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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2441 | 2025-05-04 |
FCN-PD: An Advanced Deep Learning Framework for Parkinson's Disease Diagnosis Using MRI Data
2025-Apr-14, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15080992
PMID:40310386
|
research paper | 提出了一种名为FCN-PD的深度学习框架,用于通过MRI数据准确诊断帕金森病 | 结合了EfficientNet和注意力机制的混合特征提取阶段,以及全连接网络(FCN)进行最终分类,有效处理高维MRI数据并减少过拟合和特征冗余 | 仅使用了公开可用的MRI数据集,未涉及其他类型的数据或更大规模的临床验证 | 提高帕金森病的早期和准确诊断 | 帕金森病患者 | digital pathology | geriatric disease | MRI | FCN, EfficientNet | image | 三个公开可用的MRI数据集(PPMI、OASIS、MIRIAD) |
2442 | 2025-05-04 |
Deep Learning Approaches to Forecast Physical and Mental Deterioration During Chemotherapy in Patients with Cancer
2025-Apr-09, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15080956
PMID:40310358
|
研究论文 | 本研究使用深度学习模型预测癌症患者化疗期间12种自我报告症状的恶化情况,分为身体症状和心理症状两类 | 将症状分类为身体和心理两组进行预测,并比较了CNN、LSTM和GRU模型在不同时间间隔下的表现 | 较长间隔时间下预测性能下降,由于时间分辨率降低和训练样本减少 | 预测癌症患者化疗期间症状恶化情况,以便及时干预 | 接受化疗的癌症患者 | 机器学习 | 癌症 | 深度学习 | CNN, LSTM, GRU | 文本(自我报告症状日志) | NA |
2443 | 2025-05-04 |
Comparative Evaluation of Machine Learning-Based Radiomics and Deep Learning for Breast Lesion Classification in Mammography
2025-Apr-09, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15080953
PMID:40310389
|
研究论文 | 比较基于机器学习的放射组学与深度学习方法在乳腺病变分类中的性能 | 比较了传统机器学习(LDA)与深度学习(EfficientNetB6)在乳腺病变分类中的表现,发现深度学习具有更高的诊断准确性 | 机器学习方法在乳腺病变分类中的表现不如深度学习方法 | 提高乳腺病变分类的准确性和效率,支持临床医生改善患者管理 | 乳腺病变(微钙化和肿块) | 计算机视觉 | 乳腺癌 | 放射组学特征提取 | LDA, EfficientNetB6 | 图像 | 1219例患者(CBIS-DDSM公共数据库),外加222例外部验证图像 |
2444 | 2025-05-04 |
MCTASmRNA: A deep learning framework for alternative splicing events classification
2025-Apr, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.139941
PMID:39842565
|
研究论文 | 提出了一种基于多尺度卷积和Transformer的深度学习框架MCTASmRNA,用于mRNA序列中的可变剪接事件分类 | 开发了结合高效通道注意力机制和新联合损失函数的模型,提高了分类准确性和跨物种泛化能力 | 未来需要进一步优化和扩展模型以探索可变剪接的复杂机制 | 解决现有可变剪接事件识别方法的效率低下、处理时间长和RNA序列复杂性捕捉不足等问题 | mRNA序列中的可变剪接事件 | 自然语言处理 | NA | rMATS | 多尺度卷积和Transformer混合模型 | RNA序列数据 | NA |
2445 | 2025-05-04 |
Polysaccharide degradation in an Antarctic bacterium: Discovery of glycoside hydrolases from remote regions of the sequence space
2025-Apr, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.140113
PMID:39842586
|
研究论文 | 该研究通过计算和生化方法发现并鉴定了南极细菌中的两种新型糖苷水解酶 | 发现了位于序列空间远端区域的两种新型糖苷水解酶亚家族,并开发了一种结合深度学习和分子动力学模拟的计算方法来预测其底物特异性 | 研究仅针对两种糖苷水解酶,可能无法代表所有远端序列空间区域的酶特性 | 探索南极细菌中新型糖苷水解酶的结构和功能特性 | 南极细菌Pseudomonas sp. ef1中的Ps_GH5和Ps_GH50糖苷水解酶 | 生物信息学 | NA | 深度学习动态对接、AlphaFold 3D建模、分子动力学模拟 | 深度学习 | 蛋白质序列、3D结构模型 | 两种糖苷水解酶(Ps_GH5和Ps_GH50) |
2446 | 2025-05-04 |
Applications of Artificial Intelligence in Dental Medicine: A Critical Review
2025-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.009
PMID:39843259
|
综述 | 本文批判性地评估了人工智能在牙科医学中的当前应用,识别了关键观点、挑战和限制 | 提出了改进AI研究的标准化方法和伦理指南,强调数据收集的透明性、隐私和问责制 | 数据质量不一致、偏见风险、缺乏透明度和有限的临床验证 | 评估AI在牙科医学中的应用,探讨其挑战和限制 | 牙科医学中的AI应用 | 人工智能 | NA | 机器学习、深度学习 | NA | NA | NA |
2447 | 2025-05-04 |
Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13385
PMID:39846854
|
研究论文 | 本文提出了一种基于显微相差图像优化和深度学习的污泥微生物检测方法 | 提出了基于融合方差的相差图像质量优化算法、轻量级YOLOv8n-SimAM模型和新的损失函数IW-IoU | NA | 提高污水处理系统中微生物的快速准确检测能力 | 活性污泥中的八种微生物 | 计算机视觉 | NA | 深度学习 | YOLOv8n-SimAM | 显微相差图像 | 包含八种微生物的数据集 |
2448 | 2025-05-04 |
Multiscale feature enhanced gating network for atrial fibrillation detection
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108606
PMID:39847993
|
research paper | 提出了一种新型多尺度特征增强门控网络(MFEG Net)用于心房颤动(AF)的自动检测 | 结合多尺度卷积、自适应特征增强和动态时间处理,提高了模型在噪声环境下的鲁棒性和准确性 | 未提及具体在哪些噪声类型或环境下表现不佳 | 提升基于心电图的心房颤动自动诊断的准确性和鲁棒性 | 心电图信号 | digital pathology | cardiovascular disease | deep learning | MFEG Net(结合多尺度卷积、SE模块等) | ECG信号 | PhysioNet Challenge 2017数据集、CinC2017数据库、CPSC2018数据库和AFDB数据库 |
2449 | 2025-05-04 |
SAF-IS: A spatial annotation free framework for instance segmentation of surgical tools
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103471
PMID:39854817
|
research paper | 提出了一种无需空间标注的手术工具实例分割框架SAF-IS | 开发了一种不依赖空间标注的训练框架,仅需二元工具掩码和工具存在标签 | 需要依赖二元工具掩码的准确性,且人工标注的实例数量较少 | 解决手术工具实例分割问题,推动计算机辅助手术应用的发展 | 手术工具 | computer vision | NA | 深度学习 | instance segmentation model | image | EndoVis 2017和2018分割数据集 |
2450 | 2025-05-04 |
Automated Detection of Oral Malignant Lesions Using Deep Learning: Scoping Review and Meta-Analysis
2025-Apr, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15188
PMID:39489724
|
meta-analysis | 通过范围综述和荟萃分析,概述了使用深度学习自动检测口腔恶性病变的进展和成就 | 首次对使用深度学习自动检测口腔恶性病变的研究进行范围综述和荟萃分析 | 仅纳入过去5年的研究,且荟萃分析仅包含3项研究 | 评估深度学习在口腔恶性病变自动检测中的应用效果 | 口腔恶性病变 | digital pathology | oral cancer | deep learning | DL algorithms | clinical images | 14项研究(荟萃分析包含3项) |
2451 | 2025-05-04 |
Spike rate inference from mouse spinal cord calcium imaging data
2025-Mar-24, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.1187-24.2025
PMID:40127941
|
research paper | 该研究通过钙成像和电生理记录相结合的方法,优化了脊髓神经元中尖峰率的推断算法 | 首次在脊髓神经元中获得了谷氨酸能和GABA能体感神经元的真实数据,并验证了CASCADE和OASIS算法在脊髓神经元中的适用性 | 研究仅针对脊髓背角浅层的神经元,未涵盖其他中枢神经系统区域和神经元类型 | 优化钙成像数据中尖峰率的推断算法,提高脊髓神经元活动记录的准确性 | 小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元 | 神经科学 | NA | 钙成像和电生理记录 | CASCADE(基于监督深度学习)和OASIS(基于非负解卷积) | 钙成像数据和电生理数据 | 未明确提及具体样本数量,但涉及两性小鼠的脊髓神经元 |
2452 | 2025-05-04 |
Deep Learning-Based Techniques in Glioma Brain Tumor Segmentation Using Multi-Parametric MRI: A Review on Clinical Applications and Future Outlooks
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29543
PMID:39074952
|
review | 本文全面综述了深度学习在多参数MRI胶质瘤分割中的作用及其临床应用 | 探讨了从早期CNN模型到注意力机制和Transformer模型的最新进展,并提出了未来研究方向 | 讨论了数据质量、梯度消失和模型可解释性等挑战 | 研究深度学习在多参数MRI胶质瘤分割中的应用及其临床价值 | 胶质瘤的多参数MRI数据 | digital pathology | glioma | multiparametric MRI | CNN, attention mechanisms, transformer models | MRI图像 | NA |
2453 | 2025-05-04 |
Clinical applications of deep learning in neuroinflammatory diseases: A scoping review
2025-Mar, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2024.04.004
PMID:38772806
|
综述 | 本文综述了深度学习在神经炎症性疾病临床应用中的研究进展 | 提供了深度学习技术在神经炎症性疾病临床转化应用中的全面概述,并量化分析了不同临床应用和数据模态的使用情况 | 研究存在努力分布不均的问题,某些领域如影像分割和计算机辅助诊断过度集中 | 理解深度学习技术在神经炎症性疾病临床转化中的应用现状 | 神经炎症性疾病 | 机器学习 | 神经炎症性疾病 | 深度学习 | 多种不同架构的模型 | 图像、文本、时间序列信号 | 148篇文献和5个商业算法 |
2454 | 2025-05-04 |
An in-depth review of AI-powered advancements in cancer drug discovery
2025-Mar, Biochimica et biophysica acta. Molecular basis of disease
DOI:10.1016/j.bbadis.2025.167680
PMID:39837431
|
review | 本文综述了人工智能在癌症药物发现中的最新进展及其在个性化治疗中的应用 | 探讨了AI技术如深度学习和高级数据分析在药物发现关键阶段的变革性作用,包括靶点识别、药物设计、临床试验优化和药物反应预测 | 面临大规模基因组数据管理和AI在医疗保健中部署的伦理问题等挑战 | 研究人工智能如何加速癌症药物发现过程并推动个性化治疗策略的发展 | 癌症药物发现过程中的AI技术应用 | machine learning | cancer | deep learning, advanced data analytics | DrugnomeAI, PandaOmics, AlphaFold | genomic datasets | NA |
2455 | 2025-05-04 |
Utilizing deep learning for automatic segmentation of the cochleae in temporal bone computed tomography
2025-Mar, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241307333
PMID:39840644
|
研究论文 | 利用深度学习在颞骨计算机断层扫描中自动分割耳蜗 | 比较了三种深度学习模型(3D U-Net、UNETR和SegResNet)在耳蜗自动分割中的性能,并发现SegResNet表现最佳 | 样本量相对较小,仅包含231个样本,且仅测试了三种CT类型 | 评估深度学习在颞骨CT中自动分割耳蜗的实用性,以区分异常和正常图像 | 颞骨CT图像中的耳蜗 | 计算机视觉 | NA | CT扫描 | 3D U-Net, UNETR, SegResNet | 图像 | 231个样本(77个正常和154个异常) |
2456 | 2025-05-04 |
Deep learning-based image classification reveals heterogeneous execution of cell death fates during viral infection
2025-Mar-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-10-0438
PMID:39841552
|
研究论文 | 本研究利用基于深度学习的图像分类技术,分析了单纯疱疹病毒1型(HSV-1)感染的单细胞中程序性细胞死亡(PCD)的异质性执行情况 | 采用深度学习图像分类技术揭示病毒感染下细胞死亡命运的异质性执行,弥补了分子信号模糊时的细胞命运判定难题 | 研究仅针对HSV-1感染的细胞,未涵盖其他病毒或条件 | 探究病毒感染下细胞死亡命运的异质性执行机制 | HSV-1感染的单个细胞 | 数字病理学 | 病毒感染 | 深度学习图像分类 | CNN | 图像 | NA |
2457 | 2025-05-04 |
Image quality assessment and white matter hyperintensity quantification in two accelerated high-resolution 3D FLAIR techniques: Wave-CAIPI and deep learning-based SPACE
2025-Mar, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.106783
PMID:39842179
|
research paper | 比较两种加速高分辨率3D FLAIR技术(DL-SPACE和Wave-CAIPI FLAIR)在脑部成像中的图像质量 | 首次比较了DL-SPACE和Wave-CAIPI FLAIR技术在图像质量、信噪比和对比噪声比方面的表现 | 研究为回顾性分析,样本量相对较小(123名参与者) | 评估和比较两种加速高分辨率3D FLAIR技术的图像质量 | 脑部成像中的白质高信号(WMH) | 数字病理 | 神经系统疾病 | 3D FLAIR成像技术 | deep learning-reconstruction | 医学影像 | 123名参与者 |
2458 | 2025-05-04 |
A novel hybrid ViT-LSTM model with explainable AI for brain stroke detection and classification in CT images: A case study of Rajshahi region
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109711
PMID:39847947
|
研究论文 | 提出了一种结合ViT和LSTM的混合模型,用于CT图像中脑卒中的检测和分类,并通过可解释AI方法提高预测的可靠性 | 首次将Vision Transformer (ViT)和LSTM结合用于脑卒中检测,并引入可解释AI方法增强模型的可信度 | 研究主要基于Rajshahi地区的数据,可能在其他地区的泛化性有待验证 | 开发自动化解决方案以提高脑卒中CT图像诊断的准确性和及时性 | CT图像中的脑卒中特征 | 计算机视觉 | 脑卒中 | 深度学习 | ViT-LSTM混合模型 | CT图像 | BrSCTHD-2023数据集(来源:Rajshahi Medical College Hospital)和Kaggle脑卒中数据集 |
2459 | 2025-05-04 |
Interpretable COVID-19 chest X-ray detection based on handcrafted feature analysis and sequential neural network
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109659
PMID:39847942
|
research paper | 该研究提出两种新算法DC-GLM和CAMSGNeT,用于提高COVID-19胸部X光检测的可解释性和准确性 | 引入了动态共现灰度矩阵(DC-GLM)和上下文自适应多尺度Gabor网络(CAMSGNeT),以增强纹理特征提取和模型可解释性 | 未提及具体的数据集规模限制或计算资源需求 | 开发更可解释、精确且资源高效的COVID-19胸部X光检测方法 | COVID-19患者的胸部X光图像 | digital pathology | COVID-19 | DC-GLM, CAMSGNeT | sequential neural network | image | 两个数据集(具体数量未提及) |
2460 | 2025-05-04 |
A multimodal deep learning model for cervical pre-cancers and cancers prediction: Development and internal validation study
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109710
PMID:39847948
|
研究论文 | 开发并验证了一种基于深度学习的多模态模型,用于预测宫颈癌前病变和癌症 | 结合临床数据和阴道镜图像的多模态深度学习模型,在预测CIN2+状态方面表现优于单独使用图像或临床数据的模型及临床医生的阴道镜印象 | 需要外部验证研究以评估模型的泛化能力 | 开发一种能够提高宫颈癌筛查和诊断客观性和可重复性的深度学习模型 | 6356例LEEP锥切/锥活检病例(金标准诊断) | 数字病理 | 宫颈癌 | 深度学习 | 多模态深度学习模型 | 临床数据和阴道镜图像 | 6356例病例 |