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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
241 | 2024-11-08 |
Morphological analysis of Pd/C nanoparticles using SEM imaging and advanced deep learning
2024-Oct-29, RSC advances
IF:3.9Q2
DOI:10.1039/d4ra06113f
PMID:39502866
|
研究论文 | 本文提出了一种利用扫描电子显微镜(SEM)图像和深度学习技术对钯碳(Pd/C)纳米颗粒进行形态分析的综合方法 | 本文创新性地使用了基于注意力机制的深度学习检测模型来准确识别和描绘未标记SEM图像中的小纳米颗粒,并采用图网络和基于密度的噪声应用空间聚类方法进行进一步分析 | NA | 研究目的是通过先进的深度学习技术对Pd/C纳米颗粒进行形态分析,以揭示其形态分布和结构组织 | 研究对象是钯碳(Pd/C)纳米颗粒 | 计算机视觉 | NA | 扫描电子显微镜(SEM) | 基于注意力机制的深度学习模型 | 图像 | 未明确提及具体样本数量 |
242 | 2024-11-08 |
Deep learning application in prediction of cancer molecular alterations based on pathological images: a bibliographic analysis via CiteSpace
2024-Oct-18, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05992-z
PMID:39422817
|
综述 | 本文通过CiteSpace工具对基于病理图像预测癌症分子改变的深度学习应用进行了文献计量和可视化分析 | 本文利用CiteSpace工具对相关文献进行了全面的分析,揭示了该领域的研究热点和趋势 | 本文主要依赖于文献计量分析,未涉及具体的实验或模型构建 | 总结分子病理图像识别领域的研究热点和趋势 | 基于病理图像预测癌症分子改变的深度学习应用 | 数字病理 | 结直肠癌 | 深度学习 | NA | 图像 | 110篇相关文章 |
243 | 2024-11-08 |
A Feasibility Study of Thermography for Detecting Pressure Injuries Across Diverse Skin Tones
2024-Oct-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.14.24315465
PMID:39484234
|
研究论文 | 研究使用热成像技术在不同肤色下检测压力性损伤的可行性 | 首次评估了热成像技术在检测不同肤色压力性损伤中的表现,并引入了新的数据集和冷却及拔罐协议 | 研究样本量较小,仅包括35名参与者 | 探索热成像技术在不同肤色下检测压力性损伤的可行性 | 压力性损伤在不同肤色下的检测 | 计算机视觉 | NA | 热成像技术 | 卷积神经网络 (CNN) | 图像 | 35名参与者,主要关注较深肤色 |
244 | 2024-11-08 |
RNA-Seq analysis for breast cancer detection: a study on paired tissue samples using hybrid optimization and deep learning techniques
2024-Oct-10, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05968-z
PMID:39390265
|
研究论文 | 本研究开发了一种先进的深度学习模型,用于使用RNA-Seq基因表达数据准确检测乳腺癌 | 引入了一种结合Harris Hawk优化和鲸鱼优化算法的混合基因选择方法,以提高特征选择和分类准确性 | NA | 开发一种能够准确检测乳腺癌的深度学习模型,并有效应对基因表达数据的高维度和复杂性挑战 | 乳腺癌患者的正常和癌变组织样本 | 机器学习 | 乳腺癌 | RNA-Seq | 深度学习 | 基因表达数据 | 66对正常和癌变组织样本,来自55名女性乳腺癌患者 |
245 | 2024-11-08 |
Novel deep learning radiomics nomogram-based multiparametric MRI for predicting the lymph node metastasis in rectal cancer: A dual-center study
2024-Oct-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05986-x
PMID:39379733
|
研究论文 | 本文开发并评估了一种结合临床参数和深度学习放射组学(DLR)的列线图,用于预测直肠癌术前淋巴结转移 | 本文创新性地将深度学习放射组学与临床参数结合,构建了一个新的列线图模型,显著提高了直肠癌淋巴结转移的预测准确性 | 本文的研究是回顾性的,且样本量相对较小,可能影响模型的泛化能力 | 开发和评估一种新的列线图模型,用于提高直肠癌术前淋巴结转移的预测准确性 | 直肠癌患者的术前淋巴结转移情况 | 机器学习 | 直肠癌 | 磁共振成像(MRI) | 逻辑回归分类器 | 图像 | 356名直肠癌患者,其中286名用于训练集,70名用于外部验证集 |
246 | 2024-11-08 |
Deep learning model using planar whole-body bone scintigraphy for diagnosis of skull base invasion in patients with nasopharyngeal carcinoma
2024-Oct-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05969-y
PMID:39379746
|
研究论文 | 本研究评估了基于平面全身骨显像的深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性 | 本研究开发了一种使用平面全身骨显像的深度学习模型,用于诊断鼻咽癌患者的颅底侵犯,其性能优于经验丰富的核医学医师 | 本研究仅在一个中心的数据上进行了模型开发和验证,未来需要在更多中心进行验证 | 评估深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性 | 鼻咽癌患者的颅底侵犯 | 计算机视觉 | 鼻咽癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 本研究涉及多个中心的数据,具体样本数量未在摘要中明确提及 |
247 | 2024-11-08 |
Survival prediction in diffuse large B-cell lymphoma patients: multimodal PET/CT deep features radiomic model utilizing automated machine learning
2024-Oct-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05905-0
PMID:39382750
|
研究论文 | 本文开发了一种基于多模态PET/CT深度特征放射组学签名的模型,用于预测弥漫性大B细胞淋巴瘤患者的生存率 | 利用多模态PET/CT图像和自动化机器学习构建深度特征放射组学签名,结合临床指标提高预测准确性 | NA | 开发一种有效的模型来预测弥漫性大B细胞淋巴瘤患者的生存率 | 弥漫性大B细胞淋巴瘤患者 | 计算机视觉 | 淋巴瘤 | 深度学习 | AutoML | 图像 | 369名弥漫性大B细胞淋巴瘤患者 |
248 | 2024-11-08 |
External validation of an artificial intelligence multi-label deep learning model capable of ankle fracture classification
2024-Oct-04, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-024-07884-2
PMID:39367349
|
研究论文 | 本文通过外部验证评估了一种用于踝关节骨折分类的人工智能多标签深度学习模型的性能 | 该研究展示了模型在外部验证数据集上的良好表现,并提出了通过有针对性的训练来纠正差异的方法 | 研究中使用的数据集存在显著差异,这可能影响模型的泛化能力 | 验证一种用于踝关节骨折分类的深度学习模型在外部数据集上的有效性,并探讨提高外部验证有效性的方法 | 踝关节骨折的分类 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 内部验证数据集包含409个研究,外部验证数据集包含399个研究 |
249 | 2024-11-08 |
Enhancing origin prediction: deep learning model for diagnosing premature ventricular contractions with dual-rhythm analysis focused on cardiac rotation
2024-Oct-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology
IF:7.9Q1
DOI:10.1093/europace/euae240
PMID:39271126
|
研究论文 | 本文研究了使用深度学习模型通过双节奏分析(包括窦性心律和室性早搏)来诊断室性早搏的起源,并比较了双节奏模型和仅使用室性早搏模型的效果 | 本文创新性地结合了窦性心律和室性早搏的形态特征,提出了一种基于深度学习的双节奏模型,显著提高了室性早搏起源的预测准确性 | 本文的研究主要集中在室性早搏的起源预测上,未涉及其他心律失常的诊断 | 研究如何通过深度学习模型提高室性早搏起源的预测准确性 | 室性早搏的起源预测 | 机器学习 | 心血管疾病 | 深度学习 | 卷积神经网络(CNN)和Transformer模型 | 心电图(ECG) | 593名患者,来自11个中心,其中493名来自日本和德国,100名来自比利时 |
250 | 2024-11-08 |
A flexible deep learning framework for liver tumor diagnosis using variable multi-phase contrast-enhanced CT scans
2024-Oct-03, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05977-y
PMID:39361193
|
研究论文 | 本研究开发了一种基于多相增强CT图像的自动诊断模型,用于区分肝细胞癌、肝内胆管癌和正常个体 | 设计了一种分层长短期记忆(H-LSTM)模型,能够处理不完整相位和不同数量的CT图像层,适用于实际决策支持场景 | NA | 开发一种自动诊断模型,用于区分肝细胞癌、肝内胆管癌和正常个体 | 肝细胞癌、肝内胆管癌和正常个体 | 计算机视觉 | 肝癌 | 多相增强CT扫描 | 分层长短期记忆(H-LSTM)模型 | 图像 | NA |
251 | 2024-11-08 |
Cachexia in preclinical rheumatoid arthritis: Longitudinal observational study of thigh magnetic resonance imaging from osteoarthritis initiative cohort
2024-Oct, Journal of cachexia, sarcopenia and muscle
DOI:10.1002/jcsm.13533
PMID:38923846
|
研究论文 | 研究了前临床类风湿性关节炎(Pre-RA)阶段与肌肉和脂肪组织变化的关系 | 首次探讨了Pre-RA阶段与肌肉萎缩和脂肪组织增加的关联 | 样本量相对较小,且仅基于OAI队列 | 探讨Pre-RA阶段是否存在与临床RA相似的肌肉萎缩和脂肪组织增加现象 | Pre-RA患者与匹配对照组的肌肉和脂肪组织变化 | 数字病理学 | 类风湿性关节炎 | 磁共振成像(MRI) | 深度学习算法 | 图像 | 322名参与者,包括102名Pre-RA患者和306名对照组 |
252 | 2024-11-08 |
A multicenter study on deep learning for glioblastoma auto-segmentation with prior knowledge in multimodal imaging
2024-Oct, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16304
PMID:39119927
|
研究论文 | 本文提出了一种基于深度学习的胶质母细胞瘤自动分割方法,利用多模态影像的先验知识,并在多中心数据集上进行了验证 | 提出了一种新的深度学习方法(PKMI-Net),利用多模态影像的先验知识进行胶质母细胞瘤的自动分割 | NA | 提高胶质母细胞瘤放射治疗中肿瘤分割的准确性和效率 | 胶质母细胞瘤(GBM)的肿瘤体积(GTV)和临床靶体积(CTV1和CTV2)的自动分割 | 计算机视觉 | 脑肿瘤 | 深度学习 | PKMI-Net | 影像 | 148名符合条件的患者,来自四个多中心数据集 |
253 | 2024-11-08 |
Detectability of Hypoattenuating Liver Lesions with Deep Learning CT Reconstruction: A Phantom and Patient Study
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232749
PMID:39377679
|
研究论文 | 研究深度学习CT重建(DLIR)与自适应统计迭代重建-V(ASIR-V)在低对比度肝病变检测中的效果 | DLIR在中等和高强度重建中显示出比ASIR-V更高的病变与背景对比噪声比 | 研究未发现DLIR与ASIR-V在低对比度病变检测能力上的显著差异 | 评估DLIR与ASIR-V在CT扫描中低对比度肝病变检测能力的差异 | 肝病变和低对比度分辨率体模 | 计算机视觉 | 肝病 | 深度学习图像重建(DLIR) | NA | 图像 | 50名患者和86个肝病变 |
254 | 2024-11-08 |
Prediction of Ischemic Stroke Functional Outcomes from Acute-Phase Noncontrast CT and Clinical Information
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240137
PMID:39404632
|
研究论文 | 本文研究了基于急性期缺血性卒中数据和临床信息,利用深度学习模型预测90天改良Rankin量表(mRS)评分 | 本文提出了一种融合非对比增强CT(NCCT)和临床信息的深度学习模型,用于预测90天mRS评分,相比单一影像或临床信息模型,其预测准确性更高 | 本文为回顾性研究,数据来自六个患者数据集,未来需要在前瞻性研究中验证模型的有效性 | 预测缺血性卒中患者的功能预后,为医疗资源规划、临床试验设计和患者预期管理提供依据 | 急性期缺血性卒中患者的非对比增强CT影像和临床信息 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 影像和临床数据 | 共1335名患者,中位年龄71岁,四分位数范围60-80岁,其中674名为女性 |
255 | 2024-11-08 |
Evaluating the Performance and Bias of Natural Language Processing Tools in Labeling Chest Radiograph Reports
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232746
PMID:39436298
|
研究论文 | 评估四种自然语言处理工具在标注胸部X光报告中的性能和偏差 | 首次系统评估了四种自然语言处理工具在不同人口统计群体中的准确性和偏差 | 研究主要集中在胸部X光报告,未涵盖其他类型的放射学报告 | 评估自然语言处理工具在标注胸部X光报告中的准确性和人口统计偏差 | 四种自然语言处理工具在两个胸部X光数据集上的性能 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 文本 | 692名患者(MIMIC数据集)和3665名患者(IU数据集) |
256 | 2024-11-07 |
Fractional gradient optimized explainable convolutional neural network for Alzheimer's disease diagnosis
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39037
PMID:39498007
|
研究论文 | 本文提出了一种基于分数阶梯度优化的可解释卷积神经网络,用于阿尔茨海默病的诊断 | 引入了一种未探索的池化技术和增强的特征提取机制,采用分数阶优化方法实现自适应学习和快速收敛,并提供了一种可解释的方法来证明模型的透明性 | 未提及 | 开发一种准确、高效且可解释的深度学习模型,用于阿尔茨海默病的诊断 | 阿尔茨海默病 | 计算机视觉 | 神经退行性疾病 | 卷积神经网络 | CNN | 图像 | 使用标准ADNI数据集 |
257 | 2024-11-07 |
Evaluation of asphalt anti-cracking performance of SBS polymer with SCB method and deep learning
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39613
PMID:39498054
|
研究论文 | 本研究提出了一种辅助方法,用于高速公路主要劣化问题之一的裂缝自动检测,并使用Attention SegNet架构的图像处理方法研究了热拌沥青的裂缝形成 | 本研究结合了SBS聚合物添加剂和深度学习技术,提出了一种新的方法来评估沥青的抗裂性能 | 本研究主要集中在低温和中温条件下的裂缝检测,未涵盖所有可能的温度范围 | 评估SBS聚合物在不同温度和添加剂比例下对沥青抗裂性能的影响,并利用深度学习技术进行裂缝检测 | 热拌沥青、SBS聚合物添加剂、不同温度和添加剂比例下的裂缝检测 | 计算机视觉 | NA | 图像处理 | Attention SegNet | 图像 | 使用2%、3%和4%比例的SBS改性50/70沥青制备的半圆形沥青试样 |
258 | 2024-11-07 |
A deep learning anthropomorphic model observer for a detection task in PET
2024-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17303
PMID:39008812
|
研究论文 | 研究了深度学习模型观察者在正电子发射断层扫描(PET)中检测任务中的应用,比较了不同模型在预测人类观察者表现方面的性能 | 首次在PET检测任务中研究了基于卷积神经网络(CNN)和Swin Transformer(SwinT)的深度学习模型观察者(DLMO),并展示了其在预测人类观察者方面的优越性 | 研究仅限于PET图像中的检测任务,未涉及其他成像模态或任务 | 探讨深度学习模型观察者是否能在PET图像检测任务中比传统模型观察者更准确地预测人类观察者的表现 | PET图像中的病变检测任务 | 计算机视觉 | NA | 正电子发射断层扫描(PET) | 卷积神经网络(CNN)和Swin Transformer(SwinT) | 图像 | 2268对病变存在和不存在图像用于训练,324对用于验证,324对用于测试 |
259 | 2024-11-07 |
Resolution of tonic concentrations of highly similar neurotransmitters using voltammetry and deep learning
2024-Oct, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-024-02537-1
PMID:38664492
|
研究论文 | 本文开发了一种深度学习网络DiscrimNet,用于解析高时空分辨率和低组织损伤条件下体内环境中结构相似神经递质的浓度 | DiscrimNet能够准确预测麻醉大鼠体内多巴胺、去甲肾上腺素和血清素的单次浓度,并能泛化到训练过程中未见过的电极数据 | NA | 开发一种能够在高时空分辨率和低组织损伤条件下解析体内环境中结构相似神经递质浓度的方法 | 多巴胺、去甲肾上腺素和血清素 | 机器学习 | NA | 伏安法 | 卷积自编码器 | 信号 | 麻醉大鼠 |
260 | 2024-11-07 |
Automated Posterior Scleral Topography Assessment for Enhanced Staphyloma Visualization and Quantification With Improved Maculopathy Correlation
2024-Oct-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.10.41
PMID:39476086
|
研究论文 | 本文提出了一种利用深度学习自动提取眼球表面点并构建后巩膜地形图的方法,以增强后巩膜突出症的可视化和量化,并改善与黄斑病变的相关性 | 本文创新性地使用深度学习技术自动提取眼球表面点,并构建后巩膜地形图,以准确可视化和量化后巩膜突出症的位置和严重程度 | 本文的研究样本量较小,未来需要扩展到更多成像模态以提高临床应用 | 本文旨在定量表征高度近视眼的后巩膜形态,特别是后巩膜突出症 | 本文的研究对象是高度近视眼的后巩膜形态 | 计算机视觉 | 眼科疾病 | 深度学习 | NA | 图像 | 102只眼,来自52名参与者 |