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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
18261 | 2024-09-05 |
DMs-MAFM+EfficientNet: a hybrid model for predicting dysthyroid optic neuropathy
2022-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-022-02663-4
PMID:36129645
|
研究论文 | 本研究提出了一种混合深度学习模型,用于通过计算机断层扫描(CT)准确识别疑似甲状腺眼病性视神经病变(DON)患者 | 该模型主要由双多尺度多注意力融合模块(DMs-MAFM)和深度卷积神经网络组成,包含多尺度特征融合算法和改进的通道注意力和空间注意力,能够捕捉图像中微小物体的特征 | NA | 开发一种高效准确的模型以辅助医生识别DON | 甲状腺眼病性视神经病变(DON)患者 | 计算机视觉 | 甲状腺疾病 | 深度学习 | 混合模型 | 图像 | NA |
18262 | 2024-09-05 |
Epidemiologic information discovery from open-access COVID-19 case reports via pretrained language model
2022-Oct-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2022.105079
PMID:36093379
|
研究论文 | 本文提出了一种计算框架,用于从开放获取的COVID-19病例报告中自动提取流行病学信息 | 该框架结合了使用深度神经网络开发的语言模型和优化的数据标注策略编译的训练样本,性能优于其他最先进的深度学习模型 | NA | 开发一种能够自动从开放获取的COVID-19病例报告中提取流行病学信息的计算框架 | COVID-19病例报告 | 自然语言处理 | COVID-19 | 深度神经网络 | 语言模型 | 文本 | COVID-19病例报告收集自中国大陆 |
18263 | 2024-09-05 |
Reticular Pseudodrusen: The Third Macular Risk Feature for Progression to Late Age-Related Macular Degeneration: Age-Related Eye Disease Study 2 Report 30
2022-10, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2022.05.021
PMID:35660417
|
研究论文 | 本文分析了网状假性玻璃膜疣(RPD)作为独立风险因素,与传统黄斑风险因素(软性玻璃膜疣和色素异常)共同影响晚期年龄相关性黄斑变性(AMD)的进展。 | 首次详细探讨了RPD在不同严重程度级别下对晚期AMD进展风险的影响,并建议将其纳入更新的AMD分类系统、风险计算器和临床试验中。 | 研究结果在AREDS和AREDS2两个队列中存在差异,表明RPD的风险关联可能受不同研究设计和样本量的影响。 | 分析RPD作为独立风险因素对晚期AMD进展的影响。 | 研究对象为AREDS和AREDS2中基线时无晚期AMD的眼睛。 | NA | 年龄相关性黄斑变性 | 彩色眼底摄影(CFP),眼底自发荧光成像,深度学习图像分级 | 比例风险回归分析 | 图像 | AREDS队列包含6959只眼,3780名参与者;AREDS2队列包含3355只眼,2056名参与者。 |
18264 | 2024-09-05 |
Segmentation of laser induced retinal lesions using deep learning (December 2021)
2022-10, Lasers in surgery and medicine
IF:2.2Q2
DOI:10.1002/lsm.23578
PMID:35781887
|
研究论文 | 本文研究使用深度学习方法对激光诱导的视网膜损伤进行分割 | 本文通过转移分类模型的权重来提高分割模型的性能,并使用Pearson相关系数来揭示网络特征的转移 | NA | 开发一种有效的深度学习方法来检测和分割视网膜激光损伤 | 激光诱导的视网膜损伤 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了空军研究实验室过去30年收集的独特图像数据库 |
18265 | 2024-09-05 |
Artificial Intelligence in Rheumatoid Arthritis: Current Status and Future Perspectives: A State-of-the-Art Review
2022-Oct, Rheumatology and therapy
IF:2.9Q2
DOI:10.1007/s40744-022-00475-4
PMID:35849321
|
综述 | 本文综述了人工智能(AI)在类风湿性关节炎(RA)临床实践和研究中的应用进展,并探讨了未来的研究方向 | AI算法在RA的筛查、诊断和管理中展现出革命性的潜力 | 尽管AI模型在早期诊断和管理RA患者方面取得了有希望的结果,但它们尚未完全准备好融入临床实践 | 探讨AI在类风湿性关节炎临床实践和研究中的应用及未来发展 | 类风湿性关节炎(RA)及其相关临床实践和研究 | 机器学习 | 类风湿性关节炎 | 机器学习(ML)和深度学习(DL) | 支持向量机、随机森林、人工神经网络 | 组学数据、影像数据、临床数据、传感器数据 | NA |
18266 | 2024-09-05 |
PRDECT-ID: Indonesian product reviews dataset for emotions classification tasks
2022-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2022.108554
PMID:36091473
|
research paper | 本文介绍了名为PRDECT-ID的印度尼西亚产品评论情感分类数据集 | 本研究贡献了5400条印度尼西亚语产品评论的数据集,这些评论来自29个不同的产品类别,并由临床心理学专家标注了五种情感 | NA | 旨在为产品评论中的情感识别提供数据支持 | 印度尼西亚语产品评论中的情感 | 自然语言处理 | NA | 机器学习或深度学习算法 | NA | 文本 | 5400条产品评论 |
18267 | 2024-09-05 |
A deep learning-based post-processing method for automated pulmonary lobe and airway trees segmentation using chest CT images in PET/CT
2022-Oct, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-21-1116
PMID:36185049
|
研究论文 | 本文提出了一种基于深度学习的后处理方法,用于在PET/CT扫描中使用胸部CT图像自动分割肺叶和气道树 | 结合深度学习和后处理算法,提高了肺叶和气道树分割的性能 | NA | 开发和验证一种自动化的深度学习模型,结合后处理算法,用于在胸部CT图像中分割六个肺部解剖区域 | 肺部的五个肺叶和气道树 | 计算机视觉 | NA | 卷积神经网络(CNN) | DenseVNet | 图像 | 共640例 |
18268 | 2024-09-05 |
A hybrid generative adversarial network for weakly-supervised cloud detection in multispectral images
2022-Oct, Remote sensing of environment
IF:11.1Q1
DOI:10.1016/j.rse.2022.113197
PMID:36193118
|
研究论文 | 本文提出了一种基于生成对抗网络(GAN)和物理基础云扭曲模型(CDM)的混合方法,用于多光谱图像中的弱监督云检测 | 该方法结合了GAN和CDM,仅需要块级标签进行训练,能够在训练和测试阶段生成像素级的云掩膜 | NA | 提高光学卫星图像处理中云检测的准确性 | 多光谱图像中的云检测 | 计算机视觉 | NA | 生成对抗网络(GAN) | GAN | 图像 | 使用了新的全球分布的Landsat 8数据集(WHUL8-CDb),包括图像块和相应的块级标签 |
18269 | 2024-09-05 |
Emotion recognition using effective connectivity and pre-trained convolutional neural networks in EEG signals
2022-Oct, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-021-09756-0
PMID:36237402
|
研究论文 | 本文提出了一种基于有效连接和微调卷积神经网络的多通道脑电图信号情感识别系统 | 利用直接定向传递函数方法计算脑电图信号间的信息流,并使用预训练的卷积神经网络模型进行情感状态分类 | NA | 开发一种有效的情感识别系统,用于情感脑机接口 | 多通道脑电图信号的情感状态 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了MAHNOB-HCI和DEAP数据库中的数据 |
18270 | 2024-09-05 |
Limb, joint and pelvic kinematic control in the quail coping with steps upwards and downwards
2022-09-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-20247-y
PMID:36151454
|
研究论文 | 本文分析了普通鹌鹑在应对上下台阶时使用的骨盆和腿部运动学策略 | 首次详细描述了鹌鹑在不同高度台阶上的运动学适应性变化 | 研究仅限于特定高度的台阶,未涵盖所有可能的复杂地形 | 探究小型奔跑鸟类在复杂地形中的神经力学控制策略 | 普通鹌鹑在上下台阶时的运动学策略 | NA | NA | 双平面荧光透视法,深度学习 | NA | 图像 | 普通鹌鹑 |
18271 | 2024-09-05 |
A pipeline for automated deep learning liver segmentation (PADLLS) from contrast enhanced CT exams
2022-09-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-20108-8
PMID:36138084
|
研究论文 | 本文介绍了一种自动化深度学习肝脏分割流水线(PADLLS),通过结合不同深度卷积神经网络(DCNN)架构的优势,实现了全自动肝脏分割。 | PADLLS通过级联多个DCNN模型,显著提高了肝脏分割的准确性,优于现有的H-DenseUnet和V-net模型。 | NA | 开发一种能够自动进行肝脏分割的深度学习流水线,以提高分割准确性并解决过度分割问题。 | 肝脏分割 | 计算机视觉 | NA | 深度卷积神经网络(DCNN) | V-net, H-DenseUnet | CT扫描图像 | 超过200个CT扫描 |
18272 | 2024-09-05 |
Beyond deep learning
2022-Sep-20, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2214148119
PMID:36074815
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
18273 | 2024-09-05 |
Critical Analysis of the Current Medical Image-Based Processing Techniques for Automatic Disease Evaluation: Systematic Literature Review
2022-Sep-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22187065
PMID:36146414
|
综述 | 本文综述了基于医学图像处理技术在疾病诊断中的应用 | 提供了对医学图像处理和分析技术的全面回顾,包括机器学习和深度学习方法 | NA | 评估和总结当前医学图像处理技术在自动疾病评估中的应用 | 医学图像分析技术及其在疾病诊断中的应用 | 数字病理学 | NA | 医学图像处理 | 机器学习和深度学习 | 图像 | 40篇研究文章 |
18274 | 2024-09-05 |
Comparing Out-of-Sample Performance of Machine Learning Methods to Forecast U.S. GDP Growth
2022-Sep-16, Computational economics
IF:1.9Q2
DOI:10.1007/s10614-022-10312-z
PMID:36157276
|
研究论文 | 本文通过比较机器学习和深度学习方法在预测美国GDP增长中的样本外表现,评估了不同预测方法的效果 | 首次系统比较了密度基于的机器学习方法和稀疏基于的方法在不同预测范围下的表现,并强调了高频预测因子在经济预测中的重要性 | 文章主要关注于预测方法的比较,未深入探讨预测结果的经济意义或政策影响 | 比较不同机器学习方法在预测美国GDP增长中的效果 | 美国GDP增长预测 | 机器学习 | NA | 机器学习, 深度学习 | 神经网络, Lasso | 宏观经济数据 | 使用224个宏观经济预测因子,9个强预测因子和包含高频商业条件指数的9个强预测因子 |
18275 | 2024-09-05 |
Application of Deep Learning Techniques in Diagnosis of Covid-19 (Coronavirus): A Systematic Review
2022-Sep-16, Neural processing letters
IF:2.6Q3
DOI:10.1007/s11063-022-11023-0
PMID:36158520
|
综述 | 本文系统回顾了深度学习技术在Covid-19诊断中的应用 | 使用深度学习方法如CNN和RNN从放射图像中提取关键特征,用于Covid-19的早期预测 | 样本选择、网络架构、使用少量标注数据库进行训练以及安全问题 | 探讨深度学习技术在Covid-19检测系统中的应用 | Covid-19的诊断和预测 | 机器学习 | Covid-19 | 深度学习 | CNN, RNN | 图像 | 64个预训练和自定义深度学习模型 |
18276 | 2024-09-05 |
An Efficient Model for a Vast Number of Bird Species Identification Based on Acoustic Features
2022-Sep-15, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani12182434
PMID:36139299
|
研究论文 | 本文提出了一种基于长短期记忆网络(LSTM)和坐标注意力机制的新型深度学习方法,用于识别大量鸟类物种 | 本文的创新点在于使用LSTM结合坐标注意力机制,有效提高了对大量鸟类物种的识别准确率 | NA | 旨在提高基于声学特征的大量鸟类物种识别的准确性 | 264种鸟类物种及其超过70,000个叫声音频片段 | 机器学习 | NA | 深度学习 | LSTM | 音频 | 70,000个鸟类叫声音频片段,涉及264种鸟类物种 |
18277 | 2024-09-05 |
Deep Ensemble Fake News Detection Model Using Sequential Deep Learning Technique
2022-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22186970
PMID:36146319
|
研究论文 | 本文提出了一种使用序列深度学习技术的深度集成假新闻检测模型,旨在提高检测准确性 | 该模型通过提取新闻内容的特征并使用自然语言处理技术进行预处理和丰富,结合深度学习网络进行特征提取,最终通过多层感知器进行分类,相较于现有模型在性能上有所提升 | NA | 提高假新闻检测的准确性 | 假新闻检测 | 自然语言处理 | NA | 序列深度学习技术 | 多层感知器 (MLP) | 文本 | 使用了两个流行且知名的数据集(LIAR和ISOT) |
18278 | 2024-09-05 |
Real-Time Learning and Monitoring System in Fighting against SARS-CoV-2 in a Private Indoor Environment
2022-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22187001
PMID:36146346
|
研究论文 | 本研究开发了一个实时学习系统,用于在私人室内环境中通过传感器控制SARS-CoV-2的传播,并实时预测用户活动以进行远程监控 | 开发了一个集成多种机器学习技术的实时学习系统,能够高效地预测用户活动并生成大数据 | NA | 研究如何在私人室内环境中通过科技手段控制SARS-CoV-2的传播 | 私人室内环境中的用户活动和SARS-CoV-2传播控制 | 机器学习 | NA | 机器学习技术,包括分类学习、回归学习、错误校正输出代码(ECOC)和深度学习模型 | 神经网络 | IoT数据 | 多个传感器在实验环境中收集的数据 |
18279 | 2024-09-05 |
U-Net Based Segmentation and Characterization of Gliomas
2022-Sep-14, Cancers
IF:4.5Q1
DOI:10.3390/cancers14184457
PMID:36139616
|
研究论文 | 本文开发了一种基于深度学习的框架,用于自动分割和预测胶质瘤患者的生物标志物和预后 | 使用基于U-Net的深度学习框架进行胶质瘤的自动分割和生物标志物状态及生存预测 | NA | 开发一个深度学习框架,用于胶质瘤的自动分割和生物标志物及预后预测 | 胶质瘤患者及其手术病理和术前MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | U-Net | 图像 | 208名患者 |
18280 | 2024-09-05 |
Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network
2022-Sep-13, Micromachines
IF:3.0Q2
DOI:10.3390/mi13091515
PMID:36144138
|
研究论文 | 本研究开发了一种名为A-net的深度学习网络,用于提高共聚焦显微镜捕获的细胞骨架图像的分辨率 | 结合A-net深度学习网络和DWDC算法,显著提高了细胞骨架图像的空间分辨率,达到原始分辨率的10倍 | NA | 提高细胞骨架图像的分辨率,以便更好地进行生物分子结构的体内重建 | 细胞骨架图像的分辨率 | 计算机视觉 | NA | 深度学习网络 | A-net | 图像 | NA |