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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
21 | 2025-09-01 |
Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram
2022-03, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2021.08.004
PMID:34656465
|
研究论文 | 利用深度学习算法从心电图中同时识别左右心室功能障碍 | 首次开发能够从心电数据中全面量化左右心室功能障碍的深度学习模型,特别是填补了右心室功能评估工具的空白 | 模型性能在外部验证中略有下降(如LVEF 40%-50%分类AUC从0.82降至0.73),且依赖自然语言处理提取的超声心动图报告数据 | 开发基于心电图的深度学习工具,用于左右心室功能障碍的快速筛查和诊断 | 来自5家纽约医院的患者心电数据和超声心动图报告 | 机器学习 | 心血管疾病 | 深度学习,自然语言处理(NLP) | DL(深度学习模型) | 心电图信号,文本报告 | 147,636名患者的715,890份心电图(左心室功能),148,227名患者的761,510份心电图(右心室功能) |
22 | 2025-09-01 |
Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.859310
PMID:35463778
|
研究论文 | 本研究首次在大规模数据库中评估基于深度学习的电影CMR分割模型在性别和种族方面的公平性 | 首次针对基于AI的电影心脏磁共振成像分割进行性别和种族偏见的系统性分析 | 研究基于UK Biobank数据库,该数据库种族不平衡(81%为白人) | 评估深度学习模型在心脏MRI分割中是否存在性别和种族偏见 | 5,903名来自UK Biobank的受试者(61.5±7.1岁,52%男性,81%白人) | 医学影像分析 | 心血管疾病 | 心脏磁共振成像(CMR),深度学习分割 | 深度学习模型 | 医学影像 | 5,903名受试者的电影短轴CMR图像 |
23 | 2025-08-31 |
Robust multi-coil MRI reconstruction via self-supervised denoising
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30591
PMID:40457510
|
研究论文 | 研究通过自监督去噪作为预处理步骤提升多线圈MRI深度学习方法在含高斯噪声数据上的重建效果 | 首次将GSURE自监督去噪与DPM和MoDL等深度重建方法结合,验证去噪预处理在不同信噪比条件下对多线圈MRI重建的普适性提升 | 实验仅针对T2加权脑部和脂肪抑制膝关节扫描数据,未涵盖其他MRI序列或解剖部位 | 提高含噪声多线圈MRI数据的深度学习重建质量与效率 | 多线圈k空间MRI数据(T2加权脑部及脂肪抑制膝关节扫描) | 医学影像处理 | NA | Generalized Stein's Unbiased Risk Estimate (GSURE), 深度学习重建 | Diffusion Probabilistic Models (DPMs), Model-Based Deep Learning (MoDL) | 多线圈k空间MRI数据 | T2加权脑部数据(信噪比32/22/12 dB)和脂肪抑制膝关节数据(信噪比24/14/4 dB) |
24 | 2025-08-31 |
SMART MRS: A Simulated MEGA-PRESS ARTifacts toolbox for GABA-edited MRS
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30597
PMID:40485116
|
研究论文 | 开发了一个基于Python的工具箱SMART MRS,用于模拟GABA编辑MRS数据中的常见伪影 | 创建了首个专门针对GABA编辑MRS数据的伪影模拟工具箱,提供多种伪影类型和灵活的输入输出支持 | NA | 增强MRS模拟数据的多样性和质量,为深度学习模型提供训练数据 | 伽马-氨基丁酸(GABA)编辑的MRS数据 | 医学影像分析 | NA | MEGA-PRESS MRS, 深度学习 | 深度学习模型 | MRS光谱数据 | NA |
25 | 2025-08-31 |
Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks
2025-Nov, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30629
PMID:40626426
|
研究论文 | 提出一种基于直方图近似和循环神经网络的快速MR信号模拟方法,用于高效计算微血管结构和扩散效应 | 结合磁场不均匀性矩阵降维与深度学习,将MR信号模拟速度提升近13000倍 | NA | 解决微血管特征和扩散效应集成计算挑战,提升MRI技术(如fMRI BOLD建模和MR血管指纹识别)的估计精度 | MR信号(特别是受磁化率效应影响的信号) | 医学影像分析 | NA | 深度学习、磁场不均匀性矩阵降维、MR血管指纹识别(MRF) | 循环神经网络(RNN) | MR信号数据 | NA |
26 | 2025-08-31 |
Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias
2025-Sep, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07243-w
PMID:40198356
|
研究论文 | 本研究验证了一种无需极坐标映射的3D深度学习模型在跨机构预测阻塞性冠状动脉疾病中的泛化能力和潜在偏差 | 首次采用无极性映射的3D深度学习架构进行心肌灌注成像分析,并系统评估模型在不同医疗机构和人口群体中的性能差异 | 模型在外部队列中的性能显著低于内部队列,且在特定亚组(如70岁以上患者和跑步机负荷测试患者)中表现较差 | 评估深度学习模型在阻塞性冠状动脉疾病诊断中的跨机构泛化能力和潜在偏差 | 来自台湾两个医疗中心的接受铊-201心肌灌注成像和冠状动脉造影的患者 | 医学影像分析 | 心血管疾病 | 深度学习,心肌灌注成像(MPI),受试者工作特征曲线分析 | 3D深度学习模型 | 医学影像 | 内部训练集928例,内部验证集933例,外部验证集3234例 |
27 | 2025-08-31 |
A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.021
PMID:40634223
|
研究论文 | 开发一种基于深度学习的模型,用于在分期CT扫描中自动检测和分类骨病变 | 利用nnUNet模型实现骨病变的全面自动化检测与良恶性分类,并评估患者水平的疾病负担预测 | 在部分良性患者中产生假阳性结果,需进一步研究对医生审核的实际影响 | 提升癌症骨转移分期CT检查的效率和准确性 | 前列腺癌及其他原发癌症患者的成骨性和溶骨性骨病变 | 计算机视觉 | 前列腺癌 | CT扫描 | nnUNet | 医学影像 | 402例患者CT数据(训练集),69例患者独立测试集(含32例骨转移患者) |
28 | 2025-08-31 |
Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features
2025-Sep, Psychiatry research. Neuroimaging
|
研究论文 | 本研究开发了一种基于EEG信号和深度学习的简化诊断模型,利用γ波段特征高效识别精神分裂症 | 通过优化EEGNet架构专注于γ波段特征,在保证高精度的同时显著降低模型复杂度和训练时间 | NA | 开发客观高效的精神分裂症诊断模型 | 精神分裂症患者和健康对照组的静息态EEG信号 | 机器学习 | 精神分裂症 | EEG信号分析 | EEGNet | 脑电信号 | 采用留一交叉验证(LOSOCV)的受试者样本 |
29 | 2025-08-31 |
Single-cell multiomics reveals the oscillatory dynamics of mRNA metabolism and chromatin accessibility during the cell cycle
2025-Aug-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.116089
PMID:40751912
|
研究论文 | 利用单细胞多组学技术揭示细胞周期中mRNA代谢和染色质可及性的振荡动态 | 首次结合单细胞多组学测序、生物物理建模和深度学习量化mRNA转录、剪接、核输出和降解速率,揭示转录后调控在mRNA积累中的核心作用 | NA | 解析细胞周期中全基因组mRNA代谢的动态变化规律 | 增殖细胞中的基因表达调控过程 | 生物信息学 | NA | 单细胞多组学测序(single-cell multiome sequencing) | 生物物理建模、深度学习 | 基因组学数据 | NA |
30 | 2025-08-31 |
Heat stress responses mediated by N6-methyladenine DNA methylation in maize
2025-Aug-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.116058
PMID:40728929
|
研究论文 | 本研究揭示了玉米中N6-甲基腺嘌呤(6mA)DNA甲基化在热胁迫响应中的调控作用及其分子机制 | 首次在作物中发现6mA动态与热胁迫耐受性相关,鉴定ZmALKBH1作为6mA去甲基化酶,并开发深度学习模型预测6mA分布 | NA | 探究6mA在玉米热胁迫响应中的功能及其调控机制 | 玉米自交系B73、Mo17、W22和B104 | 表观遗传学 | NA | 全基因组6mA分析、深度学习建模 | 深度学习模型 | 表观基因组数据 | 四个玉米自交系(B73、Mo17、W22、B104) |
31 | 2025-08-31 |
FakeRotLib: Expedient Noncanonical Amino Acid Parametrization in Rosetta
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01030
PMID:40789114
|
研究论文 | 提出FakeRotLib方法,用于在Rosetta中快速参数化非经典氨基酸 | 利用小分子构象统计拟合创建旋转异构体分布,显著提升参数化效率并扩展可建模氨基酸类型 | NA | 改进非经典氨基酸在Rosetta中的建模参数化方法 | 非经典氨基酸的旋转异构体分布 | 计算生物学 | NA | 统计拟合、小分子构象分析 | NA | 构象数据 | NA |
32 | 2025-08-31 |
Designing lipid nanoparticles using a transformer-based neural network
2025-Aug-15, Nature nanotechnology
IF:38.1Q1
DOI:10.1038/s41565-025-01975-4
PMID:40817189
|
研究论文 | 本研究开发了一种基于Transformer神经网络的模型COMET,用于预测脂质纳米颗粒(LNPs)的性能,以加速RNA药物开发 | 首次将Transformer架构应用于多组分复合制剂LNP的性能预测,能够处理非标准配方并实现端到端预测 | 模型训练依赖于大规模数据集LANCE的构建,且对训练数据量有一定要求 | 通过深度学习优化脂质纳米颗粒配方设计,提高核酸药物递送效率 | 脂质纳米颗粒(LNPs)及其多组分配方 | 机器学习 | NA | 深度学习,Transformer神经网络 | Transformer | 化学配方数据,性能数据 | 大规模LNP数据集LANCE(具体数量未明确说明) |
33 | 2025-08-31 |
Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach
2025-Aug-13, JMIR formative research
IF:2.0Q4
DOI:10.2196/72115
PMID:40802390
|
研究论文 | 本研究开发了一种基于深度学习的诊断系统,结合面部情绪识别和验证问卷,用于检测自闭症谱系障碍(ASD)患者或非ASD个体的恐笑症 | 创新性地融合了深度学习面部特征分析与标准化问卷(GELOPH<15>),在面部表情模糊时提升诊断可靠性 | 在面部线索不明确的情况下,仅依赖DeepFace模型不足以准确分类恐笑症 | 开发自动化工具以提升恐笑症的早期诊断和干预效果 | 自闭症谱系障碍个体及神经典型个体,重点关注青少年高功能ASD群体 | 计算机视觉 | 自闭症谱系障碍 | 深度学习、面部情绪识别、问卷评估 | 多层感知机(MLP)、DeepFace | 图像 | 2932张面部图像(ASD与神经典型儿童各1466张) |
34 | 2025-08-31 |
Colorectal cancer heterogeneity co-evolves with tumor architecture to determine disease outcome
2025-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.11.669722
PMID:40832253
|
研究论文 | 利用深度学习结合空间转录组学等技术,揭示结直肠癌中肿瘤架构与细胞状态间的协同进化关系,并预测患者预后 | 开发了亚细胞分辨率的高通量图像分析范式,首次发现组织架构通过促进癌症干细胞状态多样化驱动肿瘤异质性演化的反馈机制 | NA | 探究结直肠癌异质性与肿瘤架构的协同进化关系及其对疾病结局的影响 | 结直肠癌患者组织样本及患者来源类器官 | 数字病理学 | 结直肠癌 | 深度学习、空间转录组学、多重免疫组化、患者来源类器官培养 | 深度学习 | 图像、转录组数据 | NA |
35 | 2025-08-31 |
Fluctuation structure predicts genome-wide perturbation outcomes
2025-Aug-12, Research square
DOI:10.21203/rs.3.rs-7304871/v1
PMID:40831507
|
研究论文 | 提出CIPHER框架,利用未扰动细胞中的基因共波动预测全转录组扰动结果 | 首次将统计物理中的线性响应理论应用于功能基因组学,通过基线基因协方差结构预测扰动响应 | NA | 开发能够解释单细胞扰动筛选中全基因组响应的方法 | 基因表达扰动响应 | 功能基因组学 | NA | 单细胞扰动筛选,贝叶斯推断 | 线性响应理论框架 | 单细胞基因表达数据 | 11个大规模单细胞扰动数据集,涵盖4,234次扰动和超过136万个细胞 |
36 | 2025-08-31 |
Enhanced hyper tuning using bioinspired-based deep learning model for accurate lung cancer detection and classification
2025-Aug-09, The International journal of artificial organs
DOI:10.1177/03913988251359522
PMID:40781973
|
研究论文 | 提出一种基于生物启发算法的增强超调优深度学习模型,用于肺癌的精确检测与分类 | 结合生物启发算法(灰狼优化和差分进化)进行混合特征选择,并引入深度分形边缘分类器逐步学习肺癌特征 | NA | 提高肺癌检测与分类的准确性和效率,克服现有技术计算需求高、数据整合复杂等挑战 | 肺癌CT图像 | 计算机视觉 | 肺癌 | CT成像、GLCM纹理分析、生物启发优化算法 | Mask R-CNN、深度分形边缘分类器(DFEC) | 图像 | NA |
37 | 2025-08-31 |
Applications of Artificial Intelligence (AI) for Diagnosis of Periodontal/Peri-Implant Diseases: A Narrative Review
2025-Aug, Journal of oral rehabilitation
IF:3.1Q1
DOI:10.1111/joor.14045
PMID:40464289
|
综述 | 本文回顾了人工智能在牙周及种植体周围疾病诊断与风险预测中的应用现状 | 系统总结了AI模型(如CNN、DL)在牙周病诊断中相较于传统牙医方法的效率与准确性优势 | NA | 探讨人工智能在牙周及种植体周围疾病诊断与风险预测领域的应用证据 | 牙周疾病及种植体周围疾病相关的临床数据、生物标志物和影像学特征 | 人工智能医疗应用 | 牙周疾病 | 深度学习(DL)、机器学习(ML)、卷积神经网络(CNN)、人工神经网络(ANN) | CNN, DNN, ANN | 临床数据、影像数据、生物标志物数据 | NA |
38 | 2025-08-31 |
Multitarget Generate Electrolyte Additive for Lithium Metal Batteries
2025-Aug, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202502086
PMID:40534252
|
研究论文 | 开发了一种深度学习辅助生成模型,用于锂金属电池电解质添加剂的多目标优化设计 | 采用分子分类衍生方法扩展数据集,结合异步有限解码器和对抗调控策略,实现了在广阔化学空间中100%生成效率的复杂多样分子 | NA | 通过多目标优化设计高性能且阻燃的电解质添加剂,加速锂金属电池商业化 | 锂金属电池电解质添加剂 | 机器学习 | NA | 深度学习辅助生成模型,分子分类衍生方法 | 生成模型 | 分子结构数据 | 从单属性数据点扩展至70,095个多属性数据点 |
39 | 2025-08-31 |
Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis
2025-Aug, JACC. Advances
DOI:10.1016/j.jacadv.2025.101901
PMID:40616933
|
研究论文 | 本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性(ATTR-CM)的性能,并评估了模型偏见的潜在风险 | 首次直接比较了基于索赔数据的随机森林模型、回归评分和两种深度学习超声模型在ATTR-CM检测中的性能,并系统评估了种族偏见风险 | 研究样本中79.2%为白人,9.0%为黑人,种族分布不够均衡,可能影响模型泛化能力 | 评估ATTR-CM预测模型的性能并检测潜在的模型偏见 | 心力衰竭患者,包括176例确诊ATTR-CM病例和3,192例对照患者 | 医疗人工智能 | 心脏淀粉样变性 | 深度学习,随机森林,逻辑回归 | CNN(EchoNet-LVH和EchoGo Amyloidosis),随机森林,回归模型 | 超声心动图数据,医疗索赔数据 | 3,368名患者(176例ATTR-CM病例和3,192例对照) |
40 | 2025-08-31 |
Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning
2025-Aug, JACC. Advances
DOI:10.1016/j.jacadv.2025.102011
PMID:40675022
|
研究论文 | 开发并验证一种基于心电图、人口统计学和症状的多模态深度学习模型,用于急性心肌梗死的全自动诊断 | 结合心电图特征与人口统计学及症状数据,使用残差卷积神经网络实现跨中心的AMI自动检测,并在外部验证中表现一致 | 需通过随机试验与急诊医师性能对比,且对救护车抵达患者性能略低 | 通过深度学习提升急性心肌梗死的自动化心电图诊断能力 | 因胸痛或呼吸困难接受心电图检查的患者 | 机器学习 | 心血管疾病 | 深度学习,残差卷积神经网络 | CNN | 心电图,人口统计学数据,症状文本 | 104,507名个体(208,366份心电图),训练集8.17%、外部测试集8.59%确诊AMI |