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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
161 | 2025-07-14 |
Multi-scale time series prediction model based on deep learning and its application
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325474
PMID:40638666
|
研究论文 | 提出了一种基于深度学习的多尺度时间序列预测模型MSCALSTM,用于提高交通流预测的准确性和鲁棒性 | 结合了多尺度卷积神经网络(MSCNN)、多尺度卷积块注意力模块(MSCBAM)和LSTM,能够有效捕捉时间序列数据中的多尺度动态模式并自适应关注关键特征 | 未提及模型在更广泛数据集上的表现或计算效率方面的限制 | 提高时间序列预测的准确性,特别是在交通流预测领域 | 时间序列数据,特别是交通流数据 | 机器学习 | NA | 深度学习 | MSCALSTM (结合MSCNN, MSCBAM和LSTM) | 时间序列数据 | 来自加州性能测量系统(PEMS)的数据集,未提及具体样本数量 |
162 | 2025-07-14 |
Optimizing EV charging stations and power trading with deep learning and path optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325119
PMID:40644458
|
研究论文 | 本研究提出了一种结合深度学习、强化学习、路径优化和电力交易策略的综合框架,以应对电动汽车快速增长带来的电网管理挑战 | 整合了LSTM模型、DQN和Dijkstra算法,显著提升了充电需求预测准确性、充电站布局优化效果及用户出行时间效率 | 未提及具体实施地域范围及不同气候/交通条件下的适用性验证 | 优化电网对电动汽车充电需求的管理能力并提升充电基础设施布局效率 | 电动汽车充电站网络与区域电力交易系统 | 机器学习 | NA | LSTM, DQN, Dijkstra算法 | 深度学习(LSTM), 强化学习(DQN) | 时间序列数据、空间位置数据、电力交易数据 | 未明确说明具体样本量(涉及区域EV充电需求数据) |
163 | 2025-07-13 |
HyenaCircle: a HyenaDNA-based pretrained large language model for long eccDNA prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1641162
PMID:40641599
|
研究论文 | 提出了一种基于HyenaDNA预训练大语言模型的HyenaCircle,用于预测长eccDNA的形成 | 整合第三代测序数据和大语言模型,提出HyenaCircle模型用于长eccDNA预测,性能优于现有模型 | 未提及具体样本来源及多样性,可能影响模型泛化能力 | 开发深度学习模型以解决长eccDNA检测难题 | 长度在1-5kb的染色体外环状DNA(eccDNA) | 机器学习 | NA | Nanopore测序 | HyenaDNA, HyenaCircle | 基因组序列数据 | 20,000个长度匹配的阴性对照 |
164 | 2025-07-13 |
Explainable AI for time series prediction in economic mental health analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1591793
PMID:40641972
|
research paper | 提出了一种将可解释人工智能(XAI)直接集成到时间序列预测中的新框架,用于经济心理健康分析 | 结合了内在和事后可解释性技术,系统地整合了特征归因、因果推理和以人为中心的解释生成 | 现有的事后可解释性方法仅提供部分见解,限制了其在心理健康分析等敏感领域的实际应用 | 提高时间序列预测在心理健康分析中的可解释性和透明度 | 经济心理健康分析中的时间序列数据 | machine learning | mental health | Explainable Artificial Intelligence (XAI) | interpretable model architecture | time series | NA |
165 | 2025-07-13 |
Automatic dental age estimation in adolescents via oral panoramic imaging
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1618246
PMID:40642202
|
研究论文 | 本研究通过构建大规模全景牙科图像数据集,应用多种卷积神经网络(CNN)模型实现青少年牙齿年龄的自动估计 | 首次将深度学习模型应用于中国北方青少年牙齿年龄估计,相比传统Demirjian方法提高了效率和准确性 | 研究样本局限于中国北方青少年,可能不适用于其他地区或年龄段人群 | 开发自动化牙齿年龄估计方法以辅助法医牙科鉴定 | 青少年牙齿全景影像 | 数字病理 | NA | 全景牙科成像 | CNN | 图像 | 大规模全景牙科图像数据集(具体数量未说明) |
166 | 2025-07-12 |
Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1526260
PMID:40635689
|
研究论文 | 本研究通过深度学习技术构建了一个可靠的乳腺超声图像良恶性分类模型RcdNet,以提高诊断的准确性和一致性 | 提出了一种创新的深度学习模型RcdNet,结合深度可分离卷积和CBAM注意力模块,增强了识别超声图像中关键病变区域的能力 | 未来工作将集中于将RcdNet整合到实时超声诊断系统中,并探索其在多模态成像工作流程中的潜力 | 构建一个自动化的、高准确率的诊断方法,支持乳腺癌的检测和分类 | 乳腺超声图像 | 数字病理 | 乳腺癌 | 深度学习 | RcdNet(结合深度可分离卷积和CBAM注意力模块) | 图像 | NA |
167 | 2025-07-12 |
Deep learning-based feature selection for detection of autism spectrum disorder
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1594372
PMID:40636395
|
研究论文 | 本研究提出了一种结合深度学习和先进特征选择技术的新方法,用于自闭症谱系障碍(ASD)的检测 | 采用混合模型(SSDAE和MLP)结合优化的Hiking Optimization Algorithm(HOA)进行特征选择,显著提高了ASD检测的准确性 | 研究样本量可能有限,且仅使用了ABIDE I数据集,可能影响模型的泛化能力 | 开发一种更准确且临床适用的ASD检测模型 | 自闭症谱系障碍(ASD)患者 | 机器学习 | 自闭症谱系障碍 | rs-fMRI | SSDAE, MLP | 神经影像数据 | ABIDE I数据集 |
168 | 2025-07-12 |
Fourier convolutional decoder: reconstructing solar flare images via deep learning
2025, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11283-6
PMID:40636402
|
研究论文 | 本文提出了一种名为傅里叶卷积解码器(FCD)的深度学习模型,用于从观测数据中重建太阳耀斑图像 | 开发了一种自定义的过完备自编码器FCD,能够在模拟数据上训练并生成接近真实地面的输出,显著提高了图像重建的速度和准确性 | 在实验性STIX观测数据上的性能相比模拟数据有所下降 | 解决天文学中图像重建过程的复杂性和高计算资源消耗问题 | 太阳耀斑图像 | 计算机视觉 | NA | 深度学习 | 自编码器(FCD) | 图像 | 模拟和观测数据集,具体数量未提及 |
169 | 2025-07-12 |
Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1609765
PMID:40642204
|
research paper | 提出一个结合视觉和声学传感器数据的通用框架,用于增强复杂、高度动态的水下环境中的定位和地图构建,特别关注鱼类养殖 | 结合基于深度学习的单目深度预测和经典FFT方法的稀疏深度先验,实现仅从视觉数据进行网箱内深度预测和UUV的网相对位姿估计 | NA | 增强无人水下航行器(UUV)在复杂水下环境中的定位和地图构建能力 | 无人水下航行器(UUV)和鱼类养殖网箱 | computer vision | NA | 深度学习、Fast Fourier Transform (FFT) | NA | 视觉和声学传感器数据 | 工业规模鱼类养殖场收集的数据集 |
170 | 2025-07-11 |
Advancing bioinformatics with large language models: components, applications and perspectives
2025-Jan-31, ArXiv
PMID:38259343
|
综述 | 本文全面概述了大型语言模型(LLMs)在生物信息学中的关键组成部分、应用及未来展望 | 探讨了LLMs在解决生物信息学问题上的潜力,超越了其在人类语言建模方面的熟练度 | 未提及具体的技术限制或数据局限性 | 推动生物信息学领域的发展,探索LLMs在多组学及药物发现等领域的应用 | 大型语言模型(LLMs)及其在生物信息学中的应用 | 生物信息学 | NA | 自监督学习、半监督学习 | transformer模型 | 多组学数据(基因组学、转录组学、蛋白质组学等) | NA |
171 | 2025-07-11 |
CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf069
PMID:40552981
|
研究论文 | 介绍了一个名为CellBinDB的大规模多模态标注数据集,用于细胞分割,并评估了通用模型的性能 | 提出了一个包含多种染色方式和组织类型的大规模数据集,并评估了多种细胞分割技术的性能 | 数据集虽然多样,但可能仍无法涵盖所有可能的细胞形态和成像条件 | 促进通用细胞分割模型的发展,提高细胞分割技术的泛化能力 | 人类和小鼠的正常及病变组织中的细胞和细胞核 | 数字病理学 | 多种疾病(未具体说明) | 多种染色技术(如DAPI、ssDNA、H&E、多重免疫荧光染色) | 多种深度学习模型(未具体说明) | 图像 | 超过1000张标注图像,涵盖30多种正常和病变组织类型 |
172 | 2025-07-11 |
Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then?
2025, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 本文综述了蛋白质结合位点预测领域的挑战与最新进展,重点介绍了分子动力学模拟、机器学习和深度学习技术的整合应用 | 整合分子动力学模拟、机器学习和深度学习技术,以捕捉蛋白质-配体相互作用的动态和复杂性 | 未提及具体的技术实施细节或算法的局限性 | 提高蛋白质结合位点预测的准确性和可靠性,以促进药物发现 | 蛋白质结合位点及其与配体的相互作用 | 机器学习 | NA | 分子动力学模拟、机器学习、深度学习 | NA | 结构信息、生化测定数据 | NA |
173 | 2025-07-11 |
Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
PMID:39605948
|
研究论文 | 提出一种弱监督的深度学习方法,用于从医学图像中预测统计形状模型(SSM) | 通过点云监督减少对强监督的依赖,无需传统SSM构建流程,以数据驱动方式学习形状对应关系 | 虽然准确性接近全监督方法,但弱监督方式可能在某些情况下影响模型性能 | 解决传统统计形状建模流程中的繁琐步骤和偏差问题 | 未分割的医学图像和对应的解剖形状 | 数字病理 | NA | 深度学习 | BVIB-DeepSSM | 医学图像 | NA |
174 | 2025-07-11 |
SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3518774
PMID:40030754
|
研究论文 | 提出了一种改进的静态-动态协同教学框架SDCoT++,用于解决3D物体检测中的类别增量学习问题 | 提出静态-动态双教师模型架构,通过静态教师保留旧知识、动态教师传递新知识,并采用伪标签生成和概率校准机制解决类别共现问题 | 未明确说明方法在极端类别不平衡场景下的表现 | 解决3D物体检测中的灾难性遗忘问题,实现高效的类别增量学习 | 3D物体检测模型 | 计算机视觉 | NA | 增量学习、伪标签生成 | VoteNet, 3DETR, CAGroup3D | 3D点云数据 | 在室内外基准数据集上进行广泛实验 |
175 | 2025-07-11 |
Vibration-based gearbox fault diagnosis using a multi-scale convolutional neural network with depth-wise feature concatenation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324905
PMID:40623058
|
研究论文 | 提出了一种基于振动信号的齿轮箱故障诊断新方法,使用多尺度卷积神经网络与深度特征拼接的MixNet模型 | 结合多尺度卷积层与深度特征拼接技术,从振动信号的频谱图中提取区分性特征,提高了诊断准确性和鲁棒性 | NA | 提高工业环境中齿轮箱故障诊断的准确性和效率 | 齿轮箱的振动信号 | 机器学习 | NA | 短时傅里叶变换(STFT) | CNN | 振动信号 | 齿轮箱故障诊断数据集 |
176 | 2025-07-11 |
Plant attribute extraction: An enhancing three-stage deep learning model for relational triple extraction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327186
PMID:40627606
|
研究论文 | 本文提出了一种增强的三阶段深度学习模型Bwdgv,用于从文本中提取植物属性的关系三元组 | 采用改进的三阶段方法优化实体和关系的联合抽取,包括调整BERT的词嵌入层和优化关系预测,相比现有PRGC模型F1值提升1.4% | 基于标记的方法可能存在错误放大和参数更新不稳定的问题 | 从非结构化文本中自动提取植物属性信息以构建知识图谱 | 植物及其属性(生长环境、生长周期、生态分布等) | 自然语言处理 | NA | BERT词嵌入调整、多级信息融合 | Bwdgv(三阶段深度学习模型) | 文本 | NA |
177 | 2025-07-11 |
Deep learning-based risk stratification of ductal carcinoma in situ using mammography and abbreviated breast magnetic resonance imaging
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1587882
PMID:40630196
|
研究论文 | 本研究利用深度学习和自然语言处理技术,开发了基于乳腺X线摄影和简化乳腺磁共振成像的导管原位癌风险分层模型 | 首次开发了针对纯导管原位癌和伴有浸润性导管癌的导管原位癌的两种预测模型,并验证了简化MRI协议与完整诊断协议具有相似的诊断准确性 | 研究为回顾性分析,样本量相对有限(纯导管原位癌173例,伴有浸润性导管癌210例) | 开发导管原位癌的风险分层工具以优化治疗方案 | 导管原位癌患者 | 数字病理学 | 乳腺癌 | 深度学习和自然语言处理 | 深度学习模型 | 医学影像(乳腺X线摄影和MRI)及病理特征 | 纯导管原位癌173例,伴有浸润性导管癌210例 |
178 | 2025-07-11 |
Combining radiomics and deep learning to predict liver metastasis of gastric cancer on CT image
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1613972
PMID:40630210
|
研究论文 | 本研究结合放射组学和深度学习技术,利用CT图像预测胃癌肝转移的发生 | 首次将经典放射组学特征与深度学习特征结合,构建预测模型,并评估其在区分同步与异时性胃癌肝转移中的表现 | 研究为回顾性设计,样本量虽大但可能受限于单一中心数据 | 探索基于CT的深度学习放射组学特征在预测胃癌肝转移中的潜力 | 1001例经病理确诊的胃癌患者(非转移组689例,肝转移组312例) | 数字病理 | 胃癌 | CT成像 | 深度学习融合模型 | 医学影像 | 1001例患者(训练集与测试集未明确划分数量) |
179 | 2025-07-11 |
Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.14121
PMID:40630785
|
研究论文 | 利用国际心肺移植协会(ISHLT)注册数据开发深度学习模型预测肺移植后1年生存率 | 使用SHapley Additive exPlanations值评估预移植因素的重要性,并开发了仅使用前10个最具影响力因素的简化模型,性能与原始模型相同 | 外部验证数据集与ISHLT数据集在组成上存在显著差异 | 优化肺移植候选者选择,提高资源利用效率和患者预后 | 肺移植受者 | 机器学习 | 肺病 | 深度学习 | Gradient Boosting Machine (GBM), Multilayer Perceptron | 临床数据 | 29,364名患者(来自ISHLT注册数据) |
180 | 2025-07-11 |
Artificial intelligence in atrial fibrillation: emerging applications, research directions and ethical considerations
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1596574
PMID:40630898
|
综述 | 本文探讨了人工智能(AI)在心房颤动(AF)中的新兴应用、研究方向及伦理考量 | AI在AF的早期检测、风险分层和个性化治疗中的应用,尤其是通过机器学习和深度学习技术 | 算法透明度、偏见、数据整合和监管障碍 | 探索AI在AF管理中的潜在应用及其对临床实践的影响 | 心房颤动(AF)患者 | 机器学习 | 心血管疾病 | 机器学习(ML)、深度学习(DL) | NA | 心电图(ECG)、可穿戴设备数据、临床数据、影像数据、基因组数据 | NA |