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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
581 | 2024-12-19 |
CoGSPro-net:A graph neural network based on protein-protein interaction for classifying lung cancer-relatrd proteins
2024-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108251
PMID:38508055
|
研究论文 | 提出了一种基于图神经网络和注意力机制的深度学习算法CoGSPro,用于分类与肺癌相关的蛋白质 | 结合图神经网络和注意力机制提取蛋白质数据的关键特征,并利用蛋白质-蛋白质相互作用网络信息提高预测准确性 | 未提及 | 开发一种能够准确分类与肺癌相关蛋白质的深度学习算法 | 与肺癌相关的蛋白质 | 机器学习 | 肺癌 | 图神经网络 | 图神经网络 | 蛋白质表达数据 | 大规模蛋白质表达数据集 |
582 | 2024-12-19 |
CRMEFNet: A coupled refinement, multiscale exploration and fusion network for medical image segmentation
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108202
PMID:38402839
|
研究论文 | 本文提出了一种名为CRMEFNet的耦合优化、多尺度探索和融合网络,用于医学图像分割 | CRMEFNet包含三个主要创新:耦合优化模块(CRM)、多尺度探索和融合模块(MEFM)以及级联渐进解码器(CPD),通过优化和融合多尺度特征来解决现有方法在多层次特征表示和复杂纹理像素识别方面的局限性 | NA | 提高医学图像分割任务的准确性,特别是在病变区域的分割上 | 医学图像中的目标区域,如病变 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 五个医学图像分割任务,十个数据集 |
583 | 2024-12-19 |
U-PASS: An uncertainty-guided deep learning pipeline for automated sleep staging
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108205
PMID:38401452
|
研究论文 | 本文介绍了一种名为U-PASS的不确定性引导深度学习管道,用于自动睡眠分期,并展示了其在临床数据上的显著性能提升 | U-PASS在每个阶段都集成了不确定性估计,通过优化训练数据集、寻求领域专家反馈以及将最不确定的样本交由专家处理,显著提高了模型的准确性 | NA | 开发一种能够有效估计不确定性并提高机器学习系统在临床应用中可靠性的方法 | 睡眠分期任务,特别是老年睡眠呼吸暂停患者的睡眠数据 | 机器学习 | NA | 深度学习 | NA | 睡眠数据 | 老年睡眠呼吸暂停患者的临床数据 |
584 | 2024-12-19 |
Weakly supervised learning for multi-class medical image segmentation via feature decomposition
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108228
PMID:38422964
|
研究论文 | 本文提出了一种基于特征分解的弱监督学习方法,用于多类别医学图像分割 | 本文的创新点在于提出了一种基于语义亲和力的特征分解模块,通过最大化类间特征距离来学习类无关和类相关的特征,并结合交叉引导损失和互斥损失来解决标签共生和位置邻接问题 | 本文的局限性在于实验仅在三个数据集上进行了验证,未来需要更多数据集和实际应用场景的验证 | 本文的研究目的是解决多类别医学图像分割中的弱监督学习问题 | 本文的研究对象是多类别医学图像的分割 | 计算机视觉 | NA | 弱监督学习 | 多层次分类网络 | 图像 | 三个数据集 |
585 | 2024-12-19 |
Neighborhood evaluator for efficient super-resolution reconstruction of 2D medical images
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108212
PMID:38422967
|
研究论文 | 本文提出了一种高效的邻域评估器,用于在任意分辨率下重建2D医学图像的超分辨率 | 本文提出了一种新的超分辨率策略,通过邻域评估器控制网络深度,显著减少了参数数量和计算工作量,并在多个尺度上实现了高效的重建 | NA | 开发一种高效的超分辨率算法,满足医学图像在任意分辨率和高效率应用中的需求 | 2D医学图像的超分辨率重建 | 计算机视觉 | NA | 深度学习 | 邻域评估器 | 图像 | 全景放射图像和两个外部公共数据集 |
586 | 2024-12-19 |
LumVertCancNet: A novel 3D lumbar vertebral body cancellous bone location and segmentation method based on hybrid Swin-transformer
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108237
PMID:38422966
|
研究论文 | 提出了一种基于混合Swin-transformer的新型3D腰椎椎体松质骨定位与分割方法 | 提出了一个两阶段的粗到细解决方案,结合了Swin-transformer和CNN的优势,并引入了新的LumAnatomy损失函数和多尺度注意力特征融合模块(MSA-FFM) | 需要大量的标注数据,且算法复杂度较高 | 解决腰椎椎体松质骨的自动定位与分割问题,以辅助医学诊断和骨强度的人群分析 | 腰椎椎体松质骨的定位与分割 | 计算机视觉 | NA | Swin-transformer, CNN | 混合模型 | 图像 | 185个CT扫描数据 |
587 | 2024-12-19 |
Unsupervised domain adaptation for histopathology image segmentation with incomplete labels
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108226
PMID:38428096
|
研究论文 | 本文提出了一种基于不完全标签的无监督域适应方法,用于组织病理学图像分割 | 本文提出了一种新的场景,即基于不完全标签的无监督域适应分割任务,并设计了SASN-IL网络,通过自适应染色调制模块提高模型在目标域上的分割性能 | 本文仅在一个胃癌数据集上进行了验证,未来需要在更多不同类型的数据集上进行测试 | 提高深度学习算法在组织病理学图像分割中的泛化能力 | 组织病理学图像的分割 | 数字病理学 | 胃癌 | 无监督域适应 | SASN-IL | 图像 | 一个胃癌数据集 |
588 | 2024-12-19 |
ECPC-IDS: A benchmark endometrial cancer PET/CT image dataset for evaluation of semantic segmentation and detection of hypermetabolic regions
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108217
PMID:38430743
|
研究论文 | 本文发布了一个公开的子宫内膜癌PET/CT图像数据集ECPC-IDS,用于评估语义分割和检测高代谢区域 | 首次公开了一个包含大量多模态图像的子宫内膜癌数据集,为计算机辅助诊断提供了新的研究资源 | NA | 发布一个公开的子宫内膜癌PET/CT图像数据集,以促进计算机辅助诊断技术的发展 | 子宫内膜癌的PET/CT图像 | 计算机视觉 | 子宫内膜癌 | 深度学习 | 语义分割和目标检测模型 | 图像 | 分割部分包含7159张PET和CT图像,目标检测部分包含3579张PET和CT图像及XML标注文件 |
589 | 2024-12-19 |
scAuto as a comprehensive framework for single-cell chromatin accessibility data analysis
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108230
PMID:38442554
|
研究论文 | 本文开发了一个名为scAuto的预训练深度学习框架,用于单细胞染色质可及性数据的分析,并提供了一个用户友好的在线分析工具 | scAuto通过预训练和微调的方法,学习DNA序列的通用语法,并将其应用于单细胞染色质可及性分析任务,提供了一个全面的分析框架和交互式网络服务器 | NA | 开发一个全面的单细胞染色质可及性数据分析框架,并提供用户友好的在线分析工具 | 单细胞染色质可及性数据 | 机器学习 | NA | 深度学习 | Transformer | 文本 | Buenrostro2018数据集 |
590 | 2024-12-19 |
CODENET: A deep learning model for COVID-19 detection
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108229
PMID:38447500
|
研究论文 | 本文提出了一种基于深度学习的新模型CODENET,用于通过胸部X光片进行COVID-19的自动诊断 | 该研究引入了对比学习技术,以充分利用潜在图像数据,增强模型在不同数据域中的特征提取能力和泛化能力 | NA | 开发一种准确且实用的自动诊断框架,用于COVID-19的检测,并提供良好的可解释性 | COVID-19的自动诊断 | 计算机视觉 | COVID-19 | 对比学习 | CNN | 图像 | NA |
591 | 2024-12-19 |
Predicting the diabetic foot in the population of type 2 diabetes mellitus from tongue images and clinical information using multi-modal deep learning
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1473659
PMID:39691096
|
研究论文 | 本文基于中医和西医的定量和定性融合数据,结合中医和西医的客观参数,建立了一个糖尿病足(DF)预测模型 | 本文创新性地将舌象特征与临床信息结合,利用多模态深度学习方法建立了糖尿病足预测模型,证明了中医舌诊在糖尿病足风险预测中的独特优势和重要作用 | NA | 建立一个基于临床特征和客观舌色的糖尿病足预测模型,验证中医舌诊的科学性 | 2型糖尿病患者的糖尿病足风险预测 | 机器学习 | 糖尿病 | 深度神经网络(DNN) | ResNet-50 | 图像和临床数据 | 391名患者,其中267名为糖尿病足患者 |
592 | 2024-12-19 |
Recognition and Localization of Maize Leaf and Stalk Trajectories in RGB Images Based on Point-Line Net
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0199
PMID:39691278
|
研究论文 | 本文提出了一种基于Point-Line Net的深度学习方法,用于自动识别玉米田RGB图像中的叶片和茎秆数量及其生长轨迹 | 本文创新性地开发了Point-Line Net方法,基于Mask R-CNN框架,并引入了一个新的轻量级“关键点”检测分支,用于描述叶片和茎秆的位置和生长 | 本文主要在实验室环境下进行实验,尚未完全解决田间复杂背景和严重遮挡问题 | 探索深度学习技术在田间农业中获取叶片和茎秆数量及其生长轨迹的应用 | 玉米田中的叶片和茎秆数量及其生长轨迹 | 计算机视觉 | NA | 深度学习 | Point-Line Net | 图像 | 实验结果基于自定义的距离验证指数,达到了33.5的量级 |
593 | 2024-12-19 |
Artificial intelligence for chimeric antigen receptor-based therapies: a comprehensive review of current applications and future perspectives
2024, Therapeutic advances in vaccines and immunotherapy
DOI:10.1177/25151355241305856
PMID:39691280
|
综述 | 本文综述了人工智能在嵌合抗原受体(CAR)疗法中的当前应用和未来展望 | 本文探讨了人工智能在CAR疗法中的多种应用,如使用深度学习设计CAR、自然语言处理提取临床信息、计算机视觉分析CAR细胞形态、强化学习优化CAR输注剂量等 | 本文指出了使用人工智能进行CAR疗法的挑战,包括数据质量不足、模型验证需求、AI输出偏差和错误风险、伦理法律问题以及对人类在癌症免疫治疗中角色的影响 | 探讨人工智能在CAR疗法中的应用及其未来发展方向 | 人工智能在CAR疗法中的设计、生产、交付等方面的应用 | 机器学习 | NA | 深度学习、自然语言处理、计算机视觉、强化学习 | NA | 文本、图像 | NA |
594 | 2024-12-19 |
Editorial: Investigating tumor immunotherapy responses in lung cancer using deep learning
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1529949
PMID:39691722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
595 | 2024-12-19 |
EEG-based action anticipation in human-robot interaction: a comparative pilot study
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1491721
PMID:39691819
|
研究论文 | 本研究探讨了如何利用脑电图(EEG)信号在人机交互中进行动作预测,以提高安全性和效率 | 本研究首次将EEG信号与深度学习技术结合,用于人机交互中的动作预测,展示了其在实时协作任务中的潜力 | 本研究仅进行了初步的试点实验,样本量较小,未来需要更大规模的研究来验证其有效性 | 探索如何利用EEG信号在人机交互中进行动作预测,以提高安全性和效率 | 人机交互中的动作预测 | 机器学习 | NA | 脑电图(EEG) | 深度学习分类模型 | 脑电图信号 | 一个运动想象(MI)数据集,具体样本量未明确说明 |
596 | 2024-12-19 |
Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241308610
PMID:39692551
|
研究论文 | 本研究开发了一种名为Refined Radiomics and Deep Learning Features-Guided CatBoost Classifier (RRDLC-Classifier)的诊断算法,用于预测临床I期实性肺腺癌中的高级别病理模式 | 本研究创新性地结合了精炼的放射组学和深度学习特征,开发了一种新的诊断算法RRDLC-Classifier,用于预测临床I期实性肺腺癌中的高级别病理模式 | 本研究为回顾性研究,样本量有限,可能存在选择偏倚 | 开发并评估一种新的诊断算法,用于预测临床I期实性肺腺癌中的高级别病理模式 | 临床I期实性肺腺癌患者的高级别病理模式 | 数字病理学 | 肺癌 | 放射组学、深度学习、CatBoost分类器 | CatBoost分类器 | 影像 | 371名临床I期实性肺腺癌患者 |
597 | 2024-12-18 |
Deep learning model for diagnosis of venous thrombosis from lower extremity peripheral ultrasound imaging
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111318
PMID:39687013
|
研究论文 | 本研究旨在建立一个深度学习模型,用于通过下肢外周超声图像诊断深静脉血栓 | 本研究创新性地使用卷积神经网络(UNet和ResNet)进行图像分割,并开发了一个用户友好的应用程序,以便前线临床医生快速评估临床严重性并进行及时干预 | NA | 建立一个深度学习模型,用于通过超声图像诊断深静脉血栓 | 下肢外周超声图像中的深静脉血栓 | 计算机视觉 | 深静脉血栓 | 卷积神经网络 | UNet, ResNet | 图像 | 通过标准和便携式手持超声方法获得的静脉双工超声视频图像 |
598 | 2024-12-18 |
Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers
2024-Dec-17, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01395-24
PMID:39565103
|
研究论文 | 本研究开发了一种基于自编码器的半监督深度学习框架ASD-cancer,用于整合肿瘤微环境微生物组和宿主基因表达数据,识别癌症患者的生存亚型 | 首次通过深度学习框架整合肿瘤微生物组和宿主基因表达数据,成功识别出20种癌症的生存亚型,并发现了潜在的微生物-宿主基因相互作用 | 需要进一步验证数据集的支持以确认结果的普适性 | 揭示肿瘤微生物组、宿主基因表达及其对患者生存的协同影响,推动个性化治疗 | 肿瘤微环境中的微生物组和宿主基因表达数据 | 机器学习 | 多种癌症 | 深度学习 | 自编码器 | 基因组数据 | 来自The Cancer Genome Atlas数据库的组织样本 |
599 | 2024-12-18 |
A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma
2024-Dec-17, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.4c04413
PMID:39629830
|
研究论文 | 本文开发了一种基于深度学习的框架,用于从历史地图中识别未记录的孤立油气井,并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究 | 本文创新性地利用了最先进的计算机视觉神经网络模型U-Net,通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井 | 本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证,未来需要进一步扩展到全美范围 | 本文的研究目的是开发一种方法来识别未记录的孤立油气井,以减少其对环境和公共健康的潜在危害 | 本文的研究对象是未记录的孤立油气井及其在历史地图中的位置 | 计算机视觉 | NA | 计算机视觉神经网络模型 | U-Net | 地图 | 在加利福尼亚州和俄克拉荷马州的四个县中,发现了1301个潜在的未记录孤立油气井,覆盖面积超过40,000平方公里 |
600 | 2024-12-18 |
Bimodal PET/MRI generative reconstruction based on VAE architectures
2024-Dec-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9133
PMID:39527911
|
研究论文 | 本研究探索了在深度学习框架下基于变分自编码器(VAE)架构的正电子发射断层扫描(PET)/磁共振成像(MRI)联合重建方法 | 提出了基于VAE约束与交替方向乘子法(ADMM)优化技术的新方法,并探索了三种VAE架构以确定两种模态的最佳潜在表示 | 未提及具体限制 | 开发一种新的PET/MRI联合重建方法,以提高重建质量,特别是在短采集时间下的表现 | 脑部PET/MRI数据 | 计算机视觉 | NA | 变分自编码器(VAE),交替方向乘子法(ADMM) | VAE | 图像 | 脑部PET/MRI数据集 |