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 | 2025-09-21 |
Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi
2025-Sep-15, Acta tropica
IF:2.1Q2
|
综述 | 本文系统评估了AI驱动的疟疾诊断方法,特别关注诺氏疟原虫血期分类的数据集、预处理方法和深度学习技术 | 首次针对诺氏疟原虫血期识别进行深入比较分析,超越以往仅关注物种分类的综述 | 诺氏疟原虫的AI分类研究仍然有限,存在标注数据集不足、类别不平衡和可解释性问题 | 评估AI技术(特别是深度学习)在疟原虫血期分类中的应用潜力 | 诺氏疟原虫(Plasmodium knowlesi)的血期形态 | digital pathology | malaria | 深度学习,显微镜图像分析 | CNN, transfer learning, ensemble learning, YOLO, Faster R-CNN | 显微镜图像 | NA |
262 | 2025-09-21 |
Enhanced epileptic seizure detection using CNNs with convolutional block attention and short-term memory networks
2025-Sep-15, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2025.115831
PMID:40962227
|
研究论文 | 提出一种结合CNN、LSTM和注意力机制的新型癫痫发作检测方法 | 首次将卷积块注意力模块(CBAM)与CNN-LSTM结合,增强模型对关键信息的聚焦能力 | 仅使用公开数据集进行验证,未说明临床实际应用效果 | 提高癫痫发作检测的准确性以改善患者生活质量 | 癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | EEG信号分析 | CNN, LSTM, CBAM | 时间序列信号 | 基于波恩大学公开数据集的三种EEG信号类型 |
263 | 2025-09-21 |
Can classical statistics and deep learning converge on explainable, causally driven target discovery?
2025-Sep-15, DNA research : an international journal for rapid publication of reports on genes and genomes
IF:3.9Q1
DOI:10.1093/dnares/dsaf024
PMID:40971794
|
综述 | 探讨传统统计方法与深度学习在复杂疾病因果机制发现中的融合应用 | 提出结合深度学习可扩展性与统计遗传学推断能力的混合模型框架 | 当前深度学习模型存在可解释性不足、过拟合风险及缺乏标准化评估框架等问题 | 开发下一代计算工具以揭示复杂疾病的分子基础并加速遗传发现向有效治疗的转化 | 复杂疾病的遗传变异与多组学数据 | 机器学习 | 复杂疾病 | 全基因组关联研究(GWAS), 多组学数据整合 | 深度学习混合模型 | 遗传与多组学数据 | NA |
264 | 2025-09-21 |
Graph Neural Network and Diffusion Model for Modeling RNA Interatomic Interactions
2025-Sep-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf515
PMID:40971857
|
研究论文 | 本研究提出一种结合图神经网络和去噪扩散概率模型的方法,用于预测RNA原子间相互作用和三维结构 | 首次将图神经网络与扩散模型结合用于RNA结构预测,采用粗粒化五原子表示法,并在未见RNA家族描述符上展示良好泛化能力 | 方法主要在小RNA子结构(局部RNA描述符)上验证,尚未在完整RNA分子或更复杂结构上进行全面测试 | 开发高精度计算机RNA结构预测工具,弥补传统实验方法在原子级分辨率上的不足 | RNA分子及其原子间相互作用,特别是局部RNA描述符 | 计算生物学 | NA | 图神经网络(GNN),去噪扩散概率模型(DDPM) | GNN, diffusion model | 分子结构数据,图数据 | 训练集包含rRNA和tRNA结构,测试集包含其他所有RNA家族的描述符 |
265 | 2025-09-21 |
Fully automatic bile duct segmentation in magnetic resonance cholangiopancreatography for biliary surgery planning using deep learning
2025-Sep-15, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112415
PMID:40972245
|
研究论文 | 本研究利用深度学习实现磁共振胰胆管成像中胆管的自动三维分割,以辅助胆道手术规划 | 首次基于nnU-Net框架实现扩张与非扩张胆管的全自动精准分割,并通过术中荧光成像验证模型准确性 | 外部验证集样本量较小(仅10例),模型泛化能力需进一步验证 | 开发自动胆管分割模型以辅助胆道手术术前规划 | 胆管系统(包括扩张与非扩张胆管) | 医学影像分析 | 胆道疾病 | 磁共振胰胆管成像(MRCP),Indocyanine green荧光成像 | nnU-Net(基于CNN的语义分割模型) | 3D医学影像 | 249例患者(训练集208例,测试集41例),外加10例外部中心数据 |
266 | 2025-09-21 |
Epicardial and Pericardial Adipose Tissue: Anatomy, physiology, Imaging, Segmentation, and Treatment Effects
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf223
PMID:40971601
|
综述 | 本文综述了心外膜和心包脂肪组织的解剖、生理特性、影像学评估方法、分割技术及其在心血管疾病中的作用和治疗影响 | 系统总结了深度学习等先进图像分割技术在提高EAT和PAT量化准确性方面的进展,并强调了扫描和图像重建标准化的迫切需求 | 总结了不同研究间存在相互矛盾的证据,表明该领域仍需进一步标准化和验证 | 探讨心外膜和心包脂肪组织在心血管疾病中的病理生理作用及风险分层价值 | 心外膜脂肪组织(EAT)和心包脂肪组织(PAT) | 医学影像分析 | 心血管疾病 | CT、MRI、超声心动图 | 深度学习 | 医学影像 | NA |
267 | 2025-09-21 |
Deep learning-based volume of interest imaging in helical CT for image quality improvement and radiation dose reduction
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf128
PMID:40971630
|
研究论文 | 开发了一种基于深度学习的螺旋CT感兴趣区域成像技术,用于降低辐射剂量或提升图像质量 | 提出基于残差U-Net架构的VOI-Net深度学习模型,有效校正螺旋CT中的截断伪影,实现辐射剂量降低71%或图像质量显著提升 | 仅通过模拟评估了三种患者病例(胸部间质性肺病和肝脏肿瘤),样本量有限 | 开发螺旋CT中的感兴趣区域成像技术,以优化辐射剂量与图像质量的平衡 | 间质性肺病和肝脏肿瘤患者的CT影像 | 医学影像处理 | 间质性肺病和肝脏肿瘤 | 螺旋CT成像 | 残差U-Net (VOI-Net) | CT图像 | 3例患者病例(1例胸部CT,2例腹盆部CT) |
268 | 2025-09-21 |
Deep learning black box and pattern recognition analysis using Guided Grad-CAM for phytolith identification
2025-Sep-12, Annals of botany
IF:3.6Q1
DOI:10.1093/aob/mcaf088
PMID:40445063
|
研究论文 | 本研究应用视觉解释工具分析深度学习模型在植物硅体体识别中的决策依据,并与考古植物学家的方法进行比较 | 首次将Guided Grad-CAM等视觉解释方法应用于植物硅体体识别,揭示模型依赖的关键形态特征(如波状纹饰) | NA | 验证深度学习模型在植物硅体体分类中的学习机制,提升模型可解释性 | 燕麦属(Avena)、大麦属(Hordeum)和小麦属(Triticum)的多细胞植物硅体体 | 计算机视觉 | NA | Guided Grad-CAM, Guided Backpropagation, 显微镜成像 | VGG19 | 图像 | 显微镜图像(具体数量未明确,但包含多属植物硅体体样本) |
269 | 2025-09-21 |
ResFusionNet-TSMT: A residual network for pesticide detection using surface-enhanced Raman spectroscopy
2025-Sep-12, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.128852
PMID:40972279
|
研究论文 | 提出ResFusionNet-TSMT,一种基于表面增强拉曼光谱的深度学习框架,用于农药分类和浓度定量 | 融合ResNet的局部特征提取与Transformer的全局依赖建模,引入双流架构、注意力池化机制和类别注意力机制优化多任务学习 | NA | 提高农药检测的准确性和鲁棒性,尤其针对低浓度样本 | 农药 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | ResNet, Transformer | 光谱数据 | NA |
270 | 2025-09-21 |
An enhanced convolutional neural network architecture for nondestructive detection of microbial contamination on eggshells through hyperspectral imaging
2025-Sep-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126943
PMID:40972378
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习的方法,用于无损检测蛋壳上的微生物污染 | 提出了一种改进的卷积神经网络架构CA-DSC-CNN,集成了通道注意力和深度可分离卷积,有效降低了计算复杂度并提升了检测性能 | NA | 开发可靠的无损检测方法,用于评估蛋壳上的需氧菌落总数 | 鸡蛋蛋壳 | 计算机视觉 | NA | 高光谱成像(HSI) | CNN(CA-DSC-CNN) | 高光谱图像 | 108个鸡蛋样本 |
271 | 2025-09-21 |
Medical multimodal foundation models in clinical diagnosis and treatment: Applications, challenges, and future directions
2025-Sep-12, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103265
PMID:40972405
|
综述 | 本文全面分析医学多模态基础模型在临床诊疗中的应用、挑战与未来方向 | 系统梳理多器官多模态数据集、模型架构及临床应用的整合进展 | NA | 探讨医学多模态基础模型如何提升临床诊断精度和治疗效果 | 医学多模态基础模型及其在临床任务中的应用 | 医疗人工智能 | 多疾病领域 | 深度学习 | 多模态基础模型 | 多模态数据(如图像、文本等) | NA |
272 | 2025-09-21 |
Automated intravascular ultrasound image processing and quantification of coronary artery anomalies: The AIVUS-CAA software
2025-Sep-11, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109065
PMID:40972478
|
研究论文 | 开发了一款名为AIVUS-CAA的自动化软件,用于处理冠状动脉异常患者的血管内超声图像并进行量化分析 | 首次开发了零/低代码可执行软件,结合深度学习模型实现自动管腔分割和心脏时相识别,解决了罕见冠状动脉异常图像分析的一致性问题 | 研究主要针对右冠状动脉异常患者,样本量相对有限(76名患者),且需要进一步验证在其他类型冠状动脉异常中的适用性 | 开发自动化工具来改善冠状动脉异常患者的血管内超声图像分析效率和准确性 | 患有右冠状动脉异常并接受静息和负荷协议检查的患者 | 数字病理 | 心血管疾病 | 血管内超声(IVUS),深度学习 | DL深度学习模型 | 图像 | 76名患者(152项研究),共9418帧训练图像,691帧验证图像,632帧测试图像 |
273 | 2025-09-21 |
Digital Twin for the Win: Personalized Cardiac Electrophysiology
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.03.674034
PMID:40950065
|
研究论文 | 开发了一种集成计算、实验和机器学习的框架,用于生成人诱导多能干细胞来源心肌细胞的数字孪生体 | 通过结合合成数据生成和深度学习,实现了从单一记录快速生成完全参数化的细胞特异性数字孪生体 | NA | 预测个体化心脏电生理和治疗结果,推动个性化诊断和靶向治疗 | 人诱导多能干细胞来源的心肌细胞(iPSC-CMs) | 数字病理学 | 心脏疾病 | 全细胞电压钳记录,机器学习 | 全连接深度神经网络 | 电生理记录数据 | 超过一百万计算合成iPSC-CMs的合成群体 |
274 | 2025-09-21 |
Deep learning-driven whole-slide image analysis predicts chemo-resistance and motility subtypes in muscle-invasive bladder cancer
2025-Sep-04, Genes & genomics
IF:1.6Q3
DOI:10.1007/s13258-025-01677-0
PMID:40906037
|
研究论文 | 本研究利用深度学习分析全玻片图像预测肌层浸润性膀胱癌的化疗耐药和运动亚型 | 首次通过全玻片图像的深度学习分析替代转录组分类,低成本预测CrM亚型并关联肿瘤微环境特征 | 样本量有限(152例患者),仅基于TCGA数据,需外部验证 | 评估深度学习模型能否通过全玻片图像准确预测转录组衍生的化疗耐药-运动亚型 | 肌层浸润性膀胱癌患者(152例TCGA-BLCA样本) | 数字病理学 | 膀胱癌 | 全玻片图像分析,随机森林模型 | DenseNet169, Random Forest | 图像(全玻片病理图像) | 192张全玻片图像(来自152例患者) |
275 | 2025-09-21 |
Identification and characterization of clusters of potentially new vocalizations in broiler chickens using advanced acoustic analysis
2025-Sep-04, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105769
PMID:40972419
|
研究论文 | 本研究利用先进声学分析和机器学习技术识别并表征了1至35日龄肉鸡的潜在新叫声集群 | 通过深度学习识别器和递归聚类算法发现了42个声音集群(含10个可能代表新叫声的关键集群),突破了已知四种叫声的认知局限 | 样本量有限且缺乏统计学重复 | 解析肉鸡叫声的复杂性以改善动物福利 | 健康肉鸡(1-35日龄) | 动物行为分析 | NA | 声学分析、机器学习、深度学习 | 深度学习识别器、递归聚类算法 | 音频 | 未明确数量(健康肉鸡录音) |
276 | 2025-09-21 |
Development and validation of a backpropagation neural network model for predicting nursing unit staffing needs: A cross-sectional study
2025-Sep-04, International journal of nursing studies
IF:7.5Q1
DOI:10.1016/j.ijnurstu.2025.105207
PMID:40972497
|
研究论文 | 开发并验证基于反向传播神经网络(BPNN)的护理单元人力需求预测模型,用于优化护士配置 | 首次将数据包络分析(DEA)效率评估与深度学习技术结合,构建混合预测模型实现护理人力精准配置 | 需多中心验证并整合外部因素以提升模型普适性 | 通过预测模型优化护理单元人力配置效率 | 55个护理单元的运营数据(实际开放床位数、护理工时、不良事件等指标) | 医疗健康管理 | NA | 反向传播神经网络(BPNN),数据包络分析(DEA) | BPNN | 结构化运营数据 | 55个护理单元(13个用于模型训练,42个用于预测验证) |
277 | 2025-09-21 |
Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform
2025-Sep-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.28.672961
PMID:40950071
|
研究论文 | 介绍了一个名为LabGym的开源AI平台,用于自动分析和量化线虫的行为 | 利用深度学习模型实现对线虫运动行为的高精度自动分类与量化,尤其在多线虫视频中表现优异 | 线虫轮廓较为统一,可能对自动化分析构成独特挑战 | 开发一个成本效益高、用户易用的全面行为分析方法 | 线虫(C. elegans) | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 视频 | 多线虫视频 |
278 | 2025-09-21 |
Reconstructing the 3D genome organization of Neanderthals reveals that chromatin folding shaped phenotypic and sequence divergence
2025-Sep-02, bioRxiv : the preprint server for biology
DOI:10.1101/2022.02.07.479462
PMID:40949959
|
研究论文 | 利用深度学习从DNA序列重建尼安德特人和丹尼索瓦人的三维基因组结构,揭示染色质折叠对表型和序列分化的影响 | 首次应用深度学习从古DNA序列推断古人类三维基因组组织,填补了古样本无法实验测定三维结构的空白 | 基于序列预测的三维结构仍需实验验证,古DNA降解可能影响推断准确性 | 探索三维基因组结构在古人类与现代人类分化中的作用及其对表型差异的影响 | 尼安德特人、丹尼索瓦人及多样现代人类基因组 | 计算生物学 | NA | 深度学习、Hi-C验证 | 深度学习模型 | DNA序列数据 | 多个古人类及现代人类基因组(具体数量未明确说明) |
279 | 2025-09-21 |
Enhancer-targeting CRISPR screens at coronary artery disease loci suggest shared mechanisms of disease risk
2025-Sep-02, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.28.25334684
PMID:40950476
|
研究论文 | 通过CRISPR筛选和功能基因组学方法系统鉴定冠状动脉疾病风险位点的增强子-基因调控机制 | 结合深度学习模型、CRISPRi靶向和DC-TAP-seq技术在全基因组范围内绘制变异-增强子-基因链接,并揭示祖先和性别特异性风险机制 | 研究主要基于血管平滑肌细胞模型,可能未完全覆盖其他细胞类型中的调控机制 | 鉴定冠状动脉疾病GWAS位点中的因果遗传机制和风险基因 | 血管平滑肌细胞和108个CAD基因座中的增强子-基因调控关系 | 功能基因组学 | 心血管疾病 | CRISPRi筛选、DC-TAP-seq、深度学习染色质可及性模型 | 深度学习模型 | 基因组学数据、染色质特征数据 | 108个CAD基因座中的470个基因 |
280 | 2025-09-21 |
Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer
2025-Sep, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100805
PMID:40473111
|
研究论文 | 本研究开发了一种结合单细胞转录组、空间转录组和病理图像的多组学深度学习模型,用于预测结直肠癌肝转移风险 | 首次发现并验证了肝转移触发恶性细胞(LMTMCs),建立了基于多组学数据和弱监督学习的病理模型预测体系 | 模型在外部验证集中的表现存在差异(AUC 0.72-0.89),需要进一步扩大样本验证 | 提高结直肠癌肝转移的早期识别和风险预测能力 | 结直肠癌患者组织样本 | 数字病理学 | 结直肠癌 | 单细胞RNA测序、空间转录组分析、批量RNA测序 | ResNet18 | 全切片图像、转录组数据 | TCGA-CRC内部测试集和两个外部验证队列(西南医科大学附属医院及附属中医医院) |