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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2461 | 2025-05-24 |
Evaluating the generalizability of video-based assessment of intraoperative surgical skill in capsulorhexis
2025-May-22, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03406-0
PMID:40405033
|
research paper | 评估基于视频的囊膜切开术中手术技能评估模型的泛化能力 | 首次评估了深度学习模型在囊膜切开术视频技能评估中的泛化能力,并比较了无监督域适应和半监督域适应方法的效果 | 模型性能虽有提升,但仍未达到数据集内部性能水平 | 评估手术技能视频评估模型的跨数据集泛化能力 | 囊膜切开术手术视频 | computer vision | 眼科疾病 | 深度学习 | CNN-LSTM, Transformer | 视频 | 两个数据集(D99和公开的Cataract-101) |
2462 | 2025-05-24 |
Leveraging deep learning-based kernel conversion for more precise airway quantification on CT
2025-May-22, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11696-w
PMID:40405045
|
研究论文 | 评估不同CT重建核及核转换对全自动气道定量CT测量变异性的影响 | 利用深度学习进行核转换以减少气道定量CT测量的变异性 | 对于非肺专用核和亚段气道的效果有限 | 评估和减少气道定量CT测量的变异性 | 气道定量CT测量 | 数字病理 | 肺病 | CT扫描 | 深度学习 | 图像 | 96名患者 |
2463 | 2025-05-24 |
Medication versus globus pallidus internus deep brain stimulation in Parkinson's disease with deep learning video analysis of finger tapping
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02098-5
PMID:40394036
|
研究论文 | 本研究通过深度学习视频分析手指敲击任务,比较了药物与GPi深部脑刺激(DBS)在帕金森病(PD)患者中对运动症状改善的差异 | 首次使用深度学习模型从2D手部运动重建3D网格,提取21个运动参数来量化手部运动迟缓,并比较GPi DBS与药物的效果差异 | 样本量相对较小(87名患者),且为观察性研究,无法确定因果关系 | 评估GPi DBS对帕金森病患者运动症状(特别是运动迟缓)的改善效果,并与药物治疗进行比较 | 帕金森病患者的手指敲击运动 | 数字病理学 | 帕金森病 | 深度学习视频分析 | 深度学习模型(未指定具体类型) | 视频 | 87名患者的556个视频 |
2464 | 2025-05-24 |
A dynamic attention mechanism for road extraction from high-resolution remote sensing imagery using feature fusion
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02267-6
PMID:40394108
|
研究论文 | 提出了一种名为RISENet的新型深度学习模型,用于从高分辨率遥感图像中提取道路信息 | 引入了双分支融合编码器、多层动态空间通道融合注意力机制(MCSA)和混合特征扩张感知解码器,有效解决了道路提取中的遮挡和相似性问题 | 未提及模型在极端天气或低光照条件下的表现 | 提高从遥感图像中提取道路信息的准确性和完整性 | 高分辨率遥感图像中的道路 | 计算机视觉 | NA | 深度学习 | RISENet(包含双分支融合编码器、MCSA和扩张感知解码器) | 图像 | 三个不同的道路分割基准数据集 |
2465 | 2025-05-24 |
Corrigendum to "Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy" [Academic Radiology 32 (2025) 12-23]
2025-May-21, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.010
PMID:40404505
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
2466 | 2025-05-24 |
Heuristic optimization in classification atoms in molecules using GCN via uniform simulated annealing
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00340-8
PMID:40394056
|
research paper | 该论文提出了一种结合均匀模拟退火的元启发式算法,用于优化图卷积网络(GCN)中的权重,以提高分类问题的准确性 | 提出了一种结合均匀模拟退火的混合优化方法,用于GCN的权重优化,相比现有方法在平衡和不平衡数据集上均表现出更好的性能 | 训练过程复杂且耗时,且仅在QM7数据集上进行了测试 | 优化图卷积网络的权重以提高分类问题的准确性 | 图卷积网络(GCN)及其在分类问题中的应用 | machine learning | NA | 模拟退火算法 | GCN | graph data | QM7数据集(分为平衡和不平衡两部分) |
2467 | 2025-05-24 |
Real-time driver drowsiness detection using transformer architectures: a novel deep learning approach
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02111-x
PMID:40394076
|
研究论文 | 本文提出了一种基于深度学习的新型实时驾驶员疲劳检测框架,利用先进的Transformer架构和迁移学习模型实现高精度和可靠性 | 整合了Class Activation Mapping (CAM)增强模型可解释性,使系统能够聚焦关键眼部区域并提高决策透明度 | NA | 开发一种实时、可靠且高效的驾驶员疲劳检测系统以提高道路安全 | 驾驶员眼部状态(睁眼/闭眼) | 计算机视觉 | NA | Haar Cascade分类器、图像归一化、数据增强 | Vision Transformer (ViT)、Swin Transformer、VGG19、DenseNet169、ResNet50V2、InceptionResNetV2、InceptionV3、MobileNet | 图像 | MRL Eye Dataset、NTHU-DDD和CEW数据集 |
2468 | 2025-05-24 |
Deep learning-based interpretable prediction of recurrence of diffuse large B-cell lymphoma
2025-May-20, BJC reports
DOI:10.1038/s44276-025-00147-0
PMID:40394100
|
research paper | 该研究开发了一种基于深度学习的可解释性预测模型,用于预测弥漫性大B细胞淋巴瘤(DLBCL)的复发 | 利用基于注意力的分类方法突出显示图像中对模型分类高度相关的区域,并通过形态学特征分析增强模型的可解释性 | 模型的可解释性虽然有所提升,但仍需进一步验证其生物学意义和临床适用性 | 预测DLBCL患者的复发情况,以提供替代治疗方案 | 弥漫性大B细胞淋巴瘤(DLBCL)患者 | digital pathology | lymphoma | deep learning, attention-based classification, morphological feature analysis | CNN | histological images | 公开可用的队列数据(具体样本数量未提及) |
2469 | 2025-05-24 |
An explainable AI-driven deep neural network for accurate breast cancer detection from histopathological and ultrasound images
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97718-5
PMID:40394112
|
research paper | 本文提出了一种基于可解释AI的深度神经网络模型DNBCD,用于从组织病理学和超声图像中准确检测乳腺癌 | 结合Densenet121和定制CNN层,采用Grad-CAM提供预测的可视化解释,提高了模型的准确性和可解释性 | 模型在BUSI数据集上的准确率略低于B-400x数据集,可能存在对不同类型图像的泛化能力差异 | 开发一个高准确性和可解释性的自动化乳腺癌检测系统 | 乳腺癌的组织病理学和超声图像 | digital pathology | breast cancer | deep learning, transfer learning | CNN, Densenet121 | image | B-400x数据集1820张图像,BUSI数据集1578张图像 |
2470 | 2025-05-24 |
Harnessing feature pruning with optimal deep learning based DDoS cyberattack detection on IoT environment
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02152-2
PMID:40394115
|
研究论文 | 本文提出了一种基于特征剪枝和最优深度学习的DDoS攻击检测技术,用于物联网环境中的网络安全 | 结合改进的鹈鹕优化算法(IPOA)进行特征剪枝,并利用稀疏去噪自编码器(SDAE)模型进行DDoS攻击检测,同时采用鱼类迁移优化器(FMO)技术进行参数调优 | 实验仅在BoT-IoT数据集上进行,未涉及其他数据集或实际环境验证 | 提高物联网环境中DDoS攻击的检测效率和准确性 | 物联网设备中的DDoS攻击 | 机器学习 | NA | 改进的鹈鹕优化算法(IPOA)、稀疏去噪自编码器(SDAE)、鱼类迁移优化器(FMO) | SDAE | 网络流量数据 | BoT-IoT数据集 |
2471 | 2025-05-24 |
Enhancing enterprise knowledge retrieval via cross-domain deep recommendation: a sparse data approach
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01999-9
PMID:40394166
|
research paper | 本文提出了一种跨领域深度推荐模型CDR-VAE,用于解决企业知识检索中的数据稀疏和跨领域知识转移效率低的问题 | 结合混合自动编码器和领域对齐技术,开发了CDR-VAE模型,有效解决了数据稀疏和跨领域知识转移的挑战 | 未提及具体的数据稀疏程度对模型性能的影响,以及模型在其他类型数据集上的泛化能力 | 提升企业知识检索效率,特别是在数据稀疏和跨领域知识转移的场景下 | 企业数据集和Movies&Books基准数据集 | machine learning | NA | hybrid autoencoder, domain alignment | CDR-VAE | enterprise knowledge data, benchmark dataset | 未明确提及具体样本数量,但使用了企业数据集和Movies&Books基准数据集 |
2472 | 2025-05-24 |
Automated cell structure extraction for 3D electron microscopy by deep learning
2025-May-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01763-z
PMID:40394179
|
研究论文 | 本研究探讨了基于深度学习的生物图像自动分割方法,以实现细胞和细胞器3D结构的精确重建 | 采用U-Net和SAM模型结合3D watershed算法,实现了细胞结构的全自动分割和3D模型构建 | 需要进一步探索其他深度学习技术和图像处理方法的组合以提高分割精度 | 开发生物图像自动分割方法以重建细胞3D结构 | 原始单细胞红藻Cyanidioschyzon merolae的细胞图像 | 数字病理学 | NA | 聚焦离子束扫描电子显微镜(FIB-SEM) | U-Net, SAM | 图像 | 包含大量细胞的大规模显微镜图像 |
2473 | 2025-05-24 |
The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis
2025-05-19, Developmental cell
IF:10.7Q1
DOI:10.1016/j.devcel.2024.12.038
PMID:39818206
|
research paper | 该研究通过大规模并行报告分析和多聚体分析,揭示了斑马鱼早期胚胎发育过程中5' UTR在翻译调控中的调控景观 | 首次在发育过程中建立了基于5' UTR的翻译调控定量模型,并开发了深度学习模型DaniO5P来预测5' UTR异构体的活性 | 研究仅针对斑马鱼胚胎发育早期阶段,未涵盖其他发育阶段或物种 | 探究5' UTR在翻译调控中的作用及其在斑马鱼胚胎发育中的动态变化 | 斑马鱼早期胚胎发育过程中的5' UTR序列 | 计算生物学 | NA | 大规模并行报告分析、多聚体分析 | 深度学习模型DaniO5P | 序列数据 | 18,154个5' UTR序列 |
2474 | 2025-05-24 |
Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge
2025-May-19, Chemical research in toxicology
IF:3.7Q2
DOI:10.1021/acs.chemrestox.4c00560
PMID:40285676
|
research paper | 该研究通过整合多种深度学习模型,开发了一个共识模型来预测甲状腺素转运蛋白(TTR)的结合亲和力,并在Tox24挑战赛中取得了良好表现 | 整合了sPhysNet、KANO和GGAP-CPI三种模型,利用不同层次的分子信息(2D拓扑、3D几何和蛋白质-配体相互作用)提升预测准确性,并引入不确定性估计作为预测置信度的衡量标准 | 模型性能仍有提升空间,RMSE虽有所降低但仍存在一定误差 | 提高TTR结合亲和力的预测准确性,以识别潜在的TTR结合物并预测其结合亲和力 | 甲状腺素转运蛋白(TTR)及其与外来化合物的相互作用 | machine learning | NA | 深度学习 | 共识模型(整合sPhysNet、KANO和GGAP-CPI) | 分子信息(2D拓扑、3D几何和蛋白质-配体相互作用) | Tox24挑战赛提供的数据集,具体样本数量未明确说明 |
2475 | 2025-05-24 |
Dissecting the genetic complexity of myalgic encephalomyelitis/chronic fatigue syndrome via deep learning-powered genome analysis
2025-May-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.15.25325899
PMID:40321247
|
研究论文 | 本研究利用深度学习框架HEAL2对肌痛性脑脊髓炎/慢性疲劳综合征(ME/CFS)进行全基因组分析,揭示了其遗传复杂性及相关症状的遗传风险 | 开发了新型深度学习框架HEAL2,用于ME/CFS的遗传预测和风险基因识别,并揭示了这些基因在多种组织和细胞类型中的功能重要性 | 研究未提及样本量大小,可能影响结果的普适性 | 探索ME/CFS的遗传、分子和细胞基础,寻找潜在的治疗靶点 | 肌痛性脑脊髓炎/慢性疲劳综合征(ME/CFS)患者及其基因组数据 | 机器学习 | 肌痛性脑脊髓炎/慢性疲劳综合征 | 全基因组分析、转录组分析、网络分析 | 深度学习框架HEAL2 | 基因组数据、转录组数据、蛋白质组数据 | NA |
2476 | 2025-05-24 |
Hierarchical diagnosis of breast phyllodes tumors enabled by deep learning of ultrasound images: a retrospective multi-center study
2025-May-08, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00879-9
PMID:40340752
|
research paper | 本研究提出了一种基于深度学习的乳腺叶状肿瘤分层诊断模型(PTs-HDM),用于术前识别和分级 | 开发了PTs-HDM模型,首次实现了乳腺叶状肿瘤的术前自动分层诊断,并通过热激活映射指导提高了放射科医生的诊断一致性 | 研究为回顾性设计,样本量相对有限(712例患者) | 开发一种术前诊断乳腺叶状肿瘤的深度学习方法 | 乳腺叶状肿瘤(PTs)和纤维腺瘤(FAs)患者 | digital pathology | breast cancer | deep learning | CNN | ultrasound images | 712 patients from five hospitals |
2477 | 2025-05-24 |
What insights can spatiotemporal esophageal atlases and deep learning bring to engineering the esophageal mucosa?
2025-05-05, Developmental cell
IF:10.7Q1
DOI:10.1016/j.devcel.2025.04.009
PMID:40328228
|
research paper | 本文介绍了一个结合实验和计算的平台,用于绘制人类食道的时空发育图谱并预测调控上皮分化的关键信号通路 | 结合空间发育数据和深度学习,提出了一种无外源、可扩展的策略,用于从人类多能干细胞生成食道黏膜 | NA | 研究人类食道的时空发育及其调控机制,以工程化食道黏膜 | 人类食道的发育和人类多能干细胞(hPSCs) | digital pathology | NA | 深度学习 | NA | 空间发育数据 | NA |
2478 | 2025-05-24 |
Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review
2025-May-05, Advances in nutrition (Bethesda, Md.)
DOI:10.1016/j.advnut.2025.100438
PMID:40334987
|
系统综述 | 本文系统评估了人工智能在癌症患者营养不良管理中的作用,重点关注其在营养状况评估、预测、临床结果和身体成分监测方面的有效性 | 人工智能模型在营养不良检测中表现出高预测准确性(AUC>0.80),机器学习算法优于传统筛查工具,深度学习模型在医学影像中实现了高分割精度(Dice相似系数:0.92-0.94) | 需要进一步研究以标准化AI模型并确保临床适用性 | 评估人工智能在癌症患者营养不良管理中的作用 | 癌症患者 | 医疗人工智能 | 癌症 | 机器学习算法(决策树、随机森林、支持向量机)、深度学习模型 | 决策树、随机森林、支持向量机、深度学习模型 | 医学影像、临床数据 | 11项研究(n = 52,228名患者) |
2479 | 2025-05-24 |
Large language models as an academic resource for radiologists stepping into artificial intelligence research
2025 May-Jun, Current problems in diagnostic radiology
IF:1.5Q3
DOI:10.1067/j.cpradiol.2024.12.004
PMID:39672727
|
研究论文 | 评估GPT-4o作为推荐系统在帮助放射科医生理解和实施AI研究中的有效性 | 使用大型语言模型(如GPT-4o)作为虚拟顾问,为放射科研究人员提供定制的机器学习和深度学习算法推荐 | 需要进一步研究将大型语言模型整合到常规工作流程中及其在持续专业发展中的作用 | 增强放射科医生对AI在研究中应用的理解和实施 | 放射科医生和早期职业研究人员 | 自然语言处理 | NA | 大型语言模型(LLMs) | GPT-4o, U-Net, Random Forest, Attention U-Net, EfficientNet | 医学影像数据 | NA |
2480 | 2025-05-24 |
A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R
2025 May-Jun, Multivariate behavioral research
IF:5.3Q1
DOI:10.1080/00273171.2025.2455497
PMID:39949325
|
教程 | 本文回顾了三种基于人工智能的面部情绪识别工具,并提供了R语言中的示例代码 | 介绍了三种流行的人工智能情绪检测程序,并提供了R语言的实现代码 | 仅介绍了三种工具,未涉及其他可能的技术或工具 | 提高社交和行为科学研究中可解释人工智能的素养 | 面部情绪识别工具 | 计算机视觉 | NA | 机器学习、深度学习、计算机视觉 | NA | 图像 | NA |