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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
161 | 2024-08-23 |
Constructing a Deep Learning Radiomics Model Based on X-ray Images and Clinical Data for Predicting and Distinguishing Acute and Chronic Osteoporotic Vertebral Fractures: A Multicenter Study
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.061
PMID:38016821
|
研究论文 | 本研究构建并验证了一个基于X射线图像的深度学习放射组学(DLR)模型,用于预测和区分急性与慢性骨质疏松性椎体骨折(OVFs) | 使用ResNet-50模型架构进行深度迁移学习(DTL),并在RadImageNet和ImageNet数据集上进行预训练,提取并融合DTL特征和放射组学特征,结合临床基线数据构建深度学习放射组学诺模图(DLRN) | 在前瞻性验证队列中,诺模图的预测性能略有下降 | 构建和验证一个深度学习放射组学模型,用于预测和区分急性与慢性骨质疏松性椎体骨折 | 骨质疏松性椎体骨折的急性与慢性区分 | 机器学习 | 骨质疏松症 | 深度学习放射组学 | ResNet-50 | 图像 | 942例(1076个椎体) |
162 | 2024-08-23 |
Deep learning-based workflow for automatic extraction of atria and epicardial adipose tissue on cardiac computed tomography in atrial fibrillation
2024-May-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001076
PMID:38380919
|
研究论文 | 本文设计了一种基于深度学习的流程,用于在心房颤动患者的心脏计算机断层扫描图像上自动提取心房和心外膜脂肪组织 | 使用3D U-Net模型进行心房、心包和心外膜脂肪组织的自动分割,提高了分割的准确性和可靠性 | NA | 设计一种深度学习为基础的工作流程,用于心房颤动管理中可靠的自动分割心房、心包和心外膜脂肪组织 | 心房颤动患者的心房和心外膜脂肪组织 | 计算机视觉 | 心房颤动 | 3D U-Net | CNN | 图像 | 157名心房颤动患者 |
163 | 2024-08-22 |
Evaluation method for ecology-agriculture-urban spaces based on deep learning
2024-05-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61919-1
PMID:38762514
|
research paper | 本研究基于自注意力残差神经网络(SARes-NET)模型,评估了中国榆林市的生态-农业-城市空间 | 本研究采用了自注意力残差神经网络(SARes-NET)模型,该模型在模拟性能上优于其他五种模型,能够捕捉复杂的非线性关系并减少数据处理中的人为错误 | NA | 协调城市发展、粮食安全和生态保护,促进可持续发展 | 中国榆林市的生态-农业-城市空间 | computer vision | NA | deep learning | Self-Attention Residual Neural Network (SARes-NET) | spatial data | NA |
164 | 2024-08-21 |
Application of a Deep Learning System to Detect Papilledema on Nonmydriatic Ocular Fundus Photographs in an Emergency Department
2024-05, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2023.10.025
PMID:37926337
|
研究论文 | 本研究测试了改进版的BONSAI深度学习系统在非散瞳眼底照片中检测视乳头水肿的能力,并评估其在急诊部门的潜在应用价值 | BONSAI深度学习系统能够可靠地区分正常与异常的视神经盘,并在检测视乳头水肿方面表现出高敏感性和特异性 | NA | 评估深度学习系统在急诊部门作为实时诊断辅助工具检测视乳头水肿的能力 | 非散瞳眼底照片中的视乳头水肿检测 | 计算机视觉 | NA | 深度学习 | 深度学习系统 | 图像 | 1608张照片,来自828名患者 |
165 | 2024-08-20 |
Diagnostic performance of deep learning to exclude coronary stenosis on CT angiography in TAVI patients
2024-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03063-5
PMID:38461472
|
研究论文 | 评估深度学习模型在TAVI患者中通过冠状动脉CT血管造影排除冠状动脉狭窄的诊断性能 | 深度学习模型在检测>50%冠状动脉狭窄方面具有100%的敏感性和100%的阴性预测值,与经验丰富的放射科医生表现相似 | 深度学习模型的阳性预测值较低,仅为39% | 评估深度学习模型在冠状动脉CT血管造影中自动检测>50%冠状动脉狭窄的诊断性能,并研究观察者间变异性 | TAVI患者中的冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 图像 | 100名患者 |
166 | 2024-08-19 |
ECG-Image-Kit: a synthetic image generation toolbox to facilitate deep learning-based electrocardiogram digitization
2024-May-28, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad4954
PMID:39150768
|
研究论文 | 介绍了一个开源工具箱ECG-Image-Kit,用于从时间序列数据生成带有真实伪影的合成多导联ECG图像,旨在自动化将扫描的ECG图像转换为ECG数据点 | 提出了一种数据增强技术,使用真实感生成数据模型来解决临床ECG档案缺乏参考时间序列数据的问题 | NA | 促进基于深度学习的ECG数字化 | ECG图像的数字化 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度神经网络 | 图像 | 21,801张ECG图像 |
167 | 2024-08-19 |
Prognostic potentials of AI in ophthalmology: systemic disease forecasting via retinal imaging
2024-May-06, Eye and vision (London, England)
DOI:10.1186/s40662-024-00384-3
PMID:38711111
|
综述 | 本文综述了利用人工智能(AI)和深度学习(DL)通过视网膜成像预测系统性疾病的研究进展 | 强调了AI基于视网膜生物标志物在预测神经退行性疾病、心血管疾病和慢性肾脏疾病中的重要作用,以及长期预测模型在连续疾病风险评估和早期检测中的潜力 | 为了充分发挥AI在这一领域的潜力,需要在现实世界环境中进行更多的研究和验证 | 探索视网膜评估的价值,AI基础的视网膜生物标志物,以及纵向预测模型在个性化护理中的重要性 | 研究对象包括视网膜成像、AI模型及其在预测系统性疾病中的应用 | 计算机视觉 | NA | 深度学习(DL) | NA | 图像 | NA |
168 | 2024-08-15 |
Deep learning for automatic volumetric segmentation of left ventricular myocardium and ischaemic scar from multi-slice late gadolinium enhancement cardiovascular magnetic resonance
2024-May-31, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae022
PMID:38244222
|
研究论文 | 本研究详细介绍了应用深度学习技术自动分割左心室心肌和缺血性瘢痕体积,并从晚期钆增强心血管磁共振成像(LGE-CMR)中自动量化心肌缺血性瘢痕负担 | 采用了三种模型(U-Net、Cascaded U-Net和U-Net++),并引入了一种新的自适应加权分类交叉熵损失函数进行训练 | NA | 开发一种深度学习模型,用于从LGE-CMR图像中自动分割和分析左心室瘢痕负担 | 左心室心肌和缺血性瘢痕的体积分割及量化 | 计算机视觉 | 心血管疾病 | 晚期钆增强心血管磁共振成像(LGE-CMR) | U-Net、Cascaded U-Net、U-Net++ | 图像 | 501张图像用于训练和验证,52张图像用于外部评估 |
169 | 2024-08-14 |
Molecular Mechanism of Phosphorylation-Mediated Impacts on the Conformation Dynamics of GTP-Bound KRAS Probed by GaMD Trajectory-Based Deep Learning
2024-May-15, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29102317
PMID:38792177
|
研究论文 | 本研究使用高斯加速分子动力学(GaMD)模拟结合深度学习(DL)探索磷酸化对GTP结合KRAS构象动力学的影响 | 首次结合GaMD模拟和深度学习分析磷酸化对KRAS构象动力学的影响,揭示了磷酸化位点pY32、pY64和pY137对KRAS功能的关键作用 | NA | 探索磷酸化对GTP结合KRAS构象动力学的影响及其分子机制 | GTP结合KRAS的构象动力学及其磷酸化位点的影响 | 生物信息学 | NA | 高斯加速分子动力学(GaMD)模拟 | 深度学习(DL) | 分子动力学轨迹 | NA |
170 | 2024-08-14 |
Computational Pathology for Prediction of Isocitrate Dehydrogenase Gene Mutation from Whole Slide Images in Adult Patients with Diffuse Glioma
2024-05, The American journal of pathology
DOI:10.1016/j.ajpath.2024.01.009
PMID:38325551
|
研究论文 | 开发了一种基于聚类的卷积神经网络和视觉变换器的混合深度学习模型,用于从无注释的苏木精和伊红染色的全切片病理图像中检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态 | 提出的混合模型在验证集和外部测试集上的表现优于其他模型,尤其是在具有不同IDH状态但共享组织学特征的困难亚组中 | NA | 开发一种计算病理学工具,用于快速初步检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变 | 成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态 | 数字病理学 | 脑瘤 | NA | 卷积神经网络和视觉变换器 | 图像 | 2275名成人弥漫性胶质瘤患者 |
171 | 2024-08-14 |
A Histopathologic Image Analysis for the Classification of Endocervical Adenocarcinoma Silva Patterns Depend on Weakly Supervised Deep Learning
2024-05, The American journal of pathology
DOI:10.1016/j.ajpath.2024.01.016
PMID:38382842
|
研究论文 | 研究开发了一种基于弱监督深度学习的深度学习管道(Silva3-AI),用于自动分析基于全切片图像的组织病理学图像并准确识别Silva模式 | Silva3-AI模型采用视觉变换器和循环神经网络架构,利用多倍率补丁,实现了高精度的Silva模式识别,并与具有10年诊断经验的专业病理学家的表现相当 | NA | 开发一种自动分析组织病理学图像并识别Silva模式的深度学习管道 | 子宫颈腺癌中的Silva模式 | 数字病理学 | 子宫颈癌 | 弱监督深度学习 | 视觉变换器和循环神经网络 | 图像 | 初始研究包括202名子宫颈腺癌患者,随后从其他7个医疗中心收集了161名患者进行独立测试 |
172 | 2024-08-12 |
Using Deep Learning to Increase Eye-Tracking Robustness, Accuracy, and Precision in Virtual Reality
2024-May, Proceedings of the ACM on computer graphics and interactive techniques
IF:1.4Q3
DOI:10.1145/3654705
PMID:39119010
|
研究论文 | 本文评估了使用深度学习方法提高虚拟现实中眼动追踪的鲁棒性、准确性和精确度 | 采用机器学习方法进行瞳孔追踪,相比传统计算机视觉技术在分割性能上表现更优 | 目前尚不清楚这些网络如何影响最终注视估计的质量 | 评估几种当代基于机器学习的眼部特征追踪方法对最终注视估计质量的影响 | 眼动追踪的准确性、精确度和掉线率 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
173 | 2024-08-11 |
Using an interpretable deep learning model for the prediction of riverine suspended sediment load
2024-May, Environmental science and pollution research international
DOI:10.1007/s11356-024-33290-1
PMID:38656723
|
研究论文 | 本研究开发了一种基于深度学习和Shapley加性解释技术的可解释模型,用于预测河流系统中的悬浮沉积物负荷 | 本研究的创新点在于开发了一种可解释的深度学习模型,并应用Shapley加性解释技术来解释模型的输出 | NA | 研究目的是开发一种可解释的深度学习模型,用于预测河流系统中的悬浮沉积物负荷 | 研究对象是Taleghan河流域的每日悬浮沉积物负荷预测 | 机器学习 | NA | 深度学习 | 密集深度神经网络(DDNN), 长短期记忆(LSTM), 门控循环单元(GRU), 简单循环神经网络(RNN) | 河流流量和降雨数据 | Taleghan河流域的每日数据 |
174 | 2024-08-11 |
Quantifying the scale of erosion along major coastal aquifers of Pakistan using geospatial and machine learning approaches
2024-May, Environmental science and pollution research international
DOI:10.1007/s11356-024-33296-9
PMID:38662291
|
研究论文 | 本研究使用地理空间和机器学习方法量化巴基斯坦主要沿海含水层的侵蚀规模 | 本研究结合数据融合和深度学习图像分割架构,提出了一种新的侵蚀和淤积评估方法 | NA | 监测巴基斯坦主要沿海含水层的侵蚀情况,并提出解决方案 | 巴基斯坦的沿海含水层 | 机器学习 | NA | 图像分割 | U-Net with EfficientNet backbone | 图像 | 涉及多个地点,包括Sandspit、Indus delta、Sonmiani、Miani Hor、Bhuri creek、east Phitii creek、Waddi creek、Tummi creek和East Khalri creek |
175 | 2024-08-10 |
Diagnostic effectiveness of deep learning-based MRI in predicting multiple sclerosis: A meta-analysis
2024-May, Neurosciences (Riyadh, Saudi Arabia)
DOI:10.17712/nsj.2024.2.20230103
PMID:38740399
|
meta-analysis | 本研究通过meta分析评估了基于卷积神经网络(CNN)的磁共振成像(MRI)在多发性硬化症(MS)诊断中的表现 | 采用2D-3D CNN技术,实现了对MS病变的高准确性、敏感性和特异性识别、分类和分割 | NA | 探讨基于CNN的MRI在多发性硬化症病变识别、分类和分割中的诊断性能 | 多发性硬化症病变 | machine learning | 多发性硬化症 | CNN | CNN | MRI图像 | 共筛选出15篇文章进行分析 |
176 | 2024-08-09 |
Deep learning performance compared to healthcare experts in detecting wrist fractures from radiographs: A systematic review and meta-analysis
2024-May, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111399
PMID:38428318
|
meta-analysis | 本研究通过系统综述和荟萃分析,评估了深度学习算法在腕部骨折诊断中的准确性,并与医疗专家的诊断结果进行了比较 | 研究发现卷积神经网络(CNN)的诊断准确性与医疗专家相当 | 需要更多采用严格参考标准、外部数据集验证以及探索医疗专家辅助下CNN诊断性能的研究 | 评估深度学习算法在腕部骨折诊断中的准确性 | 腕部骨折的诊断 | machine learning | NA | convolutional neural networks (CNN) | CNN | image | 共包含33,026张腕部X光片 |
177 | 2024-08-09 |
Artificial intelligence for cervical cancer screening: Scoping review, 2009-2022
2024-May, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
DOI:10.1002/ijgo.15179
PMID:37811597
|
综述 | 本文综述了2009年至2022年间人工智能在宫颈癌早期影像诊断中的应用 | 支持向量机和深度学习方法(如卷积神经网络、ResNet和VGG)显示出超过97%的最佳诊断性能 | 需要进一步研究以验证这些发现 | 描述和综合关于人工智能在宫颈癌早期影像诊断中诊断准确性的文献 | 人工智能在宫颈癌影像诊断中的应用 | 机器学习 | 宫颈癌 | 卷积神经网络(CNN)、ResNet、VGG | 卷积神经网络(CNN) | 图像 | 32项研究 |
178 | 2024-08-08 |
Deep learning with diffusion MRI as in vivo microscope reveals sex-related differences in human white matter microstructure
2024-05-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60340-y
PMID:38744901
|
研究论文 | 本研究利用扩散磁共振成像技术,开发了多种端到端分类模型,以准确估计受试者的性别,并识别出男女之间差异最大的白质区域 | 本研究首次利用扩散磁共振成像技术在细胞水平上揭示了男女大脑白质微观结构的差异,并使用多种模型架构进行验证 | 研究仅使用了来自人类连接组项目的健康受试者数据,且年龄范围有限 | 研究男女大脑白质微观结构的差异,以深入理解不同性别中表现不同的脑部疾病 | 男女大脑白质的微观结构 | 计算机视觉 | NA | 扩散磁共振成像 | 2D卷积神经网络, 3D卷积神经网络, Vision Transformer | 图像 | 471名男性与560名女性健康受试者(年龄范围22-37岁) |
179 | 2024-08-07 |
Accurate prediction of antibody function and structure using bio-inspired antibody language model
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae245
PMID:38797969
|
研究论文 | 本文介绍了基于生物启发的抗体语言模型(BALM),用于准确预测抗体的功能和结构 | 提出了BALM模型,该模型在抗体结合预测任务中表现出色,并引入了BALMFold方法,能够快速预测抗体的完整原子结构 | NA | 解决抗体结构预测的挑战,推动治疗性抗体的发展 | 抗体的功能和结构 | 机器学习 | NA | 深度学习 | 语言模型 | 序列数据 | 3.36亿个40%非冗余的未标记抗体序列 |
180 | 2024-08-05 |
DeepARV: ensemble deep learning to predict drug-drug interaction of clinical relevance with antiretroviral therapy
2024-May-06, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-024-00374-0
PMID:38710671
|
研究论文 | 本研究评估了深度学习方法预测抗病毒治疗及其合并用药的临床相关药物相互作用的潜力 | 提出了DeepARV-Sim和DeepARV-ChemBERTa,利用分子结构信息和多样性学习方法有效提高临床相关药物相互作用的预测能力 | 临床相关药物相互作用研究数量有限,可能影响模型的泛化能力 | 本研究旨在通过深度学习技术预测抗病毒药物和合并用药之间的临床相关药物相互作用 | 研究对象为30142对药物的相互作用,来自伦敦HIV药物相互作用数据库 | 机器学习 | NA | DeepARV-Sim和DeepARV-ChemBERTa | Transformer | 药物组合数据 | 30142对药物 |