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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
661 | 2024-08-07 |
Decoding 2.3 million ECGs: interpretable deep learning for advancing cardiovascular diagnosis and mortality risk stratification
2024-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae014
PMID:38774384
|
研究论文 | 本文利用232万份心电图数据,开发了一种深度学习模型,用于心血管疾病的诊断和死亡风险分层,并展示了其在临床知识发现方面的潜力 | 本文首次大规模应用人工智能模型于心电图分析,提供细粒度的解释性,以推进心血管诊断和死亡风险分层 | NA | 探索人工智能在心电图分析中的应用,以提高心血管疾病诊断的准确性和死亡风险分层 | 心电图数据,心血管疾病诊断,死亡风险分层 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | 232万份心电图数据,来自155万8772名患者,随访7年 |
662 | 2024-08-07 |
Enhancing kidney disease prediction with optimized forest and ECG signals data
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30792
PMID:38770288
|
研究论文 | 本研究利用优化森林(Opt-Forest)模型结合心电图(ECG)数据,旨在提高慢性肾脏病(CKD)的早期检测 | Opt-Forest模型在CKD预测中表现出更高的敏感性和特异性,以及较低的误报率 | 未来研究需要探索深度学习方法并整合患者特定数据以进一步提高精确医学在肾脏病学中的应用 | 提高慢性肾脏病的早期检测 | 慢性肾脏病(CKD)的早期检测 | 机器学习 | 肾脏病 | 优化森林(Opt-Forest)模型 | 优化森林(Opt-Forest) | 心电图(ECG)数据 | 未具体说明样本数量 |
663 | 2024-08-07 |
Feasibility of rib fracture detection in low-dose computed tomography images with a large, multicenter datasets-based model
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31010
PMID:38770294
|
研究论文 | 评估基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折的可行性 | 使用基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折,并评估其与常规剂量CT图像的性能对比 | NA | 评估低剂量CT图像中肋骨骨折检测的可行性 | 肋骨骨折检测 | 计算机视觉 | NA | 低剂量CT | RetinaNet | 图像 | 7300次扫描,包含50,410处肋骨骨折,用于内部训练;外部测试数据集包含100名患者的728处创伤性肋骨骨折 |
664 | 2024-08-07 |
A novel LVPA-UNet network for target volume automatic delineation: An MRI case study of nasopharyngeal carcinoma
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30763
PMID:38770315
|
研究论文 | 本文提出了一种基于2D-3D架构的Layer-Volume Parallel Attention (LVPA)-UNet模型,用于鼻咽癌MRI图像中肿瘤体积的自动勾画 | 引入了2D和3D工作流程并行处理,多分支深度条卷积适应不同形状和大小的肿瘤,以及层-通道注意力机制自适应调整切片和通道权重 | NA | 提高肿瘤体积勾画的准确性和效率,为放射治疗提供技术支持 | 鼻咽癌的MRI图像 | 计算机视觉 | 鼻咽癌 | 深度学习 | LVPA-UNet | MRI图像 | 1010例鼻咽癌MRI数据集 |
665 | 2024-08-07 |
Deep learning-enhanced characterization of bubble dynamics in proton exchange membrane water electrolyzers
2024-May-22, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d3cp05869g
PMID:38482891
|
研究论文 | 本文提出了一种基于深度学习的框架,用于高吞吐量分析质子交换膜水电解器中的气泡动力学 | 利用U-Net架构对35张标注图像进行训练,实现了高效的气泡分割任务 | 使用的标注图像数据集相对较小 | 提高质子交换膜水电解器研究中图像分析的速度和精度 | 质子交换膜水电解器中的气泡动力学 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 35张标注图像 |
666 | 2024-08-07 |
Deep learning-based auditory attention decoding in listeners with hearing impairment
2024-May-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad49d7
PMID:38729132
|
研究论文 | 本研究开发了一种基于深度学习的听觉注意解码方法,使用来自听力受损者的脑电图数据进行快速听觉注意解码 | 本研究设计了深度卷积神经网络模型,并采用两种训练策略来评估数据分割对听觉注意解码任务的影响 | 内试策略导致结果偏高,强调了在基于脑电图的听觉注意解码任务中适当数据分割的重要性 | 研究听力技术如何影响听力受损人群的听觉处理 | 听力受损者在使用听力技术时的听觉处理 | 机器学习 | 听力障碍 | 脑电图 | 深度卷积神经网络 | 脑电图数据 | 31名听力受损参与者 |
667 | 2024-08-07 |
Optimized encoder-decoder cascaded deep convolutional network for leaf disease image segmentation
2024-May-22, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2326493
PMID:38775271
|
研究论文 | 本文提出了一种优化的编码器-解码器级联深度卷积网络(ODEDCNet)模型,用于提高叶片疾病图像分割的准确性 | 引入了新的Dingo优化算法(DOA)来选择最佳的超参数,提高了模型的鲁棒性和分割精度 | NA | 旨在通过自动化技术提高植物疾病的识别和诊断效率,增强全球粮食安全 | 叶片疾病图像的分割和分类 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了PlantVillage和Betel Leaf Image两个数据集,分别达到了97.33%和97.42%的准确率 |
668 | 2024-08-07 |
A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data
2024-May-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02076-w
PMID:38775899
|
研究论文 | 本文提出了一种新的深度学习方法,用于预测心肌梗死的发生,使用时间序列患者数据 | 提出了一种新的心肌序列分类(MSC)-LSTM方法,专门用于预测患者中心肌梗死的发生 | NA | 预测心肌梗死的发生,以便及时管理流行病,特别是考虑到老年人口中疾病负担的增加和评估当前及未来需求的复杂性 | 心肌梗死的发生 | 机器学习 | 心血管疾病 | LSTM | LSTM | 时间序列数据 | 从2020年1月1日至2021年12月31日,在吉大港大都会区收集的日常心肌梗死发生数据 |
669 | 2024-08-07 |
Detecting the corneal neovascularisation area using artificial intelligence
2024-May-21, The British journal of ophthalmology
DOI:10.1136/bjo-2023-323308
PMID:37339866
|
研究论文 | 本文旨在开发并评估一种基于人工智能的图像分析工具,用于测量和量化角膜新生血管(CoNV)区域 | 使用深度学习技术自动分割和检测CoNV区域,并通过六折交叉验证评估算法性能 | NA | 开发和评估用于测量和量化角膜新生血管区域的人工智能工具 | 角膜新生血管区域 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 120只眼睛的裂隙灯图像 |
670 | 2024-08-07 |
Prediction of retinopathy progression using deep learning on retinal images within the Scottish screening programme
2024-May-21, The British journal of ophthalmology
DOI:10.1136/bjo-2023-323400
PMID:38316534
|
研究论文 | 本研究利用深度学习技术在苏格兰筛查计划中的视网膜图像上预测糖尿病视网膜病变(DR)的进展 | 使用深度学习技术提高了预测糖尿病视网膜病变进展的准确性,并减少了预期疾病可参考的时间 | NA | 探索深度学习在视网膜图像上预测糖尿病视网膜病变进展的潜力及其对筛查间隔的影响 | 糖尿病视网膜病变(DR)的进展预测 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习(DL) | NA | 图像 | 21,346名1型糖尿病患者和247,233名2型糖尿病患者 |
671 | 2024-08-07 |
Deep Geometric Learning With Monotonicity Constraints for Alzheimer's Disease Progression
2024-May-21, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3394598
PMID:38771688
|
研究论文 | 本文提出了一种新的几何学习方法,结合拓扑空间转移、ODE-RGRU和轨迹估计三个模块,用于模拟纵向MRI生物标志物和认知评分,并开发了一种集成流形映射与单调性约束的训练算法,以反映测量转换的不可逆性。 | 本文创新地结合了拓扑空间转移、ODE-RGRU和轨迹估计三个模块,并开发了一种集成流形映射与单调性约束的训练算法,以更好地模拟阿尔茨海默病进展中的几何特性。 | ODE-RGRU在从不完整样本中推断正定对称矩阵时存在局限性,可能导致特征逆转问题。 | 预测阿尔茨海默病的进展,为临床诊断和治疗提供支持。 | 阿尔茨海默病的进展及其在临床诊断和治疗中的应用。 | 机器学习 | 阿尔茨海默病 | MRI | RNN | 图像 | 未具体说明样本数量 |
672 | 2024-08-07 |
Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae050
PMID:38497957
|
研究论文 | 本研究验证了一种自监督学习方法在减少对标签依赖方面的有效性,并评估其泛化能力 | 提出了一种新的自监督损失函数,结合了Barlow Twins损失和Dissimilarity损失,用于在无标签数据上预训练编码器 | 缺乏标准化的数据采集协议和有限的可注释数据集影响了监督模型的泛化能力 | 验证自监督学习方法在检测和跟踪帕金森病等神经退行性疾病中的有效性和泛化能力 | 帕金森病患者和对照组的触摸屏交互产生的按键动态信号 | 机器学习 | 帕金森病 | 自监督学习 | NA | 按键动态信号 | 涉及两个独立数据集的帕金森病患者和对照组 |
673 | 2024-08-07 |
An interpretable predictive deep learning platform for pediatric metabolic diseases
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae049
PMID:38497983
|
研究论文 | 本文开发了一种可解释的深度学习平台,用于预测儿童代谢疾病的早期发作 | 利用纵向临床测量、人口统计数据和电子健康记录中的诊断代码,提高了预测模型的准确性 | NA | 开发早期检测工具以预防或减缓儿童代谢疾病长期并发症的发展 | 儿童代谢疾病,包括前驱糖尿病、2型糖尿病和代谢综合征 | 机器学习 | 代谢疾病 | 深度学习 | 深度学习模型 | 电子健康记录数据 | 49,517名超重或肥胖的2-18岁儿童(54.9%为男性,73%为白人) |
674 | 2024-08-07 |
Transparent deep learning to identify autism spectrum disorders (ASD) in EHR using clinical notes
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae080
PMID:38626184
|
研究论文 | 本文利用深度学习方法,通过电子健康记录中的临床笔记来识别自闭症谱系障碍(ASD),并提供透明的诊断结果 | 本文提出的深度学习方法能够生成与临床诊断规则一致的透明结果,并通过中间步骤提供透明的决策过程 | 研究使用的数据集较小,可能影响模型的泛化能力 | 开发一种透明的机器学习方法,用于通过电子健康记录中的临床笔记识别自闭症谱系障碍 | 自闭症谱系障碍(ASD)的诊断 | 机器学习 | 自闭症谱系障碍 | 深度学习 | BiLSTM | 文本 | 6773个句子(35个病例) |
675 | 2024-08-07 |
MRI radiomics based on deep learning automated segmentation to predict early recurrence of hepatocellular carcinoma
2024-May-20, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01679-8
PMID:38763975
|
研究论文 | 研究基于深度学习自动分割的MRI放射组学特征和临床放射学特征在预测单个肝细胞癌(HCC)根治性切除后早期复发中的应用 | 构建了一个结合深度学习自动分割的放射组学特征和临床放射学特征的混合模型,用于准确预测HCC术后早期复发 | NA | 研究深度学习自动分割的MRI放射组学特征和临床放射学特征在预测HCC术后早期复发中的效用 | 肝细胞癌(HCC)患者 | 机器学习 | 肝癌 | MRI放射组学 | 3D U-net | 图像 | 434名患者 |
676 | 2024-08-07 |
Deep learning system for malignancy risk prediction in cystic renal lesions: a multicenter study
2024-May-20, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01700-0
PMID:38763985
|
研究论文 | 开发一种用于预测囊性肾病变恶性风险的交互式、非侵入性人工智能系统 | 采用空间编码器时间解码器(SETD)架构和3D-ResNet50网络结合门控循环单元(GRU)网络,从多相CT图像中提取空间和时间特征 | NA | 开发和评估用于囊性肾病变恶性风险预测的人工智能系统 | 囊性肾病变(CRLs)的恶性风险预测 | 机器学习 | 泌尿系统疾病 | 3D-ResNet50网络,门控循环单元(GRU)网络 | 空间编码器时间解码器(SETD)架构 | 图像 | 715名患者,包括477个CRLs训练集,226个CRLs验证集,239个CRLs测试集 |
677 | 2024-08-07 |
Clinical applications of deep learning in neuroinflammatory diseases: A scoping review
2024-May-20, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2024.04.004
PMID:38772806
|
综述 | 本文旨在通过神经炎症疾病的临床应用案例,向临床读者介绍深度学习技术,并回顾该领域的快速发展,以获取关于哪些临床应用集中了努力以及哪些数据模式最常用的定量见解 | 深度学习作为一种信息处理技术,增强了现有的辅助临床检查方式,并为创新方式在医疗保健中的应用提供了前景 | NA | 介绍深度学习技术在神经炎症疾病临床应用中的现状和趋势 | 神经炎症疾病的临床应用 | 机器学习 | 神经炎症疾病 | 深度学习 | NA | 图像、文本、时间序列信号 | 148篇文章和5个商业算法 |
678 | 2024-08-07 |
Towards development of functional climate-driven early warning systems for climate-sensitive infectious diseases: Statistical models and recommendations
2024-May-15, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.118568
PMID:38417659
|
研究论文 | 本文探讨了开发基于气候驱动的早期预警系统,用于预测气候敏感性传染病,并介绍了统计模型和机器学习技术的应用 | 采用先进的时空模型和机器学习技术,以及人工智能技术如深度学习和神经网络,来捕捉气候和环境数据中的复杂模式和隐藏关系 | 气候与疾病交互作用的复杂性和非线性需要更高级的技术来整合和分析多样化的数据 | 开发气候驱动的早期预警系统,以提高对气候变化挑战的公共卫生准备和响应策略 | 气候敏感性传染病及其与气候因素的关系 | 机器学习 | NA | 时空模型、机器学习、深度学习、神经网络 | 时空模型、机器学习模型 | 气候数据、传染病数据 | NA |
679 | 2024-08-07 |
Artificial intelligence for ultrasound scanning in regional anaesthesia: a scoping review of the evidence from multiple disciplines
2024-May, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2024.01.036
PMID:38448269
|
综述 | 本文是一篇关于区域麻醉中超声扫描人工智能应用的综述,旨在识别和映射现有文献中关于AI系统在超声扫描中的准确性和实用性的证据 | NA | 缺乏对人工智能在区域麻醉中超声扫描准确性和实用性的结构化评估,这阻碍了严格的评估和临床应用 | 识别和映射现有文献中关于AI系统在超声扫描中的准确性和实用性的证据 | 人工智能在区域麻醉中超声扫描中的应用 | 机器学习 | NA | 深度学习 | NA | NA | 13,014个来源,其中116个被包括进行全文审查 |
680 | 2024-08-07 |
Automatic classification of dog barking using deep learning
2024-May, Behavioural processes
IF:1.3Q2
DOI:10.1016/j.beproc.2024.105028
PMID:38648990
|
研究论文 | 本文描述了一种使用深度神经网络对狗叫声进行自动分类的方法,以识别狗的身份、品种、年龄、性别和情境 | 本研究提出的方法在狗叫声分类任务中表现出色,超越了以往的研究结果 | 尽管方法表现优异,但尚未准备好应用于动物行为学实践中 | 开发一种能够自动分类狗叫声的深度学习方法,以支持与动物互动频繁的人群的决策 | 研究对象为19,643次来自113只不同品种、年龄和性别的狗的叫声 | 机器学习 | NA | 深度学习 | 深度神经网络 | 音频 | 19,643次叫声,来自113只狗 |