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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1401 | 2025-03-02 |
RETRACTED ARTICLE: Sustainable strategy for online physical education teaching using ResNet34 and big data
2024-12, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08524-y
PMID:37362298
|
研究论文 | 本文提出了一种具有可持续发展特性的在线教学支持系统,利用ResNet34深度学习图像识别算法实时分析和纠正学生在体操、舞蹈、篮球等运动中的动作 | 通过将注意力机制模块与原始ResNet34结合,提高了系统的检测精度,并且系统能够随着新运动类别的出现扩展数据集,保持实时更新 | NA | 开发一种可持续的在线体育教学支持系统,以改善虚拟体育教学中的学生动作纠正 | 在线体育教学中的学生动作 | 计算机视觉 | NA | 深度学习 | ResNet34 | 图像 | NA |
1402 | 2025-03-02 |
Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia
2024-Dec, BJA open
DOI:10.1016/j.bjao.2024.100347
PMID:40018289
|
研究论文 | 本研究探讨了使用颅内和头皮脑电图(EEG)预测麻醉苏醒期间镇静水平的深度学习模型 | 结合颅内和头皮EEG数据,利用深度学习模型预测镇静水平,显著提高了预测准确性 | 样本量较小,仅涉及7名患者,且验证集仅包含5名患者的头皮EEG数据 | 研究目的是通过EEG监测预测麻醉苏醒期间的镇静水平,以提高麻醉管理的安全性 | 研究对象为接受颅内电极植入手术的7名难治性癫痫患者,以及5名仅提供头皮EEG数据的患者 | 机器学习 | 癫痫 | EEG | 深度学习模型 | EEG数据 | 7名患者(颅内和头皮EEG数据),5名患者(仅头皮EEG数据) |
1403 | 2025-03-02 |
Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model
2024-Nov-22, The British journal of ophthalmology
DOI:10.1136/bjo-2023-324528
PMID:39117359
|
研究论文 | 本文设计了一种深度学习模型,用于通过纵向系列的黄斑光学相干断层扫描血管成像(OCTA)图像检测青光眼的进展 | 使用定制的卷积神经网络(CNN)对青光眼进展进行分类,并与基于全图像血管密度(wiVD)损失的逻辑回归模型进行比较 | 需要外部验证以进一步增强模型的泛化能力 | 检测青光眼的进展 | 134名开角型青光眼患者的202只眼睛 | 计算机视觉 | 青光眼 | 光学相干断层扫描血管成像(OCTA) | 卷积神经网络(CNN) | 图像 | 202只眼睛,134名患者,平均随访3.5年 |
1404 | 2025-03-02 |
Predicting phage-host interactions via feature augmentation and regional graph convolution
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae672
PMID:39727002
|
研究论文 | 本文提出了一种名为MI-RGC的新方法,通过特征增强和区域图卷积来预测噬菌体-宿主相互作用(PHIs) | MI-RGC方法引入了互信息进行特征增强,并采用区域图卷积来学习有意义的表示,从而克服了现有深度学习方法在PHIs预测中的局限性 | 尽管MI-RGC在三个基准数据集上表现出色,但其在高度数据稀疏性任务中的过拟合风险仍需进一步研究 | 开发一种更有效的预测噬菌体-宿主相互作用的方法,以支持噬菌体疗法的发展 | 噬菌体和宿主之间的相互作用 | 机器学习 | NA | 深度学习方法 | 区域图卷积模型 | 序列信息 | 三个基准数据集 |
1405 | 2025-03-02 |
Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease
2024-11-04, Inflammatory bowel diseases
IF:4.5Q1
DOI:10.1093/ibd/izad285
PMID:38011673
|
研究论文 | 本文开发了一种深度学习自动分割模型,用于在计算机断层扫描肠造影(CTE)图像中分割克罗恩病(CD)病变,并通过提取的放射组学特征构建多个机器学习分类器以区分CD活动性 | 开发了基于nnU-Net神经网络的自动分割模型,并结合放射组学特征构建了多个机器学习分类器,用于区分CD活动性 | 研究为回顾性研究,样本量相对较小,可能影响模型的泛化能力 | 开发自动分割模型并构建机器学习分类器,以辅助放射科医生评估克罗恩病活动性 | 克罗恩病患者的CTE图像 | 计算机视觉 | 克罗恩病 | 深度学习,放射组学 | nnU-Net,逻辑回归 | CTE图像 | 分割数据集包含84例CD患者的CTE检查,分类数据集包含193例CD患者的CTE检查 |
1406 | 2025-03-02 |
A Deep Learning Framework for End-to-End Control of Powered Prostheses
2024-May, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/lra.2024.3374189
PMID:40012860
|
研究论文 | 本文提出了一种深度学习框架,用于端到端控制动力假肢,消除了传统任务分类、状态机和中级控制方程的需求 | 通过将整个控制问题压缩到一个深度神经网络中,消除了传统任务分类、状态机和中级控制方程的需求 | 研究仅针对五种运动模式进行,样本量为12名经股截肢者,可能需要更多样化的数据和更大的样本量来验证模型的普适性 | 探索深度学习在动力假肢控制中的应用,以实现端到端的关节级辅助 | 动力膝踝假肢(OSL)及其传感器数据 | 机器学习 | NA | 深度学习 | 时间卷积网络(TCN) | 传感器数据 | 12名经股截肢者 |
1407 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1408 | 2025-03-02 |
Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection
2024-01-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.1.23
PMID:38285462
|
研究论文 | 本文开发并评估了一种深度学习模型,用于评估眼底照片质量,并定量测量其在独立研究人群中自动化检测原发性开角型青光眼(POAG)的影响 | 首次将深度学习模型应用于眼底照片质量评估,并展示了其对提高POAG检测准确性的显著影响 | 研究依赖于特定数据集(DIGS/ADAGES和OHTS),可能限制了模型的泛化能力 | 提高自动化POAG检测的准确性,减少人工审查的负担 | 眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | 深度学习模型 | 图像 | 2815张来自DIGS/ADAGES的眼底照片和11,350张来自OHTS的眼底照片 |
1409 | 2025-03-02 |
Rapid and accurate classification of mung bean seeds based on HPMobileNet
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1474906
PMID:40017618
|
研究论文 | 本研究提出了一种基于深度学习的绿豆种子快速准确分类方法,通过改进MobileNetV2模型,引入了DMS块、ECA块和Mish激活函数,构建了高精度网络模型HPMobileNet | 提出了HPMobileNet模型,结合DMS块、ECA块和Mish激活函数,显著提升了绿豆种子分类的准确率 | 研究未涉及模型在其他作物种子分类中的泛化能力,且未来优化和应用潜力仍需进一步探索 | 开发一种高效准确的绿豆种子分类方法,推动智能农业技术的发展 | 八种不同品种的绿豆种子 | 计算机视觉 | NA | 深度学习 | HPMobileNet(基于MobileNetV2改进) | 图像 | 34,890张绿豆种子图像 |
1410 | 2025-03-02 |
A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1448669
PMID:40017619
|
研究论文 | 本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法,用于干旱热谷环境中的植被检测 | 结合了MTPI(最大迁移潜力指数方法)和MTSA(多汤普森采样算法)强化学习,用于数据集自动增强和网络自动训练,减少了人工经验和试错成本 | 现有自动训练方法适应于简单数据集和网络结构,在非结构化环境(如干旱热谷环境)中实用性较低 | 减少深度学习中的手动干预,提高复杂植被信息收集的效率 | 干旱热谷环境中的植被 | 计算机视觉 | NA | 深度学习,强化学习,迁移学习 | FCN, Seg-Net, U-Net, Seg-Res-Net 50 | 图像 | NA |
1411 | 2025-03-01 |
Deep learning of structural MRI predicts fluid, crystallized, and general intelligence
2024-11-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78157-0
PMID:39537706
|
研究论文 | 本研究探讨了深度学习技术如何利用T1加权结构脑磁共振成像(sMRI)预测个体的流体智力、晶体智力和一般智力 | 首次使用深度学习模型预测晶体智力和一般智力,而不仅仅是流体智力,并且通过大量实验验证了T1加权sMRI在智力预测中的潜力 | 研究样本包括健康个体和自闭症患者,可能影响结果的普适性,且深度学习模型的复杂性增加并未显著提高预测准确性 | 探索深度学习技术是否能够通过sMRI预测个体的智力水平,包括流体智力、晶体智力和一般智力 | 850名6至64岁的健康个体和自闭症患者 | 计算机视觉 | 自闭症 | T1加权结构脑磁共振成像(sMRI) | 2D和3D CNN | 图像 | 850名6至64岁的健康个体和自闭症患者 |
1412 | 2025-03-01 |
Prediction and design of transcriptional repressor domains with large-scale mutational scans and deep learning
2024-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.21.614253
PMID:39386603
|
研究论文 | 本文通过大规模突变扫描和深度学习模型TENet,预测和设计了转录抑制域(RDs),并实验验证了数千种设计 | 开发了深度学习模型TENet,整合序列、结构和生化信息,用于准确预测转录抑制活性,并应用于定向进化序列编辑框架 | 未明确提及模型在更广泛生物环境中的适用性或潜在的计算资源需求 | 研究序列变异如何影响转录抑制域的功能活性,并设计合成调控蛋白 | 人类细胞中的转录抑制域(RDs)及其变异序列 | 生物信息学 | NA | 大规模突变扫描、深度学习 | TENet(转录效应网络) | 序列数据、结构数据、生化数据 | 115,000种变异序列,涵盖50多个RDs |
1413 | 2025-03-01 |
Discovery and characterization of novel FGFR1 inhibitors in triple-negative breast cancer via hybrid virtual screening and molecular dynamics simulations
2024-09, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2024.107553
PMID:38901279
|
研究论文 | 本研究通过混合虚拟筛选和分子动力学模拟,发现并表征了三阴性乳腺癌中的新型FGFR1抑制剂 | 开发了一种结合深度学习和分子对接的创新算法KarmaDock,并利用Schrödinger的残基扫描技术进行虚拟筛选,成功识别出具有显著FGFR1抑制活性的化合物6 | NA | 寻找有效的FGFR1抑制剂以应对三阴性乳腺癌的进展 | 三阴性乳腺癌细胞系 | 机器学习和分子动力学模拟 | 三阴性乳腺癌 | 虚拟筛选、分子动力学模拟、HTRF生物测定 | 深度学习与分子对接结合的KarmaDock算法 | 分子数据 | NA |
1414 | 2025-03-01 |
Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy
2024-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.15.562439
PMID:37986950
|
研究论文 | 本文介绍了一种基于深度学习的像差补偿策略,旨在提高厚样本荧光显微镜成像的信号、对比度和分辨率 | 该方法通过引入合成像差并训练神经网络来逆转这些像差的影响,无需减慢图像采集速度、增加剂量或引入更多光学元件 | NA | 提高厚样本荧光显微镜成像的质量 | 厚样本的荧光显微镜图像 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 多种数据集,包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据 |
1415 | 2025-03-01 |
Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae034
PMID:39081946
|
研究论文 | 本研究比较了简单模型与深度学习模型在从心电图(ECG)波形中检测左心室收缩功能障碍(LVSD)的准确性 | 研究表明,基于标准ECG测量的简单模型在检测LVSD方面可以达到与深度学习模型相似的准确性,且更易于实施和解释 | 研究主要依赖于单一医疗中心的数据,外部验证数据有限,可能影响模型的广泛适用性 | 比较简单模型与深度学习模型在检测LVSD方面的性能 | 心电图(ECG)波形和经胸超声心动图 | 机器学习 | 心血管疾病 | 随机森林模型、逻辑回归模型、深度学习模型 | 随机森林、逻辑回归、深度学习 | 心电图波形数据 | 40,994对匹配的12导联心电图和经胸超声心动图 |
1416 | 2025-03-01 |
Fluorescence excitation-scanning hyperspectral imaging with scalable 2D-3D deep learning framework for colorectal cancer detection
2024-06-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64917-5
PMID:38926431
|
研究论文 | 本文介绍了一种新型的荧光激发扫描高光谱成像(HSI)方法,结合可扩展的2D-3D深度学习框架,用于结直肠癌的检测 | 开发了一种新型的荧光激发扫描HSI方法,结合可扩展的AI框架,实现了实时HSI分类和AI决策过程的可解释性 | 高维度的HSI数据集在数据处理、解释性和分类方面存在挑战 | 提高结直肠癌病变检测的敏感性和特异性 | 结直肠癌病变 | 计算机视觉 | 结直肠癌 | 荧光激发扫描高光谱成像(HSI) | 深度学习模型 | 图像 | NA |
1417 | 2025-03-01 |
Deep Learning Phenotyping of Tricuspid Regurgitation for Automated High Throughput Assessment of Transthoracic Echocardiography
2024-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.22.24309332
PMID:38978651
|
研究论文 | 本研究开发了一种自动化深度学习流程,用于从经胸超声心动图中评估三尖瓣反流(TR) | 开发了一种自动化深度学习工作流程,用于高吞吐量评估三尖瓣反流,并在两个不同的医疗系统中进行了验证 | 研究依赖于特定医疗中心的数据,可能在其他医疗环境中的适用性需要进一步验证 | 开发并验证一种自动化深度学习模型,用于从超声心动图中评估三尖瓣反流的严重程度 | 经胸超声心动图视频 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | CSMC数据集包含47,312项研究(2,079,898个视频),测试集包含2,462项研究(108,138个视频);SHC数据集包含5,549项研究(278,377个视频) |
1418 | 2025-03-01 |
Deep learning evaluation of echocardiograms to identify occult atrial fibrillation
2024-Apr-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01090-z
PMID:38615104
|
研究论文 | 本研究开发了一种深度学习算法,通过分析经胸超声心动图(TTE)视频来识别隐匿性心房颤动(AF) | 创新点在于使用两阶段深度学习算法,结合视频卷积神经网络模型,能够区分窦性心律和AF,并预测窦性心律患者中90天内发生AF的可能性 | 模型的预测性能在外部验证队列中有所下降,特别是在预测并发阵发性AF时,AUPRC较低(0.19-0.23) | 研究目的是通过深度学习技术识别隐匿性AF,以促进早期治疗 | 研究对象为经胸超声心动图(TTE)视频 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络(CNN) | 视频 | 111,319个TTE视频用于训练,10,203个TTE视频用于外部验证 |
1419 | 2025-03-01 |
Automatic end-to-end VMAT treatment planning for rectal cancers
2024-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14259
PMID:38317597
|
研究论文 | 本研究开发并临床评估了一种用于直肠癌VMAT治疗的端到端自动分割和自动计划流程 | 首次将自动分割和自动计划结合用于直肠癌VMAT治疗的端到端流程,仅需肿瘤体积轮廓和CT扫描作为输入 | 大、小肠的分割具有挑战性,端到端流程的自动计划接受率有待提高 | 开发并评估直肠癌VMAT治疗的端到端自动分割和自动计划流程 | 直肠癌患者的CT扫描数据和临床靶区(CTV)轮廓 | 数字病理 | 直肠癌 | VMAT(容积调强弧形治疗) | nnU-Net | CT图像 | 174名患者的CTV数据,18名患者的其他结构数据,20名患者的训练数据,34名患者的测试数据,16名患者的端到端流程评估数据 |
1420 | 2025-03-01 |
Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies
2024-Apr, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2023.101417
PMID:38435965
|
研究论文 | 本研究评估了自动轮廓绘制在基于计算机断层扫描的妇科恶性肿瘤近距离放射治疗计划中的准确性和效率 | 前瞻性地评估了自动轮廓绘制在临床实践中的应用,填补了该领域的研究空白 | 样本量相对较小,且仅在一个机构内进行,可能限制了结果的普适性 | 评估自动轮廓绘制在妇科恶性肿瘤近距离放射治疗计划中的临床实用性和准确性 | 妇科恶性肿瘤患者 | 数字病理 | 妇科恶性肿瘤 | 深度学习 | NA | CT图像 | 30例自动轮廓绘制病例和31例手动轮廓绘制病例 |