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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
601 | 2024-10-24 |
Knee Osteoarthritis SCAENet: Adaptive Knee Osteoarthritis Severity Assessment Using Spatial Separable Convolution with Attention-Based Ensemble Networks with Hybrid Optimization Strategy
2024-Oct-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01306-4
PMID:39438366
|
研究论文 | 提出了一种基于深度学习的膝关节骨性关节炎严重程度评估模型SCAENet,通过空间可分离卷积和基于注意力的集成网络进行特征提取和预测 | 引入了空间可分离卷积和基于注意力的集成网络SCAENet,并采用混合优化策略HESM-BESO进行特征池生成,提高了评估的准确性和效率 | 未提及具体的局限性 | 开发一种能够准确评估膝关节骨性关节炎严重程度的深度学习模型 | 膝关节骨性关节炎的严重程度 | 计算机视觉 | 骨关节炎 | 深度学习 | SCAENet | 图像 | 未提及具体样本数量 |
602 | 2024-10-24 |
Correction: Checklist for Reproducibility of Deep Learning in Medical Imaging
2024-Oct-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01295-4
PMID:39438367
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
603 | 2024-10-24 |
Cross-institutional evaluation of deep learning and radiomics models in predicting microvascular invasion in hepatocellular carcinoma: validity, robustness, and ultrasound modality efficacy comparison
2024-Oct-22, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00790-9
PMID:39438929
|
研究论文 | 本文比较了深度学习和放射组学模型在预测肝细胞癌微血管侵犯中的跨机构有效性、鲁棒性和超声模式效果 | 本文首次在跨机构背景下比较了深度学习和放射组学模型在预测肝细胞癌微血管侵犯中的表现,并探讨了模型的鲁棒性和泛化能力 | 本文的局限性在于仅使用了两个中心的数据,且未探讨其他可能影响模型性能的因素 | 研究目的是比较深度学习和放射组学模型在预测肝细胞癌微血管侵犯中的跨机构有效性和鲁棒性 | 研究对象为576例肝细胞癌患者的2304张术前超声图像 | 计算机视觉 | 肝癌 | 深度学习 | 深度学习模型和放射组学模型 | 图像 | 2304张术前超声图像,涉及576例肝细胞癌患者 |
604 | 2024-10-24 |
Intelligent Bionic Polarization Orientation Method Using Biological Neuron Model for Harsh Conditions
2024-Oct-21, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3484183
PMID:39437271
|
研究论文 | 本文提出了一种智能仿生偏振定向方法,通过生物神经元模型提高恶劣环境下偏振罗盘的准确性 | 本文创新性地构建了仿生偏振增强传感模型,模拟了在暗光或弱光环境下高效的视觉神经通路,并优化了自适应反对称环算法以提高偏振定向的准确性 | NA | 提高恶劣环境下偏振罗盘的定向准确性 | 恶劣天气或遮挡物导致的弱偏振模式 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | NA |
605 | 2024-10-24 |
MRGCDDI: Multi-Relation Graph Contrastive Learning without Data Augmentation for Drug-Drug Interaction Events Prediction
2024-Oct-21, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3483812
PMID:39437275
|
研究论文 | 本文提出了一种无需数据增强的多关系图对比学习方法MRGCDDI,用于预测药物-药物相互作用事件 | MRGCDDI方法通过对比学习保持图数据的语义,无需数据增强,避免了额外噪声,并有效整合了药物分子图和多关系药物-药物相互作用网络的信息 | NA | 提高药物-药物相互作用事件预测的准确性 | 药物分子图和多关系药物-药物相互作用网络 | 机器学习 | NA | 图神经网络 (GNN) | 对比学习 | 图数据 | NA |
606 | 2024-10-24 |
For the busy clinical-imaging professional in an AI world: Gaining intuition about deep learning without math
2024-Oct-21, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2024.101762
PMID:39437625
|
研究论文 | 本文旨在帮助临床影像专业人员在没有数学背景的情况下理解深度学习 | 开发了可实现的演示和模拟练习,使用乳腺癌等医学类比来帮助理解深度学习 | 主要关注诊断领域的深度学习,未涵盖其他应用领域 | 帮助临床专业人员更好地理解和应用深度学习于医学诊断 | 临床影像专业人员对深度学习的理解和应用 | 计算机视觉 | 乳腺癌 | 深度学习算法 | 深度学习 | 图像 | NA |
607 | 2024-10-24 |
Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome
2024-Oct-21, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.004
PMID:39438175
|
研究论文 | 研究基于多参数MRI的深度学习模型在直肠癌患者术前预测肿瘤沉积和预后结果中的应用 | 开发了一种结合多参数MRI深度放射组学特征和临床特征的诺模图,显著提高了预测性能 | 研究样本仅来自两个中心,可能存在一定的地域偏差 | 探讨基于多参数MRI的深度学习模型在直肠癌患者术前预测肿瘤沉积和预后结果中的预测价值 | 直肠癌患者 | 计算机视觉 | 直肠癌 | 多参数MRI | ResNet-101 | 图像 | 529名直肠癌患者 |
608 | 2024-10-24 |
Application of 3D neural networks and explainable AI to classify ICDAS detection system on mandibular molars
2024-Oct-21, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2024.09.014
PMID:39438189
|
研究论文 | 研究探讨了不同操作者在ICDAS分类下对下颌第一磨牙进行修复性窝洞制备的差异,以及这些差异对深度学习模型预测窝洞分类能力的影响 | 首次探讨了操作者在ICDAS分类下制备窝洞的差异对深度学习模型分类能力的影响 | 研究样本量较小,仅涉及56个模拟下颌第一磨牙的窝洞制备 | 研究不同操作者在ICDAS分类下制备窝洞的差异及其对深度学习模型预测窝洞分类能力的影响 | 下颌第一磨牙的修复性窝洞制备 | 计算机视觉 | NA | 3D扫描和计算机辅助设计处理 | 3D卷积神经网络(CNN) | 3D模型 | 56个模拟下颌第一磨牙的窝洞制备 |
609 | 2024-10-24 |
Privacy enhancing and generalizable deep learning with synthetic data for mediastinal neoplasm diagnosis
2024-Oct-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01290-7
PMID:39427092
|
研究论文 | 提出了一种名为DiffGuard的新技术,用于生成逼真的合成医学图像,以替代真实数据进行深度学习模型训练,从而提高隐私安全性 | DiffGuard技术能够生成专家难以区分的合成医学图像,用于替代真实数据进行深度学习模型训练,从而切断数据与模型的直接联系,增强隐私安全性 | NA | 提高深度学习模型在医学数据处理中的隐私安全性和泛化能力 | 纵隔肿瘤的分割和分类 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图像 | NA |
610 | 2024-10-24 |
Enhancing cotton whitefly (Bemisia tabaci) detection and counting with a cost-effective deep learning approach on the Raspberry Pi
2024-Oct-20, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01286-0
PMID:39427195
|
研究论文 | 研究开发了一种基于深度学习的成本效益高的方法,用于在Raspberry Pi上检测和计数棉粉虱 | 本研究通过改进YOLO v8s模型,引入Swin-Transformer和P2结构,提高了棉粉虱检测的精度和效率 | 研究主要集中在实验室环境下的检测,未来需要在实际田间环境中验证其有效性 | 开发一种高效、高吞吐量的自动化系统,用于棉粉虱的检测和计数 | 棉粉虱(Bemisia tabaci)及其在棉花叶上的分布 | 计算机视觉 | NA | 深度学习 | YOLO v8s | 图像 | 1200张标注的棉粉虱图像 |
611 | 2024-10-24 |
Early detection of dementia through retinal imaging and trustworthy AI
2024-Oct-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01292-5
PMID:39428420
|
研究论文 | 提出了一种基于视网膜成像和可信AI的阿尔茨海默病早期检测方法 | 开发了一种名为Eye-AD的深度学习框架,利用OCTA图像检测早期阿尔茨海默病和轻度认知障碍 | NA | 开发一种简单且经济实惠的阿尔茨海默病检测方法 | 早期阿尔茨海默病和轻度认知障碍 | 计算机视觉 | 阿尔茨海默病 | OCTA | 深度学习 | 图像 | 5751张OCTA图像,来自1671名参与者 |
612 | 2024-10-24 |
Enhanced climate change resilience on wheat anther morphology using optimized deep learning techniques
2024-10-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74875-7
PMID:39424825
|
研究论文 | 研究利用优化深度学习技术增强小麦花药形态对气候变化的适应性 | 采用DinoLite显微镜高分辨率图像测量小麦花药的长度和宽度,并利用深度学习算法(如CNN、LeNet和Inception-V3)进行记录分类,显著提高了分类准确性 | 研究主要集中在小麦花药形态的测量和分类,未涉及其他作物或更广泛的气候变化影响 | 探索深度学习算法在农业记录分类中的应用,特别是监测和识别春小麦种质变异 | 小麦花药的形态及其在热应激下的变化 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN)、LeNet、Inception-V3 | 图像 | 多种小麦品种的花药 |
613 | 2024-10-24 |
GrapheNet: a deep learning framework for predicting the physical and electronic properties of nanographenes using images
2024-Oct-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75841-z
PMID:39426999
|
研究论文 | 本文介绍了一种基于Inception-Resnet架构的深度学习框架GrapheNet,用于通过图像编码预测纳米石墨烯的物理和电子性质 | 利用二维系统的平面性将结构编码为图像,并结合深度学习在图像处理中的灵活性和强大功能,显著提高了纳米石墨烯性质预测的准确性 | NA | 开发一种高效的方法来预测纳米石墨烯的物理和电子性质 | 纳米石墨烯的物理和电子性质 | 机器学习 | NA | 深度学习 | Inception-Resnet | 图像 | 包含数百个原子的结构数据集 |
614 | 2024-10-24 |
EIDU-Net: edge-preserved inception DenseGCN U-Net for LiDAR point cloud segmentation
2024-Oct-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74690-0
PMID:39427020
|
研究论文 | 提出了一种名为EIDU-Net的边缘保留inception DenseGCN U-Net模型,用于LiDAR点云分割 | 设计了边缘保留图池化(EGP)层和边缘保留图反池化(EGU)层,以保留原始点云中的边缘特征信息,从而提高特征提取和恢复效率 | 未提及 | 解决现有方法在点云分割中丢失局部结构信息和细节特征的问题 | LiDAR点云数据 | 计算机视觉 | NA | 深度学习 | EIDU-Net | 点云 | 使用S3DIS数据集和兵马俑碎片数据集进行实验 |
615 | 2024-10-24 |
Deep learning based automatic detection and dipole estimation of epileptic discharges in MEG: a multi-center study
2024-10-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75370-9
PMID:39427024
|
研究论文 | 本文研究了基于深度学习的MEG中癫痫放电的自动检测和偶极子估计,通过多中心研究提高了检测性能 | 开发了基于深度学习的癫痫放电自动检测方法,并通过多中心研究显著提高了检测性能 | 仅在六个MEG中心进行了研究,可能需要进一步验证在其他中心的适用性 | 通过多中心研究提高基于深度学习的癫痫放电自动检测方法的性能,减少神经生理学家的工作负担 | MEG中的癫痫放电及其偶极子估计 | 机器学习 | 癫痫 | 深度学习 | NA | MEG数据 | 六个MEG中心的MEG数据,其中四个中心用于训练和评估,两个中心仅用于评估 |
616 | 2024-10-24 |
Phenotypic evaluation of deep learning models for classifying germline variant pathogenicity
2024-Oct-19, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00710-x
PMID:39427061
|
研究论文 | 本文评估了深度学习模型在分类种系变异致病性方面的表型应用 | 首次在真实临床表型数据上全面评估了深度学习模型的变异致病性预测能力 | 深度学习模型在应用于意义未明的变异时临床实用性有限 | 评估深度学习模型在预测种系变异致病性方面的表现 | 英国生物银行参与者的遗传性乳腺癌基因变异 | 机器学习 | 乳腺癌 | 深度学习 | 深度学习模型 | 基因变异数据 | 英国生物银行参与者 |
617 | 2024-10-24 |
Physics informed neural network can retrieve rate and state friction parameters from acoustic monitoring of laboratory stick-slip experiments
2024-Oct-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75826-y
PMID:39427066
|
研究论文 | 本文利用物理信息神经网络(PINN)从实验室粘滑实验的声学监测中提取速率和状态摩擦参数 | 本文创新性地使用物理信息神经网络(PINN)结合速率和状态摩擦(RSF)定律和声发射率生成方程,通过波幅作为摩擦状态变量的代理,从粘滑实验中学习RSF参数 | NA | 研究如何从实验室粘滑实验的声学监测数据中提取速率和状态摩擦参数 | 实验室粘滑实验中的声学监测数据 | 机器学习 | NA | 物理信息神经网络(PINN) | 物理信息神经网络(PINN) | 声学信号 | 不同应力水平下的实验室粘滑实验数据 |
618 | 2024-10-24 |
Leveraging the variational Bayes autoencoder for survival analysis
2024-10-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76047-z
PMID:39427084
|
研究论文 | 本文介绍了一种基于变分自编码器的生存分析方法SAVAE | SAVAE引入了定制的证据下界公式,支持多种参数分布,并展示了在不同实验中的鲁棒性和稳定性 | NA | 改进生存分析中处理复杂、高维、异质、不完整和删失数据的方法 | 生存分析中的时间到事件估计,考虑删失、协变量交互和时间变化的风险关联 | 机器学习 | NA | 变分自编码器 | 变分自编码器 | 表格数据 | 涉及基因组、临床和人口统计学数据,具有不同程度的删失 |
619 | 2024-10-24 |
Impact of metadata in multimodal classification of bone tumours
2024-Oct-19, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-024-07934-9
PMID:39427131
|
研究论文 | 本文研究了元数据在骨肿瘤多模态分类中的影响 | 提出了一种结合临床元数据和X射线影像的多模态深度学习模型,以提高骨肿瘤分类的准确性 | 由于某些实体的罕见性、高类内变异性和临床实践中有限的训练数据,区分不同肿瘤类型仍然具有挑战性 | 提高骨肿瘤分类的准确性,以指导临床治疗和随访决策 | 骨肿瘤的分类 | 计算机视觉 | 骨肿瘤 | 深度学习 | 多模态深度学习模型 | 影像和临床元数据 | 1785张X射线影像,来自804名患者,时间跨度为2000至2020年 |
620 | 2024-10-24 |
Prediction of lumpy skin disease virus using customized CBAM-DenseNet-attention model
2024-Oct-19, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-024-10032-9
PMID:39427155
|
研究论文 | 本文提出了一种定制的CBAM-DenseNet-attention模型用于预测和分类牛结节性皮肤病病毒 | 本文的创新点在于引入了卷积块注意力模块(CBAM)和空间注意力(SA),并结合DenseNet架构,显著提高了牛结节性皮肤病病毒的预测和分类准确率 | 本文的局限性在于使用的数据集主要来自巴基斯坦的兽医农场,可能缺乏全球代表性,且数据集规模较小,可能导致模型过拟合 | 本文的研究目的是开发一种高效准确的深度学习模型,用于牛结节性皮肤病病毒的检测和分类 | 本文的研究对象是牛结节性皮肤病病毒(LSDV)及其在牛群中的传播和检测 | 计算机视觉 | NA | 深度学习 | DenseNet | 图像 | 数千张来自巴基斯坦兽医农场的图像 |