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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
761 | 2024-08-07 |
Computer vision models enable mixed linear modeling to predict arbuscular mycorrhizal fungal colonization using fungal morphology
2024-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61181-5
PMID:38740920
|
研究论文 | 本文提出了一种多尺度建模方法,利用基于Mask R-CNN的计算机视觉模型和混合线性模型,预测全球作物中Arbuscular Mycorrhizal Fungi(AMF)的定植情况 | 首次使用Mask R-CNN进行像素级真菌结构分割,并结合混合线性模型探索AMF定植、根际和真菌结构分配之间的关系 | NA | 开发一种高吞吐量的表型分析方法,用于预测植物根系中AMF的定植情况 | 全球作物的AMF定植情况 | 计算机视觉 | NA | Mask R-CNN | CNN | 图像 | 来自Sorghum bicolor和S. propinquum的重组自交系群体 |
762 | 2024-08-07 |
Structural annotation of unknown molecules in a miniaturized mass spectrometer based on a transformer enabled fragment tree method
2024-May-13, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-024-01189-0
PMID:38740942
|
研究论文 | 本文提出了一种基于Transformer的碎片树(TeFT)方法,用于小型质谱仪中未知分子的结构注释 | 结合了多种碎片树模型和深度学习Transformer模块,能够仅从质谱数据中生成分子特定结构 | 主要适用于具有清晰碎片规则的碎片峰注释,且在较低质量分辨率的现场质谱分析中表现较好 | 开发一种新的方法,用于小型质谱仪中未知分子的结构注释 | 小型质谱仪中的未知分子结构 | NA | NA | 质谱分析 | Transformer | 质谱数据 | 验证了16种黄酮醇,成功预测了8种物质的完整结构 |
763 | 2024-08-07 |
Effects of the Training Data Condition on Arterial Spin Labeling Parameter Estimation Using a Simulation-Based Supervised Deep Neural Network
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001566
PMID:38149628
|
研究论文 | 研究基于模拟的监督深度神经网络在不同训练数据条件下对脑血流量和动脉传输时间参数估计的影响 | 首次探讨了训练数据中脑血流量和动脉传输时间真实值范围对深度神经网络性能的影响 | 研究仅限于模拟数据和少数真实病例,可能需要更多临床数据验证 | 探究训练数据的真实值范围对基于模拟的监督深度神经网络性能的影响 | 脑血流量和动脉传输时间参数估计 | 机器学习 | NA | 动脉自旋标记信号模拟 | 深度神经网络 (DNN) | 图像 | 36种训练数据集模式,1,000,000点模拟测试数据,17名健康志愿者和1名烟雾病患者 |
764 | 2024-08-07 |
Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts: a diagnostic study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001186
PMID:38348891
|
研究论文 | 本研究旨在评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 本研究开发了一种结合超声和乳腺X线摄影特征的深度学习模型,该模型在预测BI-RADS US 4A乳腺病变恶性程度方面比临床诺模图模型和仅使用超声或乳腺X线摄影图像的深度学习模型更准确 | NA | 评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 乳腺密度高女性的BI-RADS US 4A病变 | 计算机视觉 | 乳腺疾病 | 深度学习 | 深度学习模型 | 图像 | 共1210名患者,其中992名随机分配到训练组和测试组,218名组成前瞻性验证组 |
765 | 2024-08-07 |
Congenital diaphragmatic hernia: automatic lung and liver MRI segmentation with nnU-Net, reproducibility of pyradiomics features, and a machine learning application for the classification of liver herniation
2024-May, European journal of pediatrics
IF:3.0Q1
DOI:10.1007/s00431-024-05476-9
PMID:38416256
|
研究论文 | 本研究使用深度学习分割系统nnU-Net自动分割先天性膈疝(CDH)胎儿的肺和肝脏MRI图像,并通过计算Jaccard系数评估自动与手动分割的一致性。此外,提取并比较了手动和自动分割区域的Pyradiomics标准特征的再现性,并构建了一个基于支持向量机(SVM)的机器学习分类器系统,用于预测肝脏疝。 | 本研究展示了使用深度学习nnU-Net系统进行MRI肺和肝脏自动分割的可行性,以及与手动结果相比,Pyradiomics特征的良好再现性和机器学习系统预测肝脏疝的可行性。 | NA | 评估先天性膈疝胎儿肺和肝脏MRI图像自动分割的可行性,并开发机器学习系统以预测肝脏疝。 | 先天性膈疝胎儿的肺和肝脏MRI图像。 | 机器学习 | 先天性膈疝 | MRI | nnU-Net | 图像 | 未具体说明样本数量 |
766 | 2024-08-07 |
Estimating Body Weight From Measurements From Different Single-Slice Computed Tomography Levels: An Evaluation of Total Cross-Sectional Body Area Measurements and Deep Learning
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001587
PMID:38438330
|
研究论文 | 本研究评估了两种简易方法(线性回归模型和深度学习模型)在不同CT层面估计体重的相关性,并确定最佳参考位点 | 本研究首次比较了线性回归模型和深度学习模型在不同CT层面估计体重的准确性 | 研究仅使用了公开数据库中的862名患者的PET/CT研究数据,样本量可能有限 | 评估不同CT层面估计体重的准确性并确定最佳参考位点 | 862名患者的PET/CT研究数据 | 计算机视觉 | NA | CT | 线性回归模型, 深度学习模型 | 图像 | 862名患者 |
767 | 2024-08-07 |
Prognostic Value of a Combined Nomogram Model Integrating 3-Dimensional Deep Learning and Radiomics for Head and Neck Cancer
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001584
PMID:38438336
|
研究论文 | 本研究评估了将3D深度学习特征添加到放射组学模型中,以预测头颈癌患者5年总生存状态的影响。 | 本研究创新性地结合了3D深度学习特征与放射组学模型,以提高预测头颈癌患者5年总生存状态的准确性。 | NA | 评估3D深度学习特征对放射组学模型预测头颈癌患者5年总生存状态的影响。 | 头颈癌患者的5年总生存状态。 | 数字病理学 | 头颈癌 | 放射组学, 3D深度学习 | 结合模型 | 图像 | 220例 |
768 | 2024-08-07 |
Development and validation of a deep learning radiomics model with clinical-radiological characteristics for the identification of occult peritoneal metastases in patients with pancreatic ductal adenocarcinoma
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001213
PMID:38445459
|
研究论文 | 本研究开发并验证了一种基于计算机断层扫描(CT)的深度学习放射组学(DLR)模型,用于在治疗前识别胰腺导管腺癌(PDAC)患者的隐匿性腹膜转移(OPM) | 本研究结合了临床放射学特征、手工放射组学(HCR)和DLR特征,开发了一个综合模型,显示出比单独的临床放射学模型更好的区分能力 | NA | 开发并验证一个基于CT的深度学习放射组学模型,用于在治疗前识别胰腺导管腺癌患者的隐匿性腹膜转移 | 胰腺导管腺癌患者的隐匿性腹膜转移 | 机器学习 | 胰腺癌 | 深度学习放射组学(DLR) | 逻辑回归分类器 | CT图像 | 302名胰腺导管腺癌患者(训练集:167名,其中OPM阳性22名;内部测试集:72名,其中OPM阳性9名;外部测试集:63名,其中OPM阳性9名) |
769 | 2024-08-07 |
Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data
2024-May, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.15269
PMID:38576119
|
研究论文 | 本研究旨在通过真实世界数据定量评估放宽非小细胞肺癌(NSCLC)药物试验的入选标准对风险-效益概况的影响 | 本研究首次采用深度学习方法构建NSCLC真实世界数据库,并利用Shapley值定量测量每个入选标准变化对患者数量、临床疗效和安全性的影响 | NA | 定量评估放宽非小细胞肺癌药物试验入选标准的效果 | 非小细胞肺癌药物试验的入选标准 | 数字病理学 | 肺癌 | 深度学习 | NA | 数据库 | NA |
770 | 2024-08-07 |
A novel stochastic resonance based deep residual network for fault diagnosis of rolling bearing system
2024-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.03.020
PMID:38582635
|
研究论文 | 本文提出了一种基于随机共振的深度残差网络,用于滚动轴承系统的故障诊断 | 将随机共振引入尖峰神经网络作为特征增强方法,结合深度学习与随机共振提高分类准确性 | NA | 确保机械设备中滚动轴承的安全运行 | 滚动轴承系统的故障诊断 | 机器学习 | NA | 随机共振 | 深度残差网络 | 信号 | 使用CWRU数据集进行实验验证 |
771 | 2024-08-07 |
Abdominal CT metrics in 17,646 patients reveal associations between myopenia, myosteatosis, and medical phenotypes: a phenome-wide association study
2024-May, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105116
PMID:38636199
|
研究论文 | 本研究利用深度学习技术自动评估大量腹部CT扫描图像,通过全基因组关联研究(PheWAS)方法,探讨骨骼肌指数(SMI)和骨骼肌密度(SMD)与611种电子健康记录(EHR)衍生的医疗表型之间的关联。 | 本研究首次大规模整合影像生物标志物和电子健康记录数据,通过PheWAS方法发现并验证了骨骼肌指数和骨骼肌密度与多种医疗表型之间的先前未报告的关联。 | NA | 探索腹部CT衍生的骨骼肌指标与医疗表型之间的关联。 | 骨骼肌指数(SMI)和骨骼肌密度(SMD)与611种医疗表型的关联。 | 机器学习 | NA | 深度学习 | CNN | 影像 | 17,646名成年人 |
772 | 2024-08-07 |
Creating an autoencoder single summary metric to assess gait quality to compare surgical outcomes in children with cerebral palsy: The Shriners Gait Index (SGI)
2024-May, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.112092
PMID:38669795
|
研究论文 | 本文提出了一种使用深度学习自动编码器模型创建的单一总结指标(Shriners步态指数(SGI)),用于评估脑瘫儿童的步态质量,并比较手术结果 | 利用深度学习自动编码器模型捕捉多个不同步态指标之间的非线性统计关系,创建了一个综合的步态质量评估指标 | NA | 开发一种综合的步态评估指标,以评估和比较脑瘫儿童在接受治疗和手术后的步态变化 | 脑瘫儿童的步态数据 | 机器学习 | 脑瘫 | 深度学习自动编码器 | 自动编码器 | 步态数据 | 412名18岁以下的个体 |
773 | 2024-08-07 |
Comprehensive analysis of clinical images contributions for melanoma classification using convolutional neural networks
2024-May, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13607
PMID:38742379
|
研究论文 | 本研究旨在比较三种基于卷积神经网络(CNN)的模型在黑色素瘤分类中的表现,这些模型分别使用临床图像、皮肤镜图像以及两者的组合进行训练 | 本研究首次系统比较了仅使用临床图像、仅使用皮肤镜图像以及两者结合训练的CNN模型在黑色素瘤分类中的性能差异 | 研究结果显示,结合临床和皮肤镜图像的模型性能提升不明显,这可能是研究的局限之一 | 探讨不同类型图像在黑色素瘤分类中的有效性 | 黑色素瘤的分类 | 计算机视觉 | 黑色素瘤 | 卷积神经网络(CNN) | Inception-ResNetV2 | 图像 | 914对图像 |
774 | 2024-08-07 |
Intelligent algorithm based on deep learning to predict the dosage for anesthesia: A study on prediction of drug efficacy based on deep learning
2024-May, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.2113
PMID:38745754
|
研究论文 | 本研究提出了一种基于深度学习的智能算法,用于预测麻醉药物的剂量,以帮助麻醉医师在手术过程中更好地控制药物剂量 | 本研究设计了基于人工神经网络的模型,使用SELU激活函数和加权正则化损失函数解决样本不平衡问题,并通过CNN和LSTM网络提取关键特征和预测剂量 | NA | 开发一种智能算法,用于预测麻醉药物的剂量,以辅助临床判断和手术过程的顺利进行 | 麻醉药物的剂量预测 | 机器学习 | NA | 深度学习 | CNN, LSTM | 生理数据 | 具体样本数量未在摘要中提及 |
775 | 2024-08-07 |
A lightweight deep learning approach for detecting electrocardiographic lead misplacement
2024-May-15, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad43ae
PMID:38663434
|
研究论文 | 本文提出了一种基于深度学习的新型心电图(ECG)导联错位检测方法 | 开发了两种新型轻量级深度学习模型,分别用于肢体和胸导联错位检测 | NA | 旨在开发一种有效的心电图导联错位检测方法 | 心电图导联错位检测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 心电图数据 | 使用Chapman数据库进行训练和验证,评估数据集包括PTB-XL、PTB和LUDB数据库 |
776 | 2024-08-07 |
Lattice thermal conductivity and mechanical properties of the single-layer penta-NiN2 explored by a deep-learning interatomic potential
2024-May-15, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp00997e
PMID:38689542
|
研究论文 | 研究了新型二维五边形penta-NiN2单层的晶格热导率、稳定性和力学行为 | 首次使用深度学习原子间势(DLP)从分子动力学(AIMD)数据生成并用于经典分子动力学模拟 | NA | 探索penta-NiN2单层的晶格热导率和力学性能 | penta-NiN2单层的晶格热导率、稳定性、力学行为及缺陷对其性能的影响 | 材料科学 | NA | 深度学习原子间势(DLP) | 深度学习模型 | 分子动力学数据 | NA |
777 | 2024-08-07 |
FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification
2024-May-15, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4743
PMID:38701773
|
研究论文 | 本文提出了一种名为FetchEEG的混合方法,结合特征提取和时间-通道联合注意力机制,用于基于EEG的情感分类 | FetchEEG方法结合了传统特征提取和深度学习的优势,采用多头自注意力机制同时提取不同时间和通道的表示,提高了情感分类的性能和泛化能力 | NA | 提出一种新的混合方法,用于提高基于EEG的情感分类的性能和泛化能力 | 基于EEG的情感分类 | 神经工程 | NA | 多头自注意力机制 | Transformer神经网络 | EEG数据 | 使用了自开发数据集和两个公共数据集进行验证 |
778 | 2024-08-07 |
Automated medication verification system (AMVS): System based on edge detection and CNN classification drug on embedded systems
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30486
PMID:38742071
|
研究论文 | 本文介绍了一种基于边缘检测和CNN分类的自动化药物验证系统(AMVS),旨在减少医院中的药物错误 | 系统在封闭空间中进行研究,以最小化光学变化对图像捕捉的影响,并使用深度学习模型快速准确地分类药物 | NA | 提高药物验证过程的效率并减少药物错误 | 自动化药物验证系统 | 计算机视觉 | NA | 边缘检测,CNN | CNN | 图像 | 药物集包含少于十种类型和十种类型 |
779 | 2024-08-07 |
Deep learning-based inverse design of multi-functional metasurface absorbers
2024-May-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.518786
PMID:38748148
|
研究论文 | 本文提出了一种结合模拟退火算法和深度学习加速的新方法,用于快速准确地开发太赫兹完美吸收器 | 该方法通过前向预测和后向设计,实现了对吸收器结构的精确快速推导,并显著提高了设计效率 | NA | 开发一种快速准确的方法来设计太赫兹完美吸收器 | 太赫兹完美吸收器的结构设计 | 机器学习 | NA | 深度学习 | 神经网络 | 吸收谱 | 设计了低频、高频和宽带吸收器,频率范围为4至16太赫兹,误差小于0.02 |
780 | 2024-08-07 |
Deep-learning enhanced high-quality imaging in metalens-integrated camera
2024-May-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.521393
PMID:38748176
|
研究论文 | 本文提出了一种基于深度学习的高质量成像方法,用于改善金属镜集成相机的性能 | 采用多尺度卷积神经网络(MSCNN)训练高质量和低质量图像对,以提高成像分辨率、对比度和畸变 | NA | 克服金属镜集成相机固定架构的限制,提升成像质量 | 金属镜集成相机的成像性能 | 计算机视觉 | NA | 多尺度卷积神经网络(MSCNN) | CNN | 图像 | 大量高质量和低质量图像对 |