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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
941 | 2024-11-15 |
Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks
2024-Nov-01, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241299332
PMID:39487037
|
研究论文 | 研究使用深度卷积神经网络对多水平磁共振成像中的腰椎管狭窄进行分级 | 首次将深度学习应用于腰椎管狭窄的分级诊断,并展示了其与专家诊断的竞争力 | 在解剖结构发生突变的情况下,仅依赖图像可能导致诊断困难 | 探索深度学习在临床诊断中的应用,特别是腰椎管狭窄的分级 | 腰椎管狭窄的分级和根髓分类 | 计算机视觉 | 腰椎疾病 | 磁共振成像 | 深度卷积神经网络 (CNN) | 图像 | 从腰椎轴数据集中收集的DICOM格式数据,由两位专家进行标注 |
942 | 2024-11-15 |
Opportunities and challenges for deep learning in cell dynamics research
2024-Nov, Trends in cell biology
IF:13.0Q1
DOI:10.1016/j.tcb.2023.10.010
PMID:38030542
|
研究论文 | 本文综述了人工智能在细胞动力学研究中的应用,特别是计算机视觉和深度学习技术在显微镜图像和视频分析中的应用 | 本文总结了深度学习在细胞动力学研究中的新兴研究前沿和创新应用 | 本文主要从计算角度总结了显微镜视频分析中的长期挑战 | 探讨深度学习在细胞动力学研究中的机遇和挑战 | 细胞和亚细胞结构的分割、分类和跟踪 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
943 | 2024-11-15 |
Deep Learning Synthesis of White-Blood From Dark-Blood Late Gadolinium Enhancement Cardiac Magnetic Resonance
2024-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001086
PMID:38687025
|
研究论文 | 研究提出了一种深度学习方法,用于从暗血晚期钆增强(DB-LGE)心脏磁共振图像生成合成白血晚期钆增强(WB-LGE)图像 | 首次使用CycleGAN模型从DB-LGE图像生成合成WB-LGE图像,无需额外扫描时间 | 合成图像的平均质量评分低于真实WB-LGE图像,需要进一步评估以确保临床应用 | 开发和评估一种深度学习方法,用于从DB-LGE图像生成合成WB-LGE图像,以减少扫描时间 | 215名患者的DB-LGE和WB-LGE数据 | 计算机视觉 | 心血管疾病 | 深度学习 | CycleGAN | 图像 | 215名患者 |
944 | 2024-11-15 |
The emerging role of artificial intelligence in neuropathology: Where are we and where do we want to go?
2024-Nov, Pathology, research and practice
DOI:10.1016/j.prp.2024.155671
PMID:39490225
|
综述 | 探讨人工智能在神经病理学中的新兴作用及其未来发展方向 | 介绍了人工智能技术如机器学习和深度学习在神经病理学中的应用,提高了诊断准确性、优化了工作流程,并支持个性化治疗策略 | 未提及具体的技术挑战或数据限制 | 探讨人工智能在神经病理学中的应用及其未来发展 | 神经病理学中的疾病诊断和治疗 | 数字病理学 | NA | 机器学习 (ML) 和深度学习 (DL) | 深度学习模型 | 图像 | NA |
945 | 2024-11-15 |
Enhancing MRI brain tumor classification: A comprehensive approach integrating real-life scenario simulation and augmentation techniques
2024-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.104841
PMID:39488993
|
研究论文 | 本文通过整合真实场景模拟和增强技术,提出了一种全面的方法来提高MRI脑肿瘤分类的准确性 | 本文的创新点在于将噪声和模糊作为训练过程中的增强技术,显著提高了深度学习模型在脑癌诊断中的泛化能力 | 尽管模型在合成测试数据集上表现有所提升,但泛化问题仍然存在,需要进一步优化 | 本文旨在通过数据增强和优化策略,提高深度学习模型在脑癌MRI图像分类中的泛化能力 | 本文主要研究对象是脑癌MRI图像数据集,包括BT-MRI和BCD-MRI数据集 | 计算机视觉 | 脑癌 | MRI | 深度学习模型 | 图像 | 涉及两个主要数据集:BT-MRI和BCD-MRI,具体样本数量未明确提及 |
946 | 2024-11-15 |
Artificial neural network-based shelf life prediction approach in the food storage process: A review
2024-Nov, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2023.2245899
PMID:37688408
|
综述 | 本文综述了人工神经网络(ANN)在食品储存过程中预测保质期的应用 | 本文介绍了ANN在食品质量预测中的建模方法,包括常用的ANN架构、模拟技术和评估ANN模型性能的标准 | NA | 探讨ANN在食品储存过程中预测保质期的应用及其未来发展方向 | 食品储存过程中的保质期预测,包括乳制品、肉类、水产品、水果和蔬菜等 | 机器学习 | NA | 人工神经网络(ANN) | 人工神经网络(ANN) | 食品质量数据 | NA |
947 | 2024-11-15 |
EEG-based brain-computer interface methods with the aim of rehabilitating advanced stage ALS patients
2024-Nov, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2024.2316312
PMID:38400897
|
综述 | 本文综述了基于脑电图(EEG)的脑机接口(BCI)方法在晚期肌萎缩侧索硬化症(ALS)患者康复中的应用 | 介绍了FFT、WPD、CSP、CSSP、CSP和GC等特征提取方法,以及LDA、SVM、神经网络(NN)和深度学习(DL)分类方法 | 仍需提高EEG信号检测的准确性和可靠性,并开发更直观和用户友好的接口 | 探讨基于EEG的BCI方法在ALS患者康复中的应用 | 晚期ALS患者 | 神经科学 | 神经退行性疾病 | 脑电图(EEG) | NA | 脑电信号 | NA |
948 | 2024-11-15 |
3DECG-Net: ECG fusion network for multi-label cardiac arrhythmia detection
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109126
PMID:39255656
|
研究论文 | 本文介绍了一种名为3DECG-Net的深度学习模型,用于通过12导联ECG数据的融合来检测和分类七种不同的心脏状态 | 3DECG-Net利用残差架构和多头注意力机制,通过将12导联ECG信号转换为3D数据,实现了显著的微F1分数,超越了其他最先进的深度学习模型 | NA | 开发一种自动化的ECG分析方法,以帮助诊断心脏疾病 | 12导联ECG数据和七种不同的心脏状态 | 机器学习 | 心血管疾病 | 深度学习 | 3DECG-Net | ECG数据 | NA |
949 | 2024-11-15 |
Siamese based deep neural network for ADHD detection using EEG signal
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109092
PMID:39255658
|
研究论文 | 本研究利用基于孪生网络的深度神经网络分析脑电图信号,以检测儿童注意力缺陷多动障碍(ADHD) | 本研究首次采用基于孪生网络的卷积神经网络(CNN)和梯度加权类激活映射(Grad-CAM)方法,分析脑电图信号中的功率谱密度(PSD)特征,以提高ADHD检测的准确性 | NA | 利用深度学习技术分析脑电图信号,以提高儿童ADHD的检测准确性 | 儿童ADHD的检测 | 机器学习 | 儿童疾病 | 脑电图(EEG) | 卷积神经网络(CNN) | 脑电图信号 | NA |
950 | 2024-11-15 |
Can generative AI replace immunofluorescent staining processes? A comparison study of synthetically generated cellpainting images from brightfield
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109102
PMID:39255659
|
研究论文 | 本文比较了五种基于CNN、GAN和扩散模型的生成式AI模型,用于从明场图像合成免疫荧光图像,并评估其性能 | 本文首次系统比较了不同生成式AI模型在免疫荧光图像合成中的应用,并提出了一个全面的评估流程 | 生成式AI在简化细胞表型分析方面显示出潜力,但仍需进一步研究以解决模型泛化性、批次效应、特征相关性和计算成本等关键挑战 | 评估生成式AI在免疫荧光图像合成中的有效性,并探讨其在替代传统免疫荧光染色过程中的潜力 | 比较五种基于CNN、GAN和扩散模型的生成式AI模型在合成免疫荧光图像中的性能 | 计算机视觉 | NA | 生成式AI | CNN, GAN, 扩散模型 | 图像 | 使用公开数据集进行评估 |
951 | 2024-11-15 |
Vector field attention for deformable image registration
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064001
PMID:39513093
|
研究论文 | 本文提出了一种新的向量场注意力(VFA)框架,用于提高可变形图像配准的效率 | VFA通过直接从特征图中检索空间对应关系,避免了传统方法中需要通过卷积或全连接层预测位移或变形场的过程 | NA | 提高可变形图像配准的效率和准确性 | 固定图像和移动图像之间的非线性空间对应关系 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 使用了公开数据集和Learn2Reg挑战数据集进行评估 |
952 | 2024-11-14 |
G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework
2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0587-24.2024
PMID:39327003
|
研究论文 | 本文开发了一种新的计算框架digID,用于预测阿尔茨海默病相关的基因,并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性 | 本文创新性地结合了半监督深度学习分类器和蛋白质-蛋白质相互作用网络分析,预测了1529个与阿尔茨海默病相关的基因,并揭示了潜在的新分子机制和治疗靶点 | 本文的局限性在于需要进一步的生物学验证来确认计算预测的基因簇作为潜在的新治疗靶点 | 研究旨在通过计算方法识别与阿尔茨海默病相关的新基因和治疗靶点 | 研究对象包括阿尔茨海默病相关的基因、蛋白质相互作用网络以及大脑不同区域的mRNA表达 | 机器学习 | 阿尔茨海默病 | 半监督深度学习 | NA | 多组学数据 | 包括1529个预测的阿尔茨海默病相关基因和转基因小鼠模型 |
953 | 2024-11-14 |
Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis
2024-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.016
PMID:39183130
|
meta-analysis | 本文通过系统综述和Meta分析评估了18F-FDG PET在区分帕金森病与非典型帕金森综合征中的准确性 | 本文首次系统地评估了人工智能辅助的18F-FDG PET成像在区分帕金森病与非典型帕金森综合征中的准确性 | 研究主要依赖于已发表的文献,可能存在选择偏倚和发表偏倚 | 量化评估18F-FDG PET在区分帕金森病与非典型帕金森综合征中的准确性 | 帕金森病患者和非典型帕金森综合征患者 | NA | 帕金森病 | 18F-FDG PET成像 | 机器学习(ML)和深度学习(DL) | 图像 | 共涉及1508名帕金森病患者和1370名非典型帕金森综合征患者 |
954 | 2024-11-14 |
Unleashing the strengths of unlabelled data in deep learning-assisted pan-cancer abdominal organ quantification: the FLARE22 challenge
2024-Nov, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00154-7
PMID:39455194
|
研究论文 | 本文介绍了FLARE22挑战赛,旨在评估和提升深度学习在腹部器官分割和量化中的应用,特别是在使用未标记数据的情况下 | 本文首次展示了如何利用未标记数据显著减少手动标注成本,并提高深度学习算法在跨国数据集上的泛化能力 | 本文主要集中在腹部器官的分割和量化,未涉及其他类型的医学图像分析 | 评估和提升深度学习在腹部器官分割和量化中的应用,特别是在使用未标记数据的情况下 | 腹部器官的分割和量化 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 使用了50个标记图像和2000个未标记图像 |
955 | 2024-11-13 |
Deep learning hybrid model ECG classification using AlexNet and parallel dual branch fusion network model
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78028-8
PMID:39505940
|
研究论文 | 本文提出了一种基于AlexNet和并行双分支融合网络模型的深度学习混合模型,用于心电图分类 | 本文提出的模型在心电图分类任务中达到了99%的准确率,优于现有的Hybrid AlexNet SVM和DCNN LSTM模型 | NA | 提高心电图分类的准确性和自动化程度 | 心电图信号 | 机器学习 | 心血管疾病 | 深度学习 | AlexNet, 并行双分支融合网络模型 | 心电图信号 | PTB诊断心电图数据库中的样本 |
956 | 2024-11-13 |
Identification of sentinel lymph node macrometastasis in breast cancer by deep learning based on clinicopathological characteristics
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78040-y
PMID:39505964
|
研究论文 | 本研究首次探讨了基于术前临床病理特征的深度学习模型在识别乳腺癌前哨淋巴结宏转移中的应用 | 首次探索了深度学习模型在基于术前临床病理特征识别前哨淋巴结宏转移中的应用 | 特征重要性分析显示,具有相似特征的患者表现出不同的淋巴结状态预测,表明需要额外的预测因子以进一步改进 | 探索深度学习模型在识别乳腺癌前哨淋巴结宏转移中的可行性 | 乳腺癌患者的前哨淋巴结宏转移 | 机器学习 | 乳腺癌 | 深度学习 | Transformer | 临床病理特征 | 18,185名患者 |
957 | 2024-11-13 |
Automatic delineation of cervical cancer target volumes in small samples based on multi-decoder and semi-supervised learning and clinical application
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78424-0
PMID:39505991
|
研究论文 | 本文提出了一种基于多解码器和半监督学习的自动分割算法,用于在小样本中确定宫颈癌目标体积,并通过独立测试队列评估其准确性 | 本文创新性地结合了多解码器和半监督学习方法,解决了小样本数据需求问题,提高了自动分割模型的准确性和效率 | 本文仅在71例患者数据上进行了验证,样本量较小,可能影响算法的泛化能力 | 旨在提高宫颈癌放射治疗中目标体积划分的准确性和效率 | 宫颈癌患者的CT图像数据,包括主要肿瘤区域和盆腔淋巴引流区域 | 计算机视觉 | 宫颈癌 | 多解码器和半监督学习 | 3D U-Net | CT图像 | 71例宫颈癌患者 |
958 | 2024-11-13 |
Enhanced convolutional neural network architecture optimized by improved chameleon swarm algorithm for melanoma detection using dermatological images
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77585-2
PMID:39505992
|
研究论文 | 本文提出了一种基于改进的变色龙群算法优化的卷积神经网络架构,用于通过皮肤病理图像进行黑色素瘤检测 | 本文的创新点在于使用改进的变色龙群算法优化卷积神经网络,以提高黑色素瘤检测的准确性 | NA | 本文的研究目的是开发一种自动化的深度学习方法,用于早期黑色素瘤的检测 | 本文的研究对象是皮肤病理图像中的黑色素瘤 | 计算机视觉 | 皮肤癌 | 卷积神经网络 | CNN | 图像 | 使用了SIIM-ISIC黑色素瘤数据集进行验证 |
959 | 2024-11-13 |
Artificial intelligence-assisted magnetic resonance imaging technology in the differential diagnosis and prognosis prediction of endometrial cancer
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78081-3
PMID:39506051
|
研究论文 | 研究深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的应用 | 引入了空间注意力和通道注意力模块优化模型,提高了对高风险子宫内膜癌的诊断准确性和术后复发预测的准确性 | 研究仅基于回顾性数据,样本量相对较小,未来需进一步验证和扩大样本量 | 评估深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的价值 | 子宫内膜癌患者及其磁共振成像数据 | 计算机视觉 | 妇科肿瘤 | 磁共振成像 (MRI) | 卷积神经网络 (CNN) | 图像 | 210例子宫内膜癌患者的MRI图像数据,其中140例用于测试集,70例用于验证集 |
960 | 2024-11-13 |
Speech recognition using an english multimodal corpus with integrated image and depth information
2024-11-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78557-2
PMID:39506055
|
研究论文 | 本文研究了将深度信息引入多模态语料库,并探讨了集成电子图像和深度信息的英语多模态语料库的构建方法及其语音识别方法 | 本文的创新点在于引入了深度信息到多模态语料库中,并研究了多模态融合策略,结合语音信号和图像信息,利用深度学习技术挖掘声学和视觉特征 | 本文的局限性在于仅在特定信噪比条件下进行了实验,未探讨其他信噪比条件下的效果 | 本文的研究目的是提高英语多模态语料库的语音识别准确率 | 本文的研究对象是集成图像和深度信息的英语多模态语料库及其语音识别方法 | 自然语言处理 | NA | 深度学习 | CNN | 多模态数据(语音、图像、深度信息) | NA |