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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
361 | 2025-09-26 |
A Deep-Learning-Aided Drug Screening Based on Visualization of a Hidden Layer as Chemical Space
2025-Jul-10, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.5c00124
PMID:40666467
|
研究论文 | 提出一种基于图卷积神经网络隐藏层可视化的药物筛选方法 | 通过可视化深度学习模型的隐藏层作为化学空间,实现从预测活性化合物中优先选择实验测试对象 | NA | 开发基于深度学习的药物筛选新方法 | 组蛋白去乙酰化酶抑制剂候选化合物 | 机器学习 | NA | 图卷积神经网络 | GCN | 化学结构数据 | NA |
362 | 2025-09-26 |
A survey on deep learning for polygenic risk scores
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf373
PMID:40802796
|
综述 | 本文综述了深度学习在多基因风险评分(PRS)建模中的应用现状与方法分类 | 首次系统梳理深度学习神经网络在PRS建模中的架构分类,并指出序列架构、图神经网络和生物知识融合模型的潜力 | 缺乏统一数据集和表型的模型基准测试,深度学习PRS的可解释性存在挑战 | 探索深度学习神经网络如何改进多基因风险评分的预测性能 | 多基因风险评分(PRS)的深度学习建模方法 | 机器学习 | NA | 深度学习神经网络 | 序列架构、图神经网络、自编码器 | 遗传变异数据 | NA |
363 | 2025-09-26 |
Applications of deep learning in the analysis of optical coherence tomography images for glaucoma-related diagnostics
2025 Jul-Sep, Taiwan journal of ophthalmology
IF:1.0Q4
DOI:10.4103/tjo.TJO-D-24-00162
PMID:40995327
|
综述 | 本文综述了深度学习在青光眼相关光学相干断层扫描图像分析中的诊断应用 | 系统总结了深度学习在青光眼OCT图像分析中的多任务应用潜力,包括图像质量评估、视神经组织量化及疾病进展监测 | 现有技术的泛化性、公平性和可解释性仍需进一步研究验证 | 探讨深度学习技术在青光眼光学相干断层扫描图像分析中的临床应用价值 | 青光眼患者的视网膜神经纤维层和视神经组织OCT图像 | 医学影像分析 | 青光眼 | 光学相干断层扫描(OCT) | 深度神经网络(DNN) | 医学影像 | NA |
364 | 2025-09-26 |
Automated Deep Learning Approach for Post-Operative Neonatal Pain Detection and Prediction through Physiological Signals
2025-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms65348.2025.00164
PMID:40978767
|
研究论文 | 提出一种结合生理信号监测与深度学习的新方法,用于新生儿术后疼痛的自动检测和预测 | 首次开发早期疼痛检测方法,可在疼痛发作前5-10分钟预警,并创建干预时间窗口 | NA | 实现新生儿术后疼痛的自动检测和早期预测 | 新生儿重症监护室中的术后新生儿 | 计算机视觉/深度学习 | 新生儿术后疼痛 | 深度学习 | 深度学习模型 | 生理信号数据(心率、呼吸频率、血氧饱和度) | NA |
365 | 2025-09-26 |
Artificial intelligence automation of echocardiographic measurements
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324215
PMID:40166567
|
研究论文 | 开发并验证用于超声心动图参数自动测量的开源深度学习模型 | 首次提出可自动测量18种超声心动图参数的开放源代码深度学习模型,并在多中心数据验证中达到与专业技师相当的准确性 | 模型性能验证主要基于两家医疗中心数据,需要更广泛的外部验证 | 通过人工智能技术实现超声心动图测量的自动化,减轻临床医生工作负担 | 超声心动图图像和测量参数 | 医学影像分析 | 心血管疾病 | 深度学习语义分割 | 深度学习模型(EchoNet-Measurements) | 医学图像(超声心动图) | 155,215项研究中的877,983个超声心动图测量值,来自Cedars-Sinai医学中心和斯坦福医疗中心 |
366 | 2025-09-26 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 开发了一个名为VASCilia的Napari插件,用于基于深度学习的耳蜗毛细胞立体纤毛束3D分析 | 首个专门针对耳蜗毛细胞立体纤毛束分析的开源深度学习工具套件,包含五个自动化分析模型 | NA | 开发自动化工具以解决耳蜗毛细胞立体纤毛束3D形态分析的挑战 | 耳蜗毛细胞立体纤毛束 | 计算机视觉 | 听力障碍 | 共聚焦显微镜、深度学习 | CNN(基于深度学习的分割和分类模型) | 3D图像 | 约55个3D图像堆栈,包含502个内毛细胞和1,703个外毛细胞纤毛束的3D标注 |
367 | 2025-09-26 |
Innovative laboratory techniques shaping cancer diagnosis and treatment in developing countries
2025-Feb-08, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01877-w
PMID:39921787
|
综述 | 探讨实验室技术进步对发展中国家癌症诊断与治疗的影响 | 聚焦发展中国家特定挑战,系统整合人工智能与新型检测技术的应用前景 | 未涉及具体临床验证数据,主要基于技术现状分析 | 评估实验室技术在癌症诊疗中的应用潜力与实施障碍 | 发展中国家癌症诊疗体系 | 数字病理 | 癌症 | 液体活检、单细胞技术、流式细胞术、分子影像、免疫分析、分子诊断 | 深度学习、CNN | 多模态医学数据 | NA |
368 | 2025-09-26 |
Gaussianmorph: deformable medical image registration with Gaussian noise constraints
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00428-6
PMID:39781058
|
研究论文 | 提出一种基于级联VoxelMorph网络和噪声约束的医学图像配准方法GaussianMorph | 通过引入高斯噪声约束的级联网络结构和EF-encoder注意力模块提升配准精度 | NA | 提高医学图像配准的精度和性能 | 医学图像(脑部图像) | 医学图像处理 | NA | 深度学习图像配准 | 级联VoxelMorph CNN | 医学图像 | LPBA40和HBN数据集 |
369 | 2025-09-26 |
Relationships Between Familial Factors, Learning Motivation, Learning Approaches, and Cognitive Flexibility Among Vocational Education and Training Students
2025, The Journal of psychology
IF:2.2Q2
DOI:10.1080/00223980.2025.2456801
PMID:40184534
|
研究论文 | 本研究探讨家庭因素与职业教育学生认知灵活性之间的关系 | 首次在职业教育背景下建立家庭因素通过学习动机和学习方式影响认知灵活性的结构方程模型 | 采用横断面研究设计,无法推断因果关系;样本仅来自曼谷地区,存在地域局限性 | 探究家庭因素如何通过学习动机和学习方式影响职业教育学生的认知灵活性 | 泰国曼谷10所职业学校的557名职业教育学生 | 教育心理学 | NA | 结构方程模型分析 | 结构方程模型 | 问卷调查数据 | 557名职业教育学生(男性56.7%,女性43.3%;平均年龄18.41岁) |
370 | 2025-09-26 |
UPFP-SG: A New Benchmark for Unilateral Peripheral Facial Paralysis Severity Grading
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3608463
PMID:40928920
|
研究论文 | 提出用于单侧周围性面瘫严重程度分级的新基准UPFP-SG,包含数据集和分级方法 | 建立了首个公开的面瘫数据集并改进了主观评价系统,提出整合多特征的面神经分支区域分级方法 | NA | 开发自动化的面瘫严重程度分级系统以辅助临床诊断 | 单侧周围性面瘫患者的面部神经功能 | 计算机视觉 | 面瘫 | 深度学习 | 回归模型 | 面部图像数据 | NA |
371 | 2025-09-26 |
Harnessing interpretable novel combination of GloVe embedding with deep CNN-BiLSTM neural network for fake news detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330154
PMID:40982565
|
研究论文 | 本研究提出了一种结合GloVe嵌入与深度CNN-BiLSTM神经网络的可解释性假新闻检测方法 | 首次将GloVe嵌入与CNN-BiLSTM神经网络结合,并集成可解释人工智能技术提升模型透明度 | 仅使用单一公开数据集进行验证,未涉及多语言或多领域假新闻检测 | 开发高精度且可解释的假新闻检测系统 | 假新闻文本数据 | 自然语言处理 | NA | GloVe嵌入、FastText嵌入、TF-IDF、LIME可解释性分析 | CNN-BiLSTM、Bi-LSTM、逻辑回归 | 文本 | 公开假新闻数据集(具体数量未提及) |
372 | 2025-09-26 |
CT-Based 2.5D Deep Learning-Multi-Instance Learning for Predicting Early Recurrence of Hepatocellular Carcinoma and Correlating with Recurrence-Related Pathological Indicators
2025, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S541402
PMID:40984863
|
研究论文 | 基于CT动脉期图像开发2.5D深度学习-多示例学习模型,用于预测肝细胞癌早期复发并分析模型特征的生物学意义 | 首次将2.5D DL-MIL模型应用于HCC早期复发预测,并验证了MIL特征与微血管侵犯、Ki-67表达等病理指标的相关性 | 回顾性研究且样本量有限(191例患者),需要更大规模的前瞻性验证 | 评估2.5D DL-MIL模型在预测肝细胞癌早期复发方面的优势 | 191例肝细胞癌术后患者(79例早期复发组,112例非早期复发组) | 数字病理 | 肝细胞癌 | CT动脉期成像、SHAP分析 | 2.5D深度学习-多示例学习(2.5D DL-MIL)、放射组学模型、临床模型 | CT医学图像、临床数据 | 191例HCC患者(训练集133例,验证集58例) |
373 | 2025-09-26 |
Intervertebral disc anomaly intelligent classification system based on deep learning, IDAICS
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1646008
PMID:40994700
|
研究论文 | 提出基于深度学习的椎间盘异常智能分类系统IDAICS,用于自动识别椎间盘病变 | 首次将YOLOv8-seg网络应用于椎间盘异常的多类别分类,实现93.2%的高分类准确率 | 样本量有限(仅574张CT图像),未进行外部验证 | 开发自动化椎间盘异常分类方法以提高脊柱健康管理的诊断效率 | 椎间盘异常(包括正常椎间盘、许莫氏结节、椎间盘膨出和椎间盘突出) | 计算机视觉 | 脊柱疾病 | 深度学习图像分类 | YOLOv8-seg | CT医学图像 | 574张椎间盘CT图像(500张训练集,74张验证集) |
374 | 2025-09-26 |
Deep learning-based prediction of cerebral white matter hyperintensity burden using carotid magnetic resonance angiography
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1656705
PMID:40994715
|
研究论文 | 本研究开发了一种基于深度学习的框架,仅使用3D颈动脉TOF MRA来预测脑白质高信号负荷 | 首次利用常规采集的非侵入性颈动脉MRA图像,通过深度学习独立预测WMH负荷,为脑血管风险评估提供了新方法 | 研究中使用的样本量未明确说明,模型性能仍有提升空间 | 探讨颈动脉TOF MRA能否作为预测脑白质高信号负荷的独立标志物 | 脑白质高信号(WMH)和颈动脉血管影像 | 医学影像分析 | 脑血管疾病 | 磁共振血管成像(MRA),深度学习 | SFCN, ResNet10, MedicalNet, Medical Slice Transformer | 3D医学影像 | NA |
375 | 2025-09-26 |
Hyperspectral reconstruction for mobile diabetic foot blood perfusion monitoring
2025, BMC artificial intelligence
DOI:10.1186/s44398-025-00011-8
PMID:40994833
|
研究论文 | 提出一种名为MobiPerf的移动糖尿病足血流灌注监测系统,通过深度学习实现高光谱重建 | 无需相机配置文件和环境光学校准,利用深度学习HRS模型实现跨相机泛化,并开发定制算法消除参考图像校准需求 | 对感染并发症的敏感性较为有限 | 开发移动端糖尿病足溃疡血流灌注监测系统 | 糖尿病足溃疡患者 | 计算机视觉 | 糖尿病足溃疡 | 高光谱成像(HSI)、高光谱重建(HSR)、远程光电容积脉搏波(rPPG) | 深度学习模型 | RGB图像、视频 | 公开糖尿病足溃疡图像数据集(N≥6000)、含接触式PPG的视频数据集(N=56) |
376 | 2025-09-26 |
Construction of a prediction model for axillary lymph node metastasis in breast cancer patients based on a multimodal fusion strategy of ultrasound and pathological images
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1591858
PMID:40994941
|
研究论文 | 基于超声和病理图像的多模态融合策略构建乳腺癌患者腋窝淋巴结转移预测模型 | 提出多层融合策略整合术前超声图像和H&E染色穿刺活检病理图像进行多模态深度学习预测 | 模型性能尚未达到最优水平 | 预测乳腺癌患者腋窝淋巴结转移状态 | 211例经组织学确诊的乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习 | PLNeT、ULNet及多层融合模型 | 超声图像、病理图像 | 211例患者(每人采集1张超声图像和1张病理图像) |
377 | 2025-09-26 |
Research progress of artificial intelligence in the early screening, diagnosis, precise treatment and prognosis prediction of three central gynecological malignancies
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1648407
PMID:40994951
|
综述 | 本文综述人工智能在三大妇科恶性肿瘤(子宫内膜癌、宫颈癌、卵巢癌)早期筛查、精准诊疗及预后预测中的最新应用进展 | 系统总结AI技术(特别是深度学习与机器学习)在三大高发妇科恶性肿瘤全流程管理中的创新应用潜力 | 辩证讨论当前AI技术在妇科肿瘤应用中存在的局限性(如耐药机制复杂性、诊疗质量差异等) | 探讨人工智能技术在妇科肿瘤精准医疗领域的转化前景 | 子宫内膜癌、宫颈癌和卵巢癌三大妇科恶性肿瘤 | 人工智能医学应用 | 妇科恶性肿瘤 | 深度学习(DL)、机器学习(ML) | NA | 医学影像、基因组数据、临床信息 | NA |
378 | 2025-09-26 |
Improving the diagnosis of endometrial cancer in postmenopausal women in primary care settings using an artificial intelligence-based ultrasound detecting model
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1646826
PMID:40994958
|
研究论文 | 开发基于深度学习的超声检测模型用于辅助绝经后女性子宫内膜癌的初级诊疗 | 首次将深度学习技术应用于绝经后女性子宫内膜癌的超声影像分析,整合子宫内膜厚度、肿瘤均质性及血流参数等多维度特征 | 研究数据仅来源于单一中医医院,未进行多中心验证 | 提高初级医疗机构对绝经后女性子宫内膜癌的超声诊断效率 | 经子宫内膜活检确诊的877例子宫内膜癌患者超声影像 | 数字病理 | 子宫内膜癌 | 灰度超声成像、血流参数分析(BFA/RI/EDV/PSV) | 深度学习模型 | 超声图像 | 877例患者超声影像(训练集614例、验证集175例、测试集88例) |
379 | 2025-09-26 |
Estimating the full-period rice leaf area index using CNN-LSTM-Attention and multispectral images from unmanned aerial vehicles
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1636967
PMID:40995010
|
研究论文 | 提出一种结合CNN、LSTM和自注意力机制的深度学习模型,利用无人机多光谱影像实现水稻全生育期叶面积指数的高精度估算 | 首次将CNN-LSTM与注意力机制结合应用于水稻LAI估算,能够有效降低低LAI值时的土壤背景干扰 | NA | 开发高效准确的水稻叶面积指数估算方法,服务于精准农业管理 | 水稻作物 | 计算机视觉 | NA | 无人机多光谱成像、深度学习 | CNN-LSTM-Attention (CLA) | 多光谱图像 | NA |
380 | 2025-09-26 |
A deep learning/machine learning approach for anomaly based network intrusion detection
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1625891
PMID:40995028
|
研究论文 | 提出一种融合多种机器学习和深度学习算法的混合异常网络入侵检测系统 | 首次整合XGBoost、随机森林、图神经网络、LSTM和自编码器等多种算法,并采用加权软投票集成策略 | NA | 开发能够检测已知和新兴网络攻击的高级入侵检测系统 | 网络流量数据 | 机器学习 | NA | SMOTE过采样技术、5折交叉验证 | XGBoost、Random Forest、GNN、LSTM、Autoencoders | 网络流量记录 | 超过560万条网络流量记录 |