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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
441 | 2025-09-11 |
Development and Validation of a Semiautomated Tool for Measuring Periorbital Distances
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100887
PMID:40917265
|
研究论文 | 开发并验证了一种基于FIJI的半自动化工具OrbitJ,用于测量眼眶周围距离,并与人工测量及两种AI工具进行比较 | 提出了一种结合用户交互与数学拟合的半自动化测量方法,在保证精度的同时显著提升效率 | 样本仅包含45例唇腭裂综合征患者,且PeriOrbitAI工具在部分图像上失败 | 验证半自动化眼眶周围测量工具的可重复性和效率 | 45名唇腭裂综合征患者的正面面部照片 | 数字病理 | 唇腭裂综合征 | 图像处理、线性插值、四次多项式拟合 | NA | 图像 | 45张患者照片 |
442 | 2025-09-11 |
MRI-based diffusion weighted imaging and diffusion kurtosis imaging grading of clear cell renal cell carcinoma using a deep learning classifier
2025-Nov, Oncology letters
IF:2.5Q3
DOI:10.3892/ol.2025.15246
PMID:40917726
|
研究论文 | 本研究开发了一种基于MRI扩散加权成像和扩散峰度成像的深度学习模型,用于术前预测透明细胞肾细胞癌的病理分级 | 首次结合DWI和DKI序列图像,采用VGG-16深度学习架构构建非侵入性算法进行肾癌分级预测 | 样本量较小(仅79例患者),需要更大规模数据验证模型泛化能力 | 验证MRI深度学习模型在术前预测透明细胞肾细胞癌病理分级的有效性 | 79例透明细胞肾细胞癌患者(40例低级别,39例高级别) | 数字病理 | 肾癌 | MRI,扩散加权成像(DWI),扩散峰度成像(DKI) | VGG-16 | 医学影像 | 79例患者(40例低级别,39例高级别ccRCC) |
443 | 2025-09-11 |
Artificial Intelligence in Liver Pathology: Precision Histology for Accurate Diagnoses
2025 Nov-Dec, Journal of clinical and experimental hepatology
IF:3.3Q2
DOI:10.1016/j.jceh.2025.103145
PMID:40927758
|
综述 | 本文综述了人工智能在肝脏病理学中的应用,特别是其在精准组织学诊断中的作用 | 探讨AI如何通过全玻片成像和数字病理学减少重复性任务负担、预测结果并降低病理学家间差异 | NA | 概述人工智能在肝脏病理学和精准组织学中的基本原理、应用及挑战 | 肝脏组织学数据及AI在病理诊断中的应用 | 数字病理 | 肝脏疾病 | 机器学习、深度学习 | NA | 图像 | NA |
444 | 2025-09-11 |
Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images
2025-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11525-0
PMID:40185924
|
研究论文 | 开发一种自动化方法,用于联合评估肺气肿和死亡风险,并量化数据和模型不确定性 | 提出多任务贝叶斯神经网络,能够跨不同辐射剂量CT协议一致评估肺气肿和死亡风险,并提供不确定性量化 | 研究仅基于COPDGene研究队列,需要进一步验证在其他人群中的泛化能力 | 开发对CT协议变化具有鲁棒性的肺气肿定量评估和死亡风险预测方法 | COPDGene研究参与者,接受全剂量和降低剂量胸部CT扫描 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部CT扫描,贝叶斯神经网络 | 多任务BNN(贝叶斯神经网络) | CT影像 | 1350名参与者(平均年龄64.4岁,659名女性) |
445 | 2025-09-11 |
Preoperative prediction of malignant transformation in sinonasal inverted papilloma: a novel MRI-based deep learning approach
2025-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11655-5
PMID:40355636
|
研究论文 | 开发基于MRI和多中心大样本数据的深度学习模型,用于术前区分鼻腔鼻窦内翻性乳头状瘤(SIP)与其恶变的鳞状细胞癌(SIP-SCC) | 首次利用多中心大样本MRI数据,结合注意力机制构建深度学习模型,实现SIP恶变的非侵入性术前预测 | 模型性能虽优但外部验证队列AUC略低(0.859),需进一步扩大样本量和多中心验证 | 提升鼻腔鼻窦内翻性乳头状瘤恶变的术前诊断准确性 | 568例经病理确诊的SIP(421例)和SIP-SCC(147例)患者 | 医学影像分析 | 鼻腔鼻窦肿瘤 | MRI(T1WI、T2WI、CE-T1WI序列) | 深度学习(含注意力机制) | 医学影像 | 568例患者(来自4个中心) |
446 | 2025-09-11 |
Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach
2025-Oct, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.70020
PMID:40619593
|
研究论文 | 本研究开发了一种基于AI的实时深度学习软件AI-SPS,用于髋关节超声中的标准平面检测,以辅助发育性髋关节发育不良(DDH)的诊断 | 提出首个实时深度学习方法来检测髋关节超声中的标准平面,减少操作者依赖性并提高DDH筛查的一致性 | 研究基于有限样本量(45个临床超声视频),需要进一步验证在更广泛人群中的适用性 | 开发AI辅助工具以提高DDH超声筛查的准确性和标准化程度 | 发育性髋关节发育不良(DDH)患者的髋关节超声图像 | 计算机视觉 | 儿科骨科疾病 | 超声成像,深度学习目标检测 | SSD-MobileNet V2, YOLOv11n | 超声视频帧图像 | 训练集2,737帧图像(来自45个视频),独立验证集934帧图像 |
447 | 2025-09-11 |
Learning homeomorphic image registration via conformal-invariant hyperelastic regularisation
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103712
PMID:40680568
|
研究论文 | 提出一种通过保形不变超弹性正则化学习同胚图像配准的新框架 | 引入基于非线性弹性设置中保形不变性质的新型正则化器,严格保证拓扑保持特性 | NA | 解决医学图像分析中的可变形图像配准问题,确保解剖结构保持 | 医学图像 | 计算机视觉 | NA | 深度学习,坐标MLPs | MLP | 图像 | NA |
448 | 2025-09-11 |
Developing a multivariable deep learning model to predict psychiatric illness in patients with epilepsy
2025-Oct, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110596
PMID:40700773
|
研究论文 | 开发基于神经网络的模型,利用临床和人口统计学数据预测癫痫患者的精神疾病风险 | 首次使用keras和neuralnet框架构建多变量深度学习模型,结合SHAP值进行特征重要性分析,实现对癫痫患者精神疾病的高精度预测 | 基于回顾性数据,可能存在选择偏倚;未说明模型在外部验证集上的表现 | 预测癫痫患者发生精神疾病的风险,实现早期干预 | 癫痫患者 | 机器学习 | 癫痫 | 神经网络建模,SHAP分析 | 神经网络 | 临床和人口统计学数据 | 2,258名癫痫患者(2013-2023年数据) |
449 | 2025-09-11 |
A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates
2025-Oct, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2025.110579
PMID:40803139
|
研究论文 | 开发一种基于多模态深度学习的AI模型,利用基线MRI和临床数据预测前列腺癌根治术后的生化复发 | 首次结合定量影像特征与临床协变量构建自动化多模态深度学习模型,并在中危患者群体中显著优于传统CAPRA-S评分标准 | 研究样本量有限(n=311),且为单中心回顾性研究,需要外部验证 | 预测前列腺癌患者根治术后的生化复发风险 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理 | 前列腺癌 | MRI影像分析、深度学习 | 多模态深度学习模型 | 医学影像(MRI)、临床数据 | 311例前列腺癌患者 |
450 | 2025-09-11 |
Explainable deep learning framework for brain tumor detection: Integrating LIME, Grad-CAM, and SHAP for enhanced accuracy
2025-Oct, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104405
PMID:40925692
|
研究论文 | 提出一种集成LIME、Grad-CAM和SHAP的可解释深度学习框架,用于脑肿瘤检测并提升模型准确率 | 结合多种可解释AI技术(LIME、Grad-CAM、SHAP)进行两阶段训练,通过解释性掩码增强数据集,显著提高模型性能 | NA | 提升深度学习模型在脑肿瘤检测中的可解释性和训练性能 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 可解释人工智能(XAI) | CNN | 图像 | 基于BRATS2019和BR35H数据集(具体样本数未明确说明) |
451 | 2025-09-11 |
Research on error classification in gamma analysis on the basis of dosimetric feature engineering and deep learning
2025-Sep-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae0131
PMID:40889516
|
研究论文 | 本研究结合剂量学特征工程与深度学习模型,提出一种具有错误分类能力的伽马通过率预测方法,用于放射治疗中的质量保证 | 通过剂量学特征工程将静态射野分割为五个不同区域,并基于GAN模型实现剂量预测与错误分类的集成方法 | 样本量较小(仅26个临床病例),且区域分类的AUC值相对较低(0.50-0.69) | 提高放射治疗中伽马分析的错误原因识别能力,增强临床实施效果 | 放射治疗计划中的静态射野剂量分布 | 医疗影像分析 | 肿瘤放射治疗 | 剂量学特征工程,伽马分析 | GAN | 剂量分布数据 | 26个临床病例(6例训练,20例测试),包含1,515个静态射野 |
452 | 2025-09-11 |
How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics
2025-Sep-10, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.70103
PMID:40926588
|
综述 | 探讨人工智能和数据科学在提升大流行病应对能力中的潜力与挑战 | 系统性地识别了AI在10个关键领域增强大流行病防范、响应和恢复的具体应用方向 | 实施AI面临伦理和治理挑战,包括隐私、公平性和问责制问题 | 分析AI和数据科学如何改进大流行病的预警、建模和干预策略 | 大流行病管理系统和应急响应数据 | 数据科学 | 传染病 | 机器学习和深度学习 | 基于AI的流行病学模型 | 实时数据和监测数据 | NA |
453 | 2025-09-11 |
A robust deep learning-driven framework for detecting Parkinson's disease using EEG
2025-Sep-10, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2556310
PMID:40927820
|
研究论文 | 提出一种基于深度学习的框架,利用EEG信号检测帕金森病 | 结合通道注意力模块、小波散射变换和GAN数据增强,并设计CNN-Transformer混合模型实现高精度分类 | NA | 帕金森病的早期准确诊断 | 帕金森病患者和健康对照组的EEG信号 | 机器学习 | 帕金森病 | EEG信号处理、小波散射变换 | GAN、CNN、Transformer | EEG信号及时频图图像 | NA |
454 | 2025-09-11 |
Editorial for "Development of an MRI-Based Comprehensive Model Fusing Clinical, Habitat Radiomics, and Deep Learning Models for Preoperative Identification of Tumor Deposits in Rectal Cancer"
2025-Sep-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70076
PMID:40927976
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
455 | 2025-09-11 |
Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients"
2025-Sep-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70114
PMID:40928233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
456 | 2025-09-11 |
Metagenomic research on the structural difference of plaque microbiome from different caries stages and the construction of a caries diagnostic model
2025-Sep-10, mSystems
IF:5.0Q1
DOI:10.1128/msystems.00044-25
PMID:40928220
|
研究论文 | 本研究通过宏基因组学分析不同龋齿阶段的牙菌斑微生物结构差异,并构建深度学习诊断模型 | 首次高分辨率揭示不同龋齿发展阶段(健康、相对健康、釉质龋、牙本质龋)的微生物群落差异,并建立准确率超过98%的深度学习诊断模型 | 样本量较小(30名儿童),且未说明模型的外部验证情况 | 探究龋齿不同发展阶段的微生物群落差异,并开发基于微生物的龋齿诊断方法 | 儿童牙菌斑样本(包括健康个体和龋齿活跃患者) | 生物信息学 | 口腔疾病 | 2bRAD测序技术 | 神经网络 | 宏基因组测序数据 | 30名儿童(15名健康,15名龋齿活跃),共60个牙菌斑样本 |
457 | 2025-09-11 |
An Explainable Deep Learning Model for Focal Liver Lesion Diagnosis Using Multiparametric MRI
2025-Sep-10, Radiology. Artificial intelligence
DOI:10.1148/ryai.240531
PMID:40928343
|
研究论文 | 开发并验证一种基于多参数MRI的可解释深度学习模型,用于提高局灶性肝病变的诊断准确性和效率 | 结合nnU-Net分割和LIFT分类模型,首次实现端到端的可解释DL诊断系统,并显著提升初级放射科医生的表现 | 模型性能虽经多中心验证,但前瞻性数据时间范围较短(2024年1月至4月),且样本来源可能存在选择偏倚 | 评估可解释深度学习模型在局灶性肝病变分类中的诊断价值及对放射科医生的辅助效果 | 局灶性肝病变(FLLs)患者 | 计算机视觉 | 肝脏疾病 | 多参数MRI(mpMRI) | nnU-Net, LIFT (Liver Imaging Feature Transformer) | 医学影像(MRI) | 2131名患者(平均年龄56±12岁,1476名女性),包含训练集、内部测试集、外部测试集和前瞻性测试集 |
458 | 2025-09-11 |
Clinical evaluation of motion robust reconstruction using deep learning in lung CT
2025-Sep-10, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01633-y
PMID:40928606
|
研究论文 | 本研究通过定量和视觉评估,评价了基于深度学习的运动校正重建方法CLEAR Motion在肺部CT中的临床效果 | 首次对新型深度学习运动校正重建技术CLEAR Motion进行系统性临床定量评估,并分析其在不同肺野区域和患者特征下的效果差异 | 样本量相对有限(129例),且未说明患者人群的具体分布特征 | 定量评估深度学习运动校正重建方法在减少肺部CT运动伪影方面的临床实用性 | 129例肺部CT扫描及对应患者的临床数据(心率、身高、体重、BMI) | 医学影像分析 | 肺部疾病 | 深度学习重建,运动校正技术 | 深度学习(具体架构未说明) | CT影像 | 129例肺部CT扫描 |
459 | 2025-09-11 |
Oral bioavailability property prediction based on task similarity transfer learning
2025-Sep-10, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11345-w
PMID:40928678
|
研究论文 | 提出一种基于任务相似性迁移学习的框架TS-GTL,用于预测药物口服生物利用度 | 结合物理化学性质与图深度学习,引入任务相似性度量MoTSE,并利用预训练logD数据提升迁移学习效果 | 存在数据依赖性问题,尤其在数据稀缺场景下 | 优化药物候选物并提高临床成功率,通过AI预测ADMET属性 | 药物分子 | 机器学习 | NA | 图神经网络(GNN)、Transformer编码器 | PGnT (pKa Graph-based Knowledge-driven Transformer) | 分子图数据、物理化学属性数据 | NA |
460 | 2025-09-11 |
Incorporating respiratory signals for machine learning-based multimodal sleep stage classification: a large-scale benchmark study with actigraphy and heart rate variability
2025-Sep-09, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf091
PMID:40219765
|
研究论文 | 本研究通过结合活动记录、心率变异性和呼吸信号,利用机器学习方法进行大规模睡眠阶段分类 | 首次在大规模研究中系统评估呼吸信号对睡眠阶段分类的改善效果,并比较了ECG衍生呼吸特征与传统呼吸带数据的性能 | 研究基于公开数据集,可能无法完全代表所有人群特征 | 开发基于多模态信号的睡眠监测算法,实现家庭环境下的可靠睡眠阶段分类 | 睡眠数据记录(超过1000条记录) | 机器学习 | 睡眠障碍 | 机器学习和深度学习算法 | LSTM | 多模态时间序列数据(活动记录、心率变异性、呼吸信号) | 超过1000条睡眠记录 |