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 | 2025-06-21 |
Computational models for prediction of m6A sites using deep learning
2025-Aug, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.04.011
PMID:40268153
|
研究论文 | 本文综述并验证了多种深度学习方法在预测m6A位点上的应用,展示了深度学习模型在此领域的潜力 | 验证了多种深度学习方法在m6A位点预测上的效果,包括之前在此领域未充分利用的方法和专为生物序列设计的预训练模型 | 未提及具体的数据集大小或模型性能的详细比较 | 提高m6A修饰位点的准确识别,以更好地理解其功能和机制 | m6A修饰位点 | 机器学习 | NA | 深度学习 | 预训练模型及其他基础深度学习方法 | 生物序列数据 | 基准数据集(具体数量未提及) |
2 | 2025-06-21 |
Accuracy and time efficiency of deep learning-based three-dimensional crown segmentation on intraoral scanning: a systematic review and meta-analysis
2025-Aug, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105842
PMID:40414275
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了基于深度学习的口腔内扫描三维牙冠分割的准确性和时间效率 | 首次系统评估深度学习在口腔内扫描牙冠分割中的性能,并比较其与人工方法的时间效率 | 纳入研究存在数据选择和指标测试的异质性,且目前算法尚不能实现精确的牙龈边界分割 | 评估深度学习在口腔内扫描牙冠分割中的准确性和时间效益 | 口腔内扫描图像中的牙冠结构 | 数字病理 | 口腔疾病 | 深度学习图像分割 | 深度学习模型(未指定具体架构) | 三维口腔内扫描图像 | 44项符合纳入标准的研究(来自1220篇初筛文献) |
3 | 2025-06-21 |
Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging
2025-Jul, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04739-1
PMID:39692759
|
research paper | 本研究探讨了结合深度学习重建和可变翻转角进化的HASTE(iHASTE)在妇科MRI中的临床效用 | 首次将深度学习重建技术应用于HASTE序列,提高了图像质量和抗伪影能力 | 样本量较小(79例),且iHASTE在病灶边缘显示方面评分低于BLADE和TSE | 评估iHASTE在妇科MRI中的临床应用价值 | 接受妇科MRI检查的患者 | 医学影像 | 妇科疾病 | MRI(HASTE、BLADE、TSE序列) | 深度学习重建 | 医学影像 | 79例患者(无抗痉挛药组)和79例匹配对照(有抗痉挛药组) |
4 | 2025-06-21 |
A novel artificial intelligence segmentation model for early diagnosis of bladder tumors
2025-Jul, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04715-9
PMID:39738572
|
research paper | 开发了一种基于深度学习的智能诊断系统BTS-Net,用于早期膀胱癌的准确诊断 | 提出了基于transformer的新型膀胱肿瘤分割网络BTS-Net,能够实时处理手术视频并准确分割潜在卫星病灶 | 研究仅在中南医院收集的数据上进行验证,需要进一步的外部验证 | 提高早期膀胱肿瘤的识别率,减少漏诊 | 膀胱癌患者的手术视频数据 | digital pathology | bladder cancer | deep learning | transformer-based BTS-Net | video | 273名膀胱癌患者的TURBT手术视频数据 |
5 | 2025-06-21 |
Preoperative discrimination of absence or presence of myometrial invasion in endometrial cancer with an MRI-based multimodal deep learning radiomics model
2025-Jul, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04766-y
PMID:39747670
|
research paper | 本研究开发并验证了一种基于MRI的多模态深度学习放射组学(MDLR)模型,用于提高子宫内膜癌术前肌层浸润(MI)的判别准确性 | 结合临床特征和深度学习特征(DLS)构建MDLR模型,显著提高了术前MI判别的准确性 | 研究为回顾性设计,可能存在选择偏倚,且模型性能需在前瞻性研究中进一步验证 | 提升子宫内膜癌术前肌层浸润状态的判别准确性以辅助治疗决策 | 1139例子宫内膜癌患者 | digital pathology | endometrial cancer | MRI, deep learning radiomics | ResNet18, Integrated Sparse Bayesian Extreme Learning Machine | MRI图像 | 1139例来自五个独立中心的患者(年龄24-89岁) |
6 | 2025-06-21 |
Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence
2025-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29708
PMID:39781607
|
研究论文 | 本文探讨了多参数磁共振成像(mpMRI)结合人工智能(AI)在评估胰腺导管腺癌(PDAC)生物学侵袭性和预后中的应用 | 结合AI的mpMRI能够提供形态和功能信息,量化肿瘤内特征,预测PDAC的生物学特性和预后 | 当前基于AI的PDAC模型主要基于单一模态,样本量较小,技术可重复性和生物学解释存在挑战 | 评估PDAC的生物学侵袭性和预后,推动个性化医疗 | 胰腺导管腺癌(PDAC) | 数字病理 | 胰腺癌 | 多参数磁共振成像(mpMRI) | 深度学习 | 图像 | 相对较小的样本量 |
7 | 2025-06-21 |
Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms
2025-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29710
PMID:39792443
|
综述 | 本文综述了基于超短回波时间的MRI技术和深度学习算法在骨关节炎早期检测中的应用 | 结合超短回波时间MRI和深度学习算法,革新了MRI分析方式,实现了对短T2组织的直接可视化和定量评估 | 证据等级为5级,技术效能处于第2阶段,表明研究尚处于早期阶段 | 探索骨关节炎早期检测和管理的先进成像技术和分析方法 | 骨关节炎相关的短T2组织,如软骨、半月板/唇、韧带和肌腱 | 数字病理学 | 骨关节炎 | 超短回波时间MRI (UTE-MRI) | 深度学习 (DL) | MRI图像 | NA |
8 | 2025-06-21 |
Identifying Primary Sites of Spinal Metastases: Expert-Derived Features vs. ResNet50 Model Using Nonenhanced MRI
2025-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29720
PMID:39868626
|
研究论文 | 本研究开发并验证了使用非增强MRI识别脊柱转移瘤原发灶的人工智能模型,以提高诊断效率 | 比较了专家衍生特征模型和ResNet50深度学习模型在非增强MRI上识别脊柱转移瘤原发灶的性能,并发现专家模型在常见部位表现更优 | 研究为回顾性设计,样本量相对有限(514例患者) | 提高脊柱转移瘤原发灶的诊断效率 | 514例经病理证实的脊柱转移瘤患者 | 数字病理 | 癌症转移 | 非增强MRI(T1加权、T2加权和脂肪抑制T2序列) | ResNet50 | MRI图像 | 514例患者(开发集360例,测试集154例) |
9 | 2025-06-21 |
Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset
2025-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3537868
PMID:40031386
|
研究论文 | 本研究通过光学相干断层扫描(OCT)技术,探索了耳蜗植入后纤维化的定量分析,旨在改善混合耳蜗植入器的效果 | 首次将计算机视觉技术应用于植入耳蜗纤维化的OCT数据集,并开发了改进的UNET架构(2D-OCT-UNET)以提高分析效果 | 研究仅基于豚鼠模型,尚未在人类中进行验证 | 研究耳蜗纤维化的形成机制,以减少纤维化负担并改善耳蜗植入患者的效果 | 长期植入耳蜗的豚鼠 | 计算机视觉 | 听力损失 | 光学相干断层扫描(OCT) | 改进的UNET架构(2D-OCT-UNET) | 图像 | 未明确提及样本数量,但使用了长期植入耳蜗的豚鼠OCT图像数据集 |
10 | 2025-06-21 |
AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers
2025-Jul, Journal of clinical periodontology
IF:5.8Q1
DOI:10.1111/jcpe.14164
PMID:40195567
|
研究论文 | 本文评估了一种深度学习模型在牙科照片中检测角化牙龈的能力,并使用参考保持器验证其临床适用性 | 首次提出能够可靠识别全口角化牙龈的AI模型,并通过参考保持器进行了全面验证 | 对后牙区域的预测需要进一步改进 | 评估深度学习模型在牙科照片中检测角化牙龈的准确性及其临床应用价值 | 角化牙龈的检测与测量 | 数字病理 | 牙科疾病 | 深度学习 | DeepLabv3 with ResNet50 backbone | 图像 | 32名受试者的576张六分照片 |
11 | 2025-06-21 |
Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens
2025-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-025-01612-y
PMID:40232558
|
研究论文 | 开发并评估了一种用于诊断胃内镜黏膜下剥离术(ESD)标本的深度学习模型 | 首次将深度学习模型应用于ESD标本的肿瘤和黏膜下浸润检测,显著提高了诊断效率和准确性 | 研究仅基于366个ESD标本,样本量相对有限 | 开发一种能够准确诊断胃ESD标本的深度学习模型 | 胃ESD标本中的腺癌组织 | 数字病理学 | 胃癌 | 深度学习 | CNN | 图像 | 366个ESD标本,包含2257个标注区域和83,839个图像块 |
12 | 2025-06-21 |
Deep learning-assisted detection of meniscus and anterior cruciate ligament combined tears in adult knee magnetic resonance imaging: a crossover study with arthroscopy correlation
2025-Jul, International orthopaedics
IF:2.0Q2
DOI:10.1007/s00264-025-06531-2
PMID:40293511
|
研究论文 | 本研究比较了医生在使用和不使用深度学习模型辅助下,对膝关节MRI中半月板和前交叉韧带撕裂的诊断性能 | 使用深度学习模型辅助医生提高对膝关节MRI中半月板和前交叉韧带撕裂的诊断准确性 | 样本量相对较小(186例MRI检查),且仅评估了Keros®算法 | 比较医生在使用和不使用深度学习模型辅助下对膝关节MRI中半月板和前交叉韧带撕裂的诊断性能 | 膝关节MRI图像 | 数字病理 | 膝关节损伤 | MRI | 深度学习模型(Keros®算法) | 图像 | 186例MRI检查(88例来自患者,98例来自公开数据库) |
13 | 2025-06-21 |
Deep learning-based EEG source imaging is robust under varying electrode configurations
2025-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2025.04.009
PMID:40318257
|
研究论文 | 本研究探讨了基于深度学习的EEG源成像方法DeepSIF在不同电极配置下的性能表现 | DeepSIF方法在不同电极数量和噪声水平下均能提供准确的源定位和范围估计,优于传统方法 | 研究主要基于计算机模拟和27名耐药性癫痫患者的临床数据,样本量相对较小 | 评估基于深度学习的EEG源成像方法在低密度EEG下的性能 | EEG源成像方法在不同电极配置下的性能比较 | 机器学习 | 癫痫 | EEG源成像 | DeepSIF | EEG信号 | 27名耐药性癫痫患者 |
14 | 2025-05-10 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16
2025-Jul, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.025
PMID:40340157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
15 | 2025-06-21 |
Radiomics for lung cancer diagnosis, management, and future prospects
2025-Jul, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106926
PMID:40344812
|
综述 | 本文综述了放射组学在肺癌诊断和管理中的作用,探讨了从手工放射组学到深度学习技术的多种方法及其在肺癌护理各阶段的关键应用 | 强调了放射组学在提高诊断准确性、预测治疗反应和个性化患者护理方面的潜力,并探讨了未来整合大型语言模型、可解释AI和超分辨率成像技术的发展方向 | NA | 探讨放射组学在肺癌诊断和管理中的应用及其未来发展前景 | 肺癌 | 数字病理学 | 肺癌 | 放射组学、深度学习 | AI模型 | 医学影像 | NA |
16 | 2025-06-21 |
Breast tumour classification in DCE-MRI via cross-attention and discriminant correlation analysis enhanced feature fusion
2025-Jul, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106941
PMID:40403340
|
研究论文 | 本文提出了一种基于动态对比增强磁共振成像(DCE-MRI)的乳腺肿瘤分类方法,通过融合深度特征和交叉注意力编码的放射组学特征,利用判别相关分析(DCA)提高分类准确性 | 提出了一种新颖的特征融合方法eFF-DCA,结合了深度特征和交叉注意力编码的放射组学特征,利用DCA优化特征相关性,提高了乳腺肿瘤分类的准确性 | 非端到端的设计限制了多模态特征的融合效果 | 开发并验证一种基于DCE-MRI的乳腺肿瘤分类方法,以提高良性和恶性肿瘤的鉴别诊断准确性 | 乳腺肿瘤 | 数字病理学 | 乳腺癌 | DCE-MRI | eFF-DCA | 医学影像 | 261名个体,包括137个良性肿瘤和163个恶性肿瘤 |
17 | 2025-06-21 |
Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy
2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.269389
PMID:40274371
|
研究论文 | 研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗(PRRT)在转移性神经内分泌肿瘤(NETs)中的药代动力学、剂量学模式及吸收剂量(AD)-效应关系,以制定未来个性化剂量引导治疗的策略 | 揭示了不同治疗周期和不同NET亚组的剂量学行为,并建立了eGFR与AD之间的关系模型,可用于早期预测肾功能 | 样本量较小(30例患者),且未观察到高于2级的肾毒性 | 优化PRRT个性化治疗方案 | 转移性神经内分泌肿瘤患者 | 放射治疗学 | 神经内分泌肿瘤 | SPECT/CT成像、蒙特卡洛剂量率图生成 | 深度学习算法(用于肾脏分割) | 医学影像(CT/SPECT/MRI) | 30例患者(22例完成所有周期SPECT/CT成像) |
18 | 2025-06-21 |
Simple controls exceed best deep learning algorithms and reveal foundation model effectiveness for predicting genetic perturbations
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf317
PMID:40407144
|
research paper | 本文介绍了一种简单的基线方法,在预测基因扰动后的转录组反应方面优于现有的深度学习方法,并阐明了基础模型在此任务中的实用性 | 提出了一种简单但性能优于现有深度学习方法的新基线方法,并提供了修正后的流行数据集版本 | 未提及具体样本量或数据规模,可能影响结果的可推广性 | 评估和改进基因扰动后转录组反应的预测方法 | 基因扰动后的转录组反应预测 | machine learning | NA | transformer-based foundation model | transformer | transcriptomic data | NA |
19 | 2025-06-21 |
Deep-Learning-based Automated Identification of Ventriculoperitoneal-Shunt Valve Models from Skull X-rays
2025-Jun, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-024-01490-4
PMID:39809871
|
research paper | 该研究探讨了深度学习在颅骨X光片中自动识别脑室腹腔分流阀(VPS)模型的可行性 | 首次使用深度学习技术自动识别颅骨X光片中的VPS阀模型,实现了高准确率的分类 | 研究仅包含四种VPS阀模型,样本分布不均,且未在更广泛的数据集上进行验证 | 研究目的是探索人工智能(特别是深度学习)在颅骨X光片中自动识别VPS阀模型的能力 | 研究对象是颅骨X光片中的VPS阀模型 | computer vision | hydrocephalus | deep learning | CNN | image | 959张颅骨X光片,包含四种VPS阀模型(Codman Hakim 774张,Codman Certas Plus 117张,Sophysa Sophy Mini SM8 35张,proGAV 2.0 33张) |
20 | 2025-06-21 |
Predictors and Implications of Myocardial Injury in Intracerebral Hemorrhage
2025-Jun, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01498-4
PMID:39884976
|
研究论文 | 本研究评估了脑出血(ICH)患者心肌损伤的频率、预测因素及其影响 | 首次在脑出血患者中系统研究心肌损伤的发生率及其与预后的关系,并应用深度学习算法进行定量分析 | 回顾性研究设计可能影响结果的可靠性,样本量相对有限 | 评估脑出血患者心肌损伤的发生频率、预测因素及其临床意义 | 322名脑出血患者 | 数字病理学 | 心血管疾病 | 高敏感性心肌肌钙蛋白T(hs-cTnT)检测、深度学习算法、基于体素的病变症状映射(VLSM) | 深度学习算法 | 医学影像数据、临床检测数据 | 322名脑出血患者 |