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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
15961 | 2024-08-07 |
Genomics transformer for diagnosing Parkinson's disease
2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics
DOI:10.1109/bhi56158.2022.9926815
PMID:36824448
|
研究论文 | 本文介绍了一种基于transformer编码器的新模型,用于根据基因型数据对帕金森病(PD)患者和健康对照者进行分类 | 该模型能够有效建模复杂的全局特征交互,并通过学习到的注意力分数提高可解释性 | NA | 旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性,提高帕金森病的诊断能力 | 帕金森病患者和健康对照者的基因型数据 | 机器学习 | 帕金森病 | NA | transformer | 基因型数据 | NA |
15962 | 2024-08-07 |
Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning
2022-Jan, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-021-01162-7
PMID:34837159
|
研究论文 | 本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测 | 本研究开发了一种利用超声图像和输出位移分布的深度学习网络,通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集,实现了高空间分辨率和亚像素位移检测 | NA | 实现二维和亚像素位移的高空间分辨率检测 | 使用超声诊断设备进行位移检测 | 机器学习 | NA | 深度学习 | FlowNet2 | 图像 | 使用了模拟超声图像和肝脏超声图像进行评估 |
15963 | 2024-08-07 |
Prediction of protein self-interactions using stacked long short-term memory from protein sequences information
2018-12-21, BMC systems biology
DOI:10.1186/s12918-018-0647-x
PMID:30577794
|
研究论文 | 本文开发了一种基于堆叠长短期记忆(SLSTM)神经网络的深度学习模型,用于预测蛋白质自相互作用 | 首次应用深度学习方法预测蛋白质自相互作用,并结合Zernike矩(ZMs)和位置特异性权重矩阵(PSWM)进行特征提取 | NA | 开发一种高效的计算方法来预测蛋白质自相互作用,以弥补传统实验方法的不足 | 蛋白质自相互作用 | 机器学习 | NA | 深度学习 | SLSTM | 序列 | 使用了酵母和人类蛋白质自相互作用数据集 |
15964 | 2024-08-07 |
Automatic seizure detection using three-dimensional CNN based on multi-channel EEG
2018-12-07, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-018-0693-8
PMID:30526571
|
研究论文 | 本文提出了一种基于多通道脑电图(EEG)的三维卷积神经网络(CNN)来自动检测癫痫发作 | 首次尝试应用三维CNN从EEG中检测癫痫发作,提供了一种从多通道EEG信号中同时学习模式的新方法 | NA | 旨在提供一个有效的自动癫痫发作检测系统 | 多通道EEG信号 | 机器学习 | 癫痫 | 三维卷积神经网络(3D CNN) | CNN | 脑电图(EEG)数据 | 13名患者的EEG数据 |
15965 | 2024-08-07 |
Application and progress of artificial intelligence in radiation therapy dose prediction
2024-Jul, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2024.100792
PMID:38779524
|
综述 | 本文综述了人工智能在放射治疗剂量预测中的应用和进展,特别是深度学习的进展 | 人工智能在放射治疗中的应用提高了剂量预测的准确性和效率 | 由于参与者和机构之间的知识和经验差异,预测的剂量常常不一致 | 探讨人工智能在放射治疗剂量预测中的应用和进展 | 放射治疗中的剂量预测 | 机器学习 | NA | 深度学习 | DL | NA | NA |
15966 | 2024-08-07 |
Is Risk-Stratifying Patients with Colorectal Cancer Using a Deep Learning-Based Prognostic Biomarker Cost-Effective?
2024-Jun, PharmacoEconomics
IF:4.4Q1
DOI:10.1007/s40273-024-01371-1
PMID:38584239
|
研究论文 | 研究使用基于深度学习的预测生物标志物Histotyping对结直肠癌患者进行风险分层的经济效益 | 开发了基于深度学习的预测方法Histotyping,用于结直肠癌患者的治疗前风险分层 | NA | 评估基于深度学习的预测方法Histotyping在挪威医疗系统中的成本效益 | 结直肠癌II期和III期患者 | 机器学习 | 结直肠癌 | 深度学习 | NA | NA | NA |
15967 | 2024-08-07 |
Automatic classification of spinal osteosarcoma and giant cell tumor of bone using optimized DenseNet
2024-Jun, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100606
PMID:38778836
|
研究论文 | 本研究旨在探索一种优化的深度学习模型,用于自动分类脊柱骨肉瘤和大细胞骨肿瘤 | 研究采用了具有自注意力机制的优化DenseNet模型,并结合Gradient-weighted Class Activation Mapping (Grad-CAM)技术,提高了分类准确性和特征提取能力 | 未来研究将集中在扩展数据集和改进算法上,以增强模型在不同临床环境中的适用性 | 提供一种可靠的方法,用于在医学影像中区分脊柱骨肉瘤和大细胞骨肿瘤 | 脊柱骨肉瘤和大细胞骨肿瘤的自动分类 | 计算机视觉 | 骨肿瘤 | Gradient-weighted Class Activation Mapping (Grad-CAM) | DenseNet | 图像 | 未具体说明样本数量 |
15968 | 2024-08-07 |
Spatial distance between tumor and lymphocyte can predict the survival of patients with resectable lung adenocarcinoma
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30779
PMID:38779006
|
研究论文 | 本研究探讨了肿瘤与淋巴细胞之间的空间距离与可切除肺腺癌患者预后预测的关系 | 提出了一种基于H&E染色全切片图像的深度学习驱动工作流程,自动分割肿瘤区域内的不同细胞类型,并量化肿瘤细胞与淋巴细胞之间的空间距离 | NA | 探索肿瘤细胞与淋巴细胞之间的空间距离与肺腺癌患者预后预测的关系 | 可切除的肺腺癌患者 | 数字病理学 | 肺腺癌 | H&E染色 | HoVer-Net | 图像 | 发现集276例,验证集139例和115例 |
15969 | 2024-08-07 |
Performance assessment of the effective core potentials under the fermionic neural network: First and second row elements
2024-May-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0207853
PMID:38785290
|
研究论文 | 本文评估了在费米神经网络下有效核心势(ECP)的表现,特别是针对第一和第二行的元素 | 首次全面评估了ECP在费米神经网络下的性能,并比较了两种新构建的ECP表(ccECP和eCEPP)的性能 | 全电子计算的高精度受到缺乏相对论效应和某些较重元素中数值不稳定性的限制 | 填补费米神经网络下ECP性能评估的空白,并探索其在未来改进费米神经网络中的潜在方向 | 第一和第二行的元素的原子、光谱和分子性质 | 机器学习 | NA | 神经网络 | 费米神经网络(FermiNet) | 原子、分子数据 | 第一和第二行的元素 |
15970 | 2024-08-07 |
Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review
2024-May-24, American journal of health-system pharmacy : AJHP : official journal of the American Society of Health-System Pharmacists
IF:2.1Q3
DOI:10.1093/ajhp/zxae011
PMID:38294025
|
研究论文 | 本文研究了使用深度学习算法自动分类医院药师在药物处方审查过程中提出的改进治疗建议 | 开发了一种基于深度神经网络的自动分类系统,用于处理和分类大量的药师建议数据 | 分类准确率有待进一步提高,且需要更多的数据来验证和改进模型 | 提高药师建议数据的利用效率,以便更好地改进药物处方安全 | 药师在处方审查过程中提出的建议 | 机器学习 | NA | 深度学习 | 深度神经网络 | 文本 | 27,699个标记建议用于训练和评估分类器,4,460个预测用于验证 |
15971 | 2024-08-07 |
Preoperative evaluation of visceral pleural invasion in peripheral lung cancer utilizing deep learning technology
2024-May-23, Surgery today
IF:1.7Q2
DOI:10.1007/s00595-024-02869-z
PMID:38782767
|
研究论文 | 本研究旨在评估人工智能在利用高分辨率计算机断层扫描(HRCT)图像检测肺癌脏层胸膜侵犯(VPI)中的效率 | 本研究首次使用YOLOv4.0进行肿瘤定位,并应用EfficientNetv2进行VPI预测,展示了强大的诊断性能 | 研究为回顾性分析,且样本量有限,可能影响结果的普遍性 | 评估人工智能在肺癌脏层胸膜侵犯检测中的效率 | 472名I期非小细胞肺癌患者的术前HRCT图像 | 计算机视觉 | 肺癌 | 高分辨率计算机断层扫描(HRCT) | EfficientNetv2 | 图像 | 472名患者,500张CT图像 |
15972 | 2024-08-07 |
Cost-utility analysis of prenatal diagnosis of congenital cardiac diseases using deep learning
2024-May-22, Cost effectiveness and resource allocation : C/E
IF:1.7Q3
DOI:10.1186/s12962-024-00550-3
PMID:38773527
|
研究论文 | 本文通过成本效用分析评估了使用深度学习技术进行产前超声诊断先天性心脏病的经济效益 | 本文首次采用深度学习辅助超声技术进行产前先天性心脏病的诊断,并通过成本效用分析评估其经济效益 | 研究基于特定地区的成本数据,可能不完全适用于其他地区 | 评估深度学习辅助超声技术在产前诊断先天性心脏病中的成本效用 | 深度学习辅助超声技术在产前诊断先天性心脏病中的应用 | 机器学习 | 先天性心脏疾病 | 深度学习 | NA | 超声数据 | 涉及560和659例出生婴儿 |
15973 | 2024-08-07 |
COVID‑19 detection from chest X-ray images using transfer learning
2024-05-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61693-0
PMID:38773161
|
研究论文 | 本文提出了一种基于深度学习的胸部X光图像分类框架,用于COVID-19的早期诊断 | 利用迁移学习技术,使用预训练的卷积神经网络模型VGG19和EfficientNetB0进行胸部X光图像分类 | NA | 开发一种辅助COVID-19早期诊断的深度学习框架 | COVID-19的胸部X光图像 | 计算机视觉 | COVID-19 | 迁移学习 | CNN | 图像 | NA |
15974 | 2024-08-07 |
Enhanced multi-class pathology lesion detection in gastric neoplasms using deep learning-based approach and validation
2024-05-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62494-1
PMID:38773274
|
research paper | 本研究开发了一种新的卷积神经网络模型,用于检测和分类胃部病变,包括恶性、癌前和良性病变 | 该研究采用基于卷积神经网络的方法,显著提高了胃部病变的检测和分类准确性,并能准确估计胃癌的T分期 | NA | 开发和验证一种新的深度学习方法,用于检测和分类胃部病变 | 胃部病变,包括早期胃癌、进展期胃癌、胃异型增生、良性胃溃疡、良性息肉和良性糜烂 | machine learning | 胃癌 | 卷积神经网络 | CNN | 图像 | 10,181张白光内镜图像,来自2606名患者 |
15975 | 2024-08-07 |
Refining neural network algorithms for accurate brain tumor classification in MRI imagery
2024-May-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01285-6
PMID:38773391
|
研究论文 | 本研究通过使用卷积神经网络(CNN)改进神经网络算法,以提高MRI图像中脑肿瘤分类的准确性 | 引入了一种基于深度学习的模型,采用顺序CNN架构,显著提高了诊断准确率,并使用Grad-CAM可视化增强了模型的可解释性 | NA | 提高MRI图像中脑肿瘤诊断的准确性 | 脑肿瘤的分类 | 机器学习 | 脑肿瘤 | 卷积神经网络(CNN) | CNN | 图像 | 测试数据集上的总体准确率达到98%,精确度、召回率和F1分数在97%到98%之间,ROC-AUC在99%到100%之间 |
15976 | 2024-08-07 |
Convolutional neural networks combined with conventional filtering to semantically segment plant roots in rapidly scanned X-ray computed tomography volumes with high noise levels
2024-May-21, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01208-0
PMID:38773503
|
研究论文 | 本研究探讨了在快速扫描的X射线计算机断层扫描(CT)体积中,高噪声水平下使用卷积神经网络结合传统滤波方法进行植物根系语义分割的效果 | 本研究首次探讨了在快速扫描的高噪声CT体积中,使用深度学习方法进行模糊水稻根系片段的语义分割,并评估了扫描时间和图像质量恢复对分割效果的影响 | 本研究构建的语义分割模型无法预测未包含在训练数据中的侧根,需要准备适当的训练数据来解决这一限制 | 研究在快速扫描的高噪声CT体积中,使用深度学习方法进行植物根系语义分割的效果 | 模糊的水稻(Oryza sativa)根系片段在CT体积中的语义分割 | 计算机视觉 | NA | X射线计算机断层扫描(CT) | 卷积神经网络(CNN) | CT体积 | 使用了不同扫描时间(33, 66, 150, 300, 600秒)获得的CT体积进行模型训练 |
15977 | 2024-08-07 |
Deformable registration of magnetic resonance images using unsupervised deep learning in neuro-/radiation oncology
2024-May-21, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02452-3
PMID:38773620
|
研究论文 | 本文开发了一种基于无监督深度学习的3D卷积U-Net变形图像配准方法,用于脑胶质瘤患者的术前和随访MRI扫描的精确配准 | 提出了一种新的基于无监督学习的3D卷积U-Net变形图像配准方法,无需预对齐和标记,能够实现端到端的MRI扫描配准 | NA | 开发一种自动化的3D变形图像配准方法,用于脑胶质瘤患者的MRI扫描 | 脑胶质瘤患者的术前和随访MRI扫描 | 机器学习 | 脑癌 | MRI | U-Net | 图像 | 160名脑胶质瘤患者 |
15978 | 2024-08-07 |
HCA-DAN: hierarchical class-aware domain adaptive network for gastric tumor segmentation in 3D CT images
2024-May-21, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00711-w
PMID:38773670
|
研究论文 | 本文提出了一种名为HCA-DAN的分层类感知域自适应网络,用于3D CT图像中的胃肿瘤分割 | 引入了一种新的3D神经网络AsTr,用于从各向异性分辨率的CT图像中提取多尺度上下文特征,并结合分层类感知域对齐模块HCADA进行跨域的多尺度上下文特征自适应对齐 | 文章未明确提及具体限制 | 旨在提高从3D CT图像中自动分割胃肿瘤的准确性,特别是在多中心数据集中的应用 | 胃肿瘤的3D CT图像分割 | 计算机视觉 | 胃癌 | 3D卷积神经网络(CNN) | CNN, Transformer | 图像 | 使用了来自四个医学中心的CT图像数据集 |
15979 | 2024-08-07 |
Examining the Gateway Hypothesis and Mapping Substance Use Pathways on Social Media: Machine Learning Approach
2024-May-07, JMIR formative research
IF:2.0Q4
DOI:10.2196/54433
PMID:38713904
|
研究论文 | 本研究利用社交媒体数据,通过机器学习方法探讨物质使用路径及其与风险级别的关系 | 本研究首次大规模分析社交媒体数据,以预测物质使用风险级别的升级或降级,并识别相关的语言线索 | 研究结果需进一步探索,以确定对干预措施的直接影响 | 通过分析社交媒体数据,深入理解物质使用路径,识别风险升级或降级的语言标志 | 社交媒体用户在不同风险级别的物质使用之间的过渡 | 机器学习 | NA | 深度学习 | NA | 文本 | 超过2.29万条帖子,约2937万条评论,来自约140万用户 |
15980 | 2024-08-07 |
Deep learning-based screening tool for rotator cuff tears on shoulder radiography
2024-May, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association
IF:1.5Q3
DOI:10.1016/j.jos.2023.05.004
PMID:37236873
|
研究论文 | 本研究开发了一种基于深度学习的算法,用于通过肩部X光片筛查肩袖撕裂 | 本研究首次将深度学习技术应用于肩部X光片,以筛查肩袖撕裂 | 对于部分厚度肩袖撕裂的诊断性能较低 | 开发一种基于深度学习的筛查工具,用于通过肩部X光片早期诊断肩袖撕裂 | 肩袖撕裂的早期诊断 | 机器学习 | 肩袖撕裂 | 深度学习 | 深度学习算法 | X光片 | 2803张肩部X光片 |