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 | 2025-08-29 |
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 | 本文综述了人工智能在牙周及种植体周围疾病诊断中的应用现状与证据 | 系统比较了牙医与AI模型在诊断效率及准确性方面的差异,并总结了最常用的AI工具类型 | NA | 探讨AI在牙周及种植体周围疾病诊断和风险预测中的应用 | 牙周疾病及种植体周围疾病 | 自然语言处理 | 牙周疾病 | 深度学习、机器学习、卷积神经网络、人工神经网络 | CNN, ANN, DL, ML | 患者相关数据、疾病体征症状、免疫生物标志物、微生物谱 | NA |
22 | 2025-08-29 |
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 | 采用分子分类推导方法扩展数据集,结合异步有限解码器和对抗调控策略,在巨大化学空间中实现结构复杂多样分子的100%生成效率 | 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,分子分类推导方法 | 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 |
23 | 2025-08-29 |
Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06311-5
PMID:40613839
|
研究论文 | 比较不同深度学习模型在婴儿肾脏超声图像中自动分类尿路扩张的性能 | 首次系统评估多种深度学习模型在婴儿尿路扩张分类任务中的表现,并与专家标注进行一致性验证 | 研究局限于单一机构数据,样本量相对有限(约1000个肾脏图像),且仅使用3个月以下婴儿数据 | 开发自动化工具辅助临床医生对婴儿尿路扩张进行客观分类 | 3个月以下婴儿的肾脏超声图像 | 计算机视觉 | 泌尿系统疾病 | 深度学习,交叉验证 | 深度学习模型(具体架构未说明) | 超声图像 | 979个肾脏超声图像(492右肾,487左肾),来自490名婴儿(680男孩,299女孩) |
24 | 2025-08-29 |
Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06314-2
PMID:40650736
|
研究论文 | 本研究比较了深度学习重建加速脑部MRI在儿童神经影像中的图像质量,与传统MRI方法进行对比 | 首次在儿科人群中系统评估深度学习重建加速MRI的临床可行性,并证明其能在减少43%扫描时间的同时提升图像质量 | 回顾性研究设计,样本量相对有限(116名参与者),未评估长期临床影响 | 评估深度学习重建加速脑部MRI在儿童神经影像中的临床应用可行性 | 116名儿科参与者(平均年龄7.9±5.4岁)的脑部MRI数据 | 医学影像分析 | 神经系统疾病 | 深度学习重建(DLR),磁共振成像(MRI) | 深度学习重建模型 | 医学影像(MRI图像) | 116名儿科患者 |
25 | 2025-08-29 |
Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06332-0
PMID:40658209
|
研究论文 | 开发并验证基于深度学习的全自动系统,用于在头颈部侧位X光片上测量腺样体大小 | 首次实现基于深度学习的全自动腺样体测量系统,采用RTMDet和RTMPose网络进行关键点检测,替代传统人工测量方法 | 回顾性研究,样本仅来自两个中心,可能存在选择偏差 | 开发客观可靠的腺样体大小自动测量系统以提高临床诊断效率 | 头颈部侧位X光片中的腺样体组织 | 计算机视觉 | 耳鼻喉疾病 | 深度学习,X光成像 | RTMDet, RTMPose | 医学影像 | 711张头颈部侧位X光片 |
26 | 2025-08-29 |
Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding
2025-Jul-25, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110519
PMID:40716748
|
研究论文 | 本研究利用深度学习模型结合质谱分析,探索Hsp90蛋白的翻译后修饰互作及其对药物结合的影响 | 整合深度学习AI预测模型与实验数据,高效解码复杂蛋白质如Hsp90的PTM互作网络 | NA | 解析Hsp90蛋白的翻译后修饰互作及其在癌症治疗靶点中的调控机制 | 热休克蛋白90(Hsp90)及其与ATP竞争性抑制剂Ganetespib的结合 | 机器学习 | 癌症 | 质谱分析,基因敲除(HDAC3和HDAC8敲除) | 深度学习AI预测模型 | 质谱数据,蛋白质组学数据 | 来自哺乳动物细胞(人类细胞系)的Hsp90样本 |
27 | 2025-08-29 |
Base-resolution binding profile prediction of proteins on RNAs with deep learning
2025-Jul-19, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf748
PMID:40794872
|
研究论文 | 提出一种基于深度学习的iDeepB方法,用于在碱基分辨率下预测蛋白质在RNA上的结合谱 | 整合细胞系特异性基因表达谱,构建表达感知基准数据集,并采用多头注意力混合深度网络 | NA | 准确预测跨细胞系中蛋白质与RNA的结合核苷酸及结合强度 | RNA结合蛋白及其与RNA的相互作用 | 机器学习 | NA | eCLIP-seq, RNA-seq | 混合深度网络与多头注意力机制 | 基因组测序数据 | NA |
28 | 2025-08-29 |
Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates
2025-06-15, Neurobiology of disease
IF:5.1Q1
DOI:10.1016/j.nbd.2025.106915
PMID:40274133
|
研究论文 | 本研究利用EEG微状态动态特征和深度学习模型区分帕金森病震颤主导型与姿势不稳/步态困难型亚型 | 首次将EEG微状态时空动态与空间变异性信息结合,开发深度学习框架实现帕金森运动亚型的高精度分类(AUC 0.972) | NA | 理解帕金森病不同运动亚型的大脑网络动态差异,以促进个性化治疗策略开发 | 帕金森病患者(震颤主导型和姿势不稳/步态困难型)与健康个体 | 机器学习 | 帕金森病 | 脑电图(EEG)微状态分析 | 深度学习模型 | EEG信号 | NA |
29 | 2025-08-29 |
GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network
2025-04-03, The AAPS journal
DOI:10.1208/s12248-025-01059-0
PMID:40180695
|
研究论文 | 开发基于图卷积神经网络的深度学习模型用于预测血脑屏障通透性 | 首次将图卷积神经网络(GCN)应用于血脑屏障通透性预测,采用标准化拉普拉斯矩阵的GCN_2模型在多个评估指标上显著优于传统机器学习方法 | 模型基于1924个分子的数据集训练,样本规模相对有限,且未明确说明模型在外部验证集上的泛化能力 | 开发高精度的血脑屏障通透性计算预测方法以替代成本高、通量低的体外和体内实验 | 小分子药物(1924个分子) | 机器学习 | 神经系统疾病 | 图神经网络(GNN),分子图表示 | GCN(图卷积神经网络) | 分子结构图数据 | 1924个分子 |
30 | 2025-08-29 |
Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation
2025-04, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400557
PMID:39873135
|
研究论文 | 提出一种结合高光谱成像与深度学习的新型诊断策略,用于肝癌分期和肝硬化鉴别 | 首次整合高光谱成像与深度卷积神经网络,捕捉传统方法难以识别的细微细胞差异 | NA | 开发高精度、快速且非侵入性的肝癌诊断工具 | 肝组织样本(重点关注肝细胞癌和肝硬化) | 计算机视觉 | 肝癌 | 高光谱成像 | 深度卷积神经网络(CNN) | 高光谱图像 | NA |
31 | 2025-08-29 |
Physics-informed deep learning for stochastic particle dynamics estimation
2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2418643122
PMID:40014572
|
研究论文 | 提出一种基于物理信息的深度学习框架SPINN,用于建模和推断粒子扩散动力学 | 将随机微分方程整合到深度学习框架中,实现单帧分辨率的确定性与随机性成分区分 | NA | 提高随机动力学的时空分辨率以估计和预测复杂扩散行为 | 单粒子轨迹数据,特别是在水凝胶中的金纳米棒扩散 | 机器学习 | NA | 单粒子追踪技术,深度学习 | 物理信息神经网络(SPINN) | 轨迹数据 | 使用异常扩散数据集进行验证,并应用于金纳米棒在水凝胶中的扩散实验 |
32 | 2025-08-29 |
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 | 开发了一个基于深度学习的Napari插件VASCilia,用于自动化分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜数据 | 首个专门针对耳蜗毛细胞立体纤毛束分析的深度学习工具套件,包含五个集成模型并提供了首个开源3D标注数据集 | 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(基于上下文推断) | 3D图像 | 约55个3D图像堆栈,包含502个内毛细胞和1703个外毛细胞束的3D标注 |
33 | 2025-08-29 |
UFPF: A Universal Feature Perception Framework for Microscopic Hyperspectral Images
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3594151
PMID:40763051
|
研究论文 | 提出一种用于显微高光谱图像的通用特征感知框架UFPF,通过分层结构和双路径模块提升空间-光谱特征提取能力 | 采用分层角到中心Mamba结构捕获空间邻近关系,结合渐进式中心聚焦机制和双路径联合感知模块,实现空间与光谱信息的高效互补 | NA | 提升显微高光谱图像的特征提取能力以支持下游临床诊断任务 | 显微高光谱图像数据 | 计算机视觉 | NA | 高光谱成像 | Mamba结构、注意力机制 | 高光谱图像 | 多个数据集(未指定具体样本数量) |
34 | 2025-08-29 |
Multivideo Models for Classifying Hand Impairment After Stroke Using Egocentric Video
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.2025.3596488
PMID:40768474
|
研究论文 | 提出一种基于多视频架构的深度学习模型,用于从第一人称视角视频中分类中风后手部功能障碍 | 首次开发能够处理多个任务视频的多视频分析架构,显著提升单视频模型的分类性能 | NA | 通过分析多个日常活动任务视频,改进中风后手部功能障碍的自动评估方法 | 中风幸存者在家庭模拟实验室中执行日常活动时的第一人称视角视频 | 计算机视觉 | 中风 | 深度学习,视频分析 | SlowFast,多输入视频架构,晚期融合,中间融合 | 视频 | 使用留一参与者交叉验证的中风幸存者视频数据集 |
35 | 2025-08-29 |
Deep learning models for predicting plant uptake of emerging contaminants by including the role of plant macromolecular compositions
2024-12-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.135921
PMID:39305592
|
研究论文 | 本研究应用深度学习模型预测植物对新兴污染物的吸收,通过纳入植物大分子组成提升预测精度 | 首次将植物根系大分子组成(如脂质分数)与化学性质结合,采用DNN、RNN和LSTM模型显著提高了TSCF和RCF的预测准确性 | 模型性能仍有提升空间(如TSCF预测R²最高为0.67),且未明确说明样本容量及泛化能力验证 | 提升植物吸收新兴污染物的预测模型精度 | 植物对新兴污染物的吸收过程(TSCF和RCF) | 机器学习 | NA | 极端梯度提升(XGBoost)特征提取 | DNN, RNN, LSTM | 化学属性数据与植物组成数据 | NA |
36 | 2025-08-29 |
Rapid and noninvasive estimation of human arsenic exposure based on 4-photo-set of the hand and foot photos through artificial intelligence
2024-12-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136003
PMID:39378597
|
研究论文 | 利用人工智能分析手足照片,开发非侵入性方法预测人体砷暴露水平 | 首次应用深度学习技术,通过手足照片视觉特征实现砷暴露的非侵入性评估 | 二元分类面临数据不平衡和稀疏性挑战,模型精度有待提升 | 开发基于人工智能的砷暴露快速非侵入性评估方法 | 人体手足皮肤特征与砷暴露水平的关联性 | 计算机视觉 | 皮肤癌 | 深度学习 | AI算法(具体架构未明确说明) | 图像 | 2497名受试者的9988张手足照片 |
37 | 2025-08-29 |
Artificial intelligence in endodontics: Data preparation, clinical applications, ethical considerations, limitations, and future directions
2024-11, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14128
PMID:39075670
|
综述 | 本文全面回顾了人工智能在牙髓病学中的数据准备、临床应用、伦理考量、局限性与未来发展方向 | 系统总结了AI在牙髓病学中的技术实施路径、评估指标及临床转化障碍,填补了领域专家认知空白 | 模型可解释性不足、泛化能力有限以及临床实践采纳度低 | 阐明人工智能在牙髓病学领域的应用潜力与实施挑战 | 牙髓病学诊断与治疗相关临床数据及AI模型 | 医疗人工智能 | 牙髓疾病 | 深度学习 | CNN(卷积神经网络) | 医学影像数据 | NA |
38 | 2025-08-29 |
Artificial intelligence in endodontics: Fundamental principles, workflow, and tasks
2024-11, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14127
PMID:39056554
|
综述 | 本文综述人工智能在牙髓病学中的基本原理、工作流程及应用任务 | 系统整合机器学习与深度学习原理,并针对牙髓病学提出具体AI应用框架 | 未涉及具体临床验证数据,主要基于理论框架分析 | 填补牙髓病医生对AI技术的认知空白,促进AI在牙髓病领域的应用 | 牙髓病诊断与治疗中的影像和文本数据 | 自然语言处理 | NA | 机器学习、深度学习、计算机视觉、自然语言处理 | 神经网络 | 影像、文本 | NA |
39 | 2025-08-29 |
Lenition in L2 Spanish: The Impact of Study Abroad on Phonological Acquisition
2024-Sep-21, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci14090946
PMID:39335440
|
研究论文 | 本研究探讨了英语母语者在西班牙留学期间对西班牙语辅音弱化(lenition)的习得程度及其持久性 | 采用深度学习模型Phonet预测音系特征后验概率,替代传统声学分析方法,更精准评估二语音系习得 | 留学期间获得的音系进步未能长期保持,学习者未完全达到母语者水平的弱化实现 | 评估留学项目对二语西班牙语辅音弱化习得的影响 | 以英语为母语的西班牙语二语学习者 | 自然语言处理 | NA | 深度学习音系分析 | RNN(循环神经网络) | 语音数据 | 参与西班牙留学项目的英语母语学习者群体 |
40 | 2025-08-29 |
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.05.062
PMID:39168568
|
研究论文 | 开发并外部验证基于深度学习的AI-ECG模型,用于预测先天性心脏病患者的双心室功能障碍和扩张 | 首次在先天性心脏病领域探索AI-ECG分析,并实现跨医疗系统的外部验证 | 在功能性单心室患者中模型性能最低 | 预测先天性心脏病患者的心室功能障碍和扩张 | 先天性心脏病患者 | 机器学习 | 先天性心脏病 | AI-ECG分析,心血管磁共振成像 | CNN | 心电图和磁共振成像配对数据 | 内部队列8,584个ECG-CMR配对(n=4,941患者),外部验证队列909个ECG-CMR配对(n=746患者) |