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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
761 | 2024-12-18 |
Functional Brain Network Disruptions in Parkinson's Disease: Insights from Information Theory and Machine Learning
2024-Dec-04, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14232728
PMID:39682636
|
研究论文 | 本研究使用非线性自回归分布滞后(NARDL)模型和深度学习方法,分析了帕金森病(PD)患者功能性脑网络的破坏情况 | 本研究首次结合信息论和机器学习方法,使用NARDL模型构建功能性脑网络,并通过深度学习模型进行分类和解释 | 本研究仅使用了PPMI数据集,样本量有限,可能影响结果的普适性 | 探讨帕金森病患者功能性脑网络的破坏情况,并提供个性化治疗的可能性 | 帕金森病患者和健康对照组的功能性脑网络 | 机器学习 | 帕金森病 | 非线性自回归分布滞后(NARDL)模型 | 卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆(LSTM) | 功能性磁共振成像(fMRI)数据 | 来自帕金森病进展标志物倡议(PPMI)数据集的静息态fMRI数据 |
762 | 2024-12-18 |
Deep Learning-Assisted Analysis of GO-Reinforcing Effects on the Interfacial Transition Zone of CWRB
2024-Dec-04, Materials (Basel, Switzerland)
DOI:10.3390/ma17235926
PMID:39685362
|
研究论文 | 本文提出了一种基于金属侵入技术、背散射电子(BSE)图像和深度学习的方法,用于分析石墨烯氧化物(GO)增强的界面过渡区(ITZ)的微/纳米结构特征 | 本文创新性地结合了深度学习技术来分析GO对ITZ微结构的增强效果,并使用深度泰勒分解(DTD)算法定位GO改性的增强特征 | 本文主要集中在GO对ITZ微结构的增强效果分析,未涉及其他可能的增强机制或材料 | 研究GO对水泥固废回填(CWRB)中界面过渡区(ITZ)孔隙结构特征的增强机制 | 石墨烯氧化物(GO)对界面过渡区(ITZ)微结构的增强效果 | NA | NA | 深度学习 | 深度泰勒分解(DTD)算法 | 图像 | NA |
763 | 2024-12-18 |
COSMIC-2 RFI Prediction Model Based on CNN-BiLSTM-Attention for Interference Detection and Location
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237745
PMID:39686282
|
研究论文 | 本文提出了一种基于CNN-BiLSTM-Attention模型的COSMIC-2卫星RFI预测方法,用于检测和定位地面GNSS干扰信号 | 本文创新性地结合了卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制,提出了CNN-BiLSTM-Attention模型,用于多通道SNR时间序列的RFI预测 | NA | 研究如何通过SNR相关变化预测RFI测量值,以应用于民用地面GNSS干扰信号的检测和定位 | COSMIC-2卫星的SNR和RFI测量数据 | 机器学习 | NA | 卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)、注意力机制 | CNN-BiLSTM-Attention | 时间序列 | 多通道SNR时间序列数据 |
764 | 2024-12-18 |
Corrupted Point Cloud Classification Through Deep Learning with Local Feature Descriptor
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237749
PMID:39686288
|
研究论文 | 本文提出了一种基于局部特征描述符的深度学习方法,用于处理受损点云数据的分类问题 | 使用局部特征描述符作为预处理方法提取点云数据特征,并提出了一种新的神经网络架构,有效提升了在数据受损极端情况下的性能 | 未提及具体局限性 | 提升在实际工业场景中受损点云数据的分类准确性 | 受损的点云数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 10个类别,来自ModelNet40数据集 |
765 | 2024-12-18 |
Z-Score Experience Replay in Off-Policy Deep Reinforcement Learning
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237746
PMID:39686283
|
研究论文 | 本文提出了一种名为Z-Score Prioritized Experience Replay的方法,用于改进离策略深度强化学习算法的性能和收敛速度 | 提出了Z-Score Prioritized Experience Replay方法,增强了经验利用率,提升了算法的性能和收敛速度 | 未提及具体限制 | 改进离策略深度强化学习算法的效率 | 离策略深度强化学习算法 | 机器学习 | NA | 深度强化学习 | NA | NA | NA |
766 | 2024-12-18 |
Myoelectric-Based Estimation of Vertical Ground Reaction Force During Unconstrained Walking by a Stacked One-Dimensional Convolutional Long Short-Term Memory Model
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237768
PMID:39686306
|
研究论文 | 本文探讨了通过堆叠一维卷积长短期记忆模型,仅使用大腿和小腿肌肉的肌电信号来估计步行过程中垂直地面反作用力的可行性 | 本文首次尝试仅使用肌电信号来估计步行过程中的垂直地面反作用力,并展示了其在假肢和辅助设备控制中的应用潜力 | 本文仅研究了大腿和小腿肌肉的肌电信号,未考虑其他肌肉群的影响 | 探索仅使用肌电信号估计步行过程中垂直地面反作用力的可行性,并评估其在假肢和辅助设备控制中的应用 | 步行过程中垂直地面反作用力的估计 | 机器学习 | NA | 肌电信号 | 一维卷积长短期记忆模型 | 肌电信号 | 涉及不同肌肉配置的三组实验 |
767 | 2024-12-18 |
Enhancing Situational Awareness of Helicopter Pilots in Unmanned Aerial Vehicle-Congested Environments Using an Airborne Visual Artificial Intelligence Approach
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237762
PMID:39686298
|
研究论文 | 本文提出了一种机载视觉人工智能系统,旨在提高直升机飞行员在无人机密集环境中的情境意识 | 本文结合了空间和时间深度学习模型以及经典计算机立体视觉技术,用于估计无人机的深度、预测潜在碰撞并提供警报 | NA | 提高直升机飞行员在无人机密集环境中的情境意识 | 无人机密集环境中的直升机飞行员情境意识 | 计算机视觉 | NA | 深度学习模型,计算机立体视觉 | 深度学习模型 | 图像 | NA |
768 | 2024-12-18 |
Latent Space Representation of Human Movement: Assessing the Effects of Fatigue
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237775
PMID:39686311
|
研究论文 | 本研究利用深度学习方法通过对抗自编码器(AAE)在二维潜在空间中评估和可视化疲劳对运动的影响 | 本研究首次使用对抗自编码器(AAE)在二维潜在空间中评估和可视化疲劳对运动的影响,并结合半监督和条件方法进行分析 | 本研究的样本量较小,且仅使用了特定的运动协议进行疲劳诱导,可能限制了结果的普适性 | 通过深度学习方法评估和预测疲劳对运动表现的影响,优化训练和康复计划 | 疲劳对运动表现的影响及其在潜在空间中的可视化 | 机器学习 | NA | 对抗自编码器(AAE) | 对抗自编码器(AAE) | 时间序列数据 | 使用Wii平衡板和三个惯性测量单元收集的数据,参与者进行了疲劳诱导协议 |
769 | 2024-12-18 |
BSDR: A Data-Efficient Deep Learning-Based Hyperspectral Band Selection Algorithm Using Discrete Relaxation
2024-Dec-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24237771
PMID:39686308
|
研究论文 | 本文提出了一种基于深度学习的高光谱波段选择算法BSDR,通过离散松弛减少可学习参数,提高数据效率 | BSDR通过离散松弛将波段选择的离散问题转化为连续优化任务,减少了可学习参数,提高了数据效率,同时显著缩短了训练时间和执行时间 | NA | 解决高光谱波段选择中模型参数多、训练数据需求大和计算效率低的问题 | 高光谱波段选择算法 | 机器学习 | NA | 深度学习 | NA | 高光谱数据 | 三个基准数据集,具有不同的光谱维度和特征 |
770 | 2024-12-18 |
Enhanced Panoramic Radiograph-Based Tooth Segmentation and Identification Using an Attention Gate-Based Encoder-Decoder Network
2024-Dec-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14232719
PMID:39682627
|
研究论文 | 本文提出了一种基于注意力门控编码-解码网络的增强型全景X光片牙齿分割与识别方法 | 本文创新性地使用了基于Squeeze and Excitation Inception Block的编码-解码网络,结合InceptionV3模型和自定义解码器进行特征整合与分割,并引入了注意力机制 | 本文未详细讨论模型的泛化能力以及在不同数据集上的表现 | 开发一种能够自动且准确地进行全景X光片牙齿分割与识别的方法 | 全景X光片中的牙齿 | 计算机视觉 | NA | 深度学习 | 编码-解码网络 | 图像 | 313张全景X光片 |
771 | 2024-12-18 |
Street View Image-Based Road Marking Inspection System Using Computer Vision and Deep Learning Techniques
2024-Dec-03, Sensors (Basel, Switzerland)
DOI:10.3390/s24237724
PMID:39686261
|
研究论文 | 本文提出了一种基于计算机视觉和深度学习技术的街景图像道路标线检测系统 | 本文创新性地利用街景图像和深度学习技术实现了道路标线的自动化检测,并开发了基于YOLOv11x模型的道路标线损坏检测器 | 本文未提及系统的实时性能和在不同天气条件下的表现 | 开发一种自动化道路标线检测系统,以减轻人工和经济资源的负担 | 道路标线的损坏情况 | 计算机视觉 | NA | 计算机视觉,深度学习 | YOLOv11x | 图像 | 使用了公开的Road Marking Damage Detection Dataset (RMDDD) |
772 | 2024-12-18 |
Effective Detection of Cloud Masks in Remote Sensing Images
2024-Dec-03, Sensors (Basel, Switzerland)
DOI:10.3390/s24237730
PMID:39686267
|
研究论文 | 提出了一种多尺度双上采样分割网络MDU-Net,用于在遥感图像中有效检测云掩膜 | MDU-Net通过改进的残差模块和双上采样操作,能够更精细地提取云和背景的边缘,并有效减少对不可预测目标的误检率 | NA | 开发一种能够有效检测遥感图像中云掩膜轮廓和分布的方法,以帮助研究天气变化和自然灾害 | 遥感图像中的云掩膜和云阴影 | 计算机视觉 | NA | 深度学习 | MDU-Net | 图像 | 基于Landsat8卫星的自制云和云阴影数据集,以及landcover.ai数据集 |
773 | 2024-12-18 |
Multimodal MRI Deep Learning for Predicting Central Lymph Node Metastasis in Papillary Thyroid Cancer
2024-Dec-02, Cancers
IF:4.5Q1
DOI:10.3390/cancers16234042
PMID:39682228
|
研究论文 | 本研究利用多模态MRI和深度学习算法开发了一种预测甲状腺乳头状癌中央淋巴结转移的模型 | 提出了基于卷积神经网络的AMMCNet模型,并结合多模态MRI和临床病理数据进行预测,相比传统机器学习模型有更高的预测性能 | 研究为回顾性研究,样本量较小,且依赖于放射科医生手动标注感兴趣区域 | 开发一种基于MRI和临床病理数据的预测模型,用于预测甲状腺乳头状癌患者的中央淋巴结转移 | 甲状腺乳头状癌患者的中央淋巴结转移 | 机器学习 | 甲状腺癌 | MRI | CNN | 图像 | 105名甲状腺乳头状癌患者 |
774 | 2024-12-18 |
DeepEnhancerPPO: An Interpretable Deep Learning Approach for Enhancer Classification
2024-Dec-02, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252312942
PMID:39684652
|
研究论文 | 提出了一种名为DeepEnhancerPPO的端到端深度学习架构,用于增强子分类 | 整合了ResNet和Transformer模块以提取局部、层次和长距离上下文特征,并使用强化学习技术PPO来减少特征维度,增强分类结果的可解释性 | 未提及具体的局限性 | 开发一种有效的深度学习方法来分类增强子类别和调控强度 | 增强子及其在基因表达调控中的作用 | 机器学习 | NA | 深度学习 | ResNet, Transformer, PPO | 基因组数据 | 未提及具体样本数量 |
775 | 2024-12-18 |
Prostate cancer risk assessment and avoidance of prostate biopsies using fully automatic deep learning in prostate MRI: comparison to PI-RADS and integration with clinical data in nomograms
2024-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10818-0
PMID:38955845
|
研究论文 | 本研究评估了使用全自动深度学习(DL)在前列腺MRI中进行前列腺癌风险评估的效果,并与PI-RADS评分系统进行了比较,同时将其整合到临床数据中的诺模图中 | 本研究首次将全自动深度学习(DL)预测结果整合到风险计算器(RCs)中,并与PI-RADS评分系统进行了比较,展示了DL在前列腺癌诊断中的互补信息 | 本研究为回顾性单中心研究,样本量有限,且未涉及多中心验证 | 重新评估风险计算器的诊断质量,探讨用DL预测替代PI-RADS评分的影响,并评估在PI-RADS基础上增加DL预测的潜在性能提升 | 前列腺癌的诊断和前列腺活检的选择 | 机器学习 | 前列腺癌 | 深度学习 | nnUNet | MRI数据 | 1627例连续检查,其中517例用于风险计算器测试 |
776 | 2024-12-18 |
Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction
2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101069
PMID:39079600
|
研究论文 | 本研究评估了一种使用深度学习重建的加速二维稳态自由进动序列在减少心血管磁共振成像采集时间的同时,不降低定量体积测量或图像质量的临床应用 | 本研究首次验证了使用深度学习重建的加速二维稳态自由进动序列在临床应用中的可行性,能够在不显著影响体积测量和图像质量的情况下,将采集时间减少37% | 本研究中提出的加速方法在左心室质量和纵向应变测量上存在高估现象 | 评估一种加速二维稳态自由进动序列结合深度学习重建技术在减少心血管磁共振成像采集时间的同时,保持定量体积测量和图像质量的临床实用性 | 16名参与者的子研究和108名参与者的前瞻性研究,比较不同加速因子下的定量左心室体积测量、功能和质量测量,以及图像质量评估 | 计算机视觉 | 心血管疾病 | 深度学习重建 | 深度学习模型 | 图像 | 16名参与者的子研究和108名参与者的前瞻性研究 |
777 | 2024-12-18 |
Image quality of whole-body diffusion MR images comparing deep-learning accelerated and conventional sequences
2024-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10883-5
PMID:38960946
|
研究论文 | 比较深度学习加速与传统扩散序列的全身体扩散MRI图像质量 | 深度学习加速序列能够显著减少采集时间,并提高图像质量,特别是在高体重指数患者中表现更佳 | 深度学习加速序列在正常组织的表观扩散系数值上存在差异,需要进一步考虑 | 比较深度学习加速与传统扩散序列的全身体扩散MRI图像质量 | 50名骨髓癌患者的全身体扩散MRI图像 | 计算机视觉 | 骨髓癌 | 扩散加权成像(DWI) | 深度学习模型 | 图像 | 50名骨髓癌患者 |
778 | 2024-12-18 |
Machine learning and deep learning for classifying the justification of brain CT referrals
2024-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10851-z
PMID:38913244
|
研究论文 | 本文研究了使用机器学习和深度学习模型自动化分析放射学转诊的合理性,并评估这些模型在多个临床站点中的泛化能力 | 本文首次使用机器学习和深度学习技术自动化分析放射学转诊的合理性,并展示了这些模型在多个临床站点中的泛化能力,超越了人类专家的表现 | 本文的样本量较小,且仅限于爱尔兰的三家CT中心,可能限制了研究结果的普适性 | 研究机器学习和深度学习模型在自动化分析放射学转诊合理性方面的应用,并评估其在多个临床站点中的泛化能力 | 成人脑部CT转诊的合理性分析 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | 梯度提升分类器、双向长短期记忆网络、多层感知器 | 文本 | 3000份随机选择的转诊记录 |
779 | 2024-12-18 |
Dual-source dual-energy CT and deep learning for equivocal lymph nodes on CT images for thyroid cancer
2024-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10854-w
PMID:38904758
|
研究论文 | 本研究探讨了双源双能CT和深度学习在甲状腺癌患者术前分类可疑淋巴结中的诊断性能 | 本研究首次将双源双能CT与深度学习模型VGG16结合,用于甲状腺癌患者可疑淋巴结的分类,显示出比传统光谱参数模型更高的诊断准确性和敏感性 | 本研究为前瞻性研究,样本量相对较小,且仅限于甲状腺癌患者,未来需要更大规模的研究来验证结果 | 研究双源双能CT和深度学习在甲状腺癌患者术前分类可疑淋巴结中的诊断性能 | 甲状腺癌患者的可疑淋巴结 | 计算机视觉 | 甲状腺癌 | 双源双能CT | VGG16 | 图像 | 183名患者,281个淋巴结 |
780 | 2024-08-07 |
From data to decisions: deep learning is shaping prostate cancer diagnostics
2024-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10997-w
PMID:39095604
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |