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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
141 | 2024-10-18 |
Auto-BCS: A Hybrid System for Real-Time Breast Cancer Screening from Pathological Images
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01056-3
PMID:38429562
|
研究论文 | 本文介绍了一种名为Auto-BCS的实时自动化系统,用于从病理图像中进行乳腺癌筛查 | Auto-BCS系统通过轻量级深度学习模型和极端梯度提升分类器的结合,显著提高了乳腺癌筛查的效率,并优化了计算性能,使其适用于低处理能力的移动设备 | NA | 开发一种高效的实时自动化系统,用于早期乳腺癌筛查 | 乳腺癌病理图像 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 图像 | NA |
142 | 2024-10-18 |
Deep Learning Imaging Reconstruction Algorithm for Carotid Dual Energy CT Angiography: Opportunistic Evaluation of Cervical Intervertebral Discs-A Preliminary Study
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01016-x
PMID:38429560
|
研究论文 | 本研究评估了深度学习成像重建(DLIR)算法在颈动脉双能量CT血管造影(DECTA)中对颈椎间盘(IVDs)的成像效果,并与自适应统计迭代重建-Veo(ASiR-V)进行了比较 | DLIR算法在70 keV和碘水图像集中的诊断可接受性和显著性得分高于ASiR-V和DLIR-M,且HU和WC的标准差较低 | DLIR算法在钙水图像集中的改进有限,且在钙水图像集中的诊断可接受性和显著性得分与ASiR-V和DLIR-M无显著差异 | 评估DLIR算法在颈动脉DECTA中对颈椎间盘成像的性能 | 颈动脉DECTA图像集中的颈椎间盘 | 计算机视觉 | NA | 双能量CT血管造影(DECTA) | 深度学习成像重建(DLIR) | 图像 | 42名接受颈动脉DECTA的患者 |
143 | 2024-10-18 |
From CNN to Transformer: A Review of Medical Image Segmentation Models
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-00981-7
PMID:38438696
|
综述 | 本文综述了近年来最具代表性的七种医学图像分割模型,并对其进行了理论分析和定量评估 | 介绍了Transformer模型在医学图像分割中的应用,如TransUNet和Segment Anything Model (SAM)及其变体 | 未提及具体模型的局限性 | 帮助研究人员快速建立适用于特定区域的医学分割模型 | 医学图像分割模型 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | 使用了肺结核胸部X光片、卵巢肿瘤和肝脏分割数据集进行评估 |
144 | 2024-10-18 |
Optimizing Coronary Computed Tomography Angiography Using a Novel Deep Learning-Based Algorithm
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01033-w
PMID:38438697
|
研究论文 | 本研究评估了一种基于深度学习的运动校正算法(MCA)在消除冠状动脉CT血管造影(CCTA)中的运动伪影方面的潜力 | 提出了一种基于深度学习的运动校正算法,显著提高了64排多层CT(64-MDCT)获取的CCTA图像质量 | 研究样本量较小,仅包含124例CCTA检查 | 优化冠状动脉CT血管造影图像质量,提高其在慢性冠状动脉综合征诊断中的有效性 | 64排多层CT获取的冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习算法 | 图像 | 124例64-MDCT获取的CCTA检查 |
145 | 2024-10-18 |
Prediction of Ablation Rate for High-Intensity Focused Ultrasound Therapy of Adenomyosis in MR Images Based on Multi-model Fusion
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01063-4
PMID:38441701
|
研究论文 | 本研究旨在开发一种基于放射组学和深度学习特征的模型,用于预测腺肌症患者接受高强度聚焦超声(HIFU)治疗后的消融率 | 提出了一个基于多模型融合的集成模型,结合了放射组学和深度学习特征,显著提高了预测性能 | 研究是回顾性的,样本量相对较小,可能影响模型的泛化能力 | 开发和评估一种新的模型,用于预测腺肌症患者接受HIFU治疗后的消融率 | 腺肌症患者接受HIFU治疗后的消融率 | 计算机视觉 | 妇科疾病 | 高强度聚焦超声(HIFU) | 多模型融合 | 图像 | 119名接受HIFU治疗的腺肌症患者 |
146 | 2024-10-18 |
Effects of Intravenous Infusion of Iodine Contrast Media on the Tracheal Diameter and Lung Volume Measured with Deep Learning-Based Algorithm
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01071-4
PMID:38448759
|
研究论文 | 研究静脉注射碘造影剂对气管直径和肺容积的影响 | 首次使用基于深度学习的算法评估静脉注射碘造影剂对气管直径和肺容积的影响 | 回顾性研究,样本量有限,未考虑其他可能影响结果的因素 | 探讨静脉注射碘造影剂对气管直径和肺容积的影响 | 气管直径和肺容积 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 221名患者,平均年龄71.1 ± 12.4岁,其中174名为男性 |
147 | 2024-10-18 |
Feature Fusion for Multi-Coil Compressed MR Image Reconstruction
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01057-2
PMID:38459398
|
研究论文 | 提出了一种名为“多线圈特征融合变分网络”(MFFVN)的方法,用于多线圈压缩MR图像重建 | 引入编码器直接从多线圈MR图像中提取特征,并通过特征融合操作,避免了大量参数的引入,同时保留了线圈间信息 | NA | 提高多线圈压缩MR图像重建的速度和质量 | 多线圈MR图像 | 计算机视觉 | NA | 深度学习 | 变分网络 | 图像 | NA |
148 | 2024-10-18 |
A Data Augmentation Methodology to Reduce the Class Imbalance in Histopathology Images
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01018-9
PMID:38485898
|
研究论文 | 本文提出了一种数据增强方法,用于减少组织病理学图像中的类别不平衡问题 | 本文提出了一种结合复制粘贴数据增强技术和损失函数加权平衡方法的策略,专门针对高实例密度数据集进行优化 | 本文仅在一个高度不平衡的核检测数据集上进行了验证,未来需要在更多不同类型的数据集上进行测试 | 解决多类和多标签分类中的类别不平衡问题,特别是在高实例密度数据集中 | 组织病理学图像中的类别不平衡问题 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 一个高度不平衡的核检测数据集 |
149 | 2024-10-18 |
DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01076-z
PMID:38528289
|
研究论文 | 本文提出了一种基于深度学习的扩展景深(EDOF)显微镜方法,并生成了一种新的多焦点图像数据集 | 首次提出基于无监督深度学习的EDOF方法,提供更准确且无需样本的EDOF,生成新的多焦点图像数据,无需任何预处理或后处理技术,并使用深度特征获取像素的焦点度 | 未提及 | 克服显微系统中景深狭窄的问题,提高EDOF方法的性能 | 多焦点图像数据集和基于深度学习的EDOF显微镜方法 | 计算机视觉 | NA | 深度学习 | 无监督深度学习模型 | 图像 | 包含9个图像集合的多焦点图像数据集(4个合成图像集合和5个显微镜图像集合) |
150 | 2024-10-18 |
The role of quantitative electroencephalography in diagnostic workup of mental disorders
2024-Aug, Journal of physiology and pharmacology : an official journal of the Polish Physiological Society
IF:2.0Q3
DOI:10.26402/jpp.2024.4.02
PMID:39415522
|
综述 | 本文综述了定量脑电图(QEEG)在多种精神障碍诊断中的最新优势 | 介绍了使用人工智能(AI)、深度学习(DL)和机器学习(ML)等复杂方法进行脑电图数据分析的最新进展 | NA | 探讨定量脑电图在精神障碍诊断中的应用及其对个性化治疗发展的支持 | 焦虑症、痴呆、精神分裂症、双相情感障碍和抑郁症等精神障碍 | 神经科学 | 精神障碍 | 脑电图(EEG) | 深度学习(DL) | 脑电图数据 | NA |
151 | 2024-10-17 |
A Deep Learning-Derived Transdiagnostic Signature Indexing Hypoarousal and Impulse Control: Implications for Treatment Prediction in Psychiatric Disorders
2024-Aug-13, Biological psychiatry. Cognitive neuroscience and neuroimaging
DOI:10.1016/j.bpsc.2024.07.027
PMID:39142534
|
研究论文 | 本文研究了一种基于深度学习的跨诊断特征指数,用于评估低觉醒和冲动控制,并探讨其在精神疾病治疗预测中的应用 | 本文首次提出了一种基于深度学习的跨诊断生物标志物,能够诊断和预测冲动控制和睡眠问题 | 研究结果主要基于特定的脑电图特征,可能不适用于所有精神疾病患者 | 探讨基于研究领域标准(RDoC)的精神疾病研究方法,以发现具有诊断和治疗预测能力的生物标志物 | 脑电图前额贝塔活动作为潜在的跨诊断生物标志物 | 机器学习 | 精神疾病 | 脑电图 | 深度学习算法 | 脑电图数据 | 共涉及三个数据集,样本量分别为3279、336和1008 |
152 | 2024-10-16 |
Prediction of Epidermal Growth Factor Receptor Mutation Subtypes in Non-Small Cell Lung Cancer From Hematoxylin and Eosin-Stained Slides Using Deep Learning
2024-08, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102094
PMID:38871058
|
研究论文 | 开发了一种基于深度学习的框架,用于从苏木精和伊红染色的非小细胞肺癌组织切片中预测表皮生长因子受体(EGFR)突变亚型 | 利用深度学习技术从常规病理切片中预测EGFR突变亚型,无需分子检测 | 需要进一步的外部验证和临床应用评估 | 开发一种自动化、非侵入性、快速、成本效益高的方法来预测非小细胞肺癌患者的EGFR突变状态 | 非小细胞肺癌患者的EGFR突变亚型 | 数字病理学 | 肺癌 | 深度学习 | 卷积神经网络(CNN)和视觉变换器(Vision Transformer) | 图像 | 训练集和验证集分别来自中国科学技术大学(n=172)、安徽医科大学第二附属医院和皖南医学院第一附属医院(n=193),以及癌症基因组图谱数据集(n=81) |
153 | 2024-10-15 |
Leaf rolling detection in maize under complex environments using an improved deep learning method
2024-Aug-23, Plant molecular biology
IF:3.9Q1
DOI:10.1007/s11103-024-01491-4
PMID:39179745
|
研究论文 | 本文提出了一种改进的深度学习方法,用于在复杂环境中检测玉米叶卷曲现象 | 本文引入了卷积块注意力模块和可变形卷积网络v2,以增强特征提取能力和对目标形状和尺度变化的适应性 | NA | 深入理解叶卷曲现象,提高作物对环境压力的耐受性 | 玉米叶卷曲现象 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 包含严重遮挡、叶片尺度和形状变化以及复杂背景场景的数据集 |
154 | 2024-10-13 |
Machine learning, deep learning and hernia surgery. Are we pushing the limits of abdominal core health? A qualitative systematic review
2024-08, Hernia : the journal of hernias and abdominal wall surgery
IF:2.6Q1
DOI:10.1007/s10029-024-03069-x
PMID:38761300
|
综述 | 本文系统综述了机器学习和深度学习在疝气手术中的应用 | 展示了机器学习在预测手术结果和识别术后并发症相关因素方面的潜力 | 研究数量有限,且研究对象和使用的模型类型各异 | 评估机器学习和人工智能在疝气手术中的应用 | 疝气手术中的机器学习和深度学习应用 | 机器学习 | NA | 机器学习, 深度学习 | 深度学习模型 (DLM) | 视频, 图像 | 共包含13篇研究文章,涉及腹股沟疝、腹壁疝或切口疝 |
155 | 2024-10-12 |
Computational design of myoglobin-based carbene transferases for monoterpene derivatization
2024-08-30, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2024.150160
PMID:38795453
|
研究论文 | 本研究利用计算机辅助蛋白质工程设计基于肌红蛋白的卡宾转移酶,用于单萜衍生物的合成 | 本研究通过计算机辅助设计和深度学习方法,扩展了血红蛋白催化反应的底物范围,为生物活性分子的合成提供了新的途径 | NA | 扩展血红蛋白催化卡宾转移反应的底物范围,探索其在天然产物功能化中的应用 | 基于肌红蛋白的卡宾转移酶及其在单萜衍生物合成中的应用 | 生物化学 | NA | 计算机辅助蛋白质工程 | LigandMPNN | 蛋白质结构 | 七种目标产物 |
156 | 2024-10-12 |
Contextual AI models for single-cell protein biology
2024-Aug, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02341-3
PMID:39039335
|
研究论文 | 介绍了一种名为PINNACLE的几何深度学习方法,用于生成上下文感知的蛋白质表示,以解决蛋白质相互作用建模的挑战 | 引入了PINNACLE,一种几何深度学习方法,能够生成上下文感知的蛋白质表示,并展示了其在多种下游任务中的优越性能 | 未提及具体限制 | 开发一种能够理解蛋白质功能和相互作用的新算法,以支持分子疗法的开发 | 蛋白质及其在不同细胞类型和组织中的相互作用 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 蛋白质相互作用网络 | 394,760个蛋白质表示,来自24种组织的156种细胞类型上下文 |
157 | 2024-10-11 |
NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation
2024-Aug-27, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2024.2394510
PMID:39189206
|
研究论文 | 本文提出了一种基于自然语言处理(NLP)的工效学评估方法,用于分析工作场所中肌肉骨骼疾病(MSD)的风险根源并推荐控制措施 | 本文的创新点在于结合深度学习NLP技术和专家系统,自动分析工作中的物理动作及其对象,识别MSD风险的根源并推荐控制策略 | NA | 研究目的是开发一种自动化的工效学评估流程,用于预测和预防工作场所中的肌肉骨骼疾病 | 研究对象是工作场所中的物理风险因素及其导致的肌肉骨骼疾病 | 自然语言处理 | NA | 自然语言处理(NLP) | 深度学习 | 文本 | NA |
158 | 2024-10-11 |
A deep learning-based theoretical protocol to identify potentially isoform-selective PI3Kα inhibitors
2024-Aug, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-023-10799-0
PMID:38305819
|
研究论文 | 本文设计了一种基于深度学习的理论协议,用于识别潜在的PI3Kα同工型选择性抑制剂 | 本文创新性地将机器学习与计算机药物设计策略相结合,开发了一种深度学习分类模型,用于筛选潜在的PI3Kα抑制剂 | 本文主要依赖于计算模型和分子对接技术,尚未进行实验验证 | 开发一种新的计算方法,用于识别具有同工型选择性的PI3Kα抑制剂 | PI3Kα抑制剂及其在癌症治疗中的应用 | 机器学习 | NA | 深度学习分类模型、分子对接 | 深度学习分类模型 | 物理化学描述符数据 | 662种化合物,最终筛选出12种潜在抑制剂 |
159 | 2024-10-09 |
AlphaFold predictions of fold-switched conformations are driven by structure memorization
2024-Aug-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51801-z
PMID:39181864
|
研究论文 | 本文探讨了AlphaFold在预测折叠切换蛋白质结构方面的能力,发现其成功部分源于对训练集结构的记忆而非学习到的蛋白质能量学 | 首次系统评估了AlphaFold在预测折叠切换蛋白质结构方面的局限性,并揭示了其成功预测的部分原因 | AlphaFold在预测折叠切换蛋白质结构时表现不佳,部分成功源于对训练集结构的记忆而非学习到的蛋白质能量学 | 评估AlphaFold在预测折叠切换蛋白质结构方面的预测能力及其局限性 | 折叠切换蛋白质的结构预测 | 机器学习 | NA | 深度学习 | AlphaFold | 蛋白质结构 | 超过280,000个模型,包括AlphaFold2和AlphaFold3的多个实现 |
160 | 2024-10-09 |
Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling
2024-Aug-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01207-4
PMID:39152209
|
研究论文 | 本文提出了一种基于Transformer的长程医学影像序列建模方法,用于眼科疾病的预后分析 | 本文首次将Transformer模型应用于长程医学影像序列,实现了动态疾病预后分析 | 本文仅在AMD和POAG两种眼科疾病上进行了验证,未来需在更多疾病类型上进行验证 | 开发一种能够从长程医学影像中动态预测疾病预后的方法 | 年龄相关性黄斑变性(AMD)和原发性开角型青光眼(POAG) | 计算机视觉 | 眼科疾病 | Transformer模型 | Transformer | 图像 | 使用来自AREDS和OHTS研究的长程影像数据,具体样本数量未明确说明 |