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 | 2025-07-05 |
Artificial Intelligence in Rhinology
2025-Jul-03, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011654
PMID:40608779
|
综述 | 本文综述了人工智能在鼻科学中的应用 | 探讨了机器学习在鼻科学中的分类应用以及深度学习在鼻窦炎诊断和鼻窦体积量化中的作用,并展望了机器人鼻窦手术的未来发展 | 许多人工智能应用需要设备完善的医疗中心和环境,限制了其在资源匮乏地区的应用 | 回顾人工智能在鼻科学领域的应用及其对医疗质量的提升 | 鼻科学中的疾病诊断和治疗 | 人工智能在医疗领域的应用 | 鼻窦炎 | 机器学习和深度学习 | 分类算法和深度学习算法 | 放射影像数据 | NA |
182 | 2025-07-05 |
Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models
2025-Jul-03, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3579732
PMID:40608870
|
research paper | 提出了一种名为TOP2 HD的新算法,通过利用TOP2类别信息提升集成模型的TOP1准确率 | 首次在集成学习中引入TOP2类别信息进行模型分层和排序,突破了传统方法仅关注TOP1类别的局限 | 未明确说明算法在非图像领域的泛化能力 | 提升深度学习视觉任务中集成模型的决策精度 | 深度学习集成模型 | computer vision | NA | ensemble learning | ensemble models | image | 多种模型和数据集(未明确具体数量) |
183 | 2025-07-05 |
Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction
2025-Jul-03, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00856
PMID:40609014
|
研究论文 | 提出了一种基于残基的跨模态框架,用于增强细胞功能相关蛋白质特性的预测 | 结合了Layer-Aggregated Graph Convolutional Network (LA-GCN)和Geometric Vector Perceptron-Graph Neural Network (GVP-GNN),在两种互补的残基图上进行表示学习,以捕捉蛋白质的语义特征和结构特性 | 未明确提及具体的数据集规模或实验条件的限制 | 提高蛋白质特性预测的准确性,以支持药物设计、疾病研究和生物湿实验 | 蛋白质的亚细胞定位、溶解度、金属离子结合和热稳定性等特性 | 机器学习 | NA | Protein Language Models (PLMs), Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN) | LA-GCN, GVP-GNN | 蛋白质序列和结构数据 | NA |
184 | 2025-07-05 |
Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network
2025-Jul-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adeb92
PMID:40609554
|
研究论文 | 提出一种基于卷积神经网络的多模态视网膜疾病分类模型,结合OCT和OCTA图像提高诊断准确性和效率 | 采用中间融合和两步训练方法,解决了训练数据不足和类别不平衡问题,提高了分类性能 | 训练数据量相对较少,可能存在类别不平衡问题 | 提高视网膜疾病的自动诊断准确性和效率 | 视网膜疾病(如年龄相关性黄斑变性和糖尿病视网膜病变) | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT)和光学相干断层扫描血管成像(OCTA) | CNN | 图像 | 未明确提及具体样本数量,但提到数据增强和宽松匹配方法用于增加数据量 |
185 | 2025-07-05 |
Recent Advances in Applying Machine Learning to Proton Radiotherapy
2025-Jul-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adeb90
PMID:40609552
|
系统综述 | 本文系统综述了机器学习在质子放疗中的应用现状及潜在用途 | 首次全面覆盖机器学习在质子放疗临床流程中的当前及潜在应用,填补了文献中的空白 | 仅涵盖2019至2024年的研究,可能遗漏早期重要文献 | 探索机器学习如何提升质子放疗的精确性和个性化治疗 | 质子放疗的临床流程 | 机器学习 | 肿瘤学 | 系统文献检索 | U-Net, CNN, 深度初始网络, 深度级联卷积神经网络 | 医学影像 | 38项相关研究 |
186 | 2025-07-05 |
ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals
2025-Jul-03, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adebdd
PMID:40609595
|
research paper | 提出了一种名为ModelS4Apnea的深度学习框架,用于从ECG频谱图中高效检测睡眠呼吸暂停 | 结合了结构化状态空间模型(S4)进行时间建模,相比基于LSTM的模型具有更少的可训练参数,同时保持高分类性能 | 未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性 | 开发一种高效准确的睡眠呼吸暂停自动检测方法 | ECG信号 | digital pathology | sleep apnea | deep learning | CNN, S4 | ECG spectrograms | Apnea-ECG数据集 |
187 | 2025-07-05 |
ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT
2025-Jul-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adebd7
PMID:40609598
|
研究论文 | 提出了一种名为ComptoNet的解耦深度学习框架,用于多源静态CT中的多散射估计 | 创新性地结合了康普顿散射物理与深度学习,并引入了康普顿图来表示扫描视场外的大角度康普顿散射信号 | 实验数据基于蒙特卡洛模拟,未提及实际临床或工业应用中的验证 | 解决多源静态CT中因缺乏反散射网格部署导致的前向和交叉散射污染问题 | 多源静态CT系统 | 计算机视觉 | NA | 深度学习 | Conditional Encoder-Decoder Network (CED-Net), Frequency U-Net | CT图像数据 | 蒙特卡洛模拟数据 |
188 | 2025-07-05 |
CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction
2025-Jul-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8914
PMID:40610235
|
研究论文 | 本研究提出了一种名为CONSeg的方法,利用共形预测(CP)在胶质瘤分割中进行体素级不确定性量化,以提高分割模型的可靠性 | 首次将共形预测应用于胶质瘤分割领域,并提出不确定性比率(UR)这一新指标来评估分割质量 | 研究仅使用了两个公开数据集,可能无法涵盖所有临床场景的变异性 | 提高胶质瘤自动分割的可靠性,并为临床决策提供不确定性量化支持 | 胶质瘤患者的MRI影像数据 | 数字病理 | 胶质瘤 | 共形预测(CP) | UNet | 医学影像 | 642例(UCSF数据集495例,UPenn数据集147例) |
189 | 2025-07-05 |
Semantic ECG hash similarity graph
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07838-1
PMID:40610475
|
研究论文 | 提出一种结合语义哈希编码的新型图生成学习框架,用于捕获心电信号内部及信号间的复杂关联,显著提升基于图的深度学习模型的检索效率 | 引入语义哈希相似图(SHSG),利用标签空间相似性生成监督信号的哈希表示,并通过轻量级线性哈希函数处理未见信号,构建全局哈希字典,最后利用汉明相似性组装图拓扑 | 未明确提及具体局限性,但可能包括对噪声的敏感性或哈希函数的选择对性能的影响 | 提升心电信号检索效率及图结构对全局语义关联的捕捉能力 | 心电信号(ECG)时间序列数据 | 机器学习 | 心血管疾病 | 语义哈希编码、汉明相似性计算 | 图卷积网络(GCN) | 时间序列数据(ECG信号) | 多个公开可用的ECG数据集(未明确数量) |
190 | 2025-07-05 |
Printed document layout analysis and optical character recognition system based on deep learning
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07439-y
PMID:40610547
|
研究论文 | 本文提出了一种基于深度学习的印刷文档布局分析和文本识别系统 | 使用YOLOv4和YOLOv8深度学习算法进行文档布局分析,并结合CNN进行文本识别,实现高效准确的OCR处理 | 未提及对复杂或低质量文档的处理能力 | 开发一种本地计算机上便捷、快速且高精度的OCR处理系统 | 印刷文档的扫描图像或图像文件 | 计算机视觉 | NA | 深度学习 | YOLOv4, YOLOv8, CNN | 图像 | 未提及具体样本数量 |
191 | 2025-07-05 |
Diagnosis of psoriasis and lichen planus in real-time using neural networks based on skin Biomechanical properties obtained from numerical simulation
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08781-x
PMID:40610543
|
研究论文 | 本研究提出了一种结合深度学习和皮肤生物力学特性数值模拟的新方法,以提高银屑病和扁平苔藓的诊断准确性 | 利用ABAQUS软件生成1000个数值模拟数据,结合ResNet-50 CNN模型,将生物力学参数转换为图像数据,实现了99.8%的诊断准确率 | 数据集仅包含1000个实例,可能不足以涵盖所有临床变异性 | 提高银屑病和扁平苔藓的诊断准确性,辅助医生和皮肤科医生实时分类皮肤病 | 银屑病和扁平苔藓患者 | 数字病理学 | 皮肤病 | 数值模拟(ABAQUS软件) | CNN(ResNet-50) | 图像数据(由数值数据转换而来) | 1000个实例(银屑病和扁平苔藓各500例) |
192 | 2025-07-05 |
Multiclass leukemia cell classification using hybrid deep learning and machine learning with CNN-based feature extraction
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05585-x
PMID:40610551
|
研究论文 | 本文提出了一种结合预训练CNN架构和先进分类模型的混合方法,用于多类白血病细胞分类 | 整合预训练深度学习架构与混合分类技术,在数据受限情况下实现稳健的多类分类 | ResNet50由于小数据集导致的过拟合问题表现不佳 | 提高白血病亚型分类的准确性和可靠性,以改善临床决策和患者护理 | 健康细胞、淋巴母细胞和髓母细胞 | 数字病理学 | 白血病 | CNN-based特征提取 | VGG16, InceptionV3, ResNet50, RF, SVM, XGBoost, MLP | 图像 | 公开数据集ALL-IDB和Munich AML Morphology Dataset |
193 | 2025-07-05 |
Deep learning-driven insights into the transmission dynamics of hepatitis B virus with treatment
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06660-z
PMID:40610572
|
研究论文 | 本研究采用分数阶建模方法和深度神经网络技术,分析了治疗对乙型肝炎病毒传播动力学的影响 | 提出了一种结合分数阶模型和深度神经网络的混合架构,提高了传染病建模的准确性和计算效率 | 未明确说明模型在真实世界数据中的验证情况 | 分析治疗对HBV传播动力学的影响,提高流行病学建模的准确性 | 乙型肝炎病毒(HBV)的传播动态 | 机器学习 | 乙型肝炎 | 分数阶建模、深度神经网络(DNNs) | Caputo HBV模型、DNN | 数值模拟数据 | NA |
194 | 2025-07-05 |
An efficient privacy-preserving multilevel fusion-based feature engineering framework for UAV-enabled land cover classification using remote sensing images
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08930-2
PMID:40610669
|
研究论文 | 提出了一种基于无人机遥感图像的高效隐私保护多级融合特征工程框架,用于土地覆盖分类 | 结合隐私保护入侵检测模型和多级融合特征工程技术,提高了土地覆盖分类的准确性和安全性 | 未提及模型在不同环境条件下的泛化能力 | 开发一种有效的无人机遥感图像土地覆盖分类模型 | 无人机遥感图像 | 计算机视觉 | NA | 多级融合特征工程 | ERNN, NASNetMobile, ResNet50, VGG19 | 图像 | ToN-IoT和EuroSat数据集 |
195 | 2025-07-05 |
Content-based X-ray image retrieval using fusion of local neighboring patterns and deep features for lung disease detection
2025-Jul-03, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00932-z
PMID:40610682
|
研究论文 | 本文介绍了一种基于内容的医学图像检索系统,用于检测和检索肺部疾病病例,以辅助医生和放射科医师进行临床决策 | 结合了基于纹理的特征(LBP)和深度学习特征(VGG-16、DenseNet121、InceptionV3),以优化图像检索性能 | 未提及样本的具体来源和多样性,可能影响模型的泛化能力 | 提升肺部疾病图像检索的准确性和效率,以支持临床决策 | 肺部疾病病例的X射线图像 | 计算机视觉 | 肺部疾病 | Local Binary Patterns (LBP), CNN | VGG-16, DenseNet121, InceptionV3 | 图像 | NA |
196 | 2025-07-05 |
Artificial intelligence-driven cybersecurity: enhancing malicious domain detection using attention-based deep learning model with optimization algorithms
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99420-y
PMID:40610687
|
研究论文 | 本文提出了一种基于注意力机制的深度学习模型与优化算法相结合的恶意域名检测技术,以提高网络安全 | 结合量子启发萤火虫算法(QIFA)进行特征选择,并采用TCN-BiLSTM-SEA混合模型进行分类,最后使用鹦鹉优化(PO)算法优化模型超参数 | 实验验证仅在一个恶意数据集上进行,未说明模型在其他类型网络攻击或数据集上的泛化能力 | 提高网络安全中的恶意域名检测效果 | 互联网中的恶意域名 | 机器学习 | NA | 量子启发萤火虫算法(QIFA)、鹦鹉优化算法(PO) | TCN-BiLSTM-SEA混合模型 | 网络域名数据 | 未明确说明样本数量,仅提及使用恶意数据集 |
197 | 2025-07-05 |
Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification
2025-Jul-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01589-1
PMID:40610693
|
研究论文 | 本研究探讨了使用轻量级深度学习模型进行多类别脑肿瘤分类的性能,并提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型 | 提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型,在保持低参数量的同时实现了高准确率 | 研究仅使用了公开可用的MRI数据集,未涉及其他类型的数据或临床环境下的验证 | 开发高效且准确的自动化脑肿瘤分类方法 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | MobileNetV3, SqueezeNet, 特征融合混合模型 | 图像 | 7023张MRI图像 |
198 | 2025-07-05 |
Selective identification of polyploid hepatocellular carcinomas with poor prognosis by artificial intelligence-based pathological image recognition
2025-Jul-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00967-8
PMID:40610763
|
research paper | 该研究开发了一种基于深度学习的AI图像识别模型,用于评估肝细胞癌(HCC)的多倍体化状态,并识别预后不良的亚群 | 首次利用AI病理图像识别技术评估HCC的多倍体状态,并发现与预后相关的特征 | 样本量相对较小(44例训练集,169例验证集),且仅针对HCC进行研究 | 开发一种临床可实施的癌症多倍体诊断方法 | 肝细胞癌(HCC)组织样本 | digital pathology | liver cancer | 深度学习,染色体荧光原位杂交(FISH) | deep learning models | image | 44例HCC(训练集),169例肝癌(验证集),外加公开数据集 |
199 | 2025-07-05 |
Interpretable and generalizable deep learning model for preoperative assessment of microvascular invasion and outcome in hepatocellular carcinoma based on MRI: a multicenter study
2025-Jul-03, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02035-0
PMID:40610844
|
研究论文 | 开发一种可解释且具有泛化能力的深度学习模型,用于基于MRI的肝细胞癌微血管侵犯评估和结果预测 | 采用对抗网络基础的深度学习模型学习多中心训练集中的域不变特征,提高了模型的泛化能力和生物可解释性 | 研究基于回顾性数据集,可能存在选择偏差 | 开发术前评估肝细胞癌微血管侵犯和预后的深度学习模型 | 546名肝细胞癌患者的MRI数据和临床资料 | 数字病理 | 肝细胞癌 | MRI | AD-DL (对抗网络基础的深度学习模型) | 图像 | 546名患者(来自5个中心) |
200 | 2025-07-05 |
Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03960-2
PMID:40592932
|
研究论文 | 本研究提出了一种基于深度学习技术的集成模型(CNN-GRU),用于肺癌检测,旨在提高AI医疗系统中的诊断准确性 | 结合CNN和GRU模型,设计了一个智能模型用于肺癌检测,通过CNN提取肺部CT图像的空间特征,并通过GRU进行最终预测,实现了99.77%的准确率 | 未提及模型在多样化数据集上的泛化能力,以及在实际临床环境中的适用性 | 开发一种高准确率的肺癌检测模型,以提升AI医疗系统中的诊断效果 | 肺癌(LC)的检测 | 数字病理学 | 肺癌 | 深度学习 | CNN-GRU | 图像(肺部CT图像) | 未明确提及具体样本数量,但使用了数据增强技术(如旋转和亮度调整)来扩大数据集 |