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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1841 | 2025-01-24 |
A systematic review of generative adversarial networks (GANs) in plastic surgery
2024-Aug, Journal of plastic, reconstructive & aesthetic surgery : JPRAS
DOI:10.1016/j.bjps.2024.04.007
PMID:38996662
|
系统综述 | 本文系统回顾了生成对抗网络(GANs)在整形外科中的应用,评估了其规模和范围,并构建了在亚专科中使用和评估的框架 | 首次系统评估了GANs在整形外科中的应用,并提出了标准化报告结构的建议 | 研究样本量较小,仅有7项研究符合标准,且数据集的多样性和代表性有待提高 | 评估GANs在整形外科中的应用潜力和现状 | 整形外科中的GANs应用 | 计算机视觉 | NA | 生成对抗网络(GANs) | GAN | 图像 | 平均54,652 ± 112,180个样本 |
1842 | 2025-01-24 |
Assessing the Influence of B-US, CDFI, SE, and Patient Age on Predicting Molecular Subtypes in Breast Lesions Using Deep Learning Algorithms
2024-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.16460
PMID:38581195
|
研究论文 | 本研究探讨了B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对预测乳腺病变分子亚型的影响 | 结合多种超声成像技术和患者年龄,利用深度学习算法预测乳腺病变的分子亚型 | 样本量相对较小,仅包含198名患者的数据 | 研究B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对乳腺病变分子亚型预测的影响 | 乳腺病变患者 | 计算机视觉 | 乳腺癌 | B型超声成像、彩色多普勒血流成像、应变弹性成像 | ResNet-18 | 图像 | 198名患者的2272张多模态超声图像 |
1843 | 2025-01-24 |
Methodological evaluation of systematic reviews based on the use of artificial intelligence systems in chest radiography
2024 Jul-Aug, Radiologia
IF:1.1Q3
DOI:10.1016/j.rxeng.2023.01.015
PMID:39089793
|
研究论文 | 本文评估了使用人工智能系统进行胸部X光片诊断的系统评价的方法学质量 | 首次系统评估了使用AI进行胸部X光片诊断的系统评价的方法学质量,并指出了该领域系统评价的不足之处 | 仅纳入了7篇系统评价,样本量较小;且所有系统评价的方法学质量均被评为“极低” | 评估使用AI系统进行胸部X光片诊断的系统评价的方法学质量 | 使用AI系统进行胸部X光片诊断的系统评价 | 医学影像 | 传染病 | 深度学习 | NA | 胸部X光片 | 7篇系统评价,平均每篇包含36项研究 |
1844 | 2025-01-24 |
Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction
2024-06-03, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae012
PMID:38253989
|
研究论文 | 本研究评估了生成式人工智能(AI)增强(GAA)是否能提供多样且真实的成像表型,并改善基于深度学习的胶质瘤异柠檬酸脱氢酶(IDH)类型分类 | 使用基于分数的扩散模型和ResNet50分类器开发GAA,通过生成多样且真实的图像表型,显著提高了IDH类型预测的诊断性能 | 研究主要依赖于内部和外部测试集,可能无法完全代表所有临床环境 | 评估生成式AI增强在胶质瘤IDH类型预测中的诊断性能 | 胶质瘤患者 | 计算机视觉 | 胶质瘤 | 生成式AI增强(GAA) | ResNet50 | MRI图像 | 565名患者(346名IDH野生型,219名IDH突变型) |
1845 | 2025-01-24 |
UTILIZATION OF ARTIFICIAL INTELLIGENCE FOR PREDICTIVE MODELING IN DENTAL IMPLANTOLOGY
2024-May, Georgian medical news
PMID:39089263
|
研究论文 | 本文探讨了人工智能在牙科种植学中预测模型的应用,旨在识别影响种植体存活率的因素 | 利用人工智能模型分析患者数据(如X光片、病史)来预测种植体成功,并应用于检测潜在种植失败患者、改善种植设计等 | 由于缺乏具体结果和比较研究数量不足,无法进行定量分析 | 研究人工智能在牙科种植学中预测模型的应用 | 牙科种植体及其成功率的预测 | 机器学习 | NA | NA | 决策树、随机森林、人工神经网络(ANN)、深度学习(DL) | X光片、病史数据 | NA |
1846 | 2025-01-24 |
ROBUST OUTER VOLUME SUBTRACTION WITH DEEP LEARNING GHOSTING DETECTION FOR HIGHLY-ACCELERATED REAL-TIME DYNAMIC MRI
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635530
PMID:39834646
|
研究论文 | 本文提出了一种深度学习技术,用于改进从时间交错欠采样模式中估计静止外体积信号,从而提高实时动态MRI的图像质量 | 利用移动器官产生的伪周期性伪影特性,通过深度学习估计外体积信号,并在高加速率下实现图像质量的提升 | 未提及具体的数据集规模或实验验证的广泛性 | 提高实时动态MRI的时空分辨率,特别是在心脏成像中的应用 | 实时动态MRI数据,特别是心脏成像数据 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | MRI图像 | NA |
1847 | 2025-01-24 |
Utilization of Artificial Intelligence for the automated recognition of fine arts
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312739
PMID:39585839
|
研究论文 | 本文介绍了一种基于人工智能和深度学习的自动化美术作品识别方法 | 提出了一种结合卷积神经网络和高级特征提取技术的创新方法,显著提高了美术作品分类的准确性和效率 | 未提及具体的数据集大小或实验的具体限制 | 提高自动化美术作品识别的准确性和效率 | 美术作品 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 未提及具体样本数量 |
1848 | 2025-01-24 |
Deep learning captures the effect of epistasis in multifactorial diseases
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1479717
PMID:39839630
|
研究论文 | 本研究探讨了非线性和深度学习模型在预测多因素疾病风险中的应用,特别是考虑基因上位效应的影响 | 首次系统地比较了线性回归模型与非线性机器学习模型(包括深度学习)在模拟和真实遗传数据中捕捉基因上位效应的能力 | 研究主要基于模拟数据和特定疾病类型的真实数据,可能无法推广到所有多因素疾病 | 探索非线性和深度学习模型在预测多因素疾病风险中的有效性,特别是考虑基因上位效应 | 模拟数据和真实遗传数据,涉及肥胖、1型糖尿病和银屑病等疾病 | 机器学习 | 多因素疾病(如阿尔茨海默病、糖尿病、心血管疾病、癌症等) | GAMETES模拟数据生成,PyTOXO包生成渗透表 | 多层感知器(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)、Lasso回归、随机森林、梯度提升模型 | 遗传数据 | 模拟数据和真实遗传数据,具体样本数量未明确 |
1849 | 2025-01-24 |
AI predicting recurrence in non-muscle-invasive bladder cancer: systematic review with study strengths and weaknesses
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1509362
PMID:39839785
|
综述 | 本文系统回顾了基于机器学习的非肌层浸润性膀胱癌(NMIBC)复发预测框架,分析了其统计稳健性和算法效能 | 通过多模态数据集和多种机器学习模型(如神经网络、深度学习、随机森林)的结合,显著提高了预测准确性,并探讨了增强模型解释性的方法(如SHAP) | 由于数据集较小,模型的泛化能力有限,且高级模型的“黑箱”性质仍是一个挑战 | 提高非肌层浸润性膀胱癌(NMIBC)复发的预测精度,推动AI在肿瘤学中的应用 | 非肌层浸润性膀胱癌(NMIBC)患者 | 机器学习 | 膀胱癌 | 机器学习(ML)和人工智能(AI) | 神经网络、深度学习、随机森林、支持向量机 | 放射组学、临床、组织病理学、基因组数据 | NA |
1850 | 2025-01-24 |
Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1420328
PMID:39839787
|
系统综述与元分析 | 本文通过系统综述和元分析,评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果 | 本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现,并强调了混合模型和深度学习(特别是卷积神经网络)的优势 | 大多数研究依赖内部验证,缺乏外部验证,可能影响模型的普适性和鲁棒性 | 评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力 | 乳腺癌患者的临床数据 | 机器学习 | 乳腺癌 | 机器学习算法 | 混合模型、卷积神经网络(CNN) | 临床数据 | 32篇符合条件的文章,涉及140篇初步筛选的文章 |
1851 | 2025-01-24 |
Application of MRI image segmentation algorithm for brain tumors based on improved YOLO
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1510175
PMID:39840016
|
研究论文 | 本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性,并在此基础上进行了优化和升级 | 在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进,提出了多个优化版本,显著提升了脑肿瘤磁共振图像的分割能力 | 研究仅使用了两个公开数据集,样本量相对有限,可能影响模型的泛化能力 | 辅助临床快速识别脑肿瘤类型并实现分割检测 | 脑肿瘤磁共振图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | YOLOv5s, YOLOv8s | 图像 | 3,223张图像(数据集1)和216张图像(数据集2) |
1852 | 2025-01-24 |
Artificial intelligence-driven identification and mechanistic exploration of synergistic anti-breast cancer compound combinations from Prunella vulgaris L.-Taraxacum mongolicum Hand.-Mazz. herb pair
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1522787
PMID:39840098
|
研究论文 | 本研究利用人工智能和大规模生物医学数据,识别并验证了夏枯草-蒲公英草药对中具有协同抗乳腺癌作用的化合物组合及其作用机制 | 首次应用深度学习模型DeepMDS预测夏枯草-蒲公英草药对中的协同抗乳腺癌多化合物组合,并通过实验验证其效果 | 研究主要基于体外细胞实验,缺乏体内实验验证 | 识别和验证夏枯草-蒲公英草药对中的协同抗乳腺癌化合物组合及其作用机制 | 夏枯草(Prunella vulgaris L.)和蒲公英(Taraxacum mongolicum Hand.-Mazz.)的提取物及其化合物 | 生物医学 | 乳腺癌 | 液相色谱-质谱分析(LC-MS)、深度学习模型(DeepMDS) | 深度学习模型(DeepMDS) | 化学化合物数据、生物医学数据 | 夏枯草和蒲公英的50%乙醇提取物,分别鉴定出27和21种化合物 |
1853 | 2025-01-24 |
A customized convolutional neural network-based approach for weeds identification in cotton crops
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435301
PMID:39840351
|
研究论文 | 本文提出了一种基于定制卷积神经网络(CNN)的方法,用于棉花作物中的杂草识别 | 提出了一种新的基于深度CNN的架构,用于高效识别和分类棉花作物中的杂草,并在准确率上优于现有的VGG-16、ResNet、DenseNet和Xception模型 | 未提及具体的数据集规模或实验环境限制 | 开发一种高效的杂草识别和分类方法,以提高棉花作物的产量 | 棉花作物中的杂草 | 计算机视觉 | NA | 卷积神经网络(CNN) | CNN, VGG-16, ResNet, DenseNet, Xception | 图像 | 未提及具体样本数量 |
1854 | 2025-01-23 |
Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study
2024-Dec-31, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-646
PMID:39830743
|
研究论文 | 本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散(STAS)的术前预测性能 | 首次构建并比较了基于CT图像的深度学习模型和放射组学模型,用于预测肺腺癌中的STAS状态 | 研究为回顾性设计,样本量相对较小,且仅来自两个中心 | 评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能 | 395名经病理确认的肺腺癌患者 | 数字病理 | 肺癌 | CT成像 | 深度学习模型, 放射组学模型 | CT图像 | 395名患者(其中146名检测到STAS) |
1855 | 2025-01-23 |
The development of a waste management and classification system based on deep learning and Internet of Things
2024-Dec-26, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13595-x
PMID:39724392
|
研究论文 | 本文开发了一种基于深度学习和物联网的废物管理与分类系统,旨在提高资源回收率并降低劳动成本 | 提出了一种改进的基于YOLOv7-tiny的深度学习模型,通过添加部分卷积(PConv)和坐标注意力(CA)模块,减少了参数和计算量,并提高了识别精度 | 实验仅在Jetson Nano设备上进行了测试,未在其他边缘设备上验证其通用性 | 开发一种高效的废物管理与分类系统,以支持可持续发展 | 可回收废物的图像数据 | 计算机视觉 | NA | 深度学习,物联网(IoT),边缘计算 | 改进的YOLOv7-tiny模型 | 图像 | 包含多类别废物的图像数据集 |
1856 | 2025-01-23 |
Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach
2024-Dec-23, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13562-6
PMID:39714636
|
研究论文 | 本研究通过机器学习降尺度方法,提高了越南现有3公里分辨率PM2.5产品的空间分辨率和质量 | 结合时间因素的树模型提高了预测准确性,CatBoost 2天滞后模型在各项指标上表现优异 | 模型验证需要基于生成的PM地图,因为模型评估结果可能不适用于实际应用 | 提高越南PM2.5浓度的空间分辨率和质量 | 越南的PM2.5浓度数据 | 机器学习 | NA | 机器学习降尺度方法 | 随机森林、XGBoost、CatBoost、支持向量回归(SVR)、混合效应模型(MEM)、长短期记忆网络(LSTM)、卷积神经网络(CNN)、卷积长短期记忆网络(ConvLSTM) | PM2.5浓度数据 | NA |
1857 | 2025-01-23 |
Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting
2024-Dec-17, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-024-02579-z
PMID:39688780
|
综述 | 本文综述了人工智能在miRNA癌症研究中的应用,从生物标志物发现到治疗靶点的探索 | 探讨了人工智能特别是深度学习在miRNA研究中的应用,包括生物标志物识别、预后模型建立以及miRNA数据库的整合 | 未具体提及研究的局限性 | 旨在指导研究人员有效利用AI技术在miRNA领域,加速癌症诊断和治疗的发展 | miRNA及其在癌症中的作用 | 自然语言处理 | 癌症 | RNA测序技术 | 深度学习 | RNA数据 | NA |
1858 | 2025-01-23 |
Modeling Alternative Conformational States of Pseudo-Symmetric Solute Carrier Transporters using Methods from Deep Learning
2024-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 本文介绍了一种结合ESM和模板建模的方法,用于模拟SLC蛋白质的多种构象状态 | 提出了一种新的结合ESM和模板建模的方法,能够一致地模拟SLC蛋白质的多种构象状态,并通过实验验证多态模型 | 现有AI协议在模拟多种构象状态时存在“记忆”问题,无法总是提供SLC蛋白质的内外构象 | 研究SLC蛋白质的多种构象状态,以更好地理解其功能和药物运输机制 | SLC蛋白质 | 机器学习 | NA | ESM, 模板建模 | ESM, 模板建模 | 蛋白质序列 | 多个整合膜蛋白转运体,包括SLC35F2 |
1859 | 2025-01-23 |
Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements
2024-Dec-07, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13468-3
PMID:39643787
|
研究论文 | 本文提出了一种新颖的混合移位视觉Transformer方法,用于甘蔗叶疾病的自动分类 | 结合了视觉Transformer架构和混合移位窗口,有效捕捉局部和全局特征,提高了疾病识别的准确性 | 未提及具体的数据集大小和多样性,可能影响模型的泛化能力 | 提高甘蔗叶疾病的自动分类准确性,支持农业中的疾病监测和决策 | 甘蔗叶疾病 | 计算机视觉 | 甘蔗疾病 | 自监督学习,数据增强技术(随机旋转、翻转、遮挡),拼图任务 | 混合移位视觉Transformer | 图像 | 未提及具体样本数量 |
1860 | 2025-01-23 |
Prediction of Preeclampsia Using Machine Learning: A Systematic Review
2024-Dec, Cureus
DOI:10.7759/cureus.76095
PMID:39834976
|
review | 本文系统回顾了使用机器学习预测子痫前期的方法、预测因子和模型性能,强调了其比较优势、挑战和临床适用性 | 本文综合评估了多种机器学习模型在子痫前期预测中的应用,并探讨了模型性能与可解释性之间的平衡 | 部分研究存在高偏倚风险,且非解释性或黑箱模型可能因伦理问题难以在临床中应用 | 探讨机器学习在子痫前期预测中的应用及其临床适用性 | 子痫前期 | machine learning | preeclampsia | machine learning | XGBoost, random forest, neural networks | clinicodemographic characteristics, laboratory reports, Doppler ultrasound, genotypic data, fundal images | 11 studies from diverse countries including the United States, the United Kingdom, China, and Korea |