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 | 2025-07-12 |
Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review
2025-Jun, Evidence-based dentistry
DOI:10.1038/s41432-025-01134-7
PMID:40114013
|
系统性综述 | 本文系统性综述了使用深度卷积神经网络(DCNN)通过咬翼片X光片早期检测邻面龋齿的研究 | 突出了YOLOv8在检测邻面龋齿方面相较于其他深度CNN模型的优势 | 纳入的研究中仅有40%在参考标准领域具有低偏倚风险 | 评估深度卷积神经网络在咬翼片X光片中检测邻面龋齿的准确性和应用效果 | 咬翼片X光片中的邻面龋齿 | 数字病理 | 龋齿 | 深度卷积神经网络(DCNN) | CNN, YOLOv8 | 图像 | 样本量从112到3,989名参与者不等 |
442 | 2025-07-12 |
Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques
2025-Jun, Osong public health and research perspectives
IF:2.1Q3
DOI:10.24171/j.phrp.2025.0080
PMID:40501115
|
研究论文 | 比较Holt-Winters统计方法和LSTM深度学习模型在预测沙特阿拉伯季节性流感样疾病(ILI)发病率中的表现 | 首次在中东流行病学模型中整合特定区域的外生变量,并比较统计与深度学习方法的预测性能 | 在发病率波动较大时期存在显著未解释的变异性,Holt-Winters模型表现中等 | 开发和评估流感样疾病(ILI)发病率预测模型 | 沙特阿拉伯2017-2022年的每周ILI病例数据 | 机器学习 | 流感 | 时间序列分析 | Holt-Winters, LSTM | 时间序列数据 | 2017-2022年的每周ILI病例数据 |
443 | 2025-07-12 |
Identification of Hypertrophic Cardiomyopathy on Electrocardiographic Images with Deep Learning
2025-May-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.23.23300490
PMID:38234746
|
research paper | 开发并验证了一种深度学习模型,用于从12导联心电图图像中识别肥厚型心肌病 | 首次利用深度学习模型从心电图图像中检测肥厚型心肌病,且模型在不同图像格式和地点均表现稳健 | 模型在点护理中的应用仍有限,且外部验证数据集中HCM的定义方式不一致 | 提高肥厚型心肌病的诊断率 | 心电图图像 | digital pathology | cardiovascular disease | deep learning | DL | image | 124,553份心电图来自66,987名个体,并在多个外部数据集进行验证 |
444 | 2025-07-12 |
Artificial Intelligence in Biliopancreatic Disorders: Applications in Cross-Sectional Imaging and Endoscopy
2025-Apr-29, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2025.04.011
PMID:40311821
|
综述 | 本文探讨了人工智能在胆胰疾病诊断和管理中的变革潜力 | 利用深度学习和卷积神经网络等尖端技术,AI在胃肠病学领域,尤其是内窥镜手术中取得了显著进展 | 早期研究结果尚需进一步验证,未来方向有待探索 | 总结AI在胆胰疾病中的应用现状,为未来研究方向铺路 | 胆胰疾病 | 数字病理学 | 胆胰疾病 | 深度学习、卷积神经网络 | CNN | 图像 | NA |
445 | 2025-07-12 |
Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis
2025-Apr-11, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.04.006
PMID:40220991
|
meta-analysis | 通过贝叶斯元分析评估机器学习在阻塞性睡眠呼吸暂停(OSA)诊断中的准确性 | 首次使用贝叶斯元分析方法评估基于音频记录的机器学习模型在OSA诊断中的表现,并优化了诊断参数 | 研究仅基于现有文献,未进行新的实验验证 | 评估和优化机器学习在OSA诊断中的准确性 | 阻塞性睡眠呼吸暂停(OSA)患者 | machine learning | 阻塞性睡眠呼吸暂停(OSA) | Bayesian bivariate meta-analysis, meta-regression | deep learning, traditional machine learning | audio recordings | 训练集4,864名参与者,测试集2,370名参与者 |
446 | 2025-07-12 |
Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1526260
PMID:40635689
|
研究论文 | 本研究通过深度学习技术构建了一个可靠的乳腺超声图像良恶性分类模型RcdNet,以提高诊断的准确性和一致性 | 提出了一种创新的深度学习模型RcdNet,结合深度可分离卷积和CBAM注意力模块,增强了识别超声图像中关键病变区域的能力 | 未来工作将集中于将RcdNet整合到实时超声诊断系统中,并探索其在多模态成像工作流程中的潜力 | 构建一个自动化的、高准确率的诊断方法,支持乳腺癌的检测和分类 | 乳腺超声图像 | 数字病理 | 乳腺癌 | 深度学习 | RcdNet(结合深度可分离卷积和CBAM注意力模块) | 图像 | NA |
447 | 2025-07-12 |
Deep learning-based feature selection for detection of autism spectrum disorder
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1594372
PMID:40636395
|
研究论文 | 本研究提出了一种结合深度学习和先进特征选择技术的新方法,用于自闭症谱系障碍(ASD)的检测 | 采用混合模型(SSDAE和MLP)结合优化的Hiking Optimization Algorithm(HOA)进行特征选择,显著提高了ASD检测的准确性 | 研究样本量可能有限,且仅使用了ABIDE I数据集,可能影响模型的泛化能力 | 开发一种更准确且临床适用的ASD检测模型 | 自闭症谱系障碍(ASD)患者 | 机器学习 | 自闭症谱系障碍 | rs-fMRI | SSDAE, MLP | 神经影像数据 | ABIDE I数据集 |
448 | 2025-07-12 |
Fourier convolutional decoder: reconstructing solar flare images via deep learning
2025, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11283-6
PMID:40636402
|
研究论文 | 本文提出了一种名为傅里叶卷积解码器(FCD)的深度学习模型,用于从观测数据中重建太阳耀斑图像 | 开发了一种自定义的过完备自编码器FCD,能够在模拟数据上训练并生成接近真实地面的输出,显著提高了图像重建的速度和准确性 | 在实验性STIX观测数据上的性能相比模拟数据有所下降 | 解决天文学中图像重建过程的复杂性和高计算资源消耗问题 | 太阳耀斑图像 | 计算机视觉 | NA | 深度学习 | 自编码器(FCD) | 图像 | 模拟和观测数据集,具体数量未提及 |
449 | 2025-07-12 |
Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1609765
PMID:40642204
|
research paper | 提出一个结合视觉和声学传感器数据的通用框架,用于增强复杂、高度动态的水下环境中的定位和地图构建,特别关注鱼类养殖 | 结合基于深度学习的单目深度预测和经典FFT方法的稀疏深度先验,实现仅从视觉数据进行网箱内深度预测和UUV的网相对位姿估计 | NA | 增强无人水下航行器(UUV)在复杂水下环境中的定位和地图构建能力 | 无人水下航行器(UUV)和鱼类养殖网箱 | computer vision | NA | 深度学习、Fast Fourier Transform (FFT) | NA | 视觉和声学传感器数据 | 工业规模鱼类养殖场收集的数据集 |
450 | 2025-07-12 |
Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT
2024-Dec-18, ArXiv
PMID:39764397
|
研究论文 | 本文提出了一种基于优化和光谱间结构相似性正则化的图像重建方法,用于有限角度双能锥束CT成像 | 该方法无需X射线光谱测量或配对数据集进行模型训练,实现了准确的图像重建 | 研究仅使用了物理和数字体模进行评估,未涉及真实临床数据 | 促进快速低剂量双能锥束CT的临床应用 | 有限角度双能锥束CT图像重建 | 计算机视觉 | NA | 锥束CT | 优化方法 | CT图像 | 4个物理体模和3个数字体模 |
451 | 2025-07-12 |
The Current Application and Future Potential of Artificial Intelligence in Renal Cancer
2024-11, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2024.07.010
PMID:39029807
|
综述 | 本文综述了人工智能在肾癌评估、管理和预后预测中的应用现状及未来潜力 | 探讨了AI在肾癌研究中的多种应用,包括影像学、组织病理学和预后预测,并展望了AI在未来临床决策中的整合 | 仅基于PubMed数据库的文献进行叙述性综述,可能未涵盖所有相关研究 | 评估人工智能在肾癌领域的应用现状及未来潜力 | 肾癌的评估、管理和预后预测 | 数字病理学 | 肾癌 | 监督/无监督机器学习、深度学习、自然语言处理、神经网络、放射组学、病理组学 | NA | 影像学数据、组织病理学数据 | 72项临床相关且有影响的研究 |
452 | 2025-07-12 |
An Automated Multi-scale Feature Fusion Network for Spine Fracture Segmentation Using Computed Tomography Images
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01091-0
PMID:38622384
|
研究论文 | 本文提出了一种新颖的多尺度特征融合深度学习模型,用于自动化脊柱骨折分割 | 提出了一种包含六个模块的多尺度特征融合深度学习模型,用于改进脊柱骨折的自动分割 | 未提及具体的数据集大小或实验的临床验证范围 | 提高脊柱骨折在CT图像中的自动分割准确性 | 脊柱骨折 | 计算机视觉 | 脊柱骨折 | 深度学习 | 多尺度特征融合网络 | CT图像 | NA |
453 | 2025-07-12 |
Improved Dementia Prediction in Cerebral Small Vessel Disease Using Deep Learning-Derived Diffusion Scalar Maps From T1
2024-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.124.047449
PMID:39145386
|
研究论文 | 本研究开发了一种深度学习模型,用于从T1图像合成扩散张量成像(DTI)衍生的标量图(FA和MD),以提高脑小血管病中痴呆的预测准确性 | 提出了一种快速且可推广的方法,从常规T1图像合成FA/MD图,无需获取耗时的DTI数据,从而提高了痴呆预测的准确性 | 在SCANS数据集上的合成FA图的结构相似性指数较低(>0.80),可能影响预测效果 | 提高脑小血管病中痴呆的预测准确性 | 脑小血管病患者及正常对照 | 数字病理学 | 脑小血管病 | 深度学习、扩散张量成像(DTI) | 深度学习模型 | 医学影像(T1图像、FA/MD图) | 训练集:4998名UK Biobank参与者;外部验证集:SCANS(n=120)、RUN DMC(n=502)、PRESERVE(n=105)、NETWORKS(n=26)及1000名正常对照 |
454 | 2025-07-12 |
Greater benefits of deep learning-based computer-aided detection systems for finding small signals in 3D volumetric medical images
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.045501
PMID:38988989
|
研究论文 | 本研究探讨了基于深度学习的计算机辅助检测系统在3D医学影像中检测小信号的优越性 | 研究发现CNN-CADe系统在3D搜索小信号时比2D搜索带来更大的性能提升,减少了因数据探索不足导致的错误 | 研究仅使用了数字乳腺断层合成(DBT)体模数据,未涉及真实患者数据 | 评估基于CNN的计算机辅助检测系统在3D和2D医学影像搜索中的性能差异 | 数字乳腺断层合成(DBT)体模中的微钙化小信号和大肿块信号 | 计算机视觉 | 乳腺癌 | CNN-based CADe系统 | CNN | 3D/2D医学影像 | 16名非专业观察者 |
455 | 2025-07-12 |
When liver disease diagnosis encounters deep learning: Analysis, challenges, and prospects
2023-Mar, ILIVER..
DOI:10.1016/j.iliver.2023.02.002
PMID:40636411
|
综述 | 本文综述了深度学习在肝脏研究中的应用,分析了数据模态、肝脏主题与应用之间的关系,并总结了相关深度学习方法 | 利用Sankey图展示了数据模态、肝脏主题与应用之间的关系,总结了深度学习在肝脏研究中的方法和趋势 | 仅基于过去5年的139篇论文进行分析,可能未涵盖所有相关研究 | 探讨深度学习在肝脏疾病诊断和治疗中的应用 | 肝脏疾病 | 数字病理学 | 肝脏疾病 | 深度学习 | NA | 多模态数据 | 139篇论文 |
456 | 2025-07-12 |
Application of biological big data and radiomics in hepatocellular carcinoma
2023-Mar, ILIVER..
DOI:10.1016/j.iliver.2023.01.003
PMID:40636408
|
综述 | 本文综述了生物大数据和放射组学在肝细胞癌(HCC)中的研究进展 | 结合生物大数据和放射组学为HCC的诊断、预后和治疗提供了新方法和新思路 | NA | 探讨生物大数据和放射组学在HCC中的应用 | 肝细胞癌(HCC) | 数字病理学 | 肝癌 | 组学技术(基因组学、转录组学、蛋白质组学)、液体活检、机器学习算法、深度学习算法 | NA | 生物大数据、影像数据(超声、CT、MRI) | NA |
457 | 2025-07-12 |
Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation
2022-08-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000001969
PMID:35384918
|
research paper | 使用机器学习模型预测脊髓刺激(SCS)后阿片类药物剂量成功减少或稳定的可能性 | 首次提出基于机器学习的模型来预测SCS后阿片类药物使用的减少或稳定,并比较了深度学习与逻辑回归的性能 | 研究依赖于IBM MarketScan数据库,可能无法涵盖所有相关变量 | 预测SCS后阿片类药物使用的减少或稳定,以辅助患者和外科医生的决策 | 接受SCS治疗的患者 | machine learning | NA | machine learning, deep neural networks, logistic regression | DNN, LR | 医疗记录数据 | 7022名患者 |
458 | 2025-07-12 |
Advances in artificial intelligence techniques drive the application of radiomics in the clinical research of hepatocellular carcinoma
2022-Mar, ILIVER..
DOI:10.1016/j.iliver.2022.02.005
PMID:40636134
|
综述 | 本文综述了人工智能技术在肝细胞癌(HCC)临床研究中推动放射组学应用的最新进展 | 结合人工智能技术,放射组学为HCC管理提供了新的视角,揭示了医学影像大数据中的像素级放射学信息,并将放射学表型与目标临床问题相关联 | 传统的放射组学流程依赖于手工设计的工程特征,而基于深度学习的放射组学流程虽然补充了通过自学习策略计算的深度特征,但仍存在一定局限性 | 探讨人工智能技术在肝细胞癌(HCC)临床研究中推动放射组学应用的最新进展 | 肝细胞癌(HCC)的临床研究 | 数字病理学 | 肝癌 | 放射组学 | 深度学习 | 医学影像 | NA |
459 | 2025-07-12 |
A combined microfluidic deep learning approach for lung cancer cell high throughput screening toward automatic cancer screening applications
2021-05-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-89352-8
PMID:33963232
|
研究论文 | 本研究结合微流控技术和深度学习算法,开发了一种用于肺癌细胞高通量筛选的计算机辅助诊断系统 | 提出了一种结合微流控技术和深度学习的工作流程,用于肺癌细胞系的自动分类,实现了高准确率的癌细胞与正常细胞的区分 | 研究仅针对实验室培养的细胞系进行测试,未涉及临床样本 | 开发可靠的计算机辅助诊断系统,用于肺癌细胞的早期检测和分类 | 五种非小细胞肺癌细胞系(P-C9、SK-LU-1、H-1975、A-427、A-549)和正常细胞系(16-HBE) | 数字病理学 | 肺癌 | 微流控技术、荧光显微镜成像 | ResNet18(CNN) | 图像 | 六种细胞系的图像数据(五种癌细胞系和一种正常细胞系) |
460 | 2025-07-11 |
ICD code mapping model based on clinical text tree structure
2025-Sep, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103163
PMID:40446588
|
研究论文 | 提出了一种基于临床文本树结构的ICD编码模型TRIC,用于解决电子病历的ICD编码问题 | 结合了选区树模型和transformer模型提取临床记录的结构与特征,并使用Tree-lstm模型丰富特征,同时利用bioBERT预训练模型突出关键ICD编码的作用 | 未提及模型在非英语临床记录上的适用性以及计算资源需求 | 提高电子病历ICD自动编码的质量和效率 | 非结构化的临床记录 | 自然语言处理 | NA | 深度学习 | Tree-lstm, transformer, bioBERT | 文本 | MIMIC-III全数据集和样本数据集 |