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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
281 | 2025-05-12 |
EmoNet: Deep Learning-based Emotion Climate Recognition Using Peers' Conversational Speech, Affect Dynamics, and Physiological Data
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782421
PMID:40039214
|
research paper | 提出EmoNet模型,通过整合语音信号、情感动态和生理数据来识别同伴间的集体情感氛围 | EmoNet超越了传统的情感识别,首次整合了语音信号、情感动态和生理数据来全面理解情感氛围 | 研究仅在K-EmoCon数据集上进行了测试,可能在其他数据集上的泛化能力有限 | 研究目的是识别和理解社交互动中的集体情感氛围 | 研究对象是同伴间的对话语音、情感动态和生理数据 | natural language processing | NA | Mel-frequency cepstral coefficients, Temporal Convolutional Network | CNN | speech signals, affect dynamics, physiological data | K-EmoCon数据集 |
282 | 2025-05-12 |
3D probe localization from 2D ultrasound images using an RFF-enhanced deep neural network
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782917
PMID:40039234
|
研究论文 | 本文提出了一种基于随机傅里叶特征增强的深度神经网络方法,用于从2D超声图像中预测超声探头的轨迹并重建3D体积 | 采用随机傅里叶特征(RFF)增强现有模型的泛化能力,提高了2D超声探头定位的准确性 | 研究仅使用了两个解剖模型的公开数据集,可能限制了模型的泛化能力 | 开发一种能够预测超声探头轨迹并重建3D体积的工具,以辅助外周神经阻滞(PNB) | 2D超声图像和超声探头的轨迹 | 计算机视觉 | NA | 超声成像(US) | 深度神经网络(RFF-enhanced) | 图像 | 两个解剖模型的公开数据集 |
283 | 2025-05-12 |
Improving Prediction of Need for Mechanical Ventilation using Cross-Attention
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782769
PMID:40039259
|
research paper | 本文探讨了使用多头注意力机制的深度学习模型(FFNN-MHA)来更准确地预测机械通气需求,并通过学习个体患者的个性化上下文信息来减少假阳性 | 首次将多头注意力机制的深度学习模型应用于机械通气需求预测,通过学习个体患者的个性化上下文信息来提高预测准确性并减少假阳性 | 研究仅基于公开可用的MIMIC-IV数据集,未在其他数据集上进行验证 | 提高重症监护病房中机械通气需求的预测准确性 | 重症监护病房中需要机械通气的患者 | machine learning | NA | deep learning | FFNN-MHA (feed-forward neural network with multi-head attention) | clinical data | 公开可用的MIMIC-IV数据集 |
284 | 2025-05-12 |
3D System matrix recovery based on iterative up-and-down sampling super-resolution network in magnetic particle imaging
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781498
PMID:40039260
|
研究论文 | 提出了一种基于迭代上下采样超分辨率网络的3D系统矩阵恢复方法,用于磁粒子成像中的系统矩阵恢复问题 | 将系统矩阵恢复问题转化为图像域中的深度学习超分辨率重建问题,并提出了3D-ISSRnet网络,该网络采用迭代上下采样结构和金字塔池化模块来优化全局和局部上下文信息的利用 | 未提及具体局限性 | 提高磁粒子成像(MPI)中系统矩阵恢复的效率和准确性 | 磁粒子成像中的系统矩阵 | 医学影像处理 | NA | 深度学习超分辨率重建 | 3D-ISSRnet | 图像数据 | OpenMPI数据 |
285 | 2025-05-12 |
A comparison between Deep Learning architectures for the assessment of breast tumor segmentation using VSI ultrasound protocol
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782786
PMID:40039274
|
研究论文 | 比较不同深度学习架构在VSI超声协议下对乳腺肿瘤分割的评估 | 首次针对异步协议超声采集(VSI-B)设计并比较了多种深度学习分割模型,其中多输入注意力U-NET表现最佳 | 样本量较小(53例患者),且仅针对VSI-B协议数据 | 开发适用于异步超声采集协议的自动乳腺肿瘤分割工具 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | VSI超声协议 | U-NET, Attention U-NET, Residual U-NET, 多输入注意力U-NET | 超声图像 | 53例患者(留一法交叉验证) |
286 | 2025-05-12 |
Endoscopic colorectal polyp detection based on improved YOLOv8
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781871
PMID:40039266
|
research paper | 本研究基于改进的YOLOv8模型,探索人工智能在结肠镜结直肠息肉检测中的应用 | 采用改进的YOLOv8模型提升息肉检测的准确性和效率 | 未提及具体样本量及模型在临床环境中的泛化能力 | 提高结直肠息肉的自动检测能力 | 结肠镜图像中的结直肠息肉 | computer vision | colorectal cancer | deep learning | YOLOv8 | image | NA |
287 | 2025-05-12 |
A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Home Environments
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782237
PMID:40039265
|
研究论文 | 提出了一种基于机器学习的过滤器,用于筛选适合训练步态检测模型的音频样本 | 开发了一种新型机器学习过滤器,能够有效筛选高质量的步态音频样本,提升步态检测模型的性能 | 需要更多真实世界的步态数据集来验证过滤器的泛化能力 | 开发一种能够在嘈杂的家庭和护理院环境中有效工作的基于声学的步态检测器 | 老年人的步态数据 | 机器学习 | 老年疾病 | 声学步态检测 | 深度学习模型 | 音频 | 从老年人收集的步态数据集 |
288 | 2025-05-12 |
Self-Supervised MR Image Reconstruction From Single Measurement
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781875
PMID:40039299
|
research paper | 本文提出了一种不依赖外部训练数据的自监督深度学习MRI重建方法 | 采用单图像重建方法,结合Bernoulli采样、训练中的丢弃策略以及MRI物理过程,实现了无需外部数据的自监督学习 | 未提及具体样本量及对比实验的详细结果 | 加速磁共振成像(MRI)并减少对大量配对数据的依赖 | MRI图像 | digital pathology | NA | deep learning, Bernoulli sampling | Self2Self | image | NA |
289 | 2025-05-12 |
An Automatic Method for Locating Positions and their Colors Important for Classifying Genders in Retinal Fundus Images by Deep Learning Models
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781926
PMID:40039310
|
research paper | 提出一种自动方法,通过深度学习识别视网膜眼底图像中性别分类的重要位置及其颜色特征 | 结合MALCC方法和U检验,自动识别并可视化视网膜图像中对性别分类重要的位置和颜色特征 | NA | 开发一种自动识别视网膜图像中性别分类关键特征的方法 | 视网膜眼底图像 | computer vision | NA | 深度学习 | deep learning | image | NA |
290 | 2025-05-12 |
Interpretable Automated Arrhythmia Detection: An Assistive Framework for Clinicians
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781947
PMID:40039308
|
研究论文 | 本研究提出了一种独特的特征选择算法,用于识别有效的心电图生物标志物,以实现准确且临床可解释的自动心律失常检测 | 提出了一种新的特征选择算法,用于识别心电图中的关键生物标志物,并通过随机森林分类器实现了高准确率和临床可解释性 | 未提及样本量的具体细节,可能影响结果的泛化性 | 开发一种准确且临床可解释的自动心律失常检测方法 | 心电图(ECG)数据 | 机器学习 | 心血管疾病 | 特征选择算法 | 随机森林(RF) | 心电图(ECG)信号 | NA |
291 | 2025-05-12 |
Improved Segmentation of Confocal Calcium Videos of Hela Cells Using Deep-Learning-Assisted Watershed Algorithm
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781812
PMID:40039309
|
research paper | 提出了一种结合深度学习和分水岭算法的改进方法,用于分割Hela细胞的共聚焦钙视频 | 使用深度学习增强的分水岭分割方法,结合改进的U-Net和YOLOv5模型,通过多帧处理和IoU阈值优化边界框,显著提高了分割精度 | 未提及方法在更大规模数据集或其他细胞类型上的泛化能力 | 提高共聚焦钙视频中细胞分割的准确性和效率,以促进高通量药物筛选实验 | Hela细胞的共聚焦钙视频 | computer vision | NA | 共聚焦钙成像 | CNN (modified U-Net and YOLOv5) | video | NA |
292 | 2025-05-12 |
Advancing Cuffless Arterial Blood Pressure Waveform Estimation: Time-Series Deep Neural Network Approach
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782076
PMID:40039307
|
研究论文 | 本研究提出了一种时间序列训练策略,用于无袖带动脉血压波形预测,并比较了两种不同大小的深度学习模型 | 采用时间序列训练策略,显著提升了模型性能,尤其是在结构较简单的gMLP网络上表现更为明显 | 未提及具体样本量或数据来源限制 | 开发高效的无袖带动脉血压估计模型 | 动脉血压波形 | 机器学习 | 心血管疾病 | 深度学习 | gMLP, UtransBPNet | 生理信号时间序列数据 | NA |
293 | 2025-05-12 |
Investigating the Robustness of Vision Transformers against Label Noise in Medical Image Classification
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782929
PMID:40039337
|
research paper | 本文研究了Vision Transformers(ViT)在医学图像分类中对抗标签噪声的鲁棒性,并与CNNs进行了比较 | 首次系统地研究了基于Transformer的架构在医学图像分类中处理标签噪声的能力 | 仅使用了两个医学图像数据集进行验证,可能不具有广泛代表性 | 探索ViT在医学图像分类中对标签噪声的鲁棒性 | 医学图像分类数据集(COVID-DU-Ex和NCT-CRC-HE-100K) | digital pathology | NA | supervised deep learning | Vision Transformer (ViT), CNN | image | 两个医学图像数据集(COVID-DU-Ex和NCT-CRC-HE-100K) |
294 | 2025-05-12 |
Feature Tensor Low-Rank Representation Network for Semi-Supervised Echocardiography Video Left Ventricle Segmentation
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782194
PMID:40039348
|
research paper | 提出了一种基于特征张量低秩表示的半监督超声心动图视频左心室分割方法 | 利用张量奇异值阈值算法在变换域中表示视频特征张量,消除特征冗余并获取紧凑的视频特征 | 未提及具体局限性 | 提高超声心动图视频左心室分割的准确性 | 超声心动图视频中的左心室 | digital pathology | cardiovascular disease | 2D CNN, 张量奇异值阈值算法 | CNN | video | CAMUS数据集 |
295 | 2025-05-12 |
Acute Pain Recognition from Facial Expression Videos using Vision Transformers
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781616
PMID:40039359
|
研究论文 | 该研究提出了一种基于视频视觉变换器(ViViT)的急性疼痛识别方法,用于从面部表情视频中自动检测疼痛 | 使用视频视觉变换器(ViViT)进行疼痛识别任务,捕捉与疼痛估计相关的时空面部信息 | 仅在两个急性疼痛数据集上进行评估,样本量相对较小 | 开发一种自动化的疼痛评估方法,以帮助沟通障碍患者 | 面部表情视频 | 计算机视觉 | NA | 视频视觉变换器(ViViT) | ViViT, ResNet50, 3DCNN | 视频 | 51名受试者(AI4PAIN数据集)和87名受试者(BioVid数据集) |
296 | 2025-05-12 |
A Framework for Extracting Heart Rate Variability Features from Earbud-PPG for Stress Detection
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782088
PMID:40039377
|
研究论文 | 提出一种从耳塞式PPG信号中提取心率变异性特征以检测压力的框架 | 利用深度学习从噪声较大的耳塞式PPG信号中预测HRV特征,并将其用于压力分类任务,性能优于现有最先进方法 | NA | 开发一种通过可穿戴设备连续监测压力的方法 | 耳塞式PPG信号 | 机器学习 | 心理健康问题 | PPG(光电容积描记术) | 深度学习 | PPG信号 | NA |
297 | 2025-05-12 |
A BERT base model for the analysis of Electronic Health Records from diabetic patients
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782488
PMID:40039371
|
research paper | 提出一种基于BERT的模型,用于分析糖尿病患者的电子健康记录(EHRs) | 将BERT模型适应于处理多种EHRs模态,并引入代表患者在序列开始时的状态向量 | 使用标记数据的可用性及其固有特性带来的限制 | 利用深度学习模型改进电子健康记录的分析 | 糖尿病患者的电子健康记录 | natural language processing | diabetes | BERT | BERT base model | EHRs sequences | 超过200,000名糖尿病患者的5年数据 |
298 | 2025-05-12 |
fMRINet: Repurposing the EEGNet model to identify emotional arousal states in fMRI data
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782984
PMID:40039361
|
research paper | 该研究提出了一种名为fMRINet的新方法,通过改编EEGNet架构来分类fMRI数据中的情绪唤醒状态 | 将原本用于EEG信号分类的EEGNet架构成功应用于fMRI数据,并在有限数据项目中表现出色 | 研究样本量可能有限,且性能指标(平衡准确率70%-72%)仍有提升空间 | 开发一种深度学习模型,用于从fMRI数据中精确分类情绪状态 | 典型参与者和临床参与者的fMRI数据 | machine learning | NA | fMRI | EEGNet | fMRI时间序列数据 | 未明确说明具体样本数量,包含典型和临床参与者 |
299 | 2025-05-12 |
Cough Sound Based Deep Learning Models for Diagnosis of COVID-19 Using Statistical Features and Time-Frequency Spectrum
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781593
PMID:40039388
|
研究论文 | 本文提出了一种基于咳嗽声音的深度学习模型,用于诊断COVID-19 | 利用咳嗽声音的统计特征和时频谱,结合预训练模型Xception,进行COVID-19分类 | 外部测试数据集(Coswara)的表现相对较差,可能存在泛化性问题 | 开发一种非侵入性的COVID-19诊断方法 | COVID-19患者 | 机器学习 | COVID-19 | Variable frequency complex demodulation (VFCDM), 零交叉率(ZCR), 频谱滚降(SR), 频谱质心(SC), 频谱带宽(SB) | Xception | 声音波形 | 来自Cambridge、Virufy和Coswara数据集的咳嗽声音数据 |
300 | 2025-05-12 |
Non-invasive stroke diagnosis using speech data from dysarthria patients
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781716
PMID:40039396
|
research paper | 开发了一种利用构音障碍患者语音数据进行非侵入性脑卒中诊断的深度学习模型 | 使用深度学习模型从构音障碍语音数据中提取和分类脑卒中症状特征,提供了一种非侵入性、经济高效的早期脑卒中检测方法 | 需要通过进一步研究来提高准确性 | 开发一种非侵入性、经济高效的脑卒中早期诊断方法 | 构音障碍患者的语音数据 | digital pathology | cardiovascular disease | NA | ResNet50, InceptionV4, ResNeXt50, SEResNeXt18, AttResNet50 | speech | NA |