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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16201 | 2024-08-07 |
Diagnostic triage in patients with central lumbar spinal stenosis using a deep learning system of radiographs
2022-Jul-01, Journal of neurosurgery. Spine
DOI:10.3171/2021.11.SPINE211136
PMID:35061993
|
研究论文 | 本研究旨在开发一种基于卷积神经网络(CNN)的深度学习模型,用于通过X射线诊断严重的中央腰椎管狭窄症(LSS),并使用梯度加权类激活映射(Grad-CAM)评估放射学诊断特征 | 本研究开发了一种新的深度学习模型,通过X射线图像准确诊断中央腰椎管狭窄症,并能定位狭窄病变,辅助医生识别LSS | 多变量逻辑回归分析显示,结合人口统计学因素(年龄和性别)并未提高模型性能 | 开发和评估一种深度学习模型,用于通过X射线诊断严重的中央腰椎管狭窄症 | 中央腰椎管狭窄症患者和健康对照组的X射线图像 | 机器学习 | 脊柱疾病 | 卷积神经网络(CNN) | CNN | 图像 | 12,442张图像用于训练模型,5折交叉验证 |
16202 | 2024-08-07 |
Improving brain age estimates with deep learning leads to identification of novel genetic factors associated with brain aging
2021-09, Neurobiology of aging
IF:3.7Q2
|
研究论文 | 本研究通过深度学习提高大脑年龄估计的准确性,进而识别与大脑衰老相关的新遗传因子 | 本研究展示了更准确的大脑预测年龄(PBA)有助于更好地表征与大脑衰老相关的遗传因子,并发现了三个新的与大脑衰老相关的单核苷酸多态性位点 | NA | 研究与大脑衰老相关的遗传因子 | 大脑衰老的遗传因素 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 图像 | 16,998名UK Biobank受试者 |
16203 | 2024-08-07 |
Convolutional neural network allows amylose content prediction in yam (Dioscorea alata L.) flour using near infrared spectroscopy
2024-Jun, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.12825
PMID:37400424
|
研究论文 | 本研究利用近红外光谱技术结合卷积神经网络预测山药粉中的直链淀粉含量 | 首次使用卷积神经网络成功预测山药粉中的直链淀粉含量 | PLS方法未能成功预测直链淀粉含量 | 验证卷积神经网络在预测山药粉直链淀粉含量方面的可靠性和效率 | 山药粉中的直链淀粉含量 | 机器学习 | NA | 近红外光谱技术 | 卷积神经网络 | 光谱数据 | 186份山药粉样品 |
16204 | 2024-08-07 |
Financial impact of incorporating deep learning reconstruction into magnetic resonance imaging routine
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111434
PMID:38520806
|
研究论文 | 本文评估了将深度学习重建算法应用于磁共振成像常规流程对财务影响的实用性和经济可行性 | 本文首次详细分析了深度学习重建算法在磁共振成像中的应用,相较于传统扩容方法,如增加扫描仪或提高周末设备利用率,能显著降低运营成本 | NA | 研究深度学习重建算法在磁共振成像中的应用对医院运营成本的影响 | 深度学习重建算法在磁共振成像中的应用 | 机器学习 | NA | 深度学习重建算法 | 深度学习 | NA | 涉及五台磁共振成像扫描仪 |
16205 | 2024-08-07 |
Deep learning reconstruction for turbo spin echo to prospectively accelerate ankle MRI: A multi-reader study
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111451
PMID:38593573
|
研究论文 | 评估深度学习重建技术在加速踝关节磁共振成像中的应用效果 | 深度学习重建技术(DLR-TSE)在踝关节MRI中显著缩短了采集时间,同时提高了图像质量并减少了伪影和噪声 | NA | 评估深度学习重建技术在踝关节MRI中的应用效果 | 踝关节MRI的采集时间、图像质量和病变检测能力 | 计算机视觉 | NA | 深度学习重建技术(DLR-TSE) | NA | 图像 | 56名患者 |
16206 | 2024-08-07 |
Thin-slice elbow MRI with deep learning reconstruction: Superior diagnostic performance of elbow ligament pathologies
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111471
PMID:38636411
|
研究论文 | 本研究比较了1毫米切片厚度的MRI与深度学习重建(DLR)和3毫米切片厚度的MRI在肘部肌腱和韧带病理诊断中的图像质量和诊断性能 | 使用深度学习重建技术提高了1毫米切片厚度MRI在诊断肘部肌腱和韧带病理中的性能 | 研究为回顾性研究,且样本量较小 | 评估不同切片厚度和深度学习重建技术对肘部MRI图像质量和诊断性能的影响 | 肘部肌腱和韧带的病理 | 计算机视觉 | NA | MRI | 深度学习重建(DLR) | 图像 | 53名患者 |
16207 | 2024-08-07 |
Using deep learning to optimize the prostate MRI protocol by assessing the diagnostic efficacy of MRI sequences
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111470
PMID:38640822
|
研究论文 | 本研究利用深度学习技术评估和优化前列腺MRI协议的诊断效能 | 通过深度学习模型比较加速和完整MRI协议的诊断性能,发现省略特定DWI序列可以减少扫描时间而不影响诊断质量 | NA | 探索使用深度学习优化前列腺MRI协议的方法 | 前列腺MRI协议的诊断效能 | 机器学习 | 前列腺癌 | MRI | 深度学习模型 | 图像 | 840名患者 |
16208 | 2024-08-07 |
Deep learning-based radiomics of computed tomography angiography to predict adverse events after initial endovascular repair for acute uncomplicated Stanford type B aortic dissection
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111468
PMID:38648727
|
研究论文 | 本研究旨在构建一个结合深度学习衍生的计算机断层扫描血管造影(CTA)放射组学特征和临床生物标志物的预测模型,以预测急性未复杂化的斯坦福B型主动脉夹层(uTBAD)患者在接受初始胸主动脉腔内修复术(TEVAR)后的不良事件(AEs) | 本研究创新性地将深度学习基础的放射组学与临床指标相结合,用于预测急性uTBAD患者术后不良事件 | NA | 构建一个预测模型,结合CTA的放射组学特征和临床生物标志物,预测急性uTBAD患者术后不良事件 | 急性未复杂化的斯坦福B型主动脉夹层(uTBAD)患者 | 机器学习 | 心血管疾病 | 计算机断层扫描血管造影(CTA) | 三维深度卷积神经网络(CNN) | 图像 | 369名接受TEVAR治疗的急性uTBAD患者 |
16209 | 2024-08-07 |
State-of-the-RNArt: benchmarking current methods for RNA 3D structure prediction
2024-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae048
PMID:38745991
|
综述 | 本文综述了当前用于RNA 3D结构预测的计算方法,包括模板基和深度学习方法,并使用RNA-Puzzles数据集对九种方法进行了基准测试 | 介绍了深度学习方法在RNA 3D结构预测中的应用潜力 | 深度学习方法在RNA 3D结构预测中的应用仍然具有挑战性 | 评估和比较当前RNA 3D结构预测方法的性能 | RNA 3D结构预测的计算方法 | NA | NA | 深度学习 | NA | 数据集 | 九种方法 |
16210 | 2024-08-07 |
Optical color routing enabled by deep learning
2024-May-16, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr00105b
PMID:38592716
|
综述 | 本文综述了深度学习驱动的纳米颜色路由结构设计,包括正向模拟算法、光子神经网络和多种全局及局部拓扑优化方法 | 介绍了无带通颜色路由的新方法,提供了前所未有的光学光谱效率和亚波长尺度操作,为图像传感应用带来了范式转变 | NA | 探索和比较深度学习驱动的纳米颜色路由结构设计与传统设计方法,总结现有研究并指出未来发展方向 | 纳米颜色路由结构设计及其在图像传感应用中的性能 | 计算机视觉 | NA | 深度学习 | 光子神经网络 | 图像 | NA |
16211 | 2024-08-07 |
Predicting gastric cancer tumor mutational burden from histopathological images using multimodal deep learning
2024-May-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad032
PMID:37525540
|
研究论文 | 本研究利用多模态深度学习方法从组织病理学图像中预测胃癌肿瘤突变负荷(TMB) | 开发了一种结合组织病理学图像和组学数据的多模态融合深度学习模型,显著提高了TMB预测的准确性 | NA | 探索从组织病理学图像中预测胃癌患者TMB水平的可能性 | 胃癌患者的组织病理学图像、临床数据和分子数据 | 数字病理学 | 胃癌 | 深度学习 | Resnet | 图像 | 326名胃癌患者 |
16212 | 2024-08-07 |
Prediction of drug-protein interaction based on dual channel neural networks with attention mechanism
2024-May-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad037
PMID:37642213
|
研究论文 | 本研究构建了一个基于双通道神经网络和注意力机制的药物-蛋白质相互作用预测模型DCA-DPI | 采用双通道神经网络和高效的注意力机制,相比传统计算方法,减少了领域知识需求并增强了数据学习能力 | NA | 加速药物发现过程,精确识别药物-蛋白质相互作用 | 药物分子图和蛋白质序列 | 机器学习 | NA | NA | 神经网络 | 图像和文本 | 使用了三个广泛使用的公共数据集:Human, C.elegans 和 DUD-E |
16213 | 2024-08-07 |
Deep Learning Enabled Comprehensive Evaluation of Jumping-Droplet Condensation and Frosting
2024-May-15, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c00976
PMID:38693061
|
研究论文 | 利用深度学习开发了一个半监督框架,用于监测超疏水表面上跳跃液滴冷凝和结霜的光学可观察过程 | 该框架能够识别瞬态液滴分布和动态活动,如液滴聚结、跳跃和结霜,并能有效适应新的冷凝条件 | NA | 研究超疏水表面上的跳跃液滴冷凝和结霜现象,并优化表面设计以提高冷凝传热和防霜性能 | 超疏水表面上的跳跃液滴冷凝和结霜现象 | 机器学习 | NA | 深度学习 | NA | 图像 | 少量标注数据 |
16214 | 2024-08-07 |
Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands
2024-May-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad464e
PMID:38697026
|
研究论文 | 本文提出了一种名为GraspCNet的紧凑型卷积神经网络模型,用于假手的视觉辅助抓握分类 | 使用可分离卷积减少计算负担,使其适用于嵌入式系统的实时应用 | 在计算机实时实验中,模型准确率为69%,低于已见物体的分类准确率 | 开发一种能够有效泛化不同物体形状并准确分类抓握模式的模型 | 假手的抓握分类 | 计算机视觉 | NA | 卷积神经网络(CNN) | CNN | 图像 | 使用了多种标准物体数据集进行训练和测试 |
16215 | 2024-08-07 |
Breast density prediction from low and standard dose mammograms using deep learning: effect of image resolution and model training approach on prediction quality
2024-May-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad470b
PMID:38701765
|
研究论文 | 本文开发了深度学习方法,从低剂量和高分辨率的乳腺X线摄影图像中预测乳腺密度,并探讨了图像分辨率和训练方法对预测质量的影响 | 本文创新地使用深度学习模型在不同分辨率下对低剂量乳腺X线摄影图像进行乳腺密度预测,并比较了特征提取方法和端到端训练方法的效果 | NA | 提高年轻女性乳腺癌风险预测的准确性 | 乳腺密度预测 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 15,290张标准剂量和模拟低剂量乳腺X线摄影图像 |
16216 | 2024-08-07 |
An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data
2024-May-15, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3392355
PMID:38748522
|
研究论文 | 本文介绍了一种名为自适应多尺度注意力深度神经网络的新技术,用于分析表格数据 | 该技术通过并行多级特征加权,成功学习特征注意力,并在多个分类和回归任务中实现了高F1分数和低平均绝对误差 | NA | 旨在提高深度学习在表格数据分析中的性能,并增强其可解释性 | 表格数据 | 机器学习 | NA | 自适应多尺度注意力深度神经网络 | 深度神经网络 | 表格数据 | 涉及小、中、大和非常大的数据集 |
16217 | 2024-08-07 |
Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study
2024-May-15, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2290-4781
PMID:38749431
|
研究论文 | 本研究评估了一种供应商无关的深度学习去噪(DLD)算法对五种CT扫描仪上非对比颅脑CT(ncCT)诊断图像质量的影响 | 供应商无关的深度学习去噪算法在主观和客观分析中均显著提高了ncCT图像质量,包括减少噪声、提高信噪比和对比噪声比,以及减少后颅窝的伪影 | 本研究为回顾性单中心研究,样本仅包括因轻微头部创伤接受常规影像检查的患者 | 评估供应商无关的深度学习去噪算法对非对比颅脑CT诊断图像质量的影响 | 五种CT扫描仪上的非对比颅脑CT图像质量 | 计算机视觉 | NA | 深度学习去噪(DLD) | 深度学习模型 | 图像 | 150名连续患者(每种扫描仪30名) |
16218 | 2024-08-07 |
Concomitant Prediction of the Ki67 and PIT-1 Expression in Pituitary Adenoma Using Different Radiomics Models
2024-May-15, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01121-x
PMID:38750186
|
研究论文 | 本研究旨在通过三种不同的放射组学模型术前预测垂体腺瘤中Ki67和PIT-1的高表达 | 本研究采用了深度学习放射组学(DLR)模型,相较于传统的机器学习和深度学习模型,DLR模型在预测Ki67和PIT-1表达方面表现出最佳性能 | NA | 术前预测垂体腺瘤中Ki67和PIT-1的高表达 | 垂体腺瘤中的Ki67和PIT-1表达 | 机器学习 | 垂体腺瘤 | 放射组学 | 逻辑回归(LR)、支持向量机(SVM)、多层感知器(MLP) | 图像 | 247名垂体腺瘤患者(训练集:198名;测试集:49名) |
16219 | 2024-08-07 |
Identifying regions of importance in wall-bounded turbulence through explainable deep learning
2024-May-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47954-6
PMID:38740802
|
研究论文 | 本研究使用可解释的深度学习方法探索壁边界湍流中能量包含相干结构之间的相互作用 | 本研究通过SHapley Additive exPlanations (SHAP)算法评估每个结构对预测的重要性,发现最重要的结构不一定是对雷诺剪切应力贡献最大的结构 | NA | 解决壁边界湍流问题并探索新的流动控制策略 | 壁边界湍流中的能量包含相干结构及其相互作用 | 机器学习 | NA | 深度学习 | U-net | 速度场数据 | 来自湍流通道流动模拟的瞬时速度场数据 |
16220 | 2024-08-07 |
NGMD: next generation malware detection in federated server with deep neural network model for autonomous networks
2024-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61298-7
PMID:38740843
|
研究论文 | 本文提出了一种基于深度神经网络的下一代恶意软件检测方法,用于在联邦服务器中进行网络流量分类和攻击检测 | 采用联邦学习方法,无需访问用户私人数据即可进行攻击检测,强调隐私保护 | NA | 提高网络系统对分布式拒绝服务攻击的抵御能力 | 网络流量分类和攻击检测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 网络流量数据 | 使用BoT-IoT数据集进行实验验证 |