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 | 2025-06-12 |
Deep-learning-based Partial Volume Correction in 99mTc-TRODAT-1 SPECT for Parkinson's Disease: A Preliminary Study on Clinical Translation
2025-Jun-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3578526
PMID:40493467
|
研究论文 | 本文提出了一种基于深度学习的部分体积校正方法,用于改善帕金森病Tc-TRODAT-1 SPECT图像的清晰度和量化准确性 | 使用基于注意力的条件生成对抗网络(Att-cGAN)进行部分体积校正,无需解剖先验和分割 | 初步研究,临床数据量有限(100例回顾性数据),且缺乏临床金标准验证 | 开发适用于帕金森病SPECT成像的深度学习部分体积校正方法 | 帕金森病患者的Tc-TRODAT-1 SPECT图像 | 医学影像分析 | 帕金森病 | SPECT成像,蒙特卡洛模拟(SIMIND),有序子集期望最大化算法 | Att-cGAN, cGAN, U-Net | 医学影像(SPECT) | 454个数字脑模型(训练320,验证44,测试90) + 100例临床数据 |
22 | 2025-06-12 |
A Deep Learning Model for Identifying the Risk of Mesenteric Malperfusion in Acute Aortic Dissection Using Initial Diagnostic Data: Algorithm Development and Validation
2025-Jun-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72649
PMID:40493909
|
研究论文 | 开发并验证了一种基于深度学习的模型,用于识别急性主动脉夹层患者中肠系膜灌注不良的高风险 | 首次整合多模态数据(实验室参数和CT血管造影图像)开发深度学习模型,用于早期识别急性主动脉夹层患者中肠系膜灌注不良的高风险 | 需要进一步的前瞻性验证以确认其临床实用性 | 开发一种能够早期识别急性主动脉夹层患者中肠系膜灌注不良高风险的深度学习模型 | 525名急性主动脉夹层患者 | 数字病理学 | 心血管疾病 | CT血管造影 | 深度学习模型 | 图像和临床数据 | 525名患者(450名来自北京安贞医院,75名来自南京鼓楼医院) |
23 | 2025-06-12 |
Automated Diffusion Analysis for Non-Invasive Prediction of IDH Genotype in WHO Grade 2-3 Gliomas
2025-Jun-10, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8776
PMID:40494626
|
研究论文 | 本文提出了一种基于T2加权成像的自动ADC提取流程,用于预测WHO 2-3级胶质瘤的IDH基因型 | 使用nnUNet深度学习算法自动分割胶质瘤体积,替代耗时且依赖操作者的手动分割,实现了与人工观察者统计等效的性能 | 在6%的病例中出现肿瘤远处脑区的过度分割,0.8%的胶质瘤成分被nnUNet遗漏 | 建立非侵入性预测胶质瘤IDH基因型的自动化方法 | WHO 2-3级胶质瘤 | 数字病理 | 胶质瘤 | MRI, ADC分析, 深度学习 | nnUNet | 医学影像 | 247例医院数据集(UCLH)和500例BraTS 2021数据 |
24 | 2025-06-12 |
Oil Palm Fruits Dataset in Plantations for Harvest Estimation Using Digital Census and Smartphone
2025-Jun-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05227-x
PMID:40494879
|
research paper | 本文介绍了一个来自印度尼西亚中加里曼丹商业种植园的油棕鲜果串(FFB)图像数据集,重点关注五个成熟阶段:未熟、半熟、成熟、开花和异常 | 提供了包含真实世界复杂性的油棕鲜果串图像数据集,支持深度学习模型开发用于检测和分类,特别是在收获时间监控、产量预测和种植园资源优化方面 | 图像存在部分可见性、低对比度、遮挡和模糊等现实世界中的复杂问题 | 开发深度学习模型用于油棕鲜果串的检测和分类,以优化种植园运营 | 油棕鲜果串(FFB) | computer vision | NA | 数据增强 | 深度学习模型 | image | 训练集10,207张图像,验证集2,896张,测试集1,400张 |
25 | 2025-06-12 |
Deep learning-based ranking method for subgroup and predictive biomarker identification in patients
2025-Jun-10, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00946-z
PMID:40494908
|
研究论文 | 本研究开发了一种名为DeepRAB的深度学习框架,用于识别患者亚组和预测性生物标志物 | DeepRAB不仅能捕捉个体间的治疗效果差异,还能帮助发现与这些差异相关的有意义的生物标志物 | 方法在模拟数据集上进行了评估,但实际临床应用的广泛验证仍需进一步研究 | 开发一种深度学习方法来识别患者亚组和预测性生物标志物,以支持更精准的治疗策略 | 患者亚组和预测性生物标志物 | 机器学习 | 化脓性汗腺炎 | 深度学习 | DeepRAB | 临床试验数据 | 模拟数据集和真实临床试验数据(具体数量未提及) |
26 | 2025-06-12 |
A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning
2025-Jun-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01751-7
PMID:40494933
|
research paper | 开发了一种深度学习模型,通过视网膜图像估计视网膜年龄,并探索其作为衰老生物标志物的潜力 | 结合自监督学习和渐进式标签分布学习模块,提高了视网膜年龄估计的准确性,并揭示了视网膜年龄差与全因死亡率和多种年龄相关疾病风险的关联 | 研究主要基于健康人群,可能在其他人群中的适用性有待验证 | 探索视网膜年龄作为衰老生物标志物的可靠性和预测价值 | 视网膜图像 | digital pathology | geriatric disease | deep learning | 深度学习模型 | image | 34,433名参与者(来自UK Biobank和三个中国队列) |
27 | 2025-06-12 |
Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records
2025-Jun-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01646-7
PMID:40494945
|
研究论文 | 本文评估了利用师生框架从电子健康记录中提取癌症纵向临床结果的技术 | 采用师生框架和分层Transformer架构,探索了在隐私限制下通过公开数据集和合成数据进行知识转移的有效性 | 在Wiki-text和合成数据上训练的学生模型表现较差,表明需要更多领域内公开数据集 | 评估人工智能蒸馏技术在从电子健康记录中提取癌症结果方面的应用 | 电子健康记录中的自由文本放射学报告 | 自然语言处理 | 癌症 | 师生框架, Transformer架构 | Transformer | 文本 | Dana-Farber癌症研究所数据、MIMIC-IV、Wiki-text和GPT-4生成的合成数据 |
28 | 2025-06-12 |
Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics
2025-Jun-10, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00815-8
PMID:40495006
|
research paper | 介绍了一种名为MEMnets的深度学习框架,用于准确识别生物分子动力学的慢集体变量 | MEMnets通过最小化时间积分记忆核的上界来识别最优集体变量,采用并行编码器网络,克服了传统方法假设马尔可夫动力学的限制 | 在大型生物分子动态系统中,采样有限可能会影响MEMnets的性能 | 识别生物分子动力学的慢集体变量,以理解蛋白质构象变化的最慢时间尺度 | FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放 | machine learning | NA | 深度学习 | 神经网络 | 生物分子动态数据 | NA |
29 | 2025-06-12 |
Uncertainty estimation for trust attribution to speed-of-sound reconstruction with variational networks
2025-Jun-10, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03402-4
PMID:40495100
|
research paper | 该研究提出了一种基于不确定性估计的方法,用于选择超声采集中最可信的数据帧,以提高速度-声音(SoS)重建的准确性 | 首次将不确定性估计应用于超声数据帧的选择,以改进SoS重建和诊断决策 | 研究样本量较小,仅评估了21个病灶 | 提高速度-声音(SoS)图像重建的准确性,以支持乳腺癌的鉴别诊断 | 超声采集的数据帧和SoS重建图像 | 医学影像处理 | 乳腺癌 | 蒙特卡洛Dropout和贝叶斯变分推断 | 变分网络 | 超声图像 | 21个被分类为BI-RADS 4的病灶 |
30 | 2025-06-12 |
SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data
2025-Jun-10, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06165-6
PMID:40495152
|
research paper | 提出了一种名为SCATrans的语义交叉注意力转换器模型,用于通过多模态生物医学数据预测药物-药物相互作用 | 构建了SCAT模型,结合BioBERT、Doc2Vec和图卷积网络嵌入多模态数据,使用BiGRU捕获上下文依赖,通过交叉注意力整合特征并建模依赖关系 | 未提及具体样本量或实验设置的局限性 | 预测潜在的药物-药物相互作用,以支持药物治疗、药物开发和公共卫生 | 药物-药物相互作用 | 自然语言处理 | NA | BioBERT, Doc2Vec, 图卷积网络, BiGRU, 交叉注意力 | Transformer (SCAT) | 多模态生物医学数据 | DDIExtraction-2013数据集(未提具体样本量) |
31 | 2025-06-12 |
MC-RED: A deep learning network for motion correction in 3D CEST imaging
2025-Jun-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30609
PMID:40495308
|
research paper | 本文提出了一种名为MC-RED的深度学习网络,用于3D CEST成像中的运动校正 | MC-RED是一种基于残差编码-解码网络的运动校正方法,通过2D高斯分布结合静态参考图像,生成无运动参考帧以校正运动伪影 | NA | 开发并验证一种基于深度学习的运动校正方法,以提高3D CEST成像的图像质量 | 健康志愿者模拟数据和脑炎患者临床数据 | medical imaging | encephalitis | CEST imaging | residual encoding-decoding network | 3D image | 健康志愿者和脑炎患者的模拟与临床数据 |
32 | 2025-06-12 |
Multilevel Discrete Wavelet Decomposition-Assisted Lightweight Multi-Order Gated Aggregation Network for Gas Concentration Retrieval in WMS
2025-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01554
PMID:40495325
|
研究论文 | 本文提出了一种基于多级离散小波分解的轻量级多门控聚合网络(MDWD-LiteMogaNet),用于波长调制光谱(WMS)中的气体浓度检测 | 通过集成小波变换进行数据过滤和特征提取,MDWD-LiteMogaNet显著减少了数据量并提高了计算效率,同时多门控特征提取和融合机制确保了全面的特征表示 | NA | 开发一种高效的气体检测方法,适用于轻量级设备部署 | 气体浓度检测 | 机器学习 | NA | 波长调制光谱(WMS) | MDWD-LiteMogaNet | 光谱数据 | NA |
33 | 2025-06-12 |
Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset
2025-Jun-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110501
PMID:40494170
|
research paper | 本文通过利用X射线图像和先进的机器学习技术(如深度学习和Vision Transformers),为呼吸系统疾病分类领域做出了重要贡献 | 引入了一个新颖、多样化的数据集,包含来自5263名患者的7867张X射线图像,涵盖49种不同的肺部疾病,以解决现有数据集多样性不足的问题 | 研究可能遗漏了2017年之前的基础工作,且AI的快速发展可能使早期方法的相关性降低 | 提高呼吸系统疾病诊断的准确性和及时性 | 呼吸系统疾病(如肺炎和COVID-19)的X射线图像 | digital pathology | lung cancer | deep learning, Vision Transformers (ViT) | DL, ViT | image | 7867张X射线图像来自5263名患者 |
34 | 2025-06-12 |
Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers
2025-Jun-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.047
PMID:40494699
|
研究论文 | 本研究开发了一种名为MPMT-Pneumo的多平面、多模态深度学习模型,用于区分细菌性肺炎和非细菌性肺炎 | 采用混合CNN-Transformer架构整合多平面CT视图和炎症生物标志物,解决了传统方法在区分细菌性和非细菌性肺炎上的局限性 | 研究样本仅来自两家医院,可能影响模型的泛化能力 | 提高细菌性肺炎与非细菌性肺炎的分类准确性,指导抗生素治疗 | 384例经微生物学确认的肺炎患者(239例细菌性肺炎,145例非细菌性肺炎) | 数字病理 | 肺炎 | CT成像 | CNN-Transformer混合架构 | 图像(CT扫描)和临床生物标志物数据 | 384例患者(239例细菌性肺炎,145例非细菌性肺炎) |
35 | 2025-06-12 |
Research on artificial intelligence, machine and deep learning in medicine: global characteristics, readiness, and equity
2025-Jun-08, Globalization and health
IF:5.9Q1
DOI:10.1186/s12992-025-01128-1
PMID:40484942
|
研究论文 | 本文分析了人工智能在医学研究中的全球特征、准备情况和公平性 | 通过时间和地理模式分析,揭示了全球AImed研究的激励因素和障碍,并指出了经济较弱国家在AImed研究中的潜在优势 | 研究主要基于文献计量分析,可能未涵盖所有影响AImed发展的因素 | 评估全球人工智能在医学研究中的发展状况和公平性 | 全球范围内的人工智能医学研究 | 机器学习 | NA | NA | NA | 文献数据 | 多个国家的AImed研究出版物 |
36 | 2025-06-12 |
Tailoring task arithmetic to address bias in models trained on multi-institutional datasets
2025-Jun-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104858
PMID:40494422
|
research paper | 该研究提出两种模型无关的方法TAPER和DAPPER,通过任务向量算术减少多机构数据集中由来源引起的偏差 | 首次将任务向量算术应用于减少深度学习模型中的来源混淆偏差,并提出了两种新方法TAPER和DAPPER | 仅在三个数据集上进行了评估,可能需要更多数据验证方法的普适性 | 解决多机构数据训练中深度学习模型对数据来源的识别偏差问题 | RoBERTa和Llama-2模型在多机构临床数据集上的表现 | natural language processing | NA | 任务向量算术 | RoBERTa, Llama-2 | text | 三个数据集(未说明具体样本量) |
37 | 2025-06-12 |
[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect]
2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology
|
review | 回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破 | 建立了手工涂片与液基细胞学结合的标准化流程,结合HE染色和细胞块技术显著提高诊断准确性,分子病理检测系统实现跨越式发展,从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测 | NA | 回顾和展望中国甲状腺细胞病理学领域的发展 | 甲状腺肿瘤细胞学 | 数字病理 | 甲状腺癌 | 下一代测序(NGS)、免疫细胞化学染色、分子病理检测 | 深度学习模型 | 细胞学图像 | NA |
38 | 2025-06-12 |
Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy
2025-Jun-04, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra00933b
PMID:40491797
|
研究论文 | 本文提出了一种基于一维多尺度特征融合卷积神经网络(1D-CNN)和紫外-可见光谱的水化学需氧量(COD)预测方法 | 该方法通过融合同一通道内三个并行子卷积和池化层提取的特征,提高了COD检测的准确性,相比传统方法和深度学习模型(如PLSR、SVM、ANN和1D-CNN)表现出更优的性能 | NA | 开发一种高效、快速且无需化学试剂的COD检测方法,以支持实时水质监测 | 水中的化学需氧量(COD) | 机器学习 | NA | 紫外-可见光谱 | 1D-CNN | 光谱数据 | NA |
39 | 2025-06-12 |
A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease
2025-Jun-03, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123563
PMID:40494037
|
系统综述 | 本文综述了脑年龄差距(BAG)作为阿尔茨海默病早期诊断生物标志物的研究现状 | 利用深度学习技术预测脑年龄,并通过脑年龄差距(BAG)作为阿尔茨海默病的早期诊断生物标志物 | 包括站点效应、偏差校正、数据不足、硬件要求、模型准确性和临床适用性等关键挑战 | 探讨脑年龄差距(BAG)作为阿尔茨海默病早期诊断生物标志物的潜力 | 阿尔茨海默病患者和健康老年人的脑结构变化 | 数字病理学 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 神经影像数据 | NA |
40 | 2025-06-12 |
Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf301
PMID:40366737
|
研究论文 | 提出一种基于预治疗活检图像的深度学习方法,用于预测克罗恩病患者对ustekinumab的治疗反应 | 结合聚类增强的弱监督学习框架,整合局部组织学特征和全局组织背景,提高预测性能 | 需要进一步验证在更大样本量和其他生物疗法中的适用性 | 提高克罗恩病患者对ustekinumab治疗反应的预测准确性 | 克罗恩病患者的预治疗全切片图像 | 数字病理学 | 克罗恩病 | 深度学习 | DenseNet, 多示例学习 | 图像 | 独立测试集上的实验数据 |