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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
201 | 2025-06-13 |
Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07156-8
PMID:39969540
|
研究论文 | 本研究开发并验证了一种深度学习模型,用于在不同成像条件和示踪剂下进行多器官PET分割,以满足完全基于PET的定量分析的关键需求 | 提出了一种在超低剂量全身PET成像中具有高鲁棒性和泛化能力的人工智能模型,支持多种示踪剂和多中心数据 | 研究为回顾性研究,基于已收集的数据,可能无法完全反映前瞻性临床应用的实际情况 | 开发并验证一种深度学习模型,用于在不同成像条件和示踪剂下进行多器官PET分割 | 798名来自多个中心的患者,使用不同示踪剂进行PET成像 | 数字病理 | NA | 深度学习 | 3D深度学习模型 | PET图像 | 798名患者 |
202 | 2025-06-13 |
Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07145-x
PMID:39976703
|
研究论文 | 本研究开发了基于深度学习的模型,用于通过SPECT心肌灌注成像诊断冠状动脉疾病 | 采用了多种监督和半监督深度学习算法及训练策略,包括迁移学习和数据增强,以提高诊断准确性 | 研究仅适用于LAD区域,且模型性能在某些任务中仍有提升空间 | 开发先进的深度学习模型,用于冠状动脉疾病的自动化诊断 | 940名接受SPECT-MPI检查的患者,其中281名患者进行了ICA检查 | 数字病理学 | 心血管疾病 | SPECT-MPI, ICA | DenseNet201, ResNet152V2, InceptionResNetV2 | 图像 | 940名患者(其中281名进行了ICA检查) |
203 | 2025-06-13 |
Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07165-7
PMID:40009163
|
研究论文 | 本研究提出了一种基于深度学习的Mask-ViT方法,用于减少超快速肺部PET扫描中的噪声 | 提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法,能够在有限训练数据上进行微调后直接应用于新扫描仪的未见测试数据 | 研究仅在五个扫描仪的两个数据集上进行,样本量相对有限 | 减少超快速20秒屏气(U2BH)PET图像中的噪声,提高诊断质量 | U2BH PET图像 | 数字病理 | 肺癌 | PET/CT成像 | Mask-ViT, U-Net, C-Gan | 图像 | 1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应全时PET/CT图像 |
204 | 2025-06-13 |
Deep learning-based weed detection for precision herbicide application in turf
2025-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8728
PMID:40022516
|
research paper | 本研究评估了使用深度卷积神经网络(DCNNs)进行基于除草剂敏感性的杂草检测的可行性,以实现精准除草剂喷洒 | 结合除草剂敏感性杂草映射与优化路径规划算法,实现智能喷洒机的精准除草剂应用 | 未提及具体样本量或实验环境限制 | 评估深度学习方法在精准除草剂喷洒中的应用效果 | 草坪中的杂草 | computer vision | NA | deep learning | DenseNet, GoogLeNet, ResNet | image | NA |
205 | 2025-06-13 |
Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy
2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110914
PMID:40328363
|
research paper | 本研究开发了一种基于CT的多器官分割模型,用于描绘儿童上腹部肿瘤放疗中的风险器官,并评估其在多个数据集中的鲁棒性 | 开发了一种结合内部和公共数据集训练的模型,提高了在多个数据集上的鲁棒性,并进行了临床可接受性评估 | 在0-2岁年龄组中表现最差,胃-肠和胰腺的DSC值低于0.90 | 开发并评估一种用于儿童上腹部肿瘤放疗中风险器官自动分割的深度学习模型 | 儿童上腹部肿瘤患者(肾肿瘤和神经母细胞瘤)的术后CT图像 | digital pathology | pediatric upper abdominal tumors | CT扫描 | 深度学习模型 | CT图像 | 内部数据集189例,公共数据集189例 |
206 | 2025-06-13 |
A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients
2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110935
PMID:40360049
|
meta-analysis | 本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测肺癌患者胸部放疗毒性中的表现 | 首次对放射组学、剂量组学和机器学习在预测放疗毒性方面的性能进行了系统综述和荟萃分析,并比较了不同模型的表现 | 研究主要集中在放射性肺炎预测,对其他器官毒性的预测研究较少 | 评估定量成像方法在预测肺癌患者放疗毒性中的效用 | 23,373名肺癌患者 | digital pathology | lung cancer | radiomics, dosiomics, machine learning | classical and deep learning models | imaging data | 104项研究,涉及23,373名患者 |
207 | 2025-06-13 |
Adaptive debiasing learning for drug repositioning
2025-Jul, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104843
PMID:40389101
|
research paper | 本文提出了一种名为DRDM的深度学习框架,用于药物重定位任务,通过动态调整关联权重和双视角对比学习来减少数据偏差并增强模型的鲁棒性 | 提出了一个具有去偏机制的深度学习框架DRDM,能够动态调整关联权重以增强长尾实体的表示,并采用双视角对比学习提供丰富的监督信号 | 研究仅分析了三种常用的药物重定位数据集,可能无法涵盖所有潜在的数据偏差情况 | 旨在通过减少数据偏差来提升药物重定位任务的性能,为药物发现提供新见解 | 药物重定位任务中的数据集及其节点极化特性 | machine learning | NA | graph neural network, dual-view contrastive learning | DRDM | graph data | 三个常用的药物重定位数据集 |
208 | 2025-06-13 |
RF-photonic deep learning processor with Shannon-limited data movement
2025-Jun-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adt3558
PMID:40498817
|
研究论文 | 介绍了一种新型的光学神经网络(MAFT-ONN),用于射频信号的深度学习处理 | 提出了一种全模拟的深度学习硬件加速器,能够在射频信号上直接进行计算,并展示了高准确性和可扩展性 | 未提及具体的技术实现细节或潜在的硬件限制 | 开发一种新型的计算范式以满足未来高级通信(如6G)的需求 | 射频信号和光学神经网络 | 机器学习 | NA | 光学神经网络(ONN) | MAFT-ONN | 射频信号 | MNIST数字分类的近400万次全模拟操作 |
209 | 2025-06-13 |
Real-time integrated modeling of soft tissue deformation and stress based on deep learning
2025-Jun-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adde0d
PMID:40436029
|
research paper | 开发了一种基于深度学习的实时多物理场建模框架,用于软组织的变形和应力分布模拟 | 提出了一种平衡多物理场特征尺度的方法,解决了现有模型在建模多个物理场时因数据分布差异导致的偏向性问题 | 未提及模型在更复杂或动态手术环境中的适用性 | 解决手术模拟器中应力渲染缺失的问题,提升手术模拟器的真实感 | 软组织的变形和应力分布 | machine learning | NA | 深度学习 | 神经网络 | 三维模型数据 | 悬臂梁、肝脏、脾脏和肾脏的三维模型 |
210 | 2025-06-13 |
Discovery of CYP1A1 Inhibitors for Host-Directed Therapy against Sepsis
2025-Jun-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c00493
PMID:40442943
|
研究论文 | 该研究通过深度学习和虚拟筛选发现新型CYP1A1小分子抑制剂,用于治疗细菌性败血症 | 首次将CYP1A1作为宿主导向治疗(HDT)靶点,并开发出能显著降低MRSA等细菌负荷的小分子抑制剂 | 研究仅针对MRSA等特定细菌,未验证对其他耐药菌株的效果 | 开发针对耐药性细菌败血症的新型宿主导向治疗药物 | 细胞色素P4501A1(CYP1A1)及其小分子抑制剂 | 药物发现 | 败血症 | 深度学习、虚拟筛选、生物评价 | NA | 化学化合物数据 | NA |
211 | 2025-06-13 |
Accurate Prediction of the Diffusion Coefficients of Organic Compounds in Water by Multimodal Learning
2025-Jun-12, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c01881
PMID:40457760
|
research paper | 开发了一种多模态深度学习模型,用于预测有机化合物在水中的扩散系数 | 结合分子图像、分子描述符和温度的多模态深度学习模型,比传统经验方程更准确 | 未提及模型在新合成化学物质上的泛化能力 | 快速准确预测有机化合物在水中的扩散系数 | 有机化合物在水中的扩散系数 | machine learning | NA | 深度学习 | multimodal deep learning model | 分子图像、分子描述符、温度数据 | 未提及具体样本数量 |
212 | 2025-06-13 |
Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features
2025-Jun-12, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01077
PMID:40462529
|
research paper | 提出一种多模态机器学习框架,整合分子指纹和图像特征以改善血脑屏障通透性预测 | 结合多种分子指纹和图像特征,使用堆叠集成模型和Transformer编码器、CNN及多头注意力融合机制,提升预测稳定性和可解释性 | 未提及具体样本量,可能影响模型泛化能力的验证 | 开发可解释的机器学习模型以揭示血脑屏障通透性的物理化学原理 | 血脑屏障通透性预测 | machine learning | NA | Principal Component Analysis (PCA), Shapley Additive Explanations (SHAP) | stacking ensemble model, Transformer encoder, CNN, Multi-Head Attention | molecular fingerprints (Morgan, MACCS, RDK), image features | NA |
213 | 2025-06-13 |
Cyclic Peptide Therapeutic Agents Discovery: Computational and Artificial Intelligence-Driven Strategies
2025-Jun-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c00712
PMID:40464341
|
review | 本文综述了计算和人工智能驱动策略在环肽治疗剂发现中的应用及其潜力 | 整合基于物理的模拟与深度学习技术,重新定义环肽治疗剂的设计和优化 | 面临肽灵活性、数据可用性有限和复杂构象景观等挑战 | 提升环肽药物开发的精确性和效率,满足未解决的医疗需求 | 环肽治疗剂的发现与开发 | 药物发现 | NA | 计算技术、人工智能、深度学习 | 深度学习 | NA | NA |
214 | 2025-06-13 |
Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy
2025-Jun-12, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.25-059
PMID:40499925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
215 | 2025-06-13 |
High visceral-to-subcutaneous fat area ratio is an unfavorable prognostic indicator in patients with uterine sarcoma
2025-Jun-12, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01812-7
PMID:40500581
|
研究论文 | 探讨体成分参数对子宫肉瘤患者总体生存率的影响 | 首次研究了内脏脂肪与皮下脂肪面积比(VSR)对子宫肉瘤患者预后的影响 | 样本量较小(52例患者),且为回顾性研究 | 评估体成分参数与子宫肉瘤患者生存率的关系 | 子宫肉瘤患者 | 数字病理学 | 子宫肉瘤 | 基于深度学习的半自动分割程序 | 深度学习 | CT图像 | 52例子宫肉瘤患者 |
216 | 2025-06-13 |
Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques
2025-Jun-12, Osong public health and research perspectives
IF:2.1Q3
DOI:10.24171/j.phrp.2025.0080
PMID:40501115
|
研究论文 | 比较统计方法和深度学习方法在预测沙特阿拉伯季节性流感样疾病(ILI)发病率中的表现 | 首次在中东流行病学模型中整合了地区特异性外生变量,并比较了Holt-Winters统计方法和LSTM深度学习方法的预测性能 | Holt-Winters模型在发病率波动较大时期表现出显著的未解释变异性 | 开发和评估流感样疾病(ILI)发病率预测模型 | 沙特阿拉伯2017-2022年的每周季节性流感样疾病(ILI)发病率数据 | 机器学习 | 流感 | 时间序列分析 | Holt-Winters, LSTM | 时间序列数据 | 2017-2022年沙特阿拉伯的每周ILI病例数据 |
217 | 2025-06-13 |
Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem
2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences
DOI:10.1098/rstb.2024.0057
PMID:40501133
|
研究论文 | 比较了点计数、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类物种监测中的应用 | 提出了一个新的数据集,包含超过20小时的肯尼亚山生态系统录音,并由专家鸟类学家标注,同时研究了使用大型深度学习模型处理这些录音 | 即使使用了多种方法,调查仍然遗漏了肯尼亚山生态系统中已知存在的稀有物种,表明多种方法的联合使用仍不够全面 | 增加生态系统监测力度,为生态系统管理者提供可操作的见解,并有效利用保护资源 | 肯尼亚山生态系统中的鸟类物种 | 生态监测 | NA | 被动声学监测、深度学习 | 大型深度学习模型 | 音频 | 超过20小时的录音 |
218 | 2025-06-13 |
A Hyperbolic Discrete Diffusion 3D RNA Inverse Folding Model for Functional RNA Design
2025-Jun-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00527
PMID:40503717
|
研究论文 | 提出了一种名为RIdiffusion的双曲离散扩散3D RNA逆折叠模型,用于功能性RNA设计 | 通过将RNA 3D结构的几何特征和拓扑特性嵌入双曲空间,RIdiffusion能够基于有限的训练样本,利用离散扩散模型高效恢复目标RNA 3D结构的核苷酸分布 | RNA 3D结构数据的实验获取有限,RNA 3D结构的独特特性增加了逆折叠的难度 | 开发一种高效的3D RNA逆折叠模型,用于功能性RNA的生成设计 | RNA 3D结构 | 机器学习 | NA | 离散扩散模型 | RIdiffusion | 3D结构数据 | 有限的训练样本 |
219 | 2025-06-13 |
Simulation-free workflow for lattice radiation therapy using deep learning predicted synthetic computed tomography: A feasibility study
2025-Jun-12, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70137
PMID:40504103
|
research paper | 本研究开发了一种基于深度学习预测合成CT的无模拟工作流程,用于加速基于VMAT的格子放射治疗计划 | 利用深度学习预测的合成CT实现无模拟治疗计划工作流程,以加速格子放射治疗的启动 | 研究样本量较小(训练集50例,测试集15例),且仅针对胸部和腹部区域 | 开发一种无模拟的工作流程,以加速格子放射治疗计划的制定 | 胸部和腹部区域的诊断CT图像 | digital pathology | bulky tumors | deep learning, volumetric modulated arc therapy (VMAT) | 3D U-Net | CT images | 训练集50例患者,测试集15例患者 |
220 | 2025-06-13 |
Optimization enabled ensemble based deep learning model for elderly falling risk prediction
2025-Jun-12, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2514802
PMID:40504132
|
research paper | 该研究开发了一种基于优化深度学习的老年人跌倒风险预测模型 | 采用新型Double Exponential Lyrebird Optimization算法结合双指数平滑和Lyrebird优化,构建集成学习模型 | 未提及具体样本量及数据来源的局限性 | 开发先进的老年人跌倒风险预测模型以提高安全性 | 老年人跌倒风险预测 | machine learning | geriatric disease | Double Exponential Lyrebird Optimization算法 | XGBoost, 1D CNN, Deep Belief Network | NA | NA |