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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
3641 | 2025-04-24 |
PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07065-2
PMID:39865180
|
research paper | 开发并验证了一种基于PSMA PET/CT的多模态深度学习模型,用于预测前列腺癌患者盆腔淋巴结转移 | 结合了PSMA PET/CT深度学习特征、定量PET参数和临床参数,构建的多模态模型在预测淋巴结侵犯方面表现出更高的准确性 | 样本量相对较小(116例患者),且仅在特定患者群体中验证 | 提高前列腺癌患者盆腔淋巴结转移的预测准确性,以减少不必要的盆腔淋巴结清扫术 | 前列腺癌患者 | digital pathology | prostate cancer | PSMA PET/CT | Med3D, Multi kernel Support Vector Machine | image, clinical parameters | 116例前列腺癌患者(82例训练队列,34例测试队列) |
3642 | 2025-04-24 |
Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07099-0
PMID:39871017
|
research paper | 本研究探讨了多模态成像技术在预测前列腺癌ISUP分级中的作用,旨在通过整合先进成像技术与临床变量提高诊断准确性和临床决策 | 应用少样本学习解决前列腺癌成像数据有限的问题,并比较了不同模态数据融合在深度学习网络中的性能 | 研究为回顾性分析,可能存在选择偏差,且样本量相对较小 | 提高前列腺癌ISUP分级的诊断准确性,优化临床决策 | 341名前列腺癌患者的多模态成像数据 | digital pathology | prostate cancer | [18F]F-PSMA-1007 PET/CT, multiparametric MRI (mpMRI), Diffusion Weighted Imaging (DWI), T2 Weighted Imaging (T2WI), Apparent Diffusion Coefficient (ADC) | few-shot deep learning network | image | 341名前列腺癌患者 |
3643 | 2025-04-24 |
Artificial Intelligence in CT for Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Cancer Patients: A Meta-analysis
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.007
PMID:40000328
|
meta-analysis | 评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能 | 深度学习模型在敏感性方面优于机器学习方法 | 研究间存在高度异质性,且在不同人群中的外部验证不足 | 评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能 | 甲状腺乳头状癌患者颈部淋巴结转移 | digital pathology | thyroid cancer | CT | deep learning, machine learning | image | 内部验证集1778名患者,外部验证集4072名患者 |
3644 | 2025-04-24 |
Evaluation of AI-based nerve segmentation on ultrasound: relevance of standard metrics in the clinical setting
2025-May, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2024.12.040
PMID:40016039
|
research paper | 评估基于AI的超声神经分割在临床环境中的相关性,探讨客观像素指标与主观临床评估之间的关系 | 首次研究了客观像素指标与主观临床评估在神经分割中的关系,并尝试确定临床可接受的像素重叠阈值 | 研究样本量有限(173帧图像),且仅分析了被主观评为优秀的案例 | 评估AI神经分割工具在超声引导区域麻醉中的临床应用价值 | 超声图像中的神经结构(臂丛神经、股神经和坐骨神经) | digital pathology | NA | 超声成像 | deep learning | image | 173帧超声图像 |
3645 | 2025-04-24 |
Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy: A Diagnostic Study
2025-May, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17015-3
PMID:40050483
|
研究论文 | 本研究评估了HRNetV2深度学习模型在膀胱镜检查中智能检测膀胱病变的有效性,重点关注其在不同图像分辨率下的性能 | 首次将HRNetV2模型应用于膀胱病变的实时智能检测,并分析了不同图像分辨率对模型性能的影响 | 研究样本量相对较小(94名患者),且需要在更大规模的多中心数据集上进行进一步验证 | 提高膀胱镜检查中膀胱病变的检测准确率 | 膀胱病变患者 | 数字病理学 | 膀胱癌 | 深度学习 | HRNetV2 | 视频 | 94名患者,102个白光膀胱镜检查视频,33,657帧标注图像 |
3646 | 2025-03-13 |
ASO Visual Abstract: Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy-A Diagnostic Study
2025-May, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17143-w
PMID:40069466
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
3647 | 2025-04-24 |
Deep learning in nuclear medicine: from imaging to therapy
2025-May, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02031-w
PMID:40080372
|
review | 本文综述了深度学习在核医学领域的最新应用进展,特别是在成像、病灶检测和放射性药物治疗方面 | 深度学习与功能成像技术(如PET和SPECT)的结合,实现了更精确的诊断和个性化治疗策略的开发 | 模型可解释性不足、跨多样化数据集的泛化能力有限、多模态数据融合的挑战以及应用中面临的伦理和法律问题 | 探讨深度学习在核医学中的应用及其对精准医疗、实时治疗监测和临床决策的影响 | 核医学成像、病灶检测和放射性药物治疗 | machine learning | NA | PET, SPECT | neural network | image | NA |
3648 | 2025-04-24 |
[Frozen section in oncologic endocrine surgery]
2025-May, Chirurgie (Heidelberg, Germany)
DOI:10.1007/s00104-025-02266-3
PMID:40131405
|
review | 本文讨论了术中冰冻切片在内分泌肿瘤手术管理中的益处 | 探讨了深度学习在克服冰冻切片技术问题上的潜力,并提供了关于甲状腺手术中冰冻切片应用的最新证据 | 对于甲状旁腺和肾上腺癌的手术治疗,缺乏相关文献支持冰冻切片的作用 | 评估术中冰冻切片在内分泌肿瘤手术中的应用及其效果 | 甲状腺结节、分化型甲状腺癌、髓样甲状腺癌、甲状旁腺和肾上腺癌 | digital pathology | thyroid cancer | frozen section, deep learning | deep learning | image | NA |
3649 | 2025-04-24 |
Evaluating Performance of a Deep Learning Multilabel Segmentation Model to Quantify Acute and Chronic Brain Lesions at MRI after Stroke and Predict Prognosis
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240072
PMID:40136026
|
研究论文 | 开发并评估了一个多标签深度学习网络,用于识别和量化急性缺血性卒中后多序列MRI中的急性和慢性脑损伤,并评估病变的临床和模型提取的放射学特征与患者预后的关系 | 提出了一种基于SegResNet的深度学习模型,用于分割核心梗死和白质高信号负担,并结合临床变量预测患者7天预后 | 研究为回顾性设计,可能受到选择偏倚的影响,且样本量相对有限 | 评估深度学习模型在识别和量化脑损伤以及预测急性缺血性卒中患者预后方面的性能 | 急性缺血性卒中患者 | 数字病理学 | 卒中 | MRI | SegResNet, CNN, 支持向量机 | 图像 | 1008名患者(训练和验证数据集702名,外部测试数据集306名) |
3650 | 2025-04-24 |
Fully Automated Agatston Score Calculation From Electrocardiography-Gated Cardiac Computed Tomography Using Deep Learning and Multi-Organ Segmentation: A Validation Study
2025-May, Angiology
IF:2.6Q2
DOI:10.1177/00033197231225286
PMID:38166442
|
研究论文 | 评估基于深度学习的钙分割和量化在ECG门控心脏CT扫描中的应用,并与手动评估进行比较 | 使用基于mask R-CNN的神经网络进行多器官分割,实现全自动钙评分计算 | 研究为回顾性研究,样本量相对较小(训练集40例,验证集110例) | 开发并验证一种全自动的冠状动脉钙化评分计算方法 | ECG门控心脏CT扫描图像 | 数字病理学 | 心血管疾病 | 深度学习 | mask R-CNN | 医学影像 | 训练集40例患者,验证集110例患者 |
3651 | 2025-04-24 |
Rapid and accurate identification and quantification of Lycium barbarum L. components: Integrating deep learning and NMR for nutritional assessment
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116246
PMID:40263805
|
研究论文 | 本研究提出了一种结合深度学习和核磁共振光谱的创新方法IQ-LC模型,用于快速准确识别和量化枸杞成分,并评估不同食用方式的营养价值 | 整合NMR光谱与一维卷积神经网络,开发了IQ-LC模型,实现了枸杞成分的高精度识别与量化 | 未提及模型在其他植物成分分析中的泛化能力 | 开发快速准确的枸杞成分分析方法并评估不同食用方式的营养价值 | 枸杞及其制品(鲜果、果泥和茶) | 食品科学与营养分析 | NA | NMR光谱 | 一维CNN | 光谱数据 | 25种已知浓度混合物+10个商业品牌枸杞果泥 |
3652 | 2025-04-24 |
Data efficient learning of molecular slow modes from nonequilibrium metadynamics
2025-Apr-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0258483
PMID:40260824
|
研究论文 | 本文提出了一种算法,利用非平衡元动力学模拟的有限轨迹数据训练Deep-TICA CVs,以更高效地学习分子慢模式 | 通过变分Koopman算法重加权短非平衡轨迹,使其反映平衡概率密度,从而解决了从有限轨迹数据推断慢模式的关键挑战 | 需要进一步验证该方法在更复杂分子系统中的适用性 | 开发一种数据高效的方法来学习分子慢模式,以促进分子过程的研究 | 分子系统(如Müller-Brown势、丙氨酸二肽和chignolin迷你蛋白)的慢模式 | 计算化学 | NA | 非平衡元动力学模拟、变分Koopman算法 | Deep-TICA(深度时间滞后独立成分分析) | 分子轨迹数据 | 有限数量的短非平衡轨迹数据 |
3653 | 2025-04-24 |
Fourier-enhanced high-order total variation (FeHOT) iterative network for interior tomography
2025-Apr-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc8f6
PMID:40179937
|
研究论文 | 提出了一种傅里叶增强的高阶总变分迭代网络(FeHOT),用于解决内部断层扫描中的高精度重建问题 | 1) 将经典HOT理论与深度学习通过迭代展开框架相结合 2) 引入频域操作克服CT图像中多项式/分段常数假设的限制 3) 在仅五次迭代内实现高质量重建,平衡计算效率与准确性 | 对于具有分段常数特性的成像对象(如AAPM数据集),一阶总变分已能取得满意结果,可能不需要更复杂的二阶正则化 | 解决内部断层扫描中从截断投影数据实现高精度重建的挑战 | CT图像重建 | 数字病理 | NA | CT扫描 | FeHOT网络(结合HOT和U-Net) | 图像 | AAPM数据集和临床医学数据集 |
3654 | 2025-04-24 |
Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning With Abbreviated Prostate MRI"
2025-Apr-23, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29806
PMID:40264361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
3655 | 2025-04-24 |
Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy
2025-Apr-23, BioTechniques
IF:2.2Q4
DOI:10.1080/07366205.2025.2493489
PMID:40264428
|
研究论文 | 本研究开发了一种利用ChatGPT数据分析师进行深度学习的方法,用于自动测量球体大小以评估球体质量 | 首次将ChatGPT数据分析师应用于球体形态评估,提供了一种自动化和高效的质量控制方法 | 未提及该方法在不同类型球体或更大规模样本中的适用性验证 | 开发一种自动化的球体大小测量方法,以提高球体质量评估的效率和准确性 | 脂肪来源干细胞(ADSCs)衍生的球体 | 数字病理学 | 骨关节炎 | 深度学习 | ChatGPT Data Analyst | 图像 | 未明确提及具体样本数量 |
3656 | 2025-04-24 |
Using deep learning generated CBCT contours for online dose assessment of prostate SABR treatments
2025-Apr-23, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70098
PMID:40265325
|
research paper | 该研究利用深度学习生成的CBCT轮廓评估前列腺SABR治疗中的每日剂量,以指导个性化决策树的开发 | 首次使用深度学习生成的CBCT轮廓进行每日剂量评估,并与计划剂量指标比较,揭示视觉评估的局限性 | 研究为回顾性分析,样本量有限(40名患者),且未考虑其他可能影响OAR位置的因素 | 评估当前决策树在前列腺SABR治疗中的有效性,并探索自动化工具的必要性 | 前列腺SABR治疗患者的CBCT扫描数据 | digital pathology | prostate cancer | deep learning, CBCT | NA | image | 200次预处理CBCT扫描(来自40名患者) |
3657 | 2025-04-24 |
Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer
2025-Apr-23, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18406
PMID:40265999
|
research paper | 开发并验证了一种基于手腕加速度计的深度学习可调算法,用于自动检测全身性或双侧惊厥性癫痫发作,可与市售智能手表集成 | 提出了一种基于单传感器加速度计数据的深度学习技术,实现了高灵敏度的癫痫发作检测,并支持可调灵敏度 | 模型在测试集中漏检了两次癫痫发作,其中一次是由于患者佩戴传感器的手臂被床栏卡住 | 开发一种自动检测全身性或双侧惊厥性癫痫发作的算法 | 癫痫患者 | machine learning | epilepsy | 3D-accelerometer sensor | CNN | accelerometer data | 384名患者(训练集37名患者54次发作,测试集347名患者49次发作) |
3658 | 2025-04-24 |
Multitask Deep Learning for Automated Detection of Endoleak at Digital Subtraction Angiography during Endovascular Aneurysm Repair
2025-Apr-23, Radiology. Artificial intelligence
DOI:10.1148/ryai.240392
PMID:40266029
|
研究论文 | 开发并评估一种新型多任务深度学习框架,用于在腹主动脉瘤血管内修复手术中自动检测和定位主动脉数字减影血管造影中的内漏 | 提出了一种结合分类和回归任务的多任务深度学习框架,用于内漏的自动检测和定位,性能优于人类专家 | 研究为回顾性设计,样本量相对有限(220例患者) | 开发自动检测血管内修复手术中内漏的深度学习系统 | 接受腹主动脉瘤血管内修复手术患者的主动脉数字减影血管造影图像 | 数字病理学 | 腹主动脉瘤 | 数字减影血管造影(DSA) | CNN | 图像 | 220例患者(181名男性,中位年龄74岁) |
3659 | 2025-04-24 |
Deep learning-based post hoc denoising for 3D volume-rendered cardiac CT in mitral valve prolapse
2025-Apr-23, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03403-z
PMID:40266552
|
research paper | 本研究探讨了基于深度学习的后处理去噪技术如何提升心脏CT在二尖瓣脱垂3D体积渲染成像中的质量 | 首次将残差密集网络应用于心脏CT图像的后处理去噪,显著提升了3D体积渲染图像的质量和诊断效率 | 研究样本量较小(50例患者),且为回顾性研究 | 评估去噪后的3D体积渲染图像在二尖瓣脱垂可视化中的质量及其诊断性能和效率 | 接受二尖瓣修复手术的连续患者的心脏CT图像 | digital pathology | cardiovascular disease | cardiac CT | residual dense network | 3D volume-rendered images | 50例患者(中位年龄64岁,30名男性) |
3660 | 2025-04-24 |
Super-resolution deep learning reconstruction to evaluate lumbar spinal stenosis status on magnetic resonance myelography
2025-Apr-23, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01787-5
PMID:40266548
|
research paper | 研究超分辨率深度学习重建(SR-DLR)在磁共振脊髓造影中评估腰椎管狭窄状态的效果 | 首次将SR-DLR技术应用于腰椎MR脊髓造影,显著提升了图像质量和观察者间一致性 | 样本量较小(40例患者),且为回顾性研究 | 评估SR-DLR技术在腰椎MR脊髓造影中的应用效果 | 40例腰椎管狭窄患者的MR脊髓造影图像 | digital pathology | 腰椎管狭窄 | MR myelography, SR-DLR, DLR, ZIP | deep learning | image | 40例患者(16男24女,平均年龄59.4±31.8岁) |