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 | 2025-09-03 |
Automatic MRI segmentation of masticatory muscles using deep learning enables large-scale muscle parameter analysis
2025-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2025.05.008
PMID:40483235
|
研究论文 | 本研究开发了一种基于深度学习的自动MRI咀嚼肌分割方法,用于支持大规模肌肉参数分析 | 首次实现八块咀嚼肌的自动MRI分割,为个性化种植体设计提供肌肉生物力学参数 | 训练样本量有限(40例MRI扫描),需进一步验证模型泛化能力 | 通过自动分割技术提升颌骨重建手术的个性化和成功率 | 咀嚼肌(包括横截面积、向量和体积等参数) | 医学图像分析 | 颌面外科疾病 | 深度学习,MRI成像 | 深度学习模型(具体架构未明确说明) | MRI图像(T1加权) | 40例训练扫描(手动或伪标注分割)+10例测试扫描 |
22 | 2025-09-03 |
A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103665
PMID:40505210
|
研究论文 | 提出一种新颖的可解释AI框架,集成统计、可视化和基于规则的方法,用于医学图像分类 | 首次将统计特征、可视化覆盖图和基于规则的解析结合,提供局部化且可量化的模型决策解释 | NA | 提升深度学习模型在医学图像分析中的透明度和可解释性 | 医学图像数据 | 计算机视觉 | 多种疾病(COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼) | 特征选择(零基过滤与互信息选择)、决策树、RuleFit模型 | Mobilenetv2、决策树、RuleFit | 图像 | 五个医学影像数据集(具体样本数未明确说明) |
23 | 2025-09-03 |
Deep learning detection of acute and sub-acute lesion activity from single-timepoint conventional brain MRI in multiple sclerosis
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103619
PMID:40505211
|
研究论文 | 开发深度学习模型从单时间点常规脑MRI中检测多发性硬化症的急性和亚急性病变活动 | 首次提出从过去24周内单时间点常规脑MRI量化近期急性病变活动的临床相关任务,并证明2D-UNet在此任务上的优越性 | NA | 通过深度学习提高多发性硬化症急性炎症活动的检测和预后预测能力 | 多发性硬化症患者的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | 深度学习 | 2D-UNet, transformers, ensemble approaches | MRI图像 | 独立复发缓解型多发性硬化症队列 |
24 | 2025-09-03 |
TCFNet: Bidirectional face-bone transformation via a Transformer-based coarse-to-fine point movement network
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103653
PMID:40527150
|
研究论文 | 提出一种基于Transformer的从粗到细点移动网络(TCFNet),用于实现密集人脸-骨骼点云的双向精确转换 | 结合Transformer和局部信息聚合网络(LIA-Net)的两阶段框架,通过建模局部几何结构和利用专家知识的辅助损失,实现无监督的精确点云转换 | 未明确说明模型计算复杂度或实时性能,且辅助损失为可选项可能影响关键器官重建一致性 | 提升正颌外科手术规划中计算机辅助模拟的准确性和效率 | 人脸与骨骼的三维点云数据 | 计算机视觉 | NA | 深度学习点云处理 | Transformer, LIA-Net, GRU | 3D点云 | NA |
25 | 2025-09-03 |
A Performance Benchmarking Review of Transformers for Speaker-Independent Speech Emotion Recognition
2025-Oct, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725300013
PMID:40726155
|
研究论文 | 对Transformer架构在说话人无关语音情感识别任务中的性能进行全面评估与比较 | 首次对多种Transformer模型在跨数据集说话人无关SER任务上进行系统性性能基准测试 | 跨数据集测试准确率仍较低(最高58.85%),表明模型泛化能力有限 | 评估Transformer架构在说话人无关语音情感识别中的性能表现 | 语音情感识别系统 | 自然语言处理 | NA | 深度学习,Transformer架构 | Transformer | 音频信号 | 多个公开SER数据集(具体数量未明确说明) |
26 | 2025-09-03 |
Corrigendum to "Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning" [Translational Oncology 2025 Jun 26;59:102457]
2025-Oct, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102474
PMID:40818872
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
27 | 2025-09-03 |
NeXtBrain: Combining local and global feature learning for brain tumor classification
2025-Sep-15, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149762
PMID:40490088
|
研究论文 | 提出NeXtBrain混合架构,结合局部和全局特征学习以实现脑肿瘤分类的高精度与高效率 | 设计NeXt卷积块和NeXt Transformer块,协同增强特征学习,在保持高精度的同时显著降低计算成本 | NA | 提升脑肿瘤医学图像分类的准确性、泛化能力和计算效率 | 脑肿瘤医学图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN, Transformer, 混合架构 | 图像 | 两个公开基准数据集(Figshare和Kaggle) |
28 | 2025-09-03 |
Divergent radiative forcing of fine-mode aerosols across tree genera during wildfires in North America and Europe
2025-Sep-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138881
PMID:40532375
|
研究论文 | 利用深度学习模型分析北美和欧洲野火期间不同树种对细模态气溶胶光学厚度(fAOD)的贡献差异及其辐射强迫效应 | 首次结合深度学习与卫星数据量化不同树种在野火中对气溶胶辐射强迫的物种特异性贡献,揭示伪铁杉属和云杉属的显著影响 | 研究集中于北美和欧洲的23个树种属,可能未涵盖其他地区的树种或更复杂的气溶胶-气候相互作用 | 探究野火期间不同树种对细模态气溶胶排放及其辐射强迫的差异 | 北美和欧洲的139个树种(聚合为23个属)在野火事件中的气溶胶排放 | 环境科学 | NA | 卫星遥感数据检索,深度学习建模 | 深度学习模型 | 卫星遥感数据 | 2003-2023年北美和欧洲139个树种(23属)的野火气溶胶数据 |
29 | 2025-09-03 |
Implementation of convolutional neural networks for microbial colony recognition
2025-Sep-02, Microbiology spectrum
IF:3.7Q2
DOI:10.1128/spectrum.02885-24
PMID:40700097
|
研究论文 | 本研究应用卷积神经网络实现微生物菌落识别,辅助微生物学家进行临床分类 | 首次将八种CNN模型应用于微生物菌落图像分类,并证明其优异性能,且方法无需专业摄影设备 | 仅包含四种菌落类型和背景类别,样本多样性有限 | 开发基于深度学习的微生物菌落自动识别方法,减少人工分类的主观性 | 临床分离的微生物菌落图像 | 计算机视觉 | NA | 深度学习 | CNN(包括AlexNet、GoogLeNet、MobileNet、ShuffleNet等) | 图像 | 5个类别各1000张图像,总计5000张48×48像素的菌落图像 |
30 | 2025-09-03 |
A Deep-Learned Monolithic Nanoparticle Asymmetric Thermal Flow Sensor for Flow Vector Estimation
2025-Sep-02, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c07646
PMID:40790995
|
研究论文 | 开发了一种基于深度学习的单片非对称热流传感器,用于精确估计流体矢量 | 采用激光诱导选择性烧结技术一体化制造微加热器和温度传感器,结合非对称螺旋结构设计和强化学习算法,实现硬件与软件的高效协同 | NA | 解决传统流量传感器体积大、易干扰流场的问题,提升流量测量的准确性和适用性 | 流体动力学测量 | 传感器技术 | NA | 激光诱导选择性烧结,强化学习 | 强化学习 | 传感器电阻数据 | NA |
31 | 2025-09-03 |
Reducing Spectral Confusion in Microplastic Analysis: A U-Net Deep Learning Approach
2025-Sep-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00584
PMID:40827556
|
研究论文 | 提出一种基于U-Net深度学习模型的方法,用于减少拉曼光谱分析中微塑料与脂肪酸的谱混淆问题 | 首次将U-Net深度学习模型与材料化学中常用的二值化技术结合,显著提升了对聚乙烯和脂肪酸的拉曼光谱分类精度 | NA | 解决微塑料拉曼光谱分析中因结构相似性导致的误分类问题 | 聚乙烯(PE)、硬脂酸(SA)、油酸(OA)、SA与OA混合物、十二烷基硫酸钠(SDS)和聚丙烯的拉曼光谱 | 机器学习和分析化学 | NA | 拉曼光谱分析 | U-Net | 光谱数据 | NA |
32 | 2025-09-03 |
Automated detection of anterior crossbite on intraoral images and videos utilizing deep learning
2025-Sep-01, International journal of computerized dentistry
IF:1.8Q2
DOI:10.3290/j.ijcd.b5290567
PMID:38700086
|
研究论文 | 提出一种基于CNN的深度学习模型,用于自动检测和分类口腔内图像和视频中的前牙反颌 | 首次将深度学习应用于口腔内图像和视频的前牙反颌自动检测,并与正畸医生评估进行性能对比 | 模型敏感性低于正畸医生(0.89 vs 0.96和0.92),且视频测试样本量较小(仅10个视频) | 开发自动化工具以辅助前牙反颌的早期检测和分类 | 口腔内图像和视频数据 | 计算机视觉 | 口腔疾病 | 深度学习 | CNN | 图像和视频 | 1865张口腔内图像(1493训练,372测试)和10段视频(总时长124秒) |
33 | 2025-09-03 |
User experience of and satisfaction with computer-aided design software when designing dental prostheses: a multicenter survey study
2025-Sep-01, International journal of computerized dentistry
IF:1.8Q2
DOI:10.3290/j.ijcd.b5582929
PMID:39011633
|
研究论文 | 比较不同经验水平用户对多种CAD软件在设计牙冠时的响应和满意度 | 首次在多中心调查中评估不同CAD软件的用户体验,并分析自动化设计功能(如深度学习)对满意度的影响 | 样本量较小(100人),且仅针对牙冠设计,未涵盖其他牙科修复体类型 | 评估和比较不同CAD软件在牙科修复体设计中的用户体验和满意度 | 牙科本科生、牙医和牙科技师 | 数字医疗 | 牙科疾病 | 问卷调查、ANOVA统计分析和深度学习自动化 | NA | 问卷评分数据 | 100人(50名本科生和50名专业人员) |
34 | 2025-09-03 |
Deep learning classification method for boar sperm morphology analysis
2025-Sep, Andrology
IF:3.2Q1
DOI:10.1111/andr.13758
PMID:39287620
|
研究论文 | 提出一种结合深度学习与图像流式细胞术的公猪精子形态和顶体健康无标记分析方法 | 首次将深度学习与高通量图像流式细胞术结合,实现无需生物标记的精子形态和顶体健康自动化分析 | NA | 开发客观准确的公猪精子形态与顶体健康分析技术 | 公猪精子 | 计算机视觉 | 生殖健康 | 图像流式细胞术(IBFC), 深度学习 | CNN | 图像 | 10,000个精子样本 |
35 | 2025-09-03 |
Rapid detection of mouse spermatogenic defects by testicular cellular composition analysis via enhanced deep learning model
2025-Sep, Andrology
IF:3.2Q1
DOI:10.1111/andr.13773
PMID:39375288
|
研究论文 | 通过增强的深度学习模型快速分析小鼠睾丸组织切片细胞组成以检测生精缺陷 | 改进深度学习模型结合人机交互提升分割精度并减少标注时间,首次实现对未分期生精小管的生精缺陷检测 | NA | 建立快速的小鼠睾丸组织病理学分析协议用于不育研究 | 六种关键生殖基因家族(DAZ和PUMILIO)突变小鼠的睾丸组织 | 数字病理学 | 不育症 | H&E染色,深度学习分割 | SCSD-Net(改进的深度学习模型) | 图像(组织切片) | 六种突变小鼠的H&E染色睾丸切片(最少8个切片即可检测) |
36 | 2025-09-03 |
Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma
2025-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11473-9
PMID:40042648
|
研究论文 | 评估多种融合模型在预测舌鳞状细胞癌隐匿性淋巴结转移中的效果 | 提出并比较了基于决策的晚期融合策略,整合了二维深度学习、常规影像组学、瘤内异质性影像组学及临床数据 | 回顾性研究设计,样本量有限(共268例患者) | 预测舌鳞状细胞癌患者的隐匿性淋巴结转移 | 舌鳞状细胞癌患者 | 医学影像分析 | 舌鳞状细胞癌 | 对比增强磁共振成像(CEMRI)、影像组学分析、深度学习 | 融合模型(早期融合与晚期融合)、2D DL、C-radiomics、ITH-radiomics | 医学影像(MRI)及临床数据 | 268例患者(训练集107例,内部测试集53例,外部测试集63例和45例) |
37 | 2025-09-03 |
Artificial intelligence for the detection of airway nodules in chest CT scans
2025-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11468-6
PMID:40042650
|
研究论文 | 开发并评估基于深度学习的AI系统用于胸部CT扫描中气道结节的检测与定位 | 首次提出针对罕见且易被忽略的气道 incidental 肿瘤的深度学习检测系统,能够识别包括细微特征结节在内的大多数良恶性结节 | 单中心回顾性研究,样本量有限(160例阳性+160例阴性),部分结节恶性状态仅通过随访CT确认 | 开发AI系统辅助放射科医生检测胸部CT中的气道结节 | 接受胸部或胸腹部CT扫描的患者(2004-2020年) | 计算机视觉 | 肺癌 | 深度学习 | CNN(基于深度学习架构推断) | CT影像 | 320例患者(160例气道结节阳性,160例阴性) |
38 | 2025-09-03 |
Deep learning-based quantification of T2-FLAIR mismatch sign: extending IDH mutation prediction in adult-type diffuse lower-grade glioma
2025-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11475-7
PMID:40050456
|
研究论文 | 本研究利用深度学习自动分割技术量化T2-FLAIR不匹配征象,以预测成人弥漫性低级别胶质瘤的IDH突变状态 | 首次采用全自动深度学习分割方法计算定量T2-FLAIR不匹配比率(qT2FM),并证明其优于传统视觉评估方法 | 回顾性研究设计,样本量有限(218例),可能存在选择偏倚 | 评估定量T2-FLAIR不匹配比率在预测IDH突变状态和IDH突变非共缺失亚型中的诊断价值 | 成人弥漫性低级别胶质瘤患者 | 数字病理 | 脑胶质瘤 | MRI成像,深度学习分割 | 深度学习 | 医学影像(T2和FLAIR图像) | 218例患者 |
39 | 2025-09-03 |
Automated deep learning-assisted early detection of radiation-induced temporal lobe injury on MRI: a multicenter retrospective analysis
2025-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11470-y
PMID:40050455
|
研究论文 | 开发并验证了一种基于深度学习的自动化工具RTLI-DM,用于MRI上辐射诱导颞叶损伤的早期检测 | 首次提出结合Unet++分割模型和改进DenseNet-121诊断模型的全自动深度学习工具,用于多中心RTLI早期检测 | 仍需在临床应用中进一步验证,且辅助阅读时实习医师的特异性略有下降 | 评估深度学习工具在MRI上早期检测辐射诱导颞叶损伤(RTLI)的效益 | 接受放疗和MRI随访的鼻咽癌患者 | 医学影像分析 | 鼻咽癌放疗并发症 | 深度学习,MRI影像分析 | Unet++, DenseNet-121 | MRI图像 | 6483名患者(396例RTLI,3181例非RTLI)来自4家医院 |
40 | 2025-09-03 |
Influence of deep learning-based super-resolution reconstruction on Agatston score
2025-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11506-3
PMID:40108013
|
研究论文 | 评估基于深度学习的超分辨率重建(DLSRR)对心脏CT图像质量和Agatston评分的影响 | 首次系统分析DLSRR在不同强度下对Agatston评分和冠状动脉钙化分类一致性的影响 | 观察到部分CAC-DRS重新分类情况,临床应用中需谨慎 | 评估深度学习超分辨率重建技术在心脏CT成像中的效果 | 接受心脏CT检查的连续患者 | 医学影像分析 | 心血管疾病 | 深度学习超分辨率重建(DLSRR),滤波反投影(FBP) | 深度学习 | CT图像 | 111名患者 |