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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
341 | 2025-06-18 |
Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction
2024-07, Radiology. Artificial intelligence
DOI:10.1148/ryai.230275
PMID:38717293
|
research paper | 本研究探讨了基于深度学习的伪影减少技术在稀疏视图颅脑CT扫描中的应用及其对自动出血检测的影响 | 使用U-Net进行伪影减少,显著提高了稀疏视图颅脑CT扫描中的自动出血检测性能 | 研究为回顾性研究,且仅基于模拟的稀疏视图CT数据 | 提高稀疏视图颅脑CT扫描中自动出血检测的准确性 | 稀疏视图颅脑CT扫描图像 | digital pathology | hemorrhage | CT扫描 | U-Net, EfficientNet-B2 | image | 3000名患者的模拟稀疏视图CT数据,以及17545名患者的全视图CT数据 |
342 | 2025-06-18 |
Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort
2024-07, Radiology. Artificial intelligence
DOI:10.1148/ryai.230431
PMID:38775671
|
研究论文 | 开发了一种基于深度学习的AI工具,用于从当前阴性筛查乳腺X光检查中预测未来乳腺癌风险,并在英国国家卫生服务乳腺筛查计划的数据上进行了评估 | 利用深度学习技术从阴性筛查乳腺X光检查中预测未来乳腺癌风险,并在大规模代表性英国筛查队列中验证模型性能 | 研究仅基于英国三个站点的数据,可能无法完全代表其他地区或人群 | 开发并验证一种能够预测未来乳腺癌风险的AI工具 | 50-70岁无癌症女性患者的筛查乳腺X光检查 | 数字病理学 | 乳腺癌 | 深度学习 | AI深度学习模型 | 乳腺X光图像 | 5264风险阳性和191488风险阴性检查,包括89,285训练集、2,106验证集和39,351测试集 |
343 | 2024-08-07 |
Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention
2024-07, Radiology. Artificial intelligence
DOI:10.1148/ryai.240117
PMID:38864744
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
344 | 2025-06-18 |
Providing context: Extracting non-linear and dynamic temporal motifs from brain activity
2024-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.27.600937
PMID:38979316
|
研究论文 | 本研究提出了一种使用非线性深度学习模型(DSVAE)从静息态功能磁共振成像(rs-fMRI)中提取非线性动态时间模式的新方法 | 使用解耦变分自编码器(DSVAE)分离窗口特定(上下文)信息和时间步特定(局部)信息,以捕捉多时间尺度的差异 | NA | 分析rs-fMRI动态特性,探索精神分裂症患者与对照组在脑活动模式上的差异 | 精神分裂症患者和对照组受试者的rs-fMRI数据 | 神经影像分析 | 精神分裂症 | rs-fMRI | DSVAE(解耦变分自编码器) | 功能磁共振成像数据 | NA |
345 | 2025-06-18 |
Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification
2024-Jun-23, ArXiv
PMID:39398214
|
research paper | 评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能,研究对象为肝硬化和卵巢癌患者 | 提出了一种基于深度学习的自动分割和量化腹水体积的方法,并在多机构数据集上验证了其性能 | 研究为回顾性研究,可能受到数据选择和标注偏差的影响 | 开发并验证一种自动量化腹水体积的深度学习方法 | 肝硬化及卵巢癌患者的腹水 | digital pathology | liver cirrhosis, ovarian cancer | deep learning | CNN | CT scans | 315 patients (25 NIH-LC, 166 NIH-OV, 124 UofW-LC) |
346 | 2025-06-18 |
Epistasis regulates genetic control of cardiac hypertrophy
2024-May-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.11.06.23297858
PMID:37987017
|
研究论文 | 本文研究了心脏肥大的遗传调控机制,特别是基因变异的非加性相互作用(上位性) | 开发了低信号符号迭代随机森林方法,用于揭示心脏肥大的复杂遗传结构,并通过单细胞形态分析验证了特定基因对的非加性相互作用 | 上位性关系的检测方法仍处于早期阶段,可能存在未被识别的相互作用 | 探索心脏肥大遗传调控中的上位性效应 | 人类心脏组织、诱导多能干细胞衍生的心肌细胞 | 遗传学 | 心血管疾病 | 心脏MRI、RNA沉默、单细胞形态分析、高通量微流控系统 | 随机森林、深度学习 | 基因组数据、影像数据、转录组数据 | 29,661名UK Biobank参与者的心脏MRI扫描数据,313例人类心脏组织的转录组数据 |
347 | 2025-06-18 |
Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230318
PMID:38568095
|
研究论文 | 开发了一种用于数字乳腺断层合成(DBT)图像乳腺癌诊断的人工智能(AI)模型,并研究其是否能提高诊断准确性和减少放射科医生的阅读时间 | AI模型在乳腺癌检测中显示出比放射科医生更高的诊断准确性,并显著减少了阅读时间 | 研究样本来自14个机构,但可能仍存在地域和人群代表性不足的问题 | 提高乳腺癌诊断的准确性和效率 | 数字乳腺断层合成(DBT)图像 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习AI算法 | 图像 | 258名女性(平均年龄56岁±13.41),包括65例癌症病例 |
348 | 2025-06-18 |
Noninvasive Molecular Subtyping of Pediatric Low-Grade Glioma with Self-Supervised Transfer Learning
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230333
PMID:38446044
|
研究论文 | 开发并外部测试了一种基于MRI的无创深度学习流程,用于儿童低级别胶质瘤的分子亚型分类 | 结合迁移学习和自监督交叉训练(TransferX)以及共识逻辑,提高了在有限数据场景下的分类性能和泛化能力 | 研究为回顾性研究,样本量相对有限(开发数据集214例,外部测试112例) | 开发无创、基于MRI的儿童低级别胶质瘤突变状态分类方法 | 儿童低级别胶质瘤患者 | 数字病理 | 儿童低级别胶质瘤 | MRI | CNN | 医学影像 | 开发数据集214例(男性113例),外部测试112例(男性55例) |
349 | 2025-06-18 |
Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230077
PMID:38446043
|
research paper | 开发并评估了一种半监督学习模型,用于在分布外的头部CT评估集上进行颅内出血检测和分割 | 利用半监督学习框架结合标记和未标记数据,提升了模型在分布外数据上的泛化能力 | 研究依赖于特定机构的标记数据和外部未标记数据,可能影响模型的广泛适用性 | 提高颅内出血检测和分割的泛化能力 | 头部CT扫描图像 | digital pathology | Traumatic Brain Injury | semi-supervised learning | deep learning model | image | 457标记样本和25,000未标记样本用于训练,481次扫描用于分类测试,23次扫描(529张图像)用于分割测试 |
350 | 2025-06-18 |
Evaluating the Robustness of a Deep Learning Bone Age Algorithm to Clinical Image Variation Using Computational Stress Testing
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230240
PMID:38477660
|
research paper | 评估一种获奖的深度学习骨龄算法对临床图像变化的鲁棒性 | 通过计算应力测试评估深度学习模型对多种图像外观变化的鲁棒性 | 模型对经过简单变换的图像预测结果不一致 | 评估深度学习骨龄模型对图像变化的鲁棒性 | 儿科手部X光片 | digital pathology | pediatric disease | deep learning | CNN | image | 2627 pediatric hand radiographs (1425 from RSNA validation set and 1202 from DHA) |
351 | 2025-06-18 |
Impact of Deep Learning Image Reconstruction Methods on MRI Throughput
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230181
PMID:38506618
|
研究论文 | 评估两种不同的商用深度学习重建(DLR)算法在大型多中心机构门诊环境中对MRI检查效率的影响 | 比较了DICOM基础和k空间基础的DLR方法在减少MRI扫描和房间时间方面的效果 | 研究结果因检查类型而异,潜在采用者需根据具体情况评估这些工具的影响 | 评估DLR算法对MRI检查效率的影响 | 7346例来自10台临床MRI扫描仪的检查 | 医学影像 | NA | 深度学习重建(DLR) | NA | MRI图像 | 7346例检查 |
352 | 2025-06-18 |
Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230151
PMID:38506619
|
research paper | 开发了一种基于深度学习的快速全自动方法,用于MRI平面测量分割和测量进行性核上性麻痹(PSP)患者中最受影响的脑干和脑室结构 | 提出了一种全自动的深度学习方法,用于分割和测量脑干和脑室结构,并在区分PSP和帕金森病(PD)患者中表现出色 | 研究为回顾性研究,可能受到数据选择和样本量的限制 | 开发一种自动化方法,支持PSP及其他与脑干和脑室改变相关疾病的诊断 | 健康对照组和PSP及PD患者的脑部MRI图像 | digital pathology | geriatric disease | MRI | CNN | image | 健康对照组84例,PSP患者71例,PD患者129例,测试数据集305例 |
353 | 2025-06-18 |
Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230375
PMID:38597784
|
research paper | 评估商业AI系统在乳腺癌筛查中的独立检测性能 | 探索AI系统在不同风险评分阈值下的乳腺癌独立检测性能,并展示其在减少放射科医生工作量方面的潜力 | 研究为回顾性设计,可能影响结果的普遍性 | 评估AI系统在乳腺癌筛查中的检测性能 | 242,629名女性进行的661,695次数字乳腺X光检查,包括3,807例筛查检测到的癌症和1,110例间隔期乳腺癌 | digital pathology | breast cancer | deep learning | CNN | image | 661,695次数字乳腺X光检查(来自242,629名女性) |
354 | 2024-08-07 |
Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy
2024-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240181
PMID:38691010
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
355 | 2025-06-18 |
Machine learning predictions of T cell antigen specificity from intracellular calcium dynamics
2024-03-08, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adk2298
PMID:38446885
|
研究论文 | 利用机器学习从细胞内钙动态变化预测T细胞抗原特异性 | 首次将深度学习应用于基于钙波动信号的T细胞激活预测,为T细胞受体工程化治疗提供新的抗原特异性识别方法 | 钙波动信号在TCR激活后具有高度变异性,可能影响模型准确性 | 开发用于T细胞治疗的抗原特异性T细胞受体序列识别方法 | T细胞(包括TCR转基因CD8 T细胞和多克隆T细胞) | 机器学习 | 肿瘤 | 深度学习 | 深度学习模型(未指定具体架构) | 钙离子动态信号数据 | 未明确说明样本数量(含TCR转基因CD8 T细胞和不同TCR的T细胞及多克隆T细胞) |
356 | 2025-06-18 |
Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms
2024-03-08, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adk6669
PMID:38446886
|
研究论文 | 本文提出了一种基于AI的模型,利用transformers从化学结构中捕获毒性特异性特征,并结合深度神经网络预测效应浓度,用于预测水生生物的急性和慢性化学毒性 | 使用transformers直接从化学结构中捕获毒性特异性特征,并结合深度神经网络预测效应浓度,相比传统QSAR方法具有更广的适用域和更低的误差 | 未明确提及具体局限性,但可能依赖于训练数据的质量和覆盖范围 | 提高化学毒性的计算预测准确性,以替代资源密集型的实验毒性数据生成 | 水生生物(藻类、水生无脊椎动物和鱼类) | 机器学习 | NA | transformers, 深度神经网络 | transformers, DNN | 化学结构数据 | 未明确提及具体样本数量,但涉及多种生物群体(藻类、水生无脊椎动物和鱼类) |
357 | 2025-06-18 |
Vision Transformer-based Decision Support for Neurosurgical Intervention in Acute Traumatic Brain Injury: Automated Surgical Intervention Support Tool
2024-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.230088
PMID:38197796
|
research paper | 开发了一种基于Vision Transformer的自动分诊工具ASIST-TBI,用于预测创伤性脑损伤患者是否需要神经外科手术干预 | 首次将Vision Transformer应用于创伤性脑损伤的神经外科手术干预预测,并展示了高准确度 | 研究数据来自单一创伤中心,可能影响模型的泛化能力 | 开发自动预测创伤性脑损伤患者是否需要神经外科手术干预的工具 | 创伤性脑损伤患者 | digital pathology | traumatic brain injury | head CT scans | Vision Transformer | image | 2806名患者用于训练验证,612名患者用于独立测试 |
358 | 2025-06-18 |
NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans
2024-02-20, Acta neurochirurgica
IF:1.9Q2
DOI:10.1007/s00701-024-05973-8
PMID:38376564
|
研究论文 | 本研究评估了nnU-Net在对比增强T1(T1CE)图像中分割大脑、皮肤、肿瘤和脑室的性能,并与已建立的网格生长算法(MGA)进行了对比 | nnU-Net在分割任务中显著优于MGA,且速度更快,减少了对手动调整和迭代的需求 | 训练集规模较小,可能影响模型的泛化能力 | 评估nnU-Net在神经外科3D图像分割中的性能和效率 | 对比增强T1(T1CE)脑部扫描图像中的大脑、皮肤、肿瘤和脑室 | 数字病理 | 脑部疾病 | 对比增强T1 MRI扫描 | nnU-Net | 3D图像 | 67例用于训练,32例用于测试 |
359 | 2025-06-18 |
Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients
2024-02-07, Acta neurochirurgica
IF:1.9Q2
DOI:10.1007/s00701-024-05940-3
PMID:38321344
|
研究论文 | 本研究评估了AI辅助脑脊液分流阀检测系统在神经外科中的可行性 | 开发了一个基于深度学习的系统,能够快速准确地自动识别不同型号的脑脊液分流阀 | 研究仅使用了2070张图像,样本量相对较小 | 评估AI辅助分流阀检测系统在临床中的可行性 | 脑积水患者的脑脊液分流系统 | 数字病理 | 脑积水 | X射线和CT扫描 | CNN | 图像 | 2070张来自颅骨X射线或CT扫描的图像,涵盖10种不同的分流阀类型 |
360 | 2025-06-18 |
PPML-Omics: A privacy-preserving federated machine learning method protects patients' privacy in omic data
2024-02-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adh8601
PMID:38295178
|
研究论文 | 提出了一种保护患者隐私的联邦机器学习方法PPML-Omics,用于组学数据分析 | 设计了去中心化的差分隐私联邦学习算法,首次提供了数学上可证明的隐私保护能力 | NA | 解决组学数据分析中的患者隐私泄露问题 | 组学数据 | 机器学习 | NA | 三种测序技术 | 深度学习模型 | 组学数据 | NA |