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 | 2025-07-20 |
Combined diagnosis of multiparametric MRI-based deep learning models facilitates differentiating triple-negative breast cancer from fibroadenoma magnetic resonance BI-RADS 4 lesions
2023-Jun, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-022-04142-7
PMID:35771263
|
研究论文 | 探讨基于多参数MRI的深度学习模型联合诊断在区分三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变中的价值,并评估其是否能提高放射科医生的诊断性能 | 结合多参数MRI的深度学习模型联合诊断,显著提高了初级放射科医生的诊断性能,并与高级放射科医生的诊断性能相当 | 研究为回顾性设计,样本量相对有限,且仅针对BI-RADS 4类病变 | 提高三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变的鉴别诊断准确性 | 319名女性患者的319个病理证实的BI-RADS 4类病变 | 数字病理 | 乳腺癌 | 多参数MRI(包括对比增强T1加权成像、扩散加权成像和T2加权成像) | 深度学习模型 | MRI图像 | 319名女性患者的319个病变 |
242 | 2025-07-20 |
MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data
2023-05-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad158
PMID:37099694
|
研究论文 | 提出了一种多核机器学习回归模型(MKMR),用于利用人类微生物组数据预测健康结果 | MKMR模型能够捕捉微生物组数据的多种信号形式,通过多核转换和优化组合提高预测性能 | 未提及具体样本量的限制或模型在实际应用中的潜在问题 | 开发一种能够利用多种微生物组信号预测健康结果的模型 | 人类微生物组数据(喉咙和肠道微生物组) | 机器学习 | NA | 多核机器学习回归 | MKMR | 微生物组数据 | 未提及具体样本量 |
243 | 2025-07-20 |
Three-dimensional genome rewiring in loci with human accelerated regions
2023-04-28, Science (New York, N.Y.)
DOI:10.1126/science.abm1696
PMID:37104607
|
研究论文 | 该研究通过比较基因组学和3D基因组折叠模型,揭示了人类加速区域(HARs)在三维基因组重组中的作用 | 结合深度学习和染色质捕获实验,发现HARs在包含人类特异性基因组变异的拓扑关联域中显著富集,揭示了增强子劫持作为HARs快速进化的解释 | 研究主要关注神经祖细胞,可能未涵盖其他细胞类型或组织中的HARs功能 | 探索人类加速区域(HARs)在人类特异性性状进化中的作用 | 人类和黑猩猩的神经祖细胞 | 基因组学 | NA | 深度学习、染色质捕获实验 | 深度学习模型 | 基因组数据 | 241个哺乳动物基因组 |
244 | 2025-07-20 |
Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI
2023-Apr-10, ArXiv
PMID:37090239
|
研究论文 | 提出了一种名为区域深度萎缩(RDA)的自监督学习方法,用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域 | 结合了DeepAtrophy的时间推断方法与可变形配准神经网络及注意力机制,提高了MRI图像中纵向变化区域的解释性 | 虽然RDA提高了解释性,但其预测准确性与DeepAtrophy相似,未显著提升 | 开发一种能够自动识别与阿尔茨海默病进展相关区域的深度学习方法,以提高疾病监测的敏感性和临床适用性 | 纵向MRI扫描图像 | 数字病理学 | 阿尔茨海默病 | 自监督学习、可变形配准神经网络、注意力机制 | CNN | MRI图像 | NA |
245 | 2025-07-20 |
Integrating structured and unstructured data for timely prediction of bloodstream infection among children
2023-03, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-022-02116-6
PMID:35854085
|
研究论文 | 该研究通过结合结构化和非结构化的电子健康记录数据,利用深度学习模型预测儿童中心静脉导管相关的血流感染 | 整合临床记录中的非结构化数据与结构化电子健康记录数据,提高了预测严重血流感染的准确性和阳性预测值 | 研究仅在一个三级儿科医疗系统中进行,可能限制了结果的普遍适用性 | 开发一种先进的感染预测模型,用于预测儿童中心静脉导管相关的血流感染 | 住院儿童患者,特别是那些带有中心静脉导管的患者 | 机器学习 | 血流感染 | 深度学习 | 深度学习模型 | 结构化电子健康记录数据和临床记录文本 | 24,351例患者就诊记录 |
246 | 2025-07-20 |
Scribe: Next Generation Library Searching for DDA Experiments
2023-02-03, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.2c00672
PMID:36695531
|
研究论文 | 介绍了一种名为Scribe的新型库搜索引擎,用于数据依赖性采集实验,利用深度学习碎片预测软件如Prosit来预测FASTA数据库中每个肽的碎片和保留时间 | Scribe通过利用预期的相对碎片和保留时间值,超越了传统数据库搜索工具在灵敏度和定量精度方面的表现 | NA | 提高数据依赖性采集实验中的肽识别效率和定量精度 | 肽段和蛋白质 | 蛋白质组学 | NA | 深度学习碎片预测软件(如Prosit) | NA | 质谱数据 | NA |
247 | 2025-07-20 |
Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity
2023, Environmental epigenetics
IF:4.8Q1
DOI:10.1093/eep/dvad006
PMID:38162685
|
研究论文 | 研究通过连续多代大鼠暴露于不同有毒物质,评估了多代不同暴露对跨代表观遗传继承的影响 | 首次研究了连续多代暴露于不同有毒物质对跨代表观遗传继承和疾病易感性的复合影响 | 研究仅基于大鼠模型,人类相关性的直接推断有限 | 评估多代不同有毒物质暴露对跨代表观遗传和病理学的影响 | 连续多代暴露于不同有毒物质的大鼠及其后代 | 表观遗传学 | 肥胖症 | DNA甲基化分析 | Deep Learning | 组织病理学图像 | F0-F5代大鼠 |
248 | 2025-07-20 |
Deep learning models for cancer stem cell detection: a brief review
2023, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2023.1214425
PMID:37441078
|
综述 | 本文简要回顾了深度学习模型在癌症干细胞检测中的应用 | 介绍了基于卷积神经网络(CNN)的深度学习模型在癌症干细胞研究中的多样化应用 | 探讨了基于深度学习的干细胞研究领域的局限性和未来展望 | 探索深度学习在癌症干细胞研究中的新兴趋势 | 癌症干细胞(CSCs)或肿瘤起始细胞(TICs) | 数字病理学 | 癌症 | 深度学习 | CNN | 生物图像 | NA |
249 | 2025-07-20 |
Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning
2023-Jan, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-022-04435-x
PMID:36331654
|
research paper | 该研究提出了一种基于弱监督学习的双分辨率深度学习网络(WDRNet),用于结直肠癌的识别和预后预测 | WDRNet不仅能够识别肿瘤区域,还能预测患者生存期并进行风险分层,且不依赖病理学家标注的感兴趣区域,充分利用了图像的全局信息 | 研究仅在TCGA和ACHIGMU两个数据集上进行了验证,可能需要更多外部数据验证模型的泛化能力 | 开发一种深度学习模型,用于结直肠癌的快速诊断和风险分层 | 结直肠癌患者的全切片图像 | digital pathology | colorectal cancer | deep learning | WDRNet(双分辨率深度学习网络) | histopathological images | TCGA数据集和ACHIGMU数据集(具体样本数未提及) |
250 | 2025-07-20 |
Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images
2023, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2023.1296667
PMID:38323039
|
研究论文 | 本文提出了一种基于深度学习的自动化流程,用于在前列腺癌多重图像中检测血管并分析其分布 | 开发了一种结合CD31、CD34和胶原IV图像的深度学习模型,用于自动分割血管并分析其大小和分布模式 | 研究仅基于215名前列腺癌患者的数据,可能存在样本量不足的问题 | 通过自动化流程分析前列腺癌中的血管分布,以提供对疾病进展的额外见解 | 前列腺癌患者的血管分布 | 数字病理学 | 前列腺癌 | 深度学习 | CNN | 图像 | 215名前列腺癌患者 |
251 | 2025-07-20 |
Deep residual inception encoder-decoder network for amyloid PET harmonization
2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.12564
PMID:35142053
|
研究论文 | 本文开发并验证了一种深度学习模型,用于协调不同淀粉样蛋白PET示踪剂生成的图像 | 提出了一种基于编码器-解码器的深度残差初始网络,用于淀粉样蛋白PET图像的协调 | 模型需要进一步改进以适用于更多示踪剂 | 开发一种深度学习模型,用于协调不同淀粉样蛋白PET示踪剂生成的图像 | 淀粉样蛋白PET图像 | 数字病理学 | 老年疾病 | PET成像 | Residual Inception Encoder-Decoder Neural Network | 图像 | 92名受试者用于训练,46名受试者用于外部测试 |
252 | 2025-07-20 |
OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics
2022-11, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010584
PMID:36350878
|
research paper | 介绍了一个名为OrganoID的深度学习平台,用于自动识别、标记和跟踪单器官样品的动态变化 | 开发了一个无需参数调整即可高精度自动分析器官样品的平台,支持多种癌症器官样品的分析 | 未提及平台在处理极低质量图像时的表现或对其他类型器官样品的适用性 | 加速器官样品在高通量、数据密集型生物医学应用中的使用 | 胰腺癌、肺癌、结肠癌和腺样囊性癌的器官样品 | digital pathology | pancreatic cancer, lung cancer, colon cancer, adenoid cystic carcinoma | brightfield and phase-contrast microscopy | deep learning | image | 多种癌症器官样品的图像数据集 |
253 | 2025-07-20 |
Deep learning combined with radiomics for the classification of enlarged cervical lymph nodes
2022-Oct, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-022-04047-5
PMID:35562596
|
研究论文 | 探讨深度学习结合传统放射组学方法在分类增大的颈部淋巴结中的应用 | 结合深度学习和传统放射组学方法,构建了一个高准确率的分类模型,显著优于放射科医生的诊断性能 | 研究为回顾性分析,样本量相对较小(276例患者),且仅基于CT影像数据 | 提高增大的颈部淋巴结的分类准确性 | 276例增大的颈部淋巴结患者(150例淋巴结转移,65例淋巴瘤,61例良性淋巴结病) | 数字病理 | 淋巴瘤 | CT成像 | 深度学习模型(PyTorch实现) | 影像 | 276例患者的临床和CT影像数据 |
254 | 2025-07-20 |
Transfer learning for cognitive reserve quantification
2022-09, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2022.119353
PMID:35667639
|
研究论文 | 开发了一种深度学习模型,利用结构磁共振成像(sMRI)数据量化认知储备(CR),并通过迁移学习框架在健康和阿尔茨海默病队列中测试模型的泛化能力 | 首次使用深度学习模型基于sMRI数据量化CR,并采用迁移学习框架验证模型在不同健康和疾病队列中的泛化能力 | 研究仅使用了sMRI数据,未整合其他影像模态如fMRI和PET | 量化认知储备并验证其在不同人群中的适用性 | 健康成年人和阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | sMRI | CNN | image | 495名健康成年人(RANN)、620名健康成年人(HCPA)和941名成年人(ADNI) |
255 | 2025-07-20 |
Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity
2022-08, Ophthalmology. Retina
DOI:10.1016/j.oret.2022.02.015
PMID:35296449
|
research paper | 比较集中式数据训练与联邦学习(FL)在早产儿视网膜病变(ROP)诊断中的性能差异 | 首次在ROP诊断中比较集中式数据训练与联邦学习的性能,证实FL在多机构协作中的可行性 | 研究仅涉及7个机构的5255张图像,样本量和机构数量有限 | 评估联邦学习在ROP诊断中的性能及其在多机构协作中的潜力 | 早产儿视网膜病变(ROP)的视网膜图像诊断 | digital pathology | retinopathy of prematurity | deep learning | CNN | image | 5255张广角视网膜图像,来自7个机构的新生儿重症监护室 |
256 | 2025-07-20 |
Phase function estimation from a diffuse optical image via deep learning
2022-03-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac5b21
PMID:35255481
|
研究论文 | 本文提出了一种基于深度学习的卷积神经网络(CNN)方法,用于从漫射光学图像中估计相位函数,无需对相位函数形式进行明确假设 | 首次提出数据驱动的CNN逆向MC模型来估计散射相位函数的形式,无需预先假设相位函数的具体形式 | 方法仅在MC模拟的典型生物组织反射图像上进行了验证,实际应用中的效果有待进一步验证 | 开发一种无需明确假设相位函数形式的新方法,用于从漫射光学图像中估计相位函数 | 漫射光学图像和相位函数 | 计算机视觉 | NA | 深度学习,蒙特卡洛(MC)模拟 | CNN | 图像 | MC模拟的典型生物组织反射图像 |
257 | 2025-07-20 |
Sampling alternative conformational states of transporters and receptors with AlphaFold2
2022-03-03, eLife
IF:6.4Q1
DOI:10.7554/eLife.75751
PMID:35238773
|
研究论文 | 本文提出了一种利用AlphaFold2(AF2)采样转运体和受体蛋白的替代构象状态的方法 | 通过减少输入多序列比对的深度,AF2能够生成多种构象的准确模型,这一能力在AF2的设计初衷之外 | AF2最初设计用于预测静态蛋白质结构,其对多种构象的预测能力尚未充分探索 | 探索AF2在预测膜蛋白(如转运体和G蛋白偶联受体)多种构象状态方面的潜力 | 转运体和G蛋白偶联受体的替代构象状态 | 蛋白质结构预测 | NA | AlphaFold2(AF2) | 深度学习算法 | 蛋白质序列和结构数据 | NA |
258 | 2025-07-20 |
Deep learning strategies for addressing issues with small datasets in 2D materials research: Microbial Corrosion
2022, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2022.1059123
PMID:36620046
|
研究论文 | 本文探讨了深度学习策略在解决二维材料研究中小数据集问题上的应用,特别是在微生物腐蚀领域 | 研究了两种不同的深度生成模型(VAE和GAN)用于生成合成数据以扩展小实验数据集,并比较了它们在神经网络系统和XGBoost中的性能 | 缺乏大型实验数据集使得分类器训练困难并经常导致过拟合 | 加速虚拟筛选具有理想物理和化学性质的二维涂层 | 二维材料(如石墨烯、六方氮化硼和二硫化钼)涂层 | 机器学习 | NA | 深度学习数据增强方法 | VAE, GAN, XGBoost | 电化学数据 | 少量层状石墨烯覆盖铜表面 |
259 | 2025-07-20 |
Using deep learning to predict microvascular invasion in hepatocellular carcinoma based on dynamic contrast-enhanced MRI combined with clinical parameters
2021-Dec, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-021-03617-3
PMID:33839938
|
研究论文 | 本研究开发了一种基于动态对比增强MRI和临床参数的深度学习模型,用于预测肝细胞癌的微血管侵犯状态和分级 | 结合了八种MRI序列的CNN分支和临床参数,显著提高了微血管侵犯预测的准确性 | 研究仅基于2016年的单中心数据,可能需要更多外部验证 | 预测肝细胞癌患者的微血管侵犯状态,以辅助治疗决策和预后评估 | 601例经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 动态对比增强MRI | CNN | 图像和临床数据 | 601例肝细胞癌患者(376例无MVI,225例有MVI) |
260 | 2025-07-20 |
DRONE: Dual-Domain Residual-based Optimization NEtwork for Sparse-View CT Reconstruction
2021-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2021.3078067
PMID:33956627
|
研究论文 | 提出了一种名为DRONE的双域残差优化网络,用于稀疏视角CT重建 | DRONE网络通过嵌入、细化和感知三个模块协同工作,有效抑制稀疏视角伪影并恢复图像细节 | 未提及具体临床应用的局限性 | 解决稀疏视角CT重建中的图像质量问题 | CT图像 | 计算机视觉 | NA | 深度学习 | DRONE(双域残差优化网络) | CT图像数据 | 临床前和临床数据集(未提具体数量) |