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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1461 | 2025-05-12 |
Dual Prototypical Self-Supervised Learning for One-shot Medical Image Segmentation
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782248
PMID:40039131
|
research paper | 提出了一种新型的双原型网络,用于一次性医学图像分割,通过补充局部原型以提取细粒度特征 | 引入了部分原型来补充局部原型,以提取细粒度特征并提升一次性医学图像分割的性能 | 未提及具体局限性 | 解决一次性医学图像分割中的标签稀缺问题 | 医学图像 | digital pathology | NA | deep learning | dual prototype network | image | CHAOS数据集 |
1462 | 2025-05-12 |
Ultrasound for Automated Classification of Full-Thickness Rotator Cuff Tendon Tears using Deep Learning
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782185
PMID:40039129
|
研究论文 | 该研究提出了一种基于深度学习的自动化方法,用于通过超声图像对全层肩袖肌腱撕裂进行分类 | 采用了两步法,先进行分割再进行分类,且分割部分直接预测边界轮廓点而非传统的像素级语义分割,提高了检测准确性和临床相关性 | 研究仅针对全层肩袖撕裂,未涉及部分撕裂或其他肩部损伤 | 开发一种AI工具,使经验不足的超声使用者也能高准确率地检测肩袖撕裂 | 肩袖肌腱撕裂 | 计算机视觉 | 肩部损伤 | 超声成像 | CNN-autoencoder和VGG-16 | 图像 | 210名患者,训练集11600张图像,测试集2900张图像 |
1463 | 2025-05-12 |
Challenging Deep Learning Methods for EEG Signal Denoising under Data Corruption
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782132
PMID:40039138
|
研究论文 | 本文首次对在存在损坏通道情况下EEG信号去噪方法的性能进行了基准研究 | 首次评估了在EEG信号通道损坏情况下深度学习方法的表现,并提供了广泛的基准数据集 | 未具体说明损坏通道的比例或类型对结果的影响程度 | 评估深度学习方法在EEG信号去噪中的性能,特别是在数据损坏情况下 | EEG信号 | 机器学习 | NA | EEG信号处理 | 深度学习模型 | EEG信号数据 | 多种数据集(未明确具体样本数量) |
1464 | 2025-05-12 |
Predicting Functional Surface Topographies Combining Topological Data Analysis and Deep Learning Across the Human Protein Universe
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782681
PMID:40039158
|
研究论文 | 结合拓扑数据分析和深度学习预测人类蛋白质宇宙中的功能表面形貌 | 开发了一种结合拓扑数据分析和DeepFRI深度学习方法来预测功能口袋及其相关GO术语和EC编号的方法 | 仅针对AF2预测的人类非单例代表结构进行研究,未涵盖所有蛋白质结构 | 理解和预测蛋白质结构的功能表面形貌 | 65,013个AF2预测的人类非单例代表结构,可映射到186,095个“非片段”AF2预测的人类蛋白质结构 | 生物信息学 | NA | 拓扑数据分析、DeepFRI深度学习 | DeepFRI | 蛋白质3D结构数据 | 65,013个AF2预测的人类非单例代表结构 |
1465 | 2025-05-12 |
TAU-DI Net: A Multi-Scale Convolutional Network Combining Prob-Sparse Attention for EEG-based Depression Identification
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782219
PMID:40039164
|
研究论文 | 提出了一种结合概率稀疏注意力的多尺度卷积网络TAU-DI Net,用于基于EEG的抑郁症识别 | 结合频率周期变换和多尺度CNN提取多频信息表示,并采用自适应加权融合和概率稀疏注意力蒸馏可靠模式 | 未提及具体样本量或数据集的多样性限制 | 提高基于EEG的抑郁症识别准确率 | 抑郁症患者的EEG信号 | 数字病理学 | 抑郁症 | EEG信号分析 | CNN, 概率稀疏注意力机制 | EEG信号 | NA |
1466 | 2025-05-12 |
Fast Rule-based NER in SpaCy for Chest Radiography Reports with CheXpert's 14 Categories
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782341
PMID:40039172
|
研究论文 | 开发了一个基于规则的SpaCy NER工具,用于从胸部X光报告中提取诊断信息,以加速高质量标记图像的生成 | 使用基于规则的NER方法在SpaCy中识别CheXpert的14个类别中的词汇和表达,相比CheXpert Labeler减少了六分之五的计算时间 | 未提及具体的数据集规模或多样性限制 | 提高胸部X光图像标记的效率,以训练更准确的AI模型检测异常 | 胸部X光报告 | 自然语言处理 | NA | NER(命名实体识别) | 基于规则的模型 | 文本 | 使用了美国国家医学图书馆的Open-i数据集,但未提及具体样本数量 |
1467 | 2025-05-12 |
Single Bone Modeler: deep learning bone segmentation for cone-beam CT
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782187
PMID:40039173
|
research paper | 提出了一种基于深度学习的骨分割工作流程,用于精确分割锥束CT扫描中的骨骼 | 开发了一种专用的U-Net架构,并比较了轴向训练和多平面训练策略,以提高骨分割的准确性 | 未提及具体的数据集规模或多样性限制 | 提高锥束CT扫描中骨分割的精确度,以支持骨科诊断和手术规划 | 锥束CT扫描中的骨骼,特别是四肢骨骼 | digital pathology | 骨科疾病 | 锥束CT扫描 | U-Net, SegNet | 医学影像 | NA |
1468 | 2025-05-12 |
Grade classification of nasal obstruction from endoscopy videos using machine learning
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781696
PMID:40039197
|
研究论文 | 使用机器学习从内窥镜视频中对鼻阻塞进行分级分类 | 首次提出了一种基于支持向量机(SVM)的定量方法,用于对常见鼻阻塞条件进行鉴别诊断 | 需要进一步研究额外特征和从帧级分类数据获取视频级分级分类的策略,以达到适合临床转化的评估者间一致性 | 自动化鼻阻塞的分级分类,作为常见鼻阻塞条件的独立诊断工具 | 过敏性鼻炎、慢性鼻窦炎和鼻中隔偏曲 | 计算机视觉 | 鼻阻塞 | SVM、ResNet-50、Vision Transformers (ViT)-tiny | SVM、CNN(ResNet-50)、Transformer(ViT-tiny) | 图像 | 73名参与者 |
1469 | 2025-05-12 |
Leveraging Deep Learning to Enhance Optical Microphone System Performance with Unknown Speakers for Cochlear Implants
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782084
PMID:40039183
|
研究论文 | 本研究通过将激光多普勒测振仪(LDV)与深度学习相结合,提出了一种在噪声条件下从未知说话者重建清晰语音的创新方法 | 结合LDV和深度学习技术,针对未知说话者在噪声环境下重建清晰语音,显著提高了语音质量和可懂度 | 未提及具体样本量及参与测试的说话者数量,可能影响结果的可推广性 | 提高人工耳蜗使用者在噪声和远距离情况下的语音捕获性能 | 人工耳蜗使用者 | 机器学习 | 听力损失 | 激光多普勒测振仪(LDV) | 深度学习 | 语音信号 | NA |
1470 | 2025-05-12 |
EmoNet: Deep Learning-based Emotion Climate Recognition Using Peers' Conversational Speech, Affect Dynamics, and Physiological Data
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782421
PMID:40039214
|
research paper | 提出EmoNet模型,通过整合语音信号、情感动态和生理数据来识别同伴间的集体情感氛围 | EmoNet超越了传统的情感识别,首次整合了语音信号、情感动态和生理数据来全面理解情感氛围 | 研究仅在K-EmoCon数据集上进行了测试,可能在其他数据集上的泛化能力有限 | 研究目的是识别和理解社交互动中的集体情感氛围 | 研究对象是同伴间的对话语音、情感动态和生理数据 | natural language processing | NA | Mel-frequency cepstral coefficients, Temporal Convolutional Network | CNN | speech signals, affect dynamics, physiological data | K-EmoCon数据集 |
1471 | 2025-05-12 |
3D probe localization from 2D ultrasound images using an RFF-enhanced deep neural network
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782917
PMID:40039234
|
研究论文 | 本文提出了一种基于随机傅里叶特征增强的深度神经网络方法,用于从2D超声图像中预测超声探头的轨迹并重建3D体积 | 采用随机傅里叶特征(RFF)增强现有模型的泛化能力,提高了2D超声探头定位的准确性 | 研究仅使用了两个解剖模型的公开数据集,可能限制了模型的泛化能力 | 开发一种能够预测超声探头轨迹并重建3D体积的工具,以辅助外周神经阻滞(PNB) | 2D超声图像和超声探头的轨迹 | 计算机视觉 | NA | 超声成像(US) | 深度神经网络(RFF-enhanced) | 图像 | 两个解剖模型的公开数据集 |
1472 | 2025-05-12 |
Improving Prediction of Need for Mechanical Ventilation using Cross-Attention
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782769
PMID:40039259
|
research paper | 本文探讨了使用多头注意力机制的深度学习模型(FFNN-MHA)来更准确地预测机械通气需求,并通过学习个体患者的个性化上下文信息来减少假阳性 | 首次将多头注意力机制的深度学习模型应用于机械通气需求预测,通过学习个体患者的个性化上下文信息来提高预测准确性并减少假阳性 | 研究仅基于公开可用的MIMIC-IV数据集,未在其他数据集上进行验证 | 提高重症监护病房中机械通气需求的预测准确性 | 重症监护病房中需要机械通气的患者 | machine learning | NA | deep learning | FFNN-MHA (feed-forward neural network with multi-head attention) | clinical data | 公开可用的MIMIC-IV数据集 |
1473 | 2025-05-12 |
3D System matrix recovery based on iterative up-and-down sampling super-resolution network in magnetic particle imaging
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781498
PMID:40039260
|
研究论文 | 提出了一种基于迭代上下采样超分辨率网络的3D系统矩阵恢复方法,用于磁粒子成像中的系统矩阵恢复问题 | 将系统矩阵恢复问题转化为图像域中的深度学习超分辨率重建问题,并提出了3D-ISSRnet网络,该网络采用迭代上下采样结构和金字塔池化模块来优化全局和局部上下文信息的利用 | 未提及具体局限性 | 提高磁粒子成像(MPI)中系统矩阵恢复的效率和准确性 | 磁粒子成像中的系统矩阵 | 医学影像处理 | NA | 深度学习超分辨率重建 | 3D-ISSRnet | 图像数据 | OpenMPI数据 |
1474 | 2025-05-12 |
A comparison between Deep Learning architectures for the assessment of breast tumor segmentation using VSI ultrasound protocol
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782786
PMID:40039274
|
研究论文 | 比较不同深度学习架构在VSI超声协议下对乳腺肿瘤分割的评估 | 首次针对异步协议超声采集(VSI-B)设计并比较了多种深度学习分割模型,其中多输入注意力U-NET表现最佳 | 样本量较小(53例患者),且仅针对VSI-B协议数据 | 开发适用于异步超声采集协议的自动乳腺肿瘤分割工具 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | VSI超声协议 | U-NET, Attention U-NET, Residual U-NET, 多输入注意力U-NET | 超声图像 | 53例患者(留一法交叉验证) |
1475 | 2025-05-12 |
Endoscopic colorectal polyp detection based on improved YOLOv8
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781871
PMID:40039266
|
research paper | 本研究基于改进的YOLOv8模型,探索人工智能在结肠镜结直肠息肉检测中的应用 | 采用改进的YOLOv8模型提升息肉检测的准确性和效率 | 未提及具体样本量及模型在临床环境中的泛化能力 | 提高结直肠息肉的自动检测能力 | 结肠镜图像中的结直肠息肉 | computer vision | colorectal cancer | deep learning | YOLOv8 | image | NA |
1476 | 2025-05-12 |
A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Home Environments
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782237
PMID:40039265
|
研究论文 | 提出了一种基于机器学习的过滤器,用于筛选适合训练步态检测模型的音频样本 | 开发了一种新型机器学习过滤器,能够有效筛选高质量的步态音频样本,提升步态检测模型的性能 | 需要更多真实世界的步态数据集来验证过滤器的泛化能力 | 开发一种能够在嘈杂的家庭和护理院环境中有效工作的基于声学的步态检测器 | 老年人的步态数据 | 机器学习 | 老年疾病 | 声学步态检测 | 深度学习模型 | 音频 | 从老年人收集的步态数据集 |
1477 | 2025-05-12 |
Self-Supervised MR Image Reconstruction From Single Measurement
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781875
PMID:40039299
|
research paper | 本文提出了一种不依赖外部训练数据的自监督深度学习MRI重建方法 | 采用单图像重建方法,结合Bernoulli采样、训练中的丢弃策略以及MRI物理过程,实现了无需外部数据的自监督学习 | 未提及具体样本量及对比实验的详细结果 | 加速磁共振成像(MRI)并减少对大量配对数据的依赖 | MRI图像 | digital pathology | NA | deep learning, Bernoulli sampling | Self2Self | image | NA |
1478 | 2025-05-12 |
An Automatic Method for Locating Positions and their Colors Important for Classifying Genders in Retinal Fundus Images by Deep Learning Models
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781926
PMID:40039310
|
research paper | 提出一种自动方法,通过深度学习识别视网膜眼底图像中性别分类的重要位置及其颜色特征 | 结合MALCC方法和U检验,自动识别并可视化视网膜图像中对性别分类重要的位置和颜色特征 | NA | 开发一种自动识别视网膜图像中性别分类关键特征的方法 | 视网膜眼底图像 | computer vision | NA | 深度学习 | deep learning | image | NA |
1479 | 2025-05-12 |
Interpretable Automated Arrhythmia Detection: An Assistive Framework for Clinicians
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781947
PMID:40039308
|
研究论文 | 本研究提出了一种独特的特征选择算法,用于识别有效的心电图生物标志物,以实现准确且临床可解释的自动心律失常检测 | 提出了一种新的特征选择算法,用于识别心电图中的关键生物标志物,并通过随机森林分类器实现了高准确率和临床可解释性 | 未提及样本量的具体细节,可能影响结果的泛化性 | 开发一种准确且临床可解释的自动心律失常检测方法 | 心电图(ECG)数据 | 机器学习 | 心血管疾病 | 特征选择算法 | 随机森林(RF) | 心电图(ECG)信号 | NA |
1480 | 2025-05-12 |
Improved Segmentation of Confocal Calcium Videos of Hela Cells Using Deep-Learning-Assisted Watershed Algorithm
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781812
PMID:40039309
|
research paper | 提出了一种结合深度学习和分水岭算法的改进方法,用于分割Hela细胞的共聚焦钙视频 | 使用深度学习增强的分水岭分割方法,结合改进的U-Net和YOLOv5模型,通过多帧处理和IoU阈值优化边界框,显著提高了分割精度 | 未提及方法在更大规模数据集或其他细胞类型上的泛化能力 | 提高共聚焦钙视频中细胞分割的准确性和效率,以促进高通量药物筛选实验 | Hela细胞的共聚焦钙视频 | computer vision | NA | 共聚焦钙成像 | CNN (modified U-Net and YOLOv5) | video | NA |