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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
601 | 2025-05-02 |
Artificial intelligence for left ventricular hypertrophy detection and differentiation on echocardiography, cardiac magnetic resonance and cardiac computed tomography: A systematic review
2025-Mar-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.132979
PMID:39798885
|
系统综述 | 本文系统综述了人工智能在心脏影像学中检测和区分左心室肥厚(LVH)及其病因的诊断性能 | 探讨了AI在LVH检测和病因区分中的应用,展示了深度学习与传统机器学习在不同心脏影像技术中的表现 | 需要更多研究进行实际验证和成本效益分析 | 研究AI模型在心脏影像学中检测和区分LVH及其常见病因的诊断性能 | 左心室肥厚(LVH)及其病因 | 数字病理学 | 心血管疾病 | 超声心动图、心脏磁共振(CMR)、心脏计算机断层扫描(CT) | 深度学习(DL)、卷积神经网络(CNN)、传统机器学习(ML) | 影像数据 | 30项研究(14项超声心动图、15项CMR、1项心脏CT) |
602 | 2025-05-02 |
An efficient deep learning system for automatic detection of Acute Lymphoblastic Leukemia
2025-Mar, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.12.043
PMID:39799077
|
research paper | 提出了一种基于深度学习的急性淋巴细胞白血病自动检测系统,结合MobileNetV2和ShuffleNet以提高检测性能 | 结合MobileNetV2和ShuffleNet,引入建议的权重因子和最优阈值以平衡计算效率和分类性能 | 未提及模型在其他数据集上的泛化能力 | 开发高效的急性淋巴细胞白血病自动检测系统 | 急性淋巴细胞白血病(ALL)的检测 | digital pathology | leukemia | deep learning, transfer learning | MobileNetV2, ShuffleNet | image | ALLIDB1和ALLIDB2数据集 |
603 | 2025-05-02 |
Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109670
PMID:39799830
|
研究论文 | 提出了一种名为Glo-Net的深度学习模型,用于肾病理学中多类肾小球的精确分割和分类 | Glo-Net通过将传统语义分割网络分为分割和分类两个分支,并引入创新的损失函数来解决类别不平衡问题,提高了小类肾小球的分类准确性和分割性能 | NA | 提高肾病理学中肾小球的分割和分类准确性 | 数字化病理切片中的肾小球 | 数字病理学 | 肾脏疾病 | 深度学习 | Glo-Net(基于双任务分支的神经网络) | 图像 | 多机构数据集(包括外部验证集) |
604 | 2025-05-02 |
Application of deep learning in automated localization and interpretation of coronary artery calcification in oncological PET/CT scans
2025-Mar, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03327-8
PMID:39804436
|
研究论文 | 本研究开发了一种基于DLA-3D模型的AI方法,用于在非门控PET/CT扫描中自动检测冠状动脉钙化(CAC) | 首次将DLA-3D模型应用于非门控、自由呼吸、低剂量CT图像的CAC自动检测,实现了专家级别的性能 | 研究仅基于单一医疗中心的回顾性数据,样本量为677例PET/CT扫描 | 开发AI方法用于自动检测癌症患者PET/CT扫描中的冠状动脉钙化 | 677例来自医疗中心的PET/CT扫描数据 | 数字病理学 | 心血管疾病 | PET/CT扫描 | DLA-3D | 医学影像 | 677例PET/CT扫描(训练集88%,测试集12%) |
605 | 2025-05-02 |
MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410981
PMID:39804866
|
research paper | 开发了一个基于多模态深度学习框架的深度学习模型MMFuncPhos,用于预测功能性磷酸化位点及其调控类型 | 首次开发了基于迁移学习的EFuncType模型,用于预测磷酸化残基是否上调或下调酶活性 | NA | 理解磷酸化的功能调控机制,并为精准医学、酶工程和药物发现提供有价值的工具 | 蛋白质磷酸化位点及其调控类型 | machine learning | NA | deep learning, transfer learning | MMFuncPhos, EFuncType | protein phosphorylation data | NA |
606 | 2025-05-02 |
Artificial intelligence in clinical genetics
2025-Mar, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-024-01782-w
PMID:39806188
|
review | 本文综述了人工智能在临床遗传学中的应用及其未来发展 | 探讨了AI在临床遗传学中的新兴应用,包括临床诊断、管理与治疗以及临床支持 | AI在临床遗传学中的具体影响速度和整体后果尚不明确 | 研究人工智能在临床遗传学领域的应用及其潜在影响 | 临床遗传学的各个方面,包括诊断、治疗和临床支持 | machine learning | NA | NA | NA | NA | NA |
607 | 2025-05-02 |
Metastatic Lung Lesion Changes in Follow-up Chest CT: The Advantage of Deep Learning Simultaneous Analysis of Prior and Current Scans With SimU-Net
2025-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000808
PMID:39808543
|
研究论文 | 本文评估了SimU-Net这一新型深度学习方法在自动分析转移性肺部病变及其在胸部CT扫描中的时间变化方面的效果 | 提出SimU-Net,一种同时多通道3D U-Net模型,用于成对注册的先前和当前患者扫描,实现了转移性肺部病变的自动检测、分割、匹配和分类 | 样本量相对较小,仅包含79名患者的344对扫描 | 评估SimU-Net在自动分析转移性肺部病变及其时间变化方面的性能 | 转移性肺部病变 | 数字病理 | 肺癌 | 胸部CT扫描 | SimU-Net(基于3D U-Net) | 3D医学影像 | 79名患者的344对胸部CT扫描,共5040个转移性肺部病变 |
608 | 2025-05-02 |
Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为A-LIKNet的新型深度学习网络,用于MRI重建,通过嵌入低秩、图像和k空间等多域信息,实现单次屏气心脏电影成像 | 采用并行分支结构实现k空间和图像域的独立学习,引入注意力机制为关键线圈或重要时间帧分配更大权重,通过耦合信息共享层实现域间信息交换 | 仅在内部数据集和OCMR数据集上进行了验证,需要进一步扩大样本量验证泛化能力 | 加速心脏电影MRI成像并提高重建质量 | 心脏动态MRI图像 | digital pathology | cardiovascular disease | MRI | A-LIKNet(基于注意力的深度学习网络) | 图像 | 91例心血管患者和38例健康受试者的2D心脏电影数据,以及OCMR数据集的实时前瞻性欠采样数据 |
609 | 2025-05-02 |
PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于GAN的多任务网络PADS-Net,用于超声图像的去噪和分割,以提高帕金森病的诊断准确性 | PADS-Net结合了生成对抗网络和多任务深度学习框架,同时优化超声图像的去噪和分割任务,并采用复合损失函数和放射组学技术提高诊断准确性 | NA | 提高帕金森病的超声诊断准确性 | 经颅超声中脑图像 | 医学影像分析 | 帕金森病 | 放射组学技术 | GAN, 多任务深度学习网络 | 超声图像 | NA |
610 | 2025-05-02 |
Sirolimus as a repurposed drug for tendinopathy: A systems biology approach combining computational and experimental methods
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109665
PMID:39809087
|
研究论文 | 本研究通过系统生物学方法结合计算和实验手段,探索西罗莫司作为肌腱病再用途药物的潜力 | 首次提出基于系统生物学的药物预测策略,整合多组学数据和深度学习技术,发现西罗莫司对肌腱病的治疗潜力 | 研究主要基于临床前模型,需要进一步临床试验验证 | 探索现有药物在肌腱病治疗中的再用途潜力 | 肌腱病相关基因和信号通路 | 系统生物学 | 肌腱病 | 转录组学分析、深度学习、孟德尔随机化、基因敲除 | 深度学习模型 | 基因表达数据 | 154例临床肌腱样本 |
611 | 2025-05-02 |
Weakly-supervised thyroid ultrasound segmentation: Leveraging multi-scale consistency, contextual features, and bounding box supervision for accurate target delineation
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109669
PMID:39809086
|
research paper | 提出一种新颖的弱监督分割框架,用于甲状腺超声图像的分割,通过多尺度一致性、上下文特征和边界框监督来提高分割准确性 | 结合了空间排列一致性分支、层次预测一致性分支、上下文特征集成分支和多尺度原型细化模块,显著减少了对像素级标注的依赖 | 在低对比度和噪声背景的甲状腺超声图像中,边界分割仍面临挑战 | 提高甲状腺超声图像分割的准确性,减少标注时间 | 甲状腺超声图像 | digital pathology | thyroid disease | weakly-supervised learning | CNN | image | 两个甲状腺超声数据集(TG3K和TN3K) |
612 | 2025-05-02 |
A novel hybrid deep learning framework based on biplanar X-ray radiography images for bone density prediction and classification
2025-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA
IF:4.2Q1
DOI:10.1007/s00198-024-07378-w
PMID:39812675
|
research paper | 该研究利用深度学习基于双平面X射线摄影图像进行骨密度预测和分类 | 提出了一种新型混合深度学习框架,用于骨密度预测和分类,具有高准确性和与QCT结果的强相关性 | 未提及样本量的具体大小及多样性,可能影响模型的泛化能力 | 开发一种基于深度学习的骨密度预测和分类方法,用于骨质疏松高风险患者的筛查 | 来自华山医院体检中心的双平面X射线摄影图像 | digital pathology | geriatric disease | BPX | hybrid deep learning | image | NA |
613 | 2025-02-14 |
Comment on "An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models"
2025-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-025-36087-y
PMID:39939571
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
614 | 2025-05-01 |
GeOKG: geometry-aware knowledge graph embedding for Gene Ontology and genes
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf160
PMID:40217132
|
research paper | 提出了一种几何感知的知识图谱嵌入方法GeOKG,用于基因本体和基因的表示学习,以改进蛋白质-蛋白质相互作用预测 | 利用几何交互来更好地反映基因本体的复杂层次结构,克服了单空间嵌入的不足 | NA | 改进基因本体和基因的表示学习,以提升下游生物任务如蛋白质-蛋白质相互作用预测的性能 | 基因本体(GO)和基因本体注释(GOA) | 生物信息学 | NA | 深度学习 | 知识图谱嵌入 | 图数据 | NA |
615 | 2025-05-01 |
Human Brain Inspired Artificial Intelligence Neural Networks
2025-Mar-28, Journal of integrative neuroscience
IF:2.5Q3
DOI:10.31083/JIN26684
PMID:40302263
|
research paper | 探讨人工智能(AI)发展如何从人脑结构和功能中汲取灵感,并比较关键脑区与AI范式之间的对应关系 | 通过映射神经和计算架构,展示AI模型如何逐步模仿人脑的复杂性,从基本模式识别到高级推理 | 当前面临的挑战包括克服学习限制和实现可比的神经可塑性 | 研究AI如何从人脑结构和功能中获取灵感,并比较两者之间的对应关系 | 人脑关键区域(如脑干、感觉皮层、基底节、丘脑、边缘系统、前额叶皮层)和AI范式(如通用AI、机器学习、深度学习、人工通用智能) | machine learning | NA | NA | deep learning, artificial general intelligence (AGI) | NA | NA |
616 | 2025-05-01 |
New Method of Impact Localization on Plate-like Structures Using Deep Learning and Wavelet Transform
2025-Mar-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25061926
PMID:40293079
|
research paper | 提出了一种利用二维卷积神经网络(CNN)和小波变换(WT)在板状结构上定位冲击事件的新方法 | 结合CNN和小波变换处理冲击信号,提高了冲击定位的准确性 | 模型难以区分特征相似的数据样本,主要由于信号分段间隔和冲击距离的影响 | 开发一种高效准确的冲击事件定位方法 | 板状结构上的冲击事件 | machine learning | NA | 小波变换(WT) | CNN | image | 8个数据集,包含2至5次冲击信号 |
617 | 2025-05-01 |
An Efficient 3D Measurement Method for Shiny Surfaces Based on Fringe Projection Profilometry
2025-Mar-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25061942
PMID:40293081
|
研究论文 | 提出了一种基于条纹投影轮廓术(FPP)的高效3D测量方法,用于解决高反光表面测量中的条纹饱和或过暗问题 | 结合偏振器和深度学习方法减轻条纹饱和,并引入双频互补解码方法提高测量效率 | 未提及方法在极端反光条件下的性能或与其他技术的对比 | 提高高反光表面3D测量的准确性和效率 | 高反光表面的3D形貌测量 | 计算机视觉 | NA | 条纹投影轮廓术(FPP) | 深度学习 | 图像 | 未明确说明 |
618 | 2025-05-01 |
MAL-Net: A Multi-Label Deep Learning Framework Integrating LSTM and Multi-Head Attention for Enhanced Classification of IgA Nephropathy Subtypes Using Clinical Sensor Data
2025-Mar-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25061916
PMID:40293045
|
research paper | 提出了一种名为MAL-Net的多标签深度学习框架,用于整合LSTM和多头注意力机制,以增强IgA肾病亚型的分类 | MAL-Net整合了LSTM网络和多头注意力机制,有效捕捉临床数据中的序列和上下文依赖关系,并通过多头注意力模块强调关键特征,缓解类别不平衡问题 | 研究仅基于500名IgA肾病患者的临床数据,样本量相对有限,可能影响模型的泛化能力 | 开发一个深度学习框架,用于多标签分类IgA肾病亚型,以支持早期诊断、个性化治疗和预后评估 | 500名IgA肾病患者的临床数据,包括人口统计学、实验室和症状变量 | digital pathology | IgA nephropathy | 深度学习 | LSTM, Multi-Head Attention | 临床传感器数据 | 500名IgA肾病患者 |
619 | 2025-05-01 |
Interference Mitigation Using UNet for Integrated Sensing and Communicating Vehicle Networks via Delay-Doppler Sounding Reference Signal Approach
2025-Mar-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25061902
PMID:40293069
|
研究论文 | 本文提出了一种利用UNet架构在延迟-多普勒域中通过探测参考信号方法增强集成感知与通信车辆网络性能的新方法 | 利用延迟-多普勒域中的二维偏移和UNet架构进行干扰抑制,以提高频谱效率和感知精度 | 未提及实际部署中的硬件限制或计算资源需求 | 优化集成感知与通信(ISAC)在车辆网络中的性能 | 4G和5G系统中的车辆网络 | 通信系统 | NA | 延迟-多普勒域探测参考信号(SRS)方法 | UNet | Range-Doppler地图 | NA |
620 | 2025-05-01 |
A Weighted-Transfer Domain-Adaptation Network Applied to Unmanned Aerial Vehicle Fault Diagnosis
2025-Mar-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25061924
PMID:40293102
|
研究论文 | 提出了一种加权迁移域适应网络(WTDAN)方法,用于无人机电磁敏感飞行数据的在线异常检测和故障诊断 | 基于无监督迁移学习,设计了三个多尺度模块(特征提取器、域判别器和标签分类器),并采用多层域适应减少源域和目标域数据分布的距离 | 在异常目标数据样本较少的情况下性能较好,但在样本分布极度不平衡或噪声较大的情况下可能表现不佳 | 提高无人机在线异常检测和故障诊断的准确性 | 无人机电磁敏感飞行数据 | 机器学习 | NA | 无监督迁移学习 | WTDAN(加权迁移域适应网络) | 传感器数据 | 公开数据集和实验测试数据集 |