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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
261 | 2025-09-09 |
Optimized multi-stage network with multi-dimensional spatiotemporal interactions for septal and apical hypertrophic cardiomyopathy classification using 12-lead ECGs
2025-Sep, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00492-6
PMID:40917150
|
研究论文 | 提出一种优化的多阶段网络Ms-MdST,用于基于12导联心电图对室间隔和心尖肥厚型心肌病进行分类 | 结合一维和二维卷积分支捕获心电图时空特征,引入全局-局部交互注意力机制和多损失联合优化策略 | NA | 提高肥厚型心肌病分型的诊断准确性 | 室间隔肥厚和心尖肥厚型心肌病患者的心电图数据 | 医学图像分析 | 心血管疾病 | 深度学习 | CNN结合注意力机制 | 心电图信号 | NA |
262 | 2025-09-09 |
Neural interaction explainable AI predicts drug response across cancers
2025-Sep, NAR cancer
IF:3.4Q2
DOI:10.1093/narcan/zcaf029
PMID:40918644
|
研究论文 | 提出可解释AI框架NeurixAI,通过建模药物-基因相互作用预测跨癌种药物反应并识别关键转录组模式 | 开发可扩展的深度学习框架,首次整合转录组数据与可解释AI技术,在个体肿瘤层面揭示药物反应机制并发现160种非癌症药物的抗癌潜力 | NA | 优化癌症个性化治疗选择,实现药物重定位和新治疗靶点发现 | 癌症患者肿瘤样本和药物反应数据 | 机器学习 | 癌症 | 转录组分析,深度学习 | 深度学习框架 | 分子特征数据(转录组),药物扰动实验数据 | 546,646个药物扰动实验,涉及1,135种药物和476个肿瘤的分子谱 |
263 | 2025-09-09 |
Ectopic adipose tissue in subsistence populations with minimal coronary disease, large left atria, and very low rates of atrial fibrillation
2025-Sep, American journal of preventive cardiology
IF:4.3Q1
DOI:10.1016/j.ajpc.2025.101271
PMID:40918927
|
研究论文 | 通过CT成像比较自给自足人群与美国人群的心外膜脂肪组织与心血管疾病指标差异 | 首次在冠状动脉钙化和房颤极少的自给自足原住民群体中系统测量心外膜脂肪体积,并发现其创文献新低的脂肪水平 | 研究仅针对特定族群,结果外推性需谨慎验证 | 探究心外膜脂肪组织与冠状动脉疾病及房颤的关联性 | 893名Tsimane成人、440名Moseten成人及955名美国对照人群 | 数字病理学 | 心血管疾病 | CT成像、深度学习软件测量 | 深度学习(未指定具体模型) | 医学影像 | 总计2288人(Tsimane:893人,Moseten:440人,美国:955人) |
264 | 2025-09-09 |
Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation
2025-Sep, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101253
PMID:40919103
|
研究论文 | 本研究结合可解释深度学习和多组学数据,筛选肝细胞癌进展性诊断生物标志物,覆盖'炎症-癌症'转化过程 | 整合可解释深度学习与多组学分析,专注于肝细胞癌从炎症到癌症转变过程中的生物标志物发现 | NA | 筛选肝细胞癌的进展性诊断生物标志物 | 肝细胞癌及其'炎症-癌症'转化过程 | 数字病理学 | 肝细胞癌 | 多组学分析 | 深度学习 | 多组学数据 | NA |
265 | 2025-09-09 |
Drosophila video-assisted activity monitor (DrosoVAM): a versatile method for behaviour monitoring
2025-Sep, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.250764
PMID:40919370
|
研究论文 | 介绍了一种名为DrosoVAM的新型果蝇行为监测系统,该系统比传统DAM系统更灵活、经济且灵敏 | 利用树莓派控制的红外数字视频系统和深度学习软件DeepLabCut,实现了对果蝇活动的高分辨率多天追踪 | NA | 开发一种高性价比的高通量行为监测系统,用于研究果蝇交配后的活动变化 | 果蝇(Drosophila) | 行为监测 | NA | 红外数字视频记录,深度学习追踪 | DeepLabCut | 视频 | 多个饲养室的果蝇样本 |
266 | 2025-09-09 |
SamRobNODDI:q-space sampling-augmented continuous representation learning for robust and generalized NODDI
2025-Aug-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adf9b8
PMID:40780245
|
研究论文 | 提出一种基于q空间采样增强的连续表示学习框架,用于提升NODDI参数估计的鲁棒性和泛化性 | 引入q空间采样增强的连续表示学习方法,并设计采样一致性损失函数,使模型对不同采样方案保持输出一致性 | NA | 开发能够在不同扩散梯度方向下稳健进行NODDI参数估计的方法 | 扩散磁共振成像(dMRI)数据 | 医学影像分析 | 神经系统疾病 | 扩散磁共振成像(dMRI),Neurite orientation dispersion and density imaging (NODDI) | 深度学习框架 | 医学影像数据 | 在19种不同q空间采样方案下与7种先进方法进行比较验证 |
267 | 2025-09-09 |
A deep learning-based approach for measuring patellar cartilage deformations from knee MR images
2025-Aug-27, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2025.112930
PMID:40915052
|
研究论文 | 开发基于深度学习的方法从膝关节磁共振图像中自动测量髌骨软骨变形 | 首次使用2D和3D U-Net网络实现髌骨及软骨的自动分割,并成功检测运动诱导的软骨变形 | 研究样本量有限(109例膝关节MR扫描),且未与其他关节评估方法进行广泛比较 | 开发自动分割工具以研究髌骨软骨力学特性及其在早期骨关节炎中的变化 | 人类膝关节髌骨及软骨组织 | 计算机视觉 | 骨关节炎 | 磁共振成像(MR) | 2D U-Net, 3D U-Net | 医学图像 | 109例膝关节MR扫描 |
268 | 2025-09-09 |
Single-cell multiomics reveals the oscillatory dynamics of mRNA metabolism and chromatin accessibility during the cell cycle
2025-Aug-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.116089
PMID:40751912
|
研究论文 | 通过单细胞多组学技术揭示细胞周期中mRNA代谢和染色质可及性的振荡动态 | 首次结合单细胞多组学测序、生物物理建模和深度学习量化mRNA转录、剪接、核输出和降解速率,揭示转录后调控在mRNA积累中的重要作用 | NA | 研究细胞周期中全基因组mRNA代谢动态和染色质可及性变化 | 增殖细胞中的基因表达调控 | 生物信息学 | NA | 单细胞多组学测序 | 深度学习 | 基因组学数据 | NA |
269 | 2025-09-09 |
Heat stress responses mediated by N6-methyladenine DNA methylation in maize
2025-Aug-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.116058
PMID:40728929
|
研究论文 | 本研究揭示了玉米中N6-甲基腺嘌呤(6mA)DNA甲基化在热胁迫响应中的调控作用及其分子机制 | 首次在作物中发现6mA动态与热胁迫耐受性相关,鉴定ZmALKBH1作为6mA去甲基化酶,并利用深度学习模型预测6mA分布 | NA | 探究6mA在玉米热胁迫响应中的功能机制 | 玉米自交系B73、Mo17、W22和B104 | 表观遗传学 | NA | 全基因组6mA分析、深度学习模型 | 深度学习 | 甲基化组数据 | 四个玉米自交系(B73、Mo17、W22、B104) |
270 | 2025-09-09 |
FoodABSANet: Developing an adaptive graph convolutional neural network for aspect-based sentiment analysis of food reviews with a weighted polarity score
2025-Aug-26, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 开发一种自适应图卷积神经网络用于食品评论的方面级情感分析,并引入加权极性评分 | 提出FoodABSANet模型,采用自适应图卷积神经网络处理方面间相互影响,并引入加权极性评分机制提升分析精度 | NA | 提升方面级情感分析在食品评论领域的准确性和细粒度情感挖掘能力 | 食品评论文本数据 | 自然语言处理 | NA | 深度学习 | 图卷积神经网络(GCN) | 文本 | NA |
271 | 2025-09-09 |
Accurate VLE Predictions via COSMO-RS-Guided Deep Learning Models: Solubility and Selectivity in Physical Solvent Systems for Carbon Capture
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01148
PMID:40757514
|
研究论文 | 开发基于COSMO-RS和深度学习的机器学习流程,用于精确预测物理溶剂系统中的溶解度和选择性,以支持碳捕获应用 | 结合量子化学热力学模型COSMO-RS与定向消息传递神经网络(D-MPNN),通过迁移学习校正预测偏差,显著提升预测精度 | 依赖COSMO-RS模拟数据作为预训练基础,实验数据量仍可能限制模型泛化能力 | 提高物理溶剂在碳捕获过程中溶解度和选择性的预测准确性,减少对实验测量的依赖 | 物理溶剂系统,特别是针对CO₂及常见气体杂质(如H₂S、CH₄、N₂、H₂)的汽液平衡(VLE) | 机器学习 | NA | COSMO-RS量子化学热力学模型,定向消息传递神经网络(D-MPNN),迁移学习 | D-MPNN (Directed Message Passing Neural Network) | 分子表示数据,附加特征数据,实验VLE数据 | 预训练使用30,000个COSMO-RS模拟数据点,并使用实验VLE数据集进行微调 |
272 | 2025-09-09 |
A Molecular Representation Learning Model Based on Multidimensional Joint and Cross-Learning for Drug-Drug Interaction Prediction
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01171
PMID:40758117
|
研究论文 | 提出一种基于多维联合与交叉学习的分子表示学习模型,用于药物相互作用预测 | 通过交叉注意力融合模块整合一维、二维和三维分子特征,并利用分子对反应模块定位潜在相互作用位点 | NA | 提升药物-药物相互作用(DDI)的预测性能 | 药物分子 | 机器学习 | NA | 深度学习 | 交叉注意力网络 | 分子特征数据(1D/2D/3D) | 基准数据集(具体数量未说明) |
273 | 2025-09-09 |
FakeRotLib: Expedient Noncanonical Amino Acid Parametrization in Rosetta
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01030
PMID:40789114
|
研究论文 | 提出FakeRotLib方法,通过小分子构象统计拟合创建非经典氨基酸的旋转异构体分布,以改进Rosetta中的参数化 | 开发了能快速生成非经典氨基酸旋转异构体分布的新方法,可参数化Rosetta此前无法处理的氨基酸类型 | NA | 改进Rosetta中非经典氨基酸的参数化方法,特别是旋转异构体分布的建模 | 非经典氨基酸(NCAAs) | 计算生物学 | NA | 统计拟合、小分子构象分析 | NA | 分子构象数据 | NA |
274 | 2025-09-09 |
PepPCBench is a Comprehensive Benchmarking Framework for Protein-Peptide Complex Structure Prediction
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01084
PMID:40792461
|
研究论文 | 介绍了一个名为PepPCBench的蛋白质-肽复合物结构预测基准测试框架,用于系统评估深度学习方法的性能 | 开发了首个专门针对蛋白质-肽复合物结构预测的基准测试框架PepPCBench,并构建了包含261个实验解析复合物的数据集PepPCSet | 置信度指标与实验结合亲和力相关性较差,需要改进评分策略和泛化能力 | 评估深度学习在蛋白质-肽复合物结构预测中的性能 | 蛋白质-肽复合物 | 计算生物学 | NA | 深度学习 | AlphaFold3, AlphaFold-Multimer, Chai-1, HelixFold3, RoseTTAFold-All-Atom | 蛋白质结构数据 | 261个实验解析的蛋白质-肽复合物(肽长度5-30个残基) |
275 | 2025-09-09 |
Reflection-Enhanced Raman Identification of Single Bacterial Cells Patterned Using Capillary Assembly
2025-Aug-22, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c01225
PMID:40754993
|
研究论文 | 提出一种结合反射增强拉曼光谱与毛细管组装技术的单细菌细胞检测平台,用于病原菌的快速识别 | 利用反射性Ag/SiO薄膜增强拉曼信号,并通过毛细管组装技术精确定位单细胞以优化信号采集 | NA | 开发可靠的单细菌细胞拉曼检测平台,实现临床样本中细菌的简单、准确、可重复检测 | 单细菌细胞 | 生物传感 | 细菌感染 | 拉曼光谱,毛细管辅助粒子组装(CAPA) | 深度学习 | 光谱数据 | 人工尿液悬浮液中的单细菌细胞 |
276 | 2025-09-09 |
AI-Driven Integration of Deep Learning With Lung Imaging, Functional Analysis, and Blood Gas Metrics for Perioperative Hypoxemia Prediction
2025-Aug-22, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/73995
PMID:40759599
|
观点文章 | 探讨人工智能通过整合深度学习与多模态临床数据预测围手术期低氧血症的变革性作用 | 提出融合CNN和LSTM的TD-CNNLSTM-LungNet混合模型,整合CT影像、肺功能测试和动脉血气分析,实现96.57%肺炎亚型分类准确率和0.96 AUC的低氧血症预测 | 存在数据集异质性、模型可解释性不足以及临床工作流整合困难等挑战 | 通过多模态AI系统提升围手术期低氧血症的预测精度 | 围手术期患者(动脉血氧分压<60 mmHg或血氧饱和度<90%) | 医疗人工智能 | 呼吸系统疾病 | 深度学习、多模态数据融合 | CNN、LSTM、TD-CNNLSTM-LungNet | 影像(CT)、功能测试(肺功能)、数值指标(ABG参数) | NA |
277 | 2025-09-09 |
Deep unrolled primal dual network for TOF-PET list-mode image reconstruction
2025-Aug-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adf9b7
PMID:40780257
|
研究论文 | 提出一种用于TOF-PET列表模式图像重建的深度展开原始对偶网络LMPDnet | 首次将深度展开原始对偶网络应用于TOF-PET列表模式重建,通过CUDA并行加速实现系统矩阵计算 | 未明确说明计算资源需求和模型可解释性方面的限制 | 提升低计数数据下的TOF-PET列表模式图像重建质量 | TOF-PET列表模式数据 | 医学图像重建 | NA | 深度展开网络,CUDA并行计算 | 原始对偶网络(primal dual network) | TOF-PET列表模式数据 | NA |
278 | 2025-09-09 |
Personalization of AI Using Personal Foundation Models Can Lead to More Precise Digital Therapeutics
2025-Aug-21, JMIR AI
DOI:10.2196/55530
PMID:40840869
|
观点文章 | 本文探讨了利用个人基础模型实现AI个性化以提升数字疗法精度的前沿方法 | 提出结合自监督学习与个性化机器学习,通过患者生成的无标签数据预训练模型,显著减少个性化医疗所需的标注数据量 | 需解决人机交互创新等实际挑战,以确保单个参与者标注的一致性 | 推动个性化AI在数字健康干预中的应用,提高对异质性健康事件预测的准确性 | 患者生成的健康数据流及相关的健康事件预测 | 机器学习 | NA | 自监督学习 | 深度学习模型 | 患者生成的无标签数据流 | NA |
279 | 2025-09-09 |
Deep Learning for the Early Detection of Invasive Ductal Carcinoma in Histopathological Images: Convolutional Neural Network Approach With Transfer Learning
2025-Aug-21, JMIR formative research
IF:2.0Q4
DOI:10.2196/62996
PMID:40840868
|
研究论文 | 本研究开发了一种基于卷积神经网络和迁移学习的深度学习模型,用于从组织病理学图像中早期检测浸润性导管癌 | 采用预训练的Visual Geometry Group架构进行迁移学习以提升特征提取性能,并针对类别不平衡问题设计了加权损失函数 | 数据增强未能改善模型性能,且测试集准确率为90%仍有提升空间 | 开发自动化的IDC检测解决方案,辅助病理学家进行临床决策 | 浸润性导管癌(IDC)的组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习,迁移学习 | CNN(卷积神经网络) | 图像 | 277,524张组织病理学图像(71.6% IDC阳性,28.4% IDC阴性) |
280 | 2025-09-09 |
Memory-enhanced and multi-domain learning-based deep unrolling network for medical image reconstruction
2025-Aug-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adf939
PMID:40774313
|
研究论文 | 提出一种基于记忆增强和多域学习的深度展开网络,用于医学图像高质量重建 | 设计了记忆增强模块整合历史输出,引入跨阶段空间域学习Transformer提取局部和非局部特征,并采用频域一致性学习模块 | NA | 解决医学图像重建中信息流弱和全局特征捕获受限的问题 | 医学图像(PET、MRI、CT) | 计算机视觉 | NA | 深度学习,Transformer | DUN(深度展开网络),Transformer | 图像 | 三种医学成像模态(PET、MRI、CT)的数据 |