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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
281 | 2024-11-04 |
[Small-scale cross-layer fusion network for classification of diabetic retinopathy]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202403016
PMID:39462652
|
研究论文 | 本文提出了一种改进的残差网络模型,用于对糖尿病视网膜病变进行五级分类 | 通过在残差网络的第一层使用三个较小的卷积替代单个卷积以减少计算负荷,引入混合注意力机制以关注病变的关键特征,并使用跨层融合卷积替代传统残差结构以更好地提取病变形态特征 | NA | 提高糖尿病视网膜病变的分类准确性和辅助诊断效率 | 糖尿病视网膜病变的五级分类 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 残差网络 | 图像 | APTOS2019数据集 |
282 | 2024-11-04 |
[Construction of a prediction model for induction of labor based on a small sample of clinical indicator data]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202403033
PMID:39462670
|
研究论文 | 本研究旨在基于小样本临床指标数据构建引产结果预测模型 | 使用最大信息系数(MIC)进行特征选择,并比较了基于小样本的支持向量机(SVM)模型与基于大样本的全连接神经网络(FCNN)模型在引产结果预测中的表现 | 研究样本量较小,仅包含90名孕妇的数据 | 分析与引产相关的临床指标,并开发和评估基于小样本数据的预测模型 | 引产结果的预测 | 机器学习 | NA | 支持向量机(SVM),最大信息系数(MIC) | 支持向量机(SVM),全连接神经网络(FCNN) | 临床指标数据 | 90名孕妇 |
283 | 2024-11-04 |
[Research progress of breast pathology image diagnosis based on deep learning]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202311061
PMID:39462677
|
研究论文 | 本文综述了基于深度学习的乳腺病理图像诊断的研究进展 | 深度学习技术在乳腺病理图像分类任务中优于传统检测方法 | 讨论了深度学习在乳腺癌症病理图像诊断中的挑战和未来展望 | 综述深度学习在乳腺病理图像诊断中的应用进展 | 乳腺病理图像的多尺度特征提取、细胞特征分析和分类 | 数字病理 | 乳腺癌 | 深度学习 | NA | 图像 | NA |
284 | 2024-11-04 |
[Research progress on electronic health records multimodal data fusion based on deep learning]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202310011
PMID:39462676
|
综述 | 本文介绍了基于深度学习的电子健康记录多模态数据融合的方法和发展趋势 | 本文总结了不同医疗模态数据融合的深度学习方法,并讨论了多模态医疗数据融合的难点和发展方向 | NA | 探讨基于深度学习的电子健康记录多模态数据融合方法及其在临床应用中的潜力 | 电子健康记录中的结构化数据、图像和文本等多模态数据 | 机器学习 | NA | 深度学习 | NA | 多模态数据 | NA |
285 | 2024-11-04 |
[Advances in the diagnosis of prostate cancer based on image fusion]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202403054
PMID:39462678
|
综述 | 本文综述了近年来国内外关于医学图像融合的相关文献,分类介绍了图像融合技术,并分析比较了传统融合算法和深度学习融合算法的原理和工作流程 | 本文总结了图像融合算法的优缺点,并展望了医学图像融合算法的未来发展趋势 | NA | 全面研究医学图像融合方法 | 前列腺癌的诊断 | 数字病理学 | 前列腺癌 | 图像融合 | 深度学习 | 图像 | NA |
286 | 2024-11-04 |
[A review on depth perception techniques in organoid images]
2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202404036
PMID:39462675
|
综述 | 本文综述了器官芯片图像深度感知技术,介绍了器官芯片培养机制及其在深度感知中的应用概念,并回顾了四种深度感知算法的关键进展 | 本文总结了多种器官图像的深度感知技术,并展望了基于深度学习方法的器官芯片的未来发展趋势 | NA | 促进深度感知技术在器官芯片图像中的应用 | 器官芯片图像的深度感知技术 | 计算机视觉 | NA | 深度学习算法 | 深度模型 | 图像 | NA |
287 | 2024-11-04 |
Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2
2024-Oct-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618559
PMID:39463944
|
研究论文 | 本研究利用AlphaFold2探索电压门控钠通道的多种构象及其蛋白质相互作用 | 本研究通过AlphaFold2模型探索了电压门控钠通道的多种构象,包括实验结构中未发现的新状态和潜在的中间状态,并准确模拟了钠通道α亚基与辅助β亚基和钙调蛋白的相互作用 | 本研究主要集中在利用AlphaFold2进行构象采样和蛋白质相互作用建模,未涉及实验验证 | 探索电压门控钠通道的构象多样性和蛋白质相互作用,以期为药物发现提供新的见解 | 电压门控钠通道及其α亚基、辅助β亚基和钙调蛋白的相互作用 | 结构生物学 | NA | AlphaFold2 | 深度学习模型 | 蛋白质序列 | NA |
288 | 2024-11-04 |
Evaluating Medical Entity Recognition in Health Care: Entity Model Quantitative Study
2024-Oct-17, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/59782
PMID:39419501
|
研究论文 | 本文评估了在医疗文本分析中各种命名实体识别(NER)模型的性能,特别关注复杂医学术语对实体识别准确性的影响 | 本文创新性地探讨了宏观因素对模型性能的影响,并提出了通过精确数据定位和微调来优化模型的方法 | 本文主要集中在模型性能的评估,未深入探讨实际应用中的部署和维护问题 | 旨在细致评估不同NER模型在医疗文本分析中的性能,并探讨宏观因素对模型性能的影响 | 评估了7种NER模型在3个医疗数据集上的预测准确性、资源使用情况及超参数微调的影响 | 自然语言处理 | NA | 双向编码器表示从变换器(BERT) | BERT | 文本 | 3个医疗数据集:Revised Joint Workshop on Natural Language Processing in Biomedicine and its Applications (JNLPBA), BioCreative V CDR, 和 Anatomical Entity Mention (AnatEM) |
289 | 2024-11-04 |
Radiomics and Clinical Data for the Diagnosis of Incidental Pulmonary Nodules and Lung Cancer Screening: Radiolung Integrative Predictive Model
2024-Oct, Archivos de bronconeumologia
IF:8.7Q1
DOI:10.1016/j.arbres.2024.05.027
PMID:38876917
|
研究论文 | 研究评估了将临床数据与基于深度学习的放射组学模型结合用于预测肺结节恶性程度的效果 | 首次将临床数据与深度学习放射组学模型结合,提高了肺结节恶性程度的预测性能 | 研究样本量较小,可能影响结果的普适性 | 提高肺结节和肺癌的早期诊断准确性 | 肺结节和肺癌的恶性程度预测 | 计算机视觉 | 肺癌 | 深度学习 | 卷积神经网络 | 图像 | 97个肺结节,来自93名患者 |
290 | 2024-11-04 |
scCaT: An explainable capsulating architecture for sepsis diagnosis transferring from single-cell RNA sequencing
2024-Oct, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012083
PMID:39432561
|
研究论文 | 本文介绍了一种名为scCaT的深度学习框架,用于脓毒症诊断,结合了胶囊架构和Transformer模型,利用单细胞RNA测序数据进行模型训练,并将其迁移到批量RNA数据上 | scCaT框架通过胶囊架构将基因按生物功能分组,提供了基因表达编码的可解释性,并利用Transformer作为解码器进行脓毒症患者和对照组的分类 | NA | 开发一种可解释的深度学习模型,用于脓毒症诊断,并将其从单细胞RNA测序数据迁移到批量RNA数据 | 脓毒症患者和对照组的分类 | 机器学习 | 脓毒症 | 单细胞RNA测序 | 胶囊架构和Transformer | RNA测序数据 | 单细胞测试集和七个批量RNA队列 |
291 | 2024-11-02 |
Deep learning models for hepatitis E incidence prediction leveraging Baidu index
2024-Oct-31, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-024-20532-7
PMID:39478514
|
研究论文 | 本文利用百度指数预测戊型肝炎的发病率,并评估了不同LSTM架构的预测性能 | 本文首次将百度指数与LSTM模型结合,用于戊型肝炎发病率的预测,并引入了KAN技术以增强LSTM模型的非线性学习能力 | 实验结果显示百度指数与戊型肝炎发病率之间的相关性较弱,且预测精度提升有限 | 研究如何利用互联网搜索数据提高传染病发病率的预测准确性 | 戊型肝炎的发病率和百度指数 | 机器学习 | 肝炎 | LSTM | LSTM | 文本 | 从2009年1月至2022年12月,山东省的戊型肝炎发病率和百度指数数据 |
292 | 2024-11-02 |
Deep Power-aware Tunable Weighting for Ultrasound Microvascular Imaging
2024-Oct-31, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3488729
PMID:39480714
|
研究论文 | 本文提出了一种深度功率感知可调权重(DPT)方法,用于超声微血管成像(UMI)中的延迟叠加(DAS)波束形成,以提高图像质量 | 本文的创新点在于提出了一种结合卷积和Transformer的混合结构模型Yformer,能够估计噪声和信号功率,并通过可调噪声控制因子计算像素级权重,从而提高UMI图像质量 | NA | 本文的研究目的是通过深度学习方法提高超声微血管成像的图像质量和适用性 | 本文的研究对象是超声微血管成像中的噪声抑制和图像质量提升 | 计算机视觉 | NA | 深度学习 | 卷积神经网络(CNN)和Transformer的混合结构 | 图像 | 本文使用了四种不同的UMI数据集进行实验,包括公开的模拟数据集、公开的鼠脑数据集、私有的鼠脑数据集和私有的鼠肝数据集 |
293 | 2024-11-02 |
A Multi-model Deep Learning Architecture for Diagnosing Multi-class Skin Diseases
2024-Oct-31, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01300-w
PMID:39482493
|
研究论文 | 本文介绍了一种用于多类皮肤疾病诊断的多模型深度学习架构 | 该研究引入了一种新颖的深度学习多模型架构,通过转移学习提高了诊断精度,并在多个皮肤疾病类别上表现出色 | NA | 开发一种高精度的皮肤疾病诊断工具 | 皮肤疾病,包括特应性皮炎、痤疮和酒渣鼻、皮肤癌、大疱和其他类别 | 计算机视觉 | 皮肤疾病 | 深度学习 | Xception模型 | 图像 | 25,010张图像 |
294 | 2024-11-02 |
Applying Deep-Learning Algorithm Interpreting Kidney, Ureter, and Bladder (KUB) X-Rays to Detect Colon Cancer
2024-Oct-31, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01309-1
PMID:39482492
|
研究论文 | 本研究开发了一种深度学习模型,利用肾脏、输尿管和膀胱(KUB)X光片检测结直肠癌 | 本研究首次将深度学习算法应用于KUB X光片,以检测结直肠癌,提供了一种成本效益高的替代传统筛查方法 | 本研究为回顾性研究,需要进一步的前瞻性研究来验证结果并完全整合该技术到临床实践中 | 开发一种深度学习模型,利用KUB X光片检测结直肠癌,以提高筛查覆盖率和有效性 | KUB X光片和结直肠癌患者 | 计算机视觉 | 结直肠癌 | 深度学习 | DenseNet卷积网络 | 图像 | 开发集28,055例,调优集11,234例,内部验证集16,875例,外部验证集15,876例 |
295 | 2024-11-02 |
Automatic plant phenotyping analysis of Melon (Cucumis melo L.) germplasm resources using deep learning methods and computer vision
2024-Oct-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01293-1
PMID:39472934
|
研究论文 | 本文利用深度学习和计算机视觉技术对甜瓜种质资源进行自动表型分析 | 本文构建了一个深度学习算法框架,结合多种模型(DANet、RTMDet、RTMPose、MobileSAM),实现了甜瓜果实和果梗的高效准确分割,并设计了一系列特征提取算法,成功获取了11个甜瓜表型特征 | NA | 加速甜瓜育种过程,提高其市场竞争力 | 甜瓜种质资源的外观表型分析 | 计算机视觉 | NA | 深度学习 | DANet、RTMDet、RTMPose、MobileSAM | 图像 | 117个甜瓜品种,来自两个年度 |
296 | 2024-11-02 |
Deep learning-based segmentation of kidneys and renal cysts on T2-weighted MRI from patients with autosomal dominant polycystic kidney disease
2024-Oct-30, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00520-7
PMID:39477840
|
研究论文 | 本文开发并测试了一种基于深度学习的算法,用于自动分割常染色体显性多囊肾病患者的肾脏和肾囊肿 | 本文首次使用深度学习算法自动分割肾脏和肾囊肿,并展示了其在评估总肾体积和囊肿指数方面的潜力 | 算法在处理非常大的肾体积和囊肿时存在低估问题,这可能是由于训练数据集中此类样本不足 | 开发和测试一种自动分割肾脏和肾囊肿的深度学习算法,以评估其在常染色体显性多囊肾病患者中的应用 | 常染色体显性多囊肾病患者的肾脏和肾囊肿 | 计算机视觉 | 肾病 | 深度学习 | NA | 图像 | 164名常染色体显性多囊肾病患者 |
297 | 2024-11-02 |
Automated detection and de novo structure modeling of nucleic acids from cryo-EM maps
2024-Oct-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53721-4
PMID:39477926
|
研究论文 | 提出了一种基于深度学习的方法EM2NA,用于从低温电子显微镜(cryo-EM)图中自动检测和从头建模核酸结构 | EM2NA在核酸结构建模方面表现优异,尤其是在蛋白质-DNA/RNA或多链DNA/RNA复合物的结构建模中,其性能超过了现有方法 | NA | 开发一种能够从cryo-EM图中准确建模DNA/RNA结构的方法 | DNA/RNA结构 | 计算机视觉 | NA | cryo-EM | 深度学习 | 图像 | 50个实验图谱,分辨率为2.0-5.0 Å,以及来自EMDB的263个未建模的原始图谱 |
298 | 2024-11-02 |
Ancient Yi Script Handwriting Sample Repository
2024-Oct-30, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03918-5
PMID:39477968
|
研究论文 | 本文收集了2922个常用古彝文字的手写单字样本,并完成了连续手写文本采样,测试了不同深度学习网络模型下的识别性能 | 提出了古彝文字的自动采样方法,并完成了手写样本的自动切割和标注 | NA | 研究古彝文字的手写识别和生成 | 古彝文字的手写样本 | 自然语言处理 | NA | 深度学习 | 深度学习网络模型 | 文本 | 2922个手写单字样本,427,939个有效字符,250人参与连续手写文本采样 |
299 | 2024-11-02 |
Image tampering detection based on RDS-YOLOv5 feature enhancement transformation
2024-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76388-9
PMID:39477969
|
研究论文 | 提出了一种基于RDS-YOLOv5特征增强变换的图像篡改检测方法 | 引入了多通道特征增强融合算法和改进的RDS-YOLOv5深度学习模型,并引入了非线性损失度量来优化模型训练过程 | NA | 提高图像篡改检测技术的泛化能力和实际性能 | 图像篡改检测 | 计算机视觉 | NA | 深度学习 | RDS-YOLOv5 | 图像 | 6187张包含拼接、移除和复制移动三种篡改形式的图像 |
300 | 2024-11-02 |
Sign language recognition using modified deep learning network and hybrid optimization: a hybrid optimizer (HO) based optimized CNNSa-LSTM approach
2024-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76174-7
PMID:39477993
|
研究论文 | 本文提出了一种基于混合优化器的优化CNNSa-LSTM网络,用于手语识别 | 本文提出了一种新的深度学习模型CNNSa-LSTM,结合了卷积神经网络、自注意力和长短期记忆网络,用于手语识别。此外,还提出了一种基于河马优化算法和路径查找算法的混合优化器 | NA | 改进聋人与公众之间的实时交流 | 手语识别模型 | 计算机视觉 | NA | 深度学习 | CNNSa-LSTM | 图像 | NA |