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 | 2025-07-05 |
PhysCL: Knowledge-Aware Contrastive Learning of Physiological Signal Models for Cuff-Less Blood Pressure Estimation
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3554495
PMID:40131744
|
研究论文 | 提出了一种名为PhysCL的生理信号对比学习方法,用于减少对标记PPG数据的依赖并提高无袖带血压估计的准确性 | 引入了知识感知增强库和对比特征重建方法,解决了对比学习中的语义一致性问题,并增强了特征多样性 | 需要跨数据集验证,且对未标记数据的依赖可能影响模型在特定数据集上的表现 | 开发一种减少对标记PPG数据依赖的深度学习方法,以提高无袖带血压估计的准确性 | 生理信号(PPG)数据 | 机器学习 | 心血管疾病 | 对比学习 | 深度学习模型 | 生理信号数据 | 106名受试者的数据,来自MIMIC III、MIMIC IV和UQVS数据集 |
262 | 2025-07-05 |
A Deep Learning Approach for Infant Pain Assessment Using Facial Expressions Through Convolutional Neural Network
2025-Jul-01, Computers, informatics, nursing : CIN
DOI:10.1097/CIN.0000000000001302
PMID:40164059
|
研究论文 | 本研究提出了一种基于深度学习的婴儿疼痛评估方法,通过卷积神经网络分析面部表情 | 利用CNN模型从面部表情中客观评估婴儿疼痛,为临床护理提供了一种新方法 | 样本量较小,需要外部验证,并存在伦理考虑 | 开发一种可靠的婴儿疼痛评估方法,以改善临床护理 | 婴儿 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用COPE数据库,具体样本量未明确说明 |
263 | 2025-07-05 |
Towards Better Cephalometric Landmark Detection With Diffusion Data Generation
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3557430
PMID:40178956
|
研究论文 | 本文提出了一种创新的数据生成方法,用于生成多样化的头影测量X射线图像及相应注释,以提高头影测量标志点检测的准确性 | 开发了一种基于扩散模型的数据生成方法,能够无需人工干预生成多样化的头影测量X射线图像及对应注释,并引入大规模视觉检测模型以提高检测精度 | 未提及生成数据的真实性与临床适用性是否经过严格验证 | 解决头影测量标志点检测中数据稀缺和标注成本高的问题,提高检测方法的准确性和多样性 | 头影测量X射线图像及其标志点 | 计算机视觉 | 正畸诊断 | 扩散模型 | 大规模视觉检测模型 | X射线图像 | 未明确提及具体样本数量,但强调生成数据的多样性和大规模 |
264 | 2025-07-05 |
Multiparametric Ultrasound Breast Tumors Diagnosis Within BI-RADS Category 4 via Feature Disentanglement and Cross-Fusion
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3558786
PMID:40198287
|
research paper | 提出了一种基于特征解耦和交叉融合的多参数超声乳腺癌诊断框架,用于BI-RADS 4类乳腺肿瘤的诊断 | 提出了一个双分支Transformer-CNN编码器来提取和解耦B模式和Nakagami参数图像的共同和特定特征,并设计了一种新的特征解耦损失以确保多参数特征的互补性和一致性 | 未明确提及具体局限性 | 提高BI-RADS 4类乳腺肿瘤的诊断准确性 | BI-RADS 4类乳腺肿瘤 | digital pathology | breast cancer | multiparametric ultrasound (B-mode images, Nakagami parametric images, and semantic attributes) | Transformer-CNN | image | 多中心多参数数据集(具体样本数量未提及) |
265 | 2025-07-05 |
Investigating Bubble Formation and Evolution in Vanadium Redox Flow Batteries via Synchrotron X-Ray Imaging
2025-Jul-01, ChemSusChem
IF:7.5Q1
DOI:10.1002/cssc.202500282
PMID:40202080
|
研究论文 | 通过同步辐射X射线成像技术研究钒氧化还原液流电池中气泡的形成与演变 | 结合深度学习模型和形态分析工具,对同步辐射X射线断层扫描图像中的气泡进行识别和表征 | 未提及实验样本的具体数量或电池系统的规模 | 研究钒氧化还原液流电池中氢气泡的形成与演变规律 | 钒氧化还原液流电池的负极半电池中的氢气泡 | 能源存储 | NA | 同步辐射X射线断层扫描 | 深度学习模型 | 图像 | NA |
266 | 2025-07-05 |
DistAL: A Domain-Shift Active Learning Framework With Transferable Feature Learning for Lesion Detection
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3558861
PMID:40227902
|
研究论文 | 提出了一种结合主动学习和域不变特征学习的框架DistAL,用于解决医学图像分析中的域偏移问题 | 结合对比一致性训练和RUDY样本选择策略,实现了在目标域中高效选择样本进行标注 | 需要进一步验证在不同类型病变和更多样化数据集上的泛化能力 | 解决医学图像分析中因域偏移导致的性能下降问题 | 医学图像中的病变检测 | 数字病理 | NA | 对比一致性训练,K-means++初始化 | 深度学习 | 医学图像 | 8个来自不同医院的数据集,标注了目标域中1.7%的样本 |
267 | 2025-07-05 |
Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT
2025-Jul-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8650
PMID:39794133
|
研究论文 | 本研究探讨了通过对抗训练和输入修改提高深度学习模型在预测急性脑出血患者血肿扩张中的鲁棒性 | 采用对抗训练和Otsu多阈值分割作为额外输入,提高了模型对对抗攻击的鲁棒性 | 对抗训练对FGSM攻击的鲁棒性提升有限,且对PGD型图像的跨攻击鲁棒性有限 | 提高深度学习模型在预测急性脑出血患者血肿扩张中的鲁棒性 | 急性脑出血患者的入院头部CT扫描 | 数字病理学 | 脑出血 | FGSM和PGD对抗攻击,Otsu多阈值分割 | 深度学习模型 | CT图像 | 训练集890例患者,独立验证集684例患者 |
268 | 2025-07-05 |
Artificial Intelligence-Based Detection of Central Retinal Artery Occlusion Within 4.5 Hours on Standard Fundus Photographs
2025-Jul, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.124.041441
PMID:40576025
|
研究论文 | 开发并测试了一种深度学习系统,用于在视网膜眼底照片上检测超急性中央视网膜动脉阻塞(CRAO),以辅助中风预防 | 首次开发能够在4.5小时治疗窗口内检测超急性CRAO的深度学习系统,并在24小时内保持高准确率 | 研究为回顾性设计,需要进一步前瞻性验证 | 开发AI系统辅助CRAO的早期诊断和中风预防 | 中央视网膜动脉阻塞(CRAO)患者及其他眼底疾病患者的视网膜照片 | 数字病理学 | 视网膜血管疾病 | 深度学习 | 深度学习系统(未指定具体架构) | 图像(视网膜眼底照片) | 1322张眼底照片(来自771名患者) |
269 | 2025-07-05 |
Construction of prognostic scoring model for ovarian cancer based on deep learning algorithm
2025-Jul-01, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03011-2
PMID:40591194
|
research paper | 本研究基于深度学习算法构建了卵巢癌的预后评分模型 | 利用病理图像和CLAM框架构建预后预测模型,并结合临床特征和转录组数据进行综合分析 | 外部验证的AUC值较低(0.70),可能影响模型的泛化能力 | 开发卵巢癌的预后预测模型以改善患者治疗效果 | 卵巢癌患者的病理图像和临床数据 | digital pathology | ovarian cancer | Macenko's algorithm, CLAM framework | deep learning | 病理图像 | 158份内部病理切片和105份TCGA-OV病理切片 |
270 | 2025-07-05 |
18F-FDG dose reduction using deep learning-based PET reconstruction
2025-Jul-01, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01269-9
PMID:40591189
|
研究论文 | 本研究评估了基于深度学习的PET重建算法在减少18F-FDG剂量同时保持诊断质量方面的效果 | 首次将深度学习重建算法应用于PET图像以减少放射性剂量,并评估其在不同体重患者中的适用性 | 对于体重≥75kg的患者,算法效果有待进一步优化 | 评估深度学习重建算法在PET成像中减少放射性剂量的可行性 | 90名接受18F-FDG PET/CT检查的肿瘤患者 | 数字病理 | 肿瘤 | PET/CT成像 | 深度学习重建算法(DLR) | 医学影像 | 90名肿瘤患者(分为3组,每组30人) |
271 | 2025-07-05 |
Enhancing ultrasonographic detection of hepatocellular carcinoma with artificial intelligence: current applications, challenges and future directions
2025-Jul-01, BMJ open gastroenterology
IF:3.3Q2
DOI:10.1136/bmjgast-2025-001832
PMID:40592728
|
综述 | 本文综述了人工智能在超声检测肝细胞癌中的当前应用、挑战及未来发展方向 | 重点探讨了深度学习在超声影像中提升肝细胞癌早期检测的潜力,特别是卷积神经网络在B型超声检测不同肝脏局灶性病变中的显著成功 | 数据异质性、缺乏标准化、模型可解释性问题、监管限制以及实际临床应用障碍 | 探讨人工智能在肝细胞癌监测中的应用及其改善患者预后的潜力 | 肝细胞癌(HCC) | 医学影像分析 | 肝细胞癌 | 深度学习 | CNN | 超声影像 | NA |
272 | 2025-07-05 |
Accurate single-shot full-Stokes detection enabled by heterogeneous grain orientations in polycrystalline films
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60914-y
PMID:40592865
|
研究论文 | 介绍了一种名为GOStokes的新方法,利用溶液处理的金属卤化物半导体中的异质晶粒取向,实现单次测量中提取斯托克斯参数 | 通过开发具有强固有圆二色性和线性二色性的多晶薄膜,利用随机取向的晶粒在空间域产生不同的偏振选择性,结合深度学习精确测定任意偏振态 | NA | 开发一种成本效益高的单次全斯托克斯检测方法,用于下一代光学传感 | 多晶金属卤化物半导体薄膜 | 光学传感 | NA | 深度学习 | NA | 光学图像 | NA |
273 | 2025-07-05 |
Anterior cruciate ligament tear detection based on Res2Net modified by improved Lévy flight distribution
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05777-5
PMID:40592990
|
research paper | 该研究提出了一种结合改进的Lévy飞行分布(ILFD)和Res2Net深度学习架构的新方法,用于在膝关节MRI图像中检测前交叉韧带(ACL)撕裂 | 通过将Res2Net与改进的Lévy飞行分布算法(ILFD)结合,提高了ACL撕裂检测的准确性和效率 | 研究仅基于两个标准数据集进行验证,可能需要更多样化的数据以验证模型的泛化能力 | 提高前交叉韧带(ACL)撕裂的诊断准确性和效率 | 膝关节MRI图像中的前交叉韧带(ACL)撕裂 | computer vision | 运动损伤 | 深度学习 | Res2Net, ILFD | MRI图像 | 两个标准数据集(斯坦福大学医学中心和里耶卡临床医院中心) |
274 | 2025-07-05 |
Lessons learned from RadiologyNET foundation models for transfer learning in medical radiology
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05009-w
PMID:40593000
|
研究论文 | 本文探讨了在医学放射学中使用RadiologyNET基础模型进行迁移学习的经验与教训 | 提出了基于RadiologyNET数据集预训练的多种流行架构模型,并比较了其与ImageNet预训练模型在不同医学数据集上的性能 | 研究结果在不同任务间存在差异,强调了预训练数据与下游应用对齐的重要性 | 评估基础模型在医学影像分析中的迁移学习效果 | 医学影像数据集 | 数字病理 | NA | 深度学习 | ResNet18, ResNet34, ResNet50, VGG16, EfficientNetB3, EfficientNetB4, InceptionV3, DenseNet121, MobileNetV3Small, MobileNetV3Large | 图像 | 1,902,414张医学影像 |
275 | 2025-07-05 |
Predictive model of ulcerative colitis syndrome with ensemble learning and interpretability methods
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04824-5
PMID:40593010
|
research paper | 提出一种结合集成学习和可解释性方法的溃疡性结肠炎中医证候预测模型 | 首次在中医证候分型中引入SHAP和LIME可解释性方法,揭示关键证候特征 | 研究数据仅来自单一医院,可能影响模型泛化能力 | 提高溃疡性结肠炎中医证候分型的可解释性和临床实用性 | 溃疡性结肠炎患者的中医电子病历数据 | machine learning | ulcerative colitis | ensemble learning, SHAP, LIME | Gradient Boosting (GB) | electronic medical records | 8078份来自北京中医药大学东方医院的电子病历(2006-2019年) |
276 | 2025-07-05 |
Deep learning-based single-shot computational spectrometer using multilayer thin films
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06691-6
PMID:40593028
|
研究论文 | 本文展示了一种基于深度学习的单次计算光谱仪,能够通过多层薄膜滤光片阵列恢复窄带和宽带光谱 | 使用多层薄膜滤光片阵列和深度学习架构(密集层和带有残差连接的U-Net骨干)进行光谱重建,实现了紧凑设计、快速测量时间和高重建精度 | 研究局限于500至850 nm的波长范围,且需要进一步验证其在更广泛光谱范围内的性能 | 开发一种适用于移动应用的紧凑、快速、高精度的计算光谱仪 | 多层薄膜滤光片阵列和CMOS图像传感器 | 计算机视觉 | NA | 深度学习、晶圆级模板光刻、扫描电子显微镜(SEM)分析 | 密集层和带有残差连接的U-Net | 图像 | 3,223个光谱(包括宽带和窄带光谱) |
277 | 2025-07-05 |
Research and optimization of a multilevel fire detection framework based on deep learning and classical pattern recognition techniques
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06721-3
PMID:40593038
|
研究论文 | 本文提出了一种基于深度学习和经典模式识别技术的多层次火灾检测框架FFDNet,旨在提高火焰检测的准确性和降低误报率 | 结合了增强的RT-DETR模型和VQGAN技术,引入了创新的InnMPD-IoU损失函数和CLBP纹理特征提取方法 | 未提及在极端环境条件下的性能表现 | 开发一个高效、准确的火焰检测工具,以支持火灾预防和响应措施 | 火焰和火焰类似现象 | 计算机视觉 | NA | RT-DETR, VQGAN, CLBP | RT-DETR, VQGAN | 图像 | Dataset for Fire and Smoke Detection (DFS) |
278 | 2025-07-05 |
Cuff-less blood pressure monitoring via PPG signals using a hybrid CNN-BiLSTM deep learning model with attention mechanism
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07087-2
PMID:40593051
|
研究论文 | 本文提出了一种基于PPG信号的无袖带血压监测深度学习框架,结合CNN-BiLSTM混合架构和注意力机制,以提高血压估计的准确性 | 采用CNN-BiLSTM混合架构和注意力机制进行时空特征提取,显著提高了血压估计的准确性和模型的泛化能力 | 虽然模型在MIMIC-II数据库上表现良好,但在其他人群或不同设备采集的PPG信号上的泛化能力仍需进一步验证 | 开发一种精确、非侵入性的血压监测方法,以支持可穿戴健康技术和实时应用 | 通过PPG信号进行血压监测 | 机器学习 | 心血管疾病 | PPG信号处理 | CNN-BiLSTM混合模型 | PPG信号 | 来自MIMIC-II数据库的2064名患者 |
279 | 2025-07-05 |
Research on dimension measurement algorithm for parcel boxes in high-speed sorting system
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07730-y
PMID:40593050
|
研究论文 | 提出了一种基于深度学习的矩形包装箱三维定位算法,并设计了一个轻量级的包裹箱检测模型EODNet | 使用线性注意力机制实现高效特征选择,设计了高低层特征融合结构和C2f-GhostCondConv以实现不同层次输入特征的选择性融合 | NA | 解决物流行业快速发展带来的分拣挑战,提高分拣效率和自动化水平 | 包裹箱 | 计算机视觉 | NA | 深度学习 | EODNet | 图像 | 包装箱数据集和公共数据集 |
280 | 2025-07-05 |
Different prefrontal cortex activity patterns in bipolar and unipolar depression during verbal fluency tasks based on functional near infrared spectroscopy study
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05896-z
PMID:40593067
|
研究论文 | 本研究利用功能性近红外光谱(fNIRS)在言语流畅性任务(VFT)中探讨了单相抑郁症(UD)和双相抑郁症(BD)患者前额叶皮质的功能差异,并评估了fNIRS作为认知评估诊断工具的可靠性 | 通过fNIRS技术结合深度学习一维卷积网络,识别UD和BD患者前额叶皮质活动的差异,并探索其作为精神健康障碍辅助诊断工具的潜力 | 样本量相对较小(UD 73例,BD 59例,健康对照40例),且仅基于VFT任务评估前额叶功能 | 探究单相与双相抑郁症患者前额叶皮质功能差异,开发基于fNIRS的辅助诊断方法 | 单相抑郁症患者、双相抑郁症患者及健康对照人群 | 精神健康 | 抑郁症 | 功能性近红外光谱(fNIRS)、深度学习(一维卷积网络) | 一维CNN | 血流动力学响应数据(氧合血红蛋白浓度) | 172人(73 UD患者 + 59 BD患者 + 40健康对照) |