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 | 2025-10-04 |
A deep learning approach for brain tumour classification and detection in MRI images using YOLOv7
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1508326
PMID:41040522
|
研究论文 | 本研究使用YOLOv7深度学习模型对脑部MRI图像中的肿瘤进行分类和检测 | 采用最新的YOLOv7模型进行脑肿瘤检测,并在预处理阶段应用纵横比归一化和调整大小算法以提高肿瘤定位精度 | 仅使用2870张标注图像的数据集,可能数据规模有限 | 提高脑肿瘤在MRI图像中的分类和检测准确性 | 脑部MRI图像中的四种肿瘤类型:垂体瘤、胶质瘤、脑膜瘤和无肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | YOLOv7 | 图像 | 2870张标注的脑部MRI图像,分为四种肿瘤类型 |
182 | 2025-10-04 |
BioSemAF-BiLSTM: a protein sequence feature extraction framework based on semantic and evolutionary information
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1616880
PMID:41040660
|
研究论文 | 提出了一种基于深度学习的蛋白质序列特征提取框架BioSemAF-BiLSTM,用于预测S-亚磺酰化位点 | 整合进化信息和语义特征,使用序列压缩方法定量评估特征充分性,并采用自适应特征融合模块增强特征交互 | 特征提取存在11%的信息损失率 | 提高蛋白质S-亚磺酰化位点的预测准确性 | 蛋白质序列中的S-亚磺酰化位点 | 生物信息学 | NA | fastText词嵌入、位置特异性评分矩阵(PSSM) | BiLSTM(双向长短期记忆网络) | 蛋白质序列数据 | 基准数据集和独立测试集(具体数量未提及) |
183 | 2025-10-04 |
A bibliometric review of deep learning in crop monitoring: trends, challenges, and future perspectives
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1636898
PMID:41041084
|
综述 | 对深度学习在作物监测领域的650多篇文献进行文献计量学分析,总结趋势、挑战和未来展望 | 首次通过文献计量和知识图谱方法系统分析深度学习在农业监测中的应用现状和发展趋势 | 基于文献分析而非原始实验研究,可能受限于文献覆盖范围和检索策略 | 系统梳理人工智能特别是深度学习在农业监测中的应用现状和发展趋势 | 2000-2024年间发表的650多篇关于深度学习和农业监测的学术文献 | 机器学习 | NA | 文献计量分析、知识图谱分析 | CNN | 遥感数据(无人机、卫星图像) | 650多篇学术文献 |
184 | 2025-10-04 |
Fusion-driven multimodal learning for biomedical time series in surgical care
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1605406
PMID:41041272
|
研究论文 | 提出一种用于生物医学时间序列预测的新型多模态深度学习框架 | 引入自适应多模态融合网络和动态跨模态学习策略,通过注意力对齐、图表示学习和模态自适应融合机制增强信息整合 | NA | 提高生物医学时间序列预测的准确性和鲁棒性,支持临床决策 | 生物医学时间序列数据,包括生理信号、影像和电子健康记录 | 机器学习 | NA | 深度学习 | 自适应多模态融合网络(AMFN) | 多模态时间序列数据(生理信号、影像、电子健康记录) | NA |
185 | 2025-10-04 |
Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1630781
PMID:41041318
|
综述 | 本文系统分析了机器学习在免疫治疗研究中忽视因果推断的现状,并探讨了因果机器学习的最新进展与挑战 | 首次系统性地揭示了免疫治疗研究中因果推断的缺失问题,并提出了因果机器学习作为解决方案 | 实践应用仍面临数据质量差、算法不透明、方法复杂和跨学科沟通障碍等挑战 | 推动因果推断在免疫治疗机器学习模型中的应用,实现从相关性分析向因果推理的范式转变 | 免疫检查点抑制剂和黑色素瘤的相关研究 | 机器学习 | 免疫治疗相关疾病 | 系统综述方法,因果机器学习技术 | Targeted-BEHRT, CIMLA, CURE等因果机器学习模型 | 多模态数据(包括影像学、基因组学和临床记录) | 90项免疫检查点抑制剂研究和36项黑色素瘤回顾性研究 |
186 | 2025-10-04 |
MLVI-CNN: a hyperspectral stress detection framework using machine learning-optimized indices and deep learning for precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1631928
PMID:41041588
|
研究论文 | 提出一种结合机器学习优化植被指数和深度学习的高光谱胁迫检测框架,用于精准农业中的作物胁迫早期检测 | 开发了两种新型高光谱指数MLVI和H_VSI,采用递归特征消除优化光谱波段,并结合CNN模型实现作物胁迫严重程度的六级分类 | NA | 实现作物水分和结构胁迫的早期准确检测 | 作物胁迫 | 计算机视觉 | NA | 递归特征消除(RFE)、高光谱成像 | CNN | 高光谱图像 | NA |
187 | 2025-10-04 |
A medical image classification method based on self-regularized adversarial learning
2024-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17320
PMID:39078069
|
研究论文 | 提出一种基于自正则化对抗学习的医学图像分类框架GAN-DL,通过对抗网络提供补充正则化来提升分类性能 | 创新性地将GAN模型作为补充正则化项来支持分类任务,无需额外数据标注即可自动从重建过程中推导损失函数 | 方法性能依赖于对抗网络的质量,且需要足够训练数据来训练GAN模型达到最佳性能 | 开发一种能够应对医学图像数据挑战(小标注数据集、类别不平衡、成像质量差异)的分类方法 | COVID-19胸部X光图像和口咽鳞状细胞癌PET图像 | 计算机视觉 | COVID-19, 口咽鳞状细胞癌 | 生成对抗网络(GAN), 深度学习 | GAN-DL框架(包含F-Net特征提取网络、分类器、R-Net重建网络和D-Net判别网络) | 医学图像(X光图像、PET图像) | COVID-19数据集包含13,958张胸部X光图像,OPSCC数据集包含3,255张PET图像 |
188 | 2025-10-04 |
Artificial Intelligence in Clinical Diagnosis and Treatment of Dry Eye: Workflows, Effectiveness, and Evaluation
2024 Oct-Dec, Journal of current ophthalmology
IF:1.2Q3
DOI:10.4103/joco.joco_172_24
PMID:41041032
|
综述 | 本文综述人工智能在干眼症临床诊疗中的应用流程、效果与评估 | 系统总结AI在干眼症诊疗中的工作流程,并探讨云端治疗管理等新兴应用方向 | AI在干眼症应用中仍面临某些需要解决的挑战 | 探讨人工智能在干眼症临床诊疗中的应用及其发展前景 | 干眼症相关临床研究 | 医学人工智能 | 干眼症 | 机器学习、深度学习、计算机辅助技术 | NA | 临床数据、图像数据 | 基于48篇相关原始研究 |
189 | 2025-10-04 |
Prediction of MRI-Induced Power Absorption in Patients with DBS Leads
2024-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms61543.2024.00087
PMID:41030917
|
研究论文 | 本研究使用机器学习方法预测深部脑刺激患者在接受MRI检查时电极尖端局部比吸收率值 | 首次将XgBoost和深度残差网络应用于DBS患者MRI诱导功率吸收预测,显著超越现有最佳方法 | 数据量较小,仅包含260个实例,且部分为人工生成数据 | 开发计算效率更高的方法来预测DBS患者MRI检查时的组织加热风险 | 深部脑刺激系统患者在接受磁共振成像检查时的功率吸收情况 | 机器学习 | 神经系统疾病 | 电磁仿真,机器学习 | XgBoost,深度残差网络 | 电磁仿真数据 | 260个实例(包含患者数据和人工数据) |
190 | 2025-10-04 |
Reliable Active Learning via Influence Functions
2023-Nov, Transactions on machine learning research
PMID:41036166
|
研究论文 | 提出一种基于影响函数的可靠主动学习框架,解决深度学习中主动学习算法性能不可靠的问题 | 通过影响函数、伪标签和多样性选择来高效估计样本对模型在整个数据集上性能的提升,确保主动学习的选择价值 | NA | 提高主动学习在深度学习架构中的可靠性和性能稳定性 | 深度学习模型中的样本选择策略 | 机器学习 | NA | 影响函数、伪标签、多样性选择 | 深度学习架构 | 标注数据和未标注数据 | NA |
191 | 2025-10-03 |
Applications of artificial intelligence and nanotechnology in vaccine development
2025-Nov-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126096
PMID:40886810
|
综述 | 探讨人工智能和纳米技术在疫苗开发中的协同应用与创新潜力 | 首次系统阐述AI与纳米技术的协同效应对疫苗开发的变革性影响,提出个性化免疫策略新范式 | 未涉及具体临床验证数据和实际应用案例的详细分析 | 研究AI和纳米技术如何共同推动疫苗开发的技术革新 | 疫苗设计、递送系统和免疫优化策略 | 生物医学工程 | 传染病 | 机器学习(ML)、深度学习(DL)、纳米颗粒技术 | 深度学习算法 | 基因组学、蛋白质组学、免疫学数据集 | NA |
192 | 2025-10-03 |
Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks
2025-Nov-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126065
PMID:40885220
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习技术的无标记纳米药物递送系统分类方法 | 首次将3D卷积神经网络与高光谱成像结合用于无标记脂质体分类,并采用SMOTE技术解决药物数据集类别不平衡问题 | NA | 开发无标记、高通量的纳米药物递送系统表征方法 | 治疗性脂质体(对照组和阿霉素负载脂质体) | 计算机视觉 | NA | 高光谱成像(HSI)、暗场高光谱成像(VNIR 400-1000 nm) | 3D CNN | 高光谱图像 | NA |
193 | 2025-10-03 |
Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease
2025-Nov-01, Current opinion in rheumatology
IF:5.2Q1
DOI:10.1097/BOR.0000000000001114
PMID:40767529
|
综述 | 本文总结了截至2024年人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展 | 系统梳理了AI在系统性硬化症研究中的多种应用方法,包括监督和无监督机器学习、深度学习图像分析等创新方法 | NA | 推进系统性硬化症皮肤和肺部疾病的研究 | 系统性硬化症患者 | 机器学习 | 系统性硬化症 | 监督机器学习、无监督机器学习、深度学习 | 监督机器学习模型、无监督机器学习模型、深度学习模型 | 医疗数据、医学影像、皮肤活检数据 | 相对较小的系统性硬化症队列 |
194 | 2025-10-03 |
Does Sequence Clustering Confound AlphaFold2?
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169376
PMID:40780395
|
研究论文 | 本文通过进一步分析证明AF-Cluster方法中局部进化耦合的重要作用,并反驳了相关文献中的错误主张 | 澄清了AF-Cluster方法中局部进化耦合的作用机制,纠正了领域内对AlphaFold2构象采样方法的误解 | NA | 解释深度学习模型预测结果的原因,澄清AlphaFold2构象采样方法中的误解 | 蛋白质多构象状态预测方法,特别是AF-Cluster方法 | 结构生物学 | NA | AlphaFold2,AF-Cluster,深度学习 | 深度学习模型 | 蛋白质序列数据 | NA |
195 | 2025-10-03 |
FoldExplorer: Fast and Accurate Protein Structure Search with Sequence-Enhanced Graph Embedding
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169412
PMID:40889693
|
研究论文 | 提出一种基于深度学习的蛋白质结构快速搜索方法FoldExplorer | 结合图注意力神经网络和蛋白质语言模型,联合编码结构和序列信息生成蛋白质结构搜索专用嵌入表示 | NA | 开发快速准确的蛋白质结构搜索方法以适应结构数据库的指数级扩张 | 蛋白质结构 | 生物信息学 | NA | 图注意力神经网络、蛋白质语言模型 | 图注意力神经网络 | 蛋白质结构数据、序列数据 | NA |
196 | 2025-10-03 |
Use of Artificial Intelligence to Detect Cardiac Rhythm Disturbances in Athletes: A Scoping Review
2025 Nov-Dec, Journal of veterinary internal medicine
IF:2.1Q1
DOI:10.1111/jvim.70257
PMID:41017277
|
综述 | 本文通过范围综述评估人工智能在运动员(特别是马匹)心电图心律失常检测中的应用现状和潜力 | 首次系统评估AI技术在运动物种心律失常检测中的应用,特别关注马匹这一研究较少的领域 | 样本量较小且物种特异性心电图形态学差异限制了在兽医医学中的广泛应用 | 评估人工智能在心电图心律失常检测中的应用,特别关注在运动物种中的当前和潜在用途 | 人类、马匹和犬类运动员的心电图数据 | 医疗人工智能 | 心血管疾病 | 深度学习、卷积神经网络、恢复分析和迁移学习 | CNN | 心电图信号 | 包含17项研究:13项涉及人类,3项涉及马匹,1项涉及犬类 |
197 | 2025-10-03 |
Comparative Study of a Variant Neural Relational Inference Deep Learning Model and Dynamical Network Analysis for p53-DNA Allosteric Interactions
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169374
PMID:40769488
|
研究论文 | 本研究比较了改进的神经关系推理模型与动态网络分析在p53-DNA变构相互作用中的表现 | 通过集成transformer的多头自注意力模块改进NRI模型,首次系统比较不同方法在蛋白质变构研究中的表现 | 未明确说明样本规模和具体数据集的详细信息 | 比较不同计算方法在蛋白质变构相互作用研究中的效果 | p53蛋白与DNA的变构相互作用,包括野生型和突变型p53 | 计算生物学 | 癌症(与p53突变相关) | 神经关系推理(NRI)、动态网络分析、transformer多头自注意力机制 | 改进的NRI模型(集成transformer模块) | 蛋白质结构数据、分子动力学数据 | NA |
198 | 2025-10-03 |
Transforming sleep medicine: the evolving role of artificial intelligence
2025-Nov-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001210
PMID:40855966
|
综述 | 探讨人工智能在睡眠医学中不断演变的作用及其临床应用前景 | 系统阐述AI技术如何通过先进数据分析改善睡眠障碍检测并实现精准治疗 | 临床应用前需解决患者隐私、数据偏见和透明度等伦理挑战 | 阐明AI在睡眠医学中的发展角色并为临床医生提供关键应用信息 | 睡眠障碍患者及睡眠医学临床实践 | 医疗人工智能 | 睡眠障碍(阻塞性睡眠呼吸暂停、失眠、发作性睡病) | 机器学习、深度学习 | NA | 多导睡眠图、消费者睡眠设备数据 | NA |
199 | 2025-10-03 |
Ptgs2+ CPTC Function as a "Force-Immune Axis" by Responding to Acupuncture and Mediating M2 Macrophage Activation for Anti-Inflammatory Effects
2025-Oct-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202501175RR
PMID:41017691
|
研究论文 | 本研究通过单细胞测序发现Ptgs2+ CPTC作为力-免疫轴响应针刺刺激并通过Il6-Il6st-Stat3通路激活M2巨噬细胞产生抗炎效应 | 首次确立Ptgs2+ CPTC作为连接机械刺激与免疫调节的关键力-免疫轴 | NA | 探索筋膜组织中特络细胞的细胞景观及其在针刺抗炎中的作用机制 | 腹部中线筋膜中的Cd34+/Pdgfra+特络细胞及其亚群 | 细胞生物学 | 炎症性疾病 | 单细胞测序、深度学习、细胞形态学分析 | 深度学习模型 | 单细胞测序数据、细胞形态数据 | 痢疾大鼠模型 |
200 | 2025-10-03 |
Role of artificial intelligence in gastric diseases
2025-Oct-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i37.111327
PMID:41025012
|
综述 | 本文综述人工智能在胃部疾病诊疗中的应用进展与发展趋势 | 发现AI效能与用户专业水平呈反比关系,中等专业水平从业者获益最大;开发了内外部验证表现优异的临床决策支持系统 | 训练数据存在地域偏见、监管障碍、患者隐私与AI责任伦理问题、AI开发集中于科技巨头 | 探讨人工智能在胃部疾病诊断和管理中的应用价值与发展前景 | 胃部疾病诊疗相关的AI技术应用 | 医学人工智能 | 胃部疾病 | 多模态集成框架、大语言模型、智能眼镜 | 深度学习、大语言模型、多智能体架构 | 内窥镜图像、临床病史、实验室结果、基因组数据 | NA |