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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
481 | 2024-12-14 |
Automated confidence estimation in deep learning auto-segmentation for brain organs at risk on MRI for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14513
PMID:39284283
|
研究论文 | 本文提出了一种名为AutoConfidence(ACo)的新型AI驱动质量保证方法,用于在磁共振成像(MRI)上进行脑部危及器官的自动分割,以评估每个体素的分割置信度 | 创新点在于无需金标准分割即可在每个体素基础上估计分割置信度,从而实现自动分割的稳健和高效审查 | 研究仅在胶质瘤病例中进行了验证,且未提及在其他类型肿瘤或不同成像模式中的应用 | 开发一种无需金标准分割的自动分割质量保证方法,以提高放射治疗中自动分割的可靠性和效率 | 脑部危及器官的自动分割在MRI上的置信度评估 | 计算机视觉 | 脑肿瘤 | 深度学习 | 生成对抗网络(GAN) | 图像 | 32例回顾性胶质瘤病例用于训练,9例用于测试 |
482 | 2024-12-14 |
Deep learning based ultra-low dose fan-beam computed tomography image enhancement algorithm: Feasibility study in image quality for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14560
PMID:39540681
|
研究论文 | 研究了基于深度学习的超低剂量kV-扇形束CT图像增强算法在腹部和盆腔肿瘤放疗中的临床应用可行性 | 提出了基于CycleGAN的图像增强模型,显著提高了超低剂量CT图像的质量,接近正常剂量CT图像 | 研究仅在腹部和盆腔肿瘤患者中进行,样本量相对较小,可能需要进一步验证在其他类型肿瘤中的适用性 | 评估深度学习增强的超低剂量CT图像在放疗中的临床应用可行性 | 腹部和盆腔肿瘤患者 | 计算机视觉 | 肿瘤 | CycleGAN | GAN | 图像 | 76名腹部和盆腔肿瘤患者 |
483 | 2024-12-14 |
Sleep apnea test prediction based on Electronic Health Records
2024-Dec, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104737
PMID:39489457
|
研究论文 | 本研究开发了基于电子健康记录(EHR)的预测模型,用于预测50岁以后是否进行睡眠呼吸暂停测试 | 引入了RankLi方法进行时间变量选择,并探讨了根据EHR记录数量进行子群体建模的有效性 | 研究仅限于50岁以后的预测,且依赖于EHR记录的可用性 | 开发预测模型,提前通知潜在的保险成员是否需要进行睡眠呼吸暂停测试 | 基于电子健康记录的睡眠呼吸暂停测试预测 | 机器学习 | 睡眠呼吸暂停 | NA | 1-CNN, LSTM, 随机森林, 逻辑回归 | 电子健康记录 | NA |
484 | 2024-12-14 |
Commentator Discussion: Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound
2024-Dec, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2024.10.003
PMID:39669331
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
485 | 2024-12-13 |
Improving genome-scale metabolic models of incomplete genomes with deep learning
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111349
PMID:39660058
|
研究论文 | 本文提出了一种基于深度神经网络的代谢途径填补方法,用于改进不完整基因组的基因组尺度代谢模型 | 本文引入了深度神经网络引导的代谢途径填补方法(DNNGIOR),通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果 | NA | 改进不完整基因组的基因组尺度代谢模型 | 微生物代谢模型中的代谢反应填补 | 机器学习 | NA | 深度学习 | 深度神经网络 | 基因组数据 | 涉及多种细菌基因组 |
486 | 2024-12-13 |
IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40606
PMID:39660181
|
研究论文 | 本研究利用迁移学习和深度学习技术,通过卷积神经网络对印度尼西亚药用植物进行分类识别 | 首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类,并比较了多种深度学习模型的性能 | 实验仅使用了图像数据,未考虑其他类型的数据(如文本描述),且样本量相对较小 | 开发一种自动化的方法来识别印度尼西亚药用植物,以促进传统医学实践和农业发展 | 印度尼西亚的药用植物 | 计算机视觉 | NA | 迁移学习,卷积神经网络 | CNN | 图像 | 一个包含印度尼西亚药用植物图像的广泛数据集,经过手动精心挑选 |
487 | 2024-12-13 |
Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis
2024-Dec-12, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjae204
PMID:39365026
|
研究论文 | 本研究使用深度学习技术评估了肉毒杆菌毒素A(BoNT-A)注射对面部表情的影响 | 首次使用卷积神经网络(CNN)基于面部情感识别系统客观测量BoNT-A注射对面部表情的影响 | 需要进一步研究以理解这些变化更广泛的影响 | 客观测量BoNT-A注射对面部表情的影响 | BoNT-A注射对面部表情的影响 | 计算机视觉 | NA | 卷积神经网络(CNN) | 卷积神经网络(CNN) | 图像 | 180名年龄在25至60岁之间的患者 |
488 | 2024-12-13 |
Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement
2024-Dec-12, Journal of the Air & Waste Management Association (1995)
DOI:10.1080/10962247.2024.2412708
PMID:39440842
|
研究论文 | 本研究通过改进U-Net卷积神经网络模型,结合边缘信息扩展和联合损失函数,提高了从遥感图像中提取农业塑料大棚的准确性 | 本研究提出了一个改进的U-Net卷积神经网络模型,结合边缘信息扩展和联合损失函数,显著提高了农业塑料大棚的提取精度 | NA | 提高农业塑料大棚的空间分布信息获取的准确性,支持农业管理和环境监测 | 农业塑料大棚的空间分布信息 | 计算机视觉 | NA | 遥感技术 | U-Net卷积神经网络 | 图像 | 使用GF-7卫星影像数据 |
489 | 2024-12-13 |
Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules
2024-Dec-12, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-024-03800-4
PMID:39663331
|
研究论文 | 本文提出了一种利用量子信息嵌入分子表面流形来预测药物诱导肝毒性的深度学习方法 | 通过将分子表面的局部电子属性映射到低维流形嵌入,并将其作为深度学习模型的输入,创新性地利用量子信息来预测药物诱导的肝毒性 | NA | 开发一种新的深度学习方法来预测药物诱导的肝毒性 | 药物分子及其诱导的肝毒性 | 机器学习 | 肝损伤 | 深度学习 | 深度学习模型 | 分子表面电子属性 | 使用了一个精心策划的数据集进行训练和交叉验证 |
490 | 2024-12-13 |
Assessment of the stability of intracranial aneurysms using a deep learning model based on computed tomography angiography
2024-Dec-12, La Radiologia medica
DOI:10.1007/s11547-024-01939-z
PMID:39666223
|
研究论文 | 本研究构建了一个基于卷积神经网络的深度学习模型,用于通过CTA图像评估颅内动脉瘤的稳定性 | 本研究的创新点在于开发了一个基于卷积神经网络的深度学习模型,结合临床、形态学和深度学习特征,能够更准确地预测颅内动脉瘤的稳定性 | 本研究的局限性在于使用了回顾性数据,且外部验证集的样本量较小 | 本研究的目的是构建一个深度学习模型,用于通过CTA图像识别不稳定的颅内动脉瘤 | 本研究的对象是颅内动脉瘤的稳定性评估 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 1041名患者,共1227个动脉瘤,其中833名患者(991个动脉瘤)用于训练,208名患者(236个动脉瘤)用于内部验证,197名患者(229个动脉瘤)用于外部验证 |
491 | 2024-12-13 |
Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model
2024-Dec-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad992c
PMID:39622083
|
研究论文 | 本文提出了一种基于时间重分配多同步挤压变换(TMSST)和CNN-BiLSTM-Attention机制模型的数字孪生系统,用于脑电图(EEG)癫痫发作预测 | 创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型,提取患者特定的脉冲特征并进行癫痫发作预测 | NA | 研究目的是开发一种高效的数字孪生系统,用于脑电图癫痫发作预测 | 研究对象是脑电图数据和癫痫发作预测 | 机器学习 | 神经疾病 | 时间重分配多同步挤压变换(TMSST) | CNN-BiLSTM-Attention机制模型 | 脑电图(EEG)数据 | 22名患者 |
492 | 2024-12-13 |
Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis
2024-Dec-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/55986
PMID:39661965
|
meta-analysis | 本文系统综述和荟萃分析了机器学习在检测儿童癫痫发作中的准确性 | 本文首次系统性地评估了机器学习和深度学习在儿童癫痫发作检测中的效果,并比较了两者的准确性 | 本文仅基于已发表的研究,可能存在发表偏倚;且研究对象均为基于脑电图数据的儿童 | 评估机器学习在监测儿童癫痫发作中的有效性,为未来智能工具的开发和改进提供证据基础 | 儿童癫痫发作的检测 | machine learning | 神经疾病 | NA | ML, DL | 脑电图数据 | 28项原始研究,基于儿童的脑电图数据 |
493 | 2024-12-13 |
Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study
2024-Dec-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63892
PMID:39661975
|
研究论文 | 本研究评估了GPT-4在分类癌症患者电话咨询目的方面的表现,并将其与LSTM和BERT等判别模型的表现进行了比较 | GPT-4在处理复杂和模糊查询方面表现出色,无需大量重新训练,显著优于传统的LSTM和BERT模型 | 需要进一步优化提示设计和类别定义,以充分发挥GPT-4在实际医疗应用中的潜力 | 评估GPT-4在分类癌症患者电话咨询目的方面的表现,并探索其在医疗环境中的应用潜力 | 癌症患者的电话咨询数据 | 自然语言处理 | 癌症 | GPT-4 | GPT-4 | 文本 | 430,355条来自2016年至2020年癌症患者电话咨询的句子 |
494 | 2024-12-13 |
Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis
2024-Dec-11, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.24.09.0256
PMID:39662033
|
研究论文 | 本研究旨在验证人类补偿储备算法是否可应用于犬类,并探讨简化波形分析预测失血量的可行性 | 开发了一种基于犬类动脉波形特征的失血量预测模型(cBLVM),并展示了其在预测犬类出血性休克中的优越性 | 研究样本量较小,仅包括6只犬类,可能影响结果的普适性 | 验证人类补偿储备算法在犬类中的适用性,并开发一种简化的波形分析方法来预测失血量 | 犬类出血性休克模型中的失血量预测 | 机器学习 | NA | 机器学习 | 深度学习(hCRM-DL)和机器学习(hCRM-ML) | 波形 | 6只经过麻醉的犬类 |
495 | 2024-12-13 |
An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images
2024-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9dac
PMID:39662047
|
研究论文 | 本文提出了一种高效的深度展开网络,用于稀疏视角CT重建,通过交替优化密集视角正弦图和图像来提高重建效率和质量 | 本文的创新点在于通过优化密集视角正弦图而非全视角正弦图,减少了计算资源和运行时间,并降低了稀疏比极小时正弦图修复的难度,从而减少了从正弦图域到图像域的估计误差传播 | NA | 本文的研究目的是解决稀疏视角CT重建中计算成本高的问题,同时保持重建图像的质量 | 本文的研究对象是稀疏视角CT重建中的正弦图和图像 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 512×512像素的图像和2304×736的投影数据 |
496 | 2024-12-13 |
Longitudinal interpretability of deep learning based breast cancer risk prediction
2024-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9db3
PMID:39662054
|
研究论文 | 本文研究了基于深度学习的乳腺癌风险预测模型的可解释性,并探讨了模型在不同时间间隔内检测乳腺癌变化的能力 | 本文提出了使用八种可解释性技术来量化模型对乳腺癌侧的依赖性,并揭示了模型在不同时间间隔内的预测机制 | 本文仅使用了MIRAI模型进行研究,未探讨其他模型的表现 | 探讨基于深度学习的乳腺癌风险预测模型的可解释性及其在不同时间间隔内的预测机制 | 乳腺癌风险预测模型及其在不同时间间隔内的表现 | 机器学习 | 乳腺癌 | 深度学习 | NA | 图像 | 1210张筛查乳腺X光片和2400张至少有十年随访的乳腺X光片 |
497 | 2024-12-13 |
Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01364-8
PMID:39663317
|
研究论文 | 本文提出了一种基于深度学习的框架,用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织,并展示了其在临床应用中的潜力 | 本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集,并展示了多种深度学习模型架构和训练配置的实验结果 | NA | 开发一种自动化的语义分割方法,以增强乳腺X光图像在临床应用中的分析能力 | 乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织 | 计算机视觉 | 乳腺癌 | 深度学习 | 语义分割模型 | 图像 | 最大的专门用于乳腺X光图像分割关键解剖结构的数据集 |
498 | 2024-12-13 |
A Neural Network for Segmenting Tumours in Ultrasound Rectal Images
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01358-6
PMID:39663316
|
研究论文 | 本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型 | 创新点在于使用全局注意力解码器替代传统的卷积解码器,并结合有效的通道信息融合进行多尺度信息整合 | NA | 设计一种能够准确识别和分割超声图像中直肠肿瘤的方法,以辅助医生进行直肠癌诊断 | 超声直肠图像中的肿瘤 | 计算机视觉 | 直肠癌 | 深度学习 | 神经网络 | 图像 | 53名患者(173张图像)用于测试,195名患者(1247张图像)用于训练,20名患者(87张图像)用于验证 |
499 | 2024-12-13 |
Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01345-x
PMID:39663320
|
研究论文 | 本研究探讨了深度学习重建(DLR)在直肠癌分期中加速T2加权成像的可行性和图像质量 | 首次评估了DLR在直肠癌分期中加速采集的潜力,并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能 | 研究样本量较小,且仅限于直肠癌患者,未来需要更大规模的研究来验证结果 | 探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量 | 直肠癌患者的T2加权成像 | 计算机视觉 | 直肠癌 | 深度学习重建 | NA | 图像 | 52名直肠癌患者 |
500 | 2024-12-13 |
Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01373-7
PMID:39663321
|
研究论文 | 本文开发了一种基于深度学习的身体成分分析方法,用于癌症患者的CT影像分析 | 首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析,并结合热图回归进行脊椎定位 | NA | 开发一种准确的身体成分分析方法,以早期检测癌症患者的营养不良并支持及时干预 | 癌症患者的腹部/骨盆CT扫描图像 | 计算机视觉 | NA | CT | Swin UNETR | 图像 | 200例癌症患者的腹部/骨盆CT扫描 |