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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
301 | 2025-05-03 |
Real-life benefit of artificial intelligence-based fracture detection in a pediatric emergency department
2025-Apr-07, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11554-9
PMID:40192806
|
研究论文 | 评估基于人工智能的骨折检测软件在儿科急诊临床环境中的性能及其对经验不足医生诊断准确性的影响 | 在真实临床环境中评估AI骨折检测软件的性能,并探讨其对经验不足医生诊断准确性的提升作用 | AI对某些特定类型骨折(如桡骨髁骨折)的检测灵敏度较低(68%),且AI辅助可能导致2%病例的正确诊断被错误排除 | 评估AI骨折检测软件在儿科急诊中的临床应用价值 | 18岁以下儿童的1672张放射影像 | 数字病理 | 骨折 | 深度学习 | 深度学习模型(未明确说明具体类型) | 医学影像 | 1672张儿童放射影像(中位年龄10.9岁,59%男性) |
302 | 2025-05-03 |
Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137233
PMID:39823885
|
research paper | 提出了一种名为CellNet的神经网络模型,用于检测密集目标,并通过基于形状感知的径向基函数学习对象的核表示,提高目标计数准确性 | 使用形状感知径向基函数学习对象的核表示,显著提高了密集目标的检测准确率 | 未明确提及模型在其他类型目标或更复杂场景下的表现 | 开发高精度的生物标志物检测方法,用于疾病诊断 | 密集目标和粘附性聚苯乙烯微球 | computer vision | NA | biotin-streptavidin-based biosensing method using artificial intelligence transcoding (bs-SMART) | neural network (CellNet) | image | 血清样本(具体数量未提及) |
303 | 2025-05-03 |
Molecular Modelling in Bioactive Peptide Discovery and Characterisation
2025-Apr-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040524
PMID:40305228
|
review | 本文综述了分子建模在生物活性肽发现与表征中的应用及其最新进展 | 整合人工智能技术,特别是AlphaFold和蛋白质语言模型(PLMs),显著提升了肽构象和相互作用的预测能力 | 现有方法在整合多样化的非经典氨基酸和环化结构方面仍面临挑战 | 探讨分子建模技术在生物活性肽发现与表征中的应用及其优化方向 | 生物活性肽及其与生物靶标的相互作用 | 计算生物学 | NA | 分子建模、分子对接、分子动力学(MD)、虚拟筛选、深度学习 | AlphaFold、蛋白质语言模型(PLMs) | 蛋白质序列与结构数据 | NA |
304 | 2025-05-03 |
Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application
2025-Apr, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2024.2058
PMID:39805576
|
research paper | 评估深度学习技术在甲状腺结节超声图像分类中的适用性 | 使用多视角超声图像和多种CNN算法(ResNet、DenseNet、EfficientNet)进行甲状腺结节分类,并采用Siamese神经网络进行多视图分析 | 模型性能可能因不同医生和成像设备获取的图像质量而异 | 评估深度学习技术在甲状腺结节超声图像分类中的临床应用潜力 | 甲状腺结节超声图像 | digital pathology | thyroid cancer | ultrasound imaging | CNN (ResNet, DenseNet, EfficientNet), Siamese neural networks | image | 1,048个甲状腺结节(来自943名患者),其中306个(29%)为甲状腺癌 |
305 | 2025-05-03 |
A Paradigm of Computer Vision and Deep Learning Empowers the Strain Screening and Bioprocess Detection
2025-Apr, Biotechnology and bioengineering
IF:3.5Q2
DOI:10.1002/bit.28926
PMID:39821114
|
研究论文 | 本研究提出并验证了一种结合计算机视觉与深度学习的创新研究范式,以促进高效菌株筛选和有效发酵过程优化 | 结合计算机视觉与深度学习,开发了一种用于菌株筛选和发酵过程优化的视觉传感研究范式 | NA | 提高菌株筛选和发酵过程优化的效率和稳定性 | 庆大霉素C1a效价和荧光蛋白表达 | 计算机视觉 | NA | 计算机视觉、深度学习 | 1D-CNN | 图像 | NA |
306 | 2025-05-03 |
Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images
2025-Apr, Emergency radiology
IF:1.7Q3
DOI:10.1007/s10140-025-02311-y
PMID:39821588
|
research paper | 本研究探讨了深度学习在超声图像中诊断急性腹主动脉夹层的能力 | 使用深度学习模型(Densenet-169和VGG-16)辅助诊断急性腹主动脉夹层,并与人类读者进行比较 | 样本量较小,仅包含374张超声图像 | 提高急性腹主动脉夹层的早期诊断准确性,特别是在急诊环境中 | 急性腹主动脉夹层(AD)患者的超声图像 | digital pathology | cardiovascular disease | ultrasound imaging | Densenet-169, VGG-16 | image | 374张超声图像 |
307 | 2025-05-03 |
Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study
2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.12.010
PMID:39827035
|
研究论文 | 本研究评估了一种基于深度学习和放射组学的自动化方法,用于检测牙科锥形束计算机断层扫描(CBCT)中的血管钙化,并预测心血管疾病 | 结合深度学习和放射组学技术,首次在牙科CBCT扫描中自动检测血管钙化并预测心血管疾病 | 椎动脉钙化(VAC)检测性能较低,样本量相对较小(148例扫描) | 开发自动化方法来检测血管钙化并预测心血管疾病 | 颅外和颅内颈动脉及椎动脉的钙化 | 数字病理学 | 心血管疾病 | CBCT扫描 | nn-UNet | 医学影像 | 148例CBCT扫描,135个钙化区域 |
308 | 2025-05-03 |
Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108608
PMID:39827707
|
研究论文 | 本研究通过整合超声图像的深度学习特征、CT图像的脂肪放射组学特征及临床特征,构建了一个多模态、多区域的列线图(MMRN),用于预测甲状腺乳头状癌(PTC)的中央淋巴结转移(CLNM) | 首次结合超声图像的深度学习特征和CT图像的脂肪放射组学特征,构建多模态、多区域的预测模型,显著提高了CLNM的预测准确率 | 研究仅基于两个独立中心的数据,样本量相对有限,且未考虑其他可能的影像学特征 | 预测甲状腺乳头状癌(PTC)患者的中央淋巴结转移(CLNM)状态,以辅助临床决策 | 661名经甲状腺切除术确诊的PTC患者 | 数字病理学 | 甲状腺癌 | 深度学习、放射组学特征提取 | Resnet50、LASSO回归 | 超声图像、CT图像 | 661名患者(分为主要队列、内部测试队列和外部测试队列) |
309 | 2025-05-03 |
Deep learning-based free-water correction for single-shell diffusion MRI
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110326
PMID:39827997
|
研究论文 | 本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法,旨在提高扩散特性的准确估计 | 利用深度学习框架校正自由水部分体积效应,适用于单壳采集方案,提高了扩散特性估计的准确性和一致性 | 方法在临床队列中的广泛应用可能受限于数据采集方案的多样性 | 开发一种能够准确校正扩散MRI中自由水部分体积效应的方法,以提高扩散特性估计的准确性 | Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC) | 医学影像处理 | NA | 扩散磁共振成像(dMRI) | 深度学习框架 | MRI图像 | 涉及多个数据集,包括HCP-ya、HCP-a和BTC |
310 | 2025-05-03 |
Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery
2025-Apr, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.01.003
PMID:39814096
|
研究论文 | 本研究评估了多种深度学习模型在基于术前光学相干断层扫描(OCT)图像预测特发性视网膜前膜(ERM)手术术后视力结果方面的性能 | 利用深度学习模型(特别是ResNet-101)预测ERM手术术后视力结果,并展示其性能优于普通眼科医生和非视网膜专科医生,略优于视网膜专科医生 | 样本量相对较小,外部测试集仅包含76只眼睛的152张OCT图像 | 预测特发性视网膜前膜(ERM)手术的术后视力结果 | 696只眼睛的1,392张OCT图像(内部训练和验证集)和76只眼睛的152张OCT图像(外部测试集) | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT) | Inception-v3, ResNet-101, VGG-19 | 图像 | 696只眼睛的1,392张OCT图像(内部训练和验证集)和76只眼睛的152张OCT图像(外部测试集) |
311 | 2025-05-03 |
DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108592
PMID:39813937
|
研究论文 | 提出了一种用于乳腺X光片分类的单源域泛化的域不变特征学习框架(DIFLF) | 通过风格增强模块(SAM)和内容-风格解耦模块(CSDM)增加源域特征多样性并提取域不变特征 | 仅使用单一源数据集进行训练,可能无法覆盖所有可能的域偏移情况 | 提高深度学习模型在乳腺X光片分类中的跨域泛化能力 | 乳腺X光片 | 计算机视觉 | 乳腺癌 | 深度学习 | DIFLF(包含SAM和CSDM模块) | 图像 | 一个私有数据集(PRI1)用于训练,另一个私有数据集(PRI2)和两个公共数据集(INbreast和MIAS)用于测试 |
312 | 2025-05-03 |
Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108594
PMID:39813939
|
研究论文 | 提出了一种基于去噪扩散概率模型和高斯噪声添加的EEG-fNIRS数据增强框架,以提高混合脑机接口系统的性能 | 结合去噪扩散概率模型(DDPM)和传统高斯噪声添加方法,首次为EEG-fNIRS混合信号创建联合分布样本并进行数据增强 | 研究依赖于特定任务的数据集,可能无法直接推广到其他脑机接口应用场景 | 解决脑机接口系统中脑信号数据稀缺问题,提高深度学习模型性能 | EEG和fNIRS混合脑信号数据 | 脑机接口 | NA | 去噪扩散概率模型(DDPM),高斯噪声添加 | DDPM | EEG-fNIRS多模态神经生理信号 | 三个公开数据库和一个自采集数据库 |
313 | 2025-05-03 |
ARGai 1.0: A GAN augmented in silico approach for identifying resistant genes and strains in E. coli using vision transformer
2025-Apr, Computational biology and chemistry
IF:2.6Q2
|
research paper | 提出了一种名为ARGai 1.0的深度学习架构,结合GAN和Vision Transformer,用于识别大肠杆菌中的耐药基因和菌株 | 使用GAN生成合成数据以解决数据稀缺问题,结合Vision Transformer进行特征提取和耐药基因识别 | 研究仅针对大肠杆菌,未涉及其他细菌的耐药基因识别 | 开发一种计算基因组学方法,用于识别大肠杆菌中的耐药基因和菌株 | 大肠杆菌(E. coli)的耐药基因和菌株 | computational genomics | infectious disease | WGS, NGS | GAN, Vision Transformer, DCGAN | genomic sequencing data | NA |
314 | 2025-05-03 |
Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images
2025-Apr, Journal of gastroenterology
IF:6.9Q1
DOI:10.1007/s00535-024-02209-5
PMID:39815116
|
研究论文 | 本研究开发了一种多阶段深度学习方法,用于自动分类幽门螺杆菌感染状态 | 提出了一种新的多阶段深度学习方法,用于分类幽门螺杆菌感染状态,并在性能上优于医生 | 样本量相对较小,训练集538例,验证集146例 | 开发一种自动分类幽门螺杆菌感染状态的方法,以辅助胃癌筛查 | 幽门螺杆菌感染状态(未感染、当前感染、根除后) | 计算机视觉 | 胃癌 | 深度学习 | 多阶段深度学习模型 | 内窥镜图像 | 训练集538例,验证集146例 |
315 | 2025-05-03 |
Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme
2025-Apr, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.01.028
PMID:39814211
|
research paper | 通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度 | 提出了一种新的两阶段深度学习方法,用于评估根治性前列腺切除术的难度,并引入了新的指标来描述前列腺和骨盆之间的空间关系 | 研究仅基于290名患者的数据,样本量相对较小,且仅验证了腹腔镜和机器人辅助根治性前列腺切除术 | 探索新的指标来评估根治性前列腺切除术的难度 | 根治性前列腺切除术的术前磁共振成像数据 | digital pathology | prostate cancer | magnetic resonance imaging | nnUNet_v2, PointNet | image | 290名患者(包括腹腔镜和机器人辅助根治性前列腺切除术) |
316 | 2025-05-03 |
A comparative study of the EAT-Lancet diet and the Mediterranean diet in relation to neuroimaging biomarkers and cognitive performance
2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70191
PMID:40302043
|
research paper | 比较EAT-Lancet饮食与地中海饮食对老年人神经影像生物标志物和认知表现的影响 | 首次比较EAT-Lancet行星健康饮食与地中海饮食对大脑健康的影响 | 研究对象仅限于瑞典70岁无痴呆老年人,样本代表性有限 | 评估两种饮食模式对大脑健康和认知功能的影响 | 615名70岁无痴呆老年人 | 神经科学 | 阿尔茨海默病 | 神经影像测量(皮质厚度、海马体积、小血管疾病、深度学习脑年龄) | 深度学习 | 神经影像数据、认知评估数据 | 615名来自瑞典哥德堡H70出生队列研究的70岁老年人 |
317 | 2025-05-03 |
Reconstructing illusory camouflage patterns on moth wings using computer vision
2025-Apr, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2024.0757
PMID:40304197
|
research paper | 利用计算机视觉技术重建蛾翅膀上的伪装图案,探索动物颜色图案如何利用深度感知机制产生错觉 | 首次利用先进的计算机视觉算法(如单图像单目深度估计)来重建动物颜色图案产生的潜在视觉错觉 | 研究仅针对六种蛾类物种,且深度感知模型的性能受限于自然世界的经验 | 探索动物颜色图案如何利用单目深度线索(如阴影)产生三维错觉,以实现伪装等功能 | 六种蛾类(鳞翅目)的翅膀图案 | computer vision | NA | intrinsic image decomposition, deep learning | Retinex-based model, deep-learning models | image | 六种蛾类物种的翅膀图案 |
318 | 2025-05-03 |
Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI
2025-Mar-25, ArXiv
PMID:40196141
|
research paper | 本文提出了一种基于磁敏感对比增强MRI的新方法,用于非侵入性成像脑内体素内血管大小分布(VSD),以更全面和定量地评估血管重塑 | 利用高分辨率光片荧光显微镜图像模拟GESFIDE MRI信号,并训练深度学习模型从GESFIDE信号预测脑血容量(CBV)和VSD | 需要进一步验证以确认其在临床前和临床应用中的转化潜力 | 开发一种新方法来定量评估血管重塑 | 啮齿动物脑部血管系统 | 医学影像 | 癌症、神经退行性疾病、纤维化、高血压、糖尿病 | 磁敏感对比增强MRI、光片荧光显微镜、深度学习 | 深度学习模型 | MRI信号、显微镜图像 | NA |
319 | 2025-05-03 |
Protocol to infer off-target effects of drugs on cellular signaling using interactome-based deep learning
2025-Mar-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103573
PMID:39823233
|
研究论文 | 提出了一种基于交互组深度学习的协议,用于推断药物在细胞信号传导中的脱靶效应 | 使用人工神经网络建模细胞对药物的转录反应,以理解其作用机制 | 案例研究仅分析了lestaurtinib在A375细胞系中对FOXM1的脱靶效应,可能不具有普遍性 | 理解药物的脱靶效应及其作用机制 | 药物的脱靶效应及细胞信号传导 | 机器学习 | NA | 人工神经网络 | 人工神经网络 | 转录数据 | A375细胞系 |
320 | 2025-05-03 |
A deep learning tissue classifier based on differential co-expression genes predicts the pregnancy outcomes of cattle†
2025-Mar-16, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf009
PMID:39832283
|
research paper | 本研究开发了一种基于差异共表达基因的深度学习组织分类器,用于预测牛的妊娠结果 | 通过分析基因共变异和机器学习算法,识别出能预测牛妊娠结果的基因,并开发了高准确率的预测模型 | 样本来源和数量可能限制了模型的泛化能力 | 预测牛的妊娠结果以减少牛场经济损失 | 牛的血液和子宫内膜组织样本 | machine learning | NA | RNA-seq | deep learning | gene expression data | 330个样本,来自7个不同来源和两种组织类型 |