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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
401 | 2024-12-20 |
Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review
2024-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3323215
PMID:37831582
|
综述 | 本文综述了深度学习在磁共振成像(MRI)中回顾性运动校正的应用 | 本文详细介绍了基于学习的MRI运动校正方法,并讨论了不同应用领域之间的差异和协同作用 | 由于MR采集序列、解剖结构、病理和运动模式的多样性,难以找到一个全面的解决方案 | 促进不同应用领域之间的思想交流,并讨论未来发展方向 | MRI中的运动校正问题 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
402 | 2024-12-20 |
NRTR: Neuron Reconstruction With Transformer From 3D Optical Microscopy Images
2024-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3323466
PMID:37847618
|
研究论文 | 本文提出了一种基于Transformer的神经元重建方法NRTR,用于从3D光学显微镜图像中进行端到端的神经元重建 | NRTR是首个将神经元重建视为直接集合预测问题的图像到集合深度学习模型,抛弃了复杂的基于规则的组件,简化了整体框架并使模型训练更容易 | NA | 设计一种端到端的神经元重建方法,简化框架并使模型训练更容易 | 从3D光学显微镜图像中进行神经元重建 | 计算机视觉 | NA | Transformer | Transformer | 图像 | 使用了BigNeuron和VISoR-40数据集进行实验 |
403 | 2024-12-20 |
Robust Vascular Segmentation for Raw Complex Images of Laser Speckle Contrast Based on Weakly Supervised Learning
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3287200
PMID:37335795
|
研究论文 | 本文提出了一种基于弱监督学习的鲁棒方法,用于激光散斑对比成像(LSCI)原始复杂图像的血管分割 | 本文的创新点在于提出了一种基于弱监督学习的鲁棒方法,通过选择阈值组合和处理流程来替代耗时的标注工作,并设计了一种基于UNet++和ResNeXt的深度神经网络FURNet,实现了高质量的血管分割 | NA | 解决LSCI图像血管分割中的困难,推动人工智能辅助疾病诊断领域的应用 | LSCI图像中的血管分割 | 计算机视觉 | NA | 弱监督学习 | UNet++ 和 ResNeXt | 图像 | NA |
404 | 2024-12-20 |
DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3289859
PMID:37368810
|
研究论文 | 本文提出了一种双自监督多操作符变换网络(DSMT-Net),用于多源内镜超声诊断,以提高胰腺癌和乳腺癌的诊断准确性 | 本文的创新点在于提出了双自监督多操作符变换网络(DSMT-Net),通过多操作符变换标准化提取感兴趣区域,并设计了基于transformer的双自监督网络,利用未标记的内镜超声图像进行预训练 | 本文的局限性在于未详细讨论模型的泛化能力和在其他癌症类型中的应用效果 | 本文的研究目的是提高多源内镜超声图像在胰腺癌和乳腺癌诊断中的准确性 | 本文的研究对象是胰腺癌和乳腺癌的内镜超声图像 | 机器学习 | 胰腺癌 | 深度学习 | transformer | 图像 | 包括3500张病理证实的标记内镜超声图像和8000张未标记的内镜超声图像 |
405 | 2024-12-20 |
LViT: Language Meets Vision Transformer in Medical Image Segmentation
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3291719
PMID:37399157
|
研究论文 | 本文提出了一种新的文本增强医学图像分割模型LViT,通过结合医学文本注释来弥补图像数据质量的不足,并在半监督学习中生成高质量的伪标签 | 提出了LViT模型,结合医学文本注释和视觉Transformer,以及Exponential Pseudo label Iteration机制和Pixel-Level Attention模块,用于半监督学习中的图像分割 | 需要构建多模态医学分割数据集,并且依赖于高质量的文本注释 | 提高医学图像分割模型的性能,特别是在数据标注成本高的情况下 | 医学图像分割任务 | 计算机视觉 | NA | 视觉Transformer | Transformer | 图像和文本 | 三个多模态医学分割数据集,包含X射线和CT图像 |
406 | 2024-12-20 |
Deep Generalized Learning Model for PET Image Reconstruction
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3293836
PMID:37428658
|
研究论文 | 本文提出了一种深度学习与交替方向乘子法(ADMM)迭代优化模型相结合的学习框架,用于低计数正电子发射断层扫描(PET)图像重建 | 该方法创新性地打破了保真度算子的固有形式,并使用神经网络对其进行处理,同时深度泛化了正则化项 | 本文未充分探讨混合模型的全部松弛特性,导致其性能未被充分挖掘 | 提高低计数PET图像质量并恢复精细结构 | 低计数正电子发射断层扫描(PET)图像 | 计算机视觉 | NA | 深度学习(DL) | 神经网络 | 图像 | 模拟数据和真实数据 |
407 | 2024-12-20 |
Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3294128
PMID:37432807
|
研究论文 | 本文提出了一种基于深度学习的患者特异性心脏几何模型自动生成方法,用于固体力学研究 | 本文的创新点在于使用最小化的表面网格标签实现精确的空间精度,并通过同时优化各向同性和各向异性变形能量来提高体积网格质量 | NA | 开发一种自动生成患者特异性心脏几何模型的方法,以加速生物力学研究 | 患者特异性心脏几何模型 | 固体力学 | NA | 深度学习 | NA | 几何模型 | NA |
408 | 2024-12-20 |
Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI With Simultaneous Motion Estimation and Super-Resolution
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3294245
PMID:37432808
|
研究论文 | 本文提出了一种名为Coarse-Super-Resolution-Fine网络(CoSF-Net)的深度学习框架,用于4D-MRI中的同时运动估计和超分辨率处理 | CoSF-Net通过统一的模型实现了同时运动估计和超分辨率处理,并考虑了有限和不完全匹配的训练数据集 | NA | 开发一种能够在4D-MRI中同时进行运动估计和超分辨率的深度学习框架,以改善图像引导放射治疗中的肿瘤运动管理 | 4D-MRI图像中的运动估计和超分辨率处理 | 计算机视觉 | NA | 深度学习 | Coarse-Super-Resolution-Fine网络(CoSF-Net) | 图像 | 多个真实患者数据集 |
409 | 2024-12-20 |
Masked Conditional Variational Autoencoders for Chromosome Straightening
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3293854
PMID:37428657
|
研究论文 | 本文提出了一种用于染色体拉直的框架,包括预处理算法和基于掩码条件变分自编码器(MC-VAE)的生成模型 | 本文创新性地提出了掩码条件变分自编码器(MC-VAE),并结合预处理算法,有效解决了染色体微观图像中弯曲问题,保留了染色体带型模式和结构细节 | 本文未提及具体的局限性 | 解决染色体微观图像中弯曲问题,提高染色体分类的深度学习模型性能 | 人类染色体及其在微观图像中的弯曲问题 | 计算机视觉 | NA | 掩码条件变分自编码器(MC-VAE) | 变分自编码器(VAE) | 图像 | 三个公共数据集,两种染色样式 |
410 | 2024-12-20 |
DEQ-MPI: A Deep Equilibrium Reconstruction With Learned Consistency for Magnetic Particle Imaging
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3300704
PMID:37527298
|
研究论文 | 本文提出了一种基于深度平衡模型和学习数据一致性的磁粒子成像(MPI)重建方法DEQ-MPI | DEQ-MPI通过将神经网络嵌入迭代优化中,训练隐式映射以最大化收敛解的质量,并引入学习的一致性度量来更好地捕捉数据分布 | NA | 开发一种新的MPI重建方法,以提高图像质量和推理时间 | 磁粒子成像图像的重建 | 计算机视觉 | NA | 磁粒子成像(MPI) | 深度平衡模型 | 图像 | 模拟数据和实验数据 |
411 | 2024-12-20 |
Structural Priors Guided Network for the Corneal Endothelial Cell Segmentation
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3300656
PMID:37527299
|
研究论文 | 本文提出了一种结构先验引导网络(SPG-Net)用于角膜内皮细胞分割,通过结合混合Transformer卷积骨干网络和特征增强模块,提升了模糊细胞边界的分割效果 | 本文创新性地引入了结构先验信息,通过局部亲和特征融合模块和联合损失函数,在像素级和结构级上同时优化分割结果 | 本文未详细讨论模型在不同数据集上的泛化能力以及计算资源的消耗情况 | 提高角膜内皮细胞模糊边界分割的准确性和连续性,从而提升临床参数估计的精度 | 角膜内皮细胞的模糊边界 | 计算机视觉 | NA | 深度学习 | 混合Transformer卷积网络 | 图像 | 四个角膜内皮数据集 |
412 | 2024-12-20 |
Hierarchical Knowledge Guided Learning for Real-World Retinal Disease Recognition
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3302473
PMID:37549071
|
研究论文 | 本文提出了一种分层知识引导学习方法,用于解决真实世界中视网膜疾病识别中的长尾分布和多标签共现问题 | 利用眼科先验知识进行层次感知预训练,采用实例级类别平衡采样策略,并引入混合知识蒸馏方法来训练无偏差的表示和分类器 | 未提及具体限制 | 解决长尾分布和多标签共现问题,提高视网膜疾病识别的准确性,特别是罕见疾病的识别 | 视网膜疾病识别 | 计算机视觉 | 视网膜疾病 | 深度学习 | 深度神经网络 | 图像 | 超过一百万张眼底图像,包括两个公开数据集和两个内部数据集 |
413 | 2024-12-20 |
Transformer-Based Spatio-Temporal Analysis for Classification of Aortic Stenosis Severity From Echocardiography Cine Series
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3305384
PMID:37581960
|
研究论文 | 本文提出了一种基于Transformer的深度学习框架,用于从二维超声心动图序列中分类主动脉瓣狭窄的严重程度 | 该框架结合了主动脉瓣的解剖特征和运动信息,能够处理不同长度的超声心动图序列,并自动识别对诊断最有用的帧,无需显式监督 | 由于缺乏大规模的公开视频数据集,对公共数据集进行了轻微的架构调整 | 研究基于二维超声心动图数据的主动脉瓣狭窄检测和严重程度分类的可行性 | 主动脉瓣狭窄的检测和严重程度分类 | 机器学习 | 心血管疾病 | 深度学习 | Transformer | 视频 | 使用了私有和公共数据集,具体样本数量未提及 |
414 | 2024-12-20 |
Joint Cross-Attention Network With Deep Modality Prior for Fast MRI Reconstruction
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3314008
PMID:37695966
|
研究论文 | 提出了一种基于深度学习的多线圈磁共振成像快速重建模型,通过联合交叉注意力网络(jCAN)利用已获取的同体数据进行深度引导 | 引入了基于展开的联合交叉注意力网络(jCAN),结合视觉变换器(ViT)和卷积神经网络(CNN)在图像和k空间域中的应用,并利用预先获取的同体扫描数据作为参考模态来指导目标模态的重建 | NA | 提高加速多线圈磁共振成像重建模型的性能 | 多线圈磁共振成像数据的重建 | 计算机视觉 | NA | 磁共振成像(MRI) | 联合交叉注意力网络(jCAN) | 图像 | 公开的膝关节数据集和内部的大脑数据集 |
415 | 2024-12-20 |
Using deep learning models in magnetic resonance cholangiopancreatography images to diagnose common bile duct stones
2024 Jan-Jun, Scandinavian journal of gastroenterology
IF:1.6Q3
DOI:10.1080/00365521.2023.2257825
PMID:37712446
|
研究论文 | 本研究使用深度学习模型YOLOv5在磁共振胆胰管成像(MRCP)图像中诊断胆总管结石 | 首次使用深度学习模型YOLOv5在MRCP图像中检测胆总管结石 | 随着结石数量的增加,检测准确率逐渐下降 | 验证YOLOv5模型在MRCP图像中诊断胆总管结石的有效性,并与放射科医生的准确性进行比较 | 胆总管结石(CBDS)患者 | 计算机视觉 | 胆道疾病 | 深度学习 | YOLOv5 | 图像 | 63名胆总管结石患者 |
416 | 2024-12-20 |
Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314707
PMID:39693322
|
研究论文 | 本研究分析了视网膜OCT扫描中标签质量和病理特征的评分者间一致性,并使用自定义注释软件进行评估 | 开发了一种自定义注释软件,用于评估视网膜OCT扫描的质量和病理特征,并标准化标签以用于机器学习工具的开发 | 某些病理特征的评分者间一致性较低,如SRF、超反射点和高反射焦点 | 分析视网膜OCT扫描中标签质量和常见影像特征的评分者间一致性 | 视网膜OCT扫描的质量和病理特征 | 数字病理学 | NA | NA | NA | 图像 | 500张OCT扫描图像,来自CIRRUS HD-OCT 5000设备,每个患者的眼睛由16张随机扫描图像表示 |
417 | 2024-12-20 |
DenseIncepS115: a novel network-level fusion framework for Alzheimer's disease prediction using MRI images
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1501742
PMID:39697232
|
研究论文 | 提出了一种名为DenseIncepS115的新型深度学习架构,用于通过MRI图像预测阿尔茨海默病 | 该架构结合了Inception模块和Dense模块的自注意力机制,并通过深度连接层在网络级别进行融合,使用贝叶斯优化初始化超参数,并采用Catch Fish优化算法进行特征优化 | NA | 开发一种新的深度学习架构,用于早期预测阿尔茨海默病 | 通过MRI图像预测阿尔茨海默病 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | DenseIncepS115 | 图像 | 使用了两个公开数据集:阿尔茨海默病ADNI和阿尔茨海默病MRI分类数据集 |
418 | 2024-12-20 |
Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.12.19
PMID:39697885
|
综述 | 本文通过文献计量分析方法,探讨了全球眼科光学相干断层扫描(OCT)成像中人工智能(AI)应用的现状和研究前沿 | 本文首次通过文献计量分析方法,全面评估了过去12年AI在眼科OCT中的应用,并指出了从传统机器学习到深度学习的转变趋势 | 本文主要依赖于文献计量分析,未涉及具体的技术细节或实验验证 | 探讨全球眼科OCT成像中AI应用的现状和研究前沿 | 全球范围内发表的关于AI在眼科OCT中应用的文献 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 深度学习(DL) | 图像 | 877篇文章,来自65个国家,其中261篇来自美国,252篇来自中国 |
419 | 2024-12-20 |
AAUConvNeXt: Enhancing Crop Lodging Segmentation with Optimized Deep Learning Architectures
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0182
PMID:39698322
|
研究论文 | 本研究提出了一种创新的卷积神经网络架构AAUConvNeXt,通过集成智能优化算法来自动选择最优网络参数,从而提高作物倒伏分割的准确性和效率 | 本研究的创新点在于引入了一种新的卷积神经网络架构AAUConvNeXt,并结合智能优化算法来优化网络参数,显著提高了作物倒伏分割的精度和效率 | NA | 本研究的目的是通过优化深度学习架构来提高作物倒伏分割的准确性和效率 | 本研究的研究对象是作物倒伏现象,特别是水稻倒伏 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
420 | 2024-12-20 |
Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3497895
PMID:39698476
|
研究论文 | 本研究探讨了高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 本研究首次将高分辨率颈听诊信号应用于鼻胃管患者的吞咽功能评估,并展示了先前开发的算法的通用性 | 研究样本量较小,且仅限于鼻胃管患者 | 研究高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 鼻胃管患者的吞咽功能 | 机器学习 | NA | 高分辨率颈听诊 | 卷积循环神经网络、混合模型、堆叠循环神经网络 | 信号 | NA |