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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
441 | 2024-12-19 |
Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105659
PMID:39481177
|
综述 | 本文系统回顾和荟萃分析了使用机器学习和深度学习模型预测心脏骤停后临床结果的有效性 | 机器学习和深度学习模型相较于传统的回归算法在预测心脏骤停后结果方面表现出更高的有效性 | 研究中存在显著的异质性和高偏倚风险,主要由于数据缺失处理不当和缺乏校准图 | 评估机器学习和深度学习模型在预测心脏骤停后不同时间点临床结果的有效性 | 心脏骤停后患者的自主循环恢复(ROSC)、生存率(或死亡率)和神经功能结果 | 机器学习 | 心血管疾病 | 机器学习,深度学习 | 机器学习模型,深度学习算法 | 结构化数据 | 2753条初始记录,41项研究,97个机器学习模型和16个深度学习模型 |
442 | 2024-12-19 |
Rectangling and enhancing underwater stitched image via content-aware warping and perception balancing
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106809
PMID:39481203
|
研究论文 | 提出了一种水下拼接图像的矩形化和增强框架UWIRE,通过内容感知变形和感知平衡来解决水下图像拼接中的不规则边界和视觉感知问题 | 提出了R-procedure和E-procedure两个过程,分别用于矩形化不规则边界和增强图像,采用自协调模式和参数自适应校正,以及注意力权重引导的融合方法 | 仅使用单张水下拼接图像作为输入,可能无法处理复杂的水下环境 | 解决水下图像拼接中的不规则边界和视觉感知问题 | 水下拼接图像的矩形化和增强 | 计算机视觉 | NA | 内容感知变形 | NA | 图像 | 单张水下拼接图像 |
443 | 2024-12-19 |
CNN-Informer: A hybrid deep learning model for seizure detection on long-term EEG
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106855
PMID:39488107
|
研究论文 | 提出了一种名为CNN-Informer的混合深度学习模型,用于在长期脑电图(EEG)中检测癫痫发作 | 结合了卷积神经网络(CNN)提取多通道EEG局部特征的能力和Informer捕捉长期依赖关系的低计算复杂度和内存使用能力 | 未提及 | 开发一种高效的自动癫痫发作检测模型,以减少癫痫患者的意外伤害并改善其生活质量 | 长期脑电图(EEG)信号中的癫痫发作检测 | 机器学习 | 癫痫 | 卷积神经网络(CNN),Informer,离散小波变换(DWT) | CNN-Informer | 脑电图(EEG) | CHB-MIT数据集和SH-SDU数据集 |
444 | 2024-12-19 |
Noise-resistant sharpness-aware minimization in deep learning
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106829
PMID:39488109
|
研究论文 | 本文提出了一种抗噪声的锐度感知最小化方法,以增强模型在噪声环境下的泛化能力和隐私保护 | 提出了基于抗噪参数更新规则的抗噪声SAM方法,分析了其在噪声条件下的收敛性和抗噪性能 | 未提及具体的局限性 | 增强深度学习模型在噪声环境下的泛化能力和隐私保护 | 深度学习模型在噪声环境下的性能 | 机器学习 | NA | 锐度感知最小化(SAM) | NA | NA | 涉及多个网络和基准数据集的实验结果 |
445 | 2024-12-19 |
IPCT-Net: Parallel information bottleneck modality fusion network for obstructive sleep apnea diagnosis
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106836
PMID:39471579
|
研究论文 | 本文提出了一种用于阻塞性睡眠呼吸暂停诊断的并行信息瓶颈模态融合网络(IPCT-Net),旨在通过多模态融合提升诊断性能 | 创新点在于提出了一个适应多种模态融合类型的模态融合表示增强框架(MFRE),并通过分支共享机制提取局部-全局多视角表示,消除模态融合中的冗余信息 | NA | 提高阻塞性睡眠呼吸暂停(OSA)的诊断性能,并为临床诊断模态选择提供定量证据 | 阻塞性睡眠呼吸暂停(OSA)的诊断 | 机器学习 | 睡眠呼吸障碍 | 深度学习(DL) | 并行信息瓶颈模态融合网络(IPCT-Net) | 多模态数据 | 使用了大规模真实世界的家庭睡眠呼吸暂停测试(HSAT)多模态数据 |
446 | 2024-12-19 |
An end-to-end bi-objective approach to deep graph partitioning
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106823
PMID:39471576
|
研究论文 | 本文提出了一种基于图神经网络(GNN)的端到端双目标图分区方法 | 该方法利用多层次图特征,通过双目标公式解决了图分区问题,并引入了包含Hardmax操作符的GNN深度模型,实现了完全端到端的优化 | NA | 解决现有图分区方法在可扩展性和分区平衡性方面的不足 | 大型图的分区问题 | 机器学习 | NA | 图神经网络(GNN) | GNN | 图 | 12个不同应用和规模的图数据集 |
447 | 2024-12-19 |
Optimized deep learning networks for accurate identification of cancer cells in bone marrow
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106822
PMID:39490023
|
研究论文 | 本文提出了一种优化的深度学习网络架构,用于准确识别骨髓中的癌细胞 | 本文引入了混合多目标和类别优化算法,自适应优化超参数,并使用优化的基于注意力的多尺度卷积神经网络进行训练 | NA | 开发一种自动化方法,用于区分恶性骨和健康骨,并准确识别骨髓中的癌细胞 | 骨髓中的癌细胞 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像 | 使用公开数据集进行实验 |
448 | 2024-12-19 |
Toward high-quality pseudo masks from noisy or weak annotations for robust medical image segmentation
2025-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106850
PMID:39520897
|
研究论文 | 本文提出了一种从噪声或弱注释中提取高质量伪掩码的两阶段框架,用于医学图像分割 | 本文的创新点在于通过比较干净注释和有缺陷注释,识别潜在的噪声模式,并提出了一种噪声识别网络和噪声鲁棒分割网络的两阶段框架 | 本文的局限性在于仅在两个公开数据集上进行了实验验证,可能需要进一步在更多数据集上验证其泛化能力 | 本文的研究目的是从噪声或弱注释中提取高质量伪掩码,以实现鲁棒的医学图像分割 | 本文的研究对象是医学图像分割中的噪声或弱注释 | 计算机视觉 | NA | NA | CNN | 图像 | 两个公开数据集 |
449 | 2024-12-19 |
The use of ChatGPT in the dermatological field: a narrative review
2024-Dec-18, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae546
PMID:39690824
|
综述 | 本文探讨了ChatGPT在皮肤病学领域的应用及其对皮肤健康管理的重塑 | ChatGPT作为一种先进的语言模型,扩展了其在医疗和皮肤病学领域的应用,展示了其与皮肤病学的协同关系 | 本文主要为综述性质,缺乏具体的实验数据和深入的实证研究 | 探讨ChatGPT在皮肤病学中的应用及其对皮肤健康管理的影响 | ChatGPT在皮肤病学中的应用及其效率、准确性以及相关的伦理和法律问题 | NA | NA | NA | ChatGPT | NA | NA |
450 | 2024-12-19 |
Protein Binding Site Representation in Latent Space
2024-Dec-18, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400205
PMID:39692081
|
研究论文 | 本文研究了用于蛋白质-配体复合物亲和力预测的图神经网络,并评估了配体结合位点的潜在表示及其与蛋白质功能的关系 | 引入了自动化计算流程,用于降维、聚类、假设检验和潜在空间的可视化,并发现学习的蛋白质潜在空间具有内在结构 | 未提及具体限制 | 理解深度学习模型在计算机辅助药物发现中的特征感知 | 蛋白质-配体复合物的亲和力预测及配体结合位点的潜在表示 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质-配体复合物数据 | 未提及具体样本数量 |
451 | 2024-12-19 |
Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer
2024-Dec-18, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16426
PMID:39692707
|
研究论文 | 本研究利用人工智能模型探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异 | 开发了一种基于聚类约束注意力多实例学习模型(CLAM)的人工智能模型,用于预测癌症深度并识别侵袭区域的形态学特征 | 样本量较小,仅分析了75名患者的食管鳞状细胞癌数据 | 探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异,揭示侵袭机制 | 早期食管癌的侵袭区域与非侵袭区域 | 数字病理学 | 食管癌 | 人工智能(AI) | 聚类约束注意力多实例学习模型(CLAM) | 图像 | 75名食管鳞状细胞癌患者 |
452 | 2024-12-19 |
Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging
2024-Dec-18, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04739-1
PMID:39692759
|
研究论文 | 本研究探讨了在妇科磁共振成像中,结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像(iHASTE)与传统序列的临床应用效果 | 本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像(iHASTE)结合,用于妇科磁共振成像,并评估其与传统序列的对比效果 | 本研究为回顾性研究,样本量较小,且仅在有和无抗痉挛剂的情况下进行比较,未涵盖其他可能的临床情况 | 探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果 | 妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘 | 医学影像 | 妇科疾病 | 半傅里叶单次激发涡轮自旋回波成像(HASTE),深度学习重建 | 深度学习模型 | 图像 | 79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者 |
453 | 2024-12-19 |
Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density
2024-Dec-18, Protoplasma
IF:2.5Q2
DOI:10.1007/s00709-024-02019-9
PMID:39692866
|
研究论文 | 本文研究了一种基于深度学习的细胞骨架分割方法,用于准确量化植物细胞中细胞骨架的密度 | 本文提出了一种基于深度学习的细胞骨架分割方法,显著提高了细胞骨架密度测量的准确性 | NA | 开发一种能够准确量化细胞骨架组织的高通量测量方法 | 烟草BY-2细胞的皮层微管、拟南芥保卫细胞和合子 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 烟草BY-2细胞、拟南芥保卫细胞和合子 |
454 | 2024-12-19 |
Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00244-9
PMID:39692946
|
研究论文 | 本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性 | 首次系统比较了不同脑龄预测方法的可解释性,并结合可解释人工智能(XAI)方法进行评估 | 需要进一步评估Grad-CAM的临床实用性 | 比较不同脑龄预测方法的性能和可解释性,并探讨其在临床实践中的应用潜力 | 脑龄预测方法的性能、可解释性和临床实用性 | 计算机视觉 | NA | MRI扫描、FreeSurfer、3D卷积神经网络(CNN)、可解释人工智能(XAI)方法(SHAP、Grad-CAM、DeepSHAP) | 3D卷积神经网络(CNN)、DenseNet-121 | 图像 | 多站点神经影像数据集 |
455 | 2024-12-19 |
High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00246-7
PMID:39692944
|
研究论文 | 本文设计了一种高效的深度差分引导滤波模块(DDGF),通过融合多尺度迭代差分引导滤波与深度学习,提出了一种轻量级的深度差分引导滤波分割网络(DDGF-SegNet),并开发了一个自动化处理流程,显著提高了高吞吐量显微光学成像数据的处理效率 | 本文的创新点在于设计了深度差分引导滤波模块(DDGF),并将其与深度学习网络结合,提出了一种高效的分割网络(DDGF-SegNet),显著提升了图像细节的精炼和背景噪声的抑制效果 | NA | 提高高吞吐量显微光学成像数据的处理效率 | 小鼠脑部的高吞吐量显微光学成像数据 | 计算机视觉 | NA | 深度学习 | 深度差分引导滤波分割网络(DDGF-SegNet) | 图像 | NA |
456 | 2024-12-19 |
Research trends on AI in breast cancer diagnosis, and treatment over two decades
2024-Dec-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-024-01671-0
PMID:39692996
|
综述 | 本研究通过文献计量分析,回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展 | 本研究通过文献计量分析,揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者,并指出了未来的研究挑战 | 研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等,这些都需要进一步的跨学科努力来解决 | 旨在通过文献计量分析,全面回顾人工智能在乳腺癌诊断和治疗中的进展,并指出未来的研究方向 | 2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文本 | 2678篇来自Scopus数据库的论文 |
457 | 2024-12-19 |
Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy"
2024-Dec-18, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03526
PMID:39693047
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
458 | 2024-12-19 |
Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study
2024-Dec-17, JMIR AI
DOI:10.2196/64362
PMID:39688897
|
研究论文 | 本研究利用深度学习和空间建模方法,基于卫星图像预测密苏里州的肥胖率 | 本研究首次将深度卷积神经网络与空间建模相结合,利用卫星图像的环境特征预测肥胖率 | 研究范围仅限于密苏里州,未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型 | 开发一种可扩展的方法,利用深度卷积神经网络和空间分析预测肥胖率 | 密苏里州的1052个人口普查区 | 计算机视觉 | 肥胖 | 深度学习 | CNN | 图像 | 63592个224×224像素的图像块 |
459 | 2024-12-19 |
AI-Driven Drug Discovery for Rare Diseases
2024-Dec-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01966
PMID:39689164
|
综述 | 本文探讨了人工智能在罕见病药物发现中的潜力,涵盖了药物再利用、生物标志物发现、个性化医疗等多个方面 | 本文通过整合现有知识和最新突破,提供了关于人工智能如何加速罕见病治疗开发的见解,填补了文献中的关键空白 | NA | 探讨人工智能在罕见病药物发现中的应用,加速治疗开发,改善患者预后 | 罕见病及其药物发现过程中的挑战 | 机器学习 | 罕见病 | 人工智能(AI)、机器学习(ML)、深度学习(DL) | NA | NA | NA |
460 | 2024-12-19 |
Application of artificial intelligence in thoracic radiology: A narrative review (Application of AI in thoracic radiology)
2024-Dec-17, Tuberculosis and respiratory diseases
IF:2.5Q2
DOI:10.4046/trd.2024.0062
PMID:39689720
|
综述 | 本文综述了人工智能在胸放射学领域的最新进展,主要关注深度学习技术,并讨论了当前的局限性和未来发展方向 | 本文展示了人工智能在提高放射科医生表现方面的潜力,特别是在异常检测、分类和解剖结构的定量分析方面 | 本文讨论了当前人工智能技术在胸放射学应用中的局限性,并提出了未来研究的方向 | 回顾人工智能在胸放射学领域的最新成就,并探讨其当前的局限性和未来发展方向 | 人工智能在胸放射学中的应用,特别是深度学习技术 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |