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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
321 | 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 |
322 | 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 |
323 | 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 |
324 | 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 |
325 | 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 |
326 | 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 |
327 | 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 |
328 | 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 |
329 | 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 |
330 | 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 |
331 | 2024-12-20 |
Deep learning-based reconstruction: a reliability assessment in preoperative magnetic resonance imaging for primary rectal cancer
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-907
PMID:39698686
|
研究论文 | 本研究评估了深度学习重建(DLR)方法在直肠癌术前磁共振成像(MRI)中的可靠性 | 首次系统评估了DLR方法在直肠癌术前MRI中的可靠性,并展示了其在图像质量和诊断性能上的优势 | 样本量较小,且仅在一家医院进行研究,可能限制了结果的普适性 | 评估深度学习重建方法在直肠癌术前MRI检查中的可靠性 | 直肠癌患者的术前MRI图像 | 计算机视觉 | 直肠癌 | 深度学习重建(DLR) | NA | 图像 | 61名患者 |
332 | 2024-12-20 |
Robust thoracic CT image registration with environmental adaptability using dynamic Welsch's function and hierarchical structure-awareness strategy
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-596
PMID:39698683
|
研究论文 | 本文提出了一种基于动态Welsch函数和层次结构感知策略的鲁棒胸腔CT图像配准算法 | 创新性地使用了Welsch函数来控制损失值的惩罚分布,并设计了动态Welsch参数更新策略,以适应不同噪声水平和滑动运动 | NA | 开发一种鲁棒的胸腔CT图像配准算法,以解决采集过程中运动、高密度物体和噪声对配准的影响 | 胸腔CT图像 | 计算机视觉 | NA | NA | NA | 图像 | 使用了公开的DIR-Lab 4DCT和COPD数据集,包括有噪声和无噪声的情况 |
333 | 2024-12-20 |
PPB-Affinity: Protein-Protein Binding Affinity dataset for AI-based protein drug discovery
2024-Dec-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03997-4
PMID:39627219
|
研究论文 | 本文介绍了一个名为PPB-Affinity的大型蛋白质-蛋白质结合亲和力数据集,并开发了一个深度学习基准模型用于预测蛋白质-蛋白质结合亲和力 | 本文首次引入了一个大规模的公开蛋白质-蛋白质结合亲和力数据集,并开发了一个深度学习基准模型用于预测结合亲和力 | NA | 解决蛋白质-蛋白质结合亲和力数据集稀缺的问题,推动基于AI的蛋白质药物发现 | 蛋白质-蛋白质结合亲和力数据集和深度学习模型 | 机器学习 | NA | 深度学习 | 深度学习基准模型 | 蛋白质-蛋白质复合物的晶体结构数据和结合亲和力数据 | NA |
334 | 2024-12-20 |
Deep caries detection using deep learning: from dataset acquisition to detection
2024-Dec-02, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-024-06068-5
PMID:39621193
|
研究论文 | 本研究提出了一种基于深度学习的龋齿检测方法,使用最新的YOLOv7、YOLOv8和YOLOv9模型进行自动检测 | 本研究创新性地使用了最新的YOLOv7、YOLOv8和YOLOv9模型,并展示了其在龋齿检测中的优越性能 | NA | 提高龋齿早期检测的准确性和效率,特别是在资源有限的地区 | 龋齿的早期检测 | 计算机视觉 | 口腔疾病 | 深度学习 | YOLO | 图像 | 3200张图像 |
335 | 2024-12-20 |
Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography
2024-Dec-02, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.01.626131
PMID:39677698
|
研究论文 | 本文通过冷冻电子断层扫描技术分析了生物化学重建的染色质凝聚物的结构 | 本文创新性地结合了基于深度学习的分割方法与上下文感知模板匹配技术,用于识别凝聚物内部的密集分子 | 本文的方法主要针对生物化学重建的染色质凝聚物,对细胞内某些凝聚物的适用性有限 | 研究染色质生物分子凝聚物的形成机制和功能 | 生物化学重建的染色质凝聚物和细胞内原位染色质凝聚区域 | NA | NA | 冷冻电子断层扫描(cryo-electron tomography) | 深度学习模型 | 图像 | NA |
336 | 2024-12-20 |
On-board synthetic 4D MRI generation from 4D CBCT for radiotherapy of abdominal tumors: A feasibility study
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17347
PMID:39137256
|
研究论文 | 本研究评估了基于人工智能方法从4D CBCT生成合成4D MRI用于腹部肿瘤放疗的可行性 | 提出了一种基于深度学习模型从4D CBCT生成合成4D MRI的方法,以改善传统kV-based LINAC在腹部放疗中的治疗定位 | 合成MRI的纹理生成可能具有挑战性,容易产生幻觉,影响运动精度 | 评估从4D MRI、4D CBCT图像、运动建模信息和深度学习模型生成合成4D MRI的可行性 | 腹部肿瘤放疗中的治疗定位 | 数字病理学 | 腹部肿瘤 | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 图像 | 使用数字人体模型XCAT进行评估,CNN模型训练使用了1000个变形样本 |
337 | 2024-12-20 |
Bone metastasis scintigram generation using generative adversarial learning with multi-receptive field learning and two-stage training
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17368
PMID:39225550
|
研究论文 | 本文提出了一种基于生成对抗学习的骨转移闪烁扫描图像生成模型BMS-Gen | 采用多感受野学习和两阶段训练策略,生成逼真且多样化的骨转移闪烁扫描图像 | NA | 开发一种自动化的数据生成方法,以扩充SPECT骨闪烁扫描图像的数据集 | SPECT骨闪烁扫描图像 | 计算机视觉 | NA | 生成对抗学习 | 生成对抗网络(GAN) | 图像 | 临床数据集 |
338 | 2024-12-20 |
Topology-preserving segmentation of abdominal muscle layers from ultrasound images
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17377
PMID:39241262
|
研究论文 | 本文提出了一种新的深度学习算法,用于从超声图像中精确分割腹部肌肉层,以帮助麻醉师准确识别神经阻滞位置 | 本文的创新点在于提出了一种综合方法,通过保留分割的低秩特性来确保正确的拓扑结构,并结合语义特征提取模块、低秩重构模块和边缘重构模块来优化分割边界 | 本文的局限性在于仅在临床数据集上进行了测试,未来需要在更多样化的数据集上进行验证 | 本文的研究目的是开发一种能够准确分割腹部超声图像中肌肉层的深度学习算法,以辅助麻醉师定位神经阻滞区域 | 本文的研究对象是腹部超声图像中的肌肉层 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 临床数据集 |
339 | 2024-12-20 |
Benchmarking deep learning-based low-dose CT image denoising algorithms
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17379
PMID:39287517
|
研究论文 | 本文提出了一个基准设置,用于评估低剂量CT图像去噪的深度学习算法,并揭示了当前方法的性能提升有限 | 提出了一个标准化的基准设置,以提高实验结果的可重复性和可验证性 | 本文仅评估了现有方法的性能,未提出新的去噪算法 | 评估和比较现有的深度学习低剂量CT图像去噪算法,并提出一个标准化的基准设置 | 低剂量CT图像去噪的深度学习算法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
340 | 2024-12-20 |
A physics-informed deep learning framework for dynamic susceptibility contrast perfusion MRI
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17415
PMID:39302179
|
研究论文 | 本文提出了一种基于物理信息的深度学习框架,用于分析动态磁化率对比灌注MRI数据,并高精度地恢复动态组织响应 | 本文创新性地使用了基于物理信息的神经网络(PINNs)来学习体素级别的组织响应函数(TRF),并通过总变差和弹性网络正则化来稳定网络输出 | 本文的局限性在于仅在模拟数据和高级别胶质瘤患者的体内数据上进行了验证,未来需要在更多疾病和更广泛的数据集上进行验证 | 提出一种新的方法来分析动态磁化率对比灌注MRI数据,以提高诊断和监测神经血管或神经肿瘤疾病的准确性 | 动态磁化率对比灌注MRI数据和高级别胶质瘤患者的灌注MRI检查 | 医学影像 | 神经肿瘤疾病 | 动态磁化率对比灌注MRI | 基于物理信息的神经网络(PINNs) | 图像 | 包括模拟数据和一组高级别胶质瘤患者的体内数据 |