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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
801 | 2024-11-28 |
CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation
2024-Dec, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70041
PMID:39601250
|
研究论文 | 研究系统性硬化症患者在肺移植中使用延迟关胸术的临床结果和风险因素 | 首次探讨系统性硬化症患者在肺移植中使用延迟关胸术的研究 | 回顾性研究,样本量有限 | 评估延迟关胸术在系统性硬化症肺移植患者中的效果和风险因素 | 系统性硬化症肺移植患者 | 数字病理学 | 系统性硬化症 | 深度学习算法 | NA | CT影像 | 92名系统性硬化症肺移植患者 |
802 | 2024-11-27 |
Wee1 inhibitor optimization through deep-learning-driven decision making
2024-Dec-15, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116912
PMID:39369485
|
研究论文 | 本文利用深度学习技术优化Wee1抑制剂,通过活性解释、基于支架的分子生成和活性预测,从初始化合物GLX0198出发,获得了三个优化后的化合物,并在多种癌细胞系中表现出显著的抑制效果 | 本文首次将深度学习技术应用于Wee1抑制剂的优化,显著提高了抑制剂的活性 | 本文仅展示了少数几个优化后的化合物,未全面评估所有可能的优化路径 | 利用深度学习技术优化Wee1抑制剂,提高其在癌症治疗中的效果 | Wee1抑制剂及其在癌症细胞中的抑制效果 | 机器学习 | NA | 深度学习 | NA | 分子数据 | 从初始化合物GLX0198出发,最终获得三个优化后的化合物 |
803 | 2024-11-27 |
Can Deep Learning Search for Exceptional Chiroptical Properties? The Halogenated [6]Helicene Case
2024-Dec-02, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202409998
PMID:39329214
|
研究论文 | 本文研究了化学结构与手性光学性质之间的关系,并利用深度学习模型预测了大量卤代[6]螺旋烯的手性旋转强度 | 首次利用深度神经网络模型预测卤代[6]螺旋烯的手性旋转强度,并通过实验验证了预测结果的准确性 | NA | 研究化学结构与手性光学性质之间的关系,并开发新的具有增强光学性质的系统 | 卤代[6]螺旋烯的手性旋转强度 | 机器学习 | NA | DFT计算 | 深度神经网络 | 化学结构数据 | 数百万个卤代[6]螺旋烯衍生物 |
804 | 2024-11-27 |
Deep learning predicted perceived age is a reliable approach for analysis of facial ageing: A proof of principle study
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20365
PMID:39360788
|
研究论文 | 本研究探讨了使用深度学习算法预测面部感知年龄的可行性,并验证了其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 | 本研究首次使用深度学习方法自动估算面部感知年龄,并验证了其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 | 本研究仅在荷兰的中老年人群中进行了验证,未来需要在更多样化的人群中进行进一步验证 | 验证深度学习算法在估算面部感知年龄方面的可靠性,并探讨其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 | 中老年荷兰参与者的面部图像和感知年龄数据 | 计算机视觉 | NA | 深度学习 | 自监督学习和深度特征迁移 | 图像 | 2679名中老年荷兰参与者和1158名验证人群 |
805 | 2024-11-27 |
Tractography-Based Automated Identification of Retinogeniculate Visual Pathway With Novel Microstructure-Informed Supervised Contrastive Learning
2024-Dec-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70071
PMID:39564727
|
研究论文 | 本文提出了一种基于扩散MRI纤维束成像的自动识别视网膜-外侧膝状体视觉通路的新型深度学习框架 | 设计了一种新的微结构信息引导的监督对比学习方法,并提出了一种新的纤维束级别数据增强方法来处理高度不平衡的训练数据 | NA | 开发一种快速且准确的自动识别视网膜-外侧膝状体视觉通路的方法 | 视网膜-外侧膝状体视觉通路 | 计算机视觉 | NA | 扩散MRI纤维束成像 | 深度学习 | 图像 | 包括正常人和垂体瘤患者的扩散MRI纤维束成像数据 |
806 | 2024-11-27 |
Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images
2024-Dec-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2023-0406-OA
PMID:38387604
|
研究论文 | 本文设计并验证了一种用于预测转移性鳞状细胞癌的深度学习模型 | 该模型专门针对鳞状细胞癌的淋巴结转移预测,使用全切片图像进行训练和验证 | 模型存在假阳性(如生发中心、灰尘细胞聚集和标本处理伪影)和假阴性(如分化不良)的问题 | 开发一种能够预测鳞状细胞癌淋巴结转移的深度学习模型 | 鳞状细胞癌的淋巴结转移 | 数字病理学 | 鳞状细胞癌 | 深度学习 | EfficientNetB1 | 图像 | 训练集包含6587张全切片图像(2413张鳞状细胞癌和4174张非肿瘤),测试集包含541张全切片图像(41张鳞状细胞癌和500张非肿瘤) |
807 | 2024-11-27 |
A comprehensive dataset for Bangladeshi dessert classification
2024-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111077
PMID:39583252
|
研究论文 | 本文介绍了一个用于孟加拉甜点分类的综合数据集 | 该研究提供了一个专门为孟加拉甜点分类选择的高质量图像数据集,并使用MobileNet等深度学习算法进行分类模型的开发 | NA | 开发可靠的甜点分类模型,促进机器学习技术在烹饪应用中的发展 | 孟加拉传统甜点的图像 | 计算机视觉 | NA | 图像处理技术,深度学习算法 | MobileNet | 图像 | 包含多种传统孟加拉甜点的高质量图片 |
808 | 2024-11-27 |
Engagement and learning approaches among medical students in an online surgical teaching programme: A cross-sectional study
2024-Dec, Surgery open science
IF:1.4Q3
DOI:10.1016/j.sopen.2024.10.010
PMID:39584028
|
研究论文 | 研究了在线外科教学项目中医学生的参与度和学习方法 | 使用了在线学生参与度量表(OSE)和修订版Biggs双因素学习过程问卷(R-SPQ-2F)来评估学生的参与度和学习方法 | 调查回复率较低,仅为35.4% | 评估在线外科教学项目中医学生的参与度和学习方法 | 南非一所大学的325名外科在线模块的毕业生 | NA | NA | NA | NA | NA | 325名毕业生 |
809 | 2024-11-27 |
AI based diagnostics product design for osteosarcoma cells microscopy imaging of bone cancer patients using CA-MobileNet V3
2024-Dec, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100644
PMID:39584044
|
研究论文 | 本研究利用人工智能技术,设计了一种基于CA-MobileNet V3模型的智能显微镜产品,用于骨癌患者骨肉瘤细胞的显微图像诊断 | 本研究提出了一种改进的CA-MobileNet V3模型,嵌入到创新的显微镜产品中,增强了显微镜的特征提取能力,并有助于减少诊断中的误分类 | NA | 开发一种高效的自动化分类模型,用于骨肉瘤的病理诊断 | 骨肉瘤细胞的显微图像 | 计算机视觉 | 骨癌 | 深度学习 | CA-MobileNet V3 | 图像 | NA |
810 | 2024-11-27 |
Advancements in Cardiac CT Imaging: The Era of Artificial Intelligence
2024-Dec, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70042
PMID:39584228
|
综述 | 本文综述了人工智能在心脏CT成像后处理中的应用,讨论了当前能力和未来方向 | 本文介绍了人工智能在心脏CT成像中的新工具和方法,如心肌CT灌注和分数流量储备 | 本文主要集中在综述现有技术和未来方向,未涉及具体实验或数据分析 | 探讨人工智能在心脏CT成像中的应用及其对临床诊断的影响 | 心脏CT成像中的冠状动脉钙评分、CT血管造影、分数流量储备、心肌CT灌注和心外膜脂肪组织 | 计算机视觉 | 心血管疾病 | 人工智能、机器学习、深度学习 | NA | 图像 | NA |
811 | 2024-11-26 |
Establishment of a novel tumor neoantigen prediction tool for personalized vaccine design
2024-12-31, Human vaccines & immunotherapeutics
IF:4.1Q2
DOI:10.1080/21645515.2023.2300881
PMID:38214336
|
研究论文 | 本文开发了一种新的肿瘤新抗原预测工具NUCC,用于个性化疫苗设计,以优化胃癌患者的个性化新抗原纳米疫苗平台 | NUCC预测工具通过深度学习方法训练,表现出比传统工具更好的新抗原预测性能 | NA | 优化胃癌患者的个性化新抗原纳米疫苗平台 | 胃癌患者的新抗原预测 | 机器学习 | 胃癌 | 深度学习 | 深度学习模型 | 肽段数据 | 25名晚期胃癌患者和150个候选突变肽段,其中13个通过体外免疫原性测试证实为新抗原 |
812 | 2024-11-26 |
AI-powered visual diagnosis of vulvar lichen sclerosus: A pilot study
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20306
PMID:39194285
|
研究论文 | 开发了一种基于机器学习的图像识别模型,用于区分外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像 | 首次使用深度卷积神经网络进行外阴硬化性苔藓的视觉诊断 | 需要前瞻性研究在真实世界环境中验证模型的适用性和准确性 | 开发一种基于图像的机器学习模型,用于早期诊断外阴硬化性苔藓 | 外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像 | 计算机视觉 | 外阴硬化性苔藓 | 深度卷积神经网络 | CNN | 图像 | 共包含684张外阴硬化性苔藓图像和403张非外阴硬化性苔藓图像 |
813 | 2024-11-26 |
Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110519
PMID:39222847
|
研究论文 | 本文验证了一种基于CT的深度学习海马体分割模型,并探讨其在多机构轮廓质量保证中的应用 | 使用单一机构数据集训练的深度学习模型,在多机构环境中进行海马体分割的质量保证 | 模型在多机构数据集上的表现仍有改进空间,尤其是假阴性率较高 | 验证深度学习模型在多机构环境中进行海马体分割质量保证的可行性 | 海马体分割的质量保证 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | CT图像 | 单机构数据集训练,RTOG 0933数据集评估 |
814 | 2024-11-26 |
A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images
2024-Dec, The American journal of pathology
DOI:10.1016/j.ajpath.2024.08.006
PMID:39222907
|
研究论文 | 本研究利用深度学习模型基于常规苏木精-伊红染色的病理切片图像识别胰腺导管腺癌的分子亚型 | 提出了一种基于常规苏木精-伊红染色病理切片图像的胰腺导管腺癌分子亚型分类方法,具有成本效益和快速性 | 样本量相对较小,且仅限于可切除的胰腺导管腺癌病例 | 开发一种成本效益高且快速的胰腺导管腺癌分子亚型分类方法 | 胰腺导管腺癌的分子亚型 | 数字病理学 | 胰腺癌 | 深度学习 | 深度学习模型 | 图像 | 97张病理切片用于训练,44张针刺活检材料(110张切片)用于测试 |
815 | 2024-11-26 |
Histopathologic Differential Diagnosis and Estrogen Receptor/Progesterone Receptor Immunohistochemical Evaluation of Breast Carcinoma Using a Deep Learning-Based Artificial Intelligence Architecture
2024-Dec, The American journal of pathology
DOI:10.1016/j.ajpath.2024.08.011
PMID:39241826
|
研究论文 | 本文利用深度学习技术对乳腺浸润性导管癌(IDC)和导管原位癌(DCIS)进行病理学鉴别诊断,并评估雌激素受体(ER)/孕激素受体(PR)的免疫组化染色 | 开发了一种新的基于深度学习的人工智能架构,并建立了组织良好的数据集,以促进IDC/DCIS的病理学诊断和ER/PR的免疫染色评分 | NA | 利用人工智能技术减少病理学家在阅读全切片图像(WSIs)时的观察者间变异性 | 乳腺浸润性导管癌(IDC)和导管原位癌(DCIS)的病理学鉴别诊断及ER/PR的免疫组化评估 | 数字病理学 | 乳腺癌 | 深度学习 | YOLOv8 | 图像 | 进行了三轮环形研究(RS)以评估WSIs |
816 | 2024-11-26 |
Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want?
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110545
PMID:39326521
|
研究论文 | 本研究探讨了深度学习分割在放射治疗计划中的不确定性量化和可视化,并调查了放射肿瘤学家和治疗师对此的需求 | 本研究首次系统地调查了临床医生对深度学习分割不确定性可视化方法的偏好 | 研究样本量较小,仅涉及四家机构的十六名临床医生 | 旨在收集临床医生对不确定性可视化选项的见解,以改进深度学习分割在放射治疗中的应用 | 放射肿瘤学家和放射治疗师对深度学习分割不确定性可视化方法的偏好 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 16名临床医生 |
817 | 2024-11-26 |
Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110566
PMID:39362606
|
研究论文 | 研究开发了基于学习的预测模型,用于预测非小细胞肺癌患者在接受放化疗后发生心房颤动的风险 | 通过整合患者特定的临床、剂量学和诊断信息,开发了混合深度学习模型,显著提高了预测性能 | 研究样本量较小,且仅限于非小细胞肺癌患者 | 开发和验证预测非小细胞肺癌患者放化疗后心房颤动风险的模型 | 非小细胞肺癌患者在接受放化疗后心房颤动的风险 | 机器学习 | 肺癌 | 机器学习和深度学习 | 混合深度学习模型 | 临床、剂量学和诊断信息 | 321个机构数据集和187个外部数据集 |
818 | 2024-11-26 |
Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110567
PMID:39374675
|
研究论文 | 本研究开发并全面评估了一种基于丹麦国家乳腺癌合作组共识的自动分割模型,用于乳腺癌放疗中的淋巴结水平 | 本研究的创新点在于开发了一种多机构深度学习自动分割模型,用于高风险乳腺癌患者的淋巴结临床靶区体积(CTVn)分割,并进行了多机构参与的数据集训练和验证 | 研究的局限性在于模型在CTVn胸骨旁淋巴结的分割效果略低于其他模型,且在某些情况下需要进行较大的修正 | 本研究旨在训练和验证一种多机构深度学习自动分割模型,用于高风险乳腺癌患者的淋巴结临床靶区体积(CTVn)分割,并推动其在丹麦的临床实施 | 研究对象为高风险乳腺癌患者的淋巴结临床靶区体积(CTVn) | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 21名乳腺癌轮廓专家参与创建了金标准数据集和高质量训练数据集 |
819 | 2024-11-26 |
Human-multimodal deep learning collaboration in 'precise' diagnosis of lupus erythematosus subtypes and similar skin diseases
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20031
PMID:38619440
|
研究论文 | 开发了一种多模态深度学习系统,用于协助诊断红斑狼疮亚型及相关皮肤病 | 提出了一个人类与多模态深度学习系统协作的框架,显著提高了诊断准确性 | NA | 开发一种多模态深度学习系统,以协助诊断红斑狼疮亚型及相关皮肤病 | 红斑狼疮亚型、其他八种类似皮肤病及健康受试者 | 机器学习 | 红斑狼疮 | 多模态深度学习 | EfficientNet-B3 和 ResNet-18 | 图像和临床数据 | 446例,包括800张临床皮肤图像、3786张多色免疫组化图像和临床数据 |
820 | 2024-11-26 |
Weakly supervised deep learning image analysis can differentiate melanoma from naevi on haematoxylin and eosin-stained histopathology slides
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20307
PMID:39215631
|
研究论文 | 本文评估了弱监督深度学习图像分类器在区分H&E染色病理切片上的黑色素瘤和痣的能力 | 使用弱监督深度学习方法,相比全监督方法,能够利用更大的训练数据集 | 需要外部验证和进一步评估较少出现的组织学亚型和边缘病例 | 评估弱监督深度学习图像分类器在区分黑色素瘤和痣方面的诊断价值 | H&E染色病理切片上的黑色素瘤和痣 | 数字病理学 | 皮肤癌 | 弱监督深度学习 | 多实例学习模型(Trans-MIL, CLAM, DTFD-MIL) | 图像 | 520个样本(260个痣和260个黑色素瘤) |