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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
14081 | 2024-08-07 |
Recurrent residual U-Net for medical image segmentation
2019-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.6.1.014006
PMID:30944843
|
研究论文 | 本文提出了一种基于深度学习的医学图像分割方法,包括循环U-Net模型(RU-Net)和循环残差U-Net模型(R2U-Net),并验证了其在多个基准数据集上的优越性能 | 结合了U-Net、残差网络和循环卷积神经网络的优势,通过残差单元和循环残差卷积层的特征累积,实现了更好的特征表示和性能提升 | NA | 提高医学图像分割任务的性能 | 医学图像的分类、分割和检测 | 计算机视觉 | NA | 深度学习 | U-Net, 残差网络, 循环卷积神经网络 | 图像 | 三个基准数据集,包括视网膜图像中的血管分割、皮肤癌分割和肺部病变分割 |
14082 | 2024-08-07 |
Optimization of a Deep-Learning Method Based on the Classification of Images Generated by Parameterized Deep Snap a Novel Molecular-Image-Input Technique for Quantitative Structure-Activity Relationship (QSAR) Analysis
2019, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2019.00065
PMID:30984753
|
研究论文 | 本文优化了一种基于参数化DeepSnap生成图像分类的深度学习方法,用于定量结构-活性关系(QSAR)分析,以预测化学化合物的潜在毒性。 | 开发了一种新的深度学习技术DeepSnap,用于QSAR分析,无需提取描述符即可预测多种化学物质对各种受体的潜在毒性。 | DeepSnap方法的多个参数尚未优化,本研究评估了这些参数对深度学习预测模型性能的影响。 | 优化DeepSnap方法的参数,以提高深度学习预测模型的性能,用于评估化学化合物的风险。 | 化学化合物的潜在毒性预测及其对各种受体的影响。 | 机器学习 | NA | 深度学习 | 深度学习预测模型 | 图像 | 使用64张图像构建化学化合物CAR激动剂的预测模型 |
14083 | 2024-08-07 |
A Technical Review of Convolutional Neural Network-Based Mammographic Breast Cancer Diagnosis
2019, Computational and mathematical methods in medicine
DOI:10.1155/2019/6509357
PMID:31019547
|
综述 | 本研究综述了卷积神经网络(CNN)在乳腺X线摄影乳腺癌诊断(MBCD)领域的应用技术 | 探讨了三种基于CNN的MBCD模型:设计浅层或修改现有模型以降低时间和训练实例成本;利用迁移学习和微调优化预训练CNN;以及利用CNN模型进行特征提取并通过机器学习分类器区分恶性与良性病变 | CNN在MBCD领域的应用仍处于早期阶段,实现深度学习工具辅助临床实践的目标还有很长的路要走 | 旨在为如何使用CNN进行相关任务提供线索 | 乳腺X线摄影乳腺癌诊断 | 计算机视觉 | 乳腺癌 | 卷积神经网络(CNN) | CNN | 图像 | NA |
14084 | 2024-08-07 |
ShortFuse: Biomedical Time Series Representations in the Presence of Structured Information
2017-Aug, Proceedings of machine learning research
PMID:30882086
|
研究论文 | 本文介绍了一种名为ShortFuse的方法,该方法通过显式建模时间序列与结构化协变量之间的时间交互和依赖关系,提高了深度学习模型在时间序列上的准确性 | ShortFuse引入了混合卷积和LSTM单元,通过在时间域上共享权重的协变量来整合结构化信息 | NA | 提高深度学习模型在医疗应用中时间序列数据的准确性 | 预测与骨关节炎相关的软骨退化和脑瘫患者的手术结果 | 机器学习 | NA | NA | CNN, LSTM | 时间序列 | NA |
14085 | 2024-08-05 |
Radiographic Findings Associated With Mild Hip Dysplasia in 3869 Patients Using a Deep Learning Measurement Tool
2024-Aug, Arthroplasty today
IF:1.5Q3
DOI:10.1016/j.artd.2024.101398
PMID:38993836
|
研究论文 | 本文开发了一种深度学习算法来测量和分类轻度髋关节发育不良的患者 | 创新点在于自动化测量与髋关节发育不良相关的多个角度,并应用于大规模患者群体的发病率分析 | 本研究没有提到患者的先前髋关节置换手术情况和其他潜在的混淆变量 | 本研究旨在使用深度学习算法测量与髋关节发育不良相关的角度并评估发病率 | 研究对象为3869名无先前髋关节置换手术的患者 | 计算机视觉 | NA | 深度学习(DL) | NA | 影像 | 3869名患者 |
14086 | 2024-08-05 |
Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism
2024-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5104
PMID:38995055
|
研究论文 | 本文探讨了人类异聚体铁蛋白的自组装机制及其随机特性 | 揭示了异聚铁蛋白在自组装过程中具有独特的建筑特征和随机组装机制 | 对异铁蛋白组装机制的理解仍有限,需要进一步研究其功能和作用 | 理解异聚体铁蛋白的结构及其组装机制对细胞功能的影响 | 合成具有特定H与L亚基比例的铁蛋白异聚物 | NA | NA | 高分辨率冷冻电子显微镜分析和基于深度学习的氨基酸建模 | NA | NA | NA |
14087 | 2024-08-05 |
Three-Dimensional Label-Free Observing of the Self-Assembled Nanoparticles inside a Single Cell at Nanoscale Resolution
2024-Jul-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c06095
PMID:39001860
|
研究论文 | 本研究提出了一种无标记的三维观察自组装纳米颗粒的方法 | 创新点在于结合深度学习和同步辐射硬X射线纳米断层扫描技术来实现单细胞内自组装纳米颗粒的定量观察 | 文章未提及具体的实验环境或外部变量控制,从而可能影响结果的普适性 | 本研究旨在优化纳米医学中的自组装性能 | 研究对象为超小铁氧化物纳米颗粒(USIO NPs) | 数字病理学 | NA | 深度学习结合同步辐射硬X射线纳米断层扫描 | NA | 图像 | 单个细胞 |
14088 | 2024-08-05 |
Oral mucosal lesions triage via YOLOv7 models
2024-Jul-12, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2024.07.010
PMID:39003230
|
研究论文 | 本研究利用YOLOv7模型增强了口腔粘膜病变的早期检测和分类。 | 通过扩展数据集并比较不同的YOLOv7模型配置,提高了病变分类的准确性。 | 研究未提及YOLOv7模型在实际临床应用中的长期效果。 | 提高口腔粘膜病变的早期检测和分类能力。 | 主要研究对象为口腔粘膜病变。 | 计算机视觉 | 口腔癌 | 深度学习 | YOLOv7 | 图像 | 超过50,000张白光宏观图像 |
14089 | 2024-08-05 |
A deep learning based cognitive model to probe the relation between psychophysics and electrophysiology of flicker stimulus
2024-Jul-10, Brain informatics
DOI:10.1186/s40708-024-00231-0
PMID:38987386
|
研究论文 | 本文旨在通过基于深度学习的计算模型探讨闪烁刺激的心理物理学与电生理学之间的关系 | 使用卷积递归神经网络(CRNN)结合心理物理数据,展示了闪烁刺激的电生理特征可以通过时间卷积操作进行解释 | 本研究基于人类受试者的数据,可能受到个体差异的影响 | 桥接闪烁融合的心理物理学与闪烁刺激相关的电生理学之间的差距 | 利用人类受试者的心理物理数据进行训练的CRNN | 计算机视觉 | NA | 深度学习 | 卷积递归神经网络(CRNN) | 心理物理学数据 | NA |
14090 | 2024-08-05 |
Radiomics incorporating deep features for predicting Parkinson's disease in 123I-Ioflupane SPECT
2024-Jul-10, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00651-1
PMID:38985382
|
研究论文 | 本研究结合放射组学和深度学习特征,以预测帕金森病的Hoehn-Yahr阶段 | 结合放射组学和深度学习特征的模型相比于单独使用放射组学或深度学习,显著提升了帕金森病预测的准确性 | MRI与SPECT基础的分割方法在放射组学结果上未表现出显著差异,限制了模型的广泛适用性 | 研究基于123I-Ioflupane SPECT影像预测帕金森病的Hoehn-Yahr阶段 | 161名帕金森病患者,评估首次诊断后的第0年和第4年 | 计算机视觉 | 帕金森病 | 123I-Ioflupane SPECT | 2D DenseNet | 影像 | 161名受试者 |
14091 | 2024-08-05 |
Deep learning-based recommendation system for metal-organic frameworks (MOFs)
2024-Jul-10, Digital discovery
IF:6.2Q1
DOI:10.1039/d4dd00116h
PMID:38993728
|
研究论文 | 本文提出了一种基于深度学习的金属有机框架(MOFs)推荐系统 | 该系统利用无监督的Doc2Vec模型,将MOFs嵌入高维化学空间,进行相似性分析以推荐特定应用的材料 | 该方法可能在推荐的材料范围上具有局限性,仍需要对一些材料进行深度调查 | 研究旨在开发一种高效的MOFs推荐系统 | 研究对象为金属有机框架(MOFs) | 机器学习 | NA | Doc2Vec | NA | 文档结构的MOF特性 | NA |
14092 | 2024-08-07 |
Author Correction: A fully automated classification of third molar development stages using deep learning
2024-Jul-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66731-5
PMID:38987634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
14093 | 2024-08-05 |
Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace
2024-Jul-04, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2024.100162
PMID:38971228
|
研究论文 | 本研究展示了康复科学与人工智能(AI)技术交叉的科学计量分析 | 研究通过Citespace工具可视化和量化AI在康复科学中的应用,揭示了该领域的研究趋势和影响 | 尽管分析提供了有价值的见解,但数据仅来源于Web of Science数据库,可能存在选择偏差 | 探索人工智能在康复科学中的应用及其发展趋势 | 基于2002年至2022年间与康复科学及人工智能相关的出版物进行分析 | 数字病理学 | NA | 科学生物信息学 | NA | 文献数据 | 分析涉及2002至2022年间的多篇学术论文 |
14094 | 2024-08-05 |
DenseNet model incorporating hybrid attention mechanisms and clinical features for pancreatic cystic tumor classification
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14380
PMID:38715381
|
研究论文 | 本研究旨在开发一种深度学习模型,以区分胰腺浆液囊肿肿瘤和粘液囊肿肿瘤 | 提出了一种结合混合注意力机制和临床特征的DenseNet模型,以提高分类精度 | 本研究的数据集可能存在样本量限制,影响模型的广泛适用性 | 探讨如何利用临床特征和影像结果提高胰腺囊肿肿瘤的分类准确度 | 207例浆液囊肿肿瘤患者和93例粘液囊肿肿瘤患者的影像数据 | 计算机视觉 | 胰腺癌 | 深度学习 | DenseNet-161 | 图像 | 207例SCN和93例MCN,共1761幅图像 |
14095 | 2024-08-05 |
Predicting glycan structure from tandem mass spectrometry via deep learning
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02314-6
PMID:38951670
|
研究论文 | 本研究介绍了CandyCrunch,一种通过深度学习从质谱数据预测糖基结构的工具 | 该文献创新性地提出了一种深度学习模型,能在几秒钟内预测糖基结构,并达到90.3%的准确率 | 暂无讨论具体的局限性信息 | 研究旨在解决糖基结构注释中的瓶颈,以促进高通量糖组学 | 研究对象为糖类及其结构的预测 | 数字病理学 | NA | 液相色谱-质谱联用 (LC-MS/MS) | 扩张残差神经网络 | 质谱数据 | 500,000个注释的MS/MS光谱 |
14096 | 2024-08-05 |
Artificial intelligence in colonoscopy: from detection to diagnosis
2024-Jul, The Korean journal of internal medicine
DOI:10.3904/kjim.2023.332
PMID:38695105
|
研究论文 | 本研究回顾了人工智能在结肠镜检查中从检测到诊断的最新进展 | 不同的深度学习方法适用于结肠镜检查的不同任务,展示了各自的最佳表现 | 仅涉及2021年及以后的英文出版物,样本来源限制于27项原始研究 | 探讨人工智能在结肠镜检查中的应用,尤其是在检测和诊断方面 | 研究对象包括多种深度学习模型在结肠镜检查中的效果和准确性 | 计算机视觉 | 肠道疾病 | 深度学习 | Efficientnet, You Only Look Once, Unet | 原始研究数据 | 27项原始研究 |
14097 | 2024-08-05 |
Automatic segmentation of dura for quantitative analysis of lumbar stenosis: A deep learning study with 518 CT myelograms
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14378
PMID:38729652
|
研究论文 | 本研究开发了一种自动分割脊髓硬膜的工具,用于对腰椎狭窄进行定量分析 | 创新之处在于利用深度学习算法实现了CTM图像中脊髓硬膜的自动轮廓描绘工具 | 研究样本仅限于腹股沟CTM影像,可能影响结果的通用性 | 本研究旨在开发一种用于腰椎狭窄患者CTM影像定量分析的自动硬膜轮廓工具 | 研究对象为518例CTM影像,包括有腰椎狭窄和没有腰椎狭窄的病例 | 数字病理学 | 腰椎狭窄 | 深度学习 | 3D U-Net | 影像 | 518例CTM影像 |
14098 | 2024-08-05 |
A deep learning-based 3D Prompt-nnUnet model for automatic segmentation in brachytherapy of postoperative endometrial carcinoma
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14371
PMID:38682540
|
研究论文 | 本研究创建并评估了一种基于深度学习的3D Prompt-nnUnet模块,用于术后子宫内膜癌患者高剂量率近距离放疗中的自动分割。 | 引入了一种新的基于提示的模型,结合3D nnUnet进行高风险临床靶区和风险器官的快速一致的自动分割。 | 研究的样本量限制在特定的患者群体,可能影响结果的广泛适用性。 | 评估新模型在术后子宫内膜癌患者高剂量率近距离放疗中自动分割的有效性。 | 321名子宫内膜癌患者的CT扫描用于高风险临床靶区分割;125名患者的CT扫描用于风险器官分割。 | 数字病理学 | 子宫内膜癌 | CT扫描 | 3D Prompt-nnUnet | 图像 | 321个CT扫描用于HR CTV分割,125个CT扫描用于OAR分割 |
14099 | 2024-08-05 |
Predicting response to neoadjuvant chemotherapy for colorectal liver metastasis using deep learning on prechemotherapy cross-sectional imaging
2024-Jul, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.27673
PMID:38712939
|
研究论文 | 本研究使用深度学习模型预测结直肠肝转移患者对新辅助化疗的反应 | 采用基于图像的深度学习模型,其预测效果优于临床模型 | 研究主要集中在特定患者群体,可能无法广泛推广 | 预测结直肠肝转移患者对新辅助化疗的反应 | 成年结直肠肝转移患者 | 机器学习 | 结直肠癌 | 计算机断层扫描(CT) | 深度学习模型(DLM) | 图像 | 95名患者,33,619幅图像 |
14100 | 2024-08-05 |
Data-driven regularization lowers the size barrier of cryo-EM structure determination
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02304-8
PMID:38862790
|
研究论文 | 本研究探讨了如何通过深度学习改善图像对齐,以克服电子冷冻显微镜的结构确定中的粒子大小限制 | 提出了一种称为Blush正则化的新方法,通过去噪卷积神经网络提高了蛋白质-核酸复合物的重建质量 | 研究可能受限于深度学习模型的训练数据集的多样性和数量 | 研究如何通过深度学习技术提高电子冷冻显微镜的结构重建能力 | 针对电子冷冻显微镜中的蛋白质-核酸复合物进行研究 | 数字病理学 | NA | 深度学习,去噪卷积神经网络 | 卷积神经网络 | 图像 | 使用了来自电子显微镜数据银行的多个半集合重建数据对 |