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 | 2025-09-06 |
Fast and Robust Single-Shot Cine Cardiac MRI Using Deep Learning Super-Resolution Reconstruction
2025-Oct-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001186
PMID:40184545
|
研究论文 | 本研究比较了深度学习超分辨率重建的单次激发心脏MRI与标准多次激发序列的诊断质量和扫描效率 | 首次将工业开发的深度学习超分辨率算法应用于单次激发心脏电影序列,显著缩短扫描时间的同时保持非劣诊断质量 | 样本量较小(45名参与者),且未明确说明深度学习模型的具体架构和训练细节 | 评估深度学习重建单次激发心脏电影序列在临床诊断中的可行性和优势 | 具有心脏MRI临床指征的患者群体 | 医学影像分析 | 心血管疾病 | 深度学习超分辨率重建、压缩感知、平衡稳态自由进动序列 | 深度学习超分辨率算法 | 心脏MRI图像 | 45名参与者(平均年龄50±18岁,30名男性) |
262 | 2025-09-06 |
Eliminating Rasterization: Direct Vector Floor Plan Generation With DiffPlanner
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3559682
PMID:40208765
|
研究论文 | 提出一种名为DiffPlanner的深度学习框架,直接在向量空间中生成边界约束的平面图布局 | 首次完全在向量空间操作,避免了传统方法中矢量-栅格-矢量的转换过程,并引入了对齐机制使模型优化轨迹与设计师迭代过程对齐 | NA | 解决边界约束的平面图生成问题,生成给定边界内房间的拓扑和几何属性 | 建筑平面图布局和气泡图 | 计算机视觉 | NA | 条件扩散模型 | Transformer-based diffusion model | 矢量数据 | NA |
263 | 2025-09-06 |
FLINT: Learning-Based Flow Estimation and Temporal Interpolation for Scientific Ensemble Visualization
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3561091
PMID:40232923
|
研究论文 | 提出一种基于深度学习的FLINT方法,用于科学集成数据的流场估计和时间插值 | 首个从科学集成数据中执行流场估计的方法,能够处理部分或完全缺失流场的情况 | NA | 为2D+时间和3D+时间科学集成数据估计流场并生成时间插值 | 科学集成数据 | 科学可视化 | NA | 深度学习 | CNN,反卷积神经网络 | 2D+时间数据,3D+时间数据 | 来自模拟和实验的科学集成数据 |
264 | 2025-09-06 |
ASight: Fine-Tuning Auto-Scheduling Optimizations for Model Deployment via Visual Analytics
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3574194
PMID:40440148
|
研究论文 | 提出ASight视觉分析系统,帮助工程师理解自动调度生成的底层代码并优化深度学习模型部署性能 | 开发子图匹配算法识别中间表示中的图同构,并提出增强的可视化方法处理自动调度的大规模搜索空间 | 仅通过两个案例研究和定量实验验证,需要更广泛的实践应用证明 | 优化深度学习模型在特定硬件上的推理延迟,提升部署性能 | 深度学习模型的自动调度优化过程和生成的底层代码 | 机器学习 | NA | 子图匹配算法,可视化分析 | NA | 中间表示(IR),性能指标数据,计算图 | 两个案例研究(本地机器和数据中心各一)加定量实验 |
265 | 2025-09-06 |
Machine and deep learning methods for epileptic seizure recognition using EEG data: A systematic review
2025-Oct-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149797
PMID:40562194
|
系统综述 | 本文系统回顾了2013至2023年间基于EEG数据的机器学习和深度学习方法在癫痫发作识别中的应用 | 首次全面涵盖癫痫发作的检测、分类与预测任务,并探讨可解释AI、迁移学习及联邦学习等新兴趋势 | 仅基于PubMed数据库的文献,可能未涵盖所有相关研究;未进行定量meta分析 | 评估机器学习和深度学习在癫痫发作识别中的有效性、可解释性及临床适用性 | 癫痫患者的EEG信号数据 | 机器学习 | 癫痫 | EEG(脑电图) | 多种ML和DL模型(未指定具体类型) | EEG信号数据 | NA(综述文章,未涉及具体样本量) |
266 | 2025-09-06 |
A Study of Data Augmentation for Learning-Driven Scientific Visualization
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3587685
PMID:40638349
|
研究论文 | 本研究系统评估了九种数据增强技术在科学可视化任务中的效果,包括空间超分辨率和环境遮挡预测 | 首次对多种数据增强方法在科学可视化领域的性能进行综合比较,并揭示了增强数据数量与单域多样性对模型性能的关键影响 | 研究仅针对特定科学可视化任务,结果可能不适用于其他领域;实验基于有限的数据集特征 | 探索数据增强技术在解决科学可视化中训练数据稀缺问题上的有效性 | 科学可视化数据及其增强方法 | 科学可视化 | NA | 数据增强技术(噪声注入、插值、缩放、翻转、旋转、VAE、GAN、扩散模型、隐式神经表示) | 深度学习模型 | 科学可视化数据 | 多个具有不同特征的科学数据集 |
267 | 2025-09-06 |
A Comprehensive Survey on 3D Single-View Object Reconstruction
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3591770
PMID:40699970
|
综述 | 本文全面综述了基于单视图的3D物体重建技术,特别关注了基于新视角合成方法的最新进展,并提出了一种更符合人类视觉感知的评估方法 | 提出了考虑部件显著性的加权评估方法,并引入了自动感知重建差异的新技术,填补了现有文献中评估方法与人类视觉感知不一致的空白 | NA | 填补单视图3D物体重建领域,特别是基于新视角合成方法的最新进展的综述空白,并改进评估方法以更好地反映人类视觉感知 | 3D物体形状 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
268 | 2025-09-06 |
CT-SCOPE: annotated dataset of CT SCans for the automatic semantic segmentation of the Osseous structures of the Paranasal sinusEs
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111962
PMID:40896122
|
研究论文 | 介绍一个用于鼻旁窦骨结构自动语义分割的CT扫描标注数据集 | 提供来自6家医院、4种CT设备的多源数据集,包含人工标注和自动伪标签,支持跨设备域适应研究 | 仅13例病例有完整人工标注,样本量相对有限 | 推动医学图像分析中深度学习语义分割模型的训练与评估 | 鼻旁窦周围骨结构 | 医学图像分析 | 鼻窦相关疾病 | CT扫描 | 深度学习语义分割模型 | CT图像(DICOM和PNG格式) | 40名受试者(13例标注+27例未标注),共约8480张切片,含696个标注掩码 |
269 | 2025-09-06 |
UMATBrush: A dataset of inertial signals of toothbrushing activities
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111980
PMID:40896134
|
研究论文 | 介绍了一个名为UMATBrush的惯性信号数据集,专门用于监测刷牙活动 | 与类似存储库相比,不仅包含有限手动活动的检测器开发,还包括受试者日常生活中的长时间监测 | NA | 为基于智能手表的刷牙活动检测提供数据集支持 | 四个实验受试者在大量刷牙会话中的惯性信号 | 机器学习 | NA | 惯性传感器信号采集 | NA | 惯性信号(加速度样本) | 四个受试者使用三款商用智能手表采集的大量刷牙会话数据 |
270 | 2025-09-06 |
Stress-strain and fracture acoustic emission dataset of high-strength concrete for metro tunnel lining under different stress states
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111973
PMID:40896120
|
研究论文 | 本文提出了一个关于地铁隧道衬砌高强混凝土在不同应力状态下应力应变和断裂声发射特性的新颖数据集 | 首次提供了包含高强混凝土在多应力状态下的应力应变行为、断裂声发射特性及损伤图像的综合性数据集 | NA | 解决地铁隧道衬砌工程问题并为相关科学研究提供数据支持 | 地铁隧道衬砌使用的高强混凝土 | 工程材料 | NA | 声发射(AE)监测、应力应变传感、高分辨率摄像 | NA | 图像、传感器数据、声发射数据 | NA |
271 | 2025-09-06 |
RoseLeafInsight: A high-resolution image dataset for rose leaf disease recognition
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111968
PMID:40896128
|
研究论文 | 本研究提出了一个高分辨率玫瑰叶片病害图像数据集RoseLeafInsight,用于支持玫瑰叶片病害的自动识别与研究 | 创建了首个针对玫瑰叶片病害的高分辨率图像数据集,包含四种病害类别,并采用多种数据增强技术提升数据集质量 | 数据集仅包含四种病害类别,可能未覆盖所有玫瑰叶片病害类型;数据采集限于特定时间段和地区 | 开发用于玫瑰叶片病害早期识别和诊断的机器学习模型,提升病害管理效率和农业产量 | 玫瑰叶片图像,包含黑斑病、虫孔病、黄花叶病毒病和健康叶片四种类别 | 计算机视觉 | 植物病害 | 图像采集、数据增强(旋转、翻转、对比度调整、模糊、剪切、缩放、噪声添加) | MobileNetV2(迁移学习模型) | 图像 | 3,228张原始图像(黑斑病409张、虫孔病453张、黄花叶病毒病680张、健康叶片1,686张) |
272 | 2025-09-06 |
Deep Learning Modeling to Differentiate Multiple Sclerosis From MOG Antibody-Associated Disease
2025-Sep-23, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000214075
PMID:40906978
|
研究论文 | 使用深度学习模型结合临床/MRI算法区分多发性硬化症与MOG抗体相关疾病 | 开发了基于ResNet-10的深度学习模型,并结合临床/MRI算法和概率注意力图(PAMs)识别关键区分区域,显著提高了诊断准确率 | 研究为回顾性多中心设计,缺乏前瞻性验证,样本量相对有限且需在更广泛真实场景中验证 | 区分多发性硬化症(MS)与髓鞘少突胶质细胞糖蛋白抗体相关疾病(MOGAD) | 成人非急性MS和MOGAD患者的MRI脑部扫描 | 医疗影像分析 | 神经系统疾病 | MRI(T2-FLAIR和T1加权扫描),深度学习 | ResNet-10 CNN | 图像 | 406例MRI扫描(218例RRMS,188例MOGAD),分为训练/测试集(265例)和独立验证集(141例) |
273 | 2025-09-06 |
Terahertz ptychography enabled by untrained physics-driven neural networks
2025-Sep-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113278
PMID:40894909
|
研究论文 | 提出一种无需预训练的物理驱动神经网络方法,用于提升太赫兹叠层成像的重建质量 | 采用无预训练的物理驱动神经网络,仅需单组数据输入,通过整合物理模型指导推理,提升对不同成像对象和硬件的适应性 | 未提及具体数据获取难度或计算资源需求等限制 | 解决太赫兹波段叠层成像中标记数据稀缺导致的神经网络泛化能力受限问题 | 太赫兹波段的相位成像物体 | 计算成像 | NA | 太赫兹叠层成像(THz ptychography) | 无预训练物理驱动神经网络(UPNN) | 强度图像数据 | 未明确说明具体样本数量 |
274 | 2025-09-06 |
Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm
2025-Sep-05, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202545
PMID:40908796
|
研究论文 | 开发了一种结合AI算法和荧光显微镜的集成计算成像平台,用于精子功能能力的分子表型分析 | 首次将精细调优的YOLOv8架构与双探针荧光显微图像分割结合,实现精子细胞内pH和线粒体DNA G-四链体的同步量化 | NA | 解决男性不育评估中精子功能能力精确分析的技术挑战 | 活动精子 | 计算机视觉 | 男性不育 | 双探针荧光显微镜成像 | YOLOv8 | 荧光显微镜图像 | NA |
275 | 2025-09-06 |
Artificial Intelligence-Driven Automated Design of Anterior and Posterior Crowns Under Diverse Occlusal Scenarios
2025-Sep-05, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.]
IF:3.2Q1
DOI:10.1111/jerd.70029
PMID:40910757
|
研究论文 | 评估咬合类型和基于人工智能的CAD软件对自动生成前后牙冠几何精度和临床质量的影响 | 首次在多样化咬合场景下比较深度学习与传统自动化软件生成牙冠的几何偏差和临床质量 | 深度学习软件在处理前牙间隙病例时表现欠佳,需要进一步优化 | 评估AI驱动的自动化牙冠设计在不同咬合条件下的性能 | 上颌右中切牙和第一磨牙的牙冠设计 | 数字病理 | 牙科疾病 | 人工智能CAD软件、口内扫描、深度学习算法 | 深度学习模型 | 3D扫描数据 | 5种咬合类型模型各10次扫描,共100个牙冠设计样本 |
276 | 2025-09-06 |
A novel RHD*01N allele harboring a c.634+1G>A splice site variant results in the RhD-negative phenotype in a Chinese blood donor
2025-Sep-05, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18390
PMID:40910776
|
研究论文 | 在中国献血者中发现一种新型RHD*01N等位基因,其c.634+1G>A剪接位点变异导致RhD阴性表型 | 首次报道了由c.634+1G>A剪接位点变异引起的新型RHD*01N等位基因 | NA | 鉴定导致RhD阴性表型的分子机制 | 中国献血者的血液样本 | NA | NA | 血清学技术、Sanger测序、SMRT测序、SpliceAI预测工具 | NA | 基因序列数据 | 1例中国献血者样本 |
277 | 2025-09-06 |
Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern
2025-Sep-05, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06376-2
PMID:40911057
|
研究论文 | 本研究开发并验证了一种基于解剖结构约束的深度学习模型(ASC-Net),用于提升胎儿超声图像中小脑发育不全的产前诊断准确性 | 提出双分支深度学习分类网络ASC-Net,首次结合超声图像与解剖结构掩模作为输入,并通过小脑和脑池的解剖结构约束优化模型性能 | 回顾性研究设计,数据来源于单一医疗机构,可能影响模型泛化能力 | 提高胎儿小脑发育不全的产前超声诊断准确率 | 胎儿小脑发育异常病例及正常妊娠病例 | 计算机视觉 | 神经系统发育异常 | 超声成像 | 深度学习分类网络(ASC-Net) | 图像 | 302例小脑发育不全病例和549例正常妊娠病例 |
278 | 2025-09-06 |
Enhancing Breast Density Assessment in Mammograms Through Artificial Intelligence
2025-Sep-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01657-6
PMID:40911159
|
研究论文 | 开发并评估一种基于深度学习的开源计算机视觉方法,用于乳腺X线摄影图像中的客观乳腺密度评估 | 提出结合定制设计卷积神经网络(CD-CNN)和极限学习机(ELM)层的创新模型,专注于资源有限医疗环境中的可及性和一致性 | 在外部mini-MIAS数据集上准确率(73.9%)明显低于内部测试集(95.4%),表明可能存在泛化能力限制 | 开发低成本、可访问的AI解决方案,提供一致的乳腺密度分类以支持乳腺癌早期检测 | 乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 深度学习 | CD-CNN with ELM | 图像 | 10,371张全视野数字乳腺X线摄影图像 |
279 | 2025-09-06 |
Proposition of a new, minimally-invasive, software smartphone device to predict sleep apnea and its severity
2025-Sep-05, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03441-w
PMID:40911165
|
研究论文 | 提出并评估一种基于智能手机的软件设备Apneal®,用于预测睡眠呼吸暂停及其严重程度 | 开发了一种新型、微创的智能手机应用,利用手机麦克风、加速度计和陀螺仪记录声音和运动,通过深度学习模型自动检测呼吸事件 | 单中心概念验证研究,样本量较小(46例患者),模型为初步版本(0.1版) | 评估智能手机应用在估计患者呼吸暂停低通气指数(AHI)方面的性能,以解决多导睡眠图(PSG)获取受限导致的睡眠呼吸暂停诊断不足问题 | 成年睡眠呼吸暂停患者 | 数字健康 | 睡眠呼吸暂停 | 深度学习模型,声音和运动信号分析 | 序列深度学习模型 | 声音信号,运动信号(来自智能手机传感器) | 46例成年患者(女性占比34%,平均BMI 28.7 kg/m²) |
280 | 2025-09-06 |
Prostate MR image segmentation using a multi-stage network approach
2025-Sep-05, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-025-04763-0
PMID:40911178
|
研究论文 | 本研究利用多阶段深度学习网络方法对前列腺MR图像进行分割,以提高前列腺癌检测和表征的准确性 | 提出并评估了包括单阶段、顺序两阶段和端到端两阶段在内的多阶段分割方法,其中端到端方法利用共享特征表示显著提升了性能 | 模型需要进一步优化,并评估在不同医学影像背景下的泛化能力 | 通过深度学习图像分割技术提升前列腺癌的诊断准确性 | 前列腺MR图像 | 数字病理 | 前列腺癌 | T2加权磁共振成像 | MultiResUNet及多阶段深度学习架构 | 图像 | 1151名患者的61,119张T2加权MR图像 |