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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
3801 | 2025-03-29 |
Deep Learning for Automated Segmentation of Basal Cell Carcinoma on Mohs Micrographic Surgery Frozen Section Slides
2025-Apr-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]
IF:2.5Q1
DOI:10.1097/DSS.0000000000004501
PMID:39625169
|
研究论文 | 本研究训练了一个深度学习模型,用于在Mohs手术冰冻切片上自动分割基底细胞癌(BCC) | 首次使用YOLOv8模型对BCC在Mohs手术冰冻切片上进行分割,并评估了不同BCC亚型的性能 | 分割研究的准确性和临床相关性指标仍需提高 | 开发一种自动化工具,用于在Mohs手术冰冻切片上定位BCC | 基底细胞癌(BCC)及其亚型 | 数字病理学 | 基底细胞癌 | 全切片图像扫描 | YOLOv8 | 图像 | 348张新鲜冰冻组织切片 |
3802 | 2025-03-29 |
Tea grading, blending, and matching based on computer vision and deep learning
2025-Apr, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14088
PMID:39711109
|
research paper | 本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法 | 结合ResNet模型和CBAM注意力模块,提高了茶叶图像特征提取能力,显著提升了分类和匹配的准确率 | 仅针对乌龙茶和红茶进行了测试,未涵盖其他茶类 | 提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性 | 乌龙茶和红茶的图像数据 | computer vision | NA | deep learning | ResNet with CBAM | image | NA |
3803 | 2025-03-29 |
Age and gender-related changes in choroidal thickness: Insights from deep learning analysis of swept-source OCT images
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104511
PMID:39900214
|
研究论文 | 通过深度学习分析扫频源OCT图像,研究年龄和性别对脉络膜厚度及其组成部分的影响 | 利用深度学习算法自动测量脉络膜厚度,揭示了不同性别在不同年龄段的脉络膜厚度变化特点 | 研究排除了有眼部病理和系统性疾病的参与者,可能限制了结果的普遍性 | 探究年龄和性别对脉络膜厚度变化的影响 | 262名参与者(136名女性和126名男性)的扫频源OCT图像 | 数字病理 | 年龄相关性黄斑变性(AMD)、高度近视(HM)和糖尿病(DM) | 扫频源光学相干断层扫描(SS-OCT) | 深度学习算法 | 图像 | 262名参与者 |
3804 | 2025-03-29 |
Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104532
PMID:40015615
|
研究论文 | 本研究旨在通过超广角眼底成像技术最大化儿童可见视网膜区域(VRA)以提高周边视网膜病变的检测率 | 结合散瞳和手动提睑技术显著提升超广角眼底成像中的可见视网膜区域,有效减少眼睑和睫毛造成的伪影影响 | 样本量较小(53名儿童,106只眼),且研究仅在一家医院进行,可能限制结果的普遍性 | 优化儿童超广角眼底成像中的可见视网膜区域 | 53名儿童(106只眼) | 数字病理学 | 视网膜病变 | 超广角Optos成像系统(Daytona P200T)和基于深度学习的自定义图像分割工具 | 深度学习 | 图像 | 53名儿童(106只眼) |
3805 | 2025-03-29 |
Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas
2025-Apr, Oral oncology
IF:4.0Q2
|
研究论文 | 利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征 | 首次使用基础模型UNI和生成对抗网络HistoXGAN解析HPV阳性HNSCC的组织学特征,并通过合成图像验证 | 研究依赖于合成图像的病理学评估,可能存在与真实图像的偏差 | 解析HPV阳性头颈部鳞状细胞癌的组织病理学特征并开发可解释的检测方法 | 981名头颈部鳞状细胞癌患者的H&E染色切片 | 数字病理学 | 头颈部鳞状细胞癌 | 自监督学习(SSL)、生成对抗网络(GAN) | UNI、HistoXGAN | H&E染色图像 | 981名患者 |
3806 | 2025-03-29 |
Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103146
PMID:40144691
|
研究论文 | 开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型,用于感染性肾积水的诊断 | 使用改进的U-Net算法开发了肾积水分割模型(HRSM),并结合3D CNN和临床数据建立了感染性肾积水诊断模型(IHDM) | 需要更多多样化的真实世界多中心验证研究来验证模型的稳健性 | 开发一种全自动分割和非侵入性诊断模型,用于感染性肾积水的诊断 | 肾积水患者 | 数字病理 | 肾积水 | CT图像分析 | Improved U-Net, 3D CNN, SVM | CT图像 | 615名患者(包括5876张标注的CT图像) |
3807 | 2025-03-29 |
A data-driven approach to turmeric disease detection: Dataset for plant condition classification
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111435
PMID:40144898
|
研究论文 | 本文提出了一种基于数据驱动的姜黄病害检测方法,并构建了一个用于植物状态分类的数据集 | 构建了一个包含1037张原始图像和4628张增强图像的姜黄植物病害数据集,并应用Inception-v3模型实现了97.36%的分类准确率 | 数据集仅包含五种姜黄植物状态,可能无法涵盖所有可能的病害类型 | 开发AI辅助解决方案以实现精准农业和可持续作物生产 | 姜黄植物及其病害(健康叶片、干枯叶片、叶斑病、根茎病根和健康根茎) | 计算机视觉 | 植物病害 | 数据增强(翻转、旋转、亮度调整) | Inception-v3 | 图像 | 1037张原始图像和4628张增强图像 |
3808 | 2025-03-29 |
Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study
2025-Apr, The Lancet. Digital health
DOI:10.1016/j.landig.2025.01.001
PMID:40148010
|
research paper | 该研究利用深度学习技术分析心电图(ECG)来预测成人和儿童先天性心脏病患者的左心室收缩功能障碍(LVSD) | 首次将人工智能增强的心电图分析(AI-ECG)全面应用于先天性心脏病患者的LVSD预测 | 研究主要基于美国两家医院的数据,可能在其他地区或人群中的适用性有限 | 开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的算法 | 成人和儿童先天性心脏病患者 | digital pathology | cardiovascular disease | AI-ECG | CNN | ECG和超声心动图数据 | 训练队列包括124,265对ECG-超声心动图数据(49,158名患者),测试组包括21,068名患者(内部测试)和42,984名患者(外部验证) |
3809 | 2025-03-29 |
Ant-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Humidity via Magnetic Induction
2025-Mar-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00032
PMID:40016092
|
research paper | 介绍了一种受蚂蚁感官机制启发的双模式离子凝胶传感器,能够同时检测环境湿度和压力 | 通过磁感应技术开发的双模式传感器,结合了湿度检测和压力检测功能,并在柔性智能分拣系统中实现了高精度的物体识别 | 未明确提及具体局限性 | 开发多功能、高灵敏度、宽范围且耐用的柔性传感器 | 环境湿度和压力的检测,以及人体运动监测和智能物流分拣 | 智能传感 | NA | 磁感应技术 | 深度学习算法 | 湿度信号、压力信号 | 未明确提及样本数量 |
3810 | 2025-03-29 |
Harnessing Transfer Deep Learning Framework for the Investigation of Transition Metal Perovskite Oxides with Advanced p-n Transformation Sensing Performance
2025-Mar-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03085
PMID:40029947
|
研究论文 | 本研究利用深度学习框架结合自然语言处理技术和晶体图卷积神经网络,预测过渡金属钙钛矿氧化物的p-n转换传感性能 | 提出了一种结合Word2Vec和CGCNN的预测方法,构建了包含120万文献摘要和11万晶体结构数据的数据集,并深入分析了传感性能的p-n转换机制 | NA | 研究过渡金属钙钛矿氧化物在气体传感材料中的性能优化和精确设计 | 过渡金属钙钛矿氧化物(TMPOs)及其气体传感性能 | 机器学习 | NA | Word2Vec, CGCNN | 深度学习框架 | 文本数据、晶体结构数据 | 120万文献摘要和11万晶体结构数据 |
3811 | 2025-03-29 |
Artificial Intelligence in Gas Sensing: A Review
2025-Mar-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02272
PMID:40067186
|
综述 | 本文综述了人工智能(AI)、机器学习(ML)和深度学习(DL)在增强和自动化气体传感方法中的作用,以及这些技术对新兴气体传感器系统的影响 | AI、ML和DL方法能够处理和解释复杂的传感器数据,从而提高准确性、灵敏度和选择性,实现快速气体检测和定量浓度测量 | NA | 探讨AI技术在气体传感领域的应用及其对传感器性能的提升 | 气体传感器技术及其与AI的集成 | 机器学习 | NA | AI、ML、DL | NA | 传感器数据 | NA |
3812 | 2025-03-29 |
Rapid left ventricle mesh prediction by adaptive deformable model fitting
2025-Mar-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc237
PMID:40101357
|
研究论文 | 本研究提出了一种自适应可变形模型拟合框架,用于快速且无需训练的室壁网格预测,以提高左心室三维重建的准确性和效率 | 通过自适应网格模块和两阶段拟合方案,消除了对标注数据集的依赖,同时保持了跨不同心脏病理的强泛化能力 | 在扩张型心肌病临床数据集中的Dice系数平均为0.78,仍有提升空间 | 克服现有方法在计算复杂性、对大规模配对训练数据的依赖以及跨不同心脏病理的泛化能力有限等关键限制 | 左心室的三维网格重建 | 数字病理 | 心血管疾病 | 自适应可变形模型拟合、正交分解、多谐样条插值 | 自适应网格模块 | 心脏磁共振成像 | 三个心脏磁共振成像数据集,包括扩张型心肌病临床数据集 |
3813 | 2025-03-29 |
[Application and future of artificial intelligence in oral esthetics]
2025-Mar-28, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
review | 本文探讨了人工智能在口腔美学领域的应用及其未来发展 | 通过深度学习等技术,AI提升了牙科修复设计、微笑分析和个性化治疗的精确度和效率 | 应用仍面临技术限制、伦理问题和数据多样性不足等挑战 | 促进口腔美学领域的智能化和以人为中心的发展 | 牙科修复设计、微笑分析和个性化治疗 | digital pathology | NA | deep learning | NA | NA | NA |
3814 | 2025-03-29 |
Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images
2025-Mar-28, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2476079
PMID:40151966
|
research paper | 该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络(HFBO-based DCNN),用于MRI图像的脑肿瘤分类 | 结合了混合水果蜜蜂优化算法(HFBO)和深度卷积神经网络(DCNN)以提高脑肿瘤分类的准确性 | 未提及对不同类型脑肿瘤的分类效果是否一致,也未讨论算法在更大规模数据集上的泛化能力 | 提高脑肿瘤分类的准确性 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | MRI | DCNN, HFBO | image | NA |
3815 | 2025-03-29 |
Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning
2025-Mar-28, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005280
PMID:40152470
|
研究论文 | 开发并验证了一种基于卷积神经网络(CNN)的自动化系统,用于测量脊柱侧凸的多种参数 | 提出了一种全自动的CNN方法,能够测量多种脊柱参数,而不仅仅局限于Cobb角,且无需人工干预 | 研究为单机构回顾性研究,样本量相对有限,且未进行外部验证 | 开发一种自动化工具以提高脊柱侧凸诊断的准确性和效率 | 脊柱侧凸患者的放射影像 | 计算机视觉 | 脊柱侧凸 | 深度学习 | CNN | 影像 | 1682名患者的放射影像(包括87名青少年和26名老年人) |
3816 | 2025-03-29 |
Multichannel Contribution Aware Network for Prostate Cancer Grading in Histopathology Images
2025-Mar-28, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0872
PMID:40152893
|
研究论文 | 提出一种新型深度学习模型,通过整合多种染色特征自动进行前列腺癌分级 | 利用图像解卷积分离组织病理学图像中的多个染色通道,设计基于通道和像素注意力的编码器及双分支解码器,有效融合不同染色通道的特征 | 未提及模型在临床环境中的实际应用效果及泛化能力验证 | 提高前列腺癌组织病理学图像分级的准确性 | 前列腺组织病理学图像 | 数字病理学 | 前列腺癌 | 图像解卷积 | CNN与Transformer混合架构 | 图像 | 公开数据集(未说明具体样本量) |
3817 | 2025-03-29 |
Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function
2025-Mar-27, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8552
PMID:39443150
|
research paper | 该研究开发并验证了一种基于深度学习的SWI图像中脑微出血(CMB)自动分割模型,并探讨了CMB与认知功能、血管风险因素之间的关系 | 首次使用nnU-Net框架开发无需修改的CMB自动分割模型,并在独立内外验证集评估性能,同时系统分析CMB与多种临床指标的关联性 | 外部验证集性能相对较低(Dice分数0.46),且为单中心回顾性研究 | 建立脑微出血自动量化方法并研究其临床关联 | 脑微出血(CMB)患者 | digital pathology | geriatric disease | SWI(磁敏感加权成像) | nnU-Net | MRI图像 | 训练集287例,内部验证67例,外部验证68例,临床数据集448例 |
3818 | 2025-03-29 |
Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids
2025-Mar-27, Assay and drug development technologies
IF:1.6Q3
DOI:10.1089/adt.2025.011
PMID:40139786
|
research paper | 该研究利用深度学习加速了由15个氨基酸组成的抗菌肽的开发 | 使用深度学习技术加速抗菌肽的开发过程 | NA | 加速抗菌肽的开发 | 由15个氨基酸组成的抗菌肽 | machine learning | NA | 深度学习 | NA | NA | NA |
3819 | 2025-03-29 |
Inverse RL Scene Dynamics Learning for Nonlinear Predictive Control in Autonomous Vehicles
2025-Mar-27, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3549816
PMID:40146653
|
研究论文 | 本文介绍了一种基于深度学习的非线性模型预测控制器(DL-NMPC-SD)方法,用于自动驾驶导航 | 提出了一种结合先验名义车辆模型和从时间范围传感信息学习的场景动力学模型的方法,利用深度神经网络编码场景动力学模型,并通过逆强化学习和贝尔曼最优性原理训练学习控制器 | 实验仅在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行,实际应用中的复杂场景可能未完全覆盖 | 开发一种高效的自动驾驶导航控制器 | 自动驾驶车辆 | 机器学习 | NA | 逆强化学习(IRL)、深度Q学习(DQL) | 深度神经网络 | 时间序列的测距传感观测和系统状态 | 在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行实验 |
3820 | 2025-03-29 |
3D MR Neurography of craniocervical nerves: comparing DESS and post-contrast STIR with deeplearning-based reconstruction at 1.5T
2025-Mar-26, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8750
PMID:40139904
|
研究论文 | 比较DESS和对比后STIR序列在1.5T下使用深度学习重建的3D MR神经成像中对颅外神经和脊神经的成像效果 | 首次在头颈部区域使用深度学习重建技术比较DESS和对比后STIR序列的神经成像效果 | 样本量较小(18例),且仅在一个场强(1.5T)下进行研究 | 评估不同MRI序列在头颈部神经成像中的表现 | 颅外神经和脊神经(如下牙槽神经、舌神经、面神经等) | 数字病理 | 头颈部疾病 | 3D MR神经成像、深度学习重建 | 深度学习算法 | MRI图像 | 18例患者(平均年龄51±14岁,11名女性) |