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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4501 | 2025-03-14 |
Automated deep learning-based assessment of tumour-infiltrating lymphocyte density determines prognosis in colorectal cancer
2025-Mar-10, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06254-3
PMID:40065354
|
研究论文 | 本文开发了一种基于深度神经网络的自动化方法,用于评估结直肠癌H&E切片中的肿瘤浸润淋巴细胞(TILs)密度,以确定患者的预后 | 首次展示了完全自动化的iTIL评估系统,能够在多个独立患者队列中泛化应用,用于结直肠癌患者的风险分层 | NA | 研究目的是通过自动化评估肿瘤浸润淋巴细胞(TILs)密度来预测结直肠癌患者的预后 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度神经网络 | 深度神经网络 | 图像 | 发现队列353例,验证队列1070例和885例 |
4502 | 2025-03-14 |
Precise engineering of gene expression by editing plasticity
2025-Mar-10, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03516-7
PMID:40065399
|
研究论文 | 本文通过深度学习模型预测和利用转录顺式调控元件(CREs),精确调控基因表达,并提出了'编辑可塑性'的新概念,用于评估启动子编辑改变基因表达的潜力 | 提出了'编辑可塑性'的新概念,并通过深度学习模型预测和验证CREs,实现了对基因表达的精确调控 | 研究主要集中在作物上,未涉及其他生物体 | 通过精确调控基因表达,改进作物性状 | 作物中的转录顺式调控元件(CREs) | 机器学习 | NA | UMI-STARR-seq | 深度学习模型 | 序列数据 | 12,000个合成序列 |
4503 | 2025-03-14 |
A CT-based interpretable deep learning signature for predicting PD-L1 expression in bladder cancer: a two-center study
2025-Mar-10, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00849-1
PMID:40065444
|
研究论文 | 本研究构建并评估了一种基于CT影像的深度学习签名,用于预测膀胱癌患者中程序性细胞死亡配体1的表达状态 | 使用卷积神经网络和放射组学机器学习技术生成预测模型,并通过Shapley加性解释技术解释深度学习签名的内部预测过程 | 研究为回顾性研究,样本量相对较小(190例患者),且仅来自两个医院 | 预测膀胱癌患者中程序性细胞死亡配体1的表达状态 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | CT成像 | 卷积神经网络(CNN) | CT影像 | 190例患者(训练集127例,外部验证集63例) |
4504 | 2025-03-14 |
Development of a deep learning-based model for guiding a dissection during robotic breast surgery
2025-Mar-10, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-025-01981-3
PMID:40065440
|
研究论文 | 本文开发了一种基于深度学习的模型,用于指导机器人乳房手术中的解剖平面 | 首次开发了用于机器人乳房手术的深度学习模型,以指导初学者和受训者的解剖平面 | 研究仅基于10个手术视频,样本量较小 | 开发一种深度学习模型,用于指导机器人乳房切除术中的解剖平面 | 机器人乳房切除术的手术视频 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 视频 | 10个手术视频,共8834张图像 |
4505 | 2025-03-14 |
Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology
2025-Mar-10, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2025.40.e20
PMID:40065710
|
研究论文 | 本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的效果,旨在提高痴呆诊断的准确性 | 通过深度学习技术分析MMSE单独使用与结合其他认知测试的效果,发现结合多种认知评估能显著提高诊断精度,特别是在年轻和受教育程度较高的人群中 | 研究仅基于主观认知抱怨的参与者,可能不适用于所有人群 | 提高痴呆诊断的准确性 | 2863名有主观认知抱怨的参与者 | 机器学习 | 老年疾病 | 随机森林模型 | 随机森林 | 认知评估数据 | 2863名参与者 |
4506 | 2025-03-14 |
TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore
2025-Mar-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00609
PMID:39915959
|
研究论文 | 本文介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程,专为timsTOF仪器的DDA-PASEF数据优化 | 结合了新的timsTOF MSPIP光谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep,并直接接受Bruker原始质谱数据和多种搜索引擎的搜索结果 | 未明确提及具体局限性 | 提高质谱分析中蛋白质鉴定的准确性和效率,以更好地理解人类生物学、发现疾病生物标志物、识别治疗靶点和探索病原体相互作用 | 血浆蛋白质组学、免疫肽组学(HLA I类和II类)和宏蛋白质组学数据集 | 质谱分析 | NA | 质谱分析(MS)、离子迁移率、并行积累和串行碎片化(PASEF) | 深度学习模型 | 质谱数据 | 未明确提及具体样本数量 |
4507 | 2025-03-14 |
EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs
2025-Mar-06, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.141538
PMID:40043997
|
研究论文 | 本文提出了一种名为EVlncRNA-net的双通道深度学习框架,用于准确预测实验验证的长非编码RNA(lncRNA) | EVlncRNA-net结合了图卷积网络(GCN)和卷积神经网络(CNN)两种表示学习模块,通过创新的图构建方法和节点编码技术,将lncRNA序列转化为图形格式并进行处理,从而实现了对lncRNA序列的鲁棒特征表示 | 实验验证的成本较高,限制了验证的lncRNA数量 | 开发预测工具以优先考虑潜在功能性的lncRNA进行低通量验证 | 人类、小鼠和植物的lncRNA | 自然语言处理 | NA | 高通量RNA测序(HTlncRNAs) | GCN, CNN | 序列数据 | NA |
4508 | 2025-03-14 |
Artificial intelligence in clinical genetics
2025-Mar, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-024-01782-w
PMID:39806188
|
review | 本文综述了人工智能在临床遗传学中的应用,包括临床诊断、管理和治疗、临床支持等方面 | 探讨了人工智能在临床遗传学中的新兴应用,并对未来短期、中期和长期的影响进行了预测 | 人工智能在临床遗传学中的具体发展速度及其对患者、家庭、临床医生和研究人员的整体影响尚不明确 | 探讨人工智能在临床遗传学中的应用及其未来影响 | 临床遗传学领域 | machine learning | NA | machine learning, deep learning, generative AI | NA | NA | NA |
4509 | 2025-03-14 |
The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers
2025-Mar-01, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00767-0
PMID:40025245
|
研究论文 | 本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因变异之间的关系,以及可能的突变事件序列 | 揭示了胶质母细胞瘤突变产生的独特影像特征,并发现肿瘤位置和空间分布与基因谱相关,提供了非侵入性肿瘤分析和个性化治疗的潜在途径 | 研究为回顾性分析,样本量有限,且仅针对IDH野生型胶质母细胞瘤 | 研究胶质母细胞瘤的影像特征、空间模式与基因变异之间的关系,以改善患者管理和治疗结果 | 357例IDH野生型胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | 多参数MRI和靶向基因测序 | 机器学习和深度学习模型 | 影像和基因数据 | 357例IDH野生型胶质母细胞瘤患者 |
4510 | 2025-03-14 |
GestaltGAN: synthetic photorealistic portraits of individuals with rare genetic disorders
2025-Mar, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-025-01787-z
PMID:39815041
|
研究论文 | 本文探讨了使用生成神经网络合成罕见遗传疾病患者真实感肖像的可能性,并提出了生成特定疾病平均患者肖像的技术 | 修改了StyleGAN架构,训练其生成多种疾病的人工条件特定肖像,并引入了一种生成清晰详细平均患者肖像的技术 | 训练数据中低质量和黑白图像的分辨率提升可能影响生成肖像的质量 | 探索生成神经网络在合成罕见遗传疾病患者真实感肖像中的应用 | 罕见遗传疾病患者的面部特征 | 计算机视觉 | 遗传疾病 | 生成对抗网络(GAN) | StyleGAN | 图像 | 来自GestaltMatcher数据库的20种最常见疾病的图像数据,以及63位人类专家的测试 |
4511 | 2025-03-14 |
Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives
2025-Feb-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c01257
PMID:39916476
|
评论 | 本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景 | 文章强调了人工智能,特别是机器学习和深度学习,在加速药物发现过程中的创新应用,包括生成式AI用于数据合成 | 文章指出了人工智能在天然产物药物发现中的局限性,并探讨了未来的研究方向 | 研究目的是探讨人工智能如何加速天然产物药物发现,并分析其在这一领域的应用前景 | 研究对象是天然产物及其在药物发现中的应用 | 机器学习 | NA | 机器学习(ML)、深度学习(DL) | NA | 生物数据 | NA |
4512 | 2025-03-14 |
Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data
2025-Feb-19, ArXiv
PMID:40034133
|
研究论文 | 本文提出了一种新的MRI重建框架RNST,通过神经风格迁移(NST)引擎与去噪器结合,实现在数据有限情况下的磁场转移重建 | RNST框架结合了神经风格迁移和去噪技术,能够在不需要配对训练数据的情况下,从低场输入生成高质量图像,解决了数据有限环境下的重建问题 | 尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性,但在临床环境中,精确的参考匹配不可用时,其适用性可能受到限制 | 研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法 | 研究对象是MRI图像,特别是低场输入下的图像重建 | 计算机视觉 | NA | 神经风格迁移(NST) | NA | 图像 | NA |
4513 | 2025-03-14 |
PhysioEx: a new Python library for explainable sleep staging through deep learning
2025-Feb-10, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adaf73
PMID:39874654
|
研究论文 | 本文介绍了一个名为PhysioEx的Python库,旨在通过深度学习和可解释AI支持睡眠分期分析 | PhysioEx提供了一个可扩展和模块化的API,用于标准化和自动化睡眠分期流程,并支持低资源设备和高性能计算集群 | 未明确提及具体局限性 | 开发一个标准化的平台,结合深度学习和可解释AI进行睡眠分期分析 | 睡眠分期 | 机器学习 | 睡眠障碍 | 深度学习(DL)和可解释AI(XAI) | 预训练模型 | 单通道EEG和多通道EEG-EOG-EMG配置 | 基于Sleep Heart Health Study数据集的预训练模型 |
4514 | 2025-03-14 |
Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels
2025-Feb-06, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07122-4
PMID:39912940
|
研究论文 | 本研究提出并验证了一种基于3D扩散概率模型的全身PET图像去噪方法,该方法在多种扫描仪、示踪剂和剂量水平下表现出色 | 提出了3D Denoising Diffusion Probabilistic Model (3D DDPM)作为全身PET图像去噪的通用解决方案,相比传统方法在多样化的PET协议下表现更优 | NA | 提高全身PET图像的质量,解决传统深度学习方法在处理多样化PET协议时的不足 | 全身PET图像 | 计算机视觉 | 癌症 | 3D Denoising Diffusion Probabilistic Model (3D DDPM) | 3D DDPM | 图像 | 来自四种扫描仪、四种示踪剂类型和六种剂量水平的数据集 |
4515 | 2025-03-14 |
Performance and clinical implications of machine learning models for detecting cervical ossification of the posterior longitudinal ligament: a systematic review
2025-Feb, Asian spine journal
IF:2.3Q2
DOI:10.31616/asj.2024.0452
PMID:39829182
|
系统综述 | 本文系统评估了机器学习和深度学习模型在检测颈椎后纵韧带骨化症(OPLL)中的诊断性能和临床意义 | 首次系统综述了机器学习和深度学习模型在OPLL检测中的应用,并分析了其诊断性能和临床意义 | 研究存在中等程度的偏倚风险,主要与参与者选择和缺失数据有关 | 评估机器学习和深度学习模型在OPLL检测中的诊断性能和临床意义 | 颈椎后纵韧带骨化症(OPLL)患者 | 医学影像分析 | 颈椎后纵韧带骨化症 | 机器学习和深度学习 | 卷积神经网络(CNN)和随机森林模型 | 影像数据 | 6,031名患者 |
4516 | 2025-03-14 |
Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture
2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India
DOI:10.1007/s12070-024-05202-9
PMID:40070749
|
研究论文 | 本研究提出了一种利用ResNet-50 CNN架构对喉部图像进行二分类的新方法,旨在通过分析内窥镜图像来早期检测喉癌 | 使用ResNet-50 CNN架构对喉部图像进行二分类,结合深度学习和图像处理技术,提高了喉癌早期检测的准确性 | 由于数据稀缺,研究将数据分为癌症和非癌症两类,未能涵盖所有九种形态类别 | 早期检测和分类喉癌 | 喉部内窥镜图像 | 计算机视觉 | 喉癌 | 深度学习,图像处理 | ResNet-50 CNN | 图像 | 1978张内窥镜图像,来自960名患者 |
4517 | 2025-03-14 |
ECG signal generation using feature disentanglement auto-encoder
2025-Jan-30, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adab4f
PMID:39820006
|
研究论文 | 本文提出了一种新的特征解缠自编码器(FDAE),用于生成心电图(ECG)信号,特别是针对稀有类别的心电图数据 | FDAE通过将潜在空间划分为三个不同的表示来捕捉各种生成因素,使用对比损失函数提高特征解缠能力,并结合额外的分类器和判别器来增强表示学习和信号合成的真实性 | NA | 解决深度学习在心电图信号研究中稀有类别数据不足的问题 | 心电图(ECG)信号 | 机器学习 | 心血管疾病 | 对比学习框架 | 自编码器(FDAE) | 心电图信号 | MIT-BIH心律失常数据库和Icentia11K数据集 |
4518 | 2025-03-14 |
A systematic review of automated prediction of sudden cardiac death using ECG signals
2025-Jan-23, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad9ce5
PMID:39657316
|
系统综述 | 本文综述了2011年至2023年间使用ECG信号自动预测心脏性猝死(SCD)的研究进展 | 本文综合分析了多种机器学习和深度学习算法在SCD预测中的应用,并指出了当前研究的局限性和未来研究方向 | 大多数预测模型依赖于小规模数据库,限制了其在现实世界中的适用性,且主要使用ECG和HRV信号,忽略了其他生理信号的潜在贡献 | 探讨自动化预测心脏性猝死(SCD)的方法和技术 | 心脏性猝死(SCD)患者 | 机器学习 | 心血管疾病 | ECG信号分析,HRV信号分析 | K近邻,支持向量机,决策树,随机森林,朴素贝叶斯,卷积神经网络 | ECG信号,HRV信号 | 使用MIT-BIH SCD Holter和Normal Sinus Rhythm等公开数据库中的24小时记录数据 |
4519 | 2025-03-14 |
Mitochondrial segmentation and function prediction in live-cell images with deep learning
2025-Jan-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-55825-x
PMID:39820041
|
研究论文 | 本文介绍了一种名为MoDL的深度学习算法,用于线粒体图像分割和功能预测 | MoDL算法通过集成学习策略,利用超过10万张超分辨率图像和生化测定数据,能够精确预测未知细胞类型中线粒体的功能 | NA | 研究线粒体形态与功能之间的关系,并开发一种能够预测线粒体功能的深度学习算法 | 线粒体 | 计算机视觉 | NA | 深度学习 | 集成学习 | 图像 | 20,000个手动标记的线粒体和超过100,000张超分辨率图像 |
4520 | 2025-03-14 |
AI-enhanced PET/CT image synthesis using CycleGAN for improved ovarian cancer imaging
2025, Polish journal of radiology
IF:0.9Q4
DOI:10.5114/pjr/196804
PMID:40070416
|
研究论文 | 本研究利用CycleGAN进行PET图像的衰减校正,旨在提高卵巢癌成像的质量 | 使用生成对抗网络(GANs)进行PET图像衰减校正,避免了额外的CT成像 | 需要进一步优化和临床验证以实现全面的临床应用 | 提高卵巢癌成像的质量,减少辐射暴露 | 55名卵巢癌患者的PET/CT数据 | 计算机视觉 | 卵巢癌 | 生成对抗网络(GANs) | CycleGAN | 图像 | 55名卵巢癌患者的PET/CT数据 |