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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
21021 | 2024-08-08 |
Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature
2021, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2021.624820
PMID:33643386
|
综述 | 本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用 | 深度学习技术如卷积神经网络(CNN)和其他神经网络在头颈部肿瘤的多组学图像分析中的应用 | 强调了这些技术的挑战和潜在问题 | 评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用 | 头颈部肿瘤的多组学数据 | 计算机视觉 | 头颈部肿瘤 | 深度学习(DL) | 卷积神经网络(CNN) | 图像 | NA |
21022 | 2024-08-08 |
Anterior Mediastinal Lesion Segmentation Based on Two-Stage 3D ResUNet With Attention Gates and Lung Segmentation
2020, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2020.618357
PMID:33634027
|
研究论文 | 本文提出了一种基于两阶段3D ResUNet网络结合肺部分割的前纵隔病变分割方法 | 引入了注意力门机制和肺部分割技术,以提高病变分割的准确性 | NA | 提高前纵隔病变在CT图像中的分割准确性,辅助医生诊断 | 前纵隔病变 | 计算机视觉 | 胸部疾病 | 深度学习 | 3D ResUNet | CT图像 | 230名患者 |
21023 | 2024-08-07 |
A dual-mode, image-enhanced, miniaturized microscopy system for incubator-compatible monitoring of live cells
2024-Oct-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.126537
PMID:38996561
|
research paper | 本文介绍了一种名为MiniCube的双模式、图像增强型微型显微镜系统,用于在培养箱内直接监测活细胞 | MiniCube系统支持明场和荧光成像,具有单细胞空间分辨率和亚秒级时间分辨率,并能通过深度学习算法显著提高信噪比 | NA | 开发一种适用于培养箱内活细胞监测的微型显微镜系统 | 活细胞的生理活动和增殖 | computer vision | NA | 深度学习 | NA | image | 单细胞 |
21024 | 2024-08-07 |
Rapid, portable, and sensitive detection of CaMV35S by RPA-CRISPR/Cas12a-G4 colorimetric assays with high accuracy deep learning object recognition and classification
2024-Oct-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.126441
PMID:38924982
|
研究论文 | 本文开发了一种基于RPA-CRISPR/Cas12a-G四链体比色法结合深度学习算法的快速、灵敏且便携的CaMV35S启动子检测方法 | 该方法结合了RPA扩增、CRISPR/Cas12a系统和G四链体技术,并通过深度学习算法进行高精度分类,实现了对CaMV35S启动子的高灵敏度检测 | NA | 开发一种快速、灵敏且便携的基因改造检测方法,以促进农业安全和食品安全 | CaMV35S启动子的检测 | 生物技术 | NA | RPA-CRISPR/Cas12a-G四链体比色法 | Yolov5和Resnet | 图像 | 检测限低至10 aM,0.01%的基因改造样本 |
21025 | 2024-08-07 |
DF-QSM: Data Fidelity based Hybrid Approach for Improved Quantitative Susceptibility Mapping of the Brain
2024-Sep, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5163
PMID:38649140
|
研究论文 | 本文提出了一种基于数据保真度的混合方法DF-QSM,用于改进脑部定量磁化率成像(QSM) | 该方法通过两步重建过程,结合深度学习方法和测量局部场的一致性,提高了QSM重建的质量和泛化能力 | 现有的基于深度学习的QSM方法在训练数据分布上存在偏差,泛化能力有限 | 改进深度学习在脑部定量磁化率成像中的应用 | 脑部组织的磁化率 | 磁共振成像 | NA | 磁共振成像(MRI) | 深度学习模型 | 图像 | 不同采集设置下的MRI体积,包括在受限数据设置下训练的深度学习模型 |
21026 | 2024-08-07 |
Comparison between R2'-based and R2*-based χ-separation methods: A clinical evaluation in individuals with multiple sclerosis
2024-Sep, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5167
PMID:38697612
|
研究论文 | 本研究评估了基于R2*的两种磁化率分离方法(R2*-χ-分离和χ-sepnet-R2*)与基于R2'的对应方法在多发性硬化症(MS)患者中的临床应用效果 | 最近提出的基于R2*的磁化率分离方法仅使用多回波梯度回波(ME-GRE)数据进行磁化率分离,无需额外获取R2图数据,减少了扫描时间并增强了临床实用性 | 缺少R2信息的影响仍需进一步探索 | 评估基于R2*的磁化率分离方法作为基于R2'方法的替代方案的可行性 | 多发性硬化症(MS)患者 | 计算机视觉 | 多发性硬化症 | 多回波梯度回波(ME-GRE) | 深度学习模型 | 图像 | 未明确提及具体样本数量 |
21027 | 2024-08-07 |
Comparative assessment of established and deep learning-based segmentation methods for hippocampal volume estimation in brain magnetic resonance imaging analysis
2024-Sep, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5169
PMID:38712667
|
研究论文 | 本研究评估了两种公开可用的深度学习基础海马体分割方法SynthSeg和TigerBx的性能,并与两种传统技术FreeSurfer-Aseg和FSL-FIRST进行了对比 | SynthSeg和TigerBx在分割准确性和可重复性方面与传统工具相当,但在处理速度上具有显著优势,能在不到1分钟内生成结果 | NA | 评估深度学习基础的海马体分割方法在脑部磁共振成像分析中的性能 | 海马体体积估计 | 计算机视觉 | NA | 磁共振成像(MRI) | 深度学习 | 图像 | 1447例三维T1加权MRI扫描 |
21028 | 2024-08-07 |
Unveil sleep spindles with concentration of frequency and time (ConceFT)
2024-Aug-06, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad66aa
PMID:39042095
|
研究论文 | 本文介绍了一种名为'频率和时间集中'(ConceFT)的新型非线性时频分析工具,用于在脑电图(EEG)数据中自动注释睡眠纺锤波并测量其瞬时频率 | ConceFT工具能有效减少随机脑电图影响,增强时频表示中的纺锤波可见性,并提供了一种准确的、可解释的基于EEG的睡眠纺锤波检测算法 | NA | 开发和验证一种新的自动睡眠纺锤波检测算法 | 睡眠纺锤波及其瞬时频率 | NA | NA | Concentration of Frequency and Time (ConceFT) | NA | 脑电图(EEG)数据 | 使用了Dream和Montreal Archive of Sleep Studies (MASS)基准数据库 |
21029 | 2024-08-07 |
Linked color imaging with artificial intelligence improves the detection of early gastric cancer
2024-Aug-05, Digestive diseases (Basel, Switzerland)
DOI:10.1159/000540728
PMID:39102801
|
研究论文 | 本研究开发了一种基于深度学习框架的计算机辅助检测系统(CADe),用于在白光成像(WLI)和链接彩色成像(LCI)模式下检测胃癌(GC),并比较了CADe与内镜医师的性能 | CADe系统在LCI模式下检测胃癌的敏感性显著优于WLI模式,并且使用LCI的CADe敏感性显著高于使用LCI的专家内镜医师 | NA | 开发和评估一种计算机辅助检测系统(CADe),以提高早期胃癌的检测能力 | 胃癌(GC)的检测 | 计算机视觉 | 胃癌 | 深度学习 | NA | 图像 | 9021张图像来自385名患者,116个LCI和WLI视频来自110名患者 |
21030 | 2024-08-07 |
The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review
2024-Aug-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01196-4
PMID:39097662
|
综述 | 本文通过系统回顾评估了医学领域中可信AI的数据质量框架,提出了METRIC框架。 | 提出了METRIC框架,这是一个专门针对医学训练数据的数据质量框架,包含15个意识维度,有助于减少偏见、增加鲁棒性、提高可解释性。 | NA | 探讨数据质量在医学深度学习应用中的重要性,并提出一个专门的数据质量框架。 | 医学领域的深度学习应用的数据质量。 | 机器学习 | NA | 深度学习 | NA | 数据集 | 从5408项研究中筛选出120项符合条件的记录。 |
21031 | 2024-08-07 |
Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning
2024-Aug-02, Communications engineering
DOI:10.1038/s44172-024-00254-9
PMID:39095532
|
research paper | 本文介绍了一种使用前视光学相干断层扫描(OCT)探头和深度学习技术进行自动肾癌活检引导的方法 | 开发了卷积神经网络用于组织识别,与传统的衰减系数方法相比,提供了更准确的癌预测 | NA | 旨在提高穿刺肾活检过程中的采样准确性 | 肾癌和正常肾组织的区分 | digital pathology | 肾癌 | 光学相干断层扫描(OCT) | 卷积神经网络(CNN) | 图像 | 10个人类肾脏样本,其中9个为恶性肾癌,1个为良性嗜酸性瘤 |
21032 | 2024-08-07 |
Deep learning predicts the 1-year prognosis of pancreatic cancer patients using positive peritoneal washing cytology
2024-08-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67757-5
PMID:39095474
|
研究论文 | 本研究利用深度学习技术分析腹腔冲洗细胞学(CY)标本图像,预测胰腺癌患者的一年预后 | 首次使用Vision Transformer(ViT)和卷积神经网络(CNN)通过腹腔冲洗细胞学标本图像预测胰腺癌患者的一年预后 | NA | 探索深度学习在腹腔冲洗细胞学标本图像分析中的应用,以预测胰腺癌患者的一年生存率 | 胰腺癌患者的腹腔冲洗细胞学标本 | 计算机视觉 | 胰腺癌 | 深度学习 | Vision Transformer(ViT)和卷积神经网络(CNN) | 图像 | 88名胰腺癌患者的腹腔冲洗细胞学标本 |
21033 | 2024-08-07 |
Current genomic deep learning models display decreased performance in cell type-specific accessible regions
2024-Aug-01, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03335-2
PMID:39090688
|
研究论文 | 本文评估了在具有不同程度细胞类型特异性的染色质可及区域中,基因组深度学习模型的性能 | 发现基因组深度学习模型在细胞类型特异性可及区域的准确性降低,并提出了通过增加模型容量来提高性能的策略 | 改进参考序列预测并不总能提高变异效应预测的性能,需要新的策略来提高变异性能 | 评估基因组深度学习模型在细胞类型特异性染色质可及区域的性能 | 基因组深度学习模型在细胞类型特异性染色质可及区域的性能 | 机器学习 | NA | 深度学习 | CNN | DNA序列 | 数千个输出(细胞类型和表观遗传标记) |
21034 | 2024-08-07 |
An ensemble model for accurate prediction of key water quality parameters in river based on deep learning methods
2024-Aug, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121932
PMID:39043087
|
研究论文 | 本研究提出基于季节性和趋势分解(STL)方法的两种集成模型TNX和STNX,利用地理传感时间序列数据预测河流中的水质参数 | 本研究提出的集成模型TNX和STNX在短步长和长步长水质预测中相较于最佳基线深度学习模型分别提高了2.1%-6.1%和4.3%-22.0%的性能,STNX模型在短步长和长步长预测中分别比TNX模型提高了0.5%-2.4%和2.3%-5.7%的性能 | 模型解释结果显示,随着预测站点与输入站点距离的增加,七个特定监测站点的显著性降低 | 提高河流水质参数的短步长和长步长预测精度,并理解复杂空间信息对深度学习模型的影响 | 溶解氧、总磷和氨氮等水质参数 | 机器学习 | NA | 深度学习方法 | 集成模型(TNX和STNX) | 地理传感时间序列数据 | 七个水质监测站点 |
21035 | 2024-08-07 |
Unsupervised deep learning enables real-time image registration of fast-scanning optical-resolution photoacoustic microscopy
2024-Aug, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2024.100632
PMID:39100197
|
研究论文 | 开发了一种基于无监督深度学习的注册网络,用于实时图像恢复和注册 | 该方法能够实时纠正B扫描畸变产生的伪影,并消除相邻和重复图像之间的错位,与传统的基于强度的注册算法相比,计算吞吐量提高了50倍 | NA | 实现光学分辨率光声显微镜快速扫描图像的实时图像恢复和注册 | 光学分辨率光声显微镜快速扫描图像 | 计算机视觉 | NA | 光声显微镜 | 深度学习网络 | 图像 | NA |
21036 | 2024-08-07 |
Hybrid brain tumor classification of histopathology hyperspectral images by linear unmixing and an ensemble of deep neural networks
2024-Aug, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12084
PMID:39100499
|
研究论文 | 本文提出了一种混合方法,通过线性解混和深度神经网络集成对组织病理学高光谱图像中的脑肿瘤进行分类 | 该方法结合了线性解混进行特征提取和深度学习进行分类,实现了88%的平均准确率,减少了计算成本和推理时间 | NA | 研究目的是通过高光谱成像技术对脑组织样本进行肿瘤和非肿瘤的分类 | 研究对象是脑组织的组织病理学高光谱图像 | 数字病理学 | 脑肿瘤 | 高光谱成像 | 深度神经网络 | 图像 | NA |
21037 | 2024-08-07 |
A labelled dataset for rebar counting inspection on construction sites using unmanned aerial vehicles
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110720
PMID:39100779
|
研究论文 | 本文详细介绍了使用深度学习对象检测方法创建用于钢筋计数的标注数据集的过程 | 本文创新地应用了八种数据增强技术来增强训练数据,并创建了九个不同的数据集 | NA | 旨在通过无人机图像利用深度学习算法提高钢筋在钢筋混凝土结构中的检查准确性 | 钢筋计数 | 计算机视觉 | NA | 深度学习 | 对象检测 | 图像 | 数据集包含874张原始图像,分为训练集524张,验证集175张,测试集175张 |
21038 | 2024-08-07 |
NSTU-BDTAKA: An open dataset for Bangladeshi paper currency detection and recognition
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110701
PMID:39100771
|
research paper | 本文介绍了一个名为'NSTU-BDTAKA'的开放数据集,专门用于孟加拉国纸币的同时检测和识别 | 该数据集不仅为纸币检测和识别提供基准,还促进了可应用于其他文化物品和对象的检测和识别方法的进步 | NA | 旨在促进纸币检测和识别模型的开发和评估 | 孟加拉国纸币(称为'Taka')的检测和识别 | computer vision | NA | 图像处理技术、人工智能、深度学习 | YOLOv5 | image | 检测子集包含3,111张高分辨率图像,识别子集包含28,875张图像 |
21039 | 2024-08-07 |
Letter to the editor: Magnetic resonance imaging-based radiomics and deep learning models for predicting lymph node metastasis of squamous cell carcinoma of the tongue
2024-08, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.03.015
PMID:38797626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
21040 | 2024-08-07 |
COVIDHealth: A novel labeled dataset and machine learning-based web application for classifying COVID-19 discourses on Twitter
2024-Jul-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e34103
PMID:39100452
|
研究论文 | 本文开发了一种基于机器学习的网络应用程序,用于自动分类Twitter上的COVID-19讨论 | 首次收集并标记了6,667条与COVID-19相关的推文,并开发了一个公开可访问的网络工具,用于公共卫生研究和实践 | NA | 解决缺乏标记Twitter数据的问题,实现对COVID-19讨论的主题分类 | COVID-19相关的推文 | 机器学习 | NA | 机器学习算法和深度学习技术 | CNN | 文本 | 6,667条COVID-19相关的推文 |