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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
761 | 2025-09-19 |
Letter to the editor: Technical considerations in the development of a multimodal deep learning model for predicting hepatocellular carcinoma outcomes
2025-Sep-17, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001534
PMID:40960952
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
762 | 2025-09-19 |
CQH-MPN: A Classical-Quantum Hybrid Prototype Network with Fuzzy Proximity-Based Classification for Early Glaucoma Diagnosis
2025-Sep-17, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3610855
PMID:40960965
|
研究论文 | 提出一种经典-量子混合均值原型网络(CQH-MPN),用于小样本青光眼早期诊断 | 结合量子特征编码器(利用量子叠加和纠缠增强全局表示学习)与经典卷积编码器,并引入模糊邻近度量以改进分类敏感性 | NA | 解决标注数据有限场景下的小样本青光眼早期诊断问题 | 视网膜眼底图像 | 数字病理学 | 青光眼 | 量子计算与深度学习融合 | CQH-MPN(经典-量子混合网络) | 图像 | ACRIMA和ORIGA两个公共数据集,在1-shot、3-shot和5-shot设置下评估 |
763 | 2025-09-19 |
Patient-Specific Cardio-Respiratory Model for Optimization of Cardiac Radioablation
2025-Sep-17, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3610945
PMID:40960973
|
研究论文 | 开发基于深度学习的心脏结构分割和图像配准的患者特异性心肺动态模型,用于优化心脏放射消融治疗 | 结合心脏和呼吸动态CT扫描创建患者特异性动态模型,能够模拟治疗过程并评估运动管理方法的效果 | 模型仅在九名患者数据上验证,需要更大样本量进一步确认普适性 | 优化难治性室性心动过速的立体定向心律失常放射消融(STAR)治疗精度 | 心脏结构和呼吸运动 | 医学影像分析 | 心血管疾病 | 深度学习分割、可变形图像配准、刚性图像配准 | 深度学习模型 | CT影像 | 9名患者数据 |
764 | 2025-09-19 |
Multimodal deep learning integration for predicting renal function outcomes in living donor kidney transplantation: a retrospective cohort study
2025-Sep-17, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003494
PMID:40961229
|
研究论文 | 开发并验证一种多模态深度学习模型,整合CT影像、放射学报告文本和结构化临床变量,预测活体肾移植受者术后1年肾小球滤过率 | 首次将CT影像、放射报告文本与临床数据多模态融合,采用BioBERT和CLIP技术提取特征,显著提升肾移植预后预测性能 | 回顾性研究设计,排除免疫高风险受者和解剖异常病例,可能影响模型泛化能力 | 优化肾移植供受体匹配并改善长期预后 | 活体肾移植受者 | 数字病理 | 肾脏疾病 | CT成像,BioBERT文本嵌入,CLIP视觉特征提取,XGBoost集成分类 | 多模态深度学习,集成分类器 | 影像,文本,结构化临床数据 | 1,937例活体肾移植受者(从3,772例筛选) |
765 | 2025-09-19 |
An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study
2025-Sep-17, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/73960
PMID:40961493
|
研究论文 | 开发并评估基于人工智能的模型,用于预测急诊科候诊人数,以支持资源分配和缓解拥挤 | 结合多种数据源并系统比较11种机器学习算法,首次在小时和日级两个时间分辨率上预测急诊室拥挤,且最佳模型性能显著优于传统方法 | 数据来源于单一合作医院,模型在不同医院或地区的泛化能力尚未验证 | 预测急诊科候诊人数以实现主动干预和资源优化 | 急诊科患者流量数据 | 机器学习 | NA | 机器学习算法,包括时间序列视觉变换器(TSiTPlus)和可解释卷积神经网络(XCMPlus) | 多种ML算法,包括深度学习和传统方法 | 时间序列数据 | 来自美国东南部一家合作医院的急诊科数据 |
766 | 2025-09-19 |
Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review
2025-Sep-17, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2673-4339
PMID:40962128
|
综述 | 本文综述了当前用于评估骨形态(尤其颅骨和脊柱成像)的先进3D MRI序列技术 | 系统比较了多种短回波时间MRI序列(如ZTE、UTE、VIBE)在骨成像中的应用,并探讨了结合深度学习的潜力 | NA | 评估现代MRI序列在骨形态成像中的技术进展和应用价值 | 颅骨和脊柱的骨结构 | 医学影像 | 骨骼疾病 | MRI序列(ZTE、UTE、VIBE、FRACTURE)、Dixon重建 | NA | 医学影像数据 | 基于69项精选研究的文献综述 |
767 | 2025-09-19 |
Decision Strategies in AI-Based Ensemble Models in Opportunistic Alzheimer's Detection from Structural MRI
2025-Sep-17, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01604-5
PMID:40963032
|
研究论文 | 本研究探讨了基于AI的集成模型在利用结构MRI进行阿尔茨海默病机会性检测中的决策策略 | 比较了三种集成决策策略与三种深度学习架构的组合性能,并首次系统分析了检测性能与模型校准之间的关系 | 研究基于相对较小的数据集,可能限制模型的泛化能力 | 开发稳健的AI诊断工具以支持阿尔茨海默病的医疗决策 | 阿尔茨海默病患者的结构MRI数据 | 医学影像分析 | 阿尔茨海默病 | 结构MRI成像 | 集成深度学习模型 | 医学影像 | NA |
768 | 2025-09-19 |
Deep Learning-Based Shape Classification for Hyperspectral-Imaged Microplastics
2025-Sep-17, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02683
PMID:40963100
|
研究论文 | 本研究探索了基于深度学习的方法来自动化微塑料高光谱图像的形状分类,以提高分类效率和准确性 | 首次系统比较九种深度学习架构在微塑料高光谱图像形状分类中的性能,并强调数据质量和模型架构对分类效果的影响 | 模型架构和数据质量仍是挑战,需要更鲁棒的设计和高质量数据集以优化分类 | 自动化微塑料的形状分类过程,减少人工评估的劳动和时间消耗 | 环境微塑料的高光谱图像,涵盖七种环境基质和11,042个样本 | 计算机视觉 | NA | micro-Fourier transform infrared spectroscopy | CNN, VGG16, ResNet50, ResNet50 V2, MobileNet | 高光谱图像 | 11,042个环境微塑料样本,粒径小至10微米 |
769 | 2025-09-19 |
Rapid and sensitive acute leukemia classification and diagnosis platform using deep learning-assisted SERS detection
2025-Sep-16, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102320
PMID:40925373
|
研究论文 | 提出一种结合深度学习和表面增强拉曼散射的快速灵敏急性白血病分类诊断平台 | 首次将Transformer模型与SERS技术结合,实现脑脊液样本的快速(5分钟内)和高灵敏度检测 | 样本量相对有限(390例),需进一步验证临床推广可行性 | 开发急性白血病的快速分类和诊断方法 | 急性白血病患者、健康对照及其他疾病患者的脑脊液样本 | 数字病理学 | 白血病 | 表面增强拉曼散射(SERS) | Transformer | 1D光谱和2D图像 | 390例脑脊液样本(包含健康对照、AL患者和其他疾病患者) |
770 | 2025-09-19 |
Image-based drug screening combined with molecular profiling identifies signatures and drivers of therapy resistance in pediatric AML
2025-Sep-16, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102304
PMID:40840446
|
研究论文 | 本研究结合图像药物筛选与分子分析,识别儿童急性髓系白血病治疗耐药性的特征和驱动因素 | 开发了结合高内涵成像和深度学习表型分析的功能筛选平台,首次系统应用于儿童AML并揭示化疗耐药原始状态 | 样本量相对有限(45例患者),需要更大规模验证 | 研究儿童急性髓系白血病的治疗耐药机制并识别靶向治疗策略 | 45例儿童急性髓系白血病患者 | 数字病理学 | 儿童急性髓系白血病 | 高内涵成像、深度学习表型分析、基因组和表观基因组分析 | 深度学习 | 图像、基因组数据、表观基因组数据 | 45例儿童AML患者样本 |
771 | 2025-09-19 |
Development of a predictive model for distant metastasis in HCC patients post-TACE using clinical data, radiomics, and deep learning
2025-Sep-16, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06308-5
PMID:40954349
|
研究论文 | 开发结合临床数据、影像组学和深度学习的预测模型,用于评估HCC患者TACE术后远处转移风险 | 首次整合临床数据、影像组学(RAD)和深度学习(DL)构建联合预测模型,并验证其在多队列中的性能 | 样本量有限(475例),需进一步多中心验证 | 预测肝细胞癌(HCC)患者经导管动脉化疗栓塞(TACE)术后远处转移风险 | HCC患者(475例) | 数字病理 | 肝癌 | 影像组学分析,深度学习 | DLR(深度学习与影像组学结合模型),逻辑回归 | 临床数据,医学影像 | 475例HCC患者(分为训练集、测试集和外部验证队列) |
772 | 2025-09-19 |
Dynamic cheek surface modeling for enhanced hypomimia detection in Parkinson's disease
2025-Sep-16, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110896
PMID:40961563
|
研究论文 | 提出一种基于脸颊表面动态变化的新方法,用于增强帕金森病患者面部表情减少(hypomimia)的自动检测 | 引入脸颊表面变异性作为生物标志物,捕捉视频帧中不同时间粒度下的细微渐进变化,并整合时间动态建模 | NA | 开发更精确的帕金森病面部表情减少自动检测与诊断工具 | 帕金森病患者与健康对照者的自发说话视频 | 计算机视觉 | 帕金森病 | 视频分析,机器学习,深度学习 | 3D CNN | 视频 | 112名新发未用药帕金森病患者和90名健康对照者 |
773 | 2025-09-19 |
Diagnostic Performance of Large Language Models in Multimodal Analysis of Radiolucent Jaw Lesions
2025-Sep-16, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.103910
PMID:40961626
|
研究论文 | 评估ChatGPT 4o和Gemini 2.5 Pro在多模态影像条件下对透射性颌骨病变的诊断性能 | 首次系统比较大型语言模型在口腔颌面外科多模态影像诊断中的表现,并分析不同输入格式(选择题与简答题)及影像组合的影响 | 样本量有限(100例),需更大数据集验证;未涉及混合AI系统的对比 | 探索大型语言模型在口腔颌面外科透射性颌骨病变诊断中的应用潜力 | 透射性颌骨病变患者的全景X光、CBCT影像及病理切片 | 自然语言处理 | 口腔颌面外科疾病 | 多模态影像分析(全景X光、CBCT、病理) | LLM(ChatGPT, Gemini) | 多模态数据(影像、文本) | 100例匿名患者数据 |
774 | 2025-09-19 |
Deep learning application for genomic data analysis
2025-Sep-16, BMB reports
IF:2.9Q3
PMID:40962325
|
综述 | 本文回顾了深度学习在基因组学数据分析中的应用,涵盖变异识别、基因表达调控、基序发现和3D染色质互作四个领域 | 系统总结了深度学习在基因组学中的关键模型开发策略(如训练与泛化),并前瞻性讨论了基因组标记化和多组学数据整合的挑战 | NA | 探讨深度学习如何补充传统生物信息学方法以提升基因组数据解读能力 | 基因组数据(包括序列、表达调控和染色质结构数据) | 机器学习 | NA | 基因组测序技术 | 深度学习模型(如CNN, LSTM等) | 基因组数据 | NA |
775 | 2025-09-19 |
MBLEformer: Multi-Scale Bidirectional Lesion Enhancement Transformer for Cervical Cancer Image Segmentation
2025-Sep-16, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种用于宫颈癌图像分割的多尺度双向病灶增强Transformer模型MBLEformer | 结合Swin Transformer编码器和多尺度注意力机制,引入双向病灶增强上采样策略以优化边缘细节 | NA | 提高宫颈癌病灶分割的准确性,解决CNN和注意力机制在全局特征捕获和上采样细节优化方面的局限性 | 卢戈碘染色宫颈图像中的病灶区域 | 计算机视觉 | 宫颈癌 | 深度学习 | Swin Transformer, CNN, 注意力机制 | 图像 | 专有宫颈癌阴道镜数据集(具体数量未提供) |
776 | 2025-09-19 |
Flexible Monolithic 3D-Integrated Self-Powered Tactile Sensing Array Based on Holey MXene Paste
2025-Sep-15, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-025-01924-9
PMID:40952539
|
研究论文 | 开发了一种基于多孔MXene浆料的柔性单片三维集成自供电触觉传感阵列 | 利用多孔MXene浆料实现同时作为微超级电容器和压力传感器的垂直一体化单元设计,显著减少界面失配并增强机械鲁棒性 | NA | 设计高度集成、智能和灵活的电子系统用于先进人机交互和个性化电子设备 | 柔性触觉传感系统 | 柔性电子 | NA | 刀涂和压印方法 | 深度学习 | 压力传感数据 | NA |
777 | 2025-09-19 |
Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility
2025-Sep-15, The European physical journal. E, Soft matter
DOI:10.1140/epje/s10189-025-00521-3
PMID:40952583
|
研究论文 | 研究不同浓度银离子对莱茵衣藻生长、叶绿素含量和运动能力的剂量依赖性效应,揭示其毒物兴奋效应 | 首次在微藻中观察到银离子诱导的毒物兴奋生长反应,并结合深度学习算法量化运动行为变化 | 仅针对单一微藻物种进行研究,环境因素交互影响未探讨 | 探究银离子对水生微生物的生物学效应 | 莱茵衣藻(Chlamydomonas reinhardtii) | 环境毒理学 | NA | 分光光度法、深度学习运动追踪算法 | 深度学习(未指定具体架构) | 光学密度数据、叶绿素含量数据、运动轨迹数据 | 多浓度组(0.29-1.18 μM银离子)的微藻培养样本 |
778 | 2025-09-19 |
Exploring deep learning and hybrid approaches in molecular subgrouping and prognostic-related genetic signatures of medulloblastoma
2025-Sep-15, Chinese neurosurgical journal
DOI:10.1186/s41016-025-00405-7
PMID:40954484
|
研究论文 | 本研究开发基于MRI的深度学习模型,用于髓母细胞瘤分子亚型分类和预后相关遗传标志物预测 | 采用两阶段深度学习框架,结合混合模型策略,首次实现从MRI图像直接识别分子亚型和遗传变异 | 回顾性研究设计,样本来源仅限两个医疗中心,可能存在选择偏倚 | 开发深度学习模型辅助髓母细胞瘤的风险分层和治疗决策 | 髓母细胞瘤患者 | 数字病理 | 髓母细胞瘤 | MRI成像(T1加权、T2加权、对比增强T1加权) | CNN,混合模型 | 医学图像 | 449例患者(325例训练集,124例外部验证集) |
779 | 2025-09-19 |
Real-time detection of Wi-Fi attacks using hybrid deep learning models on NodeMCU
2025-Sep-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-18947-2
PMID:40954170
|
研究论文 | 提出一种基于NodeMCU和混合深度学习模型的实时Wi-Fi去认证攻击检测系统 | 将时序深度学习模型与可解释逻辑回归结合,在超低成本嵌入式设备上实现实时攻击检测 | NA | 开发轻量级实时Wi-Fi入侵检测系统 | Wi-Fi网络流量和去认证攻击 | 物联网安全 | NA | 深度学习,逻辑回归 | LSTM, GRU, RNN, LR混合模型 | 网络流量数据包 | 5,600个标注样本 |
780 | 2025-09-19 |
Dose equivalent rate forecasting: A comparison of time series methods and machine learning approaches
2025-Sep-15, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.112153
PMID:40961690
|
研究论文 | 比较时间序列方法和机器学习方法在剂量当量率预测中的性能 | 首次系统比较传统统计方法与深度学习模型在DER预测中的表现,并引入进化神经架构搜索方法 | 数据时间跨度有限,随机性变化带来预测挑战,需要更长时间序列数据提升可靠性 | 开发更稳健的辐射预测模型,提升辐射防护和环境安全决策水平 | 美国德克萨斯州圣安东尼奥地区的剂量当量率数据 | 机器学习 | NA | 时间序列分析,机器学习建模 | Persistence Model, Lasso Regression, K-Nearest Neighbors, Evolutionary Neural Architecture Search, Recurrent Neural Networks | 时间序列数据 | 2019年1月至12月数据用于训练,2020年初数据用于测试 |