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 | 2025-09-08 |
Evaluating machine learning classifiers and explainability for monitoring cow behaviour with wearable nose rings
2025-Nov, Preventive veterinary medicine
IF:2.2Q1
DOI:10.1016/j.prevetmed.2025.106630
PMID:40743835
|
研究论文 | 本研究评估多种机器学习分类器及可解释性方法在基于可穿戴鼻环传感器监测奶牛行为中的应用 | 首次在该数据集上比较多种机器学习模型(包括GRU、CNN-LSTM等),并引入可解释性AI技术(SHAP和LIME)增强模型透明度 | 因数据不平衡和限制,原始五种行为分类被简化为三种核心类别 | 通过机器学习技术分类奶牛行为,提升精准畜牧管理的效率和可解释性 | 奶牛 | 机器学习 | NA | 三轴加速度计数据采集 | RF, ANN, GRU, CNN-LSTM | 传感器时序数据 | NA |
382 | 2025-09-08 |
An explainable attention model for cervical precancer risk classification using colposcopic images
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108976
PMID:40773936
|
研究论文 | 提出一种基于可解释注意力机制的宫颈癌前病变风险分类模型Cervix-AID-Net,使用阴道镜图像进行高风险和低风险分类 | 集成CBAM注意力模块与四种可解释AI技术(梯度类激活图、LIME、CartoonX和像素率失真),提供模型决策的透明化解释 | 未明确说明样本规模及模型在更高噪声和模糊条件下的稳定性限制 | 开发辅助工具提升宫颈癌前病变风险评估的准确性和可解释性 | 宫颈癌前病变患者 | 计算机视觉 | 宫颈癌 | 深度学习,可解释人工智能 | CNN with CBAM | 图像 | NA |
383 | 2025-09-08 |
BioFace3D: An end-to-end open-source software for automated extraction of potential 3D facial biomarkers from MRI scans
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109010
PMID:40818363
|
研究论文 | 介绍BioFace3D,一种用于从MRI扫描自动提取潜在3D面部生物标志物的开源端到端软件 | 首个集成从磁共振成像中提取3D面部生物标志物全流程的端到端自动化管道 | NA | 自动化发现遗传性、精神性和罕见疾病中的潜在3D面部生物标志物 | MRI扫描中的3D面部模型 | 计算机视觉 | 遗传疾病 | 磁共振成像(MRI), 几何形态测量学 | 深度学习 | 3D医学图像 | 专有和公共数据集(具体数量未说明) |
384 | 2025-09-08 |
Toward autonomous robotic gastroscopy with a novel interventional keypoint and polyp detection system
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109013
PMID:40829333
|
研究论文 | 提出一种基于深度学习的自主机器人胃镜框架,集成关键点与息肉检测系统 | 开发了KP-YOLO系统,首次实现机器人胃镜的自主干预导航与智能息肉检测 | 实验验证基于高保真上胃肠道幻影模型,尚未进行大规模临床验证 | 提升机器人胃镜的自主性与智能性,减少对操作者经验的依赖 | 胃部疾病(特别是息肉)的检测与干预导航 | 计算机视觉 | 胃癌 | 深度学习 | YOLO (KP-YOLO) | 图像 | 真实胃镜数据集3,454张图像,上胃肠道幻影数据集2,144张图像 |
385 | 2025-09-08 |
Quality assessment of optical coherence tomography angiography images with Relative-distance-based Patch Distribution Modeling (R-PaDiM)
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108955
PMID:40834556
|
研究论文 | 提出一种基于相对距离的块分布建模方法(R-PaDiM),用于光学相干断层扫描血管成像(OCTA)图像的质量评估 | 首次采用相对距离方式比较优劣质量图像的概率表示,并能生成块级质量评分图以定位图像中的劣质区域 | NA | 提升OCTA图像质量评估的准确性和可解释性 | OCTA正面图像 | 计算机视觉 | 心血管疾病 | 光学相干断层扫描血管成像(OCTA) | WideResNet-50等预训练编码器 | 图像 | 三个数据集(两个公开数据集DRAC Challenge、OCTA-25K-IQA-SEG和一个私有数据集MeyeHeart) |
386 | 2025-09-08 |
Efficient segmentation of intraoperative anatomical landmarks in laparoscopic cholecystectomy based on deep learning
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109012
PMID:40834553
|
研究论文 | 基于深度学习的腹腔镜胆囊切除术中解剖标志实时分割方法研究 | 提出新型通道注意力金字塔场景解析网络(CPPN),通过多尺度池化与非等权重特征提取提升分割精度,并引入空间通道注意力模块增强关键特征捕获能力 | 训练数据仅使用解剖前阶段视频帧,测试数据为解剖后阶段帧,可能存在阶段间泛化能力未充分验证的问题 | 实现腹腔镜胆囊切除术中关键解剖标志的实时识别与标注,降低胆管损伤风险 | 胆囊、Calot三角和胆总管等手术关键解剖结构 | 计算机视觉 | 胆囊良性疾病 | 深度学习语义分割 | CPPN(Channel Attention Pyramid Scene Parsing Plus Network) | 手术视频帧图像 | 132例腹腔镜胆囊切除术视频中的1425帧图像 |
387 | 2025-09-08 |
Self-attention-guided residual deep neural network with multi-scale dilated feature extraction for automated gallbladder disease diagnosis in ultrasound imaging
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109020
PMID:40840262
|
研究论文 | 提出一种基于自注意力引导残差深度神经网络与多尺度扩张特征提取的自动化胆囊疾病超声诊断方法 | 结合多尺度扩张卷积、注意力机制和残差连接,首次实现九种胆囊疾病的精准分类 | NA | 开发自动化AI辅助诊断工具以提升胆囊疾病的超声影像诊断效率与准确性 | 胆囊疾病(包括胆结石、胆囊炎、腺肌症、癌变等九类病变) | 计算机视觉 | 胆囊疾病 | 深度学习 | CNN with attention mechanism and residual connections | 超声影像 | NA |
388 | 2025-09-08 |
SpaOmicsVAE: A deep learning framework for integrative analysis of spatial multi-omics data
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109032
PMID:40848558
|
研究论文 | 提出SpaOmicsVAE深度学习框架,用于整合分析空间多组学数据 | 结合变分自编码器与双图神经网络,通过注意力机制整合空间和特征信息,有效处理数据稀疏性和噪声 | NA | 解决空间多组学数据的有效整合与分析挑战 | 胸腺、脾脏、海马体和脑组织等多种组织样本 | 机器学习 | NA | 空间多组学技术 | VAE, GNN | 空间多组学数据 | 多种组织样本(实验和模拟数据集) |
389 | 2025-09-08 |
AIBSD: Deep learning approach to address spatial systematic errors in diffusion tensor imaging
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109034
PMID:40876083
|
研究论文 | 提出基于深度学习的AIBSD方法,用于校正扩散张量成像中的空间系统误差 | 首次使用深度神经网络解决DTI中磁场梯度空间分布误差校正问题,无需额外体模扫描 | 基于130个回顾性数据集,需要进一步验证临床适用性 | 开发深度学习方法来消除DTI中的空间系统误差 | 扩散张量成像数据和体模测量数据 | 医学影像分析 | NA | 扩散张量成像(DTI) | CNN(卷积神经网络) | 医学影像数据 | 130个DTI数据集(包含体内和体模配对测量) |
390 | 2025-09-08 |
Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109022
PMID:40886696
|
研究论文 | 提出一种融合多位置血流声音和位置元数据的架构,用于动静脉瘘狭窄诊断 | 首次引入多位置融合策略(通道融合和时间融合)并结合位置元数据编码,充分利用血管通路多个段落的声学信息 | NA | 开发动静脉瘘狭窄诊断方法,解决狭窄存在性和位置定位两个关键问题 | 动静脉瘘患者的血流声音数据 | 生物医学信号处理 | 肾脏疾病相关血管病变 | 声学特征提取,深度学习 | MPFA(多位置融合架构),深度学习分类器 | 声音信号 | 从5个连续位置采集声学数据 |
391 | 2025-09-08 |
Artificial intelligence: a new era in prostate cancer diagnosis and treatment
2025-Oct-15, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126024
PMID:40769449
|
综述 | 本文回顾了人工智能在前列腺癌诊断与治疗中的当前应用及其变革性影响 | 人工智能通过整合临床、基因组和影像数据,提升诊断准确性和治疗规划,实现个性化医疗策略 | 认识到潜在挑战,但未具体说明技术或临床实施的局限性 | 探索人工智能在前列腺癌护理中的应用,以改善诊断和治疗规划 | 前列腺癌患者及其诊断与治疗过程 | 数字病理 | 前列腺癌 | 机器学习、深度学习 | AI算法 | 影像数据(如MRI、超声)、临床数据、基因组数据 | NA |
392 | 2025-09-08 |
PixelPrint 4D : A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications
2025-Oct-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001182
PMID:40173424
|
研究论文 | 提出一种名为PixelPrint 4D的3D打印方法,用于制造患者特异性、可形变的肺部CT体模以模拟呼吸运动 | 首次实现逐体素复制患者肺部密度分布,并能够模拟真实非刚性形变模式 | 研究仅基于单一肺癌患者的4DCT数据集,需要更多样本验证普适性 | 开发高保真呼吸运动体模,为CT成像和放射治疗中的运动补偿技术提供测试环境 | 肺癌患者的肺部结构和呼吸运动特征 | 医学影像 | 肺癌 | 3D打印、4DCT成像 | NA | CT影像数据 | 1例肺癌患者的4DCT数据集 |
393 | 2025-09-08 |
Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm
2025-Oct, Clinical neurology and neurosurgery
IF:1.8Q2
DOI:10.1016/j.clineuro.2025.109094
PMID:40780043
|
研究论文 | 开发并验证一种基于深度学习的AI算法,用于从腰椎MRI自动测量椎体骨质量评分 | 首次使用YOLOv8模型实现椎体骨质量评分的全自动化计算,替代传统手动测量方法 | 需要进一步的外部验证以确保通用性和临床适用性 | 改善术前骨质量评估,识别手术结果风险患者 | 腰椎MRI扫描图像 | 计算机视觉 | 骨科疾病 | MRI成像,深度学习 | YOLOv8 | 医学图像 | 257例腰椎T1加权MRI扫描(SPIDER数据集)和47例腰椎手术患者的手动标注数据 |
394 | 2025-09-08 |
Spatial distribution of enlarged perivascular spaces as a potential biomarker for distinguishing vascular dementia from Alzheimer's disease in older adults
2025-Oct, Clinical neurology and neurosurgery
IF:1.8Q2
DOI:10.1016/j.clineuro.2025.109098
PMID:40782606
|
研究论文 | 本研究探讨脑部不同区域扩大的血管周围间隙(EPVS)体积作为生物标志物,用于区分老年阿尔茨海默病和血管性痴呆 | 首次利用深度学习模型自动量化四个脑区的EPVS体积,并发现其空间分布差异可作为区分两种痴呆亚型的可靠影像学生物标志物 | 样本量有限(共215名患者),且所有患者年龄均大于65岁,结果可能不适用于年轻人群 | 区分阿尔茨海默病与血管性痴呆的诊断标志物研究 | 93名阿尔茨海默病患者和122名血管性痴呆患者 | 数字病理学 | 老年疾病 | 深度学习自动量化 | VB-Net | 影像数据 | 215名老年患者(93名AD,122名VD) |
395 | 2025-09-08 |
Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites
2025-Sep-07, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01054
PMID:40914877
|
研究论文 | 提出一种多视图深度学习框架MDNet-TFP,用于精确预测转录因子结合位点 | 引入双向反向互补模块(BiRC-Mamba)和多尺度卷积循环注意力网络(MCRAN),整合DNA序列的多视图表示和多种生物数据源 | NA | 提高转录因子结合位点预测的准确性 | DNA序列中的转录因子结合位点 | 生物信息学 | NA | ChIP-seq,基序可视化 | 多视图深度学习,CNN,注意力机制 | 基因组序列数据 | 165个ChIP-seq数据集(验证集690个) |
396 | 2025-09-08 |
Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions
2025-Sep-05, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.103154
PMID:40914000
|
研究论文 | 本研究评估深度学习图像重建算法DLIR-H在超低辐射和低对比剂条件下优化颈动脉CT血管成像质量的效果 | 首次在超低剂量双能CTA中系统比较DLIR-H算法与常规ASIR-V算法,并证实DLIR-H在复杂血管部位(如颈动脉分叉处)的图像质量提升最显著 | 样本量有限(120例患者),且为单中心研究,需更大规模验证 | 评估DLIR-H算法在超低辐射和低对比剂条件下提升颈动脉CTA图像质量的效能 | 接受双能颈动脉CTA检查的120例患者 | 医学影像处理 | 脑血管疾病 | 双能CT血管成像(DE-CTA),深度学习图像重建(DLIR),虚拟单能图像(VMI) | 深度学习图像重建算法(DLIR) | CT医学影像 | 120例患者分为4组(1个对照组和3个实验组) |
397 | 2025-09-08 |
Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model"
2025-Sep-05, Oral oncology
IF:4.0Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
398 | 2025-09-08 |
AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis
2025-Sep-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.035
PMID:40914722
|
系统综述与荟萃分析 | 通过荟萃分析方法系统评估AI驱动和传统放射组学模型在检测肌层浸润性膀胱癌中的诊断性能 | 首次系统比较AI与传统放射组学模型性能,并探讨其与VI-RADS系统的协同价值 | 纳入研究存在显著异质性,需要多国多中心前瞻性研究验证外部有效性 | 评估放射组学模型对膀胱癌肌层浸润的诊断准确性 | 膀胱癌患者 | 医学影像分析 | 膀胱癌 | 放射组学分析,多参数成像(CT/MRI) | 深度学习,机器学习,传统放射组学模型 | 医学影像 | 43项研究,9624名患者 |
399 | 2025-09-08 |
SeaMoon: From protein language models to continuous structural heterogeneity
2025-Sep-04, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.06.010
PMID:40683255
|
研究论文 | 提出SeaMoon方法,利用蛋白质语言模型从序列直接预测蛋白质连续构象变化 | 首次探索从蛋白质序列直接预测连续构象变化,无需依赖3D结构 | 仅对40%的测试蛋白质能准确预测至少一种真实运动 | 开发深度学习模型预测蛋白质构象动力学 | 蛋白质构象变化和运动 | 机器学习 | NA | 蛋白质语言模型(pLM) | CNN | 序列嵌入 | 约1,000组实验构象集合 |
400 | 2025-09-08 |
Detecting, Characterizing, and Mitigating Implicit and Explicit Racial Biases in Health Care Datasets With Subgroup Learnability: Algorithm Development and Validation Study
2025-Sep-04, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/71757
PMID:40905712
|
研究论文 | 开发并验证一种名为AEquity的指标,用于检测和缓解医疗数据集中隐含和显性的种族偏见 | 提出了一种基于学习曲线近似的新指标AEquity,专注于在数据层面而非模型层面识别和减少偏见,适用于交叉人群和多种公平性度量 | NA | 通过数据中心的收集或重新标记来区分和减轻医疗算法中的偏见 | 医疗数据集,包括胸部X光片、医疗成本利用数据和全国健康与营养调查数据 | 机器学习 | NA | 学习曲线近似,深度学习 | 全连接网络,CNN(如ResNet-50),Transformer(如VIT-B-16),LightGBM | 图像,结构化数据 | 涉及多个数据集,具体样本量未在摘要中明确说明 |