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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
681 | 2024-12-08 |
Anatomical recognition artificial intelligence for identifying the recurrent laryngeal nerve during endoscopic thyroid surgery: A single-center feasibility study
2024-Dec, Laryngoscope investigative otolaryngology
IF:1.6Q2
DOI:10.1002/lio2.70049
PMID:39640517
|
研究论文 | 研究使用人工智能识别内镜甲状腺手术中喉返神经的可行性 | 首次应用人工智能模型进行内镜甲状腺手术中喉返神经的识别 | 研究仅限于单中心数据,样本量较小 | 评估人工智能在内镜甲状腺手术中识别喉返神经的可行性和准确性 | 喉返神经和气管在内镜甲状腺手术中的识别 | 计算机视觉 | NA | 语义分割深度学习方法 | NA | 视频 | 40个内镜甲状腺手术视频 |
682 | 2024-12-08 |
Development and validation of the MRI-based deep learning classifier for distinguishing perianal fistulizing Crohn's disease from cryptoglandular fistula: a multicenter cohort study
2024-Dec, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102940
PMID:39640934
|
研究论文 | 开发并验证了一种基于MRI的深度学习分类器,用于区分肛周瘘管性克罗恩病和腺性瘘管 | 首次使用深度卷积神经网络(DCNN)模型,通过迁移学习策略,基于MRI图像区分肛周瘘管性克罗恩病和腺性瘘管 | 研究仅限于中国三家三级转诊医院的数据,样本量有限,可能影响模型的泛化能力 | 开发并验证一种可靠的MRI图像分类器,用于早期区分肛周瘘管性克罗恩病和腺性瘘管 | 肛周瘘管性克罗恩病和腺性瘘管患者 | 计算机视觉 | 消化系统疾病 | 深度卷积神经网络(DCNN) | CNN | 图像 | 1054名患者,包括532名肛周瘘管性克罗恩病患者和522名腺性瘘管患者 |
683 | 2024-12-08 |
Development and validation of a deep learning pipeline to diagnose ovarian masses using ultrasound screening: a retrospective multicenter study
2024-Dec, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102923
PMID:39640935
|
研究论文 | 开发并验证了一种基于超声筛查诊断卵巢肿块的深度学习管道,通过多中心回顾性研究评估其性能 | 提出了Ovarian Multi-Task Attention Network (OvaMTA),用于卵巢和卵巢肿块的检测、分割和分类,以及基于超声筛查的卵巢肿块诊断 | NA | 开发一种自动化的深度学习框架,用于卵巢和卵巢肿块的检测、分割和分类,以及基于超声筛查的卵巢肿块诊断 | 卵巢和卵巢肿块的检测、分割和分类,以及卵巢肿块的诊断 | 计算机视觉 | 卵巢癌 | 深度学习 | OvaMTA | 图像和视频 | 训练和验证集包括6938张图像,内部测试集包括1584张图像,外部测试集包括1896张图像和159个视频 |
684 | 2024-12-07 |
DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network
2024-Dec-06, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0807
PMID:39639802
|
研究论文 | 本文介绍了一种基于扩散图注意力网络的药物反应预测方法DRGAT | DRGAT结合了去噪扩散隐式模型进行数据增强和具有高阶邻居传播的图注意力网络(GAT)预测模块,显著提高了药物反应预测的准确性 | 生物数据集通常高维但样本量小,存在过拟合和泛化能力差的问题 | 提高个性化医疗中药物反应预测的准确性 | 基因表达数据和药物反应预测 | 机器学习 | NA | 图神经网络 | 图注意力网络(GAT) | 基因表达数据 | 小样本量 |
685 | 2024-12-07 |
Magnetic resonance image denoising for Rician noise using a novel hybrid transformer-CNN network (HTC-net) and self-supervised pretraining
2024-Dec-06, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17562
PMID:39641989
|
研究论文 | 提出了一种新的混合Transformer-CNN网络(HTC-net)和自监督预训练策略,用于磁共振图像的去噪 | 创新点在于结合了Transformer和CNN的优势,通过并行编码器捕捉长程信息,并提出残差融合块来聚合不同分辨率的特征,同时采用自监督预训练策略提升模型在有限数据集上的表现 | NA | 开发一种有效的深度学习方法,通过利用长程信息和预训练来提高去噪性能并减少对配对MR图像的需求 | 磁共振图像的去噪 | 计算机视觉 | NA | 深度学习 | 混合Transformer-CNN网络 | 图像 | 肺部HP 129Xe MRI数据集(1059张图像)和IXI数据集(5000张图像) |
686 | 2024-12-07 |
Estimation of fatty acid composition in mammary adipose tissue using deep neural network with unsupervised training
2024-Dec-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30401
PMID:39641987
|
研究论文 | 本文提出了一种基于深度学习的无监督训练网络FAC-Net,用于从多回波双极梯度回波数据中估计乳腺脂肪组织中的脂肪酸组成 | 本文创新性地提出了基于物理学的无监督深度学习网络FAC-Net,用于从MRI数据中快速准确地估计乳腺脂肪组织中的脂肪酸组成 | 本文的局限性在于仅在模拟数据和绝经后女性中进行了测试,尚未在更广泛的人群中验证 | 开发一种基于深度学习的方法,用于从乳腺脂肪组织中快速准确地估计脂肪酸组成 | 乳腺脂肪组织中的脂肪酸组成 | 计算机视觉 | NA | MRI | 深度神经网络 | 图像 | 模拟数据包含八种不同脂肪酸组成的油,绝经后女性包括8名乳腺癌风险平均的控制组和7名经活检证实患有乳腺癌的癌症组 |
687 | 2024-12-07 |
Classification techniques of ion selective electrode arrays in agriculture: a review
2024-Dec-05, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01346h
PMID:39543972
|
综述 | 本文总结了农业中离子选择电极阵列的分类技术 | 本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状 | 本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战 | 推进分类技术与离子选择电极阵列在农业中的应用 | 农业中的离子选择电极阵列分类技术 | 机器学习 | NA | 离子选择电极阵列 | 人工神经网络、极限学习机、深度学习 | 离子信号 | NA |
688 | 2024-12-07 |
Computers and chess masters: The role of AI in transforming elite human performance
2024-Dec-05, British journal of psychology (London, England : 1953)
DOI:10.1111/bjop.12750
PMID:39635926
|
研究论文 | 分析了超过1160万次顶级国际象棋选手的决策,探讨了人工智能在顶级人类表现中的作用 | 发现人工智能的进步与人类表现的提升相匹配,但顶级选手的决策质量在四十年间稳步提升,未出现显著的快速提升期 | 研究仅限于国际象棋领域,且未探讨人工智能对其他复杂任务的影响 | 探讨人工智能在提升顶级人类表现中的作用 | 顶级国际象棋选手的决策 | 人工智能 | NA | 深度学习 | 神经网络 | 决策数据 | 超过1160万次决策 |
689 | 2024-12-07 |
Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation
2024-Dec-05, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14602
PMID:39636019
|
研究论文 | 本文提出了一种个性化联邦学习框架(PAF-Fed),用于腹部多器官分割,通过频率域聚合来优化模型训练 | 本文创新性地引入了个性化联邦学习框架,通过选择性收集部分模型参数进行客户端协作,并使用傅里叶变换和自注意力机制来聚合低频参数分量,以解决数据异质性问题 | NA | 旨在解决医疗图像深度学习模型训练中数据标注和隐私保护的挑战 | 腹部多器官分割 | 计算机视觉 | NA | 联邦学习(FL) | 个性化联邦学习框架(PAF-Fed) | 图像 | 使用了Combined Healthy Abdominal Organ Segmentation磁共振成像(MRI)数据集(CHAOS 2019)和一个私有计算机断层扫描(CT)数据集 |
690 | 2024-12-07 |
Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer
2024-Dec-05, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-24-0327
PMID:39636222
|
研究论文 | 本研究展示了通过结合高吞吐量超光谱荧光显微镜和机器学习,从非小细胞肺癌组织的自体荧光图像中生成虚拟苏木精-伊红(H&E)染色和多重免疫荧光(mIF)染色的可行性 | 本研究扩展了先前在肝病和前列腺癌中基于自体荧光进行虚拟染色的工作,进一步证明了这种深度学习技术在不同疾病(肺癌)和染色模式(mIF)中的通用性 | NA | 探索虚拟染色技术在数字病理学中的应用,以提高空间生物学研究的潜力,改善临床工作流程的效率和可靠性,并实现非破坏性组织样本保存 | 非小细胞肺癌组织的自体荧光图像 | 数字病理学 | 肺癌 | 超光谱荧光显微镜 | 深度学习 | 图像 | NA |
691 | 2024-12-07 |
Self-supervised learning improves robustness of deep learning lung tumor segmentation models to CT imaging differences
2024-Dec-05, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17541
PMID:39636237
|
研究论文 | 本文研究了自监督学习对深度学习肺肿瘤分割模型在CT影像差异中的鲁棒性提升 | 首次比较了在医学影像分析中,使用未标注的公开数据集进行预训练(wild-pretraining)与使用下游任务数据集进行预训练(self-pretraining)的效果 | ViT和CNN模型在wild-pretraining与self-pretraining之间未显示出明显的优势 | 比较wild-pretraining与self-pretraining在非小细胞肺癌分割中的鲁棒性 | 非小细胞肺癌的3D CT影像分割 | 计算机视觉 | 肺癌 | 自监督学习 | 卷积神经网络(CNN)、视觉变换器(ViT)、分层移位窗口(Swin) | 3D CT影像 | 10,412个未标注的3D CT影像用于wild-pretraining,377个标注的3D CT影像用于self-pretraining和fine-tuning |
692 | 2024-12-07 |
Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study
2024-Dec-05, JMIR formative research
IF:2.0Q4
DOI:10.2196/59045
PMID:39636692
|
研究论文 | 本研究开发并验证了一种名为神经原型树(NPT)的可解释图像分类器,用于胸部X光病理检测,旨在结合深度学习模型的诊断能力和决策树的可解释性 | 引入神经原型树(NPT)分类器,结合深度学习与决策树的优势,提高胸部X光病理检测的透明度和可解释性 | 研究中观察到NPT分类器在低解释复杂度水平下存在较高的不公平性,特别是在年龄分组中 | 探讨NPT分类器在性能、可解释性和公平性三个维度上的效用,并研究这些维度之间的复杂交互关系 | 胸部X光病理检测 | 计算机视觉 | NA | 神经原型树(NPT) | 神经网络(ResNet-152) | 图像 | 使用了来自Chest X-ray 14、CheXpert和MIMIC-CXR数据集的胸部X光图像,每个数据集分别训练了6个分类器 |
693 | 2024-12-07 |
Preictal period optimization for deep learning-based epileptic seizure prediction
2024-Dec-05, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9ad0
PMID:39637549
|
研究论文 | 研究提出了一种数据驱动的方法来识别癫痫发作预测的最佳前驱期(OPP),并引入了新的度量来捕捉模型在不同前驱期定义下的行为 | 引入了连续输入-输出性能比(CIOPR)这一新指标,用于建议每个患者的前驱期(OPP) | 研究强调了在实际临床应用中检测前驱期的实际限制 | 提高药物难治性癫痫患者的安全性和生活质量 | 头皮脑电图(EEG)信号 | 机器学习 | NA | 深度学习 | CNN-Transformer | 脑电图(EEG)信号 | 使用了CHB-MIT数据集 |
694 | 2024-12-07 |
Evaluating CNN Architectures for the Automated Detection and Grading of Modic Changes in MRI: A Comparative Study
2024-Dec-05, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.14280
PMID:39638639
|
研究论文 | 本研究评估了卷积神经网络(CNN)在MRI中自动检测和分级Modic变化(MCs)的性能 | 提出了使用YOLOv8和YOLOv5模型进行MCs的自动检测和分级,并展示了其优于传统方法和初级医生的性能 | 研究样本量较小,且仅使用了两种MRI设备的数据 | 开发和验证用于MRI中自动检测和分级Modic变化的卷积神经网络模型 | Modic变化(MCs)在MRI中的检测和分级 | 计算机视觉 | NA | 卷积神经网络(CNN) | YOLOv8, YOLOv5 | MRI图像 | 139名患者的MRI数据 |
695 | 2024-12-07 |
Deep learning enabled ultra-high quality NMR chemical shift resolved spectra
2024-Dec-04, Chemical science
IF:7.6Q1
DOI:10.1039/d4sc04742g
PMID:39568866
|
研究论文 | 开发了一种名为SE2CSNet的神经网络,用于处理通过自旋回波脉冲序列获取的NMR数据,以获得高分辨率和灵敏度的化学位移解析光谱 | 通过检测自旋回波光谱中的相位变化,SE2CSNet能够准确检测重叠光谱信号的化学位移位置,即使在低信噪比下也能恢复隐藏在噪声中的弱信号 | NA | 提高核磁共振(NMR)中化学位移解析光谱的质量 | NMR数据中的化学位移信息 | 机器学习 | NA | NMR | 神经网络 | 光谱数据 | NA |
696 | 2024-12-07 |
ProBID-Net: a deep learning model for protein-protein binding interface design
2024-Dec-04, Chemical science
IF:7.6Q1
DOI:10.1039/d4sc02233e
PMID:39568891
|
研究论文 | 介绍了一种名为ProBID-Net的深度学习模型,用于蛋白质-蛋白质结合界面的设计 | ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质,解决了现有AI模型在已知受体序列情况下的设计挑战 | NA | 开发一种新的计算蛋白质设计工具,以促进蛋白质-蛋白质相互作用的设计 | 蛋白质-蛋白质结合界面的设计 | 机器学习 | NA | 深度学习 | ProBID-Net | 蛋白质结构 | 使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练 |
697 | 2024-12-07 |
Advancing cancer diagnosis and prognostication through deep learning mastery in breast, colon, and lung histopathology with ResoMergeNet
2024-Dec-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109494
PMID:39637456
|
研究论文 | 本文介绍了一种名为ResoMergeNet的深度学习模型,用于乳腺癌、结肠癌和肺癌的病理图像的多类和二分类诊断 | ResoMergeNet整合了Resboost机制和ConvmergeNet机制,优化了特征提取和表示,显著提高了诊断准确性 | NA | 提高乳腺癌、结肠癌和肺癌的诊断和预后系统的准确性 | 乳腺癌、结肠癌和肺癌的病理图像 | 计算机视觉 | 乳腺癌、结肠癌、肺癌 | 深度学习 | ResoMergeNet | 图像 | LC-25000和BreakHis数据集(400×和40×放大倍数) |
698 | 2024-12-07 |
Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs
2024-Dec-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109436
PMID:39637462
|
研究论文 | 本文开发了一种基于深度学习的端到端工作流程,用于预测胶质母细胞瘤患者的总体生存期,使用术前基本结构多参数磁共振成像 | 本文的创新点在于开发了一种基于深度学习的端到端工作流程,能够使用术前基本结构多参数磁共振成像自动预测胶质母细胞瘤患者的总体生存期 | 本文的局限性在于使用了多机构公共数据集和前瞻性机构临床试验数据集进行验证,但未提及在其他数据集上的泛化能力 | 研究目的是开发一种自动化的端到端工作流程,用于早期预测胶质母细胞瘤患者的总体生存期,以辅助及时的治疗决策 | 研究对象是胶质母细胞瘤患者及其术前基本结构多参数磁共振成像 | 计算机视觉 | 脑癌 | 深度学习 | 对比学习 | 图像 | 研究包括来自多机构公共数据集的235名患者和来自前瞻性机构临床试验的19名胶质母细胞瘤患者 |
699 | 2024-12-07 |
Progress on the development of prediction tools for detecting disease causing mutations in proteins
2024-Dec-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109510
PMID:39637461
|
综述 | 本文综述了用于检测蛋白质中致病突变的预测工具的开发进展 | 强调了在预测癌症、神经退行性和传染病相关靶点的热点突变以及膜蛋白突变方面的进展 | 讨论了现有方法的局限性及可能的改进 | 探讨预测蛋白质中致病突变的计算工具的开发 | 蛋白质中的致病突变 | 机器学习 | NA | 机器学习、深度学习和大型语言模型 | NA | 序列和结构特征 | NA |
700 | 2024-12-07 |
Predicting cancer content in tiles of lung squamous cell carcinoma tumours with validation against pathologist labels
2024-Dec-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109489
PMID:39637460
|
研究论文 | 本文提出了一种用于排除肺鳞状细胞癌肿瘤数字化全切片图像中非癌性切片块的模型 | 该模型能够预测肺鳞状细胞癌肿瘤切片块中的癌症含量,并通过病理学家标签进行验证 | 模型在处理周围组织、低癌症含量区域和高免疫活性区域时存在误报,以及在处理微切片缺陷时存在漏报 | 开发一种能够有效排除非癌性切片块的模型,以提高预测治疗生物标志物的研究流程 | 肺鳞状细胞癌肿瘤的数字化全切片图像 | 数字病理学 | 肺鳞状细胞癌 | 深度学习 | VGG16 | 图像 | 116张来自35个不同中心的全切片图像 |