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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2481 | 2025-05-24 |
Enhancing data quality in medical concept normalization through large language models
2025-May, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104812
PMID:40180205
|
research paper | 本研究评估了医学概念归一化(MCN)在不同数据质量场景下的表现,并探讨了如何利用大型语言模型(LLMs)提升数据质量以改善MCN性能 | 通过使用ChatGPT进行零样本和小样本提示的数据增强,研究了数据质量对MCN模型性能的影响,并提出了基于LLM的数据增强策略 | 数据增强技术可能引入重复数据项,特别是在数据分布的均值区域,需谨慎设计以避免这些问题 | 提升医学概念归一化(MCN)的数据质量,以改善MCN性能 | 医学概念归一化(MCN)的数据集 | 自然语言处理 | NA | ChatGPT-based zero-shot prompting, few-shot prompting | LLM | text | NA |
2482 | 2025-05-24 |
Systematic review of computational techniques, dataset utilization, and feature extraction in electrocardiographic imaging
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03264-z
PMID:39779645
|
综述 | 本文系统分析了ECG成像(ECGI)重建中的计算技术,重点关注数据集识别、问题解决和特征提取 | 揭示了传统方法与先进技术(如混合技术和深度学习)在ECGI中的应用趋势,并强调了数据利用和计算技术整合的重要性 | 仅限2010年至2023年发表的英文同行评审论文,且排除了未描述计算技术的研究 | 分析ECGI重建中的计算技术,以提升心脏诊断和治疗的精确性 | ECG成像(ECGI)相关的计算技术和数据集 | 生物医学工程 | 心血管疾病 | 边界元法、Tikhonov方法、深度学习 | NA | ECG成像数据 | 99篇论文 |
2483 | 2025-05-24 |
Evolution Trend of Brain Science Research: An Integrated Bibliometric and Mapping Approach
2025-May, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70451
PMID:40395088
|
研究论文 | 本研究采用文献计量分析和知识图谱可视化方法,绘制了全球脑科学研究的趋势、热点和合作网络 | 首次全面综述脑科学研究趋势,揭示当前研究前沿和关键方向,为研究人员和政策制定者提供战略路线图 | 中国在国际合作方面表现有限,且高影响力学者较少,存在‘数量重于质量’的挑战 | 分析全球脑科学研究的趋势、热点和合作网络 | 1990-2023年间Web of Science核心合集中的13,590篇文章 | 文献计量学 | NA | 文献计量分析、知识图谱可视化 | NA | 文献数据 | 13,590篇文章 |
2484 | 2025-05-24 |
Hybrid optimized temporal convolutional networks with long short-term memory for heart disease prediction with deep features
2025-May, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2310075
PMID:38584483
|
研究论文 | 本文提出了一种结合时间卷积网络和长短期记忆网络的混合深度学习策略,用于心脏病预测 | 使用混合优化的深度分类器(HODC)结合TCN和LSTM,并采用新提出的EFBI元优化算法进行参数优化 | 未提及具体的数据集来源和样本多样性,可能影响模型的泛化能力 | 开发一种高效的心脏病早期预测模型 | 心脏病患者 | 机器学习 | 心血管疾病 | 1DCNN, TCN, LSTM | 混合模型(TCN+LSTM) | 医疗数据 | NA |
2485 | 2025-05-24 |
ESMpHLA: Evolutionary Scale Model-Based Deep Learning Prediction of HLA Class I Binding Peptides
2025-May, HLA
IF:5.9Q1
DOI:10.1111/tan.70263
PMID:40405507
|
research paper | 本研究开发了一种基于进化尺度模型(ESM)的深度学习模型ESMpHLA,用于预测HLA I类结合肽 | 结合了并行CNN块和交叉注意力机制,构建了新型ESMpHLA模型,并在HLA I类结合肽预测中表现出色 | NA | 预测HLA I类与肽的结合亲和力,以研究免疫识别和疫苗开发 | HLA I类结合肽 | machine learning | NA | 深度学习 | CNN, 交叉注意力机制 | 肽序列数据 | 91,560个HLA-A等位基因的结合肽,56,731个HLA-B等位基因的结合肽,2,444个HLA-C等位基因的结合肽 |
2486 | 2025-05-24 |
Comparison and analysis of major research methods for non-destructive testing of wind turbine blades
2025-May-01, The Review of scientific instruments
DOI:10.1063/5.0252130
PMID:40407392
|
研究论文 | 本文通过文献计量分析对风力涡轮机叶片损伤检测方法进行分类,并比较主要的无损检测技术 | 重点讨论了多方法集成的损伤评估、在线无损检测技术的进步以及深度学习等智能算法的应用 | 未提及具体实验数据或案例研究来验证所讨论技术的实际效果 | 指导风电专业人员选择叶片健康监测技术,促进风电行业的可持续性和效率 | 风力涡轮机叶片的健康监测和损伤识别 | 可再生能源技术 | NA | 应变数据监测、振动数据监测、声学测量、超声波检测、热成像、图像识别 | 深度学习 | 应变数据、振动数据、声学数据、超声波数据、热成像数据、图像数据 | NA |
2487 | 2025-05-24 |
Pleural invasion of peripheral cT1 lung cancer by deep learning analysis of thoracoscopic images: a retrospective pilot study
2025-Apr-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-1510
PMID:40400958
|
研究论文 | 本研究开发了一种深度学习算法,通过胸腔镜图像预测外周cT1肺癌的胸膜侵犯 | 首次使用深度学习分析胸腔镜图像来预测胸膜侵犯,为术中评估提供新方法 | 样本量较小(80例患者),且为回顾性研究 | 开发预测胸膜侵犯的深度学习算法,以指导手术决策 | 外周cT1N0M0非小细胞肺癌患者 | 数字病理 | 肺癌 | 深度学习图像分析 | ResNet50 | 图像 | 80例患者(422,873张图像) |
2488 | 2025-05-24 |
Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study
2025-Apr-28, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217557
PMID:39954935
|
研究论文 | 开发并验证了一个多模态分析框架,整合CT图像和H&E染色的全切片图像(WSIs),以增强肺腺癌(LUAD)患者的风险分层和辅助化疗获益预测 | 首次整合放射组学和病理组学特征,构建了一个多模态签名,用于预测LUAD患者的预后和辅助化疗获益,其性能优于现有的深度学习方法 | 研究为回顾性设计,需要前瞻性研究进一步验证 | 提高肺腺癌患者的风险分层和辅助化疗获益预测的准确性 | 1039例可切除的肺腺癌患者(I-III期) | 数字病理 | 肺癌 | CT成像和H&E染色全切片图像分析 | 生存支持向量机(SVM) | 图像 | 1039例患者(训练数据集303例,测试数据集197例和228例,特征测试数据集311例) |
2489 | 2025-05-24 |
Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis
2025-Apr-28, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124001
PMID:40306409
|
meta-analysis | 本文通过系统回顾和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能 | 首次对深度学习模型在脑积水心室分割中的应用进行了系统评价和荟萃分析 | 纳入研究的方法学异质性可能影响结果的可比性 | 评估深度学习模型在脑积水心室分割中的性能 | 脑积水患者的心室影像数据 | digital pathology | hydrocephalus | 深度学习 | DL-based models | 医学影像数据(MRI, CT, 超声) | 24项研究中的2911名患者 |
2490 | 2025-05-24 |
Breast tumour classification in DCE-MRI via cross-attention and discriminant correlation analysis enhanced feature fusion
2025-Apr-24, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106941
PMID:40403340
|
research paper | 该研究提出了一种基于动态对比增强磁共振成像(DCE-MRI)的乳腺肿瘤分类方法,通过融合深度特征和交叉注意力编码的放射组学特征,使用判别相关分析(DCA)来提高分类准确性 | 提出了一种新颖的特征融合方法eFF-DCA,结合了深度特征和交叉注意力编码的放射组学特征,利用DCA最大化类内相关性并最小化类间冗余 | 非端到端的设计限制了多模态特征的融合 | 开发并验证一种基于DCE-MRI的乳腺肿瘤分类方法,以提高良性和恶性肿瘤的区分准确性 | 乳腺肿瘤 | digital pathology | breast cancer | DCE-MRI | eFF-DCA | image | 261名个体,包括137个良性肿瘤和163个恶性肿瘤 |
2491 | 2025-05-24 |
CPDMS: a database system for crop physiological disorder management
2025-Apr-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40402767
|
研究论文 | 开发了一个用于实时收集和分析作物生理障碍图像的系统,特别针对番茄的生理障碍 | 开发了一个可扩展且高效的实时作物图像收集系统,并利用深度学习模型进行图像分析 | 模型的平均精度(mAP)和召回率仍有提升空间 | 为精准农业提供实时数据收集和分析工具 | 番茄的生理障碍 | 数字农业 | 番茄细菌性枯萎病(BW)、番茄黄化曲叶病毒(TYLCV)、番茄斑萎病毒(TSWV)、干旱和盐胁迫 | 深度学习 | 深度学习模型 | 图像 | 58,479张图像(其中43,894张适合标注,24,000张用于模型训练,13,037张用于模型测试) |
2492 | 2025-05-24 |
Autonomous object tracking with vision based control using a 2DOF robotic arm
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97930-3
PMID:40251241
|
研究论文 | 本文设计了一种基于视觉控制的2自由度机械臂自主物体追踪系统 | 提出了一种结合深度学习物体检测框架和基于图像的视觉伺服(IBVS)的新方法,用于2自由度机械臂的追踪控制 | 仅验证了2自由度机械臂的性能,未测试更高自由度的系统 | 设计精确且响应迅速的物体追踪系统,解决传统系统复杂、刚性、需要多传感器等问题 | 2自由度机械臂 | 机器视觉 | NA | 基于图像的视觉伺服(IBVS),深度学习物体检测 | 深度学习框架 | 图像 | 使用CoppeliaSim机器人模拟器和2-DOF机械臂进行仿真和实验验证 |
2493 | 2025-05-24 |
Large language models deconstruct the clinical intuition behind diagnosing autism
2025-Apr-17, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.02.025
PMID:40147442
|
research paper | 利用深度学习解构专家临床直觉,以改进自闭症诊断标准 | 通过大型语言模型(LLMs)分析临床报告,揭示自闭症诊断中的关键因素,挑战现有诊断标准 | 研究依赖于有限的临床报告样本(>4,000份),可能无法涵盖所有自闭症病例的多样性 | 解构临床专家直觉,改进自闭症诊断标准 | 自闭症患者的临床报告 | natural language processing | autism | large language models (LLMs) | LLMs | text | >4,000份自由格式健康记录 |
2494 | 2025-05-24 |
Difficulty aware programming knowledge tracing via large language models
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96540-3
PMID:40181055
|
research paper | 该论文提出了一种基于大型语言模型的难度感知编程知识追踪方法(DPKT),用于评估编程问题的文本理解难度和知识概念难度,并动态更新学生的知识状态 | 结合注意力机制分析知识概念难度与文本理解难度的关系,并采用更新门机制和图注意力网络,显著提高了编程问题难度的评估准确性和知识状态的时空反映能力 | 未提及具体的数据集规模限制或模型在其他领域的泛化能力 | 提高编程知识追踪的准确性,促进个性化学习 | 学生在智能辅导系统中的交互数据 | natural language processing | NA | large language models, attention mechanism, graph attention network | DPKT (Difficulty aware Programming Knowledge Tracing) | text | 未提及具体样本数量 |
2495 | 2025-05-24 |
Assessing the risk of takeover catastrophe from large language models
2025-Apr, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.14353
PMID:38945529
|
research paper | 本文对大型语言模型(LLMs)进行了风险分析,特别关注其可能导致极端灾难(如接管世界并杀死所有人)的风险 | 首次针对实际AI系统(而非假设的未来系统)引发接管灾难的担忧进行分析,比较现有LLMs与理论文献中AI接管所需特性的差异 | 分析基于当前LLMs的能力,未来LLMs可能存在意外能力,专家对深度学习算法的看法存在分歧 | 评估大型语言模型引发接管灾难的风险 | 大型语言模型(如ChatGPT和GPT-4) | natural language processing | NA | NA | LLM | text | NA |
2496 | 2025-05-24 |
Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM
2025-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3494732
PMID:39514345
|
research paper | 该研究提出了一种名为增量重训练堆叠LSTM(IS-LSTM)的新型深度学习框架,用于从有限的连续血糖监测(CGM)数据中进行个性化血糖预测 | 提出增量重训练堆叠LSTM框架,能够逐步适应个体数据并采用参数迁移提高效率,解决了传统方法需要大量训练数据的问题 | 研究仅针对1型糖尿病患者,未涉及其他类型糖尿病 | 开发一种能够从有限CGM数据中进行准确血糖预测的个性化方法 | 1型糖尿病患者的血糖数据 | machine learning | 糖尿病 | 连续血糖监测(CGM) | LSTM | 时间序列数据 | 两个CGM数据集:OpenAPS和Replace-BG |
2497 | 2025-05-24 |
Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review
2025-Apr, Drug safety
IF:4.0Q1
DOI:10.1007/s40264-024-01505-6
PMID:39786481
|
综述 | 本文通过范围综述总结了利用自然语言处理(NLP)和机器学习(ML)技术从非结构化电子健康记录(EHR)数据中检测药物不良事件(ADEs)的有效性 | 综述了NLP/ML技术在药物警戒中的应用,展示了这些技术在检测未报告的不良事件和发现新的安全信号方面的潜力 | 研究中存在技术和方法学的异质性,缺乏标准化的方法和验证标准,阻碍了NLP/ML在药物警戒中的广泛应用 | 评估NLP/ML技术在药物警戒中的应用效果,以提高从非结构化EHR数据中检测ADEs的能力 | 非结构化电子健康记录(EHR)数据 | 自然语言处理 | NA | 自然语言处理(NLP)、机器学习(ML) | 基于规则的NLP、统计模型、深度学习 | 非结构化文本数据 | 七项研究符合纳入标准 |
2498 | 2025-05-24 |
Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks
2025-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3498097
PMID:40030371
|
research paper | 提出了一种基于深度学习的递归脉冲神经网络方法RSN-Count,用于家庭环境中睡眠呼吸暂停的筛查,重点在于无需精确定位事件即可可靠估计呼吸暂停低通气指数(AHI) | 利用脉冲神经网络直接计数呼吸暂停事件,减少对事件时间精确定位的依赖,提高了AHI估计的准确性 | 研究样本量较小(N = 33),可能影响结果的普遍性 | 改进家庭环境中的睡眠呼吸暂停筛查方法 | 睡眠呼吸暂停患者 | machine learning | sleep apnea | Spiking Neural Networks | RSN-Count | audio and SpO recordings | 33名患者的整夜音频和血氧记录 |
2499 | 2025-05-24 |
Brain-wide 3D neuron detection and mapping with deep learning
2025-Apr, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.2.025012
PMID:40401216
|
research paper | 该论文介绍了一种名为NeuronMapper的全脑3D神经元检测与映射方法,利用深度学习技术实现自动化且可靠的神经元检测与定位 | 提出了一种四阶段框架(预处理、分类、检测和映射),结合轻量级分类网络和基于Video Swin Transformer的分割网络,实现了百万级别小鼠全脑神经元的高精度检测与定位 | 目前仅在小鼠脑数据上验证,尚未在其他物种或更复杂脑区测试 | 开发自动化神经元检测与映射技术以理解神经回路功能 | 小鼠全脑成像数据中的神经元胞体 | digital pathology | NA | 3D成像、深度学习 | Video Swin Transformer | 3D图像 | 百万级别小鼠神经元 |
2500 | 2025-05-24 |
Reasoning-Driven Food Energy Estimation via Multimodal Large Language Models
2025-Mar-24, Nutrients
IF:4.8Q1
DOI:10.3390/nu17071128
PMID:40218886
|
research paper | 该研究探讨了利用多模态大语言模型(MLLMs)进行基于图像的食物能量估计的方法 | 提出了两种方法:微调和体积感知推理结合细粒度估计提示,以提高食物能量估计的准确性 | MLLMs在识别食物大小方面存在局限性,这是能量含量评估的关键因素 | 改进基于图像的食物能量估计方法,以支持用户友好的食物跟踪应用 | 食物图像及其能量估计 | computer vision | NA | 多模态大语言模型(MLLMs) | MLLMs | image | Nutrition5k数据集 |