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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1041 | 2024-08-07 |
Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease
2024-Jun-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.342575
PMID:38740448
|
研究论文 | 本文介绍了一种基于智能手机的离线微流控纸基分析装置,用于阿尔茨海默病的早期筛查和生物标志物检测 | 该平台采用深度学习辅助的智能手机控制旋转结构,实现μPADs上的自动化c-ELISA,并集成了YOLOv5模型进行高精度检测 | NA | 开发一种低成本、高效率的离线智能手机平台,用于在资源有限地区进行阿尔茨海默病的快速检测 | 阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42 | 机器学习 | 阿尔茨海默病 | c-ELISA | YOLOv5 | 图像 | 38个人工血浆样本(健康:19,不健康:19,N = 6) |
1042 | 2024-08-07 |
VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108178
PMID:38652995
|
研究论文 | 本文提出了一种名为VENet的变分能量网络,用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断 | VENet结合了变分数学模型和深度学习方法的数据适应性,有效平衡了边界和区域分割,并能在大尺寸全切片图像中可靠地分割和分类腺体 | NA | 解决腺体分割中边界和区域分割结果不理想的问题,并辅助早期胃癌诊断 | 病理图像中的腺体分割和全切片图像中的早期胃癌诊断 | 数字病理学 | 胃癌 | 深度学习 | 变分能量网络(VENet) | 图像 | 在2015 MICCAI腺体分割挑战(GlaS)数据集、结直肠腺癌腺体(CRAG)数据集和南方医院自收集数据集上进行了评估,包括69张全切片图像(WSIs) |
1043 | 2024-08-07 |
RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108187
PMID:38657383
|
research paper | 本文提出了一种两步混合方法,用于不同染色全幻灯片图像(WSI)的自动配准,该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准 | 该方法无需对特定数据集进行微调,可直接用于任何所需的组织类型和染色,并且在ACROBAT 2023挑战赛中获得第一名 | NA | 提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准 | 不同染色的全幻灯片图像(WSI)的自动配准 | digital pathology | NA | 深度学习 | NA | image | 使用了三个公开数据集进行评估:Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo) |
1044 | 2024-08-07 |
Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108167
PMID:38669717
|
研究论文 | 本研究通过将正交分解(POD)与卷积神经网络(CNN)结合,用于从磁共振成像(MRI)扫描的2D图像中有效识别脑肿瘤 | 首次将POD与CNN集成用于脑肿瘤检测,特别是在使用有限MRI扫描数据的情况下 | NA | 开发一种自动可靠的技术,以帮助医疗从业者及时诊断患者 | 脑肿瘤的自动检测 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 卷积神经网络(CNN) | 图像 | NA |
1045 | 2024-08-07 |
Evaluation of two deep learning-based approaches for detecting weeds growing in cabbage
2024-Jun, Pest management science
IF:3.8Q1
DOI:10.1002/ps.7990
PMID:38323798
|
研究论文 | 本研究比较了两种基于深度学习的方法在卷心菜中检测杂草的效果 | 提出了一种间接检测杂草的方法,通过生成覆盖作物的边界框,并将边界框外的绿色像素视为杂草 | 直接检测杂草的性能较低,可能是由于不同密度和生长阶段的多种杂草物种及其不同的植物形态 | 比较两种不同的深度学习方法在卷心菜中检测杂草的效果 | 卷心菜中的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5, YOLOv8 | 图像 | NA |
1046 | 2024-08-07 |
OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment
2024-Jun, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152420
PMID:38422727
|
research paper | 本文通过OMERACT过滤器评估深度学习(DL)自动量化膝关节积液-滑膜炎的效果 | 使用DL算法自动量化膝关节积液体积,并与专家的手动半定量评分进行比较 | 需要进一步评估区分度和真实性与临床结果的关系,以完全满足OMERACT过滤器的要求 | 评估深度学习自动量化膝关节积液的准确性 | 膝关节积液的量化 | machine learning | NA | deep learning | NA | MRI image | 53名OAI受试者 |
1047 | 2024-08-07 |
Prediction of Parkinson's disease by transcranial sonography-based deep learning
2024-Jun, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-023-07154-4
PMID:37985633
|
研究论文 | 本研究旨在开发一种基于深度卷积神经网络(DCNN)模型的改良经颅超声(TCS)技术,用于预测帕金森病(PD) | 本研究开发了基于经颅超声的深度卷积神经网络模型,其诊断准确性高于传统诊断方法 | NA | 开发一种新的经颅超声技术,用于提高帕金森病的诊断准确性 | 帕金森病患者和正常对照组的经颅超声图像 | 机器学习 | 帕金森病 | 经颅超声 | 深度卷积神经网络(DCNN) | 图像 | 1529张经颅超声图像,来自854名帕金森病患者和775名正常对照者 |
1048 | 2024-08-07 |
ASD-Net: a novel U-Net based asymmetric spatial-channel convolution network for precise kidney and kidney tumor image segmentation
2024-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03025-y
PMID:38326677
|
研究论文 | 本文提出了一种基于U-Net的新型不对称空间-通道卷积网络ASD-Net,用于肾脏及肾脏肿瘤图像的精确分割 | ASD-Net采用了自适应空间-通道卷积优化(ASCO)块和密集扩张增强卷积(DDEC)块,以及Atrous空间金字塔池化(ASPP)模块和空间与通道挤压与激励(scSE)注意力机制,以提高分割精度 | NA | 提高肾脏及肾脏肿瘤图像分割的精确度 | 肾脏及肾脏肿瘤 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | KiTS19数据集 |
1049 | 2024-08-07 |
Deep learning and predictive modelling for generating normalised muscle function parameters from signal images of mandibular electromyography
2024-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03047-6
PMID:38376739
|
研究论文 | 本文开发了一种从下颌肌电图信号图像中提取标准化信号参数的工作流程,并确定了量化信号强度和活动持续时间的最佳聚类方法 | 首次探索了开源下颌EMG信号转换方法,并利用深度学习技术从EMG图像中提取标准化信号数据 | 工作流程在某些肌肉活动中的聚类效果有待提高 | 开发一种能够从下颌肌电图信号图像中提取标准化信号数据的工作流程,并生成可量化的肌肉活动持续时间和功能强度参数 | 下颌肌电图信号图像 | 机器学习 | NA | OpenCV, 变分编码器, Neurokit2 | k-means, GMM, DBSCAN | 图像 | 66名参与者的颞肌、咬肌和二腹肌数据 |
1050 | 2024-08-07 |
MAN-C: A masked autoencoder neural cryptography based encryption scheme for CT scan images
2024-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102738
PMID:38715952
|
研究论文 | 本文提出了一种基于掩码自编码器神经密码学的加密方案MAN-C,用于安全共享医学图像 | 结合了掩码自编码器和神经密码学,提供了一种新的公钥密码学方法,具有更少的计算时间和内存需求,以及非确定性特性 | NA | 开发一种新的加密技术,以安全地共享医学图像,保护患者数据隐私 | 医学图像,特别是CT扫描图像 | 计算机视觉 | NA | 掩码自编码器 | 自编码器 | 图像 | 使用了由癌症影像档案(TCIA)公开的CT扫描数据集 |
1051 | 2024-08-07 |
Extensive data engineering to the rescue: building a multi-species katydid detector from unbalanced, atypical training datasets
2024-Jun-24, Philosophical transactions of the Royal Society of London. Series B, Biological sciences
DOI:10.1098/rstb.2023.0444
PMID:38705172
|
研究论文 | 本研究通过广泛的数据工程技术,从非平衡、不典型的训练数据集中构建了一个多物种的蟋蟀检测器 | 采用严格的数据工程方法,通过控制播放重录和物理基础的数据增强技术,以及调整信号处理、模型和训练参数,提高了输入数据的多样性,并开发了Koogu工具箱 | 研究面临有限的和不平衡的初始训练数据集,以及域不匹配的录音问题 | 开发一种基于深度学习的解决方案,自动识别巴拿马热带森林中31种感兴趣的蟋蟀物种 | 31种蟋蟀物种 | 自然语言处理 | NA | 深度学习 | NA | 音频 | 超过80种蟋蟀物种的录音 |
1052 | 2024-08-07 |
Unsupervised Domain Adaptation of Object Detectors: A Survey
2024-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2022.3217046
PMID:37030853
|
综述 | 本文详细描述了目标检测中的域适应问题,并提供了一系列方法的广泛综述 | 介绍了多种针对目标检测的域适应技术,并指出了未来研究的有前景的方向 | 文章未明确提及当前方法的具体局限性 | 旨在为模式识别专家介绍域适应问题,并展示当前研究的进展及未来研究方向 | 目标检测模型在标签稀缺且视觉上不同的数据集上的适应性 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
1053 | 2024-08-07 |
DeepSFM: Robust Deep Iterative Refinement for Structure From Motion
2024-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2023.3307567
PMID:37669192
|
研究论文 | 本文提出了一种名为DeepSFM的物理驱动架构,用于解决Structure from Motion(SfM)问题,通过迭代细化深度和姿态来提高性能和鲁棒性 | 结合传统Bundle Adjustment和深度学习技术,引入3D成本体积作为显式结构约束,并使用Gated Recurrent Units(GRUs)进行深度和姿态的迭代更新 | NA | 提高Structure from Motion问题的解决效率和鲁棒性 | 图像中的深度和相机姿态 | 计算机视觉 | NA | Gated Recurrent Units(GRUs) | 深度学习模型 | 图像 | 涉及多个数据集的广泛实验 |
1054 | 2024-08-07 |
Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning
2024-Jun, The Laryngoscope
DOI:10.1002/lary.31255
PMID:38174772
|
研究论文 | 研究使用深度学习技术自动描绘喉癌在内镜图像和视频中的表浅范围 | 开发了SegMENT-Plus模型,能够准确描绘喉癌边界,性能与耳鼻喉科住院医师相当,并展示了出色的泛化能力 | 需要临床试验来评估该技术在手术实践和切除边缘改进中的作用 | 探索深度学习在自动描绘喉癌表浅范围方面的潜力 | 喉癌的表浅范围 | 计算机视觉 | 喉癌 | 深度学习 | SegMENT-Plus | 图像 | 3933张喉癌图像来自557名患者 |
1055 | 2024-08-07 |
A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations
2024-Jun, The Laryngoscope
DOI:10.1002/lary.31270
PMID:38214334
|
研究论文 | 本文展示了一种计算机视觉模型用于估计鼓膜穿孔大小的可行性 | 首次使用计算机视觉技术来精确测量鼓膜穿孔的大小,减少了传统视觉检查的主观误差 | 研究仅在较小且异质性较低的数据集上进行,需要进一步在大规模和更多样化的数据集上验证 | 开发一种新的方法来准确测量鼓膜穿孔的大小 | 鼓膜穿孔的大小 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 小样本的鼓膜穿孔图像 |
1056 | 2024-08-07 |
A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals
2024-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03033-y
PMID:38374416
|
研究论文 | 本文提出了一种基于τ形卷积网络(τNet)和长短期记忆(LSTM)的新型深度学习模型,用于从脑电图(EEG)和眼电图(EOG)信号中检测生理疲劳 | 该模型通过引入上采样特征和连接高低级特征的操作,充分利用有用信息,并结合LSTM提取长时间依赖性,提高了疲劳检测的分类准确性 | NA | 开发一种新的深度学习模型,以提高疲劳检测系统的准确性和效率 | 脑电图(EEG)和眼电图(EOG)信号 | 机器学习 | NA | 深度学习 | τ形卷积网络(τNet)和长短期记忆(LSTM) | 信号 | 两个数据集,EEG数据用于二分类,EOG数据用于三分类 |
1057 | 2024-08-07 |
Consistent and effective method to define the mouse estrous cycle stage by a deep learning-based model
2024-Jun-01, The Journal of endocrinology
IF:3.4Q2
DOI:10.1530/JOE-23-0204
PMID:38593833
|
研究论文 | 本文提出了一种基于深度学习模型的方法,用于准确且可重复地确定小鼠动情周期的阶段 | 开发了一种使用深度卷积神经网络(CNN)的模型,通过像素级多类语义分割从171个苏木精染色的样本中提取图像特征,实现了对小鼠动情周期阶段的自动分类 | 由于M阶段时间短且不易由研究人员定义,CNN对M阶段的识别存在挑战,且缺乏适当的基准真相 | 开发一种可靠且有效的方法来分类小鼠动情周期的阶段 | 小鼠动情周期的四个阶段:发情前期(P)、发情期(E)、发情后期(M)和间情期(D) | 机器学习 | NA | 深度卷积神经网络(CNN) | CNN | 数字全玻片图像(WSIs) | 171个苏木精染色的样本用于训练,148个幻灯片用于验证 |
1058 | 2024-08-07 |
Advanced deep learning-based image reconstruction in lumbar spine MRI at 0.55 T - Effects on image quality and acquisition time in comparison to conventional deep learning-based reconstruction
2024-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100567
PMID:38711678
|
研究论文 | 评估在0.55T腰椎MRI中使用优化深度学习图像后处理技术对图像质量和采集时间的影响 | 采用先进的深度学习后处理技术(ADLR)在0.55T腰椎MRI中显著提高图像质量并减少采集时间 | 对于脊髓管和神经孔的可评估性,评估者间的一致性为中等 | 评估在0.55T腰椎MRI中使用深度学习后处理技术对图像质量和采集时间的影响 | 18名患者的腰椎MRI图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 18名患者 |
1059 | 2024-08-07 |
ASOptimizer: Optimizing antisense oligonucleotides through deep learning for IDO1 gene regulation
2024-Jun-11, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2024.102186
PMID:38706632
|
research paper | 本文介绍了一种基于深度学习的平台ASOptimizer,用于高效且低成本地设计反义寡核苷酸(ASOs),以优化IDO1基因的调控 | ASOptimizer不仅选择最有效的mRNA靶点,还优化化学修饰以增强性能 | NA | 开发一种高效且低成本的方法来设计反义寡核苷酸,用于癌症治疗 | IDO1 mRNA的反义寡核苷酸设计 | machine learning | NA | deep learning | NA | sequence | NA |
1060 | 2024-08-07 |
Fusion of multi-source relationships and topology to infer lncRNA-protein interactions
2024-Jun-11, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2024.102187
PMID:38706631
|
研究论文 | 本文提出了一种基于图自编码器(GAE)的FMSRT-LPI模型,用于预测长非编码RNA与蛋白质的相互作用(LPI) | 首次将路径掩蔽和度回归策略集成到GAE框架中,用于潜在的LPI推断 | NA | 准确预测长非编码RNA与蛋白质的相互作用,以阐明lncRNA的功能和致病机制 | 长非编码RNA与蛋白质的相互作用 | 生物信息学 | NA | 图自编码器(GAE) | GAE | 网络数据 | 多个公共数据集 |