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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
181 | 2025-06-24 |
Insights on Scan-Specific Deep-Learning Strategies for Brain MRI Parallel Imaging Reconstruction
2025-Aug, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70079
PMID:40545734
|
研究论文 | 本文探讨了用于脑MRI并行成像重建的扫描特定深度学习策略,并提出了优化架构和训练细节的方法 | 提出了一种新的指标COBRAI来量化结构化残留伪影的水平,并展示了通过网格搜索和K折交叉验证优化超参数的方法 | 研究仅限于2D脑MRI数据,未涉及3D或其他身体部位的MRI数据 | 优化脑MRI并行成像重建的深度学习策略 | 脑MRI数据 | 医学影像分析 | NA | 深度学习,并行成像重建 | CNN(包括单层和三层残差CNN架构) | MRI图像 | FastMRI数据集和内部多对比2D数据 |
182 | 2025-06-24 |
DeepB3P: A transformer-based model for identifying blood-brain barrier penetrating peptides with data augmentation using feedback GAN
2025-Jul, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.08.002
PMID:39111628
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型DeepB3P,用于预测血脑屏障穿透肽(BBBPs),并利用反馈生成对抗网络(FBGAN)解决数据不平衡问题 | 结合Transformer模型和FBGAN,有效生成类似BBBPs的肽段并解决数据不平衡问题,在预测性能上显著优于现有方法 | 未明确提及具体局限性,但数据不平衡问题可能仍存在一定影响 | 开发高效准确的血脑屏障穿透肽预测工具,促进中枢神经系统药物开发 | 血脑屏障穿透肽(BBBPs) | 自然语言处理 | 中枢神经系统疾病 | 深度学习、生成对抗网络 | Transformer、FBGAN | 肽序列数据 | 未明确提及具体样本量 |
183 | 2025-06-24 |
Classifying Three-Wall Intrabony Defects from Intraoral Radiographs Using Deep Learning-Based Convolutional Neural Network Models
2025-Jul, European journal of dentistry
DOI:10.1055/s-0044-1791784
PMID:39572193
|
research paper | 本研究使用基于深度学习的CNN模型对口腔内X光片中的三壁骨内缺损进行分类 | 首次应用多种CNN模型对三壁骨内缺损进行分类,并评估其性能 | 模型性能AUC值在0.7至0.77之间,仍有提升空间 | 开发一种自动分类三壁骨内缺损的方法以辅助牙周治疗 | 口腔内X光片中的三壁骨内缺损 | digital pathology | periodontal disease | deep learning | CNN (InceptionV3, InceptionResNetV2, ResNet50V2, MobileNetV3Large, EfficientNetV2B1, VGG19) | image | 1,369张来自556名患者的X光片 |
184 | 2025-06-24 |
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的人工智能模型,以识别脊柱转移瘤的原发部位,旨在提高诊断效率 | 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部位的效能,发现专家模型在常见部位表现更优 | 研究为回顾性设计,样本量有限(514例),且仅使用非增强MRI数据 | 提高脊柱转移瘤原发部位的诊断效率 | 514例病理确诊的脊柱转移瘤患者 | 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) |
185 | 2025-06-24 |
The Central Role of Learning in Preventing Foot Complications in Persons With Diabetes: A Scoping Review
2025-Jul, Journal of clinical nursing
IF:3.2Q1
DOI:10.1111/jocn.17678
PMID:40001301
|
综述 | 本文探讨了糖尿病患者足部护理的学习过程和教育策略,并分析了不同学习过程对这些策略的影响 | 提出了一个理解患者学习和自我管理渐进阶段的框架,并强调了早期学习在糖尿病足部护理中的核心作用 | 仅纳入了英文文献,可能遗漏了其他语言的重要研究 | 探索糖尿病患者足部护理的学习过程和教育策略 | 糖尿病患者及其足部护理 | 糖尿病护理 | 糖尿病 | NA | NA | 文献数据 | 906篇文章经过筛选 |
186 | 2025-06-24 |
Artificial Intelligence Iterative Reconstruction for Dose Reduction in Pediatric Chest CT: A Clinical Assessment via Below 3 Years Patients With Congenital Heart Disease
2025-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000827
PMID:40013381
|
研究论文 | 评估基于深度学习的重建算法AIIR在降低儿童胸部CT剂量中的表现,研究对象为3岁以下先天性心脏病患者 | 首次在3岁以下先天性心脏病患者中评估AIIR算法在低剂量胸部CT中的表现,并与传统HIR方法进行比较 | 研究仅针对3岁以下先天性心脏病患者,结果可能不适用于其他年龄段或疾病类型 | 评估AIIR算法在降低儿童胸部CT剂量中的效果 | 3岁以下先天性心脏病患者 | 数字病理 | 先天性心脏病 | CT扫描 | 深度学习 | 医学影像 | 191名3岁以下先天性心脏病患者 |
187 | 2025-06-24 |
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
|
research paper | 该研究探讨了基于深度学习的EEG源成像方法在不同电极配置下的鲁棒性 | 提出了一种新的深度学习源成像框架DeepSIF,能够在低密度EEG下实现准确的源定位和范围估计 | 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源成像方法在不同电极数量下的性能 | EEG源成像的性能比较 | machine learning | epilepsy | EEG | DeepSIF | EEG信号 | 27名耐药性癫痫患者 |
188 | 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 |
189 | 2025-06-24 |
Assessment of the efficacy and accuracy of cervical cytology screening with the Hologic Genius Digital Diagnostics System
2025-Jul, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.70022
PMID:40543043
|
research paper | 评估Hologic Genius数字诊断系统在宫颈细胞学筛查中的效果和准确性 | 利用人工智能技术和大数据分析,验证了Hologic Genius数字诊断系统在临床实践中的高效性和准确性 | 研究仅基于890例样本,可能无法完全代表所有临床情况 | 验证Hologic Genius数字诊断系统在宫颈细胞学筛查中的临床应用效果 | 890例已诊断的ThinPrep Papanicolaou (Pap)测试样本 | digital pathology | cervical cancer | deep learning | NA | image | 890例ThinPrep Pap测试样本 |
190 | 2025-06-24 |
Uncertainty Quantification and Temperature Scaling Calibration for Protein-RNA Binding Site Prediction
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00556
PMID:40455481
|
研究论文 | 本文提出了一种结合多尺度图卷积网络、卷积神经网络和注意力机制的MGCA模型,用于预测蛋白质-RNA结合位点,并引入不确定性量化方法提升预测的可靠性 | 提出MGCA模型整合多尺度特征提取,首次在蛋白质-RNA结合位点预测中系统应用不确定性量化方法,并提出基于ECE的分箱筛选方法和温度缩放校准技术 | 未明确说明模型在跨物种或不同RNA结合蛋白家族上的泛化能力,实验数据集的规模和多样性未详细描述 | 提高蛋白质-RNA结合位点预测的准确性和预测结果的可信度 | 蛋白质-RNA相互作用位点 | 生物信息学 | NA | 多尺度图卷积网络、卷积神经网络、注意力机制、温度缩放校准 | MGCA(图卷积网络+CNN+注意力机制) | 蛋白质序列和结构数据 | 未明确说明具体样本量 |
191 | 2025-06-24 |
Molecular Optimization Based on a Monte Carlo Tree Search and Multiobjective Genetic Algorithm
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00584
PMID:40456025
|
研究论文 | 本文提出了一种结合蒙特卡洛树搜索和多目标遗传算法的分子优化方法MNopt,用于解决药物化学中分子设计的挑战 | 创新性地整合了蒙特卡洛树搜索(MCTS)和非劣排序遗传算法II(NSGA-II),在不需要大量分子训练数据集的情况下,有效平衡多目标优化并提高分子结构的有效性 | 未提及具体实验样本量或实际应用中的潜在限制 | 开发一种高效的分子优化方法,以支持新药发现和材料科学 | 分子数据集的优化和潜在价值分子的筛选 | 机器学习和药物化学 | NA | 蒙特卡洛树搜索(MCTS)和非劣排序遗传算法II(NSGA-II) | MCTS和NSGA-II | 分子数据 | NA |
192 | 2025-06-24 |
Explainable RNA-Small Molecule Binding Affinity Prediction Based on Multiview Enhancement Learning
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01064
PMID:40461953
|
研究论文 | 提出了一种可解释的多视角、多尺度深度学习网络EMMPTNet,用于预测RNA-小分子结合亲和力 | 基于物理化学和拓扑特性,通过四个模块从多个视角高效提取特征,并利用多层感知器预测结合亲和力 | 未提及具体局限性 | 准确预测RNA-小分子结合亲和力以筛选潜在药物 | RNA-小分子复合物 | 机器学习 | NA | RNA-小分子结合亲和力预测 | EMMPTNet(多视角、多尺度深度学习网络) | 物理化学和拓扑特性数据 | 未提及具体样本数量 |
193 | 2025-06-24 |
Improving Covalent and Noncovalent Molecule Generation via Reinforcement Learning with Functional Fragments
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00944
PMID:40471710
|
research paper | 本文提出了一种基于功能片段的强化学习框架MOFF,用于生成共价和非共价分子,以支持癌症治疗中的药物发现 | MOFF是首个使用功能片段和强化学习生成共价分子的框架,结合了对接分数作为奖励函数,并通过分子动力学模拟验证了其生成的分子 | 研究仅针对BTK和EGFR进行了案例验证,未广泛测试其他靶点 | 开发一种新的分子生成框架,以支持癌症治疗中的药物发现 | 共价和非共价分子 | machine learning | cancer | reinforcement learning, molecular docking, molecular dynamics simulations | Soft Actor-Critic algorithm | molecular data | 案例研究涉及Bruton's tyrosine kinase (BTK)和epidermal growth factor receptor (EGFR) |
194 | 2025-06-24 |
Deep Learning Approaches for Predicting the Surface Tension of Ionic Liquids
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00158
PMID:40476518
|
研究论文 | 本研究提出了两种深度学习模型,用于预测离子液体在恒定压力下广泛温度范围内的表面张力 | 使用简化的分子输入线表示系统(SMILES)提取分子特征作为输入,开发了两种深度学习模型来预测离子液体的表面张力 | NA | 加速离子液体的发现和设计,通过计算模型预测其表面张力 | 离子液体(ILs) | 机器学习 | NA | 深度学习(DL) | 深度学习模型 | 分子特征(SMILES表示) | NA |
195 | 2025-06-24 |
Leveraging transformers for semi-supervised pathogenicity prediction with soft labels
2025-Jun-23, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0047
PMID:40538169
|
研究论文 | 本文介绍了一种基于深度学习的模型,用于预测遗传变异的致病性,以推动个性化医疗的发展 | 采用半监督学习方法,有效利用明确标记和不确定标记的数据,并引入Feature Tokenizer Transformer架构处理数值和分类基因组信息 | 模型在不确定标记(软标记)数据上的预测效果未详细讨论 | 预测遗传变异的致病性,推动个性化医疗 | 遗传变异 | 机器学习 | NA | NGS | Feature Tokenizer Transformer | 基因组数据 | NA |
196 | 2025-06-24 |
Hyperspectral Imaging Combined With Deep Learning for Precision Grading of Clear Cell Renal Cell Carcinoma
2025-Jun-23, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500180
PMID:40545924
|
研究论文 | 本研究提出了一种结合高光谱成像(HSI)和深度学习的方法,用于精确分级透明细胞肾细胞癌(ccRCC) | 采用基于小波的去噪和主成分分析(PCA)的预处理流程,以及结合注意力机制和Transformer模块的1D卷积神经网络,以提取局部光谱特征和全局上下文信息 | 样本量较小(80例ccRCC样本),可能需要更大规模的数据集验证 | 提高透明细胞肾细胞癌的诊断准确性,支持更精确的个性化治疗计划 | 透明细胞肾细胞癌(ccRCC) | 数字病理学 | 肾癌 | 高光谱成像(HSI) | 1D CNN结合注意力机制和Transformer模块 | 图像 | 80例ccRCC样本 |
197 | 2025-06-24 |
PruEV-AI: a Simple Approach Combines Urinary Extracellular Vesicle Isolation with AI-Assisted Analysis for Prostate Cancer Diagnosis
2025-Jun-23, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202500659
PMID:40545998
|
research paper | 介绍了一种结合尿液细胞外囊泡(uEVs)分离与AI辅助分析的集成诊断系统PruEV-AI,用于前列腺癌(PCa)的非侵入性诊断 | 开发了一种快速uEVs分离方法,结合AI分析多个miRNA标志物,显著提高了前列腺癌的诊断准确性 | 样本量相对较小(48例PCa患者和49例对照) | 开发一种高效、非侵入性的前列腺癌诊断方法 | 尿液细胞外囊泡(uEVs)中的miRNA标志物 | digital pathology | prostate cancer | RT-qPCR, deep learning | DL | miRNA expression data | 48 PCa患者和49例对照的尿液样本 |
198 | 2025-06-24 |
Enhancing Lung Cancer Diagnosis: An Optimization-Driven Deep Learning Approach with CT Imaging
2025-Jun-23, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2518404
PMID:40546028
|
研究论文 | 本研究提出了一种优化的CBAM-EfficientNet模型,用于增强特征提取并提高肺癌分类的准确性 | 结合EfficientNet降低计算复杂度,并利用CBAM模块突出关键空间和通道特征,同时应用多种优化算法(GWO、WO、BA)进行超参数调优 | 未提及模型在更广泛数据集上的泛化能力,以及在实际临床环境中的验证情况 | 提高肺癌诊断的准确性和效率 | 肺癌CT影像 | 数字病理 | 肺癌 | CT成像 | CBAM-EfficientNet | 图像 | 两个基准数据集(Lung-PET-CT-Dx和LIDC-IDRI) |
199 | 2025-06-24 |
Advancements in Caries Diagnostics Using Bite-Wing Radiography : A Systematic Review of Deep Learning Approaches
2025-Jun-22, Caries research
IF:2.9Q1
DOI:10.1159/000546448
PMID:40544827
|
系统性综述 | 本文通过系统性综述评估了深度学习在咬翼片放射影像中龋齿诊断的应用 | 总结了深度学习在龋齿检测、分割和分类中的最新进展,并识别了当前研究的方法学异质性和标准化不足的问题 | 研究存在方法学异质性、数据集多样性有限、临床验证不足以及偏倚和数据透明度问题 | 评估深度学习在咬翼片放射影像中龋齿诊断的应用效果 | 咬翼片放射影像中的龋齿 | 计算机视觉 | 龋齿 | 深度学习 | ResNet, YOLO | 图像 | 112至8539张图像 |
200 | 2025-06-24 |
Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy
2025-Jun-21, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
DOI:10.1002/ijgo.70306
PMID:40542591
|
research paper | 该研究利用深度学习技术分析超声胎盘图像纹理,预测妊娠期高血压疾病 | 结合多种深度学习模型(CNN、迁移学习、Vision Transformer与TabNet分类器)进行胎盘图像分析,提高了预测准确性 | 研究样本中其他不良妊娠结局的病例未单独分析,可能影响模型特异性 | 开发基于人工智能的妊娠期高血压疾病早期预测方法 | 妊娠期妇女的超声胎盘图像 | digital pathology | cardiovascular disease | 超声成像 | CNN, Efficient Net B0, Vision Transformer (ViT), TabNet | image | 1008名孕妇(其中143名确诊HDP) |