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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2025-07-09 |
Integrating artificial intelligence in healthcare: applications, challenges, and future directions
2025-Dec, Future science OA
IF:2.4Q3
DOI:10.1080/20565623.2025.2527505
PMID:40616302
|
综述 | 本文探讨了人工智能在医疗领域的应用、挑战及未来发展方向 | 综述了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划中的创新应用 | 面临数据隐私、算法偏见和监管问题等挑战 | 推动AI在医疗领域的整合,提升患者治疗效果和临床决策 | 医疗诊断和治疗规划 | 医疗人工智能 | 癌症、脑肿瘤、口腔疾病 | 机器学习和深度学习 | NA | 医学影像、遗传数据、临床数据和生活方式数据 | NA |
2 | 2025-07-09 |
A practical guide for nephrologist peer reviewers: evaluating artificial intelligence and machine learning research in nephrology
2025-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2025.2513002
PMID:40620096
|
研究论文 | 本文为肾病学同行评审员提供了一个评估人工智能和机器学习研究的结构化框架 | 整合了TRIPOD-AI清单,提出了评估AI/ML研究的关键标准,包括数据集完整性、特征选择、模型验证等 | 未提及具体实施该框架的案例研究或效果验证 | 提升肾病学领域AI/ML研究的严谨性、可重复性和临床相关性 | 肾病学中的人工智能和机器学习研究 | 机器学习 | 肾病 | AI/ML模型 | CNN, 预测模型 | 电子健康记录、影像、生物标志物 | NA |
3 | 2025-07-09 |
Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2530223
PMID:40625299
|
research paper | 该研究开发了一种基于多参数MRI的自动分割和诊断模型,用于区分颅内孤立性纤维瘤(SFTs)和脑膜瘤 | 结合VB-Net深度学习网络进行自动分割,并利用机器学习和临床/放射学特征构建单序列和多序列MRI模型,以及融合指数相关模型 | 样本量相对较小(252例患者),且研究时间跨度较长(2014年至2024年) | 术前准确区分颅内孤立性纤维瘤和脑膜瘤,以优化手术计划和治疗策略 | 252例患者(56例SFTs和196例脑膜瘤)的MRI数据 | digital pathology | brain tumor | MRI | VB-Net, machine learning | image | 252例患者(56例SFTs和196例脑膜瘤) |
4 | 2025-07-09 |
CnnBoost: a multilevel explainable stacked ensemble framework for effective detection of Myocardial Infarction from 12-lead ECG images using a transformational approach
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00357-3
PMID:40626266
|
研究论文 | 开发了一个可解释的机器学习框架CNNBoost,用于从12导联ECG图像中有效检测心肌梗死和其他心脏异常 | 提出了CNNBoost,一种多级可解释堆叠集成模型,结合CNN提取的空间特征和时间序列数据,通过XGBoost处理,提高了ECG分类的准确性和可解释性 | 研究使用的ECG图像数据来自南亚的健康中心,可能在其他地区或人群中的适用性有限 | 开发一个可解释的机器学习框架,用于自动分类心肌梗死和其他心脏异常 | 12导联ECG图像 | 数字病理 | 心血管疾病 | CNN, XGBoost, SHAP | CNN, XGBoost | 图像 | 公开可用的ECG图像数据集,包含四类:正常、异常、心肌梗死(MI)和既往MI病史 |
5 | 2025-07-09 |
Artificial intelligence models for predicting acute kidney injury in the intensive care unit: a systematic review of modeling methods, data utilization, and clinical applicability
2025-Aug, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf065
PMID:40620479
|
系统综述 | 本文系统综述了ICU中急性肾损伤(AKI)预测的人工智能模型,评估了建模方法、数据利用策略及临床适用性,并提出了未来研究方向 | 全面评估了AKI预测模型的建模方法、数据利用和临床适用性,并识别了当前挑战及未来研究方向 | 大多数研究存在高偏倚风险,特别是在泛化性和临床适用性方面,且缺乏外部验证和动态建模 | 评估ICU中AKI预测的人工智能模型,并探讨其临床适用性 | ICU患者中的急性肾损伤(AKI) | 机器学习 | 急性肾损伤 | 机器学习、深度学习、动态预测框架 | 多种(包括机器学习和深度学习模型) | ICU特定数据 | 47项符合纳入标准的研究(从1305项筛选研究中) |
6 | 2025-07-09 |
OMT and tensor SVD-based deep learning model for segmentation and predicting genetic markers of glioma: A multicenter study
2025-Jul-15, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2500004122
PMID:40627394
|
研究论文 | 本研究开发了一种基于最优质量传输(OMT)和张量奇异值分解(SVD)的深度学习模型OMT-APC,用于胶质瘤区域的自动分割和遗传标记预测 | 提出了OMT方法将不规则MRI脑图像转换为张量,并利用多模式OMT张量SVD进行预分类概率估计的APC模型 | 研究仅基于术前MRI数据,未整合其他模态数据 | 开发自动化深度学习模型用于胶质瘤术前遗传特征分析 | 胶质瘤患者 | 数字病理学 | 胶质瘤 | MRI, 深度学习 | OMT-APC | 医学影像 | 3,565例胶质瘤患者(来自16个多中心数据集) |
7 | 2025-07-09 |
Deep learning-based allergic rhinitis diagnosis using nasal endoscopy images
2025-Jul-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10087-x
PMID:40624181
|
研究论文 | 本研究提出了一种基于深度学习的过敏性鼻炎诊断方法,通过分析鼻内窥镜图像来定量诊断过敏性鼻炎 | 使用鼻内窥镜图像分析下鼻甲区域的颜色分布,结合CIE-Lab色彩空间和自适应直方图特征提取,提出了一种新的非侵入性诊断方法 | 数据集需要扩展以包含更多有症状和无症状的图像,以提高模型的鲁棒性 | 开发一种定量诊断过敏性鼻炎的非侵入性方法 | 过敏性鼻炎患者的鼻内窥镜图像 | 数字病理学 | 过敏性鼻炎 | 深度学习 | CNN, SVM | 图像 | NA |
8 | 2025-07-09 |
Deep Learning-Assisted Rapid Bacterial Classification Based on Raman Spectroscopy of Bacteria Lysed by Acoustically Driven Fiber-Tip Vibration
2025-Jul-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202507724
PMID:40625037
|
研究论文 | 本文介绍了一种基于声学驱动光纤尖端振动裂解细菌的拉曼光谱结合深度学习的快速细菌分类方法 | 采用声流体裂解技术结合拉曼光谱和深度学习,有效暴露细菌细胞内成分,显著提升拉曼光谱的特征表达和分类准确性 | 方法在七种细菌样本上验证,可能需要更多样本来验证其普适性 | 开发一种快速、准确的细菌病原体识别方法,以支持临床决策和对抗抗生素耐药性 | 细菌病原体 | 机器学习 | 细菌感染 | 表面增强拉曼光谱(SERS)、声流体裂解技术 | ResNet | 光谱数据 | 七种细菌样本 |
9 | 2025-07-09 |
Integrating Protein Language Models and Geometric Deep Learning for Peptide Toxicity Prediction
2025-Jul-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01073
PMID:40625100
|
研究论文 | 提出了一种名为PeptiTox的深度学习框架,结合蛋白质语言模型和几何深度学习,用于预测肽毒性 | 整合了蛋白质语言模型(PLMs)和几何深度学习,通过ESM2提取序列嵌入和ESMFold预测三维结构,再通过图神经网络(GNN)进行毒性分类,显著提升了预测性能 | 未提及具体的数据集规模或多样性限制 | 提高肽毒性预测的准确性,以促进更安全有效的肽类治疗药物的开发 | 肽的序列和结构 | 生物医学研究 | NA | 蛋白质语言模型(PLMs)、几何深度学习、图神经网络(GNN) | ESM2、ESMFold、GNN | 序列数据、三维结构数据 | NA |
10 | 2025-07-09 |
Gesture recognition and response system for special education using computer vision and human-computer interaction technology
2025-Jul-08, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2527226
PMID:40625119
|
研究论文 | 本文提出了一种基于计算机视觉和人机交互技术的特殊教育手势识别与响应系统 | 结合多种深度学习架构(AlexNet、VGG19、ResNet和MobileNet)与机器学习算法(SVM和随机森林),并引入遗传算法进行模型压缩,显著提升了系统在资源受限设备上的适用性 | 未来研究需要扩展手势库、整合多模态输入(如语音)并通过持续学习机制增强系统适应性 | 提升特殊教育中的人机交互体验,为残障人士提供辅助工具 | 手势识别系统 | 计算机视觉 | NA | 深度学习、机器学习、遗传算法 | AlexNet、VGG19、ResNet、MobileNet、SVM、随机森林 | 手势数据 | 多样化的手势数据集,涵盖不同光照条件、用户人口统计特征和生理差异 |
11 | 2025-07-09 |
Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks
2025-Jul-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30629
PMID:40626426
|
研究论文 | 提出了一种新型的MR信号模拟工具MR-WAVES,用于高效考虑微血管结构和水分扩散效应 | 结合深度学习方法,显著加速了MR信号模拟过程,同时保持了准确性 | 未提及在临床环境中的实际应用验证 | 提高MRI技术中微血管结构和水分扩散效应的模拟效率和准确性 | MR信号模拟 | 医学影像处理 | NA | 深度学习 | RNN | MR信号数据 | NA |
12 | 2025-07-09 |
Deep Learning-Based Classification of NSCLC-Derived Extracellular Vesicles Using AFM Nanomechanical Signatures
2025-Jul-08, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02009
PMID:40626500
|
研究论文 | 该研究利用原子力显微镜(AFM)和深度学习技术对非小细胞肺癌(NSCLC)来源的细胞外囊泡(EVs)进行纳米力学特征分类 | 首次展示了基于纳米力学的NSCLC来源EVs分类方法,并整合深度学习和AFM图像分析提升诊断性能 | 样本变异性问题未完全解决,且需在临床样本中进一步验证性能 | 开发一种非侵入性诊断工具,用于NSCLC的精准诊断 | 非小细胞肺癌(NSCLC)亚型(A549、PC9、PC9/GR)和非肿瘤性支气管上皮细胞(BEAS-2B)来源的细胞外囊泡(EVs) | 数字病理学 | 肺癌 | 原子力显微镜(AFM) | DenseNet | 图像 | NSCLC亚型(A549、PC9、PC9/GR)和非肿瘤性支气管上皮细胞(BEAS-2B)来源的EVs |
13 | 2025-07-09 |
Deep Learning in Antimicrobial Peptide Prediction
2025-Jul-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00530
PMID:40626654
|
综述 | 本文综述了深度学习在抗菌肽预测中的研究基础、应用模型及面临的挑战 | 重点介绍了基础模型、语言模型、图相关模型及其他混合和多模态模型在抗菌肽预测中的应用,并通过经典深度学习模型进行对比验证 | 讨论了数据平衡、数据增强、环肽和可解释性等方面的挑战 | 探索深度学习在抗菌肽预测中的应用,以解决抗生素耐药性问题 | 抗菌肽(AMPs) | 机器学习 | NA | 深度学习 | 基础模型、语言模型、图相关模型、混合和多模态模型 | NA | NA |
14 | 2025-07-09 |
Event-Driven Taxonomy (EDT) Screening: Leveraging Effect-Based Spectral Libraries to Accelerate Semiquantitative Nontarget Analysis of AhR Agonists in Sediment in the Era of Big Data
2025-Jul-08, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c07344
PMID:40626791
|
研究论文 | 本文提出了一种基于事件驱动分类法(EDT)的筛选策略,用于快速识别和半定量沉积物中的非目标生物活性污染物 | 开发了EDT-Screening策略,整合了分馏、生物测定、识别和定量于一步,并嵌入了两种新型基于效应的光谱库,提高了识别准确性和检测范围 | 研究仅以AhR活性为例,可能不适用于其他生物活性污染物的识别 | 加速效应导向分析(EDA)和非目标筛查(NTS)工作流程,提高环境风险评估效率 | 沉积物中的非目标生物活性污染物,特别是AhR激动剂 | 环境科学 | NA | LC-HRMS, 深度学习 | 深度学习 | 质谱数据 | NA |
15 | 2025-07-09 |
A Meta-Analysis of the Diagnosis of Condylar and Mandibular Fractures Based on 3-dimensional Imaging and Artificial Intelligence
2025-Jul-08, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011622
PMID:40627036
|
meta-analysis | 本文通过文献回顾和荟萃分析,研究了基于3D影像和人工智能辅助方法在髁突和下颌骨骨折快速准确分类与诊断中的应用现状 | 探讨了3D影像技术和人工智能在髁突骨折诊断中的创新应用,特别是深度学习模型在骨折检测和分类中的成功案例 | 面临数据质量、模型可解释性和临床验证等挑战,需要更多多中心研究验证AI在不同临床环境中的应用 | 评估人工智能在下颌骨骨折诊断中的准确性和实用性,促进其在颌面外科中的广泛应用 | 髁突骨折和下颌骨骨折 | digital pathology | maxillofacial fracture | 3-dimensional computed tomography (CT), deep learning | deep learning models | 3D images | NA |
16 | 2025-07-09 |
A fully automated deep learning framework for age estimation in adults using periapical radiographs of canine teeth
2025-Jul-08, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03558-3
PMID:40627040
|
研究论文 | 提出了一种基于深度学习的两步流程框架,用于通过犬齿根尖X光片自动估计成人年龄 | 使用YOLOv8-Nano模型进行牙齿检测,并结合四种CNN架构进行年龄估计,展示了高精度的牙齿检测和年龄预测能力 | 结合性别信息并未提升模型性能,且不同犬齿间的预测准确性无显著差异 | 开发一个自动化工具,用于法医调查中的年龄估计 | 犬齿的根尖X光片 | 计算机视觉 | NA | 深度学习 | YOLOv8-Nano, ResNet-18, DenseNet-121, EfficientNet-B0, MobileNetV3 | 图像 | 2587张X光片,来自1004名患者(691名女性,313名男性) |
17 | 2025-07-09 |
Deep learning 3D super-resolution radiomics model based on Gd-enhanced MRI for improving preoperative prediction of HCC pathological grading
2025-Jul-08, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05085-6
PMID:40627133
|
研究论文 | 本研究开发了一种基于深度学习的3D超分辨率放射组学模型,用于提高肝细胞癌(HCC)术前病理分级的预测准确性 | 利用深度学习的三维超分辨率技术从常规分辨率HBP图像中获取超分辨率图像,提高了放射组学模型的预测性能 | 样本量相对有限(197例患者),且仅基于单一医疗中心的数据 | 评估基于深度学习的3D超分辨率MRI放射组学模型在预测HCC病理分级中的可行性和有效性 | 肝细胞癌(HCC)患者 | 数字病理 | 肝癌 | 3D超分辨率技术、放射组学分析 | 梯度提升(Gradient Boosting)、轻量级梯度提升机(LightGBM)、支持向量机(SVM) | MRI图像 | 197例HCC患者(训练集157例,测试集40例) |
18 | 2025-07-09 |
Monochromatic LeafAdaptNet (MLAN): an adaptive approach to spinach leaf disease detection using monochromatic imaging
2025-Jul-08, World journal of microbiology & biotechnology
IF:4.0Q2
DOI:10.1007/s11274-025-04442-3
PMID:40627236
|
research paper | 本文提出了一种名为Monochromatic LeafAdaptNet (MLAN)的自适应方法,用于通过单色成像检测菠菜叶病害 | 基于DenseNet-121-DO模型开发了Custom Monochromatic LeafAdaptNet (MLAN),用于菠菜叶病害的高精度检测与分类 | 未提及模型在其他作物或不同环境条件下的泛化能力 | 提高菠菜叶病害的检测与分类精度,减少农药使用并提升农业产量 | 菠菜叶(包括半菠菜、咖喱叶、鼓槌叶和生菜叶) | computer vision | 植物病害 | 深度学习目标检测 | DenseNet-121-DO, Custom Monochromatic LeafAdaptNet (MLAN) | 图像 | 未明确提及具体样本数量,但涉及多种菠菜叶类型 |
19 | 2025-07-09 |
MTMedFormer: multi-task vision transformer for medical imaging with federated learning
2025-Jul-08, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03404-z
PMID:40627238
|
研究论文 | 提出了一种基于Transformer的多任务医学影像模型MTMedFormer,结合联邦学习解决医学影像分析中的数据隐私和大规模数据需求问题 | 首次将Transformer架构与多任务学习结合用于医学影像分析,并提出新型贝叶斯联邦学习方法 | 仅在乳腺X光片和肺炎数据集上进行了验证,未在其他医学影像领域测试 | 开发能够同时处理多个医学影像分析任务且保护数据隐私的深度学习模型 | 医学影像数据(乳腺X光片和肺炎影像) | 数字病理学 | 乳腺癌和肺炎 | 联邦学习(FL)和多任务学习(MTL) | Transformer | 医学影像 | NA |
20 | 2025-07-09 |
Progress in the application research of cervical cancer screening developed by artificial intelligence in large populations
2025-Jul-08, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03102-0
PMID:40627254
|
综述 | 本文综述了人工智能在宫颈癌大规模筛查中的应用研究进展 | 探讨了AI技术如何简化工作流程、辅助细胞学分割与诊断,以及优化HPV和阴道镜检查的分诊与诊断过程 | 面临技术资源限制、临床工作流整合困难及伦理法律风险等挑战 | 提升全球宫颈癌筛查的诊断精度、促进早期干预并提高整体效率 | 低收入和中等收入国家需要接受宫颈癌筛查的女性群体 | 数字病理学 | 宫颈癌 | 机器学习和深度学习技术 | ML和DL | 医学图像和临床数据 | 大规模人群筛查案例 |