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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
18901 | 2024-09-02 |
Identification and Classification of Prostate Cancer Identification and Classification Based on Improved Convolution Neural Network
2022, BioMed research international
IF:2.6Q3
DOI:10.1155/2022/9112587
PMID:35898684
|
研究论文 | 本研究基于改进的卷积神经网络对前列腺癌进行识别和分类 | 提出了一种基于改进U-Net网络的区域分割模型,通过密集连接块融合深浅层特征,并对各尺度特征进行监督 | NA | 提高前列腺癌诊断的客观性和重复性 | 前列腺癌的识别和分类 | 计算机视觉 | 前列腺癌 | 深度学习 | U-Net网络 | 图像 | 一个完全注释的数据集 |
18902 | 2024-09-02 |
Facility Layout Optimization of Urban Public Sports Services under the Background of Deep Learning
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1748319
PMID:35898767
|
研究论文 | 本文采用M-P模型、损失函数和激活函数的方法,以即将举办亚运会的体育城市杭州为例,进行了城市公共体育服务布局优化的实验 | 利用深度学习技术优化城市公共体育服务的空间布局 | 实验仅基于杭州一个城市的情况,可能需要更多城市的数据以验证方法的普遍适用性 | 解决当前背景下城市体育社会设施布局不均衡及难以满足居民需求的问题 | 城市公共体育服务的空间布局 | 机器学习 | NA | 深度学习 | M-P模型 | 数据 | 以杭州为例,进行了实验 |
18903 | 2024-09-02 |
A Hierarchical Graph Learning Model for Brain Network Regression Analysis
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.963082
PMID:35903810
|
研究论文 | 本文提出了一种用于脑网络回归分析的可解释图学习模型 | 该模型在有效性、公平性和透明度方面优于其他最先进的方法 | NA | 旨在提高脑网络分析的可解释性 | 脑网络和成人自我报告(ASR)评分 | 机器学习 | NA | 图学习方法 | 图学习模型 | 脑网络数据 | 来自人类连接组项目(HCP)的受试者 |
18904 | 2024-09-02 |
Machine Learning Approaches to TCR Repertoire Analysis
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.858057
PMID:35911778
|
综述 | 本文综述了基于机器学习和深度学习的T细胞受体库分析方法,并讨论了其未来前景 | NA | NA | 评估免疫系统的状态和异常 | T细胞受体库 | 机器学习 | NA | 基因组测序技术 | 机器学习和深度学习 | 数据 | NA |
18905 | 2024-09-02 |
Skin Cancer Classification With Deep Learning: A Systematic Review
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.893972
PMID:35912265
|
综述 | 本文全面概述了最新的基于深度学习的皮肤癌分类算法 | 总结了皮肤癌分类任务中的前沿问题及其解决方案,并指出这些方法的发展方向是结构化、轻量化和多模态 | 未提及具体的研究限制 | 提供基于深度学习的皮肤癌分类算法的全面概述 | 皮肤癌分类算法及其前沿问题 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | NA |
18906 | 2024-09-02 |
An effective behavior recognition method in the video session using convolutional neural network
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0266734
PMID:35913982
|
研究论文 | 提出了一种基于卷积神经网络的视频行为识别方法,通过增加目标检测阶段和改进损失函数,提高了行为识别的准确性 | 通过增加目标检测阶段和使用改进的损失函数,减少了背景噪声的干扰并解决了分类难度和样本不平衡问题 | 未提及具体限制 | 提高基于视频的行为识别方法的准确性 | 视频中的行为识别 | 计算机视觉 | NA | 卷积神经网络 (CNN) | CNN | 视频 | 使用了不同的开源和基准数据集进行实验 |
18907 | 2024-09-02 |
3D Convolutional Neural Network Framework with Deep Learning for Nuclear Medicine
2022, Scanning
DOI:10.1155/2022/9640177
PMID:35924105
|
研究论文 | 本文探讨了在核医学领域中使用3D卷积神经网络(CNN)和深度学习(DL)的新进展 | 介绍了3D CNN和U-Net在核医学中的应用,这些技术改变了临床和研究实践 | 未明确提及 | 探索3D CNN和U-Net在核医学中的应用,以及它们如何影响临床和研究实践 | 核医学中的图像分析和数据处理 | 机器学习 | NA | 3D CNN | CNN | 图像 | 未明确提及 |
18908 | 2024-09-02 |
A miRNA Target Prediction Model Based on Distributed Representation Learning and Deep Learning
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/4490154
PMID:35924115
|
研究论文 | 本文开发了一种结合词嵌入和深度学习的新方法,用于人类miRNA靶点在位点级别的预测 | 本文首次研究了核苷酸序列的编码问题,并利用词嵌入和深度学习技术提高了miRNA靶点预测的准确性 | NA | 揭示转录组调控机制,对癌症和其他疾病的研究具有重要意义 | 人类miRNA靶点 | 生物信息学 | NA | 词嵌入,深度学习 | BiLSTM | 序列数据 | NA |
18909 | 2024-09-02 |
Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology
2021-Dec, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-21-1342
PMID:35070379
|
综述 | 本文综述了人工智能,特别是深度学习,在胸腔放射学中的应用,包括工作列表优先级和患者分诊、作为第二读者的AI性能提升以及AI在复杂量化中的应用 | 介绍了AI在资源有限环境下的结核病筛查、筛查CT中的肺癌检测以及COVID-19诊断等近期应用实例 | 尚未确定基于AI的图像分析系统如何在临床实践中帮助医生 | 探讨AI如何补充当前医疗系统的各个方面,并介绍其在胸腔疾病中的应用 | 胸腔疾病,特别是胸腔放射学领域 | 计算机视觉 | 肺疾病 | 深度学习 | NA | 图像 | NA |
18910 | 2024-09-02 |
Automatic segmentation of lung tumors on CT images based on a 2D & 3D hybrid convolutional neural network
2021-Oct-01, The British journal of radiology
DOI:10.1259/bjr.20210038
PMID:34347535
|
研究论文 | 本文介绍了一种基于深度学习的自动肿瘤分割网络,用于在CT图像上进行肺癌肿瘤的自动分割 | 本文提出了一种结合2D CNN和3D CNN的混合卷积神经网络,用于自动肺肿瘤分割,并展示了其在评估指标上优于单独的3D CNN和2D CNN | 较大的GTV在Dice指标上表现较好,但在肿瘤边界划分上不稳定 | 开发一种稳定且准确的自动肿瘤描绘方法,以促进肺癌放疗过程的智能化设计 | 肺肿瘤在CT图像上的自动分割 | 计算机视觉 | 肺癌 | 卷积神经网络(CNN) | 混合CNN(结合2D CNN和3D CNN) | CT图像 | 260例 |
18911 | 2024-09-02 |
Metrics of sleep apnea severity: beyond the apnea-hypopnea index
2021-07-09, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsab030
PMID:33693939
|
review | 本文回顾了阻塞性睡眠呼吸暂停(OSA)严重程度的评估指标,特别是对睡眠呼吸暂停低通气指数(AHI)及其替代指标的探讨 | 探讨了替代AHI的多种指标,如低氧负担、唤醒强度、优势比乘积和心肺耦合等,并提出了未来研究方向,包括遗传学、血液生物标志物、机器/深度学习和可穿戴技术 | AHI作为评估OSA严重程度的指标虽广泛研究但存在局限性 | 探讨OSA严重程度的最佳评估指标及其对治疗的潜在反应 | 阻塞性睡眠呼吸暂停的严重程度评估及其治疗反应 | NA | 阻塞性睡眠呼吸暂停 | NA | NA | NA | NA |
18912 | 2024-09-02 |
DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI
2021-07-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-93427-x
PMID:34238951
|
研究论文 | 本文开发了一种基于深度学习的分割方法,用于在MRI中区分脑微出血和铁沉积 | 采用深度卷积神经网络(CNN)和U-Net模型,结合多模态MRI数据(特别是QSM),提高了脑微出血和非出血性铁沉积的检测敏感性和精确度 | 研究样本仅为24名参与者,可能影响结果的普遍性 | 开发一种能够自动检测脑微出血和铁沉积的深度学习方法 | 脑微出血和非出血性铁沉积 | 机器学习 | NA | MRI | CNN | 图像 | 24名参与者 |
18913 | 2024-09-02 |
Shared decision-making and maternity care in the deep learning age: Acknowledging and overcoming inherited defeaters
2021-Jun, Journal of evaluation in clinical practice
IF:2.1Q2
DOI:10.1111/jep.13515
PMID:33188540
|
研究论文 | 本文探讨了人工智能在产科护理中应用时面临的哲学和实践问题,特别是知识论和伦理问题,并提出了一个共享决策框架来解决这些问题。 | 作者扩展了一个现有的共享决策框架,并将其应用于人工智能在产科护理中的应用,特别是机器学习和深度学习技术在电子胎儿监测中的应用。 | 文章指出,尽管当前或未来的人工智能增强的电子胎儿监测可能对临床医生施加知识论义务,但这些义务可能被继承的反驳者所覆盖,这表明对客户知识的责任延伸到任何临床医生(或其他人)参与生成用于共享决策系统的训练数据的情况。 | 研究目的是探讨人工智能在产科护理中的应用,特别是机器学习和深度学习技术在电子胎儿监测中的应用,并解决由此产生的哲学和实践问题。 | 研究对象是人工智能在产科护理中的应用,特别是机器学习和深度学习技术在电子胎儿监测中的应用。 | 机器学习 | NA | 深度学习 | NA | 数据 | NA |
18914 | 2024-09-02 |
Can peritumoral regions increase the efficiency of machine-learning prediction of pathological invasiveness in lung adenocarcinoma manifesting as ground-glass nodules?
2021-Mar, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-20-2981
PMID:33841926
|
研究论文 | 本研究探讨了基于CT图像的深度学习模型在预测肺腺癌表现为磨玻璃结节(GGNs)的病理侵袭性中的价值和应用 | 使用包含肿瘤周围区域的GPTV模型比仅使用GTV的模型在预测GGN侵袭性方面更有效 | NA | 探索肿瘤及肿瘤周围区域的CT图像深度学习模型在预测磨玻璃结节侵袭性中的价值和应用 | 622名患者的687个肺部磨玻璃结节 | 机器学习 | 肺腺癌 | 3D DenseNet | DenseNet | CT图像 | 622名患者,共687个肺部磨玻璃结节 |
18915 | 2024-09-02 |
Towards the sustainable development of smart cities through mass video surveillance: A response to the COVID-19 pandemic
2021-Jan, Sustainable cities and society
IF:10.5Q1
DOI:10.1016/j.scs.2020.102582
PMID:33178557
|
研究论文 | 本文提出了一种基于深度学习的智能城市可持续发展框架,通过大规模视频监控系统应对COVID-19疫情,实现人群社交距离监控 | 开发了一种能够监控和执行人群社交距离的主动监控系统,有效减缓病毒传播 | COVID-19疫情揭示了现有智能城市部署的局限性 | 开发能够提供快速有效机制以限制病毒进一步传播的系统和架构 | 智能城市的可持续发展及通过视频监控应对COVID-19疫情 | 计算机视觉 | NA | 深度学习 | CNN | 视频 | 使用了一个真实世界的视频监控数据集进行系统性能验证 |
18916 | 2024-09-02 |
Putting artificial intelligence (AI) on the spot: machine learning evaluation of pulmonary nodules
2020-Nov, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-2019-cptn-03
PMID:33282401
|
综述 | 本文综述了人工智能在肺结节评估中的应用,特别是深度学习和卷积神经网络在肺结节检测、分割和分类中的进展 | 深度学习和卷积神经网络在肺结节检测和分类中显示出有希望的结果 | 仍存在一些缺陷和挑战,需要将这些进展应用于常规临床实践中 | 旨在概述人工智能在肺结节检测和特征化方面的最新进展,最终目标是预测和分类肺癌 | 肺结节 | 机器学习 | 肺癌 | 深度学习 (DL) 和卷积神经网络 (CNNs) | 卷积神经网络 (CNNs) | 图像 | NA |
18917 | 2024-09-02 |
Attention-Based Network for Weak Labels in Neonatal Seizure Detection
2020-Aug, Proceedings of machine learning research
PMID:32995751
|
研究论文 | 本文评估了不同深度学习模型和数据平衡方法在新生儿癫痫检测中的影响,并提出了一种模型,该模型能为每个EEG通道提供重要性级别,以判断通道是否显示癫痫活动 | 提出的模型无需重新训练即可适应不同布局的EEG设备,并首次评估了深度学习模型与人类评分者决策的一致性 | 高AUC值的深度学习模型不一定与人类专家的意见一致,仍需进一步优化算法以实现最佳的癫痫区分 | 研究深度学习算法在新生儿癫痫检测中的应用 | 新生儿癫痫检测 | 机器学习 | 新生儿疾病 | 深度学习 | 注意力机制网络 | EEG数据 | NA |
18918 | 2024-09-02 |
Deep Learning strategies for Ultrasound in Pregnancy
2020-Aug, European Medical Journal. Reproductive health
PMID:33123376
|
综述 | 本文综述了深度学习方法在孕期超声成像中的应用,介绍了其架构并分析了其策略 | 深度学习在医学图像分析中的应用,特别是在分类、分割、物体检测和跟踪任务中取得了最先进的性能 | 超声成像质量相对较低、对比度低和高变异性,自动化解读超声图像具有挑战性 | 探讨深度学习在孕期超声成像中的应用,以改善临床实践 | 孕期超声成像的自动化解读和结构识别 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA |
18919 | 2024-09-02 |
Machine Learning Neuroprotective Strategy Reveals a Unique Set of Parkinson Therapeutic Nicotine Analogs
2020, The open bioinformatics journal
PMID:33927788
|
研究论文 | 本文提出了一种新颖的机器学习计算策略,用于预测尼古丁类似物在帕金森病中通过未配对信号通路的行为对神经保护潜力的影响 | 本文开发了一种跨学科的计算策略,结合结构生物信息学、信号通路手动重建和深度学习,预测尼古丁类似物的神经保护活性 | NA | 开发一种计算策略,预测一系列8种新型尼古丁类似物在帕金森病中的神经保护活性 | 8种新型尼古丁类似物及其在帕金森病中的神经保护活性 | 机器学习 | 帕金森病 | 深度学习 | 机器学习模型 | 结构数据 | 8种新型尼古丁类似物 |
18920 | 2024-09-02 |
From deep learning to mechanistic understanding in neuroscience: the structure of retinal prediction
2019-Dec, Advances in neural information processing systems
PMID:35283616
|
研究论文 | 本文通过结合降维和现代归因方法,开发了一种系统方法来从深度神经网络模型中提取和理解计算机制,并应用于视网膜的深度网络模型,揭示了视网膜作为预测特征提取器的工作原理。 | 本文提出了一种新的系统方法,通过结合降维和现代归因方法,从深度神经网络模型中提取和理解计算机制,为深度网络作为神经科学模型提供了更坚实的理论基础。 | 本文主要关注于从深度网络模型中提取计算机制,尚未涉及这些机制在生物学上的验证。 | 研究目的是探索深度学习在神经科学中的应用,并从深度网络模型中提取和理解计算机制。 | 研究对象是视网膜的深度网络模型及其在处理视觉刺激时的计算机制。 | 机器学习 | NA | 深度学习 | 深度前馈神经网络 | 视觉刺激 | NA |