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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
10721 | 2024-12-15 |
Learning-based sound speed estimation and aberration correction for linear-array photoacoustic imaging
2024-Aug, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2024.100621
PMID:39669099
|
研究论文 | 本文提出了一种基于深度学习的声速估计和校正方法,用于线性阵列光声成像 | 利用深度学习框架在双模态光声/超声成像系统中进行声速估计和后续的像差校正,通过数字和物理幻影数据进行预训练和迁移学习,提高了光声图像重建的准确性和质量 | 研究主要基于数字和物理幻影数据,尚未在广泛的人体临床数据上进行验证 | 提高光声成像中的声速估计和像差校正的准确性,从而改善图像质量 | 光声成像中的声速分布和像差校正 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 数字幻影数据和物理幻影数据,以及一名人体志愿者 |
10722 | 2024-12-15 |
UPAMNet: A unified network with deep knowledge priors for photoacoustic microscopy
2024-Aug, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2024.100608
PMID:39669096
|
研究论文 | 本文提出了一种名为UPAMNet的统一网络,用于光声显微镜图像的超分辨率和去噪 | 该方法通过结合三种基于注意力的模块和像素与感知层面的混合训练约束,利用深度图像先验进行图像重建 | NA | 提高光声显微镜图像的分辨率和去噪效果 | 光声显微镜图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 不同光声显微镜数据集 |
10723 | 2024-12-15 |
Aspect-based sentiment analysis in smart devices: A comprehensive and specialized dataset
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110642
PMID:39669762
|
研究论文 | 本文介绍了一个专门针对智能设备领域的基于方面的情感分析数据集 | 该数据集通过咨询行业专家和终端用户的方法,识别了用户评论中的关键方面,并提供了全面的情感分布 | NA | 研究旨在通过情感分析提升智能设备的用户体验和技术改进 | 智能设备领域的用户评论和情感分析 | 自然语言处理 | NA | 情感分析 | NA | 文本 | 2370条评论,包括842条正面、800条负面和728条中性评论 |
10724 | 2024-12-15 |
Identifying and training deep learning neural networks on biomedical-related datasets
2024-Jul-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae232
PMID:39041915
|
研究论文 | 本文描述了一个名为'NIGMS Sandbox for Cloud-based Learning'学习平台的资源模块的开发,该模块提供关于在生物医学图像数据上实现深度学习算法的交互式学习材料 | 该模块通过使用适当的云资源进行数据访问和分析,帮助用户识别和集成正确的神经网络类型,并强调了云计算在实现神经网络方面的易用性 | NA | 介绍不同类型的深度学习神经网络,并涵盖生物医学研究中常用的实践 | 生物医学图像数据 | 机器学习 | NA | 深度学习 | 神经网络 | 图像 | NA |
10725 | 2024-12-15 |
Enhancing wound healing through deep reinforcement learning for optimal therapeutics
2024-Jul, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240228
PMID:39086835
|
研究论文 | 本文提出了一种结合深度学习、最优控制和强化学习的自适应闭环控制框架,以加速伤口愈合 | 通过深度学习和强化学习自适应学习非线性伤口愈合动力学的线性表示,并训练深度强化学习代理跟踪最优信号,无需复杂的数学建模 | NA | 加速伤口愈合并找到最优治疗策略 | 伤口愈合过程及其治疗策略 | 机器学习 | NA | 深度学习、最优控制、强化学习 | 深度强化学习代理 | NA | NA |
10726 | 2024-12-15 |
Analyzing digital societal interactions and sentiment classification in Twitter (X) during critical events in Chile
2024-Jun-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32572
PMID:39668988
|
研究论文 | 本研究探讨了社交媒体内容在智利关键事件期间对社会态度和行动的影响,并引入了新的指标来评估情感、包容性、参与度和影响 | 本研究通过使用深度随机向量功能链接(D-RVFL)神经网络改进了情感分类,并引入了新的指标来分析社交媒体动态 | NA | 研究社交媒体在智利关键事件期间对社会态度和行动的影响 | 智利关键事件期间的社交媒体内容和情感分类 | 自然语言处理 | NA | 深度随机向量功能链接(D-RVFL)神经网络 | D-RVFL | 文本 | NA |
10727 | 2024-08-07 |
Author Correction: Impact of a deep learning sepsis prediction model on quality of care and survival
2024-Jun-12, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01149-x
PMID:38866915
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
10728 | 2024-12-15 |
Sex identification of ducklings based on acoustic signals
2024-Jun, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.103711
PMID:38652956
|
研究论文 | 本研究提出了一种基于声学信号的雏鸭性别识别方法 | 引入了Squeeze-and-Excitation(SE)注意力机制和Ghost模块改进Res2Net算法,提高了模型准确性并减少了参数数量 | 未提及具体的局限性 | 开发一种有效的雏鸭性别识别方法,以促进精准育种和降低成本 | 雏鸭的性别识别 | 机器学习 | NA | 声学信号处理 | Res2Net | 声学信号 | 未提及具体样本数量 |
10729 | 2024-12-15 |
A bi-directional segmentation method for prostate ultrasound images under semantic constraints
2024-05-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61238-5
PMID:38778034
|
研究论文 | 本文提出了一种基于语义约束的双向分割方法,用于前列腺超声图像的分割 | 本文提出的BiSeC模型在前列腺超声图像分割中表现优异,Dice相似系数达到96.74%,交并比达到93.71% | NA | 解决前列腺经直肠超声图像分割中的挑战 | 前列腺经直肠超声图像 | 计算机视觉 | 前列腺癌 | 深度学习 | BiSeC模型 | 图像 | NA |
10730 | 2024-12-15 |
Adaptive temporal compression for reduction of computational complexity in human behavior recognition
2024-05-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61286-x
PMID:38720020
|
研究论文 | 本文提出了一种自适应时间压缩(ATC)模块,用于减少人类行为识别中的计算复杂度 | 提出了自适应时间压缩(ATC)模块,通过消除视频数据中的冗余帧来实现数据压缩,从而减少GPU计算负载和时间复杂度 | 未提及具体的技术局限性 | 解决三维卷积在人类行为识别中带来的参数数量增加、时间复杂度增加以及对GPU依赖性强的问题 | 人类行为识别中的计算复杂度问题 | 计算机视觉 | NA | 三维卷积 | 三维卷积神经网络 | 视频 | 未提及具体样本数量 |
10731 | 2024-12-15 |
Computing Speed-of-Sound From Ultrasound: User-Agnostic Recovery and a New Benchmark
2024-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3327147
PMID:37874729
|
研究论文 | 本文提出了一种利用IQ解调信号的相位信息来恢复声速图的新方法,并引入了一个新的基准数据集 | 本文创新性地利用IQ解调信号的相位信息来解决操作员依赖性问题,并改进了网络拓扑结构,提高了声速恢复的稳定性和速度 | 本文主要基于模拟数据进行研究,尚未完全解决从模拟数据到真实数据的迁移学习问题 | 本文旨在通过深度学习技术从原始超声信号中恢复声速图,并解决操作员依赖性问题 | 本文的研究对象是超声信号及其相位信息 | 计算机视觉 | NA | 深度学习 | NA | 信号 | 模拟数据集 |
10732 | 2024-12-15 |
A Deep Learning-Based Integrated Framework for Quality-Aware Undersampled Cine Cardiac MRI Reconstruction and Analysis
2024-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3321431
PMID:37782583
|
研究论文 | 本文提出了一种基于深度学习的全自动、质量控制的心脏电影磁共振成像(CMR)重建和分析集成框架 | 该框架能够在不牺牲图像质量或结果准确性的前提下,优化每扫描次的重采样因子,从而减少扫描时间并实现自动分析 | 研究仅使用了来自UK Biobank的270名受试者和16名健康受试者的数据,样本量有限 | 加速心脏电影磁共振成像的扫描时间,同时保持图像质量和分析准确性 | 心脏电影磁共振成像数据的重建、分割和下游分析 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 270名受试者和16名健康受试者 |
10733 | 2024-12-15 |
Reconstruction, simulation and analysis of enzyme-constrained metabolic models using GECKO Toolbox 3.0
2024-Mar, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-023-00931-7
PMID:38238583
|
研究论文 | 本文介绍了如何使用GECKO Toolbox 3.0重建、模拟和分析酶约束代谢模型 | GECKO 3.0引入了深度学习预测的酶动力学,使得在没有实验数据的情况下也能改进代谢模型 | 整个协议的运行时间依赖于生物体,例如酵母大约需要5小时 | 提高基因组规模代谢模型(GEMs)的预测能力 | 酶约束代谢模型(ecModels) | 生物信息学 | NA | 深度学习 | NA | 代谢数据 | 多种生物体和细胞系 |
10734 | 2024-12-15 |
Deepfake detection using deep feature stacking and meta-learning
2024-Feb-29, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e25933
PMID:39670070
|
研究论文 | 本文提出了一种基于深度特征堆叠和元学习的深度伪造检测方法 | 本文创新性地结合了Xception和EfficientNet-B7模型的特征,并通过元学习器(多层感知器)进行分类,显著提高了检测准确率 | NA | 解决深度伪造视频检测问题 | 深度伪造视频 | 计算机视觉 | NA | 深度学习 | 多层感知器 | 视频 | Celeb-DF (V2) 数据集和 FaceForensics++ 数据集 |
10735 | 2024-12-15 |
STEFF: Spatio-temporal EfficientNet for dynamic texture classification in outdoor scenes
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e25360
PMID:39668860
|
研究论文 | 本文提出了一种新的时空方法STEFF,用于户外场景中的动态纹理分类 | STEFF方法结合了运动和外观的表示能力,通过视频序列之间的差异和平均操作符进行动态纹理分类 | NA | 解决动态纹理分类中的空间和时间特性未知的问题 | 户外场景中的动态纹理 | 计算机视觉 | NA | 深度学习 | EfficientNet | 视频 | 三个数据集:Yupenn、DynTex++和Yupenn++ |
10736 | 2024-12-15 |
Resource-Efficient Neural Network Architectures for Classifying Nerve Cuff Recordings on Implantable Devices
2024-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3312361
PMID:37672367
|
研究论文 | 本文探讨了在植入式设备上对神经袖带记录进行分类的资源高效神经网络架构 | 提出了三种神经网络架构(ESCAPE-NET、全卷积网络和循环神经网络)的变体,显著减少了权重、内存和浮点运算的需求,同时保持了较高的分类准确性 | 未提及具体的局限性 | 减少植入式设备实现中的资源利用,同时保持神经路径分类的性能 | 使用56通道袖带电极记录的鼠坐骨神经信号 | 机器学习 | NA | 卷积神经网络(CNN)、循环神经网络 | 卷积神经网络(CNN)、全卷积网络、循环神经网络 | 神经信号 | 使用先前收集的56通道袖带电极记录的鼠坐骨神经信号 |
10737 | 2024-12-15 |
Temporal-Spatial Correlation Attention Network for Clinical Data Analysis in Intensive Care Unit
2024-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3309956
PMID:37647192
|
研究论文 | 本文介绍了一种时空相关注意力网络(TSCAN),用于解决重症监护病房中的多种临床特征预测问题 | 本文提出了TSCAN模型,利用注意力机制有效识别临床数据中的相关项目和时间相关节点,从而提高预测准确性 | NA | 利用深度学习技术解决重症监护病房中的临床特征预测问题 | 重症监护病房中的临床数据,包括死亡率预测、住院时间预测、生理衰退检测和表型分类 | 机器学习 | NA | 注意力机制 | TSCAN | 临床数据 | 使用了来自MIMIC-IV数据库的数据 |
10738 | 2024-12-15 |
Learning Without Real Data Annotations to Detect Hepatic Lesions in PET Images
2024-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3315268
PMID:37708016
|
研究论文 | 本文提出了一种无需真实数据标注的深度学习方法,用于在PET图像中检测肝部病变 | 创新点在于设计了一种区域引导的生成对抗网络(RG-GAN),并结合数据增强模块,能够在没有真实病变标注的情况下进行肝部病变检测 | NA | 设计一种无需真实数据标注的深度学习方法,用于在PET图像中检测肝部病变 | 神经内分泌肿瘤(NETs)的肝部病变检测 | 计算机视觉 | 肝部病变 | 生成对抗网络(GAN) | 区域引导生成对抗网络(RG-GAN) | 图像 | NA |
10739 | 2024-12-15 |
Deploying artificial intelligence software in an NHS trust: a how-to guide for clinicians
2024-Jan-23, The British journal of radiology
DOI:10.1093/bjr/tqad043
PMID:38263842
|
研究论文 | 本文为临床医生提供了在NHS信托中部署人工智能软件的实用指南 | 本文提供了关于在医疗环境中选择和部署新软件的实际指导,填补了现有指南的空白 | 本文主要关注胸部X光(CXR)解释的深度学习算法,可能不适用于其他类型的AI软件 | 提供在NHS信托中部署人工智能软件的实用指南,以促进AI技术在医疗领域的应用 | NHS信托中的临床医生和医疗人员 | 机器学习 | NA | 深度学习算法 | 深度学习 | 图像 | NA |
10740 | 2024-12-15 |
Deep learning for tooth identification and numbering on dental radiography: a systematic review and meta-analysis
2024-Jan-11, Dento maxillo facial radiology
DOI:10.1093/dmfr/twad001
PMID:38183164
|
综述 | 本文系统回顾和荟萃分析了深度学习在牙科放射图像中牙齿识别和编号的应用 | 深度学习模型在牙齿识别和编号方面表现出高精度和高准确性,能够增强复杂的自动化流程 | 研究仅包括了29篇符合条件的文献,可能存在选择偏倚 | 评估深度学习在牙科放射图像中牙齿识别和编号的应用效果 | 人类牙科放射图像中的牙齿识别和编号 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 29项研究 |