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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2025-09-03 |
Robust multi-coil MRI reconstruction via self-supervised denoising
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30591
PMID:40457510
|
研究论文 | 本研究探讨了在训练深度学习MRI重建方法前加入自监督去噪预处理步骤对高斯噪声污染数据的效果 | 利用GSURE进行自监督去噪作为预处理步骤,提升多线圈MRI重建质量,无需无噪声参考数据 | 实验仅针对T2加权脑部和脂肪抑制膝关节扫描,未验证其他MRI序列或身体部位的普适性 | 提高加速多线圈磁共振成像(MRI)重建的质量和效率 | T2加权脑部扫描和脂肪抑制质子密度膝关节扫描的MRI数据 | 医学影像处理 | NA | Generalized Stein's Unbiased Risk Estimate (GSURE), 深度学习重建方法 | Diffusion Probabilistic Models (DPMs), Model-Based Deep Learning (MoDL) | 多线圈k空间数据,图像 | NA |
2 | 2025-09-03 |
SMART MRS: A Simulated MEGA-PRESS ARTifacts toolbox for GABA-edited MRS
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30597
PMID:40485116
|
研究论文 | 开发了一个基于Python的工具箱SMART MRS,用于模拟GABA编辑MRS数据中的常见伪影 | 创建了首个专门模拟GABA编辑MRS伪影的Python工具箱,包含多种伪影生成功能并支持机器学习模型训练 | NA | 开发用于模拟伽玛-氨基丁酸编辑磁共振波谱数据中常见伪影的工具箱 | 磁共振波谱数据中的各类伪影 | 医学影像分析 | NA | MEGA-PRESS MRS, 深度学习 | 机器学习模型 | 磁共振波谱数据 | NA |
3 | 2025-09-03 |
MC-RED: A deep learning network for motion correction in 3D CEST imaging
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30609
PMID:40495308
|
研究论文 | 提出并验证了一种基于深度学习的运动校正方法MC-RED,用于提升3D CEST成像的图像质量 | 采用结合频率特异性信息和静态参考图像的残差编码-解码网络,生成无运动参考帧以校正运动伪影 | NA | 开发并验证深度学习运动校正方法以提升3D CEST成像质量 | 健康志愿者模拟数据和脑炎患者临床数据 | 医学影像分析 | 脑炎 | CEST成像,Lorentzian差异分析 | 残差编码-解码网络(RED) | 3D医学影像 | 健康志愿者和脑炎患者数据(具体数量未明确说明) |
4 | 2025-09-03 |
Deep learning-based automatic dose optimization for brachytherapy
2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.111988
PMID:40532513
|
研究论文 | 本研究评估了不同剂量归一化方法对基于深度学习的近距离放疗剂量预测的影响,并利用逆向优化算法提升治疗计划质量 | 首次系统比较未处理剂量与三种归一化方法在3D U-Net模型中的预测性能,并验证逆向剂量优化算法对深度学习预测结果的进一步优化效果 | 研究仅基于单一机构186例宫颈癌患者数据,未包含其他癌症类型或更大规模多中心验证 | 确定近距离放疗中深度学习剂量预测的最佳数据处理方法,并提升治疗计划质量 | 宫颈癌患者的近距离放疗剂量分布数据 | 医学影像分析 | 宫颈癌 | 剂量分布预测、逆向优化算法 | 3D U-Net | 3D剂量分布数据 | 186例宫颈癌患者数据(训练集150例,验证集18例,测试集18例) |
5 | 2025-09-03 |
Synergistic analysis based on chemometrics and deep learning: An innovative Kolmogorov-Arnold neural network (CKAN) model combined with ternary hybrid SERS substrate (Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO) for highly sensitive detection of trace quinolone antibiotics in milk
2025-Nov-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145193
PMID:40544590
|
研究论文 | 提出一种基于三元复合SERS基底和深度学习的创新方法,用于牛奶中痕量喹诺酮类抗生素的高灵敏度检测 | 结合化学计量学算法与深度学习模型(CKAN),并设计三元杂化SERS基底(Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO),实现高精度定性与定量分析 | NA | 开发高灵敏度检测牛奶中痕量喹诺酮类抗生素的方法 | 牛奶中的恩诺沙星(ENR)、依诺沙星(ENO)和诺氟沙星(NOR) | 分析化学与深度学习交叉 | NA | 表面增强拉曼光谱(SERS)、有限差分时域(FDTD)方法 | Kolmogorov-Arnold神经网络(CKAN) | 光谱数据 | NA |
6 | 2025-09-03 |
Hyperspectral-driven PSO-SVM model and optimized CNN-LSTM-Attention fusion network for qualitative and quantitative non-destructive detection of adulteration in strong-aroma Baijiu
2025-Oct-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145197
PMID:40541145
|
研究论文 | 结合高光谱成像与深度学习,开发PSO-SVM分类模型和GLSNet融合网络,用于浓香型白酒掺假的定性与定量无损检测 | 提出新型融合网络GLSNet(Ghost-LSTM-Scaled Dot-Product Attention),在定量预测中显著优于传统方法,推理效率提升3.55倍,并通过热图可视化掺假分布 | NA | 实现白酒掺假的快速准确无损检测,为质量控制和市场监管提供技术支持 | 浓香型白酒样品 | 计算机视觉 | NA | 高光谱成像 | PSO-SVM, CNN, LSTM, Attention机制, GLSNet融合网络 | 高光谱图像 | NA |
7 | 2025-09-03 |
High-Resolution Magnetic Resonance Imaging Radiomics for Identifying High-Risk Intracranial Plaques
2025-Oct, Translational stroke research
IF:3.8Q2
DOI:10.1007/s12975-025-01345-1
PMID:40108073
|
研究论文 | 基于高分辨率磁共振成像(HRMRI)的影像组学模型用于区分症状性和无症状性颅内斑块 | 结合传统影像特征与影像组学特征构建混合模型,并应用深度学习和机器学习方法提升高危斑块识别准确率 | 样本量有限(172名患者,188个斑块),模型泛化能力需进一步验证 | 识别易破裂的高危颅内斑块以预测脑血管事件 | 颅内动脉粥样硬化斑块(100个症状性,88个无症状) | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振成像(HRMRI),影像组学分析 | 随机森林、岭回归、LASSO、深度学习(DL) | 医学影像(MRI) | 172名患者,188个颅内斑块 |
8 | 2025-09-03 |
ElastoNet: Neural network-based multicomponent MR elastography wave inversion with uncertainty quantification
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103642
PMID:40482562
|
研究论文 | 提出一种基于神经网络的多成分磁共振弹性成像波反演方法ElastoNet,具备不确定性量化能力 | 首次实现独立于分辨率和振动频率的多波成分分析,并提供不确定性量化图谱 | NA | 开发通用神经网络反演方法以克服噪声和压缩波对磁共振弹性成像参数重建的影响 | 剪切波传播数据 | 医学影像分析 | NA | 磁共振弹性成像(MRE), 证据深度学习 | 神经网络 | 波图像数据 | 合成波斑块(5×5像素), 有限元模拟数据, 体模数据, 14名健康志愿者的宽频多频率腹部MRE数据 |
9 | 2025-09-03 |
Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103621
PMID:40482561
|
综述 | 本文对基于深度学习的多模态AI在医学领域的应用进行了范围综述,分析了432篇相关论文 | 系统评估多模态AI模型相比单模态模型的性能提升(AUC平均提高6.2个百分点),并识别关键技术挑战和临床实施策略 | 存在跨部门协调困难、数据异质性和数据集不完整等持续挑战 | 探讨多模态AI在医学领域的技术挑战和临床应用 | 2018-2024年间发表的432篇医学多模态AI研究论文 | 机器学习 | NA | 深度学习 | 多模态AI | 多模态医疗数据 | 432篇研究论文 |
10 | 2025-09-03 |
Automatic MRI segmentation of masticatory muscles using deep learning enables large-scale muscle parameter analysis
2025-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2025.05.008
PMID:40483235
|
研究论文 | 本研究开发了一种基于深度学习的自动MRI咀嚼肌分割方法,用于支持大规模肌肉参数分析 | 首次实现八块咀嚼肌的自动MRI分割,为个性化种植体设计提供肌肉生物力学参数 | 训练样本量有限(40例MRI扫描),需进一步验证模型泛化能力 | 通过自动分割技术提升颌骨重建手术的个性化和成功率 | 咀嚼肌(包括横截面积、向量和体积等参数) | 医学图像分析 | 颌面外科疾病 | 深度学习,MRI成像 | 深度学习模型(具体架构未明确说明) | MRI图像(T1加权) | 40例训练扫描(手动或伪标注分割)+10例测试扫描 |
11 | 2025-09-03 |
A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103665
PMID:40505210
|
研究论文 | 提出一种新颖的可解释AI框架,集成统计、可视化和基于规则的方法,用于医学图像分类 | 首次将统计特征、可视化覆盖图和基于规则的解析结合,提供局部化且可量化的模型决策解释 | NA | 提升深度学习模型在医学图像分析中的透明度和可解释性 | 医学图像数据 | 计算机视觉 | 多种疾病(COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼) | 特征选择(零基过滤与互信息选择)、决策树、RuleFit模型 | Mobilenetv2、决策树、RuleFit | 图像 | 五个医学影像数据集(具体样本数未明确说明) |
12 | 2025-09-03 |
Deep learning detection of acute and sub-acute lesion activity from single-timepoint conventional brain MRI in multiple sclerosis
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103619
PMID:40505211
|
研究论文 | 开发深度学习模型从单时间点常规脑MRI中检测多发性硬化症的急性和亚急性病变活动 | 首次提出从过去24周内单时间点常规脑MRI量化近期急性病变活动的临床相关任务,并证明2D-UNet在此任务上的优越性 | NA | 通过深度学习提高多发性硬化症急性炎症活动的检测和预后预测能力 | 多发性硬化症患者的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | 深度学习 | 2D-UNet, transformers, ensemble approaches | MRI图像 | 独立复发缓解型多发性硬化症队列 |
13 | 2025-09-03 |
TCFNet: Bidirectional face-bone transformation via a Transformer-based coarse-to-fine point movement network
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103653
PMID:40527150
|
研究论文 | 提出一种基于Transformer的从粗到细点移动网络(TCFNet),用于实现密集人脸-骨骼点云的双向精确转换 | 结合Transformer和局部信息聚合网络(LIA-Net)的两阶段框架,通过建模局部几何结构和利用专家知识的辅助损失,实现无监督的精确点云转换 | 未明确说明模型计算复杂度或实时性能,且辅助损失为可选项可能影响关键器官重建一致性 | 提升正颌外科手术规划中计算机辅助模拟的准确性和效率 | 人脸与骨骼的三维点云数据 | 计算机视觉 | NA | 深度学习点云处理 | Transformer, LIA-Net, GRU | 3D点云 | NA |
14 | 2025-09-03 |
A Performance Benchmarking Review of Transformers for Speaker-Independent Speech Emotion Recognition
2025-Oct, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725300013
PMID:40726155
|
研究论文 | 对Transformer架构在说话人无关语音情感识别任务中的性能进行全面评估与比较 | 首次对多种Transformer模型在跨数据集说话人无关SER任务上进行系统性性能基准测试 | 跨数据集测试准确率仍较低(最高58.85%),表明模型泛化能力有限 | 评估Transformer架构在说话人无关语音情感识别中的性能表现 | 语音情感识别系统 | 自然语言处理 | NA | 深度学习,Transformer架构 | Transformer | 音频信号 | 多个公开SER数据集(具体数量未明确说明) |
15 | 2025-09-03 |
Corrigendum to "Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning" [Translational Oncology 2025 Jun 26;59:102457]
2025-Oct, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102474
PMID:40818872
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
16 | 2025-09-03 |
NeXtBrain: Combining local and global feature learning for brain tumor classification
2025-Sep-15, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149762
PMID:40490088
|
研究论文 | 提出NeXtBrain混合架构,结合局部和全局特征学习以实现脑肿瘤分类的高精度与高效率 | 设计NeXt卷积块和NeXt Transformer块,协同增强特征学习,在保持高精度的同时显著降低计算成本 | NA | 提升脑肿瘤医学图像分类的准确性、泛化能力和计算效率 | 脑肿瘤医学图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN, Transformer, 混合架构 | 图像 | 两个公开基准数据集(Figshare和Kaggle) |
17 | 2025-09-03 |
Divergent radiative forcing of fine-mode aerosols across tree genera during wildfires in North America and Europe
2025-Sep-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138881
PMID:40532375
|
研究论文 | 利用深度学习模型分析北美和欧洲野火期间不同树种对细模态气溶胶光学厚度(fAOD)的贡献差异及其辐射强迫效应 | 首次结合深度学习与卫星数据量化不同树种在野火中对气溶胶辐射强迫的物种特异性贡献,揭示伪铁杉属和云杉属的显著影响 | 研究集中于北美和欧洲的23个树种属,可能未涵盖其他地区的树种或更复杂的气溶胶-气候相互作用 | 探究野火期间不同树种对细模态气溶胶排放及其辐射强迫的差异 | 北美和欧洲的139个树种(聚合为23个属)在野火事件中的气溶胶排放 | 环境科学 | NA | 卫星遥感数据检索,深度学习建模 | 深度学习模型 | 卫星遥感数据 | 2003-2023年北美和欧洲139个树种(23属)的野火气溶胶数据 |
18 | 2025-09-03 |
Implementation of convolutional neural networks for microbial colony recognition
2025-Sep-02, Microbiology spectrum
IF:3.7Q2
DOI:10.1128/spectrum.02885-24
PMID:40700097
|
研究论文 | 本研究应用卷积神经网络实现微生物菌落识别,辅助微生物学家进行临床分类 | 首次将八种CNN模型应用于微生物菌落图像分类,并证明其优异性能,且方法无需专业摄影设备 | 仅包含四种菌落类型和背景类别,样本多样性有限 | 开发基于深度学习的微生物菌落自动识别方法,减少人工分类的主观性 | 临床分离的微生物菌落图像 | 计算机视觉 | NA | 深度学习 | CNN(包括AlexNet、GoogLeNet、MobileNet、ShuffleNet等) | 图像 | 5个类别各1000张图像,总计5000张48×48像素的菌落图像 |
19 | 2025-09-03 |
A Deep-Learned Monolithic Nanoparticle Asymmetric Thermal Flow Sensor for Flow Vector Estimation
2025-Sep-02, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c07646
PMID:40790995
|
研究论文 | 开发了一种基于深度学习的单片非对称热流传感器,用于精确估计流体矢量 | 采用激光诱导选择性烧结技术一体化制造微加热器和温度传感器,结合非对称螺旋结构设计和强化学习算法,实现硬件与软件的高效协同 | NA | 解决传统流量传感器体积大、易干扰流场的问题,提升流量测量的准确性和适用性 | 流体动力学测量 | 传感器技术 | NA | 激光诱导选择性烧结,强化学习 | 强化学习 | 传感器电阻数据 | NA |
20 | 2025-09-03 |
Reducing Spectral Confusion in Microplastic Analysis: A U-Net Deep Learning Approach
2025-Sep-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00584
PMID:40827556
|
研究论文 | 提出一种基于U-Net深度学习模型的方法,用于减少拉曼光谱分析中微塑料与脂肪酸的谱混淆问题 | 首次将U-Net深度学习模型与材料化学中常用的二值化技术结合,显著提升了对聚乙烯和脂肪酸的拉曼光谱分类精度 | NA | 解决微塑料拉曼光谱分析中因结构相似性导致的误分类问题 | 聚乙烯(PE)、硬脂酸(SA)、油酸(OA)、SA与OA混合物、十二烷基硫酸钠(SDS)和聚丙烯的拉曼光谱 | 机器学习和分析化学 | NA | 拉曼光谱分析 | U-Net | 光谱数据 | NA |