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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
581 | 2024-08-24 |
Self-Reported Learning Strategies and Preferences in Health Informatics
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240710
PMID:39176499
|
研究论文 | 本研究通过使用动机策略学习问卷(MSLQ)和深度与表面学习理论,调查了健康信息学(HI)课程中学生的学习策略和偏好 | 首次详细探讨了健康信息学课程中学生的学习策略和偏好,填补了该领域的知识空白 | 研究仅限于三门健康信息学课程,可能无法全面代表所有健康信息学课程的情况 | 探讨健康信息学课程中学生的学习策略和偏好,为教育者提供改进建议 | 健康信息学课程的学生及其学习策略和偏好 | 健康信息学 | NA | NA | NA | 问卷调查数据 | 三门健康信息学课程的学生 |
582 | 2024-08-24 |
Enhancing Periodontal Treatment Through the Integration of Deep Learning-Based Detection with Bayesian Network Models
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240758
PMID:39176544
|
研究论文 | 本研究将深度学习用于牙周病检测,并将其整合到基于贝叶斯网络的临床决策支持模型中,以实现全面的牙周护理 | 本研究创新地将深度学习技术与贝叶斯网络模型结合,用于牙周病的检测和治疗方案的推荐 | NA | 提高牙周病治疗的效果和准确性 | 牙周病及其治疗方案 | 机器学习 | 牙周病 | 深度学习 | 贝叶斯网络 | 图像 | 临床数据和放射图像 |
583 | 2024-08-24 |
Integrated and Interoperable Platform for Detecting Masses on Mammograms
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240603
PMID:39176574
|
研究论文 | 本文介绍了一个免费开源的集成平台,用于自动检测乳腺X光片上的肿块 | 引入了先进的RetinaNet模型和DICOM-SR互操作性格式,以提高深度学习模型在乳腺影像中的可访问性 | NA | 推广深度学习模型在乳腺影像中的广泛应用 | 乳腺X光片上的肿块检测 | 计算机视觉 | 乳腺癌 | 深度学习 | RetinaNet | 图像 | NA |
584 | 2024-08-24 |
Assessing the Performance of Deep Learning for Automated Gleason Grading in Prostate Cancer
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240605
PMID:39176576
|
研究论文 | 本研究利用数字病理学和人工智能技术,探索了11种深度神经网络架构在前列腺癌自动Gleason分级中的性能 | 研究展示了较新的架构在性能上的优势,特别是ConvNeXt模型在复杂性和泛化能力之间的平衡 | 研究面临区分相近Gleason等级的挑战 | 提高前列腺癌诊断效率 | 前列腺癌的自动Gleason分级 | 数字病理学 | 前列腺癌 | 深度学习 | 深度神经网络 | 图像 | 34,264个注释的组织切片 |
585 | 2024-08-24 |
Precise Identification of Oral Cancer Lesions Using Artificial Intelligence
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240601
PMID:39176572
|
research paper | 本研究首次展示了使用基于深度学习的人工智能系统,用于在智能手机图像中同时识别口腔癌病变类型并精确描绘病变边界 | 本研究首次使用深度学习模型在智能手机图像中同时识别口腔癌病变类型并精确描绘病变边界 | NA | 开发一种人工智能系统,帮助非专业口腔病变专家的牙医在智能手机图像中准确筛查口腔癌 | 口腔潜在恶性病变(OPMDs)和口腔鳞状细胞癌(OSCC)病变 | machine learning | 口腔癌 | deep learning | NA | image | NA |
586 | 2024-08-24 |
Deep Learning Based Automatic Fibroglandular Tissue Segmentation in Breast Magnetic Resonance Imaging Screening
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240606
PMID:39176577
|
研究论文 | 本研究利用深度学习模型自动分割乳腺磁共振成像中的纤维腺体组织 | 采用nnU-Net框架训练深度神经网络模型,实现了对纤维腺体组织的高精度自动分割 | NA | 开发精确量化纤维腺体组织的方法 | 乳腺磁共振成像中的纤维腺体组织 | 计算机视觉 | 乳腺癌 | 深度学习 | nnU-Net | 图像 | 使用了公开的'Duke Breast Cancer MRI'数据集 |
587 | 2024-08-24 |
Enhancing Pulmonary Embolism Detection in COVID-19 Patients Through Advanced Deep Learning Techniques
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240622
PMID:39176593
|
研究论文 | 本研究评估了先进深度学习技术在增强COVID-19后患者肺栓塞检测中的有效性 | 使用Ultralytics YOLOv8对象检测模型进行微调,展示了显著的诊断能力 | NA | 提高COVID-19患者肺栓塞的检测效率 | COVID-19后患者的肺栓塞检测 | 机器学习 | 肺栓塞 | 深度学习 | YOLOv8 | 图像 | 746张CTPA图像,来自25名患者 |
588 | 2024-08-24 |
Opportunistic Screening for Osteoporosis Using Hand Radiographs - A Feature Augmentation Study Technique (FAST)
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240411
PMID:39176740
|
研究论文 | 本研究利用手部X光片对50岁及以上患者进行骨质疏松症的机会性筛查,通过深度学习模型预测骨质疏松/骨质减少,并建立骨纹理分析与双能X线吸收测量法(DXA)测量之间的相关性 | 本研究首次使用手部X光片作为筛查工具,通过深度学习模型预测骨质疏松/骨质减少,并展示了其作为正式DXA评估前筛查工具的可行性 | 本研究为回顾性研究,样本量相对较小,且仅涉及三个不同供应商的数据 | 探索手部X光片作为骨质疏松症筛查工具的可行性 | 50岁及以上接受双能X线吸收测量法(DXA)和手部X光片检查的患者 | 计算机视觉 | 骨质疏松症 | 深度学习 | NA | 图像 | 422名患者,其中338名用于训练/验证,84名用于测试 |
589 | 2024-08-24 |
Benchmarking Approaches: Time Series Versus Feature-Based Machine Learning in ECG Analysis on the PTB-XL Dataset
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240483
PMID:39176811
|
研究论文 | 本研究比较了时间序列和基于特征的机器学习方法在PTB-XL数据集上进行心电图分析的性能 | 首次在心电图分析领域直接比较了时间序列和基于特征的机器学习方法 | NA | 评估XGBoost和InceptionTime在心电图特征和时间序列数据上的性能 | 心电图信号 | 机器学习 | NA | XGBoost, InceptionTime | NA | 时间序列, 表格数据 | PTB-XL数据集 |
590 | 2024-08-24 |
Comparative Analysis of Artificial Intelligence Algorithms for Breast Cancer Detection from Pathological Image in Burkina Faso
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240496
PMID:39176824
|
研究论文 | 本文比较了不同人工智能算法在布基纳法索乳腺癌病理图像检测中的有效性 | 利用人工智能技术在资源有限的地区提高乳腺癌的早期和准确检测 | NA | 探讨人工智能算法在乳腺癌检测中的应用效果 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 人工智能 | NA | 图像 | NA |
591 | 2024-08-24 |
Deep Learning-Based Prediction of Daily COVID-19 Cases Using X (Twitter) Data
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240824
PMID:39176883
|
研究论文 | 本研究利用X(Twitter)社交网络数据和深度学习方法预测COVID-19确诊病例 | 开发并评估了一个用于多变量时间序列预测的TSMixer模型,结合了MinMax归一化、递归特征消除(RFE)和平均或最小聚合方法 | NA | 预测COVID-19确诊病例 | 使用X(Twitter)社交网络数据和深度学习方法 | 机器学习 | COVID-19 | 自然语言处理(NLP) | TSMixer | 文本 | 24个月的G值预测数据 |
592 | 2024-08-24 |
Deep Learning Models for Health-Driven Forecasting of Indoor Temperatures in Heat Waves in Canada: An Exploratory Study Using Smart Thermostats
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240826
PMID:39176885
|
研究论文 | 本研究评估了深度学习模型在利用智能恒温器数据预测热浪期间室内温度方面的有效性,以增强公共卫生响应 | 本研究首次探索了将物联网和深度学习技术集成到健康预警系统中,以实现主动干预和改善极端高温情况下的可持续医疗实践 | NA | 研究目的是提高在极端高温事件中预测室内温度的准确性,以支持公共卫生策略并减轻极端高温的不利影响 | 研究对象包括老年人及有预先健康状况的脆弱群体,以及在热浪期间的室内温度预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 室内温度和湿度数据 | 使用了ecobee智能恒温器收集的数据 |
593 | 2024-08-24 |
Causal Deep Learning for the Detection of Adverse Drug Reactions: Drug-Induced Acute Kidney Injury as a Case Study
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240533
PMID:39176914
|
研究论文 | 本文探讨了因果深度学习在检测药物不良反应中的应用,以药物引起的急性肾损伤为例 | 结合因果推断和人工智能,挖掘数据特征之间的可解释因果关系 | NA | 展示因果深度学习在利用电子健康记录进行药物警戒信号验证中的应用 | 药物引起的急性肾损伤 | 机器学习 | 肾脏疾病 | 因果深度学习 | 因果深度学习模型 | 电子健康记录 | NA |
594 | 2024-08-24 |
Comparing a Large Language Model with Previous Deep Learning Models on Named Entity Recognition of Adverse Drug Events
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240528
PMID:39176909
|
研究论文 | 本文比较了大型语言模型与先前深度学习模型在不良药物事件命名实体识别任务中的性能 | 采用少样本学习方法,大型语言模型仅需少量示例即可适应新任务 | 少样本学习的性能仍不及经过大量训练示例微调的深度学习模型 | 比较不同模型在不良药物事件命名实体识别任务中的表现 | 不良药物事件的命名实体识别 | 自然语言处理 | NA | Transformer架构 | 大型语言模型 | 文本 | 少量示例 |
595 | 2024-08-24 |
Data for AI in Congenital Heart Defects: Systematic Review
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240537
PMID:39176918
|
综述 | 本研究按照PRISMA指南进行了一项系统性综述,调查了人工智能在产前先天性心脏病检测中的应用情况 | 深度学习成为主要的AI方法,用于产前先天性心脏病的检测 | 数据类型主要限于超声和MRI序列 | 探讨人工智能在产前先天性心脏病检测中的应用 | 先天性心脏病 | 机器学习 | 先天性心脏病 | 深度学习 | 深度学习模型 | 超声和MRI序列 | 28项相关研究 |
596 | 2024-08-24 |
Exploring Explainable AI Techniques for Text Classification in Healthcare: A Scoping Review
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240544
PMID:39176925
|
综述 | 本文通过综述探讨了可解释人工智能(XAI)技术在医疗文本分类中的应用 | 识别了两种主要的XAI技术:模型特定方法和模型不可知方法 | 尽管开发者给予了积极反馈,但这些技术与医疗终端用户的正式评估仍然有限 | 旨在增强医疗领域中基于AI的决策过程的信任和透明度 | 医疗文本分类中的XAI技术 | 自然语言处理 | NA | 可解释人工智能(XAI) | 机器学习(ML)和深度学习(DL)模型 | 文本 | NA |
597 | 2024-08-24 |
Accelerating Clinical Text Annotation in Underrepresented Languages: A Case Study on Text De-Identification
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240546
PMID:39176927
|
研究论文 | 本文研究了通过结合主动竞赛和预标注两种策略,加速法语临床文本的去标识化标注过程 | 提出了将被动标注任务转化为主动竞赛,并使用预标注来提高标注效率和质量的方法 | 研究主要集中在法语临床文本,可能不适用于其他语言或领域 | 探索加速临床文本标注过程的有效方法 | 法语临床笔记和出院总结 | 自然语言处理 | NA | 命名实体识别 (NER) | NA | 文本 | 大型瑞士大学医院的临床笔记和出院总结 |
598 | 2024-08-24 |
Integrated Cognitive Ergonomics of the Remote Evaluation of the Grafts with Robotics and Machine Organ Perfusion Technology in Solid Organ Transplantation
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240554
PMID:39176935
|
研究论文 | 本文通过整合远程放射学(TRE)和远程病理学(TPE)评估,结合机器器官灌注和远程机器人技术,研究了Prometheus数字医疗设备(pn 2003016)在肾移植中的应用。 | 本文创新地将机器器官灌注与远程机器人技术结合,通过深度学习和人工智能编程提高了器官存活率和疾病预后预测的准确性。 | NA | 旨在提高远程评估肾移植中移植物的可靠性和准确性。 | 研究对象为肾移植中的肾移植物(RG)。 | 数字病理学 | NA | 机器器官灌注,远程机器人技术 | 深度学习,人工智能编程 | 图像 | 15个腹部MR图像,130个人类肾移植物图像 |
599 | 2024-08-24 |
Fine-Tuning SSL-Model to Enhance Detection of Cilioretinal Arteries on Colored Fundus Images
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240561
PMID:39176942
|
研究论文 | 本文提出了一种基于深度学习的方法,用于从彩色眼底图像中自动检测睫状视网膜动脉 | 利用Vision Transformer架构,通过预训练模型RETFound进行微调,将更广泛数据集的知识转移到特定任务中 | 数据集不平衡和过拟合问题通过Focal Loss和Early Stopping方法解决 | 提高彩色眼底图像中睫状视网膜动脉的检测效率 | 睫状视网膜动脉的自动检测 | 计算机视觉 | NA | 自监督学习 | Vision Transformer | 图像 | 初始数据集包含85张图像,通过数据增强扩展到170张 |
600 | 2024-08-24 |
Explaining Deep Learning Models Applied in Histopathology: Current Developments and the Path to Sustainability
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240579
PMID:39176960
|
综述 | 本文综述了当前应用于组织病理学中解释卷积神经网络(CNN)分类方法的最新进展,并探讨了实现深度学习模型可持续使用的路径 | 本文强调了使专家信任深度学习模型的必要性,并介绍了帮助专家理解模型结果生成及其与先验知识关联的方法 | 组织病理学中的深度学习模型仍未得到充分利用,病理学家对其信任度不高 | 探讨如何实现深度学习模型在组织病理学中的可持续使用 | 组织病理学中的深度学习模型及其解释方法 | 数字病理学 | NA | 深度学习 | CNN | 图像 | NA |