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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
641 | 2024-08-05 |
Discovery of a Novel and Potent LCK Inhibitor for Leukemia Treatment via Deep Learning and Molecular Docking
2024-Jun-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00151
PMID:38847742
|
研究论文 | 本研究介绍了一种新颖且有效的LCK抑制剂,用于白血病治疗 | 结合传统方法与AI驱动的筛选策略,以高效识别LCK抑制剂 | NA | 寻找有效的LCK抑制剂以治疗T细胞急性淋巴细胞白血病 | LCK抑制剂的筛选及其对T-ALL细胞的影响 | 计算机视觉 | 白血病 | 深度学习,分子对接 | PLANET算法 | 化合物数据 | 四种潜在LCK抑制剂,特定化合物1232030-35-1的生物评估 |
642 | 2024-08-05 |
Saliency-driven explainable deep learning in medical imaging: bridging visual explainability and statistical quantitative analysis
2024-Jun-22, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-024-00370-4
PMID:38909228
|
研究论文 | 本文提出了一种基于图像的显著性框架,以增强深度学习模型在医学图像分析中的可解释性 | 创新性地结合了定性和定量评估,以提高医学成像中深度学习模型的透明度和信任度 | 需要进一步改进经验指标的稳定性和可靠性,并增加多样化的成像模式 | 研究深度学习模型在医学图像分析中的可解释性 | 脑肿瘤MRI和COVID-19胸部X光数据集的预测 | 数字病理 | NA | 深度卷积神经网络 | NA | 图像 | NA |
643 | 2024-08-05 |
Utility of Thin-slice Fat-suppressed Single-shot T2-weighted MR Imaging with Deep Learning Image Reconstruction as a Protocol for Evaluating the Pancreas
2024-Jun-21, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0017
PMID:38910138
|
研究论文 | 本文比较了使用深度学习图像重建的薄层脂肪抑制单次T2加权成像与传统快速自旋回波T2加权成像在评估胰腺中的应用 | 引入了薄层脂肪抑制单次T2加权成像与深度学习图像重建组合进行胰腺评估的创新方法 | 限于回顾性研究,样本量较小,仅包含胰腺癌患者 | 评估新的MRI成像协议在胰腺疾病中的效果 | 42名患有胰腺癌的患者 | 数字病理学 | 胰腺癌 | MRI | 深度学习图像重建 | 图像 | 42名胰腺癌患者 |
644 | 2024-08-05 |
Quantum error-correction using humming sparrow optimization based self-adaptive deep cnn noise correction module
2024-Jun-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65182-2
PMID:38906948
|
研究论文 | 该研究提出了一种基于Humming Sparrow优化的自适应深度CNN噪声校正模块,用于改进重六角量子码的错误纠正模型 | 研究中提出的HSO-based SADCNN模型能够针对超导量子比特的独特挑战进行自适应优化,显著提高了错误纠正能力 | 研究可能没有详细讨论在不同噪声环境中的表现或其他类型量子代码的适用性 | 提高重六角量子码在量子计算应用中的可靠性和错误纠正性能 | 针对重六角量子码的错误纠正模型进行研究和改进 | 量子计算 | NA | 深度学习 | 深度CNN | NA | NA |
645 | 2024-08-05 |
Exploration on OCT biomarker candidate related to macular edema caused by diabetic retinopathy and retinal vein occlusion in SD-OCT images
2024-06-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63144-2
PMID:38906954
|
研究论文 | 本文探讨了与糖尿病视网膜病变和视网膜静脉阻塞引起的黄斑水肿相关的生物标志物候选者 | 使用深度学习技术发现了与视网膜外层失调和高反射灶特征相关的新生物标志物 | 未提及具体的研究局限 | 提高对糖尿病视网膜病变和视网膜静脉阻塞导致的黄斑水肿潜在病理机制的理解 | 收集了不同类型视网膜病变患者的光学相干断层扫描图像 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | NA | 图像 | 共收集了120只眼睛的116名受试者和其他类型的患者样本 |
646 | 2024-08-05 |
Distinct brain morphometry patterns revealed by deep learning improve prediction of post-stroke aphasia severity
2024-Jun-12, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00541-8
PMID:38866977
|
研究论文 | 本研究揭示了深度学习在预测卒中后失语症严重程度方面的能力 | 使用卷积神经网络(CNN)分析整个大脑形态学,并揭示了不同的三维网络分布与失语症严重程度的直接关联 | 未提及具体的局限性 | 旨在探索大脑形态学及其空间分布对卒中后失语症严重程度的影响 | 231名慢性卒中患者,具有不同失语症严重程度 | 计算机视觉 | 卒中后失语症 | 卷积神经网络(CNN) | CNN | 形态学数据 | 231名患者 |
647 | 2024-08-05 |
Enhancing SNR in Chemical Exchange Saturation Transfer imaging: a Deep Learning Approach with a Denoising Convolutional Autoencoder (DCAE-CEST)
2024-Jun-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597818
PMID:38895366
|
研究论文 | 本研究开发了一种用于化学交换饱和转移成像的信噪比增强方法 | 利用去噪卷积自编码器(DCAE)进行CEST成像的信噪比增强,并与现有去噪方法进行比较 | 在APT和NOE之间未观察到肿瘤与正常组织之间的显著差异 | 研究化学交换饱和转移成像的信噪比增强技术 | 利用模拟的Z谱和动物肿瘤模型的体内数据进行评估 | 数字病理学 | NA | 去噪卷积自编码器(DCAE) | NA | 图像 | 使用模拟的Z谱和体内数据进行评估 |
648 | 2024-08-05 |
RESPAN: an accurate, unbiased and automated pipeline for analysis of dendritic morphology and dendritic spine mapping
2024-Jun-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597812
PMID:38895232
|
研究论文 | 介绍了一种新开发的开源管道RESPAN,用于自动化树突形态和树突棘映射分析 | 该方法结合了深度学习和GPU处理,提供高准确度和强健性 | 尽管具有高准确性,但仍需对某些细节进行手动验证 | 旨在实现自动化的树突及树突棘分析 | 主要研究对象为神经元的树突形态及树突棘分布 | 数字病理学 | NA | 深度学习, GPU处理 | NA | 3D图像 | 广泛的成像模式下进行了验证 |
649 | 2024-08-05 |
Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER
2024-Jun-21, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.04.046
PMID:38908922
|
研究论文 | 评估深度学习应用在急性缺血性中风脑MRI检测中的表现 | 该研究展示了深度学习应用能够在急性缺血性中风的检测中表现出高灵敏度和特异性,且处理时间较短 | 该研究为回顾性分析,可能存在选择偏倚,且未能显著提高使用T2加权成像的准确性 | 评估深度学习应用在急性缺血性中风检测中的有效性及表现 | 对2021年3月至10月期间急诊室采集的947例脑MRI进行回顾性分析 | 数字病理学 | 急性缺血性中风 | MRI | 深度学习应用 | 影像 | 947例 |
650 | 2024-08-05 |
Deep learning reconstruction for lumbar spine MRI acceleration: a prospective study
2024-Jun-21, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00470-0
PMID:38902467
|
研究论文 | 本文比较了深度学习技术重建的磁共振成像(MRI)与标准重建图像在图像质量和常见退行性病变检测性能方面的差异 | 提出了深度学习重建的MRI方案,能够在不降低图像质量的情况下减少45%的扫描时间 | 仅在单中心进行的前瞻性研究,样本量相对较小 | 评估深度学习重建在腰椎MRI中的应用效果 | 包括31名接受腰椎MRI检查的患者 | 数字病理学 | NA | 深度学习(TSE-DL) | NA | 图像 | 31名患者(15名男性和16名女性) |
651 | 2024-08-05 |
Global research trends and future directions in diabetic macular edema research: A bibliometric and visualized analysis
2024-Jun-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000038596
PMID:38905408
|
研究论文 | 这项研究评估了全球糖尿病性黄斑水肿(DME)研究趋势,并识别了未来的研究方向 | 揭示了美国在DME研究中的主导地位,并确定了当前的研究热点和新兴趋势 | 未提及具体的研究限制 | 评估糖尿病性黄斑水肿的全球研究趋势并指导未来的研究和临床管理 | 关于糖尿病性黄斑水肿的相关出版物的分析 | 数字病理学 | 糖尿病性黄斑水肿 | 文献计量学分析 | NA | 出版物 | 5624篇出版物 |
652 | 2024-08-05 |
Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65060-x
PMID:38902319
|
研究论文 | 本研究提出了一种AI模型,利用少量患者面部和颈部照片准确预测困难直接喉镜检查(DDL) | 该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性 | 研究限制在于仅在单中心进行,可能限制了结果的普遍适用性 | 研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全 | 研究对象为接受全麻下气管插管的成人患者 | 深度学习 | NA | 智能手机拍摄的图像分析 | EfficientNet-B5 | 图像 | 3053名患者的18163张照片 |
653 | 2024-08-05 |
PatchSorter: a high throughput deep learning digital pathology tool for object labeling
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01150-4
PMID:38902336
|
研究论文 | 本文介绍了一个开源的数字病理标记工具PatchSorter,它结合了深度学习和直观的网络界面 | 提出了一种新的高通量标记方法,通过深度学习显著提高了每秒标签数量 | 未提及具体的限制 | 提高数字病理图像中大规模组织标记的效率 | 超过10万个组织对象 | 数字病理学 | NA | 深度学习 | NA | 图像 | 超过100,000个对象 |
654 | 2024-08-05 |
A deep learning-powered diagnostic model for acute pancreatitis
2024-Jun-20, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01339-9
PMID:38902660
|
研究论文 | 本研究旨在开发一种深度学习驱动的急性胰腺炎诊断模型 | 提出了一个包含急性胰腺炎分类器和胰腺病变分割模块的双模块模型 | 这是一项回顾性研究,可能存在选择偏倚 | 研究的目的是提高急性胰腺炎的快速准确识别能力 | 190名急性胰腺炎患者及健康个体的CT扫描数据 | 机器学习 | 急性胰腺炎 | 计算机断层扫描(CT) | 深度学习模型 | 影像 | 190名急性胰腺炎患者和对照的健康个体 |
655 | 2024-08-05 |
A multi-feature spatial-temporal fusion network for traffic flow prediction
2024-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65040-1
PMID:38902350
|
研究论文 | 该论文提出了一种多特征时空融合网络用于交通流预测 | 创新点在于引入了自适应交通特征提取机制和多特征时空融合网络,能够提高特征表示能力和预测解释性 | 论文未详细讨论模型在特定场景下的适用性 | 研究的目的是通过多特征融合改善交通流预测精度 | 研究对象为影响交通流的多种交通特征 | 机器学习 | NA | 深度学习 | 时空融合网络 | 交通流数据 | 基于多种基线模型的实验验证 |
656 | 2024-08-05 |
Development and validation of a smartphone-based deep-learning-enabled system to detect middle-ear conditions in otoscopic images
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01159-9
PMID:38902477
|
研究论文 | 本文介绍了一种基于智能手机的深度学习系统,用于识别耳镜图像中的中耳疾病 | 提出了一个集成深度学习模型的智能手机应用,能够在数字耳镜图像中达到专家级的诊断准确性 | 该系统在其他中耳疾病的表现存在差异,需要进一步的前瞻性验证 | 研究旨在评估深度学习在耳镜图像解读中的应用 | 对2013年至2020年在法国斯特拉斯堡的耳鼻喉科诊所接受治疗的5岁以上患者的耳镜图像进行分析 | 计算机视觉 | NA | 深度学习 | Inception-v2 | 图像 | 共涉及41,664幅耳镜图像,验证集为3,962幅图像,测试集为326幅图像 |
657 | 2024-08-05 |
Automatic classification of normal and abnormal cell division using deep learning
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64834-7
PMID:38902496
|
研究论文 | 本文开发了一种自动分类正常和异常细胞分裂的方法 | 提出了一种使用深度学习进行自动有丝分裂分类的创新方法 | 尚未集成细胞分割和跟踪功能 | 旨在分类正常与异常细胞分裂 | 小的有丝分裂图像序列 | 计算机视觉 | NA | 深度学习(ResNet50 + LSTM) | ResNet50与LSTM | 图像 | 从经历不同辐射水平的细胞群体视频中提取的图像序列 |
658 | 2024-08-05 |
Optimizing 5'UTRs for mRNA-delivered gene editing using deep learning
2024-Jun-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49508-2
PMID:38902240
|
研究论文 | 本文设计了用于高效mRNA翻译的5'UTR,利用深度学习技术进行优化 | 提出了一种基于模型的序列设计方法用于优化mRNA治疗的5'UTR,提高了基因编辑的效率 | 最佳表现的UTR仅针对一种载体和细胞类型,存在特异性限制 | 研究旨在优化mRNA的5'UTR以提高表达水平 | 研究对象为不同细胞类型中的5'UTR以及其在基因编辑中的表现 | NA | NA | 深度学习 | 生成神经网络 | NA | 在两个细胞系中对设计的5'UTR进行了实验测试 |
659 | 2024-08-05 |
Deep Ensemble learning and quantum machine learning approach for Alzheimer's disease detection
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61452-1
PMID:38902368
|
研究论文 | 本文提出了一种基于量子机器学习分类器的集成深度学习模型用于阿尔茨海默病的分类 | 利用量子计算模型提升阿尔茨海默病分类的准确性,充分挖掘量子计算在疾病分类中的潜力 | 未提及模型在更大规模或不同背景下的应用限制 | 探讨量子机器学习在阿尔茨海默病早期诊断中的应用 | 阿尔茨海默病患者的影像数据集 | 机器学习 | 阿尔茨海默病 | 量子机器学习 | 深度学习模型(VGG16和ResNet50) | 影像 | 合并的阿尔茨海默病神经影像学倡议I和II数据集 |
660 | 2024-08-05 |
Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view
2024-Jun-20, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-024-19118-0
PMID:38902622
|
研究论文 | 本文提出了一种可扩展的低成本算法,通过深度学习和谷歌街景图像估计头盔佩戴率 | 结合深度学习对象检测技术和谷歌街景图像的新方法,提供全球范围内的头盔佩戴率估算 | 研究样本仅限于3995张图像,可能影响算法的普遍适用性 | 旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定 | 使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 3995张图像 |