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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
361 | 2024-08-05 |
Application of artificial intelligence in dental implant prognosis: A scoping review
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104924
PMID:38467177
|
研究论文 | 这项范围评估的目的是评估人工智能在牙科植入物预后中的表现 | 探讨了人工智能在牙科植入物预后预测中的应用和性能 | 研究需要更多的放射影像和临床数据以提高人工智能的性能 | 评估人工智能在牙科植入物预后中的有效性 | 分析了892项研究,最终纳入了12项符合标准的研究 | NA | NA | 深度学习和传统机器学习算法 | 深度学习模型和传统机器学习算法 | 医疗记录和放射影像 | 892项研究中进行了36项的全文分析 |
362 | 2024-08-05 |
Assessing the Potential of a Deep Learning Tool to Improve Fracture Detection by Radiologists and Emergency Physicians on Extremity Radiographs
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.042
PMID:37993303
|
研究论文 | 评估了一种基于深度学习的骨折检测工具在四肢放射学中的独立性能及其对放射科医生和急诊医生的帮助 | 该文章展示了一种新开发的深度学习工具在骨折检测中的高独立准确性,并显著提高了医生的诊断准确性和减少了解读时间 | 本研究局限于单一机构的数据,未涉及多种医院或不同地区的样本 | 研究目的在于提高放射科医生和急诊医生在四肢放射学中识别骨折的能力 | 主要研究对象为放射科医生和急诊医生在检测骨折时的表现 | 计算机视觉 | NA | 深度学习 | NA | 放射影像 | 132,000张四肢骨骼放射学影像用于模型开发,2626张无身份信息的放射影像用于评估 |
363 | 2024-08-05 |
Exploring the Impact of Batch Size on Deep Learning Artificial Intelligence Models for Malaria Detection
2024-May, Cureus
DOI:10.7759/cureus.60224
PMID:38868293
|
研究论文 | 本研究探索了批量大小对用于疟疾检测的深度学习人工智能模型的影响 | 提出了较小的批量大小可能提高模型准确性,为疟疾筛查的AI模型开发提供了新见解 | 研究主要依赖于特定数据集的结果,缺乏多样化样本的评估 | 探讨批量大小对CNN模型在疟疾检测中的准确性影响 | 使用NIH-NLM-ThinBloodSmearsPf数据集中的疟疾血涂片图像进行研究 | 计算机视觉 | 疟疾 | CNN | CNN | 图像 | 27,558张血涂片图像(13,779张感染和13,779张未感染单细胞图像) |
364 | 2024-08-05 |
A CT-based deep learning model predicts overall survival in patients with muscle invasive bladder cancer after radical cystectomy: a multicenter retrospective cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001194
PMID:38349205
|
研究论文 | 本研究开发并验证了一种基于术前CT的深度学习模型,以预测肌肉浸润性膀胱癌患者在根治性膀胱切除术后的整体生存率 | 该研究首次提出利用术前CT影像结合深度学习算法来预测肌肉浸润性膀胱癌患者的生存结果,并与传统模型进行了比较 | 该研究为回顾性研究,可能存在选择偏倚,且依赖于单一的影像类型 | 本研究旨在开发和验证一种深度学习模型,以预测肌肉浸润性膀胱癌患者的整体生存率 | 本研究的对象为接受根治性膀胱切除术的肌肉浸润性膀胱癌患者 | 计算机视觉 | 膀胱癌 | CT | 深度学习模型 | 影像 | 405名患者 |
365 | 2024-08-05 |
Towards clinically applicable automated mandibular canal segmentation on CBCT
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104931
PMID:38458378
|
研究论文 | 开发了一种基于深度学习的系统,用于在锥形束计算机断层扫描(CBCT)图像上进行下颌管的精确、稳健、全自动分割 | 提出了一种三步策略结合2D U-Net和3D U-Net进行下颌管分割,具有多阶段注释方法 | 在研究中数据集来自单一中心,外部验证数据集相对较小 | 研究旨在提高下颌管在CBCT图像上的自动分割精度 | 536个CBCT扫描的图像数据 | 数字病理学 | NA | 深度学习 | 2D U-Net和3D U-Net | 图像 | 536个CBCT扫描(训练集:376,验证集:80,测试集:80) |
366 | 2024-08-05 |
Big data research in nursing: A bibliometric exploration of themes and publications
2024-05, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing
IF:2.4Q1
DOI:10.1111/jnu.12954
PMID:38140780
|
研究论文 | 本研究旨在理解全球护理领域大数据研究的热点和趋势 | 通过文献计量分析,揭示了护理领域大数据研究的多个焦点集群和技术融合的演变 | 全球护理研究中大数据的利用存在不平衡,需提升临床人员的数据科学素养 | 探讨大数据在护理研究中的主题趋势和演变 | 护理领域的文献和研究作者 | 数字病理学 | 老年病 | 文献计量分析 | NA | 文献 | 全球45位核心作者和17本核心期刊的研究 |
367 | 2024-08-05 |
Novel Deep Learning Denoising Enhances Image Quality and Lowers Radiation Exposure in Interventional Bronchial Artery Embolization Cone Beam CT
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.003
PMID:37989681
|
研究论文 | 本研究探讨了一种先进的深度学习去噪技术在介入支气管动脉栓塞的锥束CT成像中减少辐射剂量和提高图像质量的效果 | 引入了一种新的深度学习去噪软件,有效改善了图像质量并降低了辐射暴露 | 主观评估未能显著区分6秒和3秒的DLD质量 | 评估在介入支气管动脉栓塞过程中提高图像质量和降低辐射剂量的技术 | BMI 匹配的患者,这些患者接受了不同时间长度的BAE CBCT扫描 | 医学影像学 | NA | 深度学习去噪(DLD) | NA | 图像 | 60名患者 |
368 | 2024-08-07 |
Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit
2024-May, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2023.01424.e1
PMID:38556908
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
369 | 2024-08-05 |
Dev-ResNet: automated developmental event detection using deep learning
2024-May-15, The Journal of experimental biology
IF:2.8Q2
DOI:10.1242/jeb.247046
PMID:38806151
|
研究论文 | 该文章介绍了一种名为Dev-ResNet的小型高效3D卷积神经网络,用于自动检测发育事件 | 提出了一种新颖的深度学习模型,能够同时捕捉空间和时间特征来识别发育事件 | 未提及具体的局限性 | 旨在提高早期生命阶段实验生物学中发育事件检测的规模、可重现性和通量 | 使用大池螺(Lymnaea stagnalis)的胚胎发育中的10个功能事件进行验证 | 计算机视觉 | NA | 深度学习 | 3D卷积神经网络 | 图像 | 10个多样化的功能事件 |
370 | 2024-08-05 |
Predicting the Progression of Chronic Kidney Disease: A Systematic Review of Artificial Intelligence and Machine Learning Approaches
2024-May, Cureus
DOI:10.7759/cureus.60145
PMID:38864072
|
综述 | 本系统综述全面评估了人工智能和机器学习技术在预测慢性肾病进展中的应用 | 本文创新性地整合了多种AI/ML算法,强调了这些模型在CKD进展预测中的潜力和优势 | 存在数据质量、偏见和伦理考虑等挑战 | 旨在通过AI/ML技术预测慢性肾病的进展 | 涉及慢性肾病的进展预测研究 | 机器学习 | 慢性肾病 | 人工智能,机器学习 | 逻辑回归,支持向量机,随机森林,神经网络,深度学习 | 纵向数据,临床数据 | 涉及13项相关研究 |
371 | 2024-08-05 |
Leveraging conformal prediction to annotate enzyme function space with limited false positives
2024-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012135
PMID:38809942
|
研究论文 | 本文提出了一种机器学习框架CPEC,用于控制生物发现中的假阳性率 | CPEC结合了深度学习模型与符合预测方法,以实现假发现率的控制 | 本研究未提及模型在特定生物体上的应用限制 | 研究旨在优化生物发现过程中的预测准确性和假发现率控制 | 研究对象为功能较少表征的酶 | 机器学习 | NA | 深度学习与符合预测 | NA | NA | NA |
372 | 2024-08-05 |
Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time
2024-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.230318
PMID:38568095
|
研究论文 | 本研究开发了一种用于数字乳腺成像的人工智能模型,以提高乳腺癌的检测精度和缩短放射科医师的解读时间 | 该研究表明,AI模型在乳腺癌检测中表现出比放射科医师更好的诊断准确性,同时减少了阅读时间 | 本研究仅采用了回顾性收集的数据,样本来源于有限的几个机构 | 研究旨在评估AI模型在乳腺癌诊断中的应用效果 | 研究对象为258名女性,其中包括65例乳腺癌患者 | 计算机辅助诊断 | 乳腺癌 | 深度学习 | NA | 数字乳腺成像 | 包括258名女性的回顾性检索数据 |
373 | 2024-08-05 |
HiCDiff: single-cell Hi-C data denoising with diffusion models
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae279
PMID:38856167
|
研究论文 | 本文提出了一种基于扩散模型的单细胞Hi-C数据去噪方法HiCDiff | 文章创新性地使用了生成性扩散模型来去噪单细胞Hi-C数据 | 没有明确提到数据集的局限性或模型的局限性 | 研究目的是改善单细胞Hi-C数据的分析质量 | 研究对象为单细胞Hi-C数据中的染色体接触矩阵 | 数字病理学 | NA | 深度残差网络 | 扩散模型 | 基因组数据 | 多个单细胞Hi-C测试数据集 |
374 | 2024-08-05 |
Advancing Ligand Docking through Deep Learning: Challenges and Prospects in Virtual Screening
2024-05-21, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.4c00093
PMID:38577892
|
研究论文 | 本文探讨了深度学习在分子对接中的应用及其在虚拟筛选中的挑战和前景 | 提出深度学习方法能够突破传统搜索评分框架,提高准确性和处理速度 | 尽管深度学习模型提高了成功率,但仍可能产生不合理的局部结构 | 旨在提升分子对接的准确性与效率,推动深度学习在虚拟筛选中的应用 | 研究分子对接中的深度学习应用及其评估指标 | 计算机视觉 | NA | 深度学习 | NA | 蛋白质-配体复合物 | NA |
375 | 2024-08-05 |
Deep Learning-Based Automatic Classification of Ischemic Stroke Subtype Using Diffusion-Weighted Images
2024-May, Journal of stroke
IF:6.0Q1
DOI:10.5853/jos.2024.00535
PMID:38836277
|
研究论文 | 本研究旨在基于扩散加权成像(DWI)和心房颤动(AF)数据,开发深度学习算法自动分类缺血性中风亚型 | 本研究创新性在于利用深度学习算法结合DWI和AF数据信息进行缺血性中风亚型的自动分类 | 本研究的局限性在于模型的外部验证可能受限于专家的标注意见 | 研究目的在于提高缺血性中风亚型的分类准确性,从而促进有效的二级预防 | 研究对象是来自三家中心的2988名缺血性中风患者 | 机器学习 | 缺血性中风 | 扩散加权成像(DWI) | U-net与EfficientNetV2 | 影像 | 2988名缺血性中风患者 |
376 | 2024-08-05 |
A Multimodal Ensemble Deep Learning Model for Functional Outcome Prognosis of Stroke Patients
2024-May, Journal of stroke
IF:6.0Q1
DOI:10.5853/jos.2023.03426
PMID:38836278
|
研究论文 | 本研究构建了一个集成深度学习模型,以预测急性缺血性中风患者90天的功能结果。 | 该文章的创新点在于结合多模态影像和临床数据,以改进急性缺血性中风患者的预后预测。 | 该研究的局限性未在摘要中明确提及。 | 本研究旨在为急性缺血性中风患者构建一个准确的功能结果预测模型。 | 研究对象为2606名急性缺血性中风患者。 | 机器学习 | 中风 | 深度学习 | 3D卷积神经网络,深度神经网络 | 影像,临床数据 | 2606名急性缺血性中风患者 |
377 | 2024-08-05 |
Inverse optical scatterometry using sketch-guided deep learning
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.524091
PMID:38859144
|
研究论文 | 该文章展示了一种基于草图引导神经网络的纳米结构重构方法 | 首次将草图概念引入深度学习以解决逆散射问题 | 该方法仍可能在面对复杂样品结构时面临一些局限性 | 提供一种新的解决半导体计量的方法 | 针对纳米结构进行重构 | 光学测量 | NA | 深度学习 | 草图引导神经网络(SGNN) | 数据(基于训练数据) | 使用了一系列一维光栅进行验证 |
378 | 2024-08-05 |
Partial hard occluded target reconstruction of Fourier single pixel imaging guided through range slice
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.522516
PMID:38859014
|
研究论文 | 本文提出了一种基于深度学习的图像修复算法,旨在改善傅里叶单像素成像中部分遮挡目标的重建质量 | 创新点在于结合了多尺度稀疏卷积和变换器架构的图像修复网络,以及结合通道注意机制和注意力门模块的重建网络 | 本文未提及对不同遮挡程度的影响分析 | 研究旨在提高傅里叶单像素成像中遮挡目标的成像质量 | 研究对象为部分遮挡的目标物体 | 计算机视觉 | NA | 深度学习图像修复 | 稀疏卷积、变换器架构 | 图像 | 通过仿真和实际实验结果验证,但未具体说明样本数量 |
379 | 2024-08-05 |
Single-pixel imaging based on self-supervised conditional mask classifier-free guidance
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.518455
PMID:38859027
|
研究论文 | 该文章提出了一种自监督条件掩码分类器无指导的单像素重建方法 | 引入了无分类器指导模型(CFG)和自监督条件掩码分类器无指导的单像素重建(SCM-CFG),显著提高重建图像的质量 | 实验主要基于MNIST数据集,可能限制了结果的通用性 | 提高单像素成像在低测量率下的图像重建质量 | 主要研究单像素成像技术及其在图像重建中的应用 | 计算机视觉 | NA | 条件掩码分类器无指导(CFG) | 自监督条件掩码分类器无指导(SCM-CFG) | 图像 | MNIST数据集,样本数未明确说明 |
380 | 2024-08-05 |
Time-gated imaging through dense fog via physics-driven Swin transformer
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519662
PMID:38859030
|
研究论文 | 本文描述了一种通过密集雾霭进行成像的新方法 | 提出了一种基于物理驱动的Swin Transformer方法,结合飞行时间和深度学习原则,改善密集雾霭下的成像质量 | 尽管在光学厚度很高的情况下进行实验,但后续在更复杂的环境下的验证仍需进行 | 研究如何在密集雾霭条件下提高成像质量 | 主要针对被密集雾霭遮挡的目标物体进行成像重建 | 计算机视觉 | NA | 飞行时间 (ToF) 和深度学习 | Swin Transformer | 图像 | 涉及的光学厚度达到3.0的实验数据 |