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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
241 | 2025-07-22 |
Okra disease dataset for classification and segmentation: Dataset collection, analysis and applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111662
PMID:40687361
|
研究论文 | 本文介绍了一个用于秋葵叶片疾病分类和分割的综合数据集,旨在支持深度学习模型的开发 | 该数据集是首批公开的印度秋葵叶片疾病数据集之一,包含了真实农业环境下的自然变化 | 数据集规模有限,未来计划扩展更多图像以包括不同生长阶段和环境条件 | 为早期植物疾病分类、检测和分割研究提供基准资源 | 秋葵叶片 | 计算机视觉 | 植物疾病 | NA | 深度学习 | 图像 | 2500张秋葵叶片图像 |
242 | 2025-07-22 |
Current challenges and opportunities in active and passive data collection for mobile health sensing: a scoping review
2025-Aug, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf025
PMID:40688708
|
综述 | 本文综述了移动健康感知中主动和被动数据收集的当前挑战与机遇 | 分析了移动健康感知中主动和被动数据收集的具体挑战,并提出了机器学习技术和用户界面设计的创新解决方案 | 仅包括同时收集主动和被动数据的研究,排除了使用现有数据集的研究 | 识别和分析移动健康感知中数据收集的挑战与机遇 | 移动健康感知中的数据收集 | 机器学习 | NA | 机器学习(ML) | NA | 主动和被动移动感知数据 | 77项研究 |
243 | 2025-07-22 |
A Deep Learning Approach to Assessing Cell Identity in Stem Cell-Based Embryo Models
2025-Jul-22, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/7651_2025_654
PMID:40690128
|
research paper | 该研究利用深度学习技术评估干细胞胚胎模型中细胞身份 | 开发了一个整合早期人类发育的深度学习模型,能够对体外细胞类型进行身份鉴定并提供分类可靠性评分 | 未提及具体样本量或模型验证的详细限制 | 评估干细胞胚胎模型中细胞身份与真实胚胎细胞的相似性 | 胚胎干细胞(ESCs)和体外培养的细胞类型 | machine learning | NA | scRNA-seq, scvi-tools | DL | RNA-seq数据 | NA |
244 | 2025-07-22 |
Deep learning for echocardiographic assessment and risk stratification of aortic, mitral, and tricuspid regurgitation: the DELINEATE-regurgitation study
2025-Jul-21, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf248
PMID:40156921
|
research paper | 开发了一个AI系统用于评估心脏瓣膜反流并预测二尖瓣反流进展风险 | 使用深度学习技术对心脏瓣膜反流进行分类和风险分层,并首次预测二尖瓣反流进展 | 研究仅基于两个站点的数据,外部验证集的性能略低于内部测试集 | 开发AI系统以改善心脏瓣膜反流的评估和风险分层 | 主动脉反流(AR)、二尖瓣反流(MR)和三尖瓣反流(TR)患者 | digital pathology | cardiovascular disease | 深度学习 | NA | video | 71,660例经胸超声心动图(TTE)和1,203,980个彩色多普勒视频 |
245 | 2025-07-22 |
CoxKAN: Kolmogorov-Arnold networks for interpretable, High-Performance survival analysis
2025-Jul-21, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf413
PMID:40685627
|
研究论文 | 介绍了一种名为CoxKAN的可解释高性能生存分析模型,结合了Cox比例风险模型和Kolmogorov-Arnold网络的优势 | 提出了一种结合可解释性和高性能的生存分析方法,能够揭示预测变量之间的复杂相互作用并提供符号公式 | 未提及具体局限性 | 开发一种既保持高性能又具有可解释性的生存分析模型 | 生存分析模型在医学中的应用 | 机器学习 | NA | Kolmogorov-Arnold Networks (KANs) | CoxKAN | 临床数据和基因组生物标志物数据 | 四个合成数据集和九个真实数据集(包括五个临床数据队列和四个基因组生物标志物队列) |
246 | 2025-07-22 |
Colorimetric detection of bisphenol A in water: a smartphone-based sensor using inverse opal molecularly imprinted photonic crystal hydrogel
2025-Jul-21, The Analyst
DOI:10.1039/d4an01426j
PMID:40685994
|
研究论文 | 本研究开发了一种基于智能手机的逆蛋白石分子印迹光子晶体水凝胶传感器,用于水中双酚A的高灵敏度和高选择性检测 | 结合智能手机和深度学习回归模型,实现了实时、便携的双酚A定量检测 | NA | 开发一种高灵敏度、高选择性的双酚A检测方法 | 水样中的双酚A | 传感器技术 | NA | 分子印迹技术、光子晶体技术 | 深度学习回归模型 | 图像 | NA |
247 | 2025-07-22 |
Noninvasive Deep Learning System for Preoperative Diagnosis of Follicular-Like Thyroid Neoplasms Using Ultrasound Images: A Multicenter, Retrospective Study
2025-Jul-21, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006841
PMID:40689491
|
research paper | 提出一种基于深度学习的非侵入性系统,用于利用常规超声图像对滤泡状甲状腺肿瘤进行术前诊断 | 开发了一种深度学习系统,能够比ACR TI-RADS更准确地诊断滤泡状甲状腺肿瘤,并减少不必要的侵入性干预 | 研究为回顾性研究,可能受到数据收集时的偏差影响 | 提高滤泡状甲状腺肿瘤的术前诊断准确性 | 滤泡状甲状腺肿瘤患者 | digital pathology | thyroid cancer | ultrasound imaging | Inception-v3, ResNet50, Inception-ResNet-v2, DenseNet161 | image | 3634名患者,来自11个中心,包括1748例甲状腺滤泡腺瘤、299例滤泡癌和1587例乳头状甲状腺癌滤泡变异型 |
248 | 2025-07-22 |
SOLeNNoID: A Deep Learning Pipeline For Solenoid Residue Detection in Protein Structures
2025-Jul-21, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf415
PMID:40689530
|
研究论文 | 介绍了一种基于深度学习的管道SOLeNNoID,用于预测蛋白质结构中的螺线管残基 | 利用CNN架构分析蛋白质距离矩阵,准确识别螺线管区域,覆盖所有三种螺线管亚类,并在性能上优于现有方法 | 未明确提及具体限制 | 开发一种结构基础的螺线管残基检测方法,以解决序列基础方法的局限性 | 蛋白质结构中的螺线管残基 | 生物信息学 | NA | 深度学习 | CNN | 蛋白质距离矩阵 | 整个Protein Data Bank (PDB)数据库 |
249 | 2025-07-22 |
Fully automated pedicle screw manufacturer identification in plain radiograph with deep learning methods
2025-Jul-21, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09167-3
PMID:40689982
|
研究论文 | 开发了一种基于深度学习的算法,用于从普通X光片中识别椎弓根螺钉的制造商 | 首次提出使用深度学习方法自动识别椎弓根螺钉制造商,且准确率与经验丰富的脊柱外科医生相当 | 研究仅涉及三家国际制造商的椎弓根螺钉,可能无法涵盖所有制造商 | 开发一种自动识别椎弓根螺钉制造商的算法,以辅助翻修手术规划 | 276名接受胸腰椎手术并使用椎弓根螺钉的患者 | 计算机视觉 | 脊柱疾病 | 深度学习 | CNN, YOLO | X光片 | 276名患者的1,887个椎弓根螺钉 |
250 | 2025-07-22 |
GraphCellNet: A deep learning method for integrated single-cell and spatial transcriptomic analysis with applications in development and disease
2025-Jul-21, Journal of molecular medicine (Berlin, Germany)
DOI:10.1007/s00109-025-02575-4
PMID:40690004
|
研究论文 | 提出了一种名为GraphCellNet的深度学习方法,用于整合单细胞和空间转录组分析,应用于发育和疾病研究 | 结合细胞类型解卷积和空间域识别的模型,采用Kolmogorov-Arnold Network层(KAN)增强非线性特征表示和上下文整合 | NA | 提高空间转录组分析的精确度,理解组织结构和功能 | 心肌梗死、果蝇发育和人类心脏发育 | 数字病理学 | 心血管疾病 | 空间转录组学(ST)、单细胞RNA测序(scRNA-seq) | GraphCellNet、KAN | 基因表达数据、空间位置数据 | NA |
251 | 2025-07-22 |
Automatic measuring of coronary atherosclerosis from medicolegal autopsy photographs based on deep learning techniques
2025-Jul-21, Forensic science, medicine, and pathology
DOI:10.1007/s12024-025-01045-0
PMID:40690102
|
研究论文 | 本研究开发了一种基于深度学习的算法,用于快速准确地评估冠状动脉粥样硬化,并识别影响模型预测粥样硬化严重程度的因素 | 首次利用深度学习技术自动测量法医尸检照片中的冠状动脉粥样硬化,提高了诊断的准确性和效率 | 模型在中等程度粥样硬化等级上的表现最低,且分解、支架植入和血栓对评估无显著影响 | 开发一种快速准确的冠状动脉粥样硬化评估工具,以辅助法医病理学诊断 | 法医尸检照片中的冠状动脉粥样硬化 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习算法 | 图像 | 3,717张数字照片,来自1,920例法医尸检 |
252 | 2025-07-22 |
[A multi-feature fusion-based model for fetal orientation classification from intrapartum ultrasound videos]
2025-Jul-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 本研究构建了一种基于多特征融合的智能分析模型,用于分类产时超声视频中的胎儿方位 | 结合Yolov8、CBAM、ECA、PSA注意力机制和AIFI特征交互模块进行特征提取,提高了分类准确性 | NA | 开发一种高效准确的胎儿方位分类模型 | 产时超声视频中的胎儿方位 | 计算机视觉 | NA | 深度学习 | Yolov8结合CBAM、ECA、PSA注意力机制和AIFI特征交互模块 | 超声视频 | NA |
253 | 2025-07-22 |
Deep learning-based eye sign communication system for people with speech impairments
2025-Jul-20, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2532698
PMID:40684450
|
研究论文 | 提出一种基于深度学习的眼动符号通信系统,帮助言语障碍人士通过标准网络摄像头进行交流 | 系统无需校准,能在不同光照条件下有效工作,并集成了文本预测功能 | 研究仅针对18至35岁年龄段的参与者,未涵盖更广泛年龄范围或其他潜在用户群体 | 开发一种无需校准、适应性强且高效的辅助通信系统,以改善言语障碍人士的交流能力 | 言语障碍或瘫痪人士 | 计算机视觉 | 言语障碍 | 深度学习 | NA | 图像 | 18至35岁的参与者 |
254 | 2025-07-22 |
DTIP-WINDGRU a novel drug-target interaction prediction with wind-enhanced gated recurrent unit
2025-Jul-20, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06141-0
PMID:40685357
|
研究论文 | 提出了一种名为DTIP-WINDGRU的新型药物-靶标相互作用预测模型,结合了GRU和风驱动优化算法 | 使用风驱动优化算法(WDO)优化GRU模型的超参数,提高了预测准确性 | 需要大量计算资源,且模型实现和调优需要专业知识 | 开发高效的药物-靶标相互作用预测方法 | 药物-靶标相互作用 | 机器学习 | NA | 风驱动优化算法(WDO) | GRU | 药物和靶标数据 | 四个数据集 |
255 | 2025-07-22 |
Deep learning optimization of STAR-RIS for enhanced data rate and energy efficiency in 6G wireless networks
2025-Jul-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09774-6
PMID:40685393
|
研究论文 | 本文研究了6G无线网络中同时传输和反射的可重构智能表面(STAR-RIS)的性能,通过深度学习和仿真优化,评估了不同配置下的数据速率和频谱能量效率 | 探索了STAR-RIS在6G网络中的应用,比较了近被动STAR-RIS(NP-STAR)和主动STAR(ASTAR)与传统RIS的性能,并利用深度学习优化了系统性能 | 研究未充分探讨实际部署中的功率管理和干扰控制问题,且对真实环境下的性能研究有限 | 优化6G无线网络中的数据速率和能量效率 | STAR-RIS技术及其在6G网络中的应用 | 无线通信 | NA | 深度学习(DL) | NA | 仿真数据 | 多种系统配置、训练数据集大小和用户位置的仿真数据 |
256 | 2025-07-22 |
Establishing radar-derived rainfall thresholds for a landslide early warning system: a case study in the Sichuan Basin, Southwest China
2025-Jul-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10464-6
PMID:40685424
|
研究论文 | 本研究旨在利用深度学习处理的雷达降雨数据,为四川盆地的滑坡预警系统建立可靠的降雨阈值 | 结合雷达降雨数据和深度学习技术,构建适用于雨量站稀疏山区的滑坡降雨阈值 | 研究结果主要适用于四川盆地,其他地区的适用性需要进一步验证 | 建立可靠的滑坡预警系统降雨阈值,以减少降雨引发的滑坡灾害 | 四川盆地的降雨诱发滑坡 | 自然灾害预警 | NA | 深度学习, 频率理论, 贝叶斯概率分析 | NA | 雷达降雨数据, 雨量站测量数据 | 收集的滑坡数据和雷达降雨数据 |
257 | 2025-07-22 |
Deep learning framework for interpretable supply chain forecasting using SOM ANN and SHAP
2025-Jul-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11510-z
PMID:40685434
|
研究论文 | 提出了一种结合自组织映射(SOM)、主成分分析(PCA)和人工神经网络(ANN)的深度学习框架,用于预测供应链运输时间和交付风险 | 结合SOM、PCA和ANN的深度学习框架,提高了预测准确性,并通过SHAP提供模型可解释性 | 未明确提及具体局限性 | 提高供应链管理中运输时间和交付风险的预测准确性 | 供应链网络数据 | 机器学习 | NA | SOM, PCA, ANN, SHAP | SOM+ANN | 结构化与非结构化数据 | DataCo智能供应链数据集和另一个未命名数据集 |
258 | 2025-07-22 |
Accurate deep-learning model to differentiate dementia severity and diagnosis using a portable electroencephalography device
2025-Jul-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12526-1
PMID:40685486
|
研究论文 | 本研究提出了一种基于深度学习的便携式脑电图设备方法,用于区分健康志愿者与痴呆相关疾病患者 | 使用便携式EEG设备和定制的基于transformer的深度学习模型,实现了对痴呆严重程度和诊断的高效区分 | 样本量相对较小(233名参与者),且未提及模型在其他人群或不同EEG设备上的泛化能力 | 开发一种可访问、经济高效且非侵入性的痴呆诊断工具 | 健康志愿者(HVs)和痴呆相关疾病患者 | 数字病理学 | 老年疾病 | 短时傅里叶变换(STFT) | transformer-based模型 | EEG信号 | 233名参与者(119名健康志愿者和114名患者) |
259 | 2025-07-22 |
Dual-Dielectric-Layer-Based Iontronic Pressure Sensor Coupling Ultrahigh Sensitivity and Wide-Range Detection for Temperature/Pressure Dual-Mode Sensing
2025-Jul-20, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202503926
PMID:40685692
|
研究论文 | 本文提出了一种新型的双介电层离子电子压力传感器(DLIPS),结合高和低介电常数层,实现了超高灵敏度和宽范围检测的温度/压力双模式传感 | 提出了一种新型的双介电层离子电子压力传感器结构,结合高和低介电常数层,实现了超高灵敏度(72548.7 kPa)、宽工作压力范围(0.001-420 kPa)、极低检测限(0.832 Pa)和超过5000次循环的卓越耐久性 | NA | 开发一种具有超高灵敏度和宽范围检测能力的温度/压力双模式传感器 | 双介电层离子电子压力传感器(DLIPS) | 传感器技术 | NA | 离子凝胶和开孔聚氨酯泡沫作为介电层 | 深度学习回归模型 | 压力和温度信号 | NA |
260 | 2025-07-22 |
Effect of arc length on the deep learning prediction of monitor units in lung stereotactic ablative radiation therapy treatment
2025-Jul-19, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105018
PMID:40684542
|
research paper | 研究弧长对深度学习预测肺部立体定向消融放射治疗中监测单位的影响 | 首次研究了弧长对深度学习预测监测单位的影响,并比较了不同弧长训练集对预测准确性的影响 | 研究仅基于单一机构的患者数据,样本量相对有限 | 提高多病灶肺部立体定向消融放射治疗中监测单位的预测准确性 | 肺部立体定向消融放射治疗中的监测单位预测 | digital pathology | lung cancer | deep learning | DL | clinical treatment data | 60,720 samples from 295 treatments of 257 patients |