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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1081 | 2024-11-04 |
Deep learning algorithm for automatically measuring Cobb angle in patients with idiopathic scoliosis
2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-08024-5
PMID:38367024
|
研究论文 | 本文开发了一种深度学习模型,用于自动测量特发性脊柱侧弯患者的Cobb角 | 提出了一个自动测量Cobb角的深度学习模型,减少了人工测量的变异性 | 需要进一步研究以提高模型的准确性和通用性 | 开发一种自动测量Cobb角的深度学习模型,以减少测量误差 | 特发性脊柱侧弯患者的Cobb角 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 297张脊柱X光片,其中227张用于训练,70张用于验证 |
1082 | 2024-11-04 |
Estimating lumbar bone mineral density from conventional MRI and radiographs with deep learning in spine patients
2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08463-8
PMID:39212711
|
研究论文 | 本研究旨在利用深度学习方法从常规腰椎MRI和X光片中估算骨密度并检测骨质疏松症 | 本研究首次尝试结合常规MRI和X光片以及临床数据和成像参数,利用机器学习模型估算腰椎骨密度并分类T评分 | 模型在直接估算骨密度值方面的能力有限 | 开发机器学习方法以估算骨密度并检测骨质疏松症 | 腰椎骨密度和T评分 | 机器学习 | NA | 机器学习 | NA | 图像 | 429名患者 |
1083 | 2024-11-04 |
Deep learning-based normative database of anterior chamber dimensions for angle closure assessment: the Singapore Chinese Eye Study
2024-Nov-01, The British journal of ophthalmology
DOI:10.1136/bjo-2024-325602
PMID:39486884
|
研究论文 | 本文通过深度学习算法建立了前房参数的规范数据库,用于评估闭角型青光眼 | 首次利用深度学习算法建立前房参数的规范分布,并应用于闭角型青光眼的检测 | 研究仅限于新加坡华人群体,可能不适用于其他种族或地区 | 建立前房参数的规范分布,并应用于闭角型青光眼的检测 | 前房深度、面积、宽度和晶状体凸度等参数 | 计算机视觉 | 眼科疾病 | 深度学习算法 | 深度学习模型 | 图像 | 2157只眼睛(1853只开放角,304只闭角) |
1084 | 2024-11-04 |
Integrative hybrid deep learning for enhanced breast cancer diagnosis: leveraging the Wisconsin Breast Cancer Database and the CBIS-DDSM dataset
2024-Nov-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74305-8
PMID:39487199
|
研究论文 | 本文通过整合威斯康星州乳腺癌数据库和CBIS-DDSM数据集,利用混合深度学习方法提高乳腺癌诊断的准确性 | 本文创新性地结合了两个重要数据集,并采用卷积神经网络与随机梯度方法相结合的混合深度学习方法,以识别乳腺癌的复杂模式和特征诊断 | 本文的模型泛化性需要通过独立验证在其他数据集上进行验证 | 提高乳腺癌诊断的准确性 | 乳腺癌的诊断 | 计算机视觉 | 乳腺癌 | 卷积神经网络(CNN) | 混合深度学习模型 | 图像 | 569名患者(其中212名患有恶性肿瘤)和2620个扫描的乳腺X光片研究 |
1085 | 2024-11-04 |
Information mismatch in PHH3-assisted mitosis annotation leads to interpretation shifts in H&E slide analysis
2024-Nov-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77244-6
PMID:39487193
|
研究论文 | 研究分析了PHH3辅助有丝分裂注释对H&E切片分析中互评者一致性和模型性能的影响 | 提出了一种新的双染色检测器,并分析了PHH3辅助注释对模型性能的影响 | PHH3辅助注释并未显著提高H&E检测器的性能 | 探讨PHH3辅助有丝分裂注释对互评者一致性和模型性能的影响 | 有丝分裂图(MFs)的注释和检测 | 数字病理学 | NA | 深度学习算法 | 双染色检测器 | 图像 | 涉及多个评价者的实验数据 |
1086 | 2024-11-04 |
Explainable machine learning by SEE-Net: closing the gap between interpretable models and DNNs
2024-Nov-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77507-2
PMID:39487274
|
研究论文 | 本文介绍了一种名为SEE-Net的新型神经网络架构,旨在结合深度神经网络的高预测能力和可解释模型的透明性 | SEE-Net通过将指导性深度神经网络与浅层神经网络结合,实现了深度学习的高预测能力和可解释模型的透明性之间的平衡 | NA | 旨在解决深度神经网络复杂性导致的解释性难题,并提升可解释模型的预测准确性 | 深度神经网络和可解释模型的结合 | 机器学习 | NA | NA | SEE-Net | 图像和表格数据 | NA |
1087 | 2024-11-04 |
Multi-level physics informed deep learning for solving partial differential equations in computational structural mechanics
2024-Nov-01, Communications engineering
DOI:10.1038/s44172-024-00303-3
PMID:39487342
|
研究论文 | 本文开发了一种多层次物理信息神经网络框架,用于解决计算结构力学中的偏微分方程 | 通过结合多个神经网络,每个网络仅涉及一阶或二阶偏微分方程,代表不同的物理信息,从而提高了计算精度和时间 | NA | 开发一种新的神经网络框架,以提高解决结构力学问题中偏微分方程的精度和计算效率 | 结构力学中的偏微分方程 | 机器学习 | NA | 物理信息神经网络 | 神经网络 | NA | NA |
1088 | 2024-11-04 |
High spatiotemporal resolution estimation and analysis of global surface CO concentrations using a deep learning model
2024-Nov-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.123096
PMID:39488180
|
研究论文 | 本研究利用深度学习模型对全球表面CO浓度进行高时空分辨率估计和分析 | 开发了一种基于卷积神经网络(CNN)的高性能残差网络(ResNet)模型,用于估计全球CO浓度,并结合全球TROPOMI总柱大气CO(TCCO)产品和再分析数据集,实现了高精度的估计 | NA | 阐明全球CO污染与健康风险的关系,以及自然事件如野火的影响 | 全球表面CO浓度 | 机器学习 | NA | 卷积神经网络(CNN) | 残差网络(ResNet) | 数据集 | 从2018年6月至2021年5月的每日全球CO浓度数据,空间分辨率为0.07° |
1089 | 2024-11-02 |
Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients with Cervical Ossification of the Posterior Longitudinal Ligament
2024-Nov-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005088
PMID:38975742
|
研究论文 | 本研究开发了一种基于多模态深度学习的放射组学方法,用于预测颈椎后纵韧带骨化症患者的手术结果 | 本研究首次将深度学习和机器学习技术应用于预测颈椎后纵韧带骨化症患者的手术结果 | 本研究为回顾性分析,样本量有限,且仅限于特定类型的患者 | 开发一种预测颈椎后纵韧带骨化症患者手术结果的模型 | 颈椎后纵韧带骨化症患者 | 机器学习 | 颈椎病 | 深度学习 | LightGBM 和 RadImagenet | 影像数据(X光、CT、MRI) | 288名患者 |
1090 | 2024-11-02 |
Combining graph deep learning and London dispersion interatomic potentials: A case study on pnictogen chalcohalides
2024-Nov-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0237101
PMID:39484895
|
研究论文 | 本文研究了将图深度学习与伦敦色散原子间势结合用于描述层状氮化物硫化物的方法 | 本文创新性地将图深度学习势与半经验色散模型结合,以解决现有模型中长程色散相互作用缺失的问题 | 尽管结合模型在描述层状化合物方面有所改进,但并非普遍适用,且未进行详细的参数微调 | 研究如何通过结合图深度学习与色散模型来改进原子间势模型,以更准确地描述层状化合物的物理性质 | 层状氮化物硫化物 BiTeBr 和 BiTeI,以及一系列具有不同化学计量比的 V-VI-VII 化合物 | 机器学习 | NA | 图神经网络 | 图深度学习模型 | 晶体结构 | 包括 BiTeBr 和 BiTeI 在内的多种 V-VI-VII 化合物 |
1091 | 2024-11-02 |
A multimodal deep learning-based algorithm for specific fetal heart rate events detection
2024-Nov-04, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0334
PMID:39484683
|
研究论文 | 研究开发了一种基于多模态深度学习的算法,用于检测特定的胎儿心率事件,以增强胎儿健康的自动监测和智能评估 | 提出了多模态深度学习算法,结合多种特征提取技术和深度学习模型,能够准确分类四种特定的胎儿心率事件和四种减速模式 | 未提及具体的研究局限性 | 开发一种能够检测特定胎儿心率事件的算法,以提高胎儿健康监测的准确性和智能化 | 胎儿心率(FHR)和子宫收缩信号 | 机器学习 | NA | 多模态深度学习 | 多模型深度神经网络和预融合深度学习模型 | 信号 | 基于专家标记的数据 |
1092 | 2024-11-02 |
Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks
2024-Nov, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2024.06.009
PMID:38909909
|
研究论文 | 本文开发了一种基于卷积神经网络的算法,用于从普通放射影像中检测腰椎管狭窄症 | 利用卷积神经网络进行腰椎管狭窄症的自动检测,使得没有MRI设备的医疗机构或非专科医生也能进行诊断 | 研究样本仅来自单一机构,且外部验证样本较少 | 开发一种算法,用于从普通放射影像中诊断是否存在需要手术的腰椎管狭窄症 | 腰椎管狭窄症患者 | 计算机视觉 | 脊柱疾病 | 卷积神经网络 | CNN | 图像 | 150名接受手术的患者,以及25名在其他医院接受手术的患者 |
1093 | 2024-11-02 |
A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models
2024-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.06.015
PMID:38944630
|
研究论文 | 本文比较了基于CT的胰腺分割深度学习模型的性能 | 本文首次在临床人群中评估了不同患者和扫描特征对胰腺分割算法性能的影响 | 本文仅评估了五种模型,且未涵盖所有可能影响分割性能的因素 | 评估不同胰腺分割模型在CT图像上的性能,并探讨影响分割性能的因素 | 胰腺分割模型在CT图像上的性能 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 352个CT扫描图像,包括30名女性、25名男性和297个性别未知,年龄为58±7岁(±1标准差),327个年龄未知 |
1094 | 2024-11-02 |
Improved vascular depiction and image quality through deep learning reconstruction of CT hepatic arteriography during transcatheter arterial chemoembolization
2024-Nov, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01614-3
PMID:38888853
|
研究论文 | 评估深度学习重建(DLR)对经导管动脉化疗栓塞(TACE)期间计算机断层扫描肝动脉造影(CTHA)图像的血管描绘、肿瘤强化和图像质量的影响 | 深度学习重建显著提高了小肝动脉的信噪比(SNR)、肿瘤的对比噪声比(CNR)和供血动脉的可视化 | 文章未提及具体的局限性 | 评估深度学习重建对CTHA图像质量的影响 | CTHA图像的血管描绘、肿瘤强化和图像质量 | 计算机视觉 | NA | 深度学习重建 | NA | 图像 | 27名患者(18名男性和9名女性,平均年龄75.7岁) |
1095 | 2024-11-02 |
Forecasting the incidence frequencies of schizophrenia using deep learning
2024-Nov, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2024.104205
PMID:39243662
|
研究论文 | 本研究开发了一种基于长短期记忆(LSTM)循环神经网络模型,用于预测台湾住院患者的思觉失调症发病率 | 本研究首次将LSTM模型应用于思觉失调症发病率的预测,并展示了其在多种模型中的最佳预测性能 | 研究数据仅限于台湾的住院患者,可能限制了模型的普适性 | 旨在开发和验证一种高效准确的模型,用于预测思觉失调症的发病率,以支持精神健康策略的制定 | 台湾住院患者的思觉失调症发病率 | 机器学习 | 精神疾病 | 长短期记忆(LSTM)循环神经网络 | LSTM | 文本 | 1998年至2015年间,年龄超过20岁且被诊断为思觉失调症的个体数据 |
1096 | 2024-11-02 |
DentAge: Deep learning for automated age prediction using panoramic dental X-ray images
2024-Nov, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.15629
PMID:39294554
|
研究论文 | 本研究开发并验证了一种基于全景牙科X光图像的自动化年龄预测深度学习模型DentAge | DentAge在不同年龄组和牙科条件下表现出色,展示了其在实际场景中的潜在应用价值 | 模型在预测高龄组(90-100岁)时误差较大,主要受假体修复、牙齿缺失和骨质吸收等因素影响 | 开发和验证一种基于全景牙科X光图像的自动化年龄预测模型 | 全景牙科X光图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 21,007张全景牙科X光图像,年龄范围为4至97岁 |
1097 | 2024-11-02 |
GraphPI: Efficient Protein Inference with Graph Neural Networks
2024-Nov-01, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.3c00845
PMID:39396189
|
研究论文 | 本文介绍了一种名为GraphPI的新框架,利用图神经网络进行蛋白质推断 | 将蛋白质推断问题视为节点分类问题,并利用图神经网络架构来解析蛋白质之间的相互关系 | NA | 解决蛋白质推断中数据标签稀缺的问题,并提高计算效率 | 蛋白质推断 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质数据集 | 未明确说明具体样本数量 |
1098 | 2024-11-02 |
Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence
2024-Nov, The American journal of emergency medicine
DOI:10.1016/j.ajem.2024.08.019
PMID:39213808
|
综述 | 本文综述了人工智能在钝性胸部创伤诊断中的应用及其面临的挑战 | 本文探讨了人工智能在钝性胸部创伤诊断中的潜在应用,并指出了当前研究的局限性 | 当前深度学习研究主要集中在特定的临床情境,限制了其在解决钝性胸部创伤复杂性方面的实用性 | 优化人工智能在钝性胸部创伤诊断评估中的作用,以提高患者护理和临床结果 | 钝性胸部创伤的诊断和评估 | 计算机视觉 | 胸部创伤 | 深度学习 | NA | 影像 | NA |
1099 | 2024-11-02 |
Understanding the role of machine learning in predicting progression of osteoarthritis
2024-Nov-01, The bone & joint journal
|
综述 | 本文综述了机器学习在预测骨关节炎进展中的应用 | 机器学习为个性化和定制化的手术治疗提供了途径 | 缺乏标准化评估指标和有限的外部验证限制了其临床应用 | 探讨机器学习在预测骨关节炎进展中的可行性和局限性 | 骨关节炎的进展预测 | 机器学习 | 骨关节炎 | 机器学习 | 深度学习 | 临床、影像学或生化数据 | 1160项研究中筛选出39项 |
1100 | 2024-10-30 |
Pre-operative lung ablation prediction using deep learning
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10767-8
PMID:38775950
|
研究论文 | 本文介绍了一种基于深度学习的模型,用于预测微波肺消融术后的消融区域,以辅助治疗计划并提高治疗效果 | 本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统,用于分析数据,并基于U-net架构构建了预测模型 | 本文的研究是回顾性的,样本量相对较小,且仅限于单一供应商的消融器 | 开发一种能够准确预测微波肺消融术后消融区域的深度学习模型,以改善治疗计划并减少肿瘤复发 | 微波肺消融术后的消融区域 | 计算机视觉 | 肺癌 | 可变形图像配准 | U-net | 图像 | 113次消融,来自72名患者 |