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(使用关键词“['deep learning']”过滤),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19.9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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9541 | 2024-08-05 |
GAN-Based Motion Artifact Correction of 3D MR Volumes Using an Image-to-Image Translation Algorithm
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3007743
PMID:39041007
|
研究论文 | 该研究介绍了一种基于3D深度学习框架的脑部MRI体积运动伪影修复新方法 | 引入了增量密集连接的3D U-net架构,并结合GAN-informed训练和新颖的体积重建损失函数 | NA | 提升受运动伪影影响的脑部MRI的图像质量 | 运动伪影影响的脑部MRI体积 | 计算机视觉 | NA | 深度学习 | 3D U-net, GAN | MRI图像 | 多样的受运动伪影影响的MRI体积 | NA | NA | NA | NA |
| 9542 | 2024-08-05 |
CCL-DTI: contributing the contrastive loss in drug-target interaction prediction
2024-Jan-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05671-3
PMID:38291364
|
研究论文 | 本文提出了一种基于对比损失的药物-靶标相互作用预测模型 | 引入对比损失函数以提高深度学习模型在药物-靶标相互作用预测中的性能 | 未提及特定的局限性 | 研究如何通过利用对比损失函数改进药物-靶标相互作用预测模型 | 研究对象为药物分子和蛋白质序列 | 计算机视觉 | NA | 深度学习 | 注意力机制融合模型 | 多模态知识 | 使用四个知名数据集进行评估 | NA | NA | NA | NA |
| 9543 | 2024-08-05 |
Deep learning-based synthetic dose-weighted LET map generation for intensity modulated proton therapy
2024-Jan-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad154b
PMID:38091613
|
研究论文 | 该文章提出了一种基于深度学习的框架,用于从剂量分布图预测合成的质量能量转移 (LET) 分布图 | 使用CycleGAN模型显著提高了LET图生成的速度和准确性,优于其他基于GAN的模型 | 使用深度学习模型的有效性在不同的临床设置中可能需要进一步验证 | 旨在改进质子治疗的计划,通过更好地考虑可变的相对生物效能(RBE) | 研究对象为质子治疗中的剂量分布图 | 数字病理学 | NA | 深度学习 | CycleGAN | 剂量分布图 | NA | NA | NA | NA | NA |
| 9544 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: a two-center study
2024-Jan-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.11.01.23297935
PMID:37961086
|
研究论文 | 本研究开发了一个自动化的管道,用于分割小儿弥漫性中线胶质瘤的亚区域,并选择预测患者总生存期的影像组学特征 | 通过使用机器学习和MRI影像组学,该研究为预测小儿病人总生存期提供了一种新的非侵入性方法 | 研究中样本量相对较小,仅涵盖了69名患者,且仅通过两个中心的数据进行验证 | 研究的目的是预测小儿弥漫性中线胶质瘤患者的总生存期 | 研究对象为小儿弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI,机器学习 | 深度学习模型 | 影像 | 53名内部队列和16名外部队列患者 | NA | NA | NA | NA |
| 9545 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: A two-center study
2024 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdae108
PMID:39027132
|
研究论文 | 本文开发了一种自动化管道,通过MRI放射组学和机器学习预测儿童弥漫性中线胶质瘤的整体生存率 | 提出了一种新的基于MRI放射组学和深度学习模型的生存率预测方法 | 研究样本量较小,可能影响结果的普适性 | 研究旨在预测儿童弥漫性中线胶质瘤患者的整体生存率 | 研究对象为儿童弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI放射组学 | 深度学习模型 | 医学影像 | 69个样本,53个来自内部队列,16个来自外部队列 | NA | NA | NA | NA |
| 9546 | 2024-08-05 |
Detection of Alzheimer's disease using Otsu thresholding with tunicate swarm algorithm and deep belief network
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1380459
PMID:39045216
|
研究论文 | 本文提出了一种自动化框架用于早期检测阿尔茨海默病。 | 提出使用Tunicate Swarm Algorithm优化Otsu阈值方法来提高阿尔茨海默病的图像分类准确率。 | 本文未提及特定样本的限制和研究的普适性问题。 | 研究阿尔茨海默病的早期检测方法,以降低死亡率。 | 使用结构磁共振成像(sMRI)图像检测阿尔茨海默病。 | 数字病理学 | 阿尔茨海默病 | 结构磁共振成像(sMRI) | 深度信念网络(DBN) | 图像 | 使用了阿尔茨海默病神经影像倡议(ADNI)和澳大利亚成像、标志物与生活方式旗舰研究(AIBL)数据集 | NA | NA | NA | NA |
| 9547 | 2024-08-05 |
StripeRust-Pocket: A Mobile-Based Deep Learning Application for Efficient Disease Severity Assessment of Wheat Stripe Rust
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0201
PMID:39044844
|
研究论文 | 本研究提出了一个基于移动设备的深度学习应用程序,用于有效评估小麦条锈病的病害严重性 | StripeRust-Pocket应用程序结合了模型辅助标注和深度学习技术,能够在复杂背景下准确量化病害严重性,并大幅缩短标注时间 | NA | 提供一种高效实用的小麦条锈病严重性评估解决方案 | 小麦条锈病叶片图像 | 计算机视觉 | NA | 深度学习 | StripeRustNet(包含MobileNetV2-DeepLabV3+和ResNet50-DeepLabV3+) | 图像 | 100张田间图像及自收集的数据集 | NA | NA | NA | NA |
| 9548 | 2024-08-05 |
Shape-position perceptive fusion electronic skin with autonomous learning for gesture interaction
2024, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-024-00739-9
PMID:39045231
|
研究论文 | 提出了一种感知融合电子皮肤,实现手势交互的自主学习 | 开发了具有生物启发层次结构的感知融合电子皮肤,通过磁致伸缩合金膜的磁化状态实现对关节形状和位置的双重信息感知 | 佩戴应用的计算能力有限,可能影响深度学习网络的部署和多模态传感数据的融合 | 旨在提升可穿戴设备在人机交互中的手势识别和触觉反馈能力 | 研究目标是手部的关节运动与感知信息的映射 | 数字病理学 | NA | NA | 教师模型 | 信号信息 | NA | NA | NA | NA | NA |
| 9549 | 2024-08-05 |
AI-assisted deep learning segmentation and quantitative analysis of X-ray microtomography data from biomass ashes
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102812
PMID:39040214
|
研究论文 | 这篇文章介绍了一种使用深度学习对X射线微核成像数据进行分割和定量分析的方法 | 提出了一种深度学习分割方法,克服了手动分割中遇到的挑战,并提高了对多样化颗粒的定量分析精度 | 对于具有相似强度但不同模式的材料特征及背景中的强度变化和伪影,可能仍然存在分离困难 | 提高生物质灰烬图像的分割和定量分析效率,以促进有效的营养回收与可持续实践 | 生物质灰烬的微观结构,特别是颗粒的物理特性和孔隙结构 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 9550 | 2024-08-05 |
Image-based deep learning model using DNA methylation data predicts the origin of cancer of unknown primary
2024-09, Neoplasia (New York, N.Y.)
DOI:10.1016/j.neo.2024.101021
PMID:38943996
|
研究论文 | 本文开发了一种基于图像的深度学习模型,用于预测未知原发癌症的起源。 | 文章创新地应用了视觉变换算法和DNA甲基化数据来识别癌症的起源。 | 本研究的局限性在于使用的样本主要来自TCGA和20个外部研究,可能影响模型的普遍适用性。 | 研究的目的是提高对未知原发癌症起源的准确识别。 | 研究对象为8,233个来自TCGA的原发肿瘤样本和394个转移癌样本。 | 数字病理学 | 未知原发癌症 | DNA甲基化分析 | 视觉变换器 | 图像 | 8,233个原发肿瘤样本和394个转移癌样本 | NA | NA | NA | NA |
| 9551 | 2024-08-05 |
An instance segmentation dataset of cabbages over the whole growing season for UAV imagery
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110699
PMID:39044907
|
研究论文 | 本文介绍了一种针对整个生长季节的白菜实例分割数据集,适用于无人机图像 | 提供了标注的白菜图像数据集,以便通过深度学习模型进行白菜识别 | 目前白菜的训练数据集仍然有限 | 创建用于无人机影像的白菜识别训练数据集 | 白菜图像和其标注 | 机器学习 | NA | 深度学习 | NA | 图像 | 458张图像,17,621个标注的白菜 | NA | NA | NA | NA |
| 9552 | 2024-08-05 |
Diagnostic support in pediatric craniopharyngioma using deep learning
2024-Aug, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-024-06400-0
PMID:38647660
|
研究论文 | 本文研究了儿童颅咽管瘤患者,旨在开发用于放射学辅助分类的卷积深度学习算法 | 首次在本机构开展此类研究,利用可解释的人工智能和深度学习模型实现放射学诊断支持 | NA | 开发深度学习算法用于儿童颅咽管瘤的诊断支持 | 226名智利儿童患者的磁共振影像 | 计算机视觉 | 颅咽管瘤 | 深度学习 | 卷积神经网络 | 图像 | 226名患者(68名健康对照,58名颅咽管瘤患者,100名其他颅内肿瘤患者) | NA | NA | NA | NA |
| 9553 | 2024-08-05 |
Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases
2024-Aug-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.02.041
PMID:38431232
|
研究论文 | 本研究评估了自动轮廓系统在乳腺放射治疗中的影响和临床实用性 | 本研究展示了自动轮廓系统在临床实际应用中的表现,并强调了自动化设置的必要性和潜在的自动化偏差风险 | 在肺部的分割准确性较差,且未能明确提及如何处理这一问题 | 本研究的目的是评估自动轮廓系统在乳腺放射治疗中的临床效用 | 研究对象为2428名接受辅助乳腺放射治疗的患者 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 轮廓数据 | 2428名患者 | NA | NA | NA | NA |
| 9554 | 2024-08-05 |
Active Discovery of the Allosteric Inhibitor Targeting Botrytis cinerea Chitinase Based on Neural Relational Inference for Food Preservation
2024-Jul-24, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c03023
PMID:39003764
|
研究论文 | 本文介绍了一种基于神经关系推理的活性发现方法,以寻找针对Botrytis cinerea几丁质酶的别构抑制剂。 | 利用深度学习神经关系推理框架主动识别了2-乙酰萘酮作为一种新的别构抑制剂。 | 暂无明显说明的限制因素 | 开发针对耐药性病原体的食品保存剂。 | Botrytis cinerea几丁质酶及其抑制剂。 | 机器学习 | NA | 深度学习 | 神经关系推理 | 化学活性实验数据 | 使用了樱桃番茄的感染模型进行实验 | NA | NA | NA | NA |
| 9555 | 2024-08-05 |
SaccpaNet: A Separable Atrous Convolution-based Cascade Pyramid Attention Network to Estimate Body Landmarks Using Cross-modal Knowledge Transfer for Under-blanket Sleep Posture Classification
2024-Jul-23, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3432195
PMID:39042546
|
研究论文 | 本研究提出了一种基于深度相机的睡姿监测与分类系统,用于家庭或社区使用 | 提出了SaccpaNet,通过可分离的空洞卷积和金字塔注意力结构来处理毯子干扰问题,并引入了后验数据增强技术以增强模型的鲁棒性 | 该研究的参考数据主要基于150名参与者,可能限制了结果的广泛适用性 | 开发一种有效的睡姿评估方法,能够在卧室环境中克服传统多导睡眠监测的局限性 | 150名参与者在四种毯子条件下执行七种睡姿 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 深度图像 | 150名参与者 | NA | NA | NA | NA |
| 9556 | 2024-08-05 |
Fine-grained knowledge about manipulable objects is well-predicted by contrastive language image pre-training
2024-Jul-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110297
PMID:39040066
|
研究论文 | 本研究展示了CLIP-ViT模型在细粒度可操作物体知识的逼近能力 | 本研究展示了CLIP-ViT在预训练过程中使用多模态数据相较于单一图像数据集的优势 | 未涉及人类独特的行为维度的直接比较 | 探讨深度学习模型在识别可操纵物体的细粒度知识方面的能力 | 针对可操控物体的知识进行细粒度组织和预测 | 计算机视觉 | NA | CLIP-ViT | 多模态网络 | 图像和文本 | 大规模和多样化的图像-文本对 | NA | NA | NA | NA |
| 9557 | 2024-08-05 |
Deep learning for automated scoring of immunohistochemically stained tumour tissue sections - Validation across tumour types based on patient outcomes
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32529
PMID:39040241
|
研究论文 | 本文旨在开发深度学习模型以自动评分免疫组化染色的肿瘤组织切片,并与手动评分的临床相关蛋白进行比较 | 该研究展示了深度学习模型在不同肿瘤类型中自动评分的有效性,提供了手动评分的有效替代方案 | 研究可能未涵盖所有类型的肿瘤,且模型的泛化能力需进一步验证 | 研究目的是开发和验证深度学习模型以提高免疫组化评分的效率和准确性 | 研究对象包括多个癌症患者群体,包括结肠癌、前列腺癌、乳腺癌和子宫内膜癌 | 数字病理学 | 前列腺癌、乳腺癌、结肠癌、子宫内膜癌 | 深度学习 | 卷积神经网络(CNN) | 图像 | 涉及五个癌症患者群体的样本 | NA | NA | NA | NA |
| 9558 | 2024-08-05 |
Efficient colorectal polyp segmentation using wavelet transformation and AdaptUNet: A hybrid U-Net
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33655
PMID:39040380
|
研究论文 | 本文提出了一种基于AdaptUNet的混合U-Net模型,用于高效的结直肠息肉分割 | 采用自定义的U-Net架构和小波变换来改善息肉分割的准确性 | NA | 提高结直肠息肉在内镜图像中的早期检测能力 | 结直肠息肉的分割 | 计算机视觉 | 结直肠癌 | 小波变换 | AdaptUNet | 图像 | 使用Hyper Kvasir分割图像数据集进行训练 | NA | NA | NA | NA |
| 9559 | 2024-08-05 |
Key factor screening in mouse NASH model using single-cell sequencing combined with machine learning
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33597
PMID:39040415
|
研究论文 | 本研究通过单细胞RNA测序和机器学习分析非酒精性脂肪性肝炎(NASH)相关的基因 | 结合单细胞RNA测序与机器学习,发现与NASH相关的关键基因,提供新的治疗靶点 | 研究未提及样本的多样性和外部验证的必要性 | 识别与非酒精性脂肪性肝炎进展密切相关的基因 | 研究对象为小鼠NASH模型中的细胞群体 | 数字病理学 | 非酒精性脂肪性肝炎 | 单细胞RNA测序 | 卷积神经网络 | 基因数据 | NA | NA | NA | NA | NA |
| 9560 | 2024-08-05 |
The construction of urban cultural and creative industries using deep learning and information management
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33787
PMID:39040397
|
研究论文 | 本研究探讨了中国城市文化创意产业(CCI)的发展及其影响因素 | 构建了基于LSTM算法的文化和创意推荐模型,并揭示了可持续盈利和文化影响因素对CCI发展的重要性 | 研究主要集中在城市A,缺乏其他城市的详细案例分析 | 探讨和分析城市文化创意产业的发展动态 | 以城市A为研究对象,比较分析多个城市的CCI发展 | 数字创意产业 | NA | 深度学习与信息管理 | LSTM | 发展数据 | 2021年各城市相关发展数据 | NA | NA | NA | NA |