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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
321 | 2024-08-05 |
Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs
2024-Jun, Arthroscopy, sports medicine, and rehabilitation
DOI:10.1016/j.asmr.2024.100940
PMID:39006790
|
研究论文 | 本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折 | 提出了一种深度学习方法,用于准确识别Segond骨折,并在表现上超越了专业人类观察者 | 测试集样本量较小,仅324张膝关节X光片,可能影响结果的普适性 | 研究深度学习在前后向膝关节X光片上识别Segond骨折的应用 | 319张前后向膝关节X光片,特别关注Segond骨折的识别 | 计算机视觉 | 膝关节损伤 | 深度学习 | 未提供具体模型类型 | 图像 | 324张膝关节X光片 |
322 | 2024-08-05 |
Bridging Convolutional Neural Networks and Transformers for Efficient Crack Detection in Concrete Building Structures
2024-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24134257
PMID:39001034
|
研究论文 | 本文提出了一种新型模型CCTNet,用于提高混凝土建筑结构裂缝检测的效率和准确性 | CCTNet结合了卷积通道注意力与基于窗口的自注意力机制,提升了裂缝识别能力 | 文章中未提及具体的实验局限性或适用范围 | 旨在通过新的模型提高混凝土建筑裂缝检测的效率和准确性 | 研究对象为混凝土建筑结构中的裂缝 | 计算机视觉 | NA | 卷积神经网络(CNN)、自注意力机制 | CCTNet | 图像 | 在Historical Building Crack2019、SDTNET2018和DS3上的性能评估 |
323 | 2024-08-05 |
CSMC: A Secure and Efficient Visualized Malware Classification Method Inspired by Compressed Sensing
2024-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24134253
PMID:39001035
|
研究论文 | 提出了一种基于压缩感知的高效恶意软件分类方法CSMC,旨在提高恶意软件样本的处理和共享效率。 | 该方法通过压缩恶意软件样本,提高了共享和处理的有效性,并能够在压缩过程中提取恶意软件家族特征,这是传统方法无法实现的。 | 实验结果仅基于针对Windows和Android操作系统的恶意软件,可能对其他平台的适用性需进一步验证。 | 研究旨在提高恶意软件分类的效率和安全性,特别是在物联网环境中。 | 研究对象为针对智能传感器的恶意软件及其分类方法。 | 计算机视觉 | NA | 压缩感知 | 深度学习 | 恶意软件样本 | 针对Windows和Android操作系统的多个恶意软件样本 |
324 | 2024-08-05 |
ProPept-MT: A Multi-Task Learning Model for Peptide Feature Prediction
2024-Jun-30, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25137237
PMID:39000344
|
研究论文 | 提出了一种新颖的多任务学习模型ProPept-MT,用于准确预测肽的关键特征 | ProPept-MT结合了多头注意力和BiLSTM用于特征提取,并采用Nash-MTL进行梯度协调,展示了卓越的预测性能 | 当前对DIA数据的分析依赖于项目特定的光谱库,限制了蛋白组覆盖面并且过程耗时 | 旨在提升定量蛋白组学中数据独立采集(DIA)数据分析的准确性和高效性 | 研究对象包括保留时间、离子强度和离子迁移率等肽特征 | 计算机视觉 | NA | 深度学习 | BiLSTM | 数字数据 | 在基准数据集上进行评估,具体样本数量未提及 |
325 | 2024-08-05 |
Bearing-DETR: A Lightweight Deep Learning Model for Bearing Defect Detection Based on RT-DETR
2024-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24134262
PMID:39001040
|
研究论文 | 本文介绍了Bearing-DETR,这是一个优化的深度学习模型,用于准确高效地检测轴承缺陷 | Bearing-DETR采用了RT-DETR架构,并结合了Dysample动态上采样、元移动块的高效模型优化和变形大核关注机制,显著改善了缺陷检测性能 | NA | 旨在提高工业安全和效率,通过深度学习优化轴承缺陷检测 | 针对化工厂的数据集进行的轴承缺陷检测研究 | 机器学习 | NA | 实时检测变换器(RT-DETR) | NA | 图片 | NA |
326 | 2024-08-05 |
A Novel Electrical Equipment Status Diagnosis Method Based on Super-Resolution Reconstruction and Logical Reasoning
2024-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24134259
PMID:39001038
|
研究论文 | 本文提出了一种基于超分辨率重建和逻辑推理的电气设备状态诊断方法 | 采用生成对抗网络(GAN)进行图像超分辨率重建以过滤环境噪声,并结合逻辑图进行电气设备故障诊断 | 该方法可能在更复杂的环境中仍然面临图像质量和解析能力的挑战 | 研究电气设备的状态检测和故障诊断方法 | 电气设备状态和故障 | 计算机视觉 | NA | 生成对抗网络(GAN) | 深度学习模型 | 图像 | 六个数据集上进行的广泛实验 |
327 | 2024-08-05 |
Anomaly Detection and Remaining Useful Life Estimation for the Health and Usage Monitoring Systems 2023 Data Challenge
2024-Jun-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24134258
PMID:39001036
|
研究论文 | 本文介绍了旋转机械健康监测中齿轮故障检测和剩余使用寿命估计的新基准数据集 | 提出了一种新的信号处理异常检测算法,并证明其在多种测试渠道上超越深度学习算法 | 仅在特定的测试渠道上进行了比较,未涵盖所有可能的情况 | 监测旋转机械的健康状态并估计其剩余使用寿命 | 齿轮振动信号的异常检测和剩余使用寿命估计 | 数字病理学 | NA | 信号处理 | 传统信号处理算法和深度学习算法 | 振动信号 | 11个参与组 |
328 | 2024-08-05 |
How AI and Robotics Will Advance Interventional Radiology: Narrative Review and Future Perspectives
2024-Jun-29, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131393
PMID:39001283
|
综述 | 这篇综述文章探讨了人工智能和机器人技术在介入放射学中的研究进展和应用 | 文章强调了最新的研究方向及其潜在的应用前景和局限性 | 虽然提到AI和机器人技术在临床应用中的广泛性尚未实现,但文中指出这些技术正在多个方面演变 | 研究人工智能和机器人在介入放射学中的应用潜力 | 重点在于最近五年发表的关于AI和机器人在医疗领域应用的研究 | 数字病理学 | 肿瘤 | 深度学习,机器学习,卷积神经网络 | CNN | 文献 | 选择了大型研究来确保结果的全面性和可靠性 |
329 | 2024-08-05 |
MSE-VGG: A Novel Deep Learning Approach Based on EEG for Rapid Ischemic Stroke Detection
2024-Jun-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24134234
PMID:39001013
|
研究论文 | 本研究开发了一种基于脑电图(EEG)的深度学习模型,用于快速检测缺血性中风 | 提出了一种新的特征相关加权相位滞后指数(cwPLI),融合EEG信号的时空信息和复杂性非线性信息以提高模型的判别能力 | 样本量相对较小,仅招募了20名缺血性中风患者,可能影响结果的普遍性 | 旨在提升缺血性中风的快速检测能力 | 研究对象包括20名缺血性中风患者及19名无中风病史的成人作为对照组 | 数字病理 | 缺血性中风 | 脑电图(EEG) | MSE-VGG网络 | 信号 | 20个缺血性中风患者和19个对照组成人 |
330 | 2024-08-05 |
Multisensory Fusion for Unsupervised Spatiotemporal Speaker Diarization
2024-Jun-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24134229
PMID:39001008
|
研究论文 | 本文提出了一种框架,用于评估结合说话者嵌入和到达时间差(TDOA)值的有效性。 | 创新点在于利用空间信息显著提高说话者分离模型的性能,并比较两种说话者嵌入模型的潜力。 | 可能存在于数据集的多样性和样本量的限制,具体未在摘要中说明。 | 研究旨在探索结合空间和时间信息的无监督说话者分离技术。 | 研究对象为会议场景中的说话者身份标注任务。 | 计算机视觉 | NA | 通用互相关(GCC)方法与相位变换(PHAT)加权 | ECAPA-TDNN和X-vectors | 音频 | 使用AVLab说话者定位数据集和丰富手机录音的多通道数据集(SpeaD-M3C) |
331 | 2024-08-05 |
A Sheep Identification Method Based on Three-Dimensional Sheep Face Reconstruction and Feature Point Matching
2024-Jun-29, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14131923
PMID:38998035
|
研究论文 | 本文提出了一种基于三维重建和特征点匹配的羊面识别方法 | 研究创新点在于使用三维重建技术和特征点匹配,丰富了羊面识别的方法 | 现有研究方法仅限于图像级别的模式识别,缺乏多样性 | 旨在建立数字化羊场和精准动物养殖,实现羊的准确识别 | 研究小尾寒羊的个体信息以及面部识别 | 计算机视觉 | NA | 三维重建技术 | SFORA | 图像 | 实验羊的全角面部图像,具体数量未提及 |
332 | 2024-08-05 |
An Improved U-Net Infrared Small Target Detection Algorithm Based on Multi-Scale Feature Decomposition and Fusion and Attention Mechanism
2024-Jun-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24134227
PMID:39001006
|
研究论文 | 提出了一种名为MST-UNet的改进U-Net方法,用于红外小目标检测 | 结合多尺度特征分解和融合及注意力机制,优化了小目标的检测性能 | NA | 研究红外小目标检测技术 | 改进的U-Net算法及其在小目标检测中的应用 | 计算机视觉 | NA | Haar小波变换 | U-Net | 图像 | NUDT-SIRST数据集的实验数据 |
333 | 2024-08-05 |
Rotation Error Prediction of CNC Spindle Based on Short-Time Fourier Transform of Vibration Sensor Signals and Improved Weighted Residual Network
2024-Jun-29, Sensors (Basel, Switzerland)
DOI:10.3390/s24134244
PMID:39001023
|
研究论文 | 本研究开发了一种自适应加权深度残差网络用于预测CNC主轴的旋转误差 | 提出了一种考虑不同传感器数据重要性的自适应加权深度残差网络 | 未提及具体的局限性 | 研究CNC设备主轴旋转误差的预测方法 | 基于振动传感器数据的主轴旋转误差 | 机器学习 | NA | 短时傅里叶变换 | 残差网络 | 传感器数据 | 多传感器数据 |
334 | 2024-08-05 |
Outcome Prediction Using Multi-Modal Information: Integrating Large Language Model-Extracted Clinical Information and Image Analysis
2024-Jun-29, Cancers
IF:4.5Q1
DOI:10.3390/cancers16132402
PMID:39001463
|
研究论文 | 该研究评估了人工智能大语言模型在提取临床信息和改善影像分析中的应用,旨在预测膀胱癌患者五年生存率 | 创新点在于结合大语言模型提取的临床信息与影像分析,改进临床结果预测 | 这项研究的限制在于它依赖回顾性数据,可能存在数据偏倚 | 研究的目的是提高膀胱癌患者的生存预后预测 | 研究对象为781名膀胱癌患者中的163名,接受了根治性膀胱切除术和化疗 | 数字病理学 | 膀胱癌 | 人工智能,大语言模型 | CRD模型,结合临床、放射组学和深度学习特征 | 医疗记录和CT影像 | 781名膀胱癌患者中的163名 |
335 | 2024-08-05 |
Convolutional Neural Network Model for Intestinal Metaplasia Recognition in Gastric Corpus Using Endoscopic Image Patches
2024-Jun-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131376
PMID:39001267
|
研究论文 | 本研究提出了一种深度学习系统,用于通过内镜图像片段辅助榦躯腺腺癌前期病变的检测 | 开发了一种利用虚拟色彩内镜图像进行早期肠化生检测的学习投票方案 | 数据限制和缺乏预训练模型 | 本研究旨在提高胃癌前期病变检测的准确性 | 使用来自罗马Sant'Andrea大学医院的内镜图像数据集进行模型训练和验证 | 计算机视觉 | 胃癌 | 深度学习 | 卷积神经网络 | 图像 | 使用2020年1月至2023年12月之间收集的内镜图像数据集,具体样本数量未提供 |
336 | 2024-08-05 |
Target Detection of Diamond Nanostructures Based on Improved YOLOv8 Modeling
2024-Jun-28, Nanomaterials (Basel, Switzerland)
DOI:10.3390/nano14131115
PMID:38998719
|
研究论文 | 本文致力于改进YOLOv8模型以进行掺硼金刚石纳米结构的目标检测 | 引入DWS-YOLOv8模型,通过集成变形卷积和洗牌注意机制来优化YOLOv8n模型,提升了检测精度 | 在目标检测中仍然存在噪声、目标边界不清晰和目标间互相遮挡等挑战 | 探讨金刚石纳米结构与其性能之间的关系 | 掺硼金刚石薄膜的纳米结构 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA |
337 | 2024-08-05 |
Research into Prediction Method for Pressure Pulsations in a Centrifugal Pump Based on Variational Mode Decomposition-Particle Swarm Optimization and Hybrid Deep Learning Models
2024-Jun-27, Sensors (Basel, Switzerland)
DOI:10.3390/s24134196
PMID:39000975
|
研究论文 | 本文提出了一种基于变分模态分解-粒子群优化和混合深度学习模型的离心泵压力波动预测方法 | 创新之处在于将变分模态分解与粒子群优化相结合,并与卷积神经网络-长短期记忆模型联合使用,提高了压力波动预测的准确性 | 主要局限在于模型可能对新类型的非线性和非平稳信号的适应性较差 | 本研究旨在提高离心泵压力波动预测的准确性 | 研究对象为离心泵入口的压力脉动信号 | 机器学习 | NA | 变分模态分解-粒子群优化,卷积神经网络-长短期记忆模型 | CNN-LSTM | 信号 | NA |
338 | 2024-08-05 |
The Effect of Stress on a Personal Identification System Based on Electroencephalographic Signals
2024-Jun-27, Sensors (Basel, Switzerland)
DOI:10.3390/s24134167
PMID:39000946
|
研究论文 | 本文研究了压力对基于脑电图(EEG)信号的人脸识别系统的影响 | 探讨了精神和情感压力对脑电图信号稳定性的影响,尤其是在识别系统中的应用 | 未提及其他情感状态或外部因素对系统性能的影响 | 研究精神和情感压力对基于EEG信号的人脸识别系统的影响 | 两个数据集(SAM 40和DEAP)中的不同类型的精神和情感压力 | 数字病理学 | NA | 机器学习和深度学习 | NA | 脑电图信号 | 使用了两个数据集,具体样本量未说明 |
339 | 2024-08-05 |
Artificial Intelligence Applications for Thoracic Surgeons: "The Phenomenal Cosmic Powers of the Magic Lamp"
2024-Jun-27, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13133750
PMID:38999317
|
研究论文 | 本文探讨了人工智能在胸外科和肺癌管理中的潜力 | 揭示了人工智能在实现更精确的诊断和改善手术结果方面的创新应用 | 实施人工智能面临数据稀缺、可解释性问题和伦理担忧 | 研究人工智能在临床实践中的潜在变革作用 | 集中于胸外科和肺癌管理 | 计算机视觉 | 肺癌 | 机器学习和深度学习 | 多模态模型 | NA | NA |
340 | 2024-08-05 |
REMA: A Rich Elastic Mixed Attention Module for Single Image Super-Resolution
2024-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s24134145
PMID:39000923
|
研究论文 | 本文提出了一种新颖的富弹性混合注意力模块REMA,旨在提升单幅图像超分辨率的效果 | REMA模块结合了丰富的空间注意力模块和丰富的通道注意力模块,增强了对不同复杂输入和任务要求的适应性 | 未提及具体的局限性 | 提高单幅图像超分辨率(SISR)的性能和兼容性 | 针对多种低分辨率-高分辨率图像对及多尺度特征进行研究 | 计算机视觉 | NA | 深度学习 | 注意力模块 | 图像 | 未提及具体样本量 |