测试集包含28名患者,外部验证集使用VinDr-Multiphase CT数据集 |
308 | 2024-12-20 |
Semi-supervised model based on implicit neural representation and mutual learning (SIMN) for multi-center nasopharyngeal carcinoma segmentation on MRI
2024-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108368
PMID:38663351
|
研究论文 | 本文提出了一种基于隐式神经表示和互学习的半监督模型SIMN,用于多中心鼻咽癌MRI图像的分割 | 本文创新性地结合了不确定性隐式神经表示和深度互学习方法,并引入了动态阈值和领域自适应算法,以提高模型在多中心数据上的分割性能 | 本文未详细讨论模型在不同医院数据上的泛化能力差异,以及在极端标注数据情况下的表现 | 开发一种能够在有限标注数据下,对多中心鼻咽癌MRI图像进行准确分割的半监督学习模型 | 鼻咽癌的GTV和MLN在多中心MRI图像上的分割 | 计算机视觉 | 鼻咽癌 | 深度学习 | CNN和Transformer | 图像 | 918名患者的MRI图像,来自三家医院 |
309 | 2024-12-20 |
MulStack: An ensemble learning prediction model of multilabel mRNA subcellular localization
2024-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108289
PMID:38688123
|
研究论文 | 提出了一种基于随机森林和深度学习的集成学习预测模型MulStack,用于多标签mRNA亚细胞定位预测 | 首次在mRNA亚细胞定位领域引入位置编码,并结合序列级和残基级特征进行预测 | 未提及具体限制 | 开发一种新的计算方法来预测mRNA的亚细胞定位 | mRNA的亚细胞定位 | 机器学习 | NA | 随机森林、深度学习、卷积神经网络(CNN) | 集成学习模型 | 序列数据 | 未提及具体样本数量 |
310 | 2024-12-20 |
Prediction of systemic lupus erythematosus-related genes based on graph attention network and deep neural network
2024-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108371
PMID:38691916
|
研究论文 | 本文提出了一种基于图注意力网络和深度神经网络的方法SLEDL,用于预测系统性红斑狼疮相关的基因 | 本文创新性地将深度学习方法应用于系统性红斑狼疮相关基因的预测,利用图神经网络捕捉基因相互作用网络中的特征 | 本文未详细讨论模型的可解释性和泛化能力 | 通过深度学习方法识别系统性红斑狼疮相关的基因,减少生物实验的资源消耗 | 系统性红斑狼疮相关的基因 | 机器学习 | 自身免疫性疾病 | 深度学习 | 图注意力网络和深度神经网络 | 基因相互作用网络 | 未明确提及具体样本数量 |
311 | 2024-12-20 |
Fine-grained Patient Similarity Measuring using Contrastive Graph Similarity Networks
2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics
DOI:10.1109/ichi61247.2024.00009
PMID:39698046
|
研究论文 | 本文提出了一种新的对比图相似网络,用于在大规模电子健康记录数据集中计算患者之间的相似度 | 本文的创新点在于应用基于图的相似性分析,明确提取每个患者的临床特征,并通过聚合同类患者的信息生成丰富的患者表示 | NA | 研究目的是改进电子健康记录数据分析中的患者表示学习,特别是在临床推理场景中考虑患者相似性 | 研究对象是电子健康记录数据中的患者相似性计算 | 机器学习 | NA | 深度学习 | 对比图相似网络 | 电子健康记录 | 大规模电子健康记录数据库 |
312 | 2024-12-20 |
A systematic review of machine learning-based tumor-infiltrating lymphocytes analysis in colorectal cancer: Overview of techniques, performance metrics, and clinical outcomes
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108306
PMID:38554659
|
综述 | 本文系统回顾了基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析,概述了技术、性能指标和临床结果 | 本文探讨了机器学习在结直肠癌病理图像中分析肿瘤浸润淋巴细胞的潜力,特别是深度学习和非深度学习技术的应用 | 需要一个大规模的多机构结直肠癌数据集,包含多样化和多民族人群,以推广机器学习方法 | 系统回顾基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析 | 结直肠癌病理图像中的肿瘤浸润淋巴细胞 | 数字病理学 | 结直肠癌 | 机器学习 | 深度学习 | 图像 | 需要大规模多机构和多民族的结直肠癌数据集 |
313 | 2024-12-20 |
RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108318
PMID:38522253
|
研究论文 | 本文介绍了一种名为RAPHIA的端到端深度学习管道,用于高效准确地配准前列腺的MRI和全切片组织病理学图像 | RAPHIA通过自动化多个耗时的手动步骤,显著减少了计算时间,并通过将组织病理学图像表示转换为MRI图像表示来消除对多模态图像相似性度量的需求 | NA | 开发一种用于早期前列腺癌检测的机器学习方法 | 前列腺的MRI和全切片组织病理学图像的配准 | 数字病理学 | 前列腺癌 | 深度学习 | 深度学习配准网络 | 图像 | NA |
314 | 2024-12-20 |
Glass box machine learning for retrospective cohort studies using many patient records. The complex example of bleeding peptic ulcer
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108085
PMID:38513393
|
研究论文 | 本文提出了一种称为“玻璃盒机器学习”的部分监督数据挖掘和预测技术,并将其应用于回顾性队列研究中,以帮助选择未来队列研究和类似临床试验的候选患者 | 本文的创新点在于将传统的神经网络权重替换为有意义的“概率知识元素”,并结合深度学习方法,提供了一种具有解释性的研究设计 | 本文的局限性在于其方法主要适用于回顾性队列研究,且需要大量的结构化医疗记录 | 研究目的是开发一种新的机器学习方法,用于回顾性队列研究,并帮助分析深度学习方法 | 研究对象是出血性消化性溃疡,这是一种复杂的疾病,具有许多影响因素 | 机器学习 | 消化系统疾病 | 玻璃盒机器学习 | 神经网络 | 结构化医疗记录 | 大量患者记录 |
315 | 2024-12-20 |
PHE-SICH-CT-IDS: A benchmark CT image dataset for evaluation semantic segmentation, object detection and radiomic feature extraction of perihematomal edema in spontaneous intracerebral hemorrhage
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108342
PMID:38522249
|
研究论文 | 本文介绍了一个名为PHE-SICH-CT-IDS的公开CT图像数据集,用于评估自发性脑出血中周围血肿水肿的语义分割、目标检测和放射组学特征提取 | 本文首次公开了一个用于自发性脑出血中周围血肿水肿的数据集,涵盖了多种数据格式,适用于不同的医学场景 | NA | 建立一个公开的CT图像数据集,用于评估自发性脑出血中周围血肿水肿的分割、检测和放射组学特征提取方法 | 自发性脑出血中的周围血肿水肿 | 数字病理学 | 脑血管疾病 | CT扫描 | NA | 图像 | 120个脑部CT扫描和7,022张CT图像 |
316 | 2024-12-20 |
Linear semantic transformation for semi-supervised medical image segmentation
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108331
PMID:38522252
|
研究论文 | 本文提出了一种新的半监督学习框架,通过线性语义变换实现医学图像分割 | 提出了线性语义变换方法,结合自监督学习和半监督学习,从多样化的语义中构建广义表示,实现医学图像分割 | 实验仅在五个医学分割数据集上进行了测试,未来可能需要在更多数据集上验证其泛化能力 | 开发一种高效的半监督学习方法,用于医学图像分割 | 医学图像的语义表示和分割 | 计算机视觉 | NA | 深度学习 | 自监督学习框架 | 图像 | 五个医学分割数据集 |
317 | 2024-12-20 |
Extensive T1-weighted MRI preprocessing improves generalizability of deep brain age prediction models
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108320
PMID:38531250
|
研究论文 | 本文研究了T1加权磁共振图像(T1w MRI)预处理对深度学习脑龄预测模型性能的影响 | 本文发现广泛的T1w预处理可以提高模型在新数据集上的预测误差,这与现有研究认为最小预处理更适用于未见过的扫描仪的结论相反 | 本文仅评估了四种预处理管道和四种深度学习模型,可能未涵盖所有可能的预处理方法和模型 | 研究T1w MRI预处理对深度学习脑龄预测模型性能的影响 | T1加权磁共振图像(T1w MRI)和深度学习脑龄预测模型 | 计算机视觉 | NA | 深度学习 | 深度学习模型(未具体说明模型类型) | 图像 | 未具体说明样本数量 |
318 | 2024-12-20 |
Dual-TranSpeckle: Dual-pathway transformer based encoder-decoder network for medical ultrasound image despeckling
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108313
PMID:38531247
|
研究论文 | 提出了一种基于双路径Transformer的编码-解码网络Dual-TranSpeckle,用于医学超声图像去噪 | 引入了双路径(语义路径和像素路径)来并行传输图像特征信息,并设计了Dual Block和Merge Block模块来增强特征交互和自注意力计算 | 未提及具体限制 | 提高医学超声图像去噪效果 | 医学超声图像 | 计算机视觉 | NA | Transformer | 编码-解码网络 | 图像 | 使用了两个公开数据集和一个私有数据集 |
319 | 2024-12-20 |
Applying image features of proximal paracancerous tissues in predicting prognosis of patients with hepatocellular carcinoma
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108365
PMID:38537563
|
研究论文 | 本研究探讨了近端癌旁组织图像特征在预测肝细胞癌患者预后和肿瘤复发中的作用 | 首次将癌旁组织微环境的图像特征纳入肝细胞癌预后预测模型,并发现与免疫细胞浸润和纤维化反应相关的特征是最重要的预测因素 | 样本量相对较小,且仅限于两个数据集,未来需要更大规模的研究验证 | 探讨癌旁组织微环境图像特征在肝细胞癌预后预测中的作用 | 肝细胞癌患者的预后和肿瘤复发 | 数字病理学 | 肝细胞癌 | 深度学习 | Lasso Cox生存模型 | 图像 | 146名肝细胞癌患者(SYSM数据集)和225名肝细胞癌患者(TCGA-LIHC数据集) |
320 | 2024-12-20 |
FLP: Factor lattice pattern-based automated detection of Parkinson's disease and specific language impairment using recorded speech
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108280
PMID:38547655
|
研究论文 | 本文提出了一种基于因子晶格模式(FLP)的特征工程模型,用于自动检测帕金森病(PD)和特定语言障碍(SLI),通过分析录音的语音信号 | 本文创新性地引入了一种量子启发式的因子晶格模式(FLP)特征提取方法,并开发了一种自组织特征工程模型,能够动态选择最优特征模式 | 本文未详细讨论模型的计算复杂度和实际应用中的可扩展性 | 开发一种准确且计算轻量级的模型,用于通过语音信号检测帕金森病和特定语言障碍 | 帕金森病(PD)和特定语言障碍(SLI)患者的语音信号 | 机器学习 | 神经退行性疾病 | 因子晶格模式(FLP)特征提取 | 支持向量机(SVM)和k近邻(k-NN) | 语音信号 | 三个包含帕金森病和特定语言障碍患者的语音数据集 |