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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
321 | 2025-09-03 |
Brain tissue biomarker impact bone age in central precocious puberty more than hormones: a quantitative synthetic magnetic resonance study
2025-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01792-8
PMID:40314875
|
研究论文 | 通过定量合成磁共振技术探究脑组织成分体积生物标志物对中枢性性早熟儿童骨龄发育的影响 | 首次揭示髓鞘含量(MyC)与TW3腕骨评分显著正相关,且影响大于激素水平 | 回顾性研究设计,样本量有限(n=168),未涵盖其他潜在影响因素 | 比较脑组织成分与激素对中枢性性早熟儿童骨龄发育的影响程度 | 84名中枢性性早熟儿童与84名对照儿童 | 医学影像分析 | 儿科内分泌疾病 | 合成磁共振成像(SyMRI),深度学习模型,X射线骨龄评估 | 深度学习模型 | 磁共振影像,X射线影像,激素检测数据 | 168名儿童(84例病例+84例对照) |
322 | 2025-09-03 |
Improving Deep Learning-Based Grading of Partial-thickness Supraspinatus Tendon Tears with Guided Diffusion Augmentation
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.072
PMID:40393829
|
研究论文 | 开发并验证一种基于引导扩散数据增强的深度学习系统,用于分级部分厚度冈上肌腱撕裂,并与经验丰富的放射科医生性能进行比较 | 首次将引导扩散模型用于MRI图像增强以解决数据不平衡问题,并系统比较不同MRI序列组合下的深度学习模型性能 | 回顾性研究设计,外部验证集样本量相对有限 | 提升部分厚度冈上肌腱撕裂的自动分级准确性和鲁棒性 | 关节镜确认的冈上肌腱撕裂患者 | 计算机视觉 | 肌肉骨骼疾病 | MRI成像,引导扩散模型 | ResNet-34 | 图像 | 1374名患者(1150名内部数据集+224名外部验证集),共生成52,376张增强图像 |
323 | 2025-09-03 |
The effect of selection bias on the performance of a deep learning-based intraoperative hypotension prediction model using real-world samples from a publicly available database
2025-Sep, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.024
PMID:40404499
|
研究论文 | 本研究评估了选择偏差对基于深度学习的术中低血压预测模型性能的影响,使用真实世界公开数据库样本 | 首次系统量化选择偏差对深度学习低血压预测模型性能的影响,并对比有偏和无偏测试数据集下的表现差异 | 研究基于单一公开数据库(VitalDB),结果可能受限于该特定数据集的特征 | 评估选择偏差对低血压预测模型性能的影响 | 术中低血压事件预测 | 机器学习 | 心血管疾病 | 深度学习 | DL model | 动脉血压波形数据 | 来自VitalDB开放数据集的真实世界样本 |
324 | 2025-09-03 |
Detection, Classification, and Segmentation of Rib Fractures From CT Data Using Deep Learning Models: A Review of Literature and Pooled Analysis
2025-Sep-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000833
PMID:40405573
|
系统综述与合并分析 | 本文系统回顾并分析了基于深度学习模型从CT数据中检测、分类和分割肋骨骨折的文献 | 首次对深度学习模型在肋骨骨折诊断中的性能进行系统性比较和合并分析,并显示其灵敏度优于临床医生 | 纳入研究数量有限(25篇),且部分研究数据不足以进行meta分析 | 比较深度学习模型在CT扫描中检测、分割和分类肋骨骨折的性能 | 肋骨骨折 | 计算机视觉 | 创伤性损伤 | CT扫描 | 深度学习模型 | 医学影像(CT切片) | 来自25项研究的数据进行合并分析 |
325 | 2025-09-03 |
Deep Learning-Based Multimodal Feature Interaction-Guided Fusion: Enhancing the Evaluation of EGFR in Advanced Lung Adenocarcinoma
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.071
PMID:40410106
|
研究论文 | 开发一种基于深度学习的多模态特征交互引导融合框架,用于预测晚期肺腺癌患者的EGFR突变状态 | 提出DL-MFIF框架,首次整合CT图像的宏观特征和WSI的微观特征,通过深度学习捕捉多模态特征间的交互作用 | 样本量相对有限(396例),且仅来自两个医疗机构,可能需要更多外部验证 | 预测晚期肺腺癌患者的表皮生长因子受体(EGFR)突变 | 晚期肺腺癌患者 | 数字病理 | 肺癌 | 深度学习,多模态特征融合 | DL-MFIF(深度学习多模态特征交互引导融合框架) | CT图像,全切片图像(WSI) | 396例患者(243例分为训练集145例和内部验证集98例,153例作为外部验证集) |
326 | 2025-09-03 |
Artificial intelligence automated measurements of spinopelvic parameters in adult spinal deformity-a systematic review
2025-Sep, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-025-01111-1
PMID:40410653
|
系统综述 | 评估深度学习在自动测量成人脊柱畸形患者脊柱骨盆参数方面的应用进展及其准确性 | 首次系统评估深度学习算法在脊柱骨盆参数自动测量中的性能,并与外科医生手动测量进行对比 | 纳入研究数量有限(16篇),部分参数测量精度较低,缺乏外部验证和临床整合可行性评估 | 比较深度学习自动测量与外科医生手动测量脊柱骨盆参数的准确性 | 成人脊柱畸形患者的脊柱骨盆参数 | 计算机视觉 | 脊柱畸形 | 深度学习 | 深度学习模型 | X光图像 | 15至9,832张X光图像 |
327 | 2025-09-03 |
Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach
2025-Sep, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14378
PMID:40411235
|
研究论文 | 本研究利用卷积神经网络和迁移学习方法开发小麦品种分类模型 | 构建了包含124个小麦品种的多视角图像数据集,并开发了新的四层CNN模型,其性能优于预训练模型 | 计算资源需求较高,模型精度仍有提升空间 | 评估深度学习模型在小麦品种分类中的适用性 | 124个小麦品种的多视角图像 | 计算机视觉 | NA | 深度学习,迁移学习 | CNN, DenseNet201, MobileNet, InceptionV3 | 图像 | 124个小麦品种的多视角图像数据集 |
328 | 2025-09-03 |
Deep Learning and Radiomic Signatures Associated with Tumor Immune Heterogeneity Predict Microvascular Invasion in Colon Cancer
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.006
PMID:40413149
|
研究论文 | 开发并验证一种结合影像组学和深度学习特征的深度学习影像组学标志物(DLRS),用于无创预测结肠癌微血管侵犯(MVI),并探索其与肿瘤免疫异质性的关联 | 首次整合影像组学和深度学习特征构建DLRS模型,并揭示其与肿瘤免疫微环境异质性的潜在联系 | 回顾性多中心研究,可能存在选择偏倚;外部验证样本量较小(TCGA-COAD仅25例) | 无创预测结肠癌微血管侵犯状态并探索影像特征与免疫微环境的关联 | 结肠癌患者 | 医学影像分析 | 结肠癌 | CT影像分析、RNA-seq、差异基因表达分析 | 深度学习与影像组学融合模型(DLR)、机器学习特征选择 | CT图像、RNA-seq数据 | 1007例患者(来自三个医疗中心和TCGA-COAD数据库) |
329 | 2025-09-03 |
An adaptive frequency partitioning framework for epileptic seizure detection using TransseizNet
2025-Sep, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2507323
PMID:40421487
|
研究论文 | 提出一种基于自适应频率划分和混合深度学习的癫痫发作检测框架TransseizNet | 结合经验可调Q小波变换进行信号分解,并集成小波驱动注意力和图卷积学习,提升时空特征表示能力 | NA | 提高癫痫发作检测的准确性和计算效率 | 脑电图信号中的癫痫发作模式 | 机器学习 | 癫痫 | 经验可调Q小波变换,Savitzky-Golay滤波 | Wavelet-Graph Convolutional Network Vision Transformer (混合深度学习模型) | 脑电图信号 | 三个数据集(具体数量未说明) |
330 | 2025-09-03 |
Improving Breast Cancer Diagnosis in Ultrasound Images Using Deep Learning with Feature Fusion and Attention Mechanism
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.007
PMID:40436710
|
研究论文 | 本研究提出了一种基于特征融合和注意力机制的深度学习模型,用于超声图像中良恶性病变的分类 | 结合MobileNetV2和DenseNet121先进架构,引入特征融合和注意力机制提升分类精度,并采用多种可解释性技术分析模型决策过程 | 研究使用的数据集未公开可用,可能影响结果的可重复性和泛化验证 | 提高超声图像中乳腺癌病变分类的准确性和可解释性 | 乳腺超声图像中的良性和恶性病变 | 计算机视觉 | 乳腺癌 | 深度学习,特征融合,注意力机制,Grad-CAM,Saliency Maps,SHAP | CNN (MobileNetV2, DenseNet121) | 图像 | 私有数据集2171张图像(来自1758名患者),公开BUSI数据集780张图像(来自25-75岁女性患者) |
331 | 2025-09-03 |
Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images
2025-Sep, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.05.022
PMID:40441501
|
研究论文 | 开发并验证一种基于面部图像自动检测甲状腺眼病的可解释深度学习系统 | 提出结合眼周标志点定位与疾病检测的双网络可解释深度学习框架,并通过热图可视化关键诊断区域 | 需在前瞻性格雷夫斯病队列和非专科环境中进一步验证泛化能力 | 实现甲状腺眼病的自动化早期检测与转诊 | 新诊断未治疗的甲状腺眼病患者与健康受试者的面部图像 | 计算机视觉 | 甲状腺眼病 | 深度学习 | CNN(具体网络结构未明确说明) | 图像 | 训练集591张图像(302例患者+289例健康人),独立验证集100张患者图像 |
332 | 2025-09-03 |
Computer vision systems for monitoring hutch-housed dairy calves
2025-Sep, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-26267
PMID:40447089
|
研究论文 | 开发并评估基于计算机视觉的系统,用于监测户外犊牛舍中奶犊的位置、姿态及其与热应激指标的关系 | 首次针对美国主流犊牛舍(占比>50%)开发CVS监测系统,并比较大小深度学习模型在边缘计算中的应用潜力 | 样本量较小(n=12头犊牛),且数据来源于特定通风条件设计的实验 | 开发自动化监测系统以提升犊牛健康与福利管理水平 | 户外犊牛舍中的断奶前小母牛 | 计算机视觉 | NA | 深度学习目标检测 | YOLOv3, YOLOv3-tiny | 图像 | 12头犊牛,20天内每5分钟采集图像(共27,704张图像) |
333 | 2025-09-03 |
Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes
2025-Sep, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.05.036
PMID:40447246
|
研究论文 | 使用深度学习模型基于未分割的3D OCT体积区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼 | 首次利用完整3D OCT体积而非分割区域或二维图像进行多类别眼科疾病鉴别,并验证了不同解剖区域(视盘及周围视网膜)的诊断价值 | 回顾性研究设计,需前瞻性验证;未包含其他原因引起的视盘水肿病例 | 开发自动化诊断工具区分视乳头水肿、NAION和健康眼 | 人眼视神经头OCT扫描数据 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | ResNet 3D-18 | 3D医学影像 | 4619个原始扫描(1539只眼),外部验证集1663个扫描(742只眼) |
334 | 2025-09-03 |
Deep Learning CAIPIRINHA-VIBE Improves and Accelerates Head and Neck MRI
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.020
PMID:40447509
|
研究论文 | 本研究评估了基于深度学习重建的加速VIBE序列在头颈部增强MRI中的图像质量提升效果 | 首次将深度学习重建技术应用于CAIPIRINHA加速的VIBE序列,在显著缩短扫描时间的同时提升图像质量 | 单中心研究,样本量有限(68例患者),未进行多中心验证 | 评估深度学习重建加速VIBE序列在头颈部增强MRI中的图像质量 | 接受颈部MRI检查的患者 | 医学影像分析 | 头颈部疾病 | 深度学习重建,MRI序列加速技术(CAIPIRINHA) | 深度学习模型(具体架构未说明) | 医学影像(MRI) | 68例患者(60.3%男性,平均年龄57.4±16岁) |
335 | 2025-09-03 |
Recent advances in monoclonal antibody development for treatment of B-cell acute lymphoblastic leukemia
2025-Sep, Leukemia & lymphoma
IF:2.2Q3
DOI:10.1080/10428194.2025.2507198
PMID:40455243
|
综述 | 本文综述了单克隆抗体在B细胞急性淋巴细胞白血病治疗中的最新进展,包括临床效果、耐药机制及技术革新 | 整合人工智能与深度学习技术进行抗体设计,实现表位结合预测和从头蛋白质工程,加速新一代疗法开发 | 面临抗原逃逸、基质介导的耐药性及治疗相关毒性等持续挑战 | 总结单克隆抗体疗法在B-ALL治疗中的临床成果与耐药机制,探索组合疗法及新技术应用 | B细胞急性淋巴细胞白血病(B-ALL)患者,特别是复发/难治性疾病群体 | 生物医学工程 | B细胞急性淋巴细胞白血病 | 单克隆抗体技术、抗体工程(Fc优化、纳米抗体、人源化)、人工智能与深度学习 | NA | 临床研究数据与文献数据 | 基于PubMed、Web of Science和ClinicalTrials.gov(2000-2024年)的文献综合 |
336 | 2025-09-03 |
Classifying fungi biodiversity using hybrid transformer models
2025-Sep, Journal of microbiological methods
IF:1.7Q4
DOI:10.1016/j.mimet.2025.107155
PMID:40460919
|
研究论文 | 提出一种结合Vision Transformer和Swin Transformer的混合深度学习模型,用于真菌多类别分类 | 首次将Vision Transformer和Swin Transformer与传统CNN模型(如MobileNetV2、DenseNet121、EfficientNetB0)通过迁移学习框架融合,用于真菌生物多样性分类 | NA | 提升真菌生物多样性分类的准确性和效率,以支持生态保护和可持续实践 | 五类真菌物种的图像数据 | 计算机视觉 | NA | 迁移学习、数据增强、五折交叉验证、可解释AI(Grad-CAM) | Hybrid Transformer(ViT, Swin Transformer)与CNN(MobileNetV2, DenseNet121, EfficientNetB0)混合模型 | 图像 | 9115张真菌图像,涵盖5个物种 |
337 | 2025-09-03 |
DeepSurv-based deep learning model for survival prediction and personalized treatment recommendation in tongue squamous cell carcinoma
2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery
DOI:10.1016/j.jcms.2025.05.005
PMID:40461342
|
研究论文 | 基于DeepSurv的深度学习模型用于舌鳞状细胞癌的生存预测和个性化治疗推荐 | 采用双残差块结合批量归一化和复合Cox排序损失函数,在舌鳞状细胞癌中实现生存预测和治疗效益评估 | 需要前瞻性验证以支持临床实施 | 舌鳞状细胞癌的生存预测和个性化治疗推荐 | 舌鳞状细胞癌患者 | 数字病理 | 舌鳞状细胞癌 | 深度学习 | DeepSurv-based deep neural network | 临床数据 | SEER数据库2,015名患者(2000-2021),内部验证504例,外部验证249例 |
338 | 2025-09-03 |
A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.026
PMID:40450398
|
研究论文 | 开发结合临床数据、影像组学和深度学习的模型,用于预测后路腰椎椎间融合术(PLIF)的疗效 | 提出融合临床特征、影像组学特征和深度学习特征的多模态组合模型,并探索不同ROI掩膜扩展对预测性能的影响 | 回顾性研究设计,样本量有限(461例患者),需外部验证确认泛化能力 | 预测PLIF手术术后融合效果 | 接受PLIF手术的退行性腰椎疾病患者 | 医学影像分析 | 退行性腰椎疾病 | 影像组学分析、深度学习特征提取 | 逻辑回归、随机森林、深度学习模型 | MRI影像(矢状位T2加权图像)、临床数据 | 461例患者(训练集368例,测试集93例) |
339 | 2025-09-03 |
A segmentation network based on CNNs for identifying laryngeal structures in video laryngoscope images
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于CNN的MPE-UNet深度学习模型,用于视频喉镜图像中喉部结构的精确分割 | 在U-Net架构中引入改进的多尺度特征提取模块、金字塔融合注意力模块和即插即用注意力机制模块,提升复杂喉部图像的处理能力和细节捕捉 | NA | 辅助临床医生更准确高效地进行气管插管操作 | 视频喉镜图像中的喉部结构 | 计算机视觉 | NA | 深度学习 | U-Net (CNN) | 图像 | NA |
340 | 2025-09-03 |
Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.047
PMID:40494699
|
研究论文 | 开发并评估多平面多模态深度学习模型MPMT-Pneumo,用于区分细菌性和非细菌性肺炎 | 提出结合多平面CT视图和临床炎症生物标志物的混合CNN-Transformer架构,并采用Poly Focal Loss解决类别不平衡问题 | 研究样本仅来自两家医院,可能存在选择偏倚;未提及外部验证结果 | 提高细菌性肺炎与非细菌性肺炎的CT影像鉴别诊断准确性 | 384例经微生物学确认的肺炎患者(239例细菌性,145例非细菌性) | 计算机视觉 | 肺炎 | CT成像,炎症生物标志物检测(WBC, ANC, CRP, PCT) | CNN-Transformer混合架构 | 图像(多平面CT视图),临床数据(生物标志物) | 384例患者 |