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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2501 | 2025-05-24 |
Deep learning-based normative database of anterior chamber dimensions for angle closure assessment: the Singapore Chinese Eye Study
2025-Mar-20, The British journal of ophthalmology
DOI:10.1136/bjo-2024-325602
PMID:39486884
|
研究论文 | 本研究通过深度学习算法建立了新加坡华人眼研究中的前房尺寸标准数据库,用于评估闭角型青光眼 | 首次使用深度学习算法建立前房尺寸的标准分布,并应用百分位数截断值检测原发性闭角型青光眼 | 研究仅基于新加坡华人群体,可能不适用于其他种族或地区的人群 | 建立前房尺寸的标准数据库并评估其在闭角型青光眼检测中的应用 | 新加坡华人眼研究中的2157只眼睛(1853只开角眼,304只闭角眼) | 数字病理学 | 青光眼 | 前段光学相干断层扫描(ASOCT) | 深度学习算法 | 图像 | 2157只眼睛 |
2502 | 2025-05-24 |
Leveraging large language models for knowledge-free weak supervision in clinical natural language processing
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68168-2
PMID:40064991
|
研究论文 | 本文提出了一种利用大型语言模型(LLMs)进行知识无关的弱监督方法,用于临床自然语言处理任务 | 提出了一种结合微调LLMs和弱监督的方法,无需领域知识即可生成弱标记数据,并在少量黄金标准数据上进一步微调,显著提升了性能 | LLMs的推理计算量较大 | 解决临床自然语言处理任务中标记数据不足的问题 | 临床命名实体识别 | 自然语言处理 | NA | 弱监督学习、上下文学习 | LLM(Llama2-13B)、BERT | 文本 | 不超过10份黄金标准笔记(少量数据) |
2503 | 2025-05-24 |
Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study
2025-Mar-02, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01355-y
PMID:40025592
|
research paper | 开发并验证一个结合临床数据、深度学习放射组学和放射组学特征的模型,用于预测腰椎融合术后高风险患者发生笼子下沉的情况 | 结合了临床数据、深度学习放射组学和传统放射组学特征,开发了一个预测模型,其性能优于经验丰富的外科医生的预测 | 回顾性研究设计可能限制了结果的普适性,样本量相对较小 | 预测腰椎融合术后高风险患者发生笼子下沉的情况 | 305名接受腰椎融合手术的患者 | digital pathology | geriatric disease | 3D vision transformations, LASSO regression, logistic regression | deep learning model | CT, MRI, clinical data | 305名患者(训练组214名,验证组61名,测试组30名) |
2504 | 2025-05-24 |
KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate From a Smartwatch
2025-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3477275
PMID:39383068
|
研究论文 | 本文提出了一种结合专家知识的深度学习模型KID-PPG,用于从智能手表的PPG信号中准确提取心率 | 通过自适应线性滤波、深度概率推断和数据增强整合医学和信号处理领域的专家知识,解决了深度学习模型在运动伪影去除、信号退化评估和生理合理性分析方面的不足 | 仅在PPGDalia数据集上进行了评估,未在其他数据集上验证模型的泛化能力 | 提高从PPG信号中提取心率的准确性 | 智能手表采集的PPG信号 | 生物医学信号处理 | NA | 深度学习、自适应线性滤波、深度概率推断、数据增强 | KID-PPG | PPG信号 | PPGDalia数据集 |
2505 | 2025-05-24 |
Brain tumour histopathology through the lens of deep learning: A systematic review
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109642
PMID:39787663
|
系统综述 | 本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用,特别是在胶质母细胞瘤(GBM)中的影响 | 揭示了ML/DL技术在GBM组织病理学研究中的新兴趋势,并强调了结合组织学与组学数据的新方法 | 许多研究未能清晰报告ML/DL的训练和评估方法,影响了模型的稳健性和可重复性 | 调查ML/DL技术如何推动脑肿瘤组织病理学研究的进展,特别是在GBM领域 | 胶质母细胞瘤(GBM)及其组织病理学和组学数据 | 数字病理学 | 胶质母细胞瘤 | 机器学习(ML)/深度学习(DL) | SVM分类器和基于ResNet的CNN架构 | 组织病理学和组学数据 | 54项符合条件的研究,其中8项专注于GBM |
2506 | 2025-05-24 |
Artificial Intelligence-Guided Lung Ultrasound by Nonexperts
2025-Mar-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.4991
PMID:39813064
|
研究论文 | 评估AI在指导训练有素的医疗专业人员获取诊断质量肺部超声图像方面的能力 | 利用AI指导非专家获取高质量的肺部超声图像,扩展了肺部超声在缺乏专家地区的使用 | 研究样本量相对较小(176名参与者),且仅在特定临床环境下进行 | 评估AI在肺部超声图像获取中的指导作用 | 训练有素的医疗专业人员(包括医疗助理、呼吸治疗师和护士)和呼吸困难患者 | 数字病理 | 心血管疾病 | 深度学习算法 | 深度学习 | 图像 | 176名参与者(81名女性,平均年龄63岁) |
2507 | 2025-05-24 |
Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning
2025-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3490187
PMID:39485690
|
research paper | 该研究提出了一种使用相似性图和分层多流深度学习的心室心律失常分类方法 | 开发了相似性图这一新特征集,用于捕捉心电图轨迹中的规律性,并结合可学习的Parzen带通滤波器和导数特征,提出了一种分层多流ResNet34架构 | NA | 解决心室心动过速(VT)、心室颤动(VF)和非心室节律(NVR)之间的分类问题 | 心电图(ECG)数据 | machine learning | cardiovascular disease | 深度学习 | ResNet34 | ECG trace | NA |
2508 | 2025-05-24 |
Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy
2025-Mar, BioTechniques
IF:2.2Q4
DOI:10.1080/07366205.2025.2493489
PMID:40264428
|
research paper | 本研究开发了一种使用ChatGPT数据分析师进行深度学习的方法,用于自动测量球体大小以评估球体质量 | 利用ChatGPT数据分析师进行图像识别和处理,提供了一种可靠且高效的球体质量评估替代方法 | 未提及具体样本量的限制或潜在的偏差来源 | 开发一种自动测量球体大小的方法,以改善球体质量评估 | 由脂肪来源干细胞(ADSCs)生成的球体 | digital pathology | osteoarthritis | deep learning, image recognition | ChatGPT Data Analyst | image | NA |
2509 | 2025-05-24 |
Multiple model visual feature embedding and selection method for an efficient oncular disease classification
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84922-y
PMID:39934192
|
research paper | 该研究提出了一种基于深度学习的自动化眼部疾病分类系统,旨在提高诊断精度并支持临床工作流程 | 引入了一种新颖的两级特征选择框架,结合了LDA和先进的神经网络分类器(DNN、LSTM和BiLSTM),显著降低了计算复杂度并提高了分类准确性 | 研究仅使用了ODIR数据集,可能无法涵盖所有类型的眼部疾病,且未提及在外部验证集上的表现 | 开发一个高效、可扩展的自动化眼部疾病检测系统,以支持临床决策 | 眼部疾病患者 | computer vision | ocular disease | deep learning | DenseNet201, EfficientNetB3, InceptionResNetV2, DNN, LSTM, BiLSTM | image | 5,000 patient fundus images |
2510 | 2025-05-24 |
Computational Methods for Predicting Chemical Reactivity of Covalent Compounds
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01591
PMID:39823568
|
研究论文 | 本文通过机器学习和量子力学计算,预测共价化合物的化学反应性,为共价药物的发现和开发提供计算工具 | 结合机器学习、深度学习和量子力学计算,开发了FP-Stack模型,显著提高了共价化合物反应性的预测准确性和计算效率 | 研究仅针对半胱氨酸靶向的共价化合物,可能不适用于其他类型的共价化合物 | 预测和调节共价化合物的化学反应性,以支持共价药物的发现和开发 | 419种半胱氨酸靶向的共价化合物 | 机器学习 | NA | 机器学习、深度学习、量子力学计算 | FP-Stack | 化学数据 | 419种半胱氨酸靶向的共价化合物 |
2511 | 2025-05-24 |
Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3463481
PMID:39292577
|
research paper | 该研究开发了一种基于深度卷积神经网络(DCNN)的束分类方法,用于预测耐药性癫痫儿童术后短期语言能力的改善 | 扩展了先前基于DCNN的束分类方法,利用高质量的全脑扩散加权成像连接组(wDWIC)数据库,提高了术前语言模块网络(LMNs)内连接标记的预测准确性 | 研究样本可能有限,且仅关注短期术后语言改善,未涉及长期效果 | 提高耐药性癫痫儿童术后语言能力改善的预测准确性 | 耐药性癫痫儿童 | digital pathology | epilepsy | diffusion-weighted imaging connectome (wDWIC) | DCNN | image | 独立验证队列中的核心/表达/接受域样本 |
2512 | 2025-05-24 |
Deep Learning for Pediatric Sleep Staging From Photoplethysmography: A Transfer Learning Approach From Adults to Children
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3470534
PMID:39331540
|
研究论文 | 本研究利用深度学习技术,通过光电容积图(PPG)时间序列对儿童睡眠分期进行自动化分析,采用从成人到儿童的迁移学习方法 | 首次将迁移学习应用于儿童睡眠分期,利用成人数据集进行预训练,显著提高了儿童睡眠分期的准确性和泛化能力 | 对5岁以下儿童的性能表现有所下降,需要更多覆盖更广年龄范围的儿科数据集来完全解决泛化限制 | 开发一种基于PPG的自动化儿童睡眠分期方法 | 5-10岁儿童(CHAT数据集)和5岁以下儿童(Ichilov数据集)的睡眠数据 | 机器学习 | 睡眠障碍 | PPG(光电容积图) | 深度学习模型 | 时间序列数据 | CHAT数据集(5-10岁儿童)和Ichilov数据集(5岁以下儿童) |
2513 | 2025-05-24 |
TFTL: A Task-Free Transfer Learning Strategy for EEG-Based Cross-Subject and Cross-Dataset Motor Imagery BCI
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3474049
PMID:39365711
|
研究论文 | 提出一种无任务迁移学习策略(TFTL),用于基于EEG的跨被试和跨数据集运动想象脑机接口(MI-BCI),以减少校准时间并实现多中心数据联合建模 | 提出TFTL策略,通过数据对齐、共享特征提取器和特定分类器的联合优化,实现跨数据集知识迁移,并仅使用目标被试的静息数据进行模型构建,实现无任务校准 | 未明确提及具体局限性,但跨数据集和跨被试的泛化性能可能受数据异质性影响 | 解决MI-BCI中因长时间校准和EEG数据不足导致的性能瓶颈,推动其从实验室走向临床应用 | 运动想象脑机接口(MI-BCI)系统 | 脑机接口 | 神经康复 | EEG信号处理与迁移学习 | ShallowConvNet, EEGNet, TCNet-Fusion | EEG信号 | 五个数据集(BCIC IV Dataset 2a, Dataset 1, Physionet MI, Dreyer 2023, OpenBMI),具体样本量未明确 |
2514 | 2025-05-24 |
NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review
2025-Jan-27, Genes
IF:2.8Q2
DOI:10.3390/genes16020161
PMID:40004490
|
系统性综述 | 本文系统性综述了NETest在胃肠胰神经内分泌肿瘤(GEP-NETs)诊断和预后分层中的应用 | NETest结合实时PCR和深度学习策略,专门识别具有神经内分泌基因型的肿瘤 | NETest在某些研究中显示出低特异性,主要归因于与其他胃肠道恶性肿瘤的干扰 | 评估NETest在GEP-NETs诊断和预后中的临床应用价值 | 胃肠胰神经内分泌肿瘤(GEP-NETs) | 数字病理学 | 胃肠胰神经内分泌肿瘤 | 实时PCR, 深度学习 | NA | 分子数据 | 五项研究评估诊断作用,九项研究评估预后价值 |
2515 | 2025-05-24 |
Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy
2025-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.036
PMID:39183131
|
研究论文 | 探讨基于超声的深度学习放射组学列线图(DLRN)在预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移中的可行性 | 结合临床特征、放射组学和深度迁移学习特征,构建融合算法预测模型,并验证其在生存分析中的有效性 | 研究样本量较小(243例),且为回顾性研究,可能存在选择偏倚 | 预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移,并验证融合算法的临床有效性 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习放射组学、Cox回归模型 | DLRN(深度学习放射组学列线图) | 超声图像 | 243例接受新辅助化疗的乳腺癌患者 |
2516 | 2025-05-24 |
Deep Learning and Multidisciplinary Imaging in Pediatric Surgical Oncology: A Scoping Review
2025-Jan, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70574
PMID:39812075
|
综述 | 本文综述了深度学习在儿科外科肿瘤学多学科成像中的应用 | 提供了深度学习在儿科外科肿瘤学多学科成像领域的全面概述,并指出了未来发展方向 | 由于纳入研究的异质性,无法对研究性能做出一般性陈述 | 探讨深度学习在儿科外科肿瘤学多学科成像中的应用 | 儿科实体肿瘤 | 数字病理学 | 儿科肿瘤 | 深度学习 | NA | 医学影像 | 36篇文章(放射学22篇,病理学9篇,其他影像诊断5篇) |
2517 | 2025-05-24 |
Prompting large language models to extract chemical‒disease relation precisely and comprehensively at the document level: an evaluation study
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320123
PMID:40198724
|
研究论文 | 本研究评估了三种大型语言模型(GPT3.5、GPT4.0和Claude-opus)在文档级化学-疾病关系提取中的精确和全面提取能力 | 设计了基于提示工程的六种精确提取和五种全面提取工作流程,分析了大型语言模型在提取过程中的特性、内容偏见及错误特征 | 大型语言模型在提取过程中表现出一定的顽固性,提示工程策略效果有限,且存在对生物医学文本隐含含义的误解 | 评估大型语言模型在文档级化学-疾病关系提取中的能力 | 化学-疾病关系 | 自然语言处理 | NA | 提示工程 | GPT3.5, GPT4.0, Claude-opus | 文本 | 自建数据集 |
2518 | 2025-05-24 |
Continuous three-dimensional transesophageal echocardiography and deep learning for perioperative monitoring of left ventricular longitudinal function
2025-Jan, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf052
PMID:40400533
|
研究论文 | 本研究开发了一种结合3D经食管超声心动图和深度学习的自动测量二尖瓣环平面收缩期位移(MAPSE)的新方法3D autoMAPSE,用于围手术期患者左心室功能的连续监测 | 结合3D经食管超声心动图和深度学习技术,首次实现了围手术期左心室功能的连续自动监测 | 研究样本量较小(50例),且仅在心脏手术后重症监护患者中进行验证 | 开发一种连续监测左心室功能的方法以改善心肺管理 | 心脏手术后成人重症监护患者 | 数字病理 | 心血管疾病 | 3D经食管超声心动图 | 深度学习 | 3D图像 | 50例心脏手术后成人重症监护患者 |
2519 | 2025-05-24 |
Multimodal AI diagnostic system for neuromyelitis optica based on ultrawide-field fundus photography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1555380
PMID:40400634
|
research paper | 开发了一种基于超广角眼底摄影的多模态AI诊断系统,用于预测视神经脊髓炎的发病和阶段 | 首次提出结合超广角眼底摄影和临床检查数据的多模态AI模型用于视神经脊髓炎的诊断 | 研究样本量相对有限,需要进一步的外部验证 | 开发用于视神经脊髓炎诊断和预测的AI模型 | 视神经脊髓炎患者和非患者的眼底图像及临床数据 | digital pathology | neuromyelitis optica | deep learning | multimodal AI model | image, clinical reports | 330 eyes from 285 NMO patients and 1,288 eyes from 770 non-NMO participants |
2520 | 2025-05-24 |
Multimodal LLMs for retinal disease diagnosis via OCT: few-shot versus single-shot learning
2025 Jan-Dec, Therapeutic advances in ophthalmology
IF:2.3Q2
DOI:10.1177/25158414251340569
PMID:40400723
|
research paper | 评估多模态大型语言模型(LLMs)在视网膜疾病诊断中的表现,比较单次学习和少次学习的准确性 | 首次评估GPT-4o和Claude Sonnet 3.5在视网膜疾病诊断中的表现,并比较单次学习和少次学习的差异 | 模型的诊断准确性尚未达到深度学习文献中报道的水平 | 评估多模态LLMs在视网膜疾病诊断中的表现 | 光学相干断层扫描(OCT)图像 | digital pathology | retinal disease | OCT | GPT-4o, Claude Sonnet 3.5 | image | 3088 models' API calls from two public OCT datasets (OCTID, OCTDL) |