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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
61 | 2025-03-06 |
Ultrasound for Automated Classification of Full-Thickness Rotator Cuff Tendon Tears using Deep Learning
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782185
PMID:40039129
|
研究论文 | 本文提出了一种基于深度学习的超声图像自动分类方法,用于诊断全层肩袖肌腱撕裂 | 采用两步法,首先通过CNN-自编码器进行分割,然后使用VGG-16进行分类,仅将关键部分传递给分类网络,提高了检测准确性和临床相关性 | 需要进一步验证在更大样本和不同设备上的泛化能力 | 开发一种AI工具,通过超声图像自动识别全层肩袖肌腱撕裂,提高临床诊断的可及性 | 肩袖肌腱撕裂 | 计算机视觉 | 肩部损伤 | 深度学习 | CNN-自编码器, VGG-16 | 超声图像 | 210名患者,训练集11600张图像,测试集2900张图像 |
62 | 2025-03-06 |
Challenging Deep Learning Methods for EEG Signal Denoising under Data Corruption
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782132
PMID:40039138
|
研究论文 | 本文首次对在存在数据损坏通道情况下的EEG信号去噪方法性能进行了基准研究 | 首次在存在数据损坏通道的情况下评估EEG信号去噪方法的性能,并提供了广泛的基准数据集 | 未提及具体的研究局限性 | 评估在数据损坏情况下EEG信号去噪方法的性能 | EEG信号 | 机器学习 | NA | 深度学习 | NA | EEG信号 | 多种数据集 |
63 | 2025-03-06 |
Predicting Functional Surface Topographies Combining Topological Data Analysis and Deep Learning Across the Human Protein Universe
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782681
PMID:40039158
|
研究论文 | 本文开发了一种结合拓扑数据分析和深度学习方法DeepFRI的方法,用于预测人类蛋白质的功能口袋及其相关的基因本体(GO)术语和酶委员会(EC)编号 | 结合拓扑数据分析和深度学习技术DeepFRI,预测蛋白质的功能口袋及其功能注释,填补了现有蛋白质功能注释和表面地形信息的不足 | 研究依赖于AlphaFold2预测的蛋白质结构,可能存在预测误差 | 预测蛋白质的功能口袋及其功能注释,以更好地理解蛋白质的功能 | 65,013个AlphaFold2预测的人类非单例代表结构,可映射到186,095个“非片段”AlphaFold2预测的人类蛋白质结构 | 生物信息学 | NA | 拓扑数据分析,DeepFRI | DeepFRI | 蛋白质结构数据 | 65,013个AlphaFold2预测的人类非单例代表结构 |
64 | 2025-03-06 |
TAU-DI Net: A Multi-Scale Convolutional Network Combining Prob-Sparse Attention for EEG-based Depression Identification
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782219
PMID:40039164
|
研究论文 | 本文提出了一种基于自适应时频分布网络的新架构,用于从EEG信号中识别重度抑郁症(MDD) | 结合频率周期变换和多尺度CNN提取多频信息表示,并采用自适应加权融合和降采样Prob-Sparse Attention来提炼静息态EEG中的可靠模式 | 未提及具体局限性 | 提高基于EEG信号的重度抑郁症(MDD)识别准确率 | 重度抑郁症(MDD)患者的EEG信号 | 机器学习 | 抑郁症 | EEG信号分析 | 多尺度CNN结合Prob-Sparse Attention | EEG信号 | 未提及具体样本数量 |
65 | 2025-03-06 |
Fast Rule-based NER in SpaCy for Chest Radiography Reports with CheXpert's 14 Categories
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782341
PMID:40039172
|
研究论文 | 本研究开发了一种基于规则的NER工具,用于从胸部X光报告中提取诊断信息,以加速高质量标注图像的生成 | 利用SpaCy开发的规则基NER工具,能够识别CheXpert的14个类别中的词汇和表达,显著提高了标注效率 | 未提及具体的数据集规模或模型在其他数据集上的泛化能力 | 提高胸部X光图像标注的效率,以训练更准确的AI模型 | 胸部X光报告 | 自然语言处理 | NA | 自然语言处理(NLP),命名实体识别(NER) | 规则基模型 | 文本 | 使用了美国国家医学图书馆的Open-i数据集 |
66 | 2025-03-06 |
Single Bone Modeler: deep learning bone segmentation for cone-beam CT
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782187
PMID:40039173
|
研究论文 | 本文介绍了一种基于深度学习的创新工作流程,用于精确分割锥形束计算机断层扫描(CBCT)中的骨骼,称为单骨建模器(SBM) | 提出了一种新的深度学习工作流程,结合U-Net架构和多平面训练策略,显著提高了CBCT扫描中骨骼分割的精度 | 未提及具体的研究局限性 | 提高CBCT扫描中骨骼分割的精度,以支持骨科诊断和手术规划 | CBCT扫描中的骨骼,特别是复杂区域如四肢的骨骼 | 计算机视觉 | 骨科疾病 | 深度学习,锥形束计算机断层扫描(CBCT) | U-Net, SegNet | 图像 | 未提及具体样本数量 |
67 | 2025-03-06 |
Grade classification of nasal obstruction from endoscopy videos using machine learning
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781696
PMID:40039197
|
研究论文 | 本研究旨在通过机器学习方法,利用鼻内窥镜视频自动分类鼻阻塞的等级 | 首次提出基于解剖分割图的定量方法,用于区分常见的鼻阻塞病症 | 需要进一步研究额外特征和从帧级分类数据获取视频级分类的策略,以达到适合临床应用的评分一致性 | 自动化鼻阻塞等级的诊断,以减少不必要的耳鼻喉科转诊 | 鼻阻塞患者,特别是过敏性鼻炎、慢性鼻窦炎和鼻中隔偏曲患者 | 计算机视觉 | 鼻阻塞 | 鼻内窥镜 | SVM, ResNet-50, Vision Transformers (ViT)-tiny | 图像 | 73名参与者 |
68 | 2025-03-06 |
Leveraging Deep Learning to Enhance Optical Microphone System Performance with Unknown Speakers for Cochlear Implants
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782084
PMID:40039183
|
研究论文 | 本研究通过将激光多普勒振动计(LDV)与深度学习相结合,提出了一种在噪声条件下从未知说话者重建清晰语音的创新解决方案,以提升人工耳蜗(CI)用户的语音捕获性能 | 首次将LDV与深度学习结合,用于从未知说话者在噪声条件下重建清晰语音,显著提升了人工耳蜗系统的性能 | 研究主要针对特定噪声和距离场景,未涉及所有可能的实际应用环境 | 提升人工耳蜗系统在低信噪比和远距离说话场景下的性能 | 人工耳蜗用户 | 机器学习 | 听力损失 | 激光多普勒振动计(LDV) | 深度学习 | 语音数据 | 未明确提及样本数量 |
69 | 2025-03-06 |
Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782502
PMID:40039209
|
研究论文 | 本文提出了一种基于变分自编码器(VAE)的PPG信号模型,称为PPG-VAE,并讨论了其优势和样本应用 | 提出了一种新的PPG信号处理模型PPG-VAE,能够识别PPG心跳波的局部斜率、去除局部高频噪声,并生成与现有信号段形态匹配的新信号段 | NA | 探索变分自编码器在PPG信号处理中的应用,以提高信号分析的精度和效率 | PPG信号 | 机器学习 | NA | 变分自编码器(VAE) | VAE | 信号数据 | NA |
70 | 2025-03-06 |
EmoNet: Deep Learning-based Emotion Climate Recognition Using Peers' Conversational Speech, Affect Dynamics, and Physiological Data
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782421
PMID:40039214
|
研究论文 | 本文提出了一种名为EmoNet的AI模型,用于识别同伴间的集体情感氛围,结合语音信号、情感动态和生理数据进行综合分析 | EmoNet超越了传统的情感识别方法,通过整合语音特征、情感动态和生理数据(如心率和皮肤电活动),提供了对情感氛围的全面理解 | 研究仅基于K-EmoCon数据集进行测试,未在其他数据集上验证模型的泛化能力 | 研究旨在通过AI模型识别和理解社交互动中的集体情感氛围 | 同伴间的对话语音、情感动态和生理数据 | 自然语言处理 | NA | Mel-frequency cepstral coefficients(MFCC)和Temporal Convolutional Network(TCN) | Temporal Convolutional Network(TCN) | 语音信号、情感动态和生理数据 | K-EmoCon数据集 |
71 | 2025-03-06 |
3D probe localization from 2D ultrasound images using an RFF-enhanced deep neural network
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782917
PMID:40039234
|
研究论文 | 本文提出了一种基于核的深度学习增强方法,用于从2D超声图像中估计超声探头的自由轨迹 | 采用随机傅里叶特征(RFF)方法增强现有模型在2D超声探头定位中的泛化能力 | 研究仅使用了两个解剖模型的公共数据集进行训练和验证,样本量有限 | 开发一种能够预测超声探头轨迹并重建3D体积的工具 | 超声探头轨迹 | 计算机视觉 | NA | 深度学习 | RFF-enhanced deep neural network | 2D超声图像 | 两个解剖模型的公共数据集 |
72 | 2025-03-06 |
Improving Prediction of Need for Mechanical Ventilation using Cross-Attention
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782769
PMID:40039259
|
研究论文 | 本文探讨了使用多头注意力机制的深度学习模型(FFNN-MHA)来更准确地预测重症监护病房中患者是否需要机械通气,并通过学习个体患者的个性化上下文信息来减少误报 | 首次将多头注意力机制的深度学习模型应用于机械通气需求预测,通过学习个体患者的个性化上下文信息来提高预测准确性并减少误报 | 研究仅基于公开的MIMIC-IV数据集,未在其他数据集上进行验证,可能限制了模型的泛化能力 | 提高重症监护病房中患者是否需要机械通气的预测准确性 | 重症监护病房中的患者 | 机器学习 | NA | 深度学习 | FFNN-MHA(多头注意力机制的深度学习模型) | 电子健康记录(EHR)数据 | 基于MIMIC-IV数据集的样本 |
73 | 2025-03-06 |
3D System matrix recovery based on iterative up-and-down sampling super-resolution network in magnetic particle imaging
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781498
PMID:40039260
|
研究论文 | 本文提出了一种基于迭代上下采样超分辨率网络的3D系统矩阵恢复方法,用于磁粒子成像中的系统矩阵恢复问题 | 提出了一种新的3D迭代上下采样超分辨率网络(3D-ISSRnet),通过将系统矩阵恢复问题转化为图像域中的深度学习超分辨率重建问题来解决 | 未提及具体局限性 | 提高磁粒子成像(MPI)中系统矩阵恢复的效率和准确性 | 磁粒子成像中的系统矩阵 | 计算机视觉 | NA | 深度学习 | 3D-ISSRnet | 图像 | OpenMPI数据 |
74 | 2025-03-06 |
A comparison between Deep Learning architectures for the assessment of breast tumor segmentation using VSI ultrasound protocol
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782786
PMID:40039274
|
研究论文 | 本文比较了不同深度学习架构在VSI超声协议下对乳腺肿瘤分割的评估效果 | 首次针对异步协议超声采集(VSI-B)设计并比较了多种卷积神经网络的分割性能 | 研究样本量较小,仅包含53名患者 | 开发用于乳腺癌诊断的自动乳腺肿瘤超声分割工具 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | VSI超声协议 | U-NET, Attention U-NET, Residual U-NET, 多输入注意力U-NET | 超声图像 | 53名患者 |
75 | 2025-03-06 |
Endoscopic colorectal polyp detection based on improved YOLOv8
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781871
PMID:40039266
|
研究论文 | 本文探讨了基于改进的YOLOv8模型在结肠镜检测结直肠息肉中的应用 | 使用改进的YOLOv8模型提高了息肉检测的准确性和效率 | 未提及具体的数据集大小或模型改进的详细技术细节 | 提高结直肠息肉检测的准确率和效率 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | YOLOv8 | 图像 | NA |
76 | 2025-03-06 |
A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Home Environments
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782237
PMID:40039265
|
研究论文 | 本文提出了一种基于机器学习的过滤器,用于筛选适合训练步态检测模型的步态音频样本 | 提出了一种新型的机器学习过滤器,能够在嘈杂的家庭和护理院环境中有效筛选出适合训练步态检测模型的音频样本 | 依赖于真实世界的高质量步态数据集,而这些数据集目前较为缺乏 | 开发一种能够在嘈杂环境中有效检测步态的声学步态检测器 | 老年人的步态数据 | 机器学习 | 老年疾病 | 声学步态检测 | 深度学习模型 | 音频数据 | 从老年人收集的步态数据集 |
77 | 2025-03-06 |
Self-Supervised MR Image Reconstruction From Single Measurement
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781875
PMID:40039299
|
研究论文 | 本文提出了一种自监督的深度学习MRI重建方法,无需依赖外部训练数据 | 提出了一种基于单图像的重建方法,结合了伯努利采样、训练中的丢弃策略以及MRI物理过程,实现了无需外部数据的自监督学习 | 未提及具体的数据集或样本量,可能限制了方法的广泛验证 | 加速磁共振成像(MRI)的重建过程 | MRI图像 | 计算机视觉 | NA | 深度学习 | 自监督学习 | 图像 | NA |
78 | 2025-03-06 |
An Automatic Method for Locating Positions and their Colors Important for Classifying Genders in Retinal Fundus Images by Deep Learning Models
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781926
PMID:40039310
|
研究论文 | 本文提出了一种自动方法,通过深度学习识别视网膜眼底图像中重要的位置及其颜色特征以进行性别分类 | 提出了MALCC(局部颜色特征模型分析)和U检验方法,用于识别图像中对性别分类重要的位置和颜色特征 | 未提及具体局限性 | 开发一种自动方法,用于识别视网膜眼底图像中重要的位置及其颜色特征以进行性别分类 | 视网膜眼底图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 未提及具体样本数量 |
79 | 2025-03-06 |
Interpretable Automated Arrhythmia Detection: An Assistive Framework for Clinicians
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781947
PMID:40039308
|
研究论文 | 本研究提出了一种独特的特征选择算法,用于识别有效的心电图生物标志物,以实现准确且临床可解释的自动心律失常检测 | 提出了一种新的特征选择算法,该算法在识别心电图生物标志物方面优于包括LASSO、F-test和mRMR在内的流行方法,并实现了高精度的多类患者间随机森林分类器 | 尽管提出的方法在测试数据集上表现优异,但其在更广泛临床环境中的实际应用和泛化能力仍需进一步验证 | 开发一种准确且临床可解释的自动心律失常检测方法 | 心电图(ECG)数据 | 机器学习 | 心血管疾病 | 随机森林分类器 | 随机森林(RF) | 心电图(ECG)数据 | 未明确提及具体样本数量 |
80 | 2025-03-06 |
Improved Segmentation of Confocal Calcium Videos of Hela Cells Using Deep-Learning-Assisted Watershed Algorithm
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781812
PMID:40039309
|
研究论文 | 本文提出了一种结合深度学习和分水岭算法的改进方法,用于分割Hela细胞的共聚焦钙视频,以提高高通量药物筛选实验中的细胞识别效率 | 创新点在于结合了深度学习(修改后的U-Net和YOLOv5)和分水岭算法,通过多帧处理和距离变换预测来优化细胞分割 | 未明确提及具体局限性 | 提高高通量药物筛选实验中钙成像视频的细胞分割准确性 | Hela细胞的共聚焦钙视频 | 计算机视觉 | NA | 深度学习辅助分水岭算法 | CNN(修改后的U-Net和YOLOv5) | 视频 | 未明确提及样本数量 |