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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
381 | 2025-04-26 |
Attention-Guided Residual U-Net with SE Connection and ASPP for Watershed-Based Cell Segmentation in Microscopy Images
2025-Feb, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2023.0446
PMID:39422580
|
研究论文 | 提出了一种名为RA-SE-ASPP-Net的新型框架,用于显微镜图像中基于分水岭的细胞分割 | 结合了残差块、注意力机制、Squeeze-and-Excitation连接和Atrous Spatial Pyramid Pooling,以提高细胞分割的精确性和鲁棒性 | 在低信噪比图像中准确分割接触细胞仍存在挑战 | 开发自动化细胞分割方法以替代耗时的手动分析 | 显微镜图像中的细胞 | 计算机视觉 | NA | 深度学习 | U-Net-based networks, RA-SE-ASPP-Net | 显微镜图像 | 诱导多能干细胞重编程数据集 |
382 | 2025-04-26 |
Graph based recurrent network for context specific synthetic lethality prediction
2025-Feb, Science China. Life sciences
DOI:10.1007/s11427-023-2618-y
PMID:39422810
|
研究论文 | 提出了一种基于图循环网络的模型(SLGRN),用于预测特定遗传背景下的合成致死(SL)相互作用 | 引入图循环网络编码器获取特定背景下的低维特征表示,结合门控循环单元(GRU)和背景依赖状态,有效整合所有节点信息 | 未明确提及模型在跨癌症类型或大规模临床数据集上的泛化能力 | 探索具有治疗潜力的合成致死相互作用,推动癌症靶向治疗发展 | 合成致死相互作用及其遗传背景依赖性 | 机器学习 | 癌症 | 图神经网络(GNN)、门控循环单元(GRU) | SLGRN(基于图循环网络的模型) | 图数据(基因相互作用网络) | NA(未明确提及具体样本量,但包含体外实验和回顾性临床分析验证) |
383 | 2025-04-26 |
Interpretable Dynamic Directed Graph Convolutional Network for Multi-Relational Prediction of Missense Mutation and Drug Response
2025-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3483316
PMID:39423073
|
research paper | 提出了一种可解释的动态有向图卷积网络(IDDGCN)框架,用于预测错义突变与药物反应之间的多关系 | IDDGCN框架引入了四个关键特征:有向图区分敏感性和耐药性关系、动态更新节点权重、探索同一基因内不同突变与药物反应的关联、通过加权机制增强模型可解释性 | 未明确提及具体样本量或数据来源限制 | 解决肿瘤异质性导致的药物反应预测难题,提升预测模型的准确性和可解释性 | 错义突变与药物反应之间的复杂关系 | machine learning | 肿瘤 | graph convolutional networks (GCNs) | IDDGCN (Interpretable Dynamic Directed Graph Convolutional Network) | graph data | NA |
384 | 2025-04-26 |
High-Accuracy and Lightweight Image Classification Network for Optimizing Lymphoblastic Leukemia Diagnosisy
2025-Feb, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24704
PMID:39429031
|
research paper | 该研究提出了一种高精度轻量级图像分类网络,用于优化淋巴细胞白血病的诊断 | 采用渐进式收缩方法,整合了包括宽度、深度、分辨率和核大小在内的多维度剪枝技术,训练轻量级模型 | 数据集的物理限制和部署设备的限制可能影响模型的泛化能力 | 优化淋巴细胞白血病的早期检测和诊断 | 淋巴细胞白血病患者的骨髓细胞图像 | digital pathology | lymphoblastic leukemia | deep learning | CNN | image | 17,826张骨髓细胞图像来自85名患者 |
385 | 2025-04-26 |
Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement
2025-Feb, Journal of the Air & Waste Management Association (1995)
DOI:10.1080/10962247.2024.2412708
PMID:39440842
|
研究论文 | 本研究通过改进U-Net卷积神经网络模型,结合边缘信息扩展和联合损失函数,提高了农业塑料大棚(APGs)在遥感图像中的提取精度 | 提出了一种结合边缘信息扩展和联合损失函数的改进U-Net模型,显著提高了APGs的提取精度 | 研究仅使用了GF-7卫星图像,未验证在其他遥感数据上的适用性 | 提高农业塑料大棚(APGs)在遥感图像中的位置和数量提取精度,以支持农业管理和环境监测 | 农业塑料大棚(APGs) | 计算机视觉 | NA | 遥感技术 | U-Net CNN | 遥感图像 | 使用GF-7卫星图像数据 |
386 | 2025-04-26 |
Highlighted Diffusion Model as Plug-In Priors for Polyp Segmentation
2025-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3485767
PMID:39446534
|
研究论文 | 提出了一种名为Highlighted Diffusion Model Plus (HDM+)的两阶段息肉分割框架,以提高结肠镜图像中息肉分割的准确性 | 引入了Highlighted Diffusion Model (HDM)来提供显式的语义指导,并通过两阶段框架减少领域差距和提高效率 | 扩散生成过程的低效率以及RGB结肠镜图像与灰度分割掩码之间的显著领域差距 | 提高结肠镜图像中息肉分割的准确性 | 结肠镜图像中的息肉 | 数字病理学 | 结直肠癌 | 扩散模型 | HDM+, U-Net | 图像 | 在六个息肉分割基准上进行了广泛实验 |
387 | 2025-04-26 |
Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT
2025-Feb, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.044
PMID:39462735
|
research paper | 该研究评估了一种深度学习弹性配准算法在常规肿瘤PET/CT中改善配准伪影和图像质量的效果 | 提出了一种基于深度学习的弹性配准方法,用于改进PET和衰减校正CT之间的配准误差 | 样本量较小(30例患者),且仅针对特定类型的PET扫描(18F-FDG和64Cu-DOTATATE) | 评估深度学习弹性配准算法在肿瘤PET/CT中的图像质量改善效果 | 30例接受常规肿瘤检查的患者(20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT) | digital pathology | oncologic disease | PET/CT imaging | deep learning-based elastic registration algorithm | medical imaging (PET/CT) | 30 patients (20 18F-FDG PET/CT and 10 64Cu-DOTATATE PET/CT) |
388 | 2025-04-26 |
Electrocardiograph analysis for risk assessment of heart failure with preserved ejection fraction: A deep learning model
2025-Feb, ESC heart failure
IF:3.2Q2
DOI:10.1002/ehf2.15120
PMID:39463004
|
研究论文 | 开发了一种深度学习模型用于通过心电图分析评估射血分数保留的心力衰竭(HFpEF)风险 | 使用CNN-LSTM深度学习模型结合心电图数据进行HFpEF风险评估,相比传统指标具有更好的区分能力 | 样本量相对较小(训练集238例,验证集117例),且需要侵入性左心室导管检查获取LVEDP数据 | 开发一种高效、低成本的HFpEF筛查方法 | HFpEF高风险和低风险患者 | 数字病理 | 心血管疾病 | 心电图分析 | CNN-LSTM | 心电图数据 | 训练集238例,验证集117例HFpEF风险患者 |
389 | 2025-04-26 |
Coinciding Diabetic Retinopathy and Diabetic Macular Edema Grading With Rat Swarm Optimization Algorithm for Enhanced Capsule Generation Adversarial Network
2025-Feb, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24709
PMID:39487733
|
research paper | 提出了一种基于增强胶囊生成对抗网络(ECGAN)和鼠群优化算法(RSO)的方法,用于糖尿病视网膜病变(DR)和糖尿病黄斑水肿(DME)的分级 | 结合了ECGAN和RSO算法,提高了DR和DME分级的准确性 | 使用了不平衡的数据集,可能影响模型的泛化能力 | 早期检测DR和DME以预防视力丧失 | 糖尿病视网膜病变(DR)和糖尿病黄斑水肿(DME)患者 | digital pathology | diabetic retinopathy | Savitzky-Golay (SG) filter, discrete shearlet transform (DST) | ECGAN, RSO | image | ISBI 2018 unbalanced DR grading dataset |
390 | 2025-04-26 |
A Recognition System for Diagnosing Salivary Gland Neoplasms Based on Vision Transformer
2025-Feb, The American journal of pathology
DOI:10.1016/j.ajpath.2024.09.010
PMID:39490441
|
研究论文 | 开发了一种基于Vision Transformer (ViT)的计算机辅助诊断模型,用于准确分类唾液腺肿瘤的最常见亚型 | 首次将Vision Transformer (ViT)应用于唾液腺肿瘤的分类,并在诊断性能上超越了基准模型 | 研究仅基于3046张全切片图像,样本来源和多样性可能有限 | 提高唾液腺肿瘤的组织学分类准确性,辅助病理学家进行精确诊断 | 唾液腺肿瘤的八种常见亚型,包括多形性腺瘤、肌上皮瘤、Warthin瘤等 | 计算机视觉 | 唾液腺肿瘤 | 深度学习 | Vision Transformer (ViT) | 图像 | 3046张全切片图像,涵盖九种不同的组织类别 |
391 | 2024-12-18 |
Correction: Deep learning assists early-detection of hypertension-mediated heart change on ECG signals
2025-Feb, Hypertension research : official journal of the Japanese Society of Hypertension
IF:4.3Q1
DOI:10.1038/s41440-024-01980-5
PMID:39681651
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
392 | 2025-04-26 |
The Impact of Deep Learning on Determining the Necessity of Bronchoscopy in Pediatric Foreign Body Aspiration: Can Negative Bronchoscopy Rates Be Reduced?
2025-Feb, Journal of pediatric surgery
IF:2.4Q2
DOI:10.1016/j.jpedsurg.2024.162014
PMID:39489944
|
研究论文 | 本研究评估了深度学习方法在诊断儿童异物吸入(FBA)中的作用,以减少不必要的支气管镜检查及其潜在并发症 | 使用基于CNN的深度学习方法显著提高了预测支气管镜检查必要性的准确性,减少了阴性支气管镜检查率 | 研究样本量较小,未来需要更大规模的多中心数据集验证结果 | 评估深度学习方法在减少儿童异物吸入诊断中不必要的支气管镜检查的应用效果 | 47名疑似异物吸入的儿科患者和63名健康儿童的110张PA CXR图像 | 计算机视觉 | 儿科异物吸入 | CNN, 多元逻辑回归(MLR) | CNN | 图像 | 110张PA CXR图像(47名患者+63名健康儿童) |
393 | 2025-04-26 |
Medical Imaging Applications Developed Using Artificial Intelligence Demonstrate High Internal Validity Yet Are Limited in Scope and Lack External Validation
2025-Feb, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.01.043
PMID:38325497
|
综述 | 本文回顾了深度学习在运动医学中的应用,识别了文献中的知识和转化差距,并提出了改进建议 | 系统评估了深度学习模型在运动医学中的内部效度和外部验证情况,并提出了临床适用性不足的问题 | 仅关注运动医学领域,且大多数研究缺乏外部验证,临床适用性评分较低 | 评估深度学习在运动医学影像应用中的现状和潜在改进方向 | 运动医学中的深度学习模型及其临床应用 | 医学影像分析 | 运动损伤 | 深度学习 | CNN | 医学影像 | 55项研究 |
394 | 2025-04-26 |
Attention-Based Q-Space Deep Learning Generalized for Accelerated Diffusion Magnetic Resonance Imaging
2025-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3487755
PMID:39471111
|
研究论文 | 本文提出了一种基于注意力的q空间深度学习模型(aqDL),用于加速扩散磁共振成像(dMRI)的数据重建,支持可变q空间采样策略 | 提出了一种新型深度学习模型aqDL,能够处理可变q空间采样策略,突破了传统方法对固定采样策略的依赖 | 虽然在不同数据集上验证了模型的泛化能力,但未提及在更广泛临床环境中的适用性 | 加速扩散磁共振成像的数据采集并提高重建精度 | 扩散磁共振成像(dMRI)数据 | 医学影像处理 | NA | 扩散磁共振成像(dMRI) | Transformer编码器与多层感知机(MLP) | 医学影像数据 | Human Connectome Project数据集及两个额外独立数据集 |
395 | 2025-04-26 |
A Multimodal Consistency-Based Self-Supervised Contrastive Learning Framework for Automated Sleep Staging in Patients With Disorders of Consciousness
2025-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3487657
PMID:39471113
|
研究论文 | 提出了一种基于多模态一致性的自监督对比学习框架MultiConsSleepNet,用于自动化睡眠分期,特别是在意识障碍患者中的应用 | 结合多模态一致性特征提取器和自监督对比学习策略,解决了现有方法在表示能力、泛化能力和标记数据稀缺方面的问题 | 未明确提及具体局限性,但可能面临多模态数据采集和处理的复杂性 | 开发一个自动化睡眠分期系统,特别针对意识障碍患者 | 意识障碍患者的睡眠数据 | 机器学习 | 意识障碍 | 自监督对比学习 | MultiConsSleepNet | EEG和EOG信号 | 三个公开数据集和一个自收集的意识障碍数据集 |
396 | 2025-04-26 |
Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers
2025-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3488274
PMID:39475731
|
研究论文 | 提出了一种名为ReGraFT的新型序列到序列模型,用于COVID-19的长期预测 | 整合了多图门控循环单元(MGRU)与自适应图,利用感染率、政策变化和州际旅行等数据,动态建模复杂的传播动态 | 过度依赖历史COVID-19数据,可能限制了利用时滞数据(如干预政策信息)的潜力 | 提高COVID-19长期预测的准确性和稳定性 | COVID-19的传播动态 | 机器学习 | COVID-19 | GNNs, RNNs, Transformers | Seq2Seq, MGRU, SeLU | 时间序列数据 | NA |
397 | 2025-04-26 |
Spherical Harmonics-Based Deep Learning Achieves Generalized and Accurate Diffusion Tensor Imaging
2025-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3471769
PMID:39352828
|
研究论文 | 本研究提出了一种基于球谐函数的深度学习方法,用于提高扩散张量成像的泛化性和准确性 | 利用球谐函数表示扩散MRI信号,并将其系数图作为网络输入,以预测扩散张量场,从而提升方法的泛化能力 | NA | 开发一种泛化性强、准确且高效的基于深度学习的扩散张量成像方法 | 扩散张量成像(DTI)数据 | 医学影像分析 | NA | 扩散加权成像(DWI),球谐函数(SH) | 深度学习(DL) | 扩散MRI(dMRI)图像 | 模拟和体内数据集,涵盖多种DTI应用场景 |
398 | 2025-04-26 |
Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces
2025-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3472097
PMID:39352826
|
研究论文 | 提出了一种基于多尺度时空特征融合的卷积神经网络(MSTFNet),用于运动想象脑机接口(BCI)中的脑电图(EEG)分类 | 设计了包含特征增强模块、多尺度时间特征提取模块、空间特征提取模块和特征融合模块的新型网络架构,并采用了一种简单而有效的数据增强策略 | 未提及具体局限性 | 提高运动想象脑机接口中EEG信号的解码精度 | 运动想象脑机接口中的EEG信号 | 脑机接口 | NA | EEG信号处理 | CNN | EEG信号 | 两个公共数据集(BCI Competition IV 2a和2b)和一个实验室数据集 |
399 | 2025-04-26 |
Illuminating Entomological Dark Matter with DNA Barcodes in an Era of Insect Decline, Deep Learning, and Genomics
2025-Jan, Annual review of entomology
IF:15.0Q1
|
综述 | 本文回顾了DNA条形码在昆虫生物多样性发现和群落分析中的应用及其重要性 | 探讨了DNA条形码在深度学习算法图像训练集构建、全球生物多样性基因组学及昆虫群落功能分析中的潜在作用 | 未提及具体实验数据或案例研究 | 评估DNA条形码技术在昆虫识别和生物多样性研究中的应用及未来发展方向 | 昆虫物种及生物多样性 | 生物信息学 | NA | DNA条形码、高通量测序 | 深度学习 | DNA序列、图像 | NA |
400 | 2025-04-26 |
Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease
2025-Jan, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06938-w
PMID:39382580
|
research paper | 该研究采用多模态成像方法评估帕金森病转基因M83小鼠模型脊髓中的氧合变化 | 开发了基于深度学习的自动分割工具用于小鼠脊髓结构MRI数据的分析,以及sO2SVOT数据的体积分析 | 研究仅针对M83小鼠模型,未涉及其他帕金森病模型或人类样本 | 评估帕金森病小鼠模型脊髓中的氧合变化及结构变化 | 转基因M83小鼠和非转基因同窝小鼠的脊髓 | digital pathology | Parkinson's disease | spiral volumetric optoacoustic tomography (SVOT), high-field T1-weighted MRI, immunostaining | deep learning-based automatic segmentation | image | M83小鼠和非转基因同窝小鼠 |