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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
281 | 2025-05-09 |
Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics
2025-Feb-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56560-z
PMID:39948387
|
研究论文 | 介绍了一种名为DeepCellMap的深度学习辅助工具,用于绘制发育中人脑中小胶质细胞的空间组织 | 结合了多尺度图像处理与先进的空间和聚类统计方法,能够适应任何细胞类型的研究 | 未明确提及具体限制,但可能受限于图像数据的质量和多样性 | 研究发育中人脑中小胶质细胞的空间组织及其在病理条件下的变化 | 人脑发育过程中的小胶质细胞 | 数字病理学 | NA | 深度学习辅助的图像处理与空间统计 | 深度学习 | 图像 | 未明确提及具体样本数量,但涉及胎儿脑组织 |
282 | 2025-05-09 |
Applications of digital health technologies and artificial intelligence algorithms in COPD: systematic review
2025-Feb-13, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02870-7
PMID:39948530
|
系统综述 | 本文系统综述了数字健康技术和人工智能算法在慢性阻塞性肺疾病(COPD)中的应用 | 总结了COPD管理中使用的多种数据类型和AI算法,并识别了三个关键应用领域 | 未涉及成本效益和数据共享能力的深入分析,AI模型的可解释性有待提高 | 探索数字健康技术和AI算法在COPD管理中的应用 | 慢性阻塞性肺疾病(COPD)患者 | 数字病理学 | 慢性阻塞性肺疾病 | 机器学习(ML)和深度学习(DL)算法 | 支持向量机、提升方法、深度神经网络(DNN)、卷积神经网络(CNN) | 临床数据、患者报告结果、环境/生活方式数据 | 41项符合纳入标准的研究 |
283 | 2025-05-09 |
Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis
2025-Feb-13, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/56038
PMID:39946690
|
研究论文 | 通过深度学习情感分析探讨英国呼吸在线健康社区中超级用户与普通用户的参与和互动 | 使用BioBERT模型对呼吸在线健康社区中的情感分布和动态进行分析,揭示了超级用户在维持社区积极氛围中的关键作用 | 研究仅基于两个英国呼吸在线健康社区的数据,可能无法推广到其他类型的健康社区或其他国家的社区 | 理解呼吸在线健康社区中超级用户与普通用户互动的情感分布及其对长期疾病自我管理的影响 | 英国呼吸在线健康社区(Asthma UK和British Lung Foundation)中的超级用户和普通用户 | 自然语言处理 | 呼吸系统疾病 | Bio-Bidirectional Encoder Representation from Transformers (BioBERT) | BioBERT | 文本 | 两个英国呼吸在线健康社区的数据(AUK:2006-2016年;BLF:2012-2016年) |
284 | 2025-05-09 |
Automated grading of oleaster fruit using deep learning
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89358-6
PMID:39939355
|
研究论文 | 本研究开发了一种基于深度学习的实时机器视觉系统,用于自动化分级沙枣果实 | 首次将Mask R-CNN和YOLOv8模型应用于沙枣果实的分级,并在不同传送带速度下验证了系统的有效性 | 研究仅针对伊朗国家标准定义的四种质量等级,未考虑其他可能的分级标准 | 开发高效的自动化沙枣果实分级方法以满足全球市场需求 | 沙枣果实 | 计算机视觉 | NA | 深度学习 | Mask R-CNN, YOLOv8 | 视频帧 | 四种不同质量等级的沙枣果实视频帧数据集,采集自不同传送带速度(4.82至21.51 cm/s) |
285 | 2025-05-09 |
Learning based lower limb joint kinematic estimation using open source IMU data
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89716-4
PMID:39939380
|
研究论文 | 本研究提出了一种基于深度学习的框架,利用惯性测量单元(IMUs)估计下肢关节运动学 | 通过结合迁移学习,减少了模型对新用户数据收集的依赖,并提高了估计准确性 | 多用户数据训练的模型由于步态模式差异导致准确性较低 | 开发一种高效且可访问的下肢关节运动学估计方法 | 下肢关节运动学 | 机器学习 | NA | 深度学习 | 深度学习模型 | IMU数据 | 开源数据集 |
286 | 2025-05-09 |
Pre- and post- COVID-19 trends related to dementia caregiving on Twitter
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82405-8
PMID:39939632
|
研究论文 | 研究分析了COVID-19疫情前后Twitter上痴呆症护理者的主要关注点 | 使用BERT模型和主题建模分析社交媒体数据,揭示疫情前后痴呆症护理者关注点的变化 | 仅分析了英语推文,可能无法代表全球所有地区的护理者情况 | 了解如何更好地支持和参与痴呆症护理者在COVID-19疫情后的需求 | Twitter上与痴呆症护理相关的推文 | 自然语言处理 | 老年病 | BERT, 主题建模 | BERT | 文本 | 44,527条推文 |
287 | 2025-05-09 |
Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89219-2
PMID:39939654
|
研究论文 | 本研究探讨了基于深度学习的全景X光片预测即刻种植牙可能性的可行性 | 首次使用深度学习模型对即刻种植牙可能性进行预测,并验证了其高准确性 | 样本量相对有限,仅包含201名患者的874颗牙齿数据 | 评估深度学习在预测即刻种植牙可能性方面的应用 | 201名患者的874颗待拔牙齿 | 数字病理 | 牙科疾病 | 全景X光摄影 | DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2 | 图像 | 201名患者的874颗牙齿(440颗难以即刻种植,434颗可即刻种植) |
288 | 2025-05-09 |
An assessment of breast cancer HER2, ER, and PR expressions based on mammography using deep learning with convolutional neural networks
2025-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83597-9
PMID:39924532
|
研究论文 | 本研究开发了一种基于深度学习的模型(CBAM ResNet-18),用于通过乳腺X线摄影预测乳腺癌中HER2、ER和PR的表达情况 | 使用CBAM ResNet-18模型无需手动分割肿块即可预测受体表达,且性能优于原始ResNet-18和VGG-19模型 | 模型在HER2预测上的表现相对较弱(AUC 0.708),且需要外部数据集进一步验证 | 开发辅助诊断工具以预测乳腺癌关键生物标志物的表达 | 经病理证实的乳腺癌患者的乳腺X线摄影图像 | 数字病理 | 乳腺癌 | 深度学习 | CBAM ResNet-18(带注意力模块的残差网络) | 医学影像(乳腺X线摄影) | 来自两个医疗中心的多例乳腺癌患者数据(具体数量未说明) |
289 | 2025-05-09 |
Deep Learning Model Compression and Hardware Acceleration for High-Performance Foreign Material Detection on Poultry Meat Using NIR Hyperspectral Imaging
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030970
PMID:39943610
|
研究论文 | 本研究通过结合训练后量化和硬件加速技术,优化了基于高光谱成像(HSI)的深度学习模型推理,用于禽肉中异物的实时检测 | 采用训练后量化和硬件加速技术优化深度学习模型推理,显著提高了高光谱数据处理的实时性 | 研究基于模拟的高光谱线扫描相机数据,未在实际工业环境中验证 | 解决高光谱数据高维度和深度学习模型计算复杂度带来的实时检测挑战 | 禽肉加工中的异物检测 | 计算机视觉 | NA | 高光谱成像(HSI) | 深度学习模型 | 高光谱图像 | 模拟数据(140-250只禽类/分钟的产线速度) |
290 | 2025-05-09 |
Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates
2025-Feb-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae195
PMID:39576009
|
研究论文 | 该研究通过全球基因型与环境预测竞赛,展示了多种建模策略在玉米产量估计中的有效性 | 首次公开竞赛展示了结合机器学习和传统育种工具的多样化建模策略在预测玉米产量方面的潜力 | 竞赛结果可能受限于特定数据集和竞赛环境,不一定能完全代表实际应用场景 | 探索基因和环境因素对表型预测的影响,提高作物产量预测准确性 | 玉米 | 计算生物学 | NA | 随机森林、岭回归、最小二乘法、定量遗传学、机器学习/深度学习 | 随机森林、岭回归、最小二乘法、模型集成 | 基因组变异数据、表型数据、气象测量数据、田间管理记录 | 9年收集的大型数据集 |
291 | 2025-05-09 |
RGANet: A Human Activity Recognition Model for Extracting Temporal and Spatial Features from WiFi Channel State Information
2025-Feb-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25030918
PMID:39943556
|
research paper | 提出了一种名为RGANet的模型,用于从WiFi信道状态信息中提取时空特征以进行人类活动识别 | 通过改进残差网络(ResNet)而非简单CNN,有效提取空间特征并保留时间信息,随后将提取的空间特征输入改进的GRU模型进行时间序列学习 | 未明确提及具体局限性 | 提升基于WiFi的人类活动识别(HAR)的准确率 | 人类活动识别 | machine learning | NA | WiFi Channel State Information (CSI) | ResNet, GRU | 无线信号数据 | UT_HAR数据集和NTU-FI HAR数据集 |
292 | 2025-05-09 |
An Efficient Lightweight Multi Head Attention Gannet Convolutional Neural Network Based Mammograms Classification
2025-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70043
PMID:39921233
|
research paper | 本研究提出了一种轻量级多头注意力Gannet卷积神经网络(LMGCNN),用于有效分类乳腺X光片图像,以提高乳腺癌的检测和分类 | 引入了轻量级多头注意力Gannet卷积神经网络(LMGCNN),结合了Wiener滤波、非锐化掩蔽和自适应直方图均衡化进行图像增强和去噪,并采用自适应量子平衡优化器与人工蜂群算法进行特征选择 | 研究仅在两个数据集(CBIS-DDSM和MIAS)上进行了评估,可能需要更多数据验证模型的泛化能力 | 开发自动化系统以改善乳腺癌在乳腺X光片图像中的检测和分类 | 乳腺X光片图像 | computer vision | breast cancer | Wiener滤波、非锐化掩蔽、自适应直方图均衡化、GLCM特征提取 | LMGCNN(Lightweight Multihead attention Gannet Convolutional Neural Network) | image | 两个数据集(CBIS-DDSM和MIAS) |
293 | 2025-05-08 |
Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data
2025-Feb-26, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101869
PMID:40021091
|
研究论文 | 提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法 | 首次将深度学习应用于3D心脏标记磁共振图像的位移分析,并采用合成数据进行训练 | 方法仅在合成数据和有限的外部验证数据集上进行了测试 | 开发一种快速分析3D心脏标记磁共振图像的方法 | 左心室运动 | 数字病理学 | 心血管疾病 | 3D标记磁共振成像 | 神经网络 | 3D图像 | 合成数据集、外部验证人类数据集和猪研究数据集 |
294 | 2025-05-08 |
Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01877
PMID:39927847
|
research paper | 比较AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的性能,并探讨影响预测准确性的因素 | 首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行系统比较,并发现CDR3特性对预测准确性的重要影响 | 两种工具的整体成功率仍低于50%,且研究结果可能不适用于所有类型的纳米抗体 | 评估和改进纳米抗体表位预测工具的准确性 | 纳米抗体及其表位 | computational biology | NA | AI驱动工具(AlphaFold3和AlphaFold2-Multimer) | AlphaFold3, AlphaFold2-Multimer | protein structure data | NA |
295 | 2025-05-08 |
Deep Learning for Antimicrobial Peptides: Computational Models and Databases
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00006
PMID:39927895
|
review | 本文综述了用于抗菌肽预测的深度学习模型和相关数据库 | 总结了现有的深度学习模型及其在抗菌肽预测中的应用,并讨论了它们的局限性和挑战 | 未提及具体模型的性能比较或实验验证 | 帮助计算生物学家设计更好的抗菌肽预测深度学习模型 | 抗菌肽 | machine learning | NA | deep learning | NA | NA | NA |
296 | 2025-05-08 |
Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning
2025-Feb-20, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay02098g
PMID:39925033
|
研究论文 | 开发了一种形状适应性强的柔性SERS基底,结合深度学习算法,用于水果表面硫丹的快速检测和定量分析 | 创新的柔性SERS基底设计,结合1D CNN模型,实现了对不规则表面农药残留的高灵敏度和高准确度检测 | 仅针对硫丹一种农药进行了验证,未测试其他农药的检测效果 | 开发快速检测水果表面农药残留的方法 | 水果表面的硫丹农药残留 | 食品安全检测 | NA | 表面增强拉曼散射(SERS) | 1D CNN | 拉曼光谱信号 | 番茄和蓝莓表皮样品 |
297 | 2025-05-08 |
Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography
2025-Feb-19, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb493
PMID:39933194
|
research paper | 提出了一种基于深度学习的视频级别二维经胸超声心动图视图分类框架TTESlowFast,以满足临床需求 | 结合SlowFast架构,采用采样平衡策略和数据增强策略,解决了类别不平衡和标记TTE视频有限的问题 | 未详细讨论在更广泛临床环境中的泛化能力 | 开发准确高效的视频级别TTE视图分类方法 | 二维经胸超声心动图(TTE)视频 | digital pathology | cardiovascular disease | deep learning | SlowFast | video | 未明确提及样本数量 |
298 | 2025-05-08 |
Macrophage memory emerges from coordinated transcription factor and chromatin dynamics
2025-Feb-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101171
PMID:39938520
|
研究论文 | 研究通过活细胞分析、ATAC测序和脓毒症体内模型,揭示巨噬细胞如何通过重新编程NF-κB网络和染色质可及性景观来保留对炎症信号的记忆 | 首次展示了巨噬细胞如何通过转录因子和染色质动态协调精细调节对新炎症信号的反应,从而保留对过去信号的记忆 | 研究主要关注脓毒症模型,可能不适用于所有炎症条件 | 探索免疫细胞如何编码和解码动态信号,并保留对炎症分子暴露的记忆 | 巨噬细胞 | 免疫学 | 脓毒症 | ATAC测序、活细胞分析、转录组分析、深度学习 | 深度学习 | 基因组数据、转录组数据 | NA |
299 | 2025-05-08 |
Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci
2025-02-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c15364
PMID:39903818
|
研究论文 | 该研究利用深度学习与单分子定位显微镜(SMLM)相结合的方法,揭示了DNA纠缠位点的纳米级动力学 | 首次将深度学习与SMLM结合,用于研究纳米尺度下DNA纠缠位点的动力学行为 | 研究基于Lambda DNA模型系统,可能无法完全反映真实生物系统中的复杂性 | 探究纳米尺度下分子动力学行为 | DNA分子及其纠缠位点 | 生物物理学 | NA | 单分子定位显微镜(SMLM) | 深度学习算法 | 图像数据 | 基于Lambda DNA模型系统的模拟数据 |
300 | 2025-05-08 |
A deep learning-enabled smart garment for accurate and versatile monitoring of sleep conditions in daily life
2025-Feb-18, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2420498122
PMID:39932995
|
research paper | 介绍了一种基于深度学习的智能服装,用于日常生活中准确且多功能地监测睡眠状况 | 开发了一种可水洗、与皮肤兼容的智能服装睡眠监测系统,无需定位或皮肤准备,即可在弱设备-皮肤耦合条件下捕获局部皮肤应变信号 | 未提及具体的技术或应用限制 | 提高睡眠质量并预防与睡眠相关的慢性病 | 睡眠状况监测 | 可穿戴技术 | 睡眠相关慢性病 | 深度学习、可解释AI和迁移学习数据处理 | 深度学习模型 | 皮肤应变信号 | 未提及具体样本量 |