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 | 2025-06-26 |
Chemical space visual navigation in the era of deep learning and Big Data
2025-May-31, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2025.104392
PMID:40456508
|
综述 | 本文综述了在深度学习和大数据时代下化学空间可视化导航的最新算法和工具进展 | 探讨了这些方法如何应对大数据挑战,并讨论了非常规应用,如QSAR/QSPR模型的视觉验证、交互式生成方法以及化学空间地图作为数字艺术的使用 | 未提及具体技术或工具的局限性 | 分析大数据时代下药物化学中的新挑战,并提出可视化化学空间的方法和工具 | 化学空间的可视化导航方法和工具 | 药物化学 | NA | QSAR/QSPR模型 | NA | 分子结构数据 | NA |
302 | 2025-06-26 |
Can Deep Learning-Based Auto-Contouring Software Achieve Accurate Pelvic Volume Delineation in Volumetric Image-Guided Radiotherapy for Prostate Cancer? A Preliminary Multicentric Analysis
2025-May-30, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol32060321
PMID:40558264
|
研究论文 | 本研究评估了基于深度学习的自动轮廓软件Limbus® Contour®在前列腺癌放疗中盆腔结构描绘的准确性 | 首次在多中心研究中评估Limbus® Contour®软件在前列腺癌放疗中自动描绘盆腔结构的性能 | 软件在肠袋和乙状结肠描绘上表现不佳,且缺乏淋巴结亚区分化功能 | 评估深度学习自动轮廓软件在放射治疗中的临床应用价值 | 前列腺癌患者的盆腔结构(膀胱、直肠、肠袋、乙状结肠和盆腔淋巴结) | 数字病理 | 前列腺癌 | 深度学习 | NA | 医学影像 | 52名患者 |
303 | 2025-06-26 |
A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making
2025-May-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656671
PMID:40502058
|
research paper | 提出一个多区域大脑模型,探讨海马体在空间嵌入式决策中的作用 | 通过对比不同交互架构的学习性能和神经表征,发现特定架构(网格细胞联合编码自运动速度信号和决策证据增量)优化学习效率并最接近实验观察 | 模型预测需要新的神经生理学实验验证 | 理解大脑结构如何支持高效学习和决策,为深度学习提供归纳偏置 | 强化学习智能体与不同交互架构的大脑模型 | machine learning | NA | reinforcement learning (RL), recurrent neural network (RNN) | RNN | neural activity data | NA |
304 | 2025-06-26 |
Deep Learning-Based Detection of Honey Storage Areas in Apis mellifera Colonies for Predicting Physical Parameters of Honey via Linear Regression
2025-May-29, Insects
IF:2.7Q1
DOI:10.3390/insects16060575
PMID:40559006
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法,使用YOLOv11模型检测、分类和量化蜂巢中的蜜脾,并探讨了蜂蜜物理特性与图像检测之间的关系 | 首次将YOLOv11模型应用于蜂巢蜜脾检测,并研究了图像检测结果与蜂蜜物理特性之间的相关性 | 蜂蜜物理特性(电导率和颜色)对蜜脾面积预测能力较弱,pH值和含水量关联性更差 | 开发自动化蜂巢监测技术,提高蜂蜜生产效率 | 西方蜜蜂(Apis mellifera)蜂巢中的蜜脾 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 图像 | 不同月份采集的蜂巢帧图像(数据集分割比例为90:5:5和80:10:10) |
305 | 2025-06-26 |
Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence
2025-May-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01740-y
PMID:40419973
|
研究论文 | 本研究利用左心耳形态特征、深度学习放射组学和临床变量,开发并验证了一个预测心房颤动消融结果的模型 | 结合深度学习放射组学和临床变量开发预测模型,用于评估心房颤动消融后的复发概率 | 研究为回顾性多中心研究,可能存在选择偏倚 | 预测心房颤动消融后的复发概率 | 接受射频导管消融治疗的心房颤动患者 | 数字病理 | 心血管疾病 | CT血管造影(CTA) | nnUNet | 图像 | 480名连续患者 |
306 | 2025-06-26 |
Deep learning classification integrating embryo images with associated clinical information from ART cycles
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02076-x
PMID:40399312
|
研究论文 | 开发了一种结合胚胎图像和临床数据的人工智能模型,用于预测单胚胎移植的临床妊娠结果 | 整合胚胎图像和临床数据,开发了三种AI模型,并通过可视化过程明确了影响预测的关键特征 | 仅使用胚胎图像预测临床妊娠的性能存在差距,可能由于仅凭胚胎图像预测的难度较大 | 提高单胚胎移植临床妊娠结果的预测准确性 | 1503个国际治疗周期的胚胎图像和临床数据 | 计算机视觉 | 生殖健康 | 深度学习 | MLP, CNN, 融合模型 | 图像, 临床数据 | 1503个治疗周期(来自泰国、马来西亚和印度) |
307 | 2025-06-26 |
Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies
2025-May, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-024-02094-4
PMID:39356416
|
研究论文 | 介绍了一种名为Galileo的人工智能工具,用于评估肾脏移植前的活检 | 开发了专门用于辅助病理学家解读肾脏移植前活检的AI工具Galileo,显著提高了评估速度和一致性 | 需要进一步验证该工具对移植存活率等硬终点的影响 | 开发AI工具以辅助肾脏移植前活检的评估 | 肾脏移植前的活检样本 | 数字病理学 | 肾脏疾病 | 深度学习 | 深度学习算法 | 全切片图像 | 多中心收集的肾脏穿刺活检和楔形活检样本 |
308 | 2025-06-26 |
A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R
2025 May-Jun, Multivariate behavioral research
IF:5.3Q1
DOI:10.1080/00273171.2025.2455497
PMID:39949325
|
教程 | 本教程介绍了三种基于人工智能的面部情绪识别工具在R语言中的应用 | 提供了三种流行AI情绪检测程序的比较及示例代码,便于研究人员快速开始设计和分析情绪数据 | 仅针对R程序员,且未涉及这些工具在具体研究中的实际应用效果评估 | 提高社会和行为科学文献中可解释人工智能的素养 | 面部情绪识别工具 | 计算机视觉 | NA | 机器学习、深度学习、计算机视觉算法 | NA | 图像 | NA |
309 | 2025-06-26 |
Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning
2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology
DOI:10.1002/wnan.70015
PMID:40391396
|
review | 本文综述了表面增强拉曼散射(SERS)纳米标签的设计策略、生物医学应用及其与机器学习的整合 | 强调了SERS纳米标签在生物成像、治疗诊断和液体活检中的最新应用,特别是机器学习与深度学习算法的整合以提高效能 | 讨论了SERS纳米标签在临床转化中面临的挑战 | 探讨SERS纳米标签在疾病诊断、监测和光谱引导手术中的应用及其技术进步 | SERS纳米标签及其在生物医学领域的应用 | 生物医学工程 | 癌症、SARS-CoV-2 | 表面增强拉曼散射(SERS) | 机器学习(ML)、深度学习 | 光谱数据、图像数据 | NA |
310 | 2025-06-26 |
[Segmentation and validation of mandibular canal and its bifurcation on cone beam CT based on deep learning]
2025-Apr, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:40550761
|
研究论文 | 基于深度学习的锥形束CT下颌管及其分叉的检测与分割方法 | 利用U-net卷积神经网络建立下颌管及其分叉的检测与分割方法,并采用伪标签方法辅助标注 | 样本量相对较小,且仅来自单一医院 | 开发一种可靠且实用的下颌管及其分叉的自动检测与分割方法 | 290例CBCT扫描图像 | 计算机视觉 | 口腔疾病 | CBCT扫描 | U-net | 医学图像 | 290例CBCT扫描图像(200例训练集,90例测试集) |
311 | 2025-06-26 |
Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation
2025-Mar-31, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003185
PMID:40164487
|
研究论文 | 本研究探讨了如何通过结合心电图(ECG)、心率变异性(HRV)和人口统计数据(年龄和性别)来提高心房颤动(AF)的检测效果 | 创新点在于将HRV和人口统计数据与ECG结合,采用多模态方法显著提升了AF检测的敏感性和性能 | 研究结果尚需进一步的临床验证 | 提高心房颤动的检测准确率 | 心房颤动(AF)患者 | 机器学习 | 心血管疾病 | ECG、HRV分析 | CNN(AlexNet、VGG-16、ResNet)、transformer | ECG信号、HRV数据、人口统计数据 | 35,634份12导联ECG记录,来自三个公共数据库 |
312 | 2025-06-26 |
Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study
2025-Mar-31, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01646-9
PMID:40165094
|
研究论文 | 本研究开发了一种基于Gd-EOB-DTPA增强MRI图像的放射组学模型,结合双区域特征和两种机器学习算法,用于预测肝细胞癌的微血管侵犯 | 结合双区域特征和两种机器学习算法(CR和DLR)的新型放射组学模型,提高了预测微血管侵犯的准确性 | 所有模型之间的AUC差异无统计学意义(P>0.005) | 术前预测肝细胞癌的微血管侵犯 | 304名肝细胞癌患者 | 数字病理 | 肝细胞癌 | Gd-EOB-DTPA增强MRI | 支持向量机、3D ResNet-18 | MRI图像 | 304名患者(训练队列216名,测试队列88名) |
313 | 2025-06-26 |
Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing
2025-Mar-31, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-025-07485-4
PMID:40165135
|
研究论文 | 开发并验证了一种基于人工智能的超声图像质量审核系统(AI-IQA),用于自动审核孕早期超声扫描中四个关键平面的图像质量 | 首次将YOLOv7结构检测网络与多分支图像质量回归网络结合,构建了一个高效且准确的自动审核系统,并验证了其在不同经验水平放射科医师中的临床效果 | 研究仅基于多中心内部数据集进行验证,尚未在更广泛的外部数据集中测试其泛化能力 | 开发一个高效准确的自动超声图像质量审核系统,以替代耗时且不一致的人工审核 | 孕早期超声扫描中的四个关键平面图像 | 计算机视觉 | 产科超声 | YOLOv7结构检测网络与多分支图像质量回归网络 | CNN | 图像 | 567例由四位不同经验水平的放射科医师扫描的案例(其中349例未使用AI-IQA反馈,218例使用2-3轮AI-IQA反馈) |
314 | 2025-06-26 |
Detection of cotton crops diseases using customized deep learning model
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94636-4
PMID:40155421
|
研究论文 | 本文提出了一种定制的深度学习模型,用于检测棉花作物病害 | 比较了多种最先进的深度学习模型(如VGG16、DenseNet、EfficientNet等)在棉花病害识别中的表现,并发现ResNet152模型优于其他模型 | 未提及模型在真实田间环境中的泛化能力或对不同病害类型的识别效果 | 开发高效的棉花病害检测方法以减少农业经济损失 | 棉花作物及其病害 | 计算机视觉 | 棉花病害 | 深度学习 | VGG16, DenseNet, EfficientNet, InceptionV3, MobileNet, NasNet, ResNet | 图像 | 未明确提及具体样本数量,但使用了从田间采集的真实棉花病害数据 |
315 | 2025-06-26 |
Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.004
PMID:39438175
|
研究论文 | 本研究基于多参数MRI的深度学习模型,用于预测直肠癌患者的肿瘤沉积及预后结果 | 结合多参数MRI的深度放射组学特征和临床特征,构建了预测直肠癌肿瘤沉积的列线图模型,并验证了其在预后分层中的有效性 | 回顾性研究设计可能存在选择偏倚,且样本量相对有限 | 预测直肠癌患者的肿瘤沉积状态并分析其预后 | 529例接受根治性手术的直肠癌患者 | 数字病理 | 直肠癌 | 多参数MRI | ResNet-101 | 图像 | 529例患者(中心1:379例,中心2:150例) |
316 | 2025-06-26 |
Detection of Auto-Immune Disease using Deep Learning Techniques
2025-Mar, Mediterranean journal of rheumatology
DOI:10.31138/mjr.060624.doa
PMID:40557183
|
研究论文 | 本研究提出了一种结合深度学习和先进图像处理的自动化方法,用于通过HEp-2细胞间接免疫荧光测试诊断自身免疫性疾病 | 创新性地整合了深度学习、图像处理、HEp-2细胞和有丝分裂细胞实例分割技术,提供了一种自动化的诊断方法 | 初始数据集存在不平衡问题,有丝分裂细胞数量显著少于HEp-2同质细胞 | 开发可靠的自动化方法用于自身免疫性疾病的诊断 | HEp-2细胞和有丝分裂细胞 | 数字病理学 | 自身免疫性疾病 | 间接免疫荧光测试(IIF) | Detectron2, YOLOv8n | 图像 | ICPR 2016数据集 |
317 | 2025-06-26 |
Deep learning in surgical process modeling: A systematic review of workflow recognition
2025-Feb, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104779
PMID:39832608
|
系统综述 | 本文系统综述了深度学习在手术流程建模中的应用,特别是在微创手术中识别手术工作流程和提取可靠模式的作用 | 探讨了深度学习在手术工作流分析中的广泛应用,包括神经网络和transformer的使用,并提出了多模态数据输入的益处 | 手术注释过程缺乏详细描述,不同手术程序的注释过程存在显著差异,公开数据集常缺乏临床知识 | 研究深度学习在识别手术工作流程和提取可靠模式中的作用,以推动内窥镜手术中情境感知智能系统的发展 | 微创手术中使用腹腔镜和显微镜进行的手术视频 | 计算机视觉 | NA | 深度学习 | RNN, TCN, transformer | 视频 | 59篇文章(从2937篇中筛选) |
318 | 2025-06-26 |
Smartphone image dataset for radish plant leaf disease classification from Bangladesh
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111263
PMID:39850369
|
research paper | 该研究收集了来自孟加拉国蔬菜田的2801张萝卜叶片图像,用于深度学习模型训练,以精确识别萝卜叶片病害 | 创建了一个包含健康叶片和四种病害叶片的全面智能手机图像数据集,用于萝卜叶片病害分类 | 数据集仅来自孟加拉国的蔬菜田,可能无法涵盖所有地理和环境条件下的萝卜叶片病害 | 精确识别萝卜叶片病害,以促进萝卜的健康生长和农业可持续性 | 萝卜叶片 | digital pathology | plant disease | deep learning | NA | image | 2801张萝卜叶片图像 |
319 | 2025-06-26 |
Classroom Behavior Recognition Using Computer Vision: A Systematic Review
2025-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25020373
PMID:39860742
|
系统综述 | 本文通过系统文献综述,探讨了基于计算机视觉的课堂行为识别的研究现状与未来趋势 | 首次系统梳理了80篇同行评审期刊文章,明确了计算机视觉支持的课堂行为识别的四大类别及主要识别目标,并指出了当前研究的挑战与未来方向 | 行为分类定义多样且缺乏与教学内容和事件的联系,研究样本主要集中于大学生和传统课堂环境 | 探讨基于计算机视觉的课堂行为识别的研究现状、技术应用及未来趋势 | 教师和学生的课堂行为 | 计算机视觉 | NA | 深度学习 | YOLO系列 | 视频 | 80篇同行评审期刊文章 |
320 | 2025-06-26 |
A Comprehensive Review of Artificial Intelligence (AI) Applications in Pulmonary Hypertension (PH)
2025-Jan-07, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61010085
PMID:39859065
|
综述 | 本文综述了人工智能(AI)在肺动脉高压(PH)中的应用,包括诊断、疾病分类和预后预测 | 系统性地总结了AI在PH管理中的潜在应用,并探讨了其在风险分层和治疗优化中的前景 | 存在现有挑战和局限性,需要进一步探索和完善AI驱动工具 | 探讨AI在PH诊断和管理中的潜在应用 | 肺动脉高压(PH)患者 | 数字病理学 | 心血管疾病 | 机器学习(ML)和深度学习(DL) | NA | 医学数据 | 45项相关研究 |