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 | 2024-10-24 |
Human motion data expansion from arbitrary sparse sensors with shallow recurrent decoders
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.01.596487
PMID:38895371
|
研究论文 | 本文开发了一种深度学习架构,利用浅层循环解码器网络将有限(稀疏)的传感器数据映射到全面的(密集)配置,从而推断未监测的身体部位的运动 | 本文的创新点在于利用传感器的时间历史信息,通过浅层循环解码器网络将稀疏传感器数据扩展为密集配置,即使只有一个传感器也能重建全面的时间序列测量 | 本文未提及具体的局限性 | 研究目的是通过深度学习和稀疏传感技术扩展人体运动数据,以提高数字生物标志物估计的准确性和可用性 | 研究对象包括控制运动任务、步态模式探索和自由移动环境中的数据 | 机器学习 | NA | 深度学习 | 浅层循环解码器网络 | 时间序列数据 | 涉及多种数据集,包括控制运动任务、步态模式探索和自由移动环境 |
162 | 2024-10-24 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.02.597062
PMID:38895405
|
研究论文 | 本文介绍了使用Nimbus深度学习模型对多重成像数据中的细胞表达进行自动分类 | 开发了Nimbus模型,该模型无需重新训练即可预测不同细胞类型和组织来源的多重成像数据中的标记物表达 | NA | 开发一种能够准确预测多重成像数据中标记物表达的深度学习模型 | 多重成像数据中的细胞表达和标记物表达 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 包含197亿个标记物表达注释的Pan-Multiplex数据集,涵盖15种不同细胞类型 |
163 | 2024-10-24 |
Histopathology and proteomics are synergistic for High-Grade Serous Ovarian Cancer platinum response prediction
2024-Jun-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.01.24308293
PMID:38883738
|
研究论文 | 本研究展示了结合H&E染色全切片图像与蛋白质组学特征的多模态深度学习框架,显著提高了高级别浆液性卵巢癌铂类化疗反应的预测 | 本研究首次将H&E染色全切片图像与蛋白质组学特征结合,通过多模态深度学习框架预测铂类化疗反应,超越了传统的同源重组缺陷评分 | NA | 提高高级别浆液性卵巢癌铂类化疗反应的预测准确性 | 高级别浆液性卵巢癌患者的铂类化疗反应 | 数字病理学 | 卵巢癌 | 多模态深度学习 | 深度学习框架 | 图像和蛋白质组学数据 | NA |
164 | 2024-10-24 |
Using Wearable Sensors and Machine Learning to Assess Upper Limb Function in Huntington's Disease
2024-Jun-03, Research square
DOI:10.21203/rs.3.rs-4355136/v1
PMID:38883736
|
研究论文 | 本研究利用可穿戴传感器和机器学习评估亨廷顿病患者的上肢功能 | 本研究首次使用可穿戴传感器监测亨廷顿病患者日常生活中的上肢功能,并结合深度学习模型进行分析 | 样本量较小,且仅限于亨廷顿病患者和对照组,研究结果的普适性有待进一步验证 | 评估亨廷顿病患者的上肢功能,并探索可穿戴传感器和机器学习在疾病监测和治疗评估中的应用潜力 | 亨廷顿病患者、前驱期亨廷顿病患者和健康对照组的上肢功能 | 机器学习 | 神经退行性疾病 | 可穿戴传感器 | 深度学习模型 | 运动数据 | 16名亨廷顿病患者、7名前驱期亨廷顿病患者和16名健康对照组 |
165 | 2024-10-19 |
[Deep transfer learning radiomics model based on temporal bone CT for assisting in the diagnosis of inner ear malformations]
2024-Jun, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology, head, and neck surgery
|
研究论文 | 评估传统放射组学、深度学习和深度学习放射组学在区分正常和内耳畸形方面的诊断效果 | 结合深度学习和放射组学特征,通过特征融合建立模型,提高了诊断准确性 | 模型之间的差异未达到统计学显著性 | 评估不同方法在诊断内耳畸形中的效果 | 内耳畸形和正常内耳的CT图像 | 计算机视觉 | 耳鼻喉疾病 | 深度迁移学习 | 深度学习放射组学模型 | CT图像 | 572例颞骨CT数据,包括201例内耳畸形和371例正常内耳 |
166 | 2024-10-18 |
Speech decoding from stereo-electroencephalography (sEEG) signals using advanced deep learning methods
2024-06-27, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad593a
PMID:38885688
|
研究论文 | 本研究使用立体脑电图(sEEG)信号和先进的深度学习方法解码语音波形 | 首次全面探索使用立体脑电图(sEEG)信号进行语音解码,并展示了深度学习方法在此领域的优越性 | 研究仅限于解码荷兰语单词,且样本量较小 | 探索使用立体脑电图(sEEG)信号解码语音的可行性,并评估不同深度学习方法的性能 | 癫痫患者的立体脑电图(sEEG)信号和其对应的语音波形 | 机器学习 | NA | 立体脑电图(sEEG) | RNN, Transformer | 信号 | 癫痫患者参与者的sEEG数据 |
167 | 2024-10-17 |
Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features
2024-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17072
PMID:38721977
|
研究论文 | 本文介绍了一种基于胸部CT图像的自动化脊椎骨折评估方法,利用人工智能和形态学特征进行脊椎分割和骨折检测 | 本文提出了新的自动化方法,包括使用深度学习和多参数冻结与生长算法进行脊椎分割,以及使用计算脊椎高度特征和参数化计算模型进行骨折检测 | NA | 开发一种基于胸部CT图像的自动化脊椎骨折评估方法,以替代人工专家阅读,提高效率 | 脊椎骨折的自动化评估 | 计算机视觉 | 慢性阻塞性肺疾病 | 深度学习 | 深度学习网络 | 图像 | 3231名COPDGene研究参与者的胸部CT扫描 |
168 | 2024-10-13 |
Attention-based Imputation of Missing Values in Electronic Health Records Tabular Data
2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics
DOI:10.1109/ichi61247.2024.00030
PMID:39387063
|
研究论文 | 本文提出了一种基于注意力机制的电子健康记录表格数据缺失值插补框架 | 利用特征间(自注意力)或样本间注意力来重建缺失数据,并采用对比学习中的数据处理方法提高插补模型的泛化能力 | 未提及具体局限性 | 提高机器学习在患者特定预测建模中对电子健康记录表格数据缺失值插补的准确性 | 电子健康记录表格数据中的缺失值 | 机器学习 | NA | 注意力机制 | 自注意力模型 | 表格数据 | 五个表格数据集和两个电子健康记录数据集 |
169 | 2024-10-11 |
Enhancing fall risk assessment: instrumenting vision with deep learning during walks
2024-06-22, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-024-01400-2
PMID:38909239
|
研究论文 | 本文提出了一种基于深度学习的物体检测算法VARFA,用于在步行过程中通过视觉和视频数据增强跌倒风险评估 | 本文的创新点在于提出了一种自动化的深度学习方法,通过视频数据评估视觉注意力,补充了传统的惯性测量单元(IMU)数据,从而更全面地评估跌倒风险 | 本文的局限性在于仅在实验室环境中进行了验证,尚未在实际临床环境中进行测试 | 本文的研究目的是通过自动化方法提高跌倒风险评估的效率和准确性 | 本文的研究对象是步行过程中的视觉注意力和环境细节 | 计算机视觉 | NA | 深度学习 | YoloV8, U-NET | 视频 | 实验室环境下的步行视频数据 |
170 | 2024-10-10 |
Evaluation of image quality on low contrast media with deep learning image reconstruction algorithm in prospective ECG-triggering coronary CT angiography
2024-Jun, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03113-y
PMID:38722507
|
研究论文 | 评估低对比剂剂量下使用深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响 | 使用深度学习图像重建算法(DLIR)在低对比剂剂量下实现高质量的冠状动脉CT血管造影图像 | 研究仅限于特定的对比剂浓度和流速,未探讨其他可能影响图像质量的因素 | 评估低剂量对比剂注射协议与深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响 | 冠状动脉CT血管造影图像质量 | 计算机视觉 | 心血管疾病 | 深度学习图像重建算法 | 深度学习模型 | 图像 | 210名患者,分为三组,每组70人 |
171 | 2024-10-10 |
Exploring the potential of machine learning in gynecological care: a review
2024-06, Archives of gynecology and obstetrics
IF:2.1Q2
DOI:10.1007/s00404-024-07479-1
PMID:38625543
|
综述 | 本文综述了机器学习在妇科护理中的潜力及其在孕早期、中期和晚期与超声技术的结合应用 | 探讨了机器学习在妇科健康中的应用,包括自然语言处理(NLP)和ChatGPT的概念 | 讨论了在妇科领域应用机器学习时面临的挑战 | 综述机器学习在妇科护理中的应用及其潜力 | 孕早期、中期和晚期,以及不孕症治疗、乳腺癌和宫颈癌 | 机器学习 | 妇科疾病 | 机器学习(ML)和深度学习(DL) | NA | 数据集 | NA |
172 | 2024-10-10 |
Toward Ground-Truth Optical Coherence Tomography via Three-Dimensional Unsupervised Deep Learning Processing and Data
2024-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3363416
PMID:38324426
|
研究论文 | 本文提出了一种名为t GT-OCT的无散斑光学相干断层扫描(OCT)成像策略,利用无监督的三维深度学习处理和OCT三维成像特征来实现无散斑OCT成像 | 本文的创新点在于提出了一种无监督的三维卷积深度学习网络,用于在三维成像体积空间中区分和分离散斑与真实结构,从而实现无散斑OCT成像 | NA | 本文的研究目的是开发一种能够有效减少散斑噪声并提高OCT成像质量的新方法 | 本文的研究对象是光学相干断层扫描(OCT)成像中的散斑噪声 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 三维卷积神经网络(3D-CNN) | 三维体积数据 | 不同样本 |
173 | 2024-10-09 |
CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study
2024-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04252-5
PMID:38557770
|
研究论文 | 本研究探讨了术前对比增强超声(CEUS)在预测肝细胞癌(HCC)根治性切除术后早期复发中的作用,并进行风险分层 | 首次利用CEUS图像中的肿瘤大小、卫星结节、深度学习放射组学复发评分和α-胎蛋白水平来预测HCC的早期复发 | 本研究为回顾性观察性研究,样本量有限,可能存在选择偏倚 | 探索术前CEUS在预测HCC根治性切除术后早期复发中的作用,并进行风险分层 | 556名接受根治性切除术的HCC患者 | 数字病理学 | 肝癌 | 对比增强超声(CEUS) | 深度学习(DL) | 图像 | 556名HCC患者 |
174 | 2024-10-09 |
GMILT: A Novel Transformer Network That Can Noninvasively Predict EGFR Mutation Status
2024-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3190671
PMID:35862326
|
研究论文 | 本文提出了一种新的可解释变压器网络GMILT,用于非侵入性预测EGFR突变状态 | 通过整合多实例学习和判别性弱监督特征学习,引入病理侵袭性信息,提高了预测性能 | NA | 开发一种非侵入性方法来准确预测EGFR突变状态,并指导活检 | EGFR突变状态预测和相关可疑区域的识别 | 计算机视觉 | 肺癌 | 深度学习 | 变压器网络 | 图像 | 512名腺癌患者 |
175 | 2024-10-09 |
ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images
2024-Jun, The European journal of neuroscience
DOI:10.1111/ejn.16332
PMID:38576196
|
研究论文 | 开发了一种深度学习模型ArcheD,用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度 | 提出了一种新的残差神经网络ArcheD,能够独立于示踪剂、脑参考区域或预选感兴趣区域,直接从淀粉样蛋白PET图像中预测脑脊液中的淀粉样蛋白-β浓度 | 未提及 | 开发一种深度学习模型,用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度,以辅助阿尔茨海默病的早期识别和诊断 | 淀粉样蛋白PET图像和脑脊液中的淀粉样蛋白-β浓度 | 机器学习 | 阿尔茨海默病 | 深度学习 | 残差神经网络 | 图像 | 1870个淀粉样蛋白PET图像和脑脊液测量数据 |
176 | 2024-10-08 |
Recurrent Inference Machine for Medical Image Registration
2024-Jun-19, ArXiv
PMID:39371087
|
研究论文 | 本文提出了一种名为Recurrent Inference Image Registration (RIIR)网络的新型图像配准方法,旨在提高配准精度和数据效率 | RIIR通过元学习的方式迭代地解决配准问题,结合隐式正则化和显式梯度输入,学习优化更新规则,从而提高配准精度和数据效率 | NA | 提高医学图像配准的精度和数据效率 | 脑部MRI和定量心脏MRI数据集 | 计算机视觉 | NA | 深度学习 | RNN | 图像 | 使用5%的训练数据进行实验 |
177 | 2024-10-08 |
Location-based Radiology Report-Guided Semi-supervised Learning for Prostate Cancer Detection
2024-Jun-18, ArXiv
PMID:39371085
|
研究论文 | 提出了一种基于放射报告中的病变位置信息指导的半监督学习方法,用于前列腺癌的检测 | 利用放射报告中自动提取的病变位置信息,通过半监督学习方法减少对标注图像的依赖,从而降低标注负担 | NA | 提高计算机辅助前列腺癌在MRI上的检测效果 | 前列腺癌的检测 | 计算机视觉 | 前列腺癌 | 半监督学习 | NA | 图像 | NA |
178 | 2024-10-07 |
Inferring single-cell spatial gene expression with tissue morphology via explainable deep learning
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.12.598686
PMID:38915550
|
研究论文 | 开发了一种基于视觉变换器(ViT)的框架,用于从组织形态学图像推断单细胞空间基因表达 | 提出了名为SPiRiT的框架,通过整合交叉验证和模型解释在超参数调优中,显著提高了预测准确性 | NA | 探索利用组织形态学图像推断单细胞空间基因表达的可行性 | 人类乳腺癌和小鼠幼崽的组织形态学图像 | 计算机视觉 | 乳腺癌 | NA | 视觉变换器(ViT) | 图像 | 人类乳腺癌和小鼠幼崽的组织样本 |
179 | 2024-10-06 |
Hematologic cancer diagnosis and classification using machine and deep learning: State-of-the-art techniques and emerging research directives
2024-06, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102883
PMID:38657439
|
综述 | 本文综述了过去20年中使用机器学习和深度学习技术进行血液癌症诊断和分类的研究进展 | 本文总结了现有研究的优势和局限性,为该领域的研究人员提供了有价值的指导 | 本文主要基于已发表的研究进行综述,未提出新的技术或模型 | 评估和总结机器学习和深度学习在血液癌症诊断和分类中的应用 | 血液癌症的诊断和分类 | 机器学习 | 血液癌症 | 机器学习和深度学习 | NA | 图像 | 约57篇研究论文 |
180 | 2024-10-06 |
Learning the cellular activity representation based on gene regulatory networks for prediction of tumor response to drugs
2024-06, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102864
PMID:38640702
|
研究论文 | 本文提出了一种基于基因调控网络学习肿瘤细胞活性表示的方法,用于预测肿瘤对药物的反应 | 该方法通过整合基因调控网络的先验知识,模拟细胞生物系统,生成新的低维活性表示,从而提高预测性能 | NA | 预测肿瘤细胞对抗癌药物的反应,实现癌症精准医疗 | 肿瘤细胞对药物的反应 | 机器学习 | NA | 基因调控网络 | 深度学习模型 | 基因表达数据 | NA |