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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1801 | 2025-01-27 |
Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning
2024-Dec-14, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae270
PMID:39673805
|
研究论文 | 本文介绍了一种结合受激拉曼组织学(SRH)和深度学习的方法,用于快速术中检测原发性中枢神经系统淋巴瘤(PCNSL)并与其他中枢神经系统肿瘤进行区分 | 结合受激拉曼组织学和深度学习,开发了一种名为RapidLymphoma的深度学习管道,能够在三分钟内生成虚拟H&E样图像,并在国际多中心队列中验证其诊断性能 | 研究依赖于特定的设备和数据来源,可能限制了其广泛应用的可行性 | 开发一种快速、准确的术中诊断方法,以区分原发性中枢神经系统淋巴瘤和其他中枢神经系统肿瘤 | 原发性中枢神经系统淋巴瘤(PCNSL)和其他中枢神经系统肿瘤 | 数字病理学 | 中枢神经系统肿瘤 | 受激拉曼组织学(SRH) | 深度学习 | 图像 | 54,000个SRH图像块,来自手术切除和立体定向引导活检,包括各种中枢神经系统肿瘤/非肿瘤病变 |
1802 | 2025-01-27 |
Application of improved and efficient image repair algorithm in rock damage experimental research
2024-Jun-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65790-y
PMID:38937588
|
研究论文 | 本文提出了一种改进的高效图像修复算法,应用于岩石损伤实验研究中,以解决数字图像技术在数据处理中的缺陷 | 本文创新性地将改进的增量Transformer图像算法应用于岩石损伤实验中的图像修复,并结合深度可分离卷积网络优化算法效率 | NA | 提高数字图像技术在岩石损伤分析中的效率和准确性 | 软岩和硬岩 | 计算机视觉 | NA | 深度学习 | 增量Transformer算法、深度可分离卷积网络 | 图像 | NA |
1803 | 2025-01-26 |
Characterization of saffron from different origins by HS-GC-IMS and authenticity identification combined with deep learning
2024-Dec-30, Food chemistry: X
DOI:10.1016/j.fochx.2024.101981
PMID:39850938
|
研究论文 | 本文开发了一种结合顶空气相色谱-离子迁移谱(HS-GC-IMS)和卷积神经网络(CNN)的方法,用于快速识别藏红花的来源和掺假 | 首次将HS-GC-IMS与CNN结合,用于藏红花的来源和掺假识别,实现了高准确率的预测 | 未提及样本的具体来源和数量,可能影响模型的泛化能力 | 开发一种快速可靠的策略,用于识别藏红花的来源和掺假 | 藏红花 | 机器学习 | NA | HS-GC-IMS | CNN | 图像 | NA |
1804 | 2025-01-26 |
Accurate size-based protein localization from cryo-ET tomograms
2024-Dec, Journal of structural biology: X
DOI:10.1016/j.yjsbx.2024.100104
PMID:39044770
|
研究论文 | 本文提出了一种基于大小的蛋白质定位方法,用于从冷冻电子断层扫描(cryo-ET)图像中快速准确地挑选蛋白质颗粒 | 该方法不需要外部模板或用户提供的标签,且计算效率高,适用于非专用CPU硬件 | 未提及具体局限性 | 提高冷冻电子断层扫描图像分析中蛋白质颗粒挑选的准确性和效率 | 冷冻电子断层扫描图像中的蛋白质颗粒 | 计算机视觉 | NA | 冷冻电子断层扫描(cryo-ET)和子断层图平均(STA) | NA | 3D图像 | 不同类型的样本的断层图 |
1805 | 2025-01-26 |
Evolutionary Strategies AI Addresses Multiple Technical Challenges in Deep Learning Deployment: Proof-of-Principle Demonstration for Neuroblastoma Brain Metastasis Detection
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01165-z
PMID:38886289
|
研究论文 | 本文探讨了深度神经进化(DNE)在解决放射学AI中的过拟合和泛化性问题上的应用,特别是在神经母细胞瘤脑转移检测中的表现 | 展示了DNE在多样化外部验证集上的泛化能力,证明了其在小数据集上的准确预测能力 | DNE的泛化能力尚未在其他疾病或更大规模的数据集上得到验证 | 解决放射学AI中的过拟合和泛化性问题,提升AI在临床实践中的应用 | 神经母细胞瘤脑转移的MRI图像 | 计算机视觉 | 神经母细胞瘤 | 深度神经进化(DNE) | 卷积神经网络(CNN) | 图像 | 60张MRI图像用于训练,超过50个机构的多样化图像用于测试 |
1806 | 2025-01-26 |
Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease
2024-Oct, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2024.101022
PMID:39850238
|
研究论文 | 本文提出了一种基于深度学习的药物筛选算法,用于从传统中药方剂中发现阿尔茨海默病的潜在治疗化合物 | 使用四种深度神经网络模型在疾病和靶点水平上进行阿尔茨海默病药物筛选,并通过实验验证了高评分化合物的效果 | 研究主要基于传统中药方剂,未涉及其他类型的药物库 | 开发阿尔茨海默病的潜在治疗药物 | 阿尔茨海默病相关化合物 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度神经网络(DNN) | 化合物数据 | Kaixinsan (KXS) 方剂中的化合物 |
1807 | 2025-01-26 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌(HNC)护理中的创新、应用及未来方向 | 探讨了人工智能与影像技术、基因组学和电子健康记录的整合,及其在早期检测、生物标志物发现和治疗规划中的作用 | 数据质量、算法偏见和跨学科合作的必要性等挑战仍然存在 | 探讨人工智能在头颈癌护理中的应用及未来发展方向 | 头颈癌(HNC) | 自然语言处理 | 头颈癌 | 深度学习、自然语言处理 | NA | 影像、基因组数据、电子健康记录 | NA |
1808 | 2025-01-26 |
A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception
2024-08-28, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090374
PMID:39330002
|
研究论文 | 本文提出了一种新型的多特征融合多任务(MFFMT)模型,用于乳腺癌超声图像分类,并通过病变区域感知来提高分类性能 | 设计了上下文病变增强感知(CLEP)模块和多特征融合(MFF)模块,以更好地捕捉病变区域的局部和全局特征关系,并缓解信息共享冲突 | 未提及具体局限性 | 提高乳腺癌超声图像分类的准确性,辅助乳腺癌诊断和个性化治疗 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 多任务学习(MTL)模型 | 图像 | 两个公共乳腺癌超声图像数据集 |
1809 | 2025-01-26 |
Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1485903
PMID:39850216
|
研究论文 | 本文提出了一种改进的SIS-YOLOv8模型,用于提高复杂农业气候下的作物病害监测效率 | 引入了三个关键模块:Fusion-Inception Conv模块、C2f-SIS模块和SPPF-IS模块,以增强模型在复杂背景下的特征提取能力和泛化能力,同时通过Dep Graph剪枝方法减少了模型参数 | 模型在复杂气候条件下的鲁棒性仍需进一步验证,且未涉及其他作物或病害的测试 | 提高农业作物病害监测的自动化和精确性 | 马铃薯和番茄的病害监测 | 计算机视觉 | NA | 深度学习 | SIS-YOLOv8 | 图像 | NA |
1810 | 2025-01-26 |
Monitoring of agricultural progress in rice-wheat rotation area based on UAV RGB images
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1502863
PMID:39850210
|
研究论文 | 本研究提出了一种基于无人机RGB图像和深度学习技术的精确监测稻麦轮作区农业进展的方法 | 结合无人机图像分析技术和深度学习技术,提出了一种新的农业进展监测方法,通过特征相关性分析去除冗余特征,并提出了适合农业进展分类的激活层特征,提高了分类准确性 | 未提及具体的研究区域和样本量,可能限制了方法的普适性 | 提高稻麦轮作区农业进展的实时监测效率 | 稻麦轮作区的农业进展 | 计算机视觉 | NA | 无人机图像分析技术、深度学习技术 | 随机森林模型、ResNet50 | RGB图像 | NA |
1811 | 2025-01-26 |
LiDAR point cloud denoising for individual tree extraction based on the Noise4Denoise
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1490660
PMID:39850219
|
研究论文 | 本文介绍了一种名为DEN4的无监督深度学习点云去噪算法,旨在提高LiDAR点云中单棵树分割的准确性 | DEN4引入了多级噪声分离模块,有效区分信号和噪声,提高了信噪比(SNR)并减少了误差 | NA | 提高LiDAR点云中单棵树分割的准确性 | LiDAR点云数据 | 计算机视觉 | NA | 深度学习 | NA | 点云数据 | 60个样本数据集 |
1812 | 2025-01-26 |
Study on the application of deep learning artificial intelligence techniques in the diagnosis of nasal bone fracture
2024, International journal of burns and trauma
IF:1.4Q3
DOI:10.62347/VCJP9652
PMID:39850782
|
研究论文 | 本文探讨了深度学习人工智能技术在鼻骨骨折诊断中的应用,通过三维重建颌面部CT图像来评估鼻骨骨折的识别及其临床诊断意义 | 首次将YOLOX检测模型与GhostNetv2分类模型结合,应用于鼻骨骨折的自动识别,并验证了AI辅助诊断在提高诊断准确率、敏感性和特异性方面的有效性 | 样本量较小(82名患者),且仅基于单一机构的回顾性数据,可能影响模型的泛化能力 | 评估深度学习人工智能技术在鼻骨骨折诊断中的应用效果 | 39名正常鼻骨患者和43名鼻骨骨折患者的颌面部CT三维重建图像 | 计算机视觉 | 鼻骨骨折 | 深度学习 | YOLOX + GhostNetv2 | CT图像 | 82名患者(39名正常,43名骨折),共247张图像 |
1813 | 2025-01-26 |
Dynamic-budget superpixel active learning for semantic segmentation
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1498956
PMID:39850848
|
研究论文 | 本文提出了一种动态预算超像素查询策略,用于提高语义分割任务中区域主动学习算法的查询效率 | 提出了一种新颖的动态预算超像素查询策略,能够根据图像中的高不确定性超像素数量动态调整查询预算,从而提高查询效率 | 未提及具体局限性 | 提高语义分割任务中区域主动学习算法的数据效率 | 语义分割任务中的图像数据 | 计算机视觉 | NA | 主动学习 | NA | 图像 | 两个数据集:农业领域图像数据集和Cityscapes数据集 |
1814 | 2025-01-25 |
Anatomy-centred deep learning improves generalisability and progression prediction in radiographic sacroiliitis detection
2024-Dec-23, RMD open
IF:5.1Q1
DOI:10.1136/rmdopen-2024-004628
PMID:39719299
|
研究论文 | 本研究探讨了以解剖学为中心的深度学习是否能提高模型在检测影像学骶髂关节炎中的泛化能力,并预测疾病进展 | 通过以解剖学为中心的深度学习,提高了模型在检测影像学骶髂关节炎中的泛化能力,并能够预测疾病进展 | 研究为回顾性多中心研究,可能存在数据偏差 | 提高影像学骶髂关节炎检测模型的泛化能力并预测疾病进展 | 四组不同患者队列的骨盆X光片,重点关注中轴型脊柱关节炎 | 计算机视觉 | 中轴型脊柱关节炎 | 深度学习 | 神经网络 | 图像 | 1483张X光片用于训练和验证,436、340和163名患者的数据用于独立测试 |
1815 | 2025-01-25 |
Advances for Managing Pancreatic Cystic Lesions: Integrating Imaging and AI Innovations
2024-Dec-22, Cancers
IF:4.5Q1
DOI:10.3390/cancers16244268
PMID:39766167
|
review | 本文综述了胰腺囊性病变(PCLs)的诊断和管理现状,探讨了人工智能(AI)在改善诊断准确性和风险分层方面的潜力 | 本文创新性地探讨了AI驱动的策略,如深度学习算法和放射组学,用于自动化胰腺和病变分割以及分析异质性,以提高诊断准确性和风险分层 | 本文指出传统方法在图像解释和复杂形态学分析中的局限性,可能导致诊断不确定性和患者管理策略的变异性 | 研究目的是探讨AI在胰腺囊性病变管理中的应用潜力,以提高诊断准确性和患者预后 | 研究对象为胰腺囊性病变(PCLs) | digital pathology | pancreatic cancer | deep learning, radiomics | deep learning algorithms | image | NA |
1816 | 2025-01-25 |
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.05.062
PMID:39168568
|
研究论文 | 本研究开发并外部验证了一种基于深度学习的AI-ECG模型,用于预测先天性心脏病患者的心血管磁共振定义的双心室功能障碍/扩张 | 首次在先天性心脏病中探索和应用AI-ECG分析,以预测双心室功能障碍和扩张 | 在功能性单心室患者中模型表现最差 | 开发并验证AI-ECG模型,以预测先天性心脏病患者的双心室功能障碍和扩张 | 先天性心脏病患者 | 机器学习 | 心血管疾病 | AI-ECG分析 | 卷积神经网络(CNN) | 心电图(ECG)和心血管磁共振(CMR)数据 | 内部队列8584对ECG-CMR数据(4941名患者),外部队列909对ECG-CMR数据(746名患者) |
1817 | 2025-01-25 |
Approaching artificial intelligence to Hospital Pharmacy
2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria
IF:1.0Q4
DOI:10.1016/j.farma.2024.02.007
PMID:39097366
|
研究论文 | 本文探讨了人工智能在医院药学中的应用及其潜力 | 提出了人工智能算法在医院药学中的具体应用,如分析患者数据、识别药物相互作用、评估药物安全性和有效性,并做出推荐 | 未具体说明所使用的人工智能算法的局限性或实施中的挑战 | 研究人工智能如何提升医院药学的质量和效率 | 医院药师和患者数据 | 自然语言处理 | NA | 机器学习、深度学习、神经网络 | NA | 医疗记录、实验室结果、药物档案 | NA |
1818 | 2025-01-25 |
[Translated article] Introducing artificial intelligence to hospital pharmacy departments
2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria
IF:1.0Q4
DOI:10.1016/j.farma.2024.04.001
PMID:39097375
|
研究论文 | 本文介绍了人工智能在医院药房部门的引入及其潜在应用 | 探讨了人工智能在医院药房中的具体应用,如药物相互作用识别、药物安全性和有效性评估,以及优化药物推荐 | 未具体说明人工智能技术在实际应用中的挑战和限制 | 研究人工智能在医院药房中的应用,以提高药物管理的质量和效率 | 医院药房及其专业人员 | 自然语言处理 | NA | 机器学习、深度学习、神经网络 | NA | 医疗记录、实验室结果、药物档案 | NA |
1819 | 2025-01-25 |
Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data
2024-Jul, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01157-8
PMID:38743377
|
研究论文 | 本文提出了一种利用分布式内存高效物理引导深度学习(PG-DL)进行大规模3D非笛卡尔冠状动脉MRI重建的方法,以克服硬件限制和训练数据不足的挑战 | 结合深度学习与MRI重建的最新进展,提出2.5D重建方法,使用2D卷积神经网络处理3D体积数据,以有限的训练数据实现高质量重建 | 训练数据有限,可能影响模型的泛化能力 | 实现高质量的大规模3D非笛卡尔冠状动脉MRI重建 | 3D非笛卡尔冠状动脉MRI数据 | 计算机视觉 | 心血管疾病 | MRI | CNN | 3D图像 | NA |
1820 | 2025-01-25 |
ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635176
PMID:39844940
|
研究论文 | 本研究利用多任务深度学习框架,从有限的超短回波时间(UTE)MRI数据集中生成合成CT(sCT)图像,用于经颅聚焦超声(tFUS)治疗规划 | 采用3D Transformer U-Net生成sCT图像,展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力 | 研究基于有限的数据集,可能需要更大规模的数据验证 | 提高经颅聚焦超声治疗规划的准确性和效率 | 超短回波时间(UTE)MRI数据 | 医学影像处理 | NA | 超短回波时间(UTE)MRI | 3D Transformer U-Net | MRI图像 | 有限的数据集 |