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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6981 | 2024-09-28 |
Multimodal ischemic stroke recurrence prediction model based on the capsule neural network and support vector machine
2024-Aug-30, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000039217
PMID:39213233
|
研究论文 | 本研究提出了一种基于胶囊神经网络和支持向量机的多模态缺血性中风复发预测模型 | 该研究结合了生物化学检测和磁共振成像数据,提出了一个高性能的异质多模态缺血性中风复发预测模型,相比传统机器学习模型,其准确性、特异性、敏感性和曲线下面积均有显著提升 | 本研究为回顾性队列研究,样本量有限,且仅基于珠海地区的数据,未来需要更大规模的前瞻性研究来验证模型的普适性 | 旨在提高缺血性中风复发预测的准确性 | 缺血性中风患者的复发风险 | 机器学习 | 中风 | 胶囊神经网络、支持向量机 | 胶囊神经网络、支持向量机 | 生物化学检测数据、磁共振成像数据 | 634名缺血性中风患者 |
6982 | 2024-09-28 |
Weakly-supervised deep learning models enable HER2-low prediction from H &E stained slides
2024-Aug-19, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-024-01863-0
PMID:39160593
|
研究论文 | 本文介绍了一种基于自监督注意力机制的弱监督深度学习模型,用于从H&E染色切片中预测HER2-low乳腺癌 | 提出了一种新的弱监督深度学习模型,能够直接从病理图像中预测HER2-low状态,无需额外的免疫组化测试 | 模型的有效性依赖于HER2检测试验的一致性和可靠性 | 开发一种成本效益高且快速的HER2评估方法 | HER2-low乳腺癌的预测 | 数字病理学 | 乳腺癌 | 自监督注意力机制 | 深度学习模型 | 图像 | 1351名乳腺癌患者的1437张病理图像 |
6983 | 2024-09-28 |
Image-based discrimination of the early stages of mesenchymal stem cell differentiation
2024-Aug-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-02-0095
PMID:38837346
|
研究论文 | 研究使用免疫荧光成像和基于深度学习的计算机视觉技术来区分间充质干细胞早期分化阶段 | 开发了一种基于图像的诊断工具,用于区分间充质干细胞早期分化阶段 | NA | 研究间充质干细胞早期分化的细胞结构变化,并开发一种新的诊断工具 | 间充质干细胞的早期分化阶段 | 计算机视觉 | NA | 免疫荧光成像 | 卷积神经网络 | 图像 | NA |
6984 | 2024-09-28 |
Artificial Intelligence (AI)-Enhanced Detection of Diabetic Retinopathy From Fundus Images: The Current Landscape and Future Directions
2024-Aug, Cureus
DOI:10.7759/cureus.67844
PMID:39323686
|
综述 | 本文综述了当前基于人工智能(AI)的糖尿病视网膜病变(DR)从眼底图像检测的现状及未来发展方向 | 本文介绍了深度学习和计算机视觉在分析视网膜图像方面的最新进展,包括卷积神经网络在检测可转诊DR方面的高灵敏度和特异性,多任务学习方法同时检测和分级DR严重程度,以及轻量级模型在移动设备上的部署 | 本文指出了当前AI系统在DR筛查中面临的挑战,包括确保在不同人群中的泛化能力,标准化图像采集和质量,解决复杂模型的“黑箱”性质,以及将AI无缝集成到临床工作流程中 | 探讨人工智能(AI)在糖尿病视网膜病变(DR)检测中的应用现状及未来发展方向 | 糖尿病视网膜病变(DR)的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 卷积神经网络(CNN) | 图像 | NA |
6985 | 2024-09-28 |
ECG-only explainable deep learning algorithm predicts the risk for malignant ventricular arrhythmia in phospholamban cardiomyopathy
2024-07, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2024.02.038
PMID:38403235
|
研究论文 | 研究开发了一种仅基于心电图数据的深度学习算法,用于预测磷酸酯酶心肌病患者的恶性室性心律失常风险 | 该研究首次使用深度学习技术仅通过心电图数据预测恶性室性心律失常风险,并开发了可视化工具提供交互式可视化 | 研究仅针对磷酸酯酶心肌病患者,且样本量有限 | 研究目的是探讨可解释的深度学习方法是否能仅通过心电图数据进行风险预测 | 研究对象为679名携带磷酸酯酶p.(Arg14del)变异且基线无恶性室性心律失常的患者 | 机器学习 | 心血管疾病 | 深度学习 | 变分自编码器 | 心电图 | 679名患者 |
6986 | 2024-09-28 |
Omics-based deep learning approaches for lung cancer decision-making and therapeutics development
2024-May-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad031
PMID:37519050
|
综述 | 本文综述了基于组学的深度学习方法在肺癌决策和治疗开发中的应用 | 本文总结了近年来深度学习模型在肺癌基因组学中的应用,并讨论了未来的研究方向 | NA | 探讨深度学习在肺癌基因组学研究中的应用和未来发展方向 | 肺癌的诊断、预后、治疗策略以及生物标志物的开发 | 机器学习 | 肺癌 | 组学分析 | 深度学习 | 基因组数据 | NA |
6987 | 2024-09-28 |
Prediction of early-phase cytomegalovirus pneumonia in post-stem cell transplantation using a deep learning model
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240597
PMID:39058469
|
研究论文 | 研究利用深度学习模型预测造血干细胞移植后早期巨细胞病毒性肺炎 | 采用少样本迁移学习策略,利用少量CT图像区分罕见肺炎类型 | 样本量较小,可能影响模型的泛化能力 | 开发一种深度学习模型,用于区分造血干细胞移植后巨细胞病毒性肺炎与其他类型肺炎 | 造血干细胞移植后患者的巨细胞病毒性肺炎 | 计算机视觉 | 肺部疾病 | 深度学习 | Xception | 图像 | 34例巨细胞病毒性肺炎病例,1681张COVID-19、社区获得性肺炎和正常肺部CT图像,98张巨细胞病毒性肺炎和正常肺部CT图像 |
6988 | 2024-09-28 |
Forecasting deep learning-based risk assessment of vector-borne diseases using hybrid methodology
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240046
PMID:38968030
|
研究论文 | 本文提出了一种基于径向基函数网络(RBFNs)和Darts游戏优化器(DGO)算法的新方法,用于预测蚊媒疾病的风险 | 本文的创新点在于结合了RBFNs和DGO算法,以提高预测蚊媒疾病风险的准确性和鲁棒性 | NA | 研究目的是提出一种新的方法来预测蚊媒疾病的风险,以帮助公共卫生领域的疾病控制 | 研究对象是蚊媒疾病的风险预测 | 机器学习 | NA | 径向基函数网络(RBFNs),Darts游戏优化器(DGO)算法 | 径向基函数网络(RBFNs) | 历史疾病数据,气候变量,地理数据 | NA |
6989 | 2024-09-28 |
Deep-KEDI: Deep learning-based zigzag generative adversarial network for encryption and decryption of medical images
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-231927
PMID:38968065
|
研究论文 | 本文提出了一种基于深度学习的医疗图像加密和解密方法,使用深度学习网络生成安全密钥 | 设计了一种新的深度学习网络Deep-KEDI,用于生成加密和解密医疗图像的安全密钥,并采用了Zigzag生成对抗网络(ZZ-GAN) | NA | 开发一种新的深度学习方法,用于生成安全密钥以加密和解密医疗图像 | 医疗图像的加密和解密 | 计算机视觉 | NA | 深度学习 | 生成对抗网络(GAN) | 图像 | NA |
6990 | 2024-09-28 |
An automated two-stage approach to kidney and tumor segmentation in CT imaging
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-232009
PMID:38875055
|
研究论文 | 提出了一种基于深度学习的两阶段方法,用于在CT图像中自动分割肾脏和肿瘤 | 使用注意力循环残差卷积网络进行分割,显著提高了肾脏和肾脏肿瘤分割的准确性 | NA | 提高肾脏和肾脏肿瘤在CT图像中的分割精度,减少人工干预 | 肾脏和肾脏肿瘤 | 计算机视觉 | NA | 深度学习 | 注意力循环残差卷积网络 | CT图像 | KiTS19数据集 |
6991 | 2024-09-28 |
Deep learning approach for skin melanoma and benign classification using empirical wavelet decomposition
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240020
PMID:38788103
|
研究论文 | 本文提出了一种基于经验小波分解和双曲正切调制滤波器组的新模型,用于皮肤黑色素瘤和良性病变的分类 | 本文创新性地使用了基于双曲正切调制滤波器组的经验小波分解模型,显著提高了皮肤病变图像特征提取的准确性 | NA | 开发一种新的计算机技术模型,用于早期区分黑色素瘤和良性皮肤病变 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 经验小波分解 | NA | 图像 | NA |
6992 | 2024-09-28 |
Deep learning for blood glucose level prediction: How well do models generalize across different data sets?
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310801
PMID:39321157
|
研究论文 | 本文研究了不同深度学习模型在预测糖尿病患者血糖水平方面的泛化能力 | 本文通过比较多种深度学习模型在不同数据集上的表现,评估了它们的泛化能力,并发现LSTM和SAN模型在捕捉长期依赖性和相关因素方面表现出色 | 本文仅评估了特定深度学习模型在血糖预测中的表现,未涵盖其他可能的模型或技术 | 比较和分析不同深度学习模型在预测血糖水平方面的适用性和泛化能力 | 糖尿病患者的血糖水平预测 | 机器学习 | 糖尿病 | 深度学习 | LSTM, SAN, CNN, FFN | 时间序列数据 | 四个不同大小和来源的数据集,涵盖不同年龄组和条件 |
6993 | 2024-09-28 |
Bibliometric and visualized analysis of the application of artificial intelligence in stroke
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1411538
PMID:39323917
|
研究论文 | 本文对人工智能在卒中领域的应用进行了文献计量和可视化分析 | 首次系统性地对人工智能在卒中领域的应用进行了文献计量分析,揭示了当前研究热点和未来发展趋势 | 仅限于英文发表的文章,可能忽略了其他语言的重要研究成果 | 分析人工智能在卒中领域的应用现状、热点和未来发展趋势 | 人工智能在卒中领域的应用研究文献 | 机器学习 | 卒中 | 文献计量分析 | NA | 文献 | 2447篇论文 |
6994 | 2024-09-28 |
Applications of Deep Learning: Automated Assessment of Vascular Tortuosity in Mouse Models of Oxygen-Induced Retinopathy
2024 Jan-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2023.100338
PMID:37869029
|
研究论文 | 开发生成对抗网络(GAN)用于分割氧诱导视网膜病变(OIR)小鼠模型视网膜平铺图像中的主要血管,并展示这些GAN生成的血管分割在量化血管迂曲度方面的应用 | 使用生成对抗网络(GAN)自动生成视网膜血管分割图,并用于量化血管迂曲度 | NA | 开发和验证用于视网膜血管分割的生成对抗网络(GAN),并评估其在量化血管迂曲度方面的应用 | 氧诱导视网膜病变(OIR)小鼠模型的视网膜平铺图像中的主要血管 | 计算机视觉 | 视网膜病变 | 生成对抗网络(GAN) | Pix2Pix | 图像 | 三个数据集,包含1084、50和20张不同染色和牺牲年龄的小鼠视网膜平铺图像 |
6995 | 2024-09-27 |
Artificial intelligence-enhanced opportunistic screening of osteoporosis in CT scan: a scoping Review
2024-Oct, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA
IF:4.2Q1
DOI:10.1007/s00198-024-07179-1
PMID:38985200
|
综述 | 本文综述了利用人工智能(AI)增强的CT扫描机会性筛查骨质疏松症和骨质减少风险的研究现状 | 本文展示了AI在利用CT扫描增强机会性筛查骨质疏松症方面的潜力 | 该领域仍处于早期阶段,大多数解决方案处于概念验证阶段,方法、工作流程和基准选择存在显著异质性 | 评估当前利用人工智能(AI)增强的机会性筛查方法在CT扫描中评估椎体骨小梁结构以分层骨质疏松症和骨质减少风险的研究 | 研究对象为利用AI技术通过CT扫描分类骨质疏松症/骨质减少或确定骨密度的文章 | 机器学习 | 骨质疏松症 | CT扫描 | 深度学习 | 图像 | 14项研究符合纳入标准 |
6996 | 2024-09-27 |
Artificial Intelligence-Based Histopathological Subtyping of High-Grade Serous Ovarian Cancer
2024-Oct, The American journal of pathology
DOI:10.1016/j.ajpath.2024.06.010
PMID:39032605
|
研究论文 | 本研究开发了一种基于人工智能的高级别浆液性卵巢癌亚型分类算法 | 利用深度学习技术开发了一种通用的亚型分类算法,能够复制病理学家的共识诊断 | 研究仅限于高级别浆液性卵巢癌,且依赖于TCGA数据集和特定验证集 | 开发一种基于人工智能的高级别浆液性卵巢癌亚型分类算法 | 高级别浆液性卵巢癌的亚型分类 | 数字病理 | 卵巢癌 | 深度学习 | NA | 图像 | 使用了TCGA数据集、JGOG3022A1和Kindai/Kyoto队列的数据 |
6997 | 2024-09-27 |
Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks
2024-Oct, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-024-01179-6
PMID:38896344
|
研究论文 | 本研究利用深度学习方法,基于手术室视频检测麻醉人员的手卫生行为 | 提出了一种基于3D卷积神经网络的算法,用于自动检测手术室中的手卫生行为 | 研究仅在一个手术室进行,数据收集时间有限 | 开发一种高效的监控系统,以防止手术室中的医院获得性感染 | 麻醉人员的手卫生行为 | 计算机视觉 | NA | 3D卷积神经网络 | 3D CNN | 视频 | 从2018年11月至2019年2月,在一个手术室收集了四个月的视频数据,并添加了模拟数据 |
6998 | 2024-09-27 |
Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes
2024-Oct, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.16979
PMID:39133828
|
研究论文 | 本文利用深度学习构建卷积神经网络模型,研究古多倍体和新/合成多倍体基因组中的亚基因组优势机制 | 本文首次利用深度学习方法构建卷积神经网络模型,分析古多倍体和新/合成多倍体基因组中的亚基因组优势,并发现古多倍体中的亚基因组优势与启动子区域的长期序列分化相关 | 本文的模型未能预测新/合成多倍体中新同源基因对的表达优势 | 研究亚基因组优势的机制及其在古多倍体和新/合成多倍体中的差异 | 古多倍体和新/合成多倍体基因组中的亚基因组优势 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN) | DNA序列和甲基化位点 | 三个代表性多倍体系统(Brassica、Gossypium和Cucurbitaceae)的古多倍体和新/合成多倍体基因组 |
6999 | 2024-09-27 |
Improving remote sensing scene classification using dung Beetle optimization with enhanced deep learning approach
2024-Sep-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e37154
PMID:39318799
|
研究论文 | 本文提出了一种利用蜣螂优化和增强深度学习方法改进遥感场景分类的技术 | 本文创新性地结合了蜣螂优化算法和增强的MobileNet模型,并通过多头部注意力机制的长短期记忆网络进行场景分类 | NA | 提高遥感图像场景分类的准确性 | 遥感图像中的不同场景 | 计算机视觉 | NA | 蜣螂优化算法 | MobileNet模型、多头部注意力机制的长短期记忆网络 | 图像 | 使用UC Merced和EuroSAT数据集进行评估 |
7000 | 2024-09-27 |
Hierarchical structures and magnetism of Co clusters: a perspective from integration of deep learning and a hybrid differential evolution algorithm
2024-Sep-26, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr02431a
PMID:39225229
|
研究论文 | 本文通过结合深度学习和混合差分进化算法,研究了Co团簇的分层结构和磁性 | 利用深度神经网络构建了近似DFT精度的深度势能模型,显著降低了计算消耗,并结合高效混合差分进化算法搜索Co团簇的最低能量结构 | NA | 确定Co团簇的最低能量结构及其分层结构和磁性 | Co团簇(原子数为11-50) | 机器学习 | NA | 密度泛函理论计算 | 深度神经网络 | 数据集 | Co团簇(原子数为11-50) |