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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11501 | 2024-08-07 |
Deep Learning-Based Design Method for Acoustic Metasurface Dual-Feature Fusion
2024-May-06, Materials (Basel, Switzerland)
DOI:10.3390/ma17092166
PMID:38730972
|
研究论文 | 本文提出了一种基于深度学习的声学超表面双特征融合设计方法 | 首次采用集成学习方法构建超表面物理结构参数与声场之间的正向映射关系模型,并提出基于卷积神经网络的双特征融合模型(DFCNN) | NA | 旨在快速准确地设计声学超表面 | 声学超表面的物理结构参数与声场之间的关系 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 声场数据 | 90%的集成学习模型误差小于3 dB,93%的DFCNN模型误差小于5 dB |
11502 | 2024-08-07 |
Identification of Novel Regulators of Leaf Senescence Using a Deep Learning Model
2024-May-05, Plants (Basel, Switzerland)
DOI:10.3390/plants13091276
PMID:38732491
|
研究论文 | 本文开发了一种名为DEGRN的深度学习模型,用于解析植物基因相互作用,并通过大量RNA-Seq和scRNA-Seq数据成功识别了大量高质量的基因交互作用。 | DEGRN模型能够利用高维表达数据,揭示包括叶片衰老在内的复杂生物过程中的新型调控因子。 | NA | 探索和解析植物基因调控网络,特别是叶片衰老过程中的基因相互作用。 | 植物基因调控网络,特别是转录因子及其目标基因在叶片衰老过程中的作用。 | 机器学习 | NA | RNA-Seq | 深度学习模型 | 表达数据 | 涉及1430个转录因子和13,739个非转录因子基因,共3,053,363个高质量交互作用。 |
11503 | 2024-08-07 |
Exploring intricate connectivity patterns for cognitive functioning and neurological disorders: incorporating frequency-domain NC method into fMRI analysis
2024-May-02, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae195
PMID:38741270
|
研究论文 | 本研究将频域新因果方法应用于功能磁共振成像分析,构建了多种因果关系模型来模拟多变量功能磁共振成像血氧水平依赖信号间的不同程度的因果关联 | 本研究首次将频域新因果方法应用于功能磁共振成像分析,并成功构建了多种因果关系模型,通过深度学习模型验证了该方法的优越性能 | NA | 探索复杂的脑连接模式与认知功能和神经疾病之间的关系 | 多变量功能磁共振成像血氧水平依赖信号及认知障碍患者的大脑效率网络 | 神经影像学 | 认知障碍 | 功能磁共振成像 (fMRI) | 深度学习模型 | 图像 | 1,252组认知障碍程度不同的个体 |
11504 | 2024-08-07 |
Computed tomography-based 3D convolutional neural network deep learning model for predicting micropapillary or solid growth pattern of invasive lung adenocarcinoma
2024-May, La Radiologia medica
DOI:10.1007/s11547-024-01800-3
PMID:38512613
|
研究论文 | 研究基于CT的深度学习模型预测侵袭性肺腺癌中的微乳头状或实性生长模式 | 使用自步学习3D网络模型,该模型在预测侵袭性肺腺癌的微乳头状或实性生长模式方面表现优于其他模型 | NA | 探讨基于CT的深度学习模型预测侵袭性肺腺癌中微乳头状或实性生长模式的价值 | 侵袭性肺腺癌患者的CT扫描图像 | 计算机视觉 | 肺腺癌 | 深度学习 | 3D卷积神经网络 | 图像 | 617名侵袭性肺腺癌患者用于训练和内部验证,353名患者用于外部验证 |
11505 | 2024-08-07 |
A Novel Method for the Object Detection and Weight Prediction of Chinese Softshell Turtles Based on Computer Vision and Deep Learning
2024-May-01, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14091368
PMID:38731372
|
研究论文 | 本文提出了一种基于计算机视觉和深度学习的新方法,用于中国软壳龟的目标检测和重量预测 | 本文提出了一种颜色空间模型来有效分离龟与背景,并使用改进的深度学习目标检测网络提取龟甲和背甲的特征,实现了高精度的检测结果 | NA | 研究自动化龟分类中的视觉识别和重量预测 | 中国软壳龟 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 未具体说明样本数量 |
11506 | 2024-08-07 |
The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review
2024-Apr-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090939
PMID:38732351
|
综述 | 本研究通过叙述性综述探讨了深度学习(DL)在放射治疗领域的变革性影响,特别是在COVID-19大流行加速发展的情况下。 | 研究强调了DL算法在优化治疗计划、图像分析和患者结果预测方面的革命性潜力。 | 研究指出需要进一步探索特定研究领域以解锁DL技术的全部能力。 | 探讨深度学习在放射治疗中的挑战、机遇和未来方向。 | 研究对象包括深度学习算法在放射治疗中的应用及其对患者护理和治疗策略的影响。 | 机器学习 | NA | 深度学习 | NA | 图像 | NA |
11507 | 2024-08-07 |
Deep Learning-Based Classification and Semantic Segmentation of Lung Tuberculosis Lesions in Chest X-ray Images
2024-Apr-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090952
PMID:38732366
|
研究论文 | 本文提出了一种基于深度学习网络的方法,用于检测和语义分割胸部X光图像中的两种特定类型的肺结核病变 | 使用多种U-Net模型的增强版本和集成方法,以提高病变分类和分割的准确性 | NA | 开发一种辅助临床医生检查胸部X光图像中肺结核病变的诊断工具 | 胸部X光图像中的肺结核病变 | 计算机视觉 | 肺结核 | 深度学习 | U-Net, Attention U-Net, U-Net++, Attention U-Net++, PSP Attention U-Net++ | 图像 | 110训练图像,14验证图像,98测试图像 |
11508 | 2024-08-07 |
Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning
2024-Apr-29, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14091324
PMID:38731328
|
research paper | 本研究提出了一种基于深度学习的计算机视觉方法,用于非侵入性地监测新生牛犊的站立和躺卧行为 | 使用YOLOv8n模型进行行为检测,实现了高精度和快速推理 | NA | 旨在通过自动测量牛犊的站立和躺卧时间来了解其健康状况 | 新生牛犊的站立和躺卧行为 | computer vision | NA | 深度学习 | YOLOv8n | 视频 | 六头牛犊,连续六天 |
11509 | 2024-08-07 |
A Multi-Stage Approach for Cardiovascular Risk Assessment from Retinal Images Using an Amalgamation of Deep Learning and Computer Vision Techniques
2024-Apr-29, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090928
PMID:38732342
|
研究论文 | 本文提出了一种利用深度学习和计算机视觉技术从视网膜图像中评估心血管风险的多阶段方法 | 该研究结合了手工特征和人工智能模型提取的视网膜血管模式,以提高心血管疾病风险预测的准确性和可靠性 | 未来的工作将集中在提高解决方案的稳健性,探索额外的风险因素,并在更多样化的临床环境中验证其性能 | 开发一种用于早期检测心血管疾病的预测模型,通过评估视网膜血管参数 | 视网膜图像和血管参数 | 计算机视觉 | 心血管疾病 | 深度学习 | 二元分类模型 | 图像 | 包含临床试验中的眼底图像和全面元数据的数据集 |
11510 | 2024-08-07 |
Accurate categorization and rapid pathological diagnosis correction with Micro-Raman technique in human lung adenocarcinoma infiltration level
2024-Apr-29, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-168
PMID:38736487
|
研究论文 | 本研究探讨了使用微拉曼技术对人类肺腺癌浸润程度进行精确分类和快速病理诊断校正的方法 | 本研究采用了微拉曼技术结合卷积神经网络模型,提供了一种快速、精确且临床相关的分析方法,显著提高了诊断的准确性和一致性 | NA | 旨在开发和验证一种针对不同浸润程度的肺腺癌病理诊断的工作流程 | 人类肺腺癌样本 | 数字病理 | 肺腺癌 | 微拉曼技术 | CNN | 组织图像 | 具体样本数量未在摘要中提及 |
11511 | 2024-08-07 |
Development and validation of a deep learning-based model to predict response and survival of T790M mutant non-small cell lung cancer patients in early clinical phase trials using electronic medical record and pharmacokinetic data
2024-Apr-29, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-23-737
PMID:38736496
|
研究论文 | 开发并验证了一种基于深度学习的模型,用于预测T790M突变型非小细胞肺癌患者在早期临床试验中的反应和生存率,使用电子病历和药代动力学数据 | 结合了混合专家模型(MoE)和Cox算法,能够预测疗效并细分EGFR突变型非小细胞肺癌患者的生存情况 | NA | 开发一种新的工具,补充EGFR基因型检测,以预测第三代EGFR-TKI治疗的疗效并细分EGFR突变患者的预后 | T790M突变型非小细胞肺癌患者 | 机器学习 | 肺癌 | 深度学习 | 混合专家模型(MoE)和Cox算法 | 电子病历和药代动力学数据 | 326名T790M突变型非小细胞肺癌患者 |
11512 | 2024-08-07 |
Innovative Machine Learning Strategies for Early Detection and Prevention of Pregnancy Loss: The Vitamin D Connection and Gestational Health
2024-Apr-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090920
PMID:38732334
|
研究论文 | 本研究利用机器学习技术提高早期妊娠丢失(EPL)的预测准确性,并区分正常妊娠与高风险妊娠 | 采用深度学习和多层感知器等先进机器学习模型,以及线性判别分析和二次判别分析算法,实现了高达98%的预测准确率 | NA | 提高早期妊娠丢失的预测准确性,改善妊娠健康结果 | 早期妊娠丢失及妊娠健康 | 机器学习 | 妊娠疾病 | 机器学习 | 深度学习, 多层感知器, 线性判别分析, 二次判别分析 | 数值数据 | 未明确提及具体样本数量 |
11513 | 2024-08-07 |
Promoting Artificial Intelligence for Global Breast Cancer Risk Prediction and Screening in Adult Women: A Scoping Review
2024-Apr-25, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13092525
PMID:38731054
|
综述 | 本文通过范围综述探讨了人工智能技术在乳腺癌风险预测和筛查中的应用及其面临的障碍 | 本文介绍了多种人工智能技术和模型在乳腺癌风险检测和预防中的应用 | 研究中存在缺乏外部效度和有限的可推广性,以及由于样本量小或数据缺失导致的偏倚问题 | 旨在识别在应用创新人工智能技术进行乳腺癌风险预测和促进筛查行为中遇到的障碍 | 成人女性乳腺癌风险预测和筛查 | 机器学习 | 乳腺癌 | 机器学习和深度学习模型 | ML-DL模型 | NA | 研究中存在样本量小或数据缺失的问题 |
11514 | 2024-08-07 |
New Horizons of Artificial Intelligence in Medicine and Surgery
2024-Apr-25, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13092532
PMID:38731061
|
研究论文 | 本文探讨了人工智能在医学和外科领域的应用及其对医疗诊断、患者监测、个性化治疗和手术流程优化的影响 | 文章介绍了人工智能在医学和外科领域的新应用,如机器学习、深度学习、神经网络和计算机视觉等技术 | 文章提到人工智能的实施可能面临障碍,可能会减缓其应用速度 | 旨在预测并发症、减少诊断时间、诊断复杂病理、术中指导外科医生和减少医疗错误 | 人工智能在医学和外科领域的应用 | 机器学习 | NA | 机器学习, 深度学习, 神经网络, 计算机视觉 | 神经网络 | 数据库 | NA |
11515 | 2024-08-07 |
The Detection of Pulp Stones with Automatic Deep Learning in Panoramic Radiographies: An AI Pilot Study
2024-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090890
PMID:38732305
|
研究论文 | 本研究旨在评估使用深度学习方法在全景影像中自动检测牙髓石的有效性 | 利用YOLOv5架构进行人工智能建模,在全景放射图像中通过数值识别检测牙髓石取得了显著成功 | 预期通过使用包含更多图像的数据集来提高训练模型的成功率 | 评估深度学习方法在全景影像中自动检测牙髓石的效果 | 牙髓石的自动检测 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 2409张全景放射图像,包含7564个标签 |
11516 | 2024-08-07 |
Deep Learning for Cell Migration in Nonwoven Materials and Evaluating Gene Transfer Effects following AAV6-ND4 Transduction
2024-Apr-24, Polymers
IF:4.7Q1
DOI:10.3390/polym16091187
PMID:38732656
|
研究论文 | 本研究利用深度学习算法分析非织造材料中细胞迁移行为及AAV6-ND4转导后的基因转移效应 | 采用深度学习算法优化生物材料设计,并模拟细胞在人工环境中的归巢、迁移和增殖行为 | NA | 研究细胞在合成生物材料三维结构中的定植过程,以促进人工组织和器官的开发 | 非织造材料中的细胞迁移行为及AAV6-ND4转导后的基因转移效应 | 机器学习 | NA | 深度学习 | NA | 图像 | LHON成纤维细胞 |
11517 | 2024-08-07 |
From Organelle Morphology to Whole-Plant Phenotyping: A Phenotypic Detection Method Based on Deep Learning
2024-Apr-23, Plants (Basel, Switzerland)
DOI:10.3390/plants13091177
PMID:38732392
|
研究论文 | 本文利用深度学习技术从宏观(植物)到微观(细胞器)层面进行植物表型参数的分类和预测 | 提出了一种基于深度学习的植物表型检测方法,并通过增加时间间隔的图像数据集验证了模型在不同时间间隔下的性能 | NA | 研究植物表型参数分析,以促进育种实践 | 从宏观的植物到微观的细胞器 | 计算机视觉 | NA | 深度学习 | 多输出模型 | 图像 | 使用了拟南芥的图像数据集 |
11518 | 2024-08-07 |
Artificial Intelligence-Based Non-invasive Differentiation of Distinct Histologic Subtypes of Renal Tumors With Multiphasic Multidetector Computed Tomography
2024-Apr, Cureus
DOI:10.7759/cureus.57959
PMID:38738077
|
研究论文 | 本研究利用深度学习技术通过四相多层CT扫描非侵入性地区分肾肿瘤的不同组织学亚型 | 开发了一种基于人工智能的非侵入性方法,通过深度神经网络使用四相多层CT扫描的峰值衰减值来预测肾细胞癌亚型 | NA | 精确识别肾细胞癌的肿瘤亚型,特别是检测常在传统组织病理学检查中被忽视的小型异质性病变 | 肾肿瘤的不同组织学亚型 | 机器学习 | 肾细胞癌 | 多层CT扫描 | 深度神经网络 | 图像 | 50名受试者,包括32名男性和18名女性,以及一个包含20,000个样本的合成数据集 |
11519 | 2024-08-07 |
Cancer Immunotherapy and Medical Imaging Research Trends from 2003 to 2023: A Bibliometric Analysis
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S457367
PMID:38736544
|
meta-analysis | 本文通过文献计量分析方法,探讨了2003年至2023年间癌症免疫治疗与医学影像研究的发展趋势 | 首次系统性地对癌症免疫治疗与医学影像领域的研究进行了文献计量分析 | NA | 旨在明确过去研究轨迹,总结当前研究热点,揭示科学发展动态,并探索未来研究方向 | 癌症免疫治疗与医学影像相关的出版物 | 医学影像 | 癌症 | MRI, 深度学习 | NA | NA | 美国发表最多,共265篇;中国次之,共170篇 |
11520 | 2024-08-07 |
On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1378149
PMID:38736660
|
研究论文 | 本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务 | 使用合成图像和物理世界图像的混合数据集训练网络,以提高图像分割任务的性能 | NA | 设计用于视觉引导无人机的深度学习控制算法,以进行电力塔检查 | 自主无人机及其在电力塔检查中的应用 | 计算机视觉 | NA | 卷积神经网络 | U-NET | 图像 | 合成图像数据集、物理世界图像数据集及混合数据集 |