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 | 2025-09-28 |
Deep learning-based prediction of cerebral white matter hyperintensity burden using carotid magnetic resonance angiography
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1656705
PMID:40994715
|
研究论文 | 本研究开发了一种基于深度学习的框架,仅使用3D颈动脉TOF MRA图像来预测脑白质高信号负荷 | 首次利用常规采集的非侵入性颈动脉MRA图像,通过深度学习独立预测WMH负荷,为脑血管风险评估提供了新方法 | 研究样本量有限,模型性能仍有提升空间,需要更大规模的外部验证 | 探究颈动脉TOF MRA能否作为预测脑白质高信号负荷的独立生物标志物 | 脑白质高信号(WMH)和颈动脉血管影像 | 医学影像分析 | 脑血管疾病 | 磁共振血管成像(MRA),深度学习 | SFCN, ResNet10, MedicalNet, Medical Slice Transformer | 3D医学影像(颈动脉TOF MRA) | NA |
262 | 2025-09-28 |
Hyperspectral reconstruction for mobile diabetic foot blood perfusion monitoring
2025, BMC artificial intelligence
DOI:10.1186/s44398-025-00011-8
PMID:40994833
|
研究论文 | 提出一种名为MobiPerf的移动糖尿病足血流灌注监测系统,通过深度学习实现高光谱重建 | 开发无需相机配置文件和辐射校准的高光谱重建系统,利用深度学习模型实现跨相机泛化 | 对感染并发症的敏感性有限,需要进一步验证临床适用性 | 开发移动端糖尿病足溃疡血流灌注监测技术 | 糖尿病足溃疡患者 | 医学影像分析 | 糖尿病足溃疡 | 高光谱成像(HSI)、高光谱重建(HSR)、远程光电容积脉搏波(rPPG) | 深度学习模型 | RGB图像、视频 | 公开糖尿病足溃疡图像数据集(N≥6000)、含接触式PPG的视频数据集(N=56) |
263 | 2025-09-28 |
Construction of a prediction model for axillary lymph node metastasis in breast cancer patients based on a multimodal fusion strategy of ultrasound and pathological images
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1591858
PMID:40994941
|
研究论文 | 基于超声和病理图像多模态融合策略构建乳腺癌患者腋窝淋巴结转移预测模型 | 提出多层融合策略整合超声图像和H&E染色活检病理图像的多模态深度学习模型 | 模型性能尚未达到最优水平(AUC 0.7019),需要进一步优化 | 开发预测乳腺癌患者腋窝淋巴结转移的深度学习模型 | 211例经组织学确诊的乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习 | 多模态融合模型(PLNeT和ULNet特征提取器) | 超声图像和病理图像 | 211名乳腺癌患者(2023年2月至2024年3月期间收集) |
264 | 2025-09-28 |
Research progress of artificial intelligence in the early screening, diagnosis, precise treatment and prognosis prediction of three central gynecological malignancies
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1648407
PMID:40994951
|
综述 | 本文综述人工智能在三大妇科恶性肿瘤早期筛查、诊断、精准治疗及预后预测中的最新研究进展 | 系统总结AI技术在子宫内膜癌、宫颈癌和卵巢癌全流程管理中的创新应用,并辩证讨论当前局限性与未来转化潜力 | 存在数据异质性、算法可解释性不足、多中心验证缺乏等局限性 | 探讨人工智能技术在妇科肿瘤临床诊疗中的应用价值与发展前景 | 子宫内膜癌、宫颈癌和卵巢癌三大妇科恶性肿瘤 | 数字病理 | 妇科肿瘤 | 深度学习、机器学习 | DL/ML算法 | 医学影像、基因组数据、临床信息 | NA |
265 | 2025-09-28 |
Improving the diagnosis of endometrial cancer in postmenopausal women in primary care settings using an artificial intelligence-based ultrasound detecting model
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1646826
PMID:40994958
|
研究论文 | 开发基于深度学习的超声检测模型,用于辅助初级医疗机构诊断绝经后女性的子宫内膜癌 | 首次将深度学习技术应用于绝经后女性子宫内膜癌的超声诊断,整合子宫内膜厚度、肿瘤均质性及血流特征等多参数分析 | 研究数据来源于单一中医医院,样本量相对有限(877例),需多中心验证 | 提高初级医疗机构对绝经后女性子宫内膜癌的超声诊断效率 | 经子宫内膜活检确诊的子宫内膜癌患者(绝经后女性) | 数字病理 | 子宫内膜癌 | 灰度超声、血流参数分析(BFA/RI/EDV/PSV) | 深度学习模型 | 超声图像 | 877例患者(训练集614例、验证集175例、测试集88例) |
266 | 2025-09-28 |
Estimating the full-period rice leaf area index using CNN-LSTM-Attention and multispectral images from unmanned aerial vehicles
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1636967
PMID:40995010
|
研究论文 | 提出融合CNN-LSTM-Attention的深度学习模型,利用无人机多光谱影像实现水稻全生育期叶面积指数的高精度估算 | 首次将自注意力机制与CNN-LSTM结合构建CLA模型,显著提升低叶面积指数条件下的估算精度并有效抑制土壤背景干扰 | NA | 开发水稻全生育期叶面积指数的精准监测技术 | 水稻作物 | 计算机视觉 | NA | 无人机多光谱成像技术 | CNN-LSTM-Attention混合模型 | 多光谱图像 | NA |
267 | 2025-09-28 |
Development and internal validation of a mammography-based model fusing clinical, radiomics, and deep learning models for sentinel lymph node metastasis prediction in breast cancer
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1659422
PMID:40995087
|
研究论文 | 开发基于乳腺X线摄影融合临床、影像组学和深度学习模型的哨兵淋巴结转移预测方法 | 提出概率后融合方法整合临床、影像组学和深度学习特征,实现多模态数据协同预测 | 仅进行内部验证,需要更大规模外部数据集验证泛化能力 | 评估乳腺癌患者哨兵淋巴结转移状态 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 乳腺X线摄影、影像组学分析、深度学习特征提取 | 随机梯度下降、支持向量机、多模态融合模型 | 医学影像(MG图像) | 训练集203例,内部验证集87例,独立测试集82例(共372例患者) |
268 | 2025-09-28 |
An MRI based histogram oriented gradient and deep learning approach for accurate classification of mild cognitive impairment and Alzheimer's disease
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1529761
PMID:40995095
|
研究论文 | 提出基于MRI的HOG特征提取和深度学习框架,用于阿尔茨海默病的早期准确诊断 | 结合Harris角点兴趣点和HOG特征提取方法,并对比三种分类器在AD分期诊断中的性能 | 仅使用T1加权MRI数据,未涉及多模态影像或临床数据融合 | 开发非侵入性早期阿尔茨海默病诊断系统 | 阿尔茨海默病患者(CN正常对照、MCI轻度认知障碍、AD患者)的脑部MRI影像 | 医学影像分析 | 阿尔茨海默病 | Harris角点检测、HOG特征提取、机器学习分类 | SVM、KNN、DNN | MRI影像 | NA |
269 | 2025-09-28 |
Convolutional neural networks decode finger movements in motor sequence learning from MEG data
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1623380
PMID:40995145
|
研究论文 | 本研究使用卷积神经网络从脑磁图数据中解码手指运动序列学习 | 采用线性有限脉冲响应卷积神经网络实现快速可解释的手指运动解码,在空间和频谱域均具有可解释性 | 仅针对健康参与者的食指和中指运动进行研究,样本类型有限 | 开发能够从非侵入性脑磁图信号中准确解码单个手指运动的脑机接口方法 | 健康参与者在序列反应时间任务中的手指运动脑磁图信号 | 脑机接口 | NA | 脑磁图、序列反应时间任务 | LF-CNN、EEGNet、FBCSP-ShallowNet、VGG19 | 脑磁图信号 | 健康参与者(具体人数未明确说明) |
270 | 2025-09-28 |
Evaluating the diagnostic performance of OpenBioLLM in neurology: A case-based assessment of a medical large language model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332196
PMID:40997070
|
研究论文 | 评估医疗大语言模型OpenBioLLM在神经病学领域的诊断性能 | 首次针对神经病学案例系统评估OpenBioLLM的诊断准确性、全面性、补充性和流畅性 | 模型在识别正确病理生理学原因方面存在困难,准确率仅为38%,尚不能作为独立诊断工具 | 评估OpenBioLLM在神经疾病诊断中的性能表现 | 25个来自《神经病学临床案例》的复杂神经病学病例 | 自然语言处理 | 神经疾病 | 大语言模型 | Transformer | 文本 | 25个神经病学临床病例 |
271 | 2025-09-28 |
A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331019
PMID:40997099
|
研究论文 | 提出一种基于GAN的DLGAN安全框架,用于增强卫星物联网网络的安全性 | 结合CNN实时异常检测与GAN生成合成攻击数据,并利用MPI在HPC系统实现可扩展并行处理 | NA | 解决卫星物联网网络中的安全传输挑战 | 卫星物联网网络数据 | 机器学习 | NA | 生成对抗网络(GAN)、卷积神经网络(CNN)、消息传递接口(MPI) | GAN、CNN | 网络流量数据 | NA |
272 | 2025-09-28 |
A hybrid deep learning framework combining transformer and logistic regression models for automatic marine mucilage detection using sentinel-1 SAR data: A case study in Armutlu-Zeytinbağı, Marmara Sea
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330721
PMID:40997107
|
研究论文 | 提出结合Transformer和逻辑回归的混合深度学习框架,利用Sentinel-1 SAR数据自动检测马尔马拉海海洋黏液 | 首次将Transformer模型与逻辑回归结合用于海洋黏液检测,创建了独特的VV-VH偏振波段数据集 | 研究区域仅限于马尔马拉海的Armutlu-Zeytinbağı地区,时间范围较短 | 开发自动检测海洋黏液区域的深度学习系统 | 马尔马拉海海洋黏液污染区域 | 计算机视觉 | NA | 卫星遥感成像(Sentinel-1 SAR) | Transformer + Logistic Regression混合模型,同时比较了RNN、CNN、决策树、朴素贝叶斯、SVM | 卫星图像 | 2600个样本(1300个黏液区域样本,1300个清洁区域样本) |
273 | 2025-09-28 |
Vision transformer and Mamba-attention fusion for high-precision PCB defect detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331175
PMID:40997120
|
研究论文 | 提出融合视觉Transformer和Mamba注意力机制的混合框架ViT-Mamba,用于PCB缺陷检测 | 结合Vision Transformer与Mamba注意力机制进行全局特征提取,并引入人工缺陷生成模块和多尺度分层细化策略 | NA | 解决PCB缺陷检测中缺陷分布不平衡和泛化能力有限的问题 | 印刷电路板(PCB) | 计算机视觉 | NA | 深度学习 | Vision Transformer, Mamba注意力机制 | 图像 | 公共PCB缺陷数据集 |
274 | 2025-09-28 |
A graph neural network-based approach for predicting SARS-CoV-2-human protein interactions from multiview data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332794
PMID:40997149
|
研究论文 | 基于多视图图神经网络预测SARS-CoV-2与人类蛋白质相互作用 | 采用多视图图神经网络结合最优传输整合方法,首次实现从蛋白质序列、基因本体术语和物理相互作用信息的多维度整合预测 | 初始实验验证的病毒-宿主相互作用数据有限(2020年4月30日发布的数据) | 开发准确可靠的SARS-CoV-2与人类蛋白质相互作用预测模型以支持药物重定位 | SARS-CoV-2病毒蛋白质与人类宿主蛋白质 | 机器学习 | COVID-19 | 多视图图神经网络、最优传输整合 | 图神经网络(GNN) | 多视图生物数据(序列数据、功能注释数据、相互作用数据) | 验证确认472个高置信度相互作用(涉及280个宿主蛋白质和27个SARS-CoV-2蛋白质) |
275 | 2025-09-28 |
EfficientNetSwift: A Lightweight and Precise Deep Learning Model for Detecting Oral Squamous Cell Carcinoma Using Pathological Images
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251380966
PMID:41004387
|
研究论文 | 提出一种基于改进轻量级EfficientNetSwift的深度学习模型,用于口腔鳞状细胞癌病理图像的自动检测 | 开发了参数效率更高的轻量级模型EfficientNetSwift,在保持高精度的同时大幅减少参数量 | NA | 实现口腔鳞状细胞癌病理图像的精准自动检测 | 口腔鳞状细胞癌病理图像 | 数字病理 | 口腔鳞状细胞癌 | 深度学习 | EfficientNetSwift(改进的轻量级EfficientNet) | 病理图像 | NA |
276 | 2025-09-28 |
Automatic road damage recognition based on improved YOLOv11 with multi-scale feature extraction and fusion attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327387
PMID:41004548
|
研究论文 | 提出一种基于改进YOLOv11的自动道路损伤识别方法,通过多尺度特征提取和融合注意力机制提升检测性能 | 引入微小目标检测层增强小物体识别能力,集成全局注意力机制抑制背景噪声,采用轻量化卷积模块优化计算效率 | 仅在RDD2022数据集上进行验证,需进一步测试在更复杂场景下的泛化能力 | 开发高效准确的道路损伤自动检测方法以支持智能交通系统 | 道路损伤图像 | 计算机视觉 | NA | 深度学习 | YOLOv11改进模型(含Tiny Object Detection Layer、Global Attention Mechanism、C3k2CrossConv、C3k2Ghost模块) | 图像 | 基于RDD2022数据集(具体样本数未明确说明) |
277 | 2025-09-28 |
Cardiovascular care with digital twin technology in the era of generative artificial intelligence
2024-Dec-01, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae619
PMID:39322420
|
综述 | 本文综述数字孪生技术在心血管医学中的应用及其与生成式人工智能结合的未来潜力 | 探讨生成式人工智能如何增强心血管数字孪生的动态模拟和预测能力 | NA | 总结数字孪生技术在心血管医疗中的现状并展望其未来发展方向 | 心血管疾病患者个体化数字孪生模型 | 数字病理 | 心血管疾病 | 数字孪生技术、生成式人工智能、深度学习 | 机器学习模型、生成模型 | 多模态数据(生理数据、环境数据、医疗数据) | NA |
278 | 2025-09-28 |
Impact of Emerging Deep Learning-Based MR Image Reconstruction Algorithms on Abdominal MRI Radiomic Features
2024 Nov-Dec 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001648
PMID:39190703
|
研究论文 | 评估基于深度学习的MRI重建算法对腹部MRI影像组学特征的影响 | 首次在单一MRI厂商平台上系统比较传统重建技术与两种深度学习重建技术对多器官影像组学特征的影响 | 样本量较小(17名受试者),仅使用单一厂商(飞利浦)的1.5T设备,SmartSpeed-SuperRes尚未获得FDA批准 | 评估深度学习重建算法与传统重建算法对MRI影像组学特征的一致性影响 | 17名儿科和成人受试者的腹部T2加权MR图像 | 医学影像分析 | NA | 深度学习图像重建、影像组学分析 | 深度学习重建算法(SmartSpeed、SmartSpeed-SuperRes) | MRI图像 | 17名受试者,8个感兴趣区域(肝脏、脾脏、肾脏、胰腺、脂肪和肌肉) |
279 | 2025-09-28 |
A Competition for the Diagnosis of Myopic Maculopathy by Artificial Intelligence Algorithms
2024-Nov-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2024.3707
PMID:39325442
|
研究论文 | 通过国际竞赛评估深度学习算法在近视性黄斑病变分类、病灶分割和球镜当量预测任务中的性能 | 首次通过国际竞赛形式系统比较多种AI算法在近视性黄斑病变诊断中的表现,并证明模型集成方法优于单个算法和眼科医生 | 研究基于特定竞赛数据集,模型泛化能力需进一步验证 | 评估AI算法在近视性黄斑病变诊断中的性能并与眼科医生进行比较 | 近视性黄斑病变患者的眼底图像 | 计算机视觉 | 近视性黄斑病变 | 深度学习 | 深度学习算法集成 | 眼底图像 | 任务1:2306张图像,任务2:294张图像,任务3:2003张图像 |
280 | 2025-09-28 |
CT synthesis with deep learning for MR-only radiotherapy planning: a review
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00430-y
PMID:39465111
|
综述 | 本文综述了基于深度学习的MR-to-CT合成方法在仅MR放疗计划中的应用 | 系统分类并比较了四类深度学习模型(CNN、GAN、Transformer、扩散模型)在MR-CT合成任务中的表现 | NA | 提升仅MR放疗计划中合成CT的准确性以实现临床应用 | 医学影像(MR和CT图像) | 医学影像分析 | 肿瘤放疗 | 深度学习图像到图像翻译 | CNN, GAN, Transformer, 扩散模型 | 医学影像 | NA |