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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
541 | 2024-11-24 |
EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data
2024-Nov-22, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00667-2
PMID:39578307
|
研究论文 | 本文提出了一种名为EfficientNet-resDDSC的混合深度学习模型,用于推断单细胞数据中的基因因果关系 | 该模型结合了残差块和空洞卷积,增强了低级特征的提取能力,并通过深度可分离卷积和空洞卷积扩展了模型的感受野,而无需增加计算量 | NA | 推断单细胞数据中的基因因果关系 | 基因调控网络(GRNs)和乳腺癌患者的相关基因 | 机器学习 | 乳腺癌 | 单细胞RNA测序(scRNA-seq) | EfficientNet-resDDSC | 单细胞数据 | 四个数据集和乳腺癌患者样本 |
542 | 2024-11-24 |
CDSNet: An automated method for assessing growth stages from various anatomical regions in lateral cephalograms based on deep learning
2024-Nov-21, Journal of the World federation of orthodontists
IF:2.6Q1
DOI:10.1016/j.ejwf.2024.09.007
PMID:39578153
|
研究论文 | 本文介绍了一种基于深度学习的自动评估侧位头颅片中不同解剖区域生长阶段的方法CDSNet | CDSNet在评估生长阶段方面显著优于传统的CVM方法和基于颈椎的深度学习方法,并提供了可解释的模块来揭示颈椎、牙齿和额窦在评估生长阶段中的作用 | NA | 开发一种新的深度学习模型,用于更准确地评估侧位头颅片中的生长阶段 | 侧位头颅片中的颈椎、牙齿和额窦 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 1732对侧位头颅片和手部X光片 |
543 | 2024-11-24 |
An AI deep learning algorithm for detecting pulmonary nodules on ultra-low-dose CT in an emergency setting: a reader study
2024-Nov-20, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00518-1
PMID:39565453
|
研究论文 | 本文评估了在急诊环境中使用AI深度学习算法检测超低剂量CT上的肺结节的价值 | AI算法在检测肺结节方面比传统方法多检测了5.8倍的真阳性结节 | AI算法导致了42.9倍的假阳性结果增加,主要集中在有重大异常的患者中 | 评估AI算法在急诊环境中检测超低剂量CT上肺结节的价值 | 870名疑似非创伤性肺部疾病的患者 | 计算机视觉 | 肺部疾病 | 超低剂量CT | 深度学习算法 | 图像 | 870名患者 |
544 | 2024-11-24 |
Probing the evolution of fault properties during the seismic cycle with deep learning
2024-Nov-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54153-w
PMID:39567514
|
研究论文 | 本文利用2016年M6.5 Norcia地震的震源区域通过的地震波,结合深度学习(DL)区分前震、余震和时间到故障(TTF) | 本文展示了深度学习模型能够成功区分主震前后的地震波,符合实验室和理论预期的裂纹密度在故障前逐渐变化,故障后逐渐恢复的情况 | 带通滤波后的地震波(低于10 Hz)的性能较低,表明深度学习模型从弹性波衰减的微妙变化中学习 | 研究深度学习模型在地震周期中追踪断层带属性演变的能力 | 前震、余震和时间到故障(TTF)的地震波分类 | 机器学习 | NA | 深度学习(DL) | 卷积神经网络(CNN) | 地震波记录 | NA |
545 | 2024-11-24 |
Chisel plow characteristics impact on power-fuel consumption, stubble cover, and surface roughness using deep learning neural networks with sensitivity analysis
2024-Nov-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80253-0
PMID:39567614
|
研究论文 | 研究不同犁铧类型、犁齿类型和拖拉机前进速度对凿式犁的功率和燃油消耗、残茬覆盖、土壤表面粗糙度和穿透阻力的影响,并使用深度学习神经网络进行建模和敏感性分析 | 使用深度学习神经网络对凿式犁的功率、燃油消耗、土壤表面粗糙度和残茬覆盖率进行建模,并进行敏感性分析 | NA | 研究凿式犁的功率和燃油消耗、残茬覆盖、土壤表面粗糙度和穿透阻力的影响因素 | 不同犁铧类型、犁齿类型和拖拉机前进速度对凿式犁性能的影响 | 机器学习 | NA | 深度学习神经网络 | 深度学习神经网络 | 数值数据 | 四种不同犁铧类型和两种不同犁齿类型在三种不同拖拉机前进速度下的测试数据 |
546 | 2024-11-24 |
A polynomial proxy model approach to verifiable decentralized federated learning
2024-Nov-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79798-x
PMID:39567642
|
研究论文 | 本文提出了一种结合零知识证明和多项式代理模型的框架ProxyZKP,用于在去中心化联邦学习中确保本地训练的计算完整性 | ProxyZKP框架通过使用多项式代理模型和零知识证明,解决了现有方法在处理大规模模型和随机丢弃技术时的复杂性和不实用性问题 | NA | 解决去中心化联邦学习中本地模型训练的计算完整性问题 | 去中心化联邦学习中的模型训练和计算完整性 | 机器学习 | NA | 零知识证明 | 多项式代理模型 | 模型更新 | NA |
547 | 2024-11-24 |
HKA-Net: clinically-adapted deep learning for automated measurement of hip-knee-ankle angle on lower limb radiography for knee osteoarthritis assessment
2024-Nov-20, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05265-y
PMID:39568048
|
研究论文 | 研究开发了一种基于ResNet的深度学习模型,用于自动测量下肢X光片中的髋膝踝角(HKA),以评估膝关节骨性关节炎(OA) | 该研究的创新点在于开发了一种无需显式解剖标志注释的深度学习模型,能够自动测量HKA角度并分类畸形阶段 | 研究仅在膝关节骨性关节炎患者中进行了验证,未来需要在更广泛的患者群体中进行验证 | 开发一种高效且准确的自动化方法,用于测量HKA角度并分类畸形阶段,以辅助膝关节骨性关节炎的临床决策 | 膝关节骨性关节炎患者的下肢X光片 | 计算机视觉 | 膝关节骨性关节炎 | 深度学习 | ResNet | 图像 | 300名膝关节骨性关节炎患者(Kellgren-Lawrence分级3级或以上),通过水平翻转数据增强至600个样本,并在50名患者中进行时间验证 |
548 | 2024-11-24 |
Skeletal muscle is independently associated with grade 3-4 toxicity in advanced stage pancreatic ductal adenocarcinoma patients receiving chemotherapy
2024-Nov-20, Clinical nutrition ESPEN
IF:2.9Q3
DOI:10.1016/j.clnesp.2024.11.004
PMID:39577693
|
研究论文 | 研究骨骼肌与接受化疗的晚期胰腺导管腺癌患者3-4级毒性的关系 | 首次探讨了骨骼肌和脂肪组织变化与化疗毒性的关系,并提出个性化剂量调整的必要性 | 研究为回顾性分析,样本量较小,且未涉及其他可能影响毒性的因素 | 探讨身体成分与晚期胰腺导管腺癌患者化疗毒性的关系 | 晚期胰腺导管腺癌患者 | NA | 胰腺癌 | CT图像分割 | 深度学习方法 | 图像 | 65名患者 |
549 | 2024-11-24 |
KanCell: dissecting cellular heterogeneity in biological tissues through integrated single-cell and spatial transcriptomics
2024-Nov-20, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.11.009
PMID:39577768
|
研究论文 | KanCell模型通过整合单细胞RNA测序和空间转录组数据,增强细胞异质性分析 | KanCell模型基于Kolmogorov-Arnold网络,有效捕捉非线性关系并优化计算效率,提供了一种准确且高效的空间转录组分析工具 | NA | 通过整合单细胞和空间转录组数据,提高细胞异质性分析的准确性和效率 | 人类淋巴结、心脏、黑色素瘤、乳腺癌、前额叶皮层和鼠胚脑等组织 | 机器学习 | NA | 单细胞RNA测序(scRNA-seq)和空间转录组(ST) | Kolmogorov-Arnold网络(KAN) | 基因表达数据 | 模拟数据和来自STARmap、Slide-seq、Visium和Spatial Transcriptomics技术的真实数据 |
550 | 2024-11-24 |
Melting simulations of high-entropy carbonitrides by deep learning potentials
2024-Nov-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78377-4
PMID:39562604
|
研究论文 | 本研究使用深度神经网络势能描述高熵碳氮化物(HECN)在固态和液态的结构,预测加热和冷却温度,并分析氮含量对熔点的影响 | 通过深度学习势能模拟高熵碳氮化物的熔化行为,揭示了氮含量对熔点非线性增强的机制 | NA | 研究高熵碳氮化物的熔点及其与氮含量的关系 | 高熵碳氮化物(TiZrTaHfNb)CN | 材料科学 | NA | 深度学习 | 深度神经网络 | 结构数据 | NA |
551 | 2024-11-24 |
Roman urdu hate speech detection using hybrid machine learning models and hyperparameter optimization
2024-11-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79106-7
PMID:39562608
|
研究论文 | 研究使用混合机器学习模型和超参数优化技术进行罗马乌尔都语仇恨言论检测 | 开发了一种结合深度学习和变压器模型的混合模型,用于罗马乌尔都语仇恨言论检测,这是之前未曾探索的 | NA | 解决在Twitter上使用罗马乌尔都语文本的仇恨言论检测问题 | 罗马乌尔都语的仇恨言论检测 | 自然语言处理 | NA | 超参数优化 | 混合模型 | 文本 | 使用了两个公开的罗马乌尔都语语料库,包括HS-RU-20语料库和RUHSOLD仇恨言论语料库 |
552 | 2024-11-24 |
Quantifying spontaneous infant movements using state-space models
2024-11-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80202-x
PMID:39562837
|
研究论文 | 本文利用状态空间模型量化婴儿自发运动,并探讨其与神经发育结果的关系 | 本文首次使用自动无标记跟踪技术结合状态空间模型来分析婴儿自发运动,并将其建模为八个运动状态的序列 | 本文仅使用了486个视频样本,可能不足以涵盖所有婴儿运动模式 | 研究婴儿自发运动与神经发育结果之间的关系 | 婴儿自发运动及其与神经发育的关系 | 计算机视觉 | 神经发育障碍 | 姿态估计技术 | 自回归状态空间模型 | 视频 | 486个视频样本,来自330名婴儿 |
553 | 2024-11-24 |
DAPNet: multi-view graph contrastive network incorporating disease clinical and molecular associations for disease progression prediction
2024-Nov-19, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02756-0
PMID:39563302
|
研究论文 | 提出了一种基于深度学习的疾病进展预测模型DAPNet,利用共病持续时间和疾病关联网络进行预测 | 首次将多视角图对比学习应用于疾病进展预测任务,并创新性地整合了分子层面的疾病关联信息 | 未提及 | 探索一种减少数据依赖并达到与现有研究相当预测性能的新方法 | 疾病进展预测 | 机器学习 | NA | 多视角图对比学习 | DAPNet | 临床数据 | 2714名患者和10856次就诊,以及606名患者的肾脏数据集 |
554 | 2024-11-24 |
An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer
2024-Nov-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53450-8
PMID:39511143
|
研究论文 | 提出了一种可解释的纵向多模态融合模型,用于预测乳腺癌新辅助治疗反应 | 该模型结合了跨模态知识挖掘和时间信息嵌入策略,以处理缺失模态并减少不同新辅助治疗设置的影响 | NA | 开发一种能够模拟临床医生评估新辅助治疗反应的系统,并提高其在实际临床应用中的可行性 | 乳腺癌患者的新辅助治疗反应 | 计算机视觉 | 乳腺癌 | 深度学习 (DL) | 多模态融合模型 | 多模态图像 | 涉及多中心和跨国读者研究的数据集 |
555 | 2024-11-24 |
A Deep Learning Model to Predict Breast Implant Texture Types Using Ultrasonography Images: Feasibility Development Study
2024-Nov-05, JMIR formative research
IF:2.0Q4
DOI:10.2196/58776
PMID:39499915
|
研究论文 | 研究开发了一种深度学习模型,用于通过超声图像预测乳房植入物的表面纹理类型 | 首次使用深度学习模型对乳房植入物的表面纹理类型进行分类,并从异质来源的超声图像中进行稳健预测 | 模型在处理破裂植入物和无植入物的图像时预测不确定性增加 | 确定使用深度学习模型对乳房植入物表面纹理类型进行分类的可行性 | 乳房植入物的表面纹理类型 | 计算机视觉 | NA | 深度学习 | ResNet-50 | 图像 | 19,502张乳房植入物图像 |
556 | 2024-11-24 |
Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging
2024-Nov-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.102071
PMID:39491716
|
研究论文 | 本文研究了使用深度学习网络进行心脏运动校正,以评估单光子发射计算机断层扫描心肌灌注成像中的灌注缺陷 | 本文首次探讨了使用深度学习网络进行心脏运动校正,以减少运动模糊并提高灌注缺陷的检测能力 | 本文仅在模拟病变的数据集上进行了验证,尚未在真实临床数据上进行广泛验证 | 研究深度学习网络在单光子发射计算机断层扫描心肌灌注成像中进行心脏运动校正的潜力 | 单光子发射计算机断层扫描心肌灌注成像中的心脏运动校正 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习网络 | 图像 | 训练集包含197例,测试集包含194例临床受试者 |
557 | 2024-11-24 |
Clinical-Grade Validation of an Autofluorescence Virtual Staining System With Human Experts and a Deep Learning System for Prostate Cancer
2024-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100573
PMID:39069201
|
研究论文 | 本文开发了一种自动化系统,利用高吞吐量超光谱荧光显微镜和人工智能机器学习技术,从未染色的前列腺组织中生成虚拟的苏木精和伊红染色以及前列腺上皮内瘤变-4免疫组化染色图像 | 本文展示了虚拟染色技术在前列腺癌诊断中的临床应用,并通过广泛的人类审查和计算分析验证了系统的有效性 | NA | 验证一种基于自体荧光虚拟染色系统的临床级有效性,并评估其在前列腺癌诊断中的应用 | 前列腺癌的组织诊断和分级 | 数字病理学 | 前列腺癌 | 超光谱荧光显微镜 | 深度学习系统 | 图像 | 大量测试切片 |
558 | 2024-11-24 |
Evaluation of Artificial Intelligence-Based Gleason Grading Algorithms "in the Wild"
2024-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100563
PMID:39025402
|
研究论文 | 评估人工智能辅助的Gleason分级算法在真实世界数据中的表现 | 比较了公开和商业算法在真实世界数据中的表现,发现商业算法在某些情况下优于公开算法 | 研究主要集中在算法的表现比较,未深入探讨算法背后的技术细节 | 评估和比较顶级公开和商业Gleason分级算法在真实世界数据中的性能 | 前列腺癌患者的Gleason评分 | 数字病理学 | 前列腺癌 | 深度学习 | NA | 图像 | 包含不同Gleason评分的全切片前列腺活检图像数据集,由10名病理学家评估 |
559 | 2024-11-24 |
Evaluation of fragility fracture risk using deep learning based on ultrasound radio frequency signal
2024-Nov, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03931-z
PMID:38982023
|
研究论文 | 本研究评估了基于超声射频信号的深度学习模型在鉴别绝经后女性骨质疏松性骨折风险中的表现 | 本研究首次使用多通道残差网络(MResNet)基于超声射频信号来评估骨质疏松性骨折风险,并展示了其优于传统超声参数和双能X线吸收法(DXA)骨密度测量的效果 | 本研究为初步横断面研究,样本量较小且仅限于绝经后女性,未来需在更大和更多样化的群体中验证结果 | 评估基于超声射频信号的深度学习模型在鉴别绝经后女性骨质疏松性骨折风险中的表现 | 绝经后女性骨质疏松性骨折风险 | 机器学习 | 骨骼疾病 | 超声射频信号 | 多通道残差网络(MResNet) | 超声射频信号 | 246名绝经后女性 |
560 | 2024-11-24 |
Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature
2024-Nov, Atherosclerosis
IF:4.9Q1
|
综述 | 本文综述了利用人工智能从计算机断层扫描成像研究动脉粥样硬化的现状 | 介绍了基于深度学习和卷积神经网络的新分析方法,以及放射转录组技术在CT图像上的高级结构分析 | 讨论了当前基于人工智能方法的局限性及应对这些挑战的优先事项 | 将这些新方法从研究环境过渡到临床工作流程,开发人工智能驱动的风险评估工具 | 动脉粥样硬化斑块的检测、分类及其相关风险 | 计算机视觉 | 心血管疾病 | 计算机断层扫描(CT) | 卷积神经网络(CNN) | 图像 | NA |