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(使用关键词“['deep learning']”过滤),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19.9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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2024-11-11 |
Application of deep learning for semantic segmentation in robotic prostatectomy: Comparison of convolutional neural networks and visual transformers
2024-Nov, Investigative and clinical urology
IF:2.5Q2
DOI:10.4111/icu.20240159
PMID:39505514
|
研究论文 | 本文比较了卷积神经网络和视觉变换器在机器人辅助根治性前列腺切除术中语义分割的表现 | 本文首次比较了卷积神经网络和视觉变换器在机器人手术中语义分割的应用 | 需要进一步研究以验证在大数据集上的表现 | 研究深度学习模型在机器人辅助根治性前列腺切除术中语义分割的表现,并确定哪种架构更适合机器人手术中的分割任务 | 机器人辅助根治性前列腺切除术中的手术器械、膀胱、前列腺、输精管和精囊的分割 | 计算机视觉 | 前列腺癌 | 深度学习 | 卷积神经网络和视觉变换器 | 图像 | 随机分为训练和验证数据集的手术图像 | NA | NA | NA | NA |
| 922 | 2024-11-10 |
Comprehensive walkability assessment of urban pedestrian environments using big data and deep learning techniques
2024-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78041-x
PMID:39506013
|
研究论文 | 本文构建了一个综合评估框架,结合主观和客观维度评估城市步行环境,并应用于北京五环路内的街道环境 | 本文创新性地整合了主观和客观维度,提出了一个综合评估框架,包括宏观尺度指数、微观尺度指数和街道步行偏好指数 | 本文未详细讨论评估框架在其他城市或不同发展模式下的适用性 | 评估城市步行环境,促进公共健康、社区凝聚力和城市可持续发展 | 北京五环路内的街道环境 | 城市规划 | NA | 深度学习 | NA | 大数据 | 北京五环路内的街道环境 | NA | NA | NA | NA |
| 923 | 2024-11-10 |
Machine learning models for river flow forecasting in small catchments
2024-Nov-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78012-2
PMID:39501028
|
研究论文 | 研究探讨了在小流域中使用深度学习模型进行河流流量预测的可行性 | 提出了结合不同输入数据集的模型组合方法,以提供更全面的河流流量未来演变描述 | 随着预测时间的增加,预测的不确定性增加,需要使用能提供预测置信区间的机器学习模型来减少不确定性 | 开发新的工具以减轻气候变化带来的水文地质风险,特别是在小流域中 | 小流域中的河流流量 | 机器学习 | NA | 深度学习 | 深度学习模型 | 河流流量数据 | NA | NA | NA | NA | NA |
| 924 | 2024-11-10 |
Study on virtual tooth image generation utilizing CF-fill and Pix2pix for data augmentation
2024-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78190-z
PMID:39501064
|
研究论文 | 本文提出了一种利用图像到图像转换(pix2pix)和上下文重建填充(CR-Fill)生成虚拟牙齿图像的方法,以简化牙科修复过程 | 本文的创新点在于结合pix2pix和CR-Fill技术生成虚拟牙齿图像,并验证了这些虚拟图像在训练数据中的有效性 | 仅使用虚拟图像作为训练数据的效果不如同时使用真实和虚拟图像 | 简化牙科修复过程,减少传统牙科修复所需的工作量和时间 | 牙齿扫描图像和虚拟牙齿图像 | 计算机视觉 | NA | 图像到图像转换(pix2pix)和上下文重建填充(CR-Fill) | pix2pix | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 925 | 2024-11-10 |
Developing a 10-Layer Retinal Segmentation for MacTel Using Semi-Supervised Learning
2024-Nov-04, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.11.2
PMID:39499591
|
研究论文 | 开发了一种用于MacTel的10层视网膜分割的半监督学习模型 | 通过利用未标记图像,该模型在视网膜层和特征的分割上显著优于其他模型 | 在某些特征(如内界膜上方的预视网膜空间和视网膜色素上皮下方的背景)上,所有模型的表现相似 | 提高OCT图像中MacTel病理的自动分割性能 | Macular Telangiectasia Type II (MacTel)患者的视网膜层和特征 | 计算机视觉 | NA | 半监督学习 | 深度学习模型 | 图像 | 使用了一个小规模的标记数据集,并利用了未标记图像 | NA | NA | NA | NA |
| 926 | 2024-11-10 |
Background removal for debiasing computer-aided cytological diagnosis
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03169-0
PMID:38918281
|
研究论文 | 本文提出了一种基于深度学习的细胞分割和背景去除方法,用于解决计算机辅助细胞学诊断中的背景偏差问题 | 无需细胞标注,利用背景冗余和细胞稀疏性,通过U-Net模型在无监督方式下进行细胞分割和背景去除 | 实验结果基于小规模细胞学图像集,可能需要更大规模数据集验证其泛化能力 | 解决计算机辅助细胞学诊断中的背景偏差问题 | 液基细胞学图像中的细胞分割和背景去除 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 小规模细胞学图像集 | NA | NA | NA | NA |
| 927 | 2024-11-10 |
Machine Learning for Localization of Premature Ventricular Contraction Origins: A Review
2024-11, Pacing and clinical electrophysiology : PACE
DOI:10.1111/pace.15089
PMID:39428720
|
综述 | 本文综述了机器学习在定位室性早搏起源中的应用、优势、劣势及未来研究方向 | 机器学习和深度学习在电生理学研究中作为强大的分析工具,逐渐发挥重要作用 | 未具体提及 | 提供机器学习在定位室性早搏起源中的发展概述,为临床医生和研究人员提供参考 | 室性早搏的起源定位 | 机器学习 | 心血管疾病 | 机器学习 (ML), 深度学习 (DL) | 未具体提及 | 心电图 (ECG), 计算机断层扫描 (CT), 磁共振成像 (MRI) | 未具体提及 | NA | NA | NA | NA |
| 928 | 2024-11-10 |
Deep learning-based osteochondritis dissecans detection in ultrasound images with humeral capitellum localization
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-023-03040-8
PMID:38233599
|
研究论文 | 本文提出了一种基于深度学习的超声图像中肱骨髁骨软骨病(OCD)检测方法 | 通过使用YOLO检测肱骨髁并利用VGG16估计OCD概率,提高了分类性能 | 未来研究需要评估该方法在临床检查中的有效性 | 开发一种基于深度学习的超声图像分类模型,用于计算机辅助诊断OCD | 肱骨髁骨软骨病(OCD) | 计算机视觉 | 运动损伤 | 深度学习 | YOLO, VGG16 | 图像 | 158个样本(OCD: 67, 正常: 91) | NA | NA | NA | NA |
| 929 | 2024-11-10 |
Deep learning-based automatic pipeline for 3D needle localization on intra-procedural 3D MRI
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03077-3
PMID:38520646
|
研究论文 | 本文提出了一种基于深度学习的自动管道,用于在术中3D MRI上进行3D针定位 | 该方法采用Shifted Window (Swin) Transformers和粗到细的分割策略,能够在有限的训练数据集上实现快速且准确的3D针定位 | 该方法的评估仅基于49个术中3D MR图像,未来需要在更多样本上进行验证 | 开发一种自动化的深度学习方法,用于在术中3D MRI上快速且准确地定位针 | 术中3D MRI上的针定位 | 计算机视觉 | NA | Shifted Window (Swin) Transformers | Swin UNETR, Swin Transformer | 3D MRI图像 | 49个术中3D MR图像 | NA | NA | NA | NA |
| 930 | 2024-11-09 |
Sub-sampling graph neural networks for genomic prediction of quantitative phenotypes
2024-Nov-06, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkae216
PMID:39250757
|
研究论文 | 本文提出了一种基于图神经网络的子采样架构,用于基因组数量性状的预测 | 提出了一个全局卷积神经网络(GCN)和一个局部子采样架构(GCN-RS),专门设计用于基于基因组关系信息的回归分析 | NA | 开发一种新的方法来提高基因组数量性状预测的准确性 | 基因组数量性状的预测 | 机器学习 | NA | 图卷积神经网络(GCN) | 卷积神经网络(CNN) | 基因组数据 | 模拟数据集和来自小麦、小鼠和猪的三个真实数据集 | NA | NA | NA | NA |
| 931 | 2024-11-09 |
FinSafeNet: securing digital transactions using optimized deep learning and multi-kernel PCA(MKPCA) with Nyström approximation
2024-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76214-2
PMID:39500935
|
研究论文 | 研究提出了一种名为FinSafeNet的新型深度学习模型,用于保护数字银行渠道上的现金交易安全 | 引入了双向长短期记忆网络(Bi-LSTM)、卷积神经网络(CNN)和双注意力机制,结合多核主成分分析(MKPCA)和Nyström近似,显著提高了交易数据的安全性分析能力 | NA | 提升数字交易的安全性 | 数字银行渠道上的现金交易 | 机器学习 | NA | 多核主成分分析(MKPCA)、Nyström近似 | 双向长短期记忆网络(Bi-LSTM)、卷积神经网络(CNN) | 交易数据 | 使用了Paysim数据库进行测试 | NA | NA | NA | NA |
| 932 | 2024-11-09 |
Classification of salivary gland biopsies in Sjögren's syndrome by a convolutional neural network using an auto-machine learning platform
2024-Nov-06, BMC rheumatology
IF:2.1Q3
DOI:10.1186/s41927-024-00417-3
PMID:39501369
|
研究论文 | 本文利用自动机器学习平台和卷积神经网络对干燥综合征中的唾液腺活检进行分类 | 本文首次使用自动机器学习平台进行唾液腺活检的自动分割和焦点评分量化,以提高诊断精度和速度 | 模型在质量较差的组织学切片上分类准确性较低,需要多中心研究进一步验证 | 利用自动机器学习平台提高干燥综合征诊断的精度和效率 | 干燥综合征患者的唾液腺活检 | 数字病理学 | 自身免疫性疾病 | 卷积神经网络 | ResNet-152 | 图像 | 86名干燥综合征患者,共172张切片 | NA | NA | NA | NA |
| 933 | 2024-11-09 |
An automated pheochromocytoma and paraganglioma lesion segmentation AI-model at whole-body 68Ga- DOTATATE PET/CT
2024-Nov-05, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-024-01168-5
PMID:39500789
|
研究论文 | 开发了一种用于全身68Ga-DOTATATE PET/CT图像中嗜铬细胞瘤和副神经节瘤病变自动分割的人工智能模型 | 首次开发了一种基于深度学习的AI模型,用于全身68Ga-DOTATATE PET/CT图像中转移性嗜铬细胞瘤和副神经节瘤病变的自动分割 | 模型在低摄取的小病变检测上存在局限性,且肝脏区域的假阴性和假阳性较多 | 开发一种人工智能模型,用于自动分割全身3D DOTATATE-PET/CT图像中的病变,并自动化肿瘤负荷计算 | 嗜铬细胞瘤和副神经节瘤患者 | 计算机视觉 | 神经内分泌肿瘤 | 深度学习 | nnUNet | 图像 | 132个68Ga-DOTATATE PET/CT扫描,来自38名患者 | NA | NA | NA | NA |
| 934 | 2024-11-09 |
Synergistic use of handcrafted and deep learning features for tomato leaf disease classification
2024-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71225-5
PMID:39500934
|
研究论文 | 本文介绍了一种结合传统手工特征和深度学习技术的计算机辅助诊断系统,用于自动检测和分类番茄叶病害 | 本文提出了一种新的评估方法来解决数据不平衡问题,并展示了将经典特征工程与现代机器学习技术结合在基于互信息的特征融合下的效果 | NA | 开发一种高精度的计算机辅助诊断系统,用于自动检测和分类番茄叶病害 | 番茄叶病害的自动检测和分类 | 计算机视觉 | NA | 深度学习技术 | 卷积神经网络 (CNN) | 图像 | NA | NA | NA | NA | NA |
| 935 | 2024-11-09 |
Scalable deep learning artificial intelligence histopathology slide analysis and validation
2024-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76807-x
PMID:39500980
|
研究论文 | 本文开发并验证了一种可扩展的深度学习方法,用于分析和分类数字化病理切片中的病理类型 | 提出了一种新的金字塔分块方法,以利用分类区域周围的空间感知,同时保持对千兆像素图像的效率和可扩展性 | NA | 开发一种自动检测和识别数字化病理切片中病理类型的方法 | 数字化病理切片中的病理类型 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 多种组织类型(如睾丸、卵巢、前列腺、肾脏)和病理类型,来自华盛顿州立大学的表观遗传学改变的病理学研究 | NA | NA | NA | NA |
| 936 | 2024-11-09 |
Optimizing knee osteoarthritis severity prediction on MRI images using deep stacking ensemble technique
2024-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78203-x
PMID:39500982
|
研究论文 | 本文探讨了使用深度堆叠集成技术优化膝关节骨关节炎严重程度预测的方法 | 采用深度堆叠集成技术结合四种预训练模型(CNN、AlexNet、ResNet34和ResNet-50)来提高预测准确性 | 传统诊断方法耗时且对医疗专业人员来说有时繁琐 | 优化膝关节骨关节炎严重程度的预测,加快诊断过程 | 膝关节骨关节炎的严重程度 | 计算机视觉 | 骨关节炎 | 深度学习算法 | CNN、AlexNet、ResNet34、ResNet-50 | MRI图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 937 | 2024-11-09 |
Deep learning based highly accurate transplanted bioengineered corneal equivalent thickness measurement using optical coherence tomography
2024-Nov-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01305-3
PMID:39501083
|
研究论文 | 本文提出了一种基于深度学习的自动分割方法,用于使用光学相干断层扫描(OCT)对移植的生物工程角膜等效物进行高精度测量 | 本文的创新点在于使用深度学习技术对生物工程角膜等效物的厚度进行自动分割和测量,提供了详细的厚度值、地图和体积测量 | 本文的局限性在于仅在动物研究中进行了验证,尚未在人类角膜移植中广泛应用 | 本文的研究目的是开发一种高精度的评估方法,用于测量移植的生物工程角膜等效物的完整性和生物相容性 | 本文的研究对象是移植的生物工程角膜等效物 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 深度学习 | 图像 | 14天的监测数据 | NA | NA | NA | NA |
| 938 | 2024-11-09 |
Three-dimensional localization and tracking of chromosomal loci throughout the Escherichia coli cell cycle
2024-Nov-05, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-07155-9
PMID:39501081
|
研究论文 | 本文开发了一种深度学习方法,用于在活体大肠杆菌细胞中对染色体位点进行基于像散的超分辨率三维定位和跟踪 | 本文首次实现了对染色体位点的三维定位和跟踪,精度优于61纳米 | NA | 研究基因在细胞内的位置对其表达的影响 | 大肠杆菌细胞中的染色体位点 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 939 | 2024-11-09 |
REDalign: accurate RNA structural alignment using residual encoder-decoder network
2024-Nov-05, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05956-7
PMID:39501155
|
研究论文 | 本文介绍了一种基于深度学习的RNA二级结构比对方法REDalign | REDalign利用残差编码器-解码器网络,能够高效地捕获共识结构并优化结构比对,显著降低了计算复杂度,并能有效处理包括假结在内的非嵌套结构 | NA | 开发一种高效且准确的RNA二级结构比对方法 | RNA序列的二级结构 | 生物信息学 | NA | 深度学习 | 残差编码器-解码器网络 | RNA序列 | NA | NA | NA | NA | NA |
| 940 | 2024-11-09 |
Application of the online teaching model based on BOPPPS virtual simulation platform in preventive medicine undergraduate experiment
2024-Nov-05, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-024-06175-7
PMID:39501207
|
研究论文 | 探讨基于BOPPPS虚拟仿真平台的在线教学模式在预防医学本科实验中的应用效果 | 结合BOPPPS教学模型和虚拟仿真平台,创新性地应用于预防医学实验教学 | NA | 研究BOPPPS结合虚拟仿真实验教学对学生成绩和参与度、表现及教师自我效能的影响 | 滨州医学院2019级预防医学专业两个班的学生 | NA | NA | 虚拟仿真平台 | BOPPPS教学模型 | 问卷调查数据 | 实验组51人,对照组49人 | NA | NA | NA | NA |