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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
301 | 2024-09-10 |
Development and benchmarking of a Deep Learning-based MRI-guided gross tumor segmentation algorithm for Radiomics analyses in extremity soft tissue sarcomas
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110338
PMID:38782301
|
研究论文 | 本文开发并测试了一种基于深度学习的MRI引导的软组织肉瘤大肿瘤分割算法,用于放射组学分析 | 开发了一种基于深度学习的自动分割算法,用于预测软组织肉瘤的主要大肿瘤作为放射组学分析的感兴趣体积 | 算法在直接临床应用方面仍存在变异性,特别是在放射治疗计划中的应用 | 开发和验证一种自动分割算法,用于放射组学分析和放射治疗计划中的感兴趣体积分割 | 软组织肉瘤的MRI图像 | 计算机视觉 | 软组织肉瘤 | 深度学习 | 深度学习算法 | MRI图像 | 训练集包含157名患者,测试集包含87名患者 |
302 | 2024-09-10 |
Interpretable deep learning insights: Unveiling the role of 1 Gy volume on lymphopenia after radiotherapy in breast cancer
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110333
PMID:38772478
|
研究论文 | 本研究旨在开发和验证预测乳腺癌患者放疗后淋巴细胞减少的深度神经网络模型 | 首次揭示了1 Gy剂量体积在放疗后淋巴细胞减少中的重要作用 | 需要进一步研究以优化放疗计划 | 开发和验证预测乳腺癌患者放疗后淋巴细胞减少的模型 | 乳腺癌患者放疗后的淋巴细胞减少 | 机器学习 | 乳腺癌 | 深度神经网络 | DNN | 剂量-体积直方图数据和临床因素 | 918名连续的乳腺癌患者,其中589名用于训练,203名用于测试,126名用于外部验证 |
303 | 2024-09-08 |
Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review
2024-Aug-30, Studies in health technology and informatics
DOI:10.3233/SHTI240837
PMID:39234706
|
综述 | 本文对早期多模态数据集成方法进行了综述,分析了其在数据驱动医学研究中的应用 | 本文首次对早期多模态数据集成方法进行了系统性的综述,并提出了未来研究方向 | 本文主要关注结构化集成,未涉及其他类型的集成方法 | 探讨早期多模态数据集成方法在数据驱动医学研究中的应用 | 早期多模态数据集成方法及其在数据驱动医学研究中的应用 | 机器学习 | NA | 深度学习 | NA | 多模态数据 | 21篇综述 |
304 | 2024-09-08 |
Using Domain Adaptation and Inductive Transfer Learning to Improve Patient Outcome Prediction in the Intensive Care Unit: Retrospective Observational Study
2024-Aug-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/52730
PMID:39167442
|
研究论文 | 本研究探讨了在电子健康记录(EHR)分析中使用领域适应(DA)和归纳迁移学习(ITL)来提高重症监护病房(ICU)患者预后预测的准确性 | 首次深入研究了DA和ITL在基于EHR的ICU患者预后预测中的应用,特别是在数据稀缺的情况下 | 研究仅限于两个特定的ICU数据集,结果可能不适用于所有ICU环境 | 评估在数据稀缺情况下,DA和ITL在ICU患者预后预测中的有效性 | ICU患者的30天死亡率、急性肾损伤、ICU住院时间和医院住院时间 | 机器学习 | NA | 领域适应(DA)、归纳迁移学习(ITL) | 全连接神经网络、逻辑回归、Lasso回归 | 电子健康记录(EHR) | 两个数据集:eCritical(55,689次入院记录,48,672名患者)和Medical Information Mart for Intensive Care III(61,532次入院记录,46,476名患者) |
305 | 2024-09-08 |
Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review
2024-Aug-21, JMIR mental health
IF:4.8Q1
DOI:10.2196/53714
PMID:39167782
|
综述 | 本文综述了用于检测、预测和监测压力及其相关精神障碍的机器学习和深度学习技术 | 本文综述了最新的机器学习算法、预处理技术和数据类型在压力和压力相关精神障碍中的应用 | 本文指出了当前研究中的重要空白,并提出了未来的研究方向 | 调查机器学习方法在检测、预测和分析压力及其相关精神障碍中的应用范围 | 压力及其相关精神障碍 | 机器学习 | 精神障碍 | 机器学习算法 | 支持向量机、神经网络、随机森林 | 生理参数数据 | 98篇同行评审出版物 |
306 | 2024-09-08 |
Concepts and applications of digital twins in healthcare and medicine
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101028
PMID:39233690
|
综述 | 本文讨论了数字孪生(DT)在医疗和医学中的概念、实现要求及其当前和潜在的应用 | 本文提出了医疗数字孪生系统的五个标志性特征,以推动该领域的研究 | 技术障碍、生物异质性和伦理考虑是实现医疗数字孪生的主要挑战 | 探讨数字孪生在医疗和医学中的应用及其潜在影响 | 数字孪生技术及其在医疗领域的应用 | NA | NA | 多模态深度学习方法、具身AI代理和元宇宙 | NA | NA | NA |
307 | 2024-09-08 |
How deep can we decipher protein evolution with deep learning models
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101043
PMID:39233697
|
研究论文 | 本文探讨了基于进化理论的深度学习模型在蛋白质进化研究中的应用 | 本文展示了基于进化的深度生成模型,特别是变分自编码器,能够在层次化的潜在空间中组织SH3同源物,并有效区分特定的Sho1域 | NA | 探索深度学习模型在蛋白质进化研究中的潜力 | 蛋白质进化中的SH3同源物和Sho1域 | 机器学习 | NA | 深度学习 | 变分自编码器 | 蛋白质序列 | NA |
308 | 2024-09-08 |
Artificial Intelligence and Deep Learning in Revolutionizing Brain Tumor Diagnosis and Treatment: A Narrative Review
2024-Aug, Cureus
DOI:10.7759/cureus.66157
PMID:39233936
|
综述 | 本文综述了人工智能和深度学习在脑肿瘤诊断和治疗中的应用 | 深度学习模型如脑肿瘤分类模型和Inception-Resnet V2,以及结合支持向量机和k近邻的混合技术,能够实时决策并增强术前规划 | 将人工智能整合到临床实践中仍面临挑战,需要进一步研究以实现深度学习在改善这些结果中的潜力 | 探讨人工智能和深度学习在脑肿瘤诊断和治疗中的应用及其潜力 | 脑肿瘤的诊断和治疗 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 图像 | NA |
309 | 2024-09-08 |
Screening antimicrobial peptides and probiotics using multiple deep learning and directed evolution strategies
2024-Aug, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2024.05.003
PMID:39234615
|
研究论文 | 本文开发并改进了抗菌肽预测模型,结合多种深度学习和定向进化策略,提高了预测准确性和应用价值 | 使用COMDEL算法改进了抗菌肽预测模型,结合高通量筛选和定向进化方法,显著提高了抗菌肽的产量和筛选效率 | NA | 提高抗菌肽预测模型的准确性和应用价值 | 抗菌肽和益生菌 | 机器学习 | NA | 深度学习 | COMDEL | 多组学数据 | 35种可食用益生菌 |
310 | 2024-09-07 |
Automated echocardiographic diastolic function grading: A hybrid multi-task deep learning and machine learning approach
2024-Aug-30, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132504
PMID:39218252
|
研究论文 | 本文提出了一种结合深度学习和机器学习的混合多任务模型,用于自动评估心脏超声图像中的左心室舒张功能 | 本文的创新点在于开发了一种轻量级的混合算法,结合了深度学习和机器学习技术,能够自动评估心脏超声图像中的左心室舒张功能 | 本文的局限性在于仅在内部和外部数据集上进行了验证,尚未在更大范围的临床环境中进行广泛测试 | 研究目的是开发一种全自动的方法,用于根据ASE指南评估心脏超声图像中的左心室舒张功能 | 研究对象是心脏超声图像中的左心室舒张功能评估 | 机器学习 | 心血管疾病 | 深度学习 | 混合多任务模型 | 图像 | 862和239个心脏超声图像,以及三个外部数据集(包括EchoNet-Dynamic和CAMUS) |
311 | 2024-09-07 |
Approaches for the Use of AI in Workplace Health Promotion and Prevention: Systematic Scoping Review
2024-Aug-20, JMIR AI
DOI:10.2196/53506
PMID:38989904
|
综述 | 本文通过系统范围综述评估了人工智能在工作场所健康促进和预防中的当前应用 | 本文首次系统地研究了人工智能在工作场所健康促进和预防中的应用,并指出了未来研究方向 | 当前研究未涵盖工作场所健康促进和预防的全部范围,缺乏纵向数据和报告指南 | 全面评估人工智能在工作场所健康促进和预防中的应用,并指出未来研究方向 | 研究了人工智能算法和技术在工作场所健康促进和预防中的应用 | 机器学习 | NA | 机器学习、深度学习 | 机器学习模型、深度学习模型 | 智能手机应用数据 | 共包含10项研究 |
312 | 2024-09-07 |
The Use of Deep Learning and Machine Learning on Longitudinal Electronic Health Records for the Early Detection and Prevention of Diseases: Scoping Review
2024-Aug-20, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/48320
PMID:39163096
|
综述 | 本文综述了使用机器学习和深度学习技术分析纵向电子健康记录以支持疾病早期检测和预防的研究 | 本文综述了机器学习和深度学习模型在电子健康记录分析中的应用,强调了其在疾病早期检测和预防中的潜力 | 研究主要集中在工程方面,缺乏医学结果的验证 | 综述机器学习在纵向电子健康记录中的应用,探讨其在疾病早期检测和预防中的医学见解和临床效益 | 纵向电子健康记录中的数据,包括人口统计学、症状、程序、实验室测试结果、诊断、药物和BMI等 | 机器学习 | 多种疾病 | 机器学习(ML)和深度学习(DL) | 递归神经网络(RNN)和长短期记忆(LSTM) | 文本 | 20项研究 |
313 | 2024-09-07 |
Utilizing deep learning model for assessing melanocytic density in resection margins of lentigo maligna
2024-Aug-03, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-024-01532-y
PMID:39097745
|
研究论文 | 本文开发了一种深度学习模型,用于评估恶性雀斑样痣切除边缘的黑色素细胞密度 | 本文首次将深度学习模型应用于评估恶性雀斑样痣切除边缘的黑色素细胞密度,并展示了其在区分低和高复发风险边缘方面的显著准确性 | 本文仅在353张全切片图像上进行了验证,样本量相对较小,可能影响模型的泛化能力 | 开发一种自动化的工具,帮助病理学家评估或预筛选恶性雀斑样痣的切除边缘 | 恶性雀斑样痣的切除边缘 | 计算机视觉 | 皮肤癌 | 深度学习 | 深度学习模型 | 图像 | 353张全切片图像,其中295张用于训练,58张用于验证和测试 |
314 | 2024-09-07 |
Cytopathic Effect Detection and Clonal Selection using Deep Learning
2024-Aug, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-024-03749-4
PMID:39048879
|
研究论文 | 本文提出使用深度学习算法来自动化检测细胞病理效应和验证细胞系开发中的克隆性 | 本文首次使用监督深度学习算法来自动化检测细胞病理效应和验证细胞系开发中的克隆性 | NA | 自动化检测细胞病理效应和验证细胞系开发中的克隆性 | 细胞病理效应和细胞系开发中的克隆性 | 计算机视觉 | NA | 图像处理技术 | 卷积神经网络 (CNN) | 图像 | 由领域专家收集和标记的图像数据 |
315 | 2024-09-07 |
Deep learning for osteoporosis screening using an anteroposterior hip radiograph image
2024-Aug, European journal of orthopaedic surgery & traumatology : orthopedie traumatologie
DOI:10.1007/s00590-024-04032-3
PMID:38896146
|
研究论文 | 研究使用深度学习模型通过前后髋关节X光片进行骨质疏松筛查 | 首次使用前后髋关节X光片训练深度学习模型进行骨质疏松筛查 | 研究样本量较小,且仅限于一家医院的数据 | 开发一种基于深度学习的骨质疏松筛查模型 | 前后髋关节X光片 | 计算机视觉 | 骨质疏松 | 深度学习 | 深度学习模型 | 图像 | 363张前后髋关节X光片 |
316 | 2024-09-07 |
Extensive Multilabel Classification of Brain MRI Scans for Infarcts Using the Swin UNETR Architecture in Deep Learning Applications
2024-Aug, Annals of rehabilitation medicine
DOI:10.5535/arm.230029
PMID:39169697
|
研究论文 | 本文使用Swin UNETR架构对脑部MRI扫描进行多标签分类,以精确区分脑梗死的位置和类型 | 本文采用了Swin UNETR架构,结合了transformer和u-net设计的元素,并使用分层transformer计算移位窗口,以提高分类精度 | 研究结果存在过拟合问题,需要进一步提高模型的泛化能力 | 通过深度学习技术提高脑梗死位置和类型的分类精度 | 脑部MRI扫描中的脑梗死 | 计算机视觉 | 脑血管疾病 | 深度学习 | Swin UNETR | 图像 | 第一阶段使用ISLES 2022数据集,第二阶段使用309名患者的脑部MRI扫描数据 |
317 | 2024-09-07 |
iCRBP-LKHA: Large convolutional kernel and hybrid channel-spatial attention for identifying circRNA-RBP interaction sites
2024-Aug, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012399
PMID:39173070
|
研究论文 | 提出了一种基于深度混合网络的模型iCRBP-LKHA,用于识别circRNA-RBP相互作用位点 | 采用了大核卷积神经网络(LKCNN)、一维卷积的卷积块注意力模块(CBAM-1D)和双向门控循环单元(BiGRU),能够自动探索局部信息、全局上下文信息和多特征相互作用信息 | NA | 开发一种能够有效捕捉长距离依赖和利用多特征相互作用信息的深度学习模型,用于识别circRNA-RBP相互作用位点 | circRNA-RBP相互作用位点 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN) | 序列数据 | 37个circRNA数据集、37个circRNA严格数据集和31个线性RNA数据集 |
318 | 2024-09-06 |
Privacy Risk Assessment for Synthetic Longitudinal Health Data
2024-Aug-30, Studies in health technology and informatics
DOI:10.3233/SHTI240867
PMID:39234731
|
研究论文 | 本文探讨了合成纵向健康数据在隐私风险评估中的应用 | 提出了Anonymeter框架,用于评估合成数据生成的隐私风险,特别是针对欧洲数据保护委员会考虑的隐私风险 | 隐私风险评估仍然是一个开放的问题,实施和结果解释中遇到了挑战 | 评估合成数据生成方法的隐私风险,确保符合数据保护指南 | 合成纵向健康数据及其隐私风险 | NA | NA | 深度学习 | NA | 纵向健康数据 | 1312名参与者,16个时间点 |
319 | 2024-09-06 |
Predicting Overall Survival of Glioblastoma Patients Using Deep Learning Classification Based on MRIs
2024-Aug-30, Studies in health technology and informatics
DOI:10.3233/SHTI240878
PMID:39234740
|
研究论文 | 本文开发并评估了一种基于深度学习的方法,通过MRI图像预测胶质母细胞瘤患者的总体生存期 | 利用深度学习技术对常规生成的MRI序列进行自动分析,以实现准确的总体生存期预测 | 最佳模型的F1-score为0.51,准确率为0.67,仍有改进空间 | 开发一种能够通过MRI图像准确预测胶质母细胞瘤患者总体生存期的方法 | 胶质母细胞瘤患者的总体生存期 | 计算机视觉 | 脑肿瘤 | 深度学习 | ResNet50 | 图像 | NA |
320 | 2024-09-05 |
Deep learning approach for dysphagia detection by syllable-based speech analysis with daily conversations
2024-08-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70774-z
PMID:39217249
|
研究论文 | 本研究评估了一种新开发的深度学习模型,该模型通过分析基于音节的日常对话数据来诊断吞咽困难 | 本研究首次采用基于音节的数据分析方法来诊断吞咽困难 | NA | 评估深度学习模型在日常环境中早期、非侵入性和简单地检测吞咽困难的有效性 | 吞咽困难患者和对照组 | 机器学习 | 老年疾病 | 深度学习 | 卷积神经网络 | 音频 | 16名吞咽困难患者和24名对照组 |