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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
121 | 2024-12-20 |
Application of deep learning in wound size measurement using fingernail as the reference
2024-Dec-18, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02778-8
PMID:39696347
|
研究论文 | 本文提出了一种基于深度学习的自动伤口尺寸测量系统,使用指甲作为参考 | 该系统结合了三种深度学习模型(Mask R-CNN、Yolov5、U-net),并使用指甲作为参考,实现了自动化的伤口尺寸测量,适用于家庭护理和经验不足的护理人员 | NA | 开发一种自动化、易于使用的伤口尺寸测量系统,以提高慢性伤口护理的便利性和准确性 | 慢性伤口和指甲的图像 | 计算机视觉 | NA | 深度学习 | Mask R-CNN, Yolov5, U-net | 图像 | 248张伤口和指甲的图像,30名参与者进行用户体验分析 |
122 | 2024-12-20 |
A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes
2024-Dec-18, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02761-3
PMID:39696373
|
研究论文 | 本文提出了一种基于先验知识引导的动态注意力机制的深度学习框架,用于预测1型糖尿病患者的夜间低血糖事件 | 创新点在于提出了先验知识引导的动态注意力机制,能够从多源异构数据中全面提取与夜间低血糖相关的特征,并提高了网络的学习能力和可解释性 | NA | 旨在开发一种更准确和实用的方法来预测1型糖尿病患者的夜间低血糖事件 | 1型糖尿病患者的夜间低血糖事件 | 机器学习 | 糖尿病 | 深度学习 | 动态注意力机制 | 多源异构数据 | 使用了公开的临床数据集 |
123 | 2024-12-20 |
MolNexTR: a generalized deep learning model for molecular image recognition
2024-Dec-18, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00926-w
PMID:39696616
|
研究论文 | 提出了一种名为MolNexTR的深度学习模型,用于分子图像识别,能够将分子图像转换为机器可读的SMILES字符串 | MolNexTR结合了ConvNext和Vision-Transformer的优点,能够同时预测原子和键,并理解它们的布局规则,还引入了化学符号原理来识别手性和解析缩写结构 | NA | 开发一种能够处理化学文献中不同绘图风格和惯例的分子图像识别模型 | 分子图像及其转换为SMILES字符串的过程 | 计算机视觉 | NA | 深度学习 | ConvNext和Vision-Transformer | 图像 | 测试集中的分子图像 |
124 | 2024-12-20 |
Preoperative assessment of tertiary lymphoid structures in stage I lung adenocarcinoma using CT radiomics: a multicenter retrospective cohort study
2024-Dec-18, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00813-5
PMID:39696659
|
研究论文 | 本研究开发了一种基于术前CT放射组学特征的多模态预测模型RAITS,用于识别I期肺腺癌患者的三级淋巴结构,并评估其在预后分层和个性化治疗指导中的潜力 | 创新点在于开发了基于术前CT放射组学特征的多模态预测模型RAITS,并展示了其在识别三级淋巴结构方面的优越性能 | 本研究为回顾性多中心队列研究,未来需要进一步的前瞻性研究来验证RAITS模型的临床应用价值 | 开发和评估一种基于术前CT放射组学特征的多模态预测模型,用于识别I期肺腺癌患者的三级淋巴结构 | I期肺腺癌患者的三级淋巴结构 | 数字病理学 | 肺癌 | 放射组学、卷积神经网络 | 3D U-Net | 图像 | 多个中心的I期肺腺癌患者的术前CT薄层扫描和术后苏木精-伊红染色病理切片 |
125 | 2024-12-20 |
Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems
2024-Dec-17, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109561
PMID:39693688
|
研究论文 | 本文提出了一种基于3D U-net的Proximity Adjusted Centroid MAPping (PAC-MAP)方法,用于在密集的3D细胞系统中准确检测细胞核中心及其邻近关系 | PAC-MAP方法通过预测细胞核中心及其邻近关系,显著提高了在高细胞密度条件下的召回率,并且在有限专家标注和弱监督预训练后,F1分数显著提升 | 本文未提及具体的局限性 | 开发一种在密集3D细胞系统中准确检测细胞核的新方法 | 密集3D细胞系统中的细胞核 | 计算机视觉 | NA | 深度学习算法 | 3D U-net | 3D图像 | 30张专家标注图像用于从头训练,超过2300张图像用于弱监督预训练 |
126 | 2024-12-20 |
Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review
2024-Dec-17, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109530
PMID:39693692
|
综述 | 本文通过系统文献综述,探讨了使用深度学习技术通过磁共振成像(MRI)检测和分析多发性硬化症(MS)的方法 | 本文总结了多种深度学习方法在MS检测和分析中的应用,为研究人员提供了有价值的资源 | NA | 探讨深度学习技术在通过MRI检测和分析多发性硬化症中的应用 | 多发性硬化症的检测和分析 | 机器学习 | 神经系统疾病 | 磁共振成像(MRI) | 卷积神经网络(CNN) | 图像 | NA |
127 | 2024-12-20 |
Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images
2024-Dec-17, Ultrasound in medicine & biology
|
研究论文 | 本文提出了一种基于注意力机制的多模态超声图像融合网络,用于乳腺癌的分割和分类 | 本文创新性地提出了一个基于B模式和SE模式图像的多模态融合U-Net模型,用于乳腺癌的自动分割和分类 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 开发一种有效的计算机辅助诊断技术,用于乳腺癌的早期检测和分类 | 乳腺癌的分割和分类 | 计算机视觉 | 乳腺癌 | 深度学习 | U-Net | 图像 | 使用真实临床数据进行实验 |
128 | 2024-12-20 |
Deep Learning-based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in CT Images and Assessment of Spinal Cord Compression: A Two-center Study
2024-Dec-16, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.123567
PMID:39694139
|
研究论文 | 本研究开发了一种基于深度学习的全自动CT图像分割模型,用于分割颈椎后纵韧带骨化(OPLL)病变并评估脊髓压迫 | 首次提出了一种基于3D U-Net框架的深度学习模型,用于自动分割OPLL病变并计算脊髓压迫因子 | 研究样本量较小,且仅在两家医院的数据上进行了验证 | 开发一种全自动的深度学习模型,用于CT图像中OPLL病变的分割和脊髓压迫的评估 | 颈椎后纵韧带骨化(OPLL)病变和脊髓压迫 | 计算机视觉 | 脊柱疾病 | 深度学习 | 3D U-Net | CT图像 | 307名患者,其中260名来自上海长征医院,47名来自西南医科大学中医医院 |
129 | 2024-12-20 |
DSE-HNGCN: predicting the frequencies of drug-side effects based on heterogeneous networks with mining interactions between drugs and side effects
2024-Dec-16, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168916
PMID:39694183
|
研究论文 | 本文提出了一种基于异构网络预测药物副作用频率的新方法DSE-HNGCN | 利用异构网络同时建模药物与副作用之间的多种关系,并引入层重要性组合策略解决图卷积网络中的过平滑问题 | 未提及具体局限性 | 提高药物副作用频率预测的准确性 | 药物与副作用之间的相互作用 | 机器学习 | NA | 图卷积网络 | GCN | 网络数据 | 使用基准数据集进行实验 |
130 | 2024-12-20 |
A Comprehensive Review on Genomic Insights and Advanced Technologies for Mastitis Prevention in Dairy Animals
2024-Dec-16, Microbial pathogenesis
IF:3.3Q2
DOI:10.1016/j.micpath.2024.107233
PMID:39694196
|
综述 | 本文综述了基因组学和先进技术在奶牛乳腺炎预防中的应用 | 本文整合了基因组学、泛基因组学、表观遗传学、蛋白质组学和转录组学等多种方法,并结合人工智能和深度学习技术,提出了更有效的乳腺炎诊断、预防和治疗策略 | NA | 探讨基因组学和先进技术在奶牛乳腺炎预防中的应用,以提高奶牛生产效率和农场盈利能力 | 奶牛乳腺炎的病因、诊断、预防和治疗 | 基因组学 | 乳腺炎 | 基因组学、泛基因组学、表观遗传学、蛋白质组学、转录组学、人工智能、深度学习、CRISPR | 卷积神经网络(CNN) | 基因组数据、表观遗传数据、蛋白质组数据、转录组数据 | NA |
131 | 2024-12-20 |
Deep learning chromatin profiles reveal the cis-regulatory sequence code of the rice genome
2024-Dec-16, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.12.007
PMID:39694233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
132 | 2024-12-20 |
Quasi-Newton optimised Kolmogorov-Arnold Networks for wind farm power prediction
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40799
PMID:39698096
|
研究论文 | 本研究使用Kolmogorov-Arnold Networks (KAN) 和 Multilayer Perceptron (MLP) 模型预测中国六个风电场的额定功率,并采用准牛顿优化技术LBFGS进行参数优化 | 本研究创新性地使用Kolmogorov-Arnold Networks (KAN) 替代传统的MLP模型,并采用准牛顿优化技术LBFGS进行参数优化,同时使用IQR技术处理异常值和基于聚类的K-Nearest Neighbor (KNN) 插值法处理缺失值 | NA | 预测风电场的额定功率,以提高风能预测的准确性和有效性 | 中国六个风电场的额定功率 | 机器学习 | NA | Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP), 准牛顿优化技术LBFGS, IQR技术, K-Nearest Neighbor (KNN) 插值法 | Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP) | 数值数据 | 六个风电场的数据 |
133 | 2024-12-20 |
Porkolor: A deep learning framework for pork color classification
2024-Dec-12, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2024.109731
PMID:39693826
|
研究论文 | 本文提出了一种基于深度学习的猪肉颜色分类框架Porkolor,通过图像预处理和分类模块提高分类准确性 | 设计了标准化的猪肉图像采集设备,并提出了基于SAM的图像预处理模块和基于ResNet-101的猪肉颜色分类模块 | 模型在外部验证数据集上的准确性略低于内部数据集,可能需要进一步优化 | 开发一种客观且稳定的猪肉颜色分类方法,以替代传统的人眼观察方法 | 猪肉颜色的分类 | 计算机视觉 | NA | 深度学习 | ResNet-101 | 图像 | 1707张高质量猪肉图像 |
134 | 2024-12-20 |
Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning
2024-Dec-09, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108560
PMID:39693791
|
研究论文 | 本研究提出将自监督学习(SSL)整合到细胞分类流程中,以解决血液和骨髓细胞分类中的数据稀缺和模型泛化能力有限的问题 | 通过自监督学习提取细胞图像特征,无需使用图像标注,并实现了骨髓和外周血细胞领域之间的知识高效转移 | 研究仅基于四个公开的血液单细胞图像数据集,可能限制了结果的广泛适用性 | 开发一种鲁棒且可靠的自动分类系统,用于血液和骨髓细胞的分类,以辅助诊断和监测血液疾病 | 外周血和骨髓细胞的分类 | 计算机视觉 | 血液疾病 | 自监督学习(SSL) | 轻量级机器学习分类器 | 图像 | 四个公开的血液单细胞图像数据集,包括一个骨髓数据集和三个外周血数据集 |
135 | 2024-12-20 |
St-RegSeg: an unsupervised registration-based framework for multimodal magnetic resonance imaging stroke lesion segmentation
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-725
PMID:39698611
|
研究论文 | 本文提出了一种基于无监督配准的框架St-RegSeg,用于多模态磁共振成像的卒中病变分割 | 创新点在于结合了无监督配准模型ConvNXMorph和分割模型nnUNet-v2,解决了多模态MRI图像之间的语义内容漂移问题,提高了分割精度和计算效率 | NA | 提出一种有效的框架用于多模态MRI图像的配准和分割,以提高卒中病变分割的准确性和效率 | 多模态磁共振成像中的卒中病变 | 计算机视觉 | 卒中 | 磁共振成像(MRI) | ConvNXMorph(配准模型)和nnUNet-v2(分割模型) | 图像 | 来自三个中心的ISLES'22数据集 |
136 | 2024-12-20 |
Automatic deep learning method for analysis and prediction of neonatal hyperbilirubinemia in magnetic resonance imaging
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1050
PMID:39698615
|
研究论文 | 本研究通过对比分析不同程度新生儿高胆红素血症的新生儿,探讨磁共振成像(MRI)图像特征与血清胆红素水平之间的关系,并提出基于深度学习的自动分类系统用于预测新生儿高胆红素血症 | 本研究引入了基于图注意力机制的图卷积网络(GCN)进行新生儿高胆红素血症的分析和分类,取得了优于其他先进模型的结果 | 本研究为回顾性研究,样本量有限,且仅在西安第四医院的数据上进行了验证 | 探讨MRI图像特征与血清胆红素水平之间的关系,并开发自动分类系统预测新生儿高胆红素血症 | 新生儿高胆红素血症的MRI图像特征与血清胆红素水平 | 机器学习 | 新生儿疾病 | 磁共振成像(MRI) | 图卷积网络(GCN) | 图像 | 606名新生儿,包括273例患者和333例正常对照 |
137 | 2024-12-20 |
Novel study on the prediction of BI-RADS 4A positive lesions in mammography using deep learning technology and clinical factors
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1075
PMID:39698623
|
研究论文 | 本研究利用深度学习技术和临床因素,开发了一种预测乳腺X线摄影中BI-RADS 4A阳性病变的分类模型 | 本研究的创新点在于结合深度学习技术和临床因素,构建了一个更准确的BI-RADS 4A阳性病变预测模型 | 本研究的局限性在于其为回顾性分析,且样本仅来自两家医院 | 本研究的目的是提高乳腺X线摄影中BI-RADS 4A阳性病变的分类预测准确性 | 本研究的研究对象为在深圳人民医院和深圳罗湖人民医院诊断为BI-RADS 4A的590名患者 | 计算机视觉 | 乳腺癌 | 深度学习 | 多因素逻辑回归模型 | 图像和临床数据 | 590名患者 |
138 | 2024-12-20 |
Research trends of artificial intelligence and radiomics in lung cancer: a bibliometric analysis
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1316
PMID:39698627
|
meta-analysis | 本文通过文献计量分析方法,探讨了人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势 | 本文首次通过文献计量分析方法,系统地总结了人工智能和放射组学在肺癌领域的研究热点和未来趋势 | 本文主要依赖于文献计量分析,未涉及具体的技术实现和实验验证 | 探讨人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势 | 人工智能和放射组学在肺癌中的应用研究 | machine learning | lung cancer | NA | NA | text | 2989篇相关文献,其中2804篇为研究论文,185篇为综述 |
139 | 2024-12-20 |
Deep learning-based low count whole-body positron emission tomography denoising incorporating computed tomography priors
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-489
PMID:39698633
|
研究论文 | 本研究提出了一种基于深度学习的低计数全身正电子发射断层扫描(PET)去噪方法,结合计算机断层扫描(CT)先验信息以进一步降低剂量水平 | 本研究的创新点在于提出了一种结合CT先验信息的深度学习方法,用于低计数PET图像的去噪,相比传统方法在更低剂量水平下表现更优 | 本研究的局限性在于样本量较小,且为回顾性非连续性招募,可能影响结果的普适性 | 本研究旨在提出一种结合CT先验信息的深度学习方法,以提高低计数PET图像的质量和定量准确性,并进一步降低剂量水平 | 本研究的研究对象为50名接受常规全身18F-FDG PET/CT扫描的患者 | 计算机视觉 | NA | 深度学习 | U-Net, cGAN | 图像 | 50名患者 |
140 | 2024-12-20 |
Development of a machine learning model in prediction of the rapid progression of interstitial lung disease in patients with idiopathic inflammatory myopathy
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-595
PMID:39698644
|
研究论文 | 本研究旨在基于定量计算机断层扫描(QCT)和临床特征,开发并验证一种机器学习(ML)模型,用于预测特发性炎症性肌病相关间质性肺疾病(IIM-ILD)患者的快速进展性间质性肺疾病(RP-ILD) | 本研究首次将定量计算机断层扫描(QCT)与临床特征结合,利用机器学习技术预测IIM-ILD患者的RP-ILD,并验证了其预测性能优于单独使用QCT或临床特征的模型 | 本研究为回顾性研究,样本量相对较小,且仅在中国-日本友好医院进行,可能存在样本偏倚 | 开发并验证一种机器学习模型,用于预测IIM-ILD患者的RP-ILD | 特发性炎症性肌病相关间质性肺疾病(IIM-ILD)患者的快速进展性间质性肺疾病(RP-ILD) | 机器学习 | 间质性肺疾病 | 定量计算机断层扫描(QCT),高分辨率计算机断层扫描(HRCT) | 逻辑回归 | 图像,临床数据 | 514名患者,其中249名患有RP-ILD |