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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
481 | 2025-05-18 |
Postural Analysis in Ventral and Dorsal Decubitus Babies Using Deep Learning Techniques: A Protocol Study
2025-Apr-30, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093096
PMID:40364127
|
研究论文 | 使用深度学习技术分析0至6个月大婴儿在俯卧和仰卧姿势中的体位,以确定客观的体位评估参数 | 首次将人工智能技术应用于婴儿体位分析,以客观评估体位控制并检测可能的发育延迟 | 研究为观察性和横断面研究,可能无法全面反映婴儿体位发育的长期变化 | 分析婴儿体位以优化早期运动或体位发育延迟的检测和治疗 | 0至6个月大的婴儿 | 数字病理学 | NA | 深度学习 | NA | 图像 | 未明确说明样本数量,研究对象为0至6个月大的婴儿 |
482 | 2025-05-18 |
Non-Invasive Jaundice Screening Using AI: Machine Learning Analysis of Sclera and Urine Images
2025-Apr-30, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093125
PMID:40364159
|
research paper | 该研究开发了一种基于AI的非侵入性黄疸筛查方法,通过分析巩膜和尿液图像来预测黄疸,并与标准血液检测的准确性进行比较 | 利用巩膜和尿液图像结合AI技术进行非侵入性黄疸筛查,避免了传统血液检测的侵入性 | 样本量较小(57名肝病患者和31名对照),且为回顾性研究 | 开发一种非侵入性的黄疸筛查方法,提高黄疸诊断的便捷性和准确性 | 肝病患者和健康对照者的巩膜和尿液图像 | digital pathology | liver disease | machine learning and deep learning | Decision Tree, Random Forest, XGBoost, DeepSets, ResNet | image | 57名肝病患者和31名对照者 |
483 | 2025-05-18 |
Monitoring Double-Cropped Extent with Remote Sensing in Areas with High Crop Diversity
2025-Apr-30, Plants (Basel, Switzerland)
DOI:10.3390/plants14091362
PMID:40364389
|
研究论文 | 本文开发并应用了一种低成本、可扩展的方法,利用卫星(Landsat)影像在田间尺度上识别双季种植 | 结合机器学习方法与专家标注,开发了一种在作物多样性高的地区准确识别双季种植的新方法 | 方法在作物多样性高的地区表现良好,但在其他地区的适用性未经验证 | 开发一种可靠的方法来监测高作物多样性地区的双季种植范围 | 美国华盛顿州太平洋西北部一个干旱地区的双季种植情况 | 遥感 | NA | 卫星遥感(Landsat影像) | 深度学习模型 | 卫星影像时间序列数据 | 包含60多种不同类型作物的灌溉农田区域 |
484 | 2025-05-18 |
Identifying Key Predictors of Sarcopenic Obesity in Italian Severely Obese Older Adults: Deep Learning Approach
2025-Apr-29, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093069
PMID:40364101
|
研究论文 | 本研究旨在利用深度学习神经网络识别意大利严重肥胖老年人中肌肉减少性肥胖(SO)的关键预测因子 | 首次在严重肥胖老年人群中应用深度学习模型识别SO的关键预测因子,并展示了深度学习在SO早期诊断中的潜力 | 样本量相对较小(未明确具体数量),且研究设计为横断面研究,无法确定因果关系 | 识别严重肥胖老年人中肌肉减少性肥胖的关键预测因子 | 意大利住院的严重肥胖老年人 | 数字病理学 | 老年疾病 | 深度学习神经网络 | 深度学习 | 临床参数和身体成分数据 | 未明确具体数量(意大利住院的严重肥胖老年人) |
485 | 2025-05-18 |
Construction and Evaluation of an Artificial Intelligence Assistant Decision-Making System Focused on the Treat-to-Target Framework and Full Process Management for Atopic Dermatitis: Study Protocol for a Randomized Controlled Trial
2025-Apr-27, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14093015
PMID:40364047
|
研究论文 | 本研究旨在构建和评估一个基于人工智能的辅助决策系统,用于特应性皮炎的全过程管理和达标治疗框架 | 结合深度学习模型和移动应用形式的人工智能辅助决策系统,实现特应性皮炎的达标治疗和全过程管理 | 研究样本量有限(232名参与者),且仅针对中重度特应性皮炎患者 | 通过AI辅助决策系统改善特应性皮炎的治疗效果和长期控制 | 中重度特应性皮炎患者 | 数字病理 | 特应性皮炎 | 深度学习 | 深度学习模型(未指定具体类型) | 临床数据 | 232名中重度特应性皮炎患者 |
486 | 2025-05-18 |
NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors
2025-04-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02789
PMID:40126565
|
research paper | 开发了一种基于NiO/ZnO纳米复合材料的多模态智能MEMS气体传感器,用于提高对多种挥发性有机化合物(VOCs)的检测灵敏度和选择性 | 通过精确调控NiO和ZnO纳米复合比例,实现了对不同VOCs的材料特异性选择性,并结合多任务深度学习模型进行实时定量检测 | NA | 提高气体传感器阵列对多种VOCs的检测灵敏度和选择性,特别是在多变环境条件下 | 挥发性有机化合物(VOCs),特别是乙二醇(EG)和柠檬烯(LM) | 传感器技术 | NA | 多任务深度学习模型 | 深度学习 | 传感器数据 | NA |
487 | 2025-05-18 |
From Morphology to Gene Expression Profiling in Mycosis Fungoides: Is It Still a Diagnostic Challenge?
2025-Apr-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091089
PMID:40361907
|
综述 | 本文回顾了蕈样肉芽肿(MF)最重要的临床病理特征,并探讨了人工智能在皮肤淋巴瘤诊断中的应用前景 | 结合深度学习与临床数据探索MF的组织学特征,提出人工智能在寻找疾病进展生物标志物方面的潜力 | 基因改变主要在疾病晚期被发现,其在疾病起始阶段的重要性尚不明确 | 提高蕈样肉芽肿的早期诊断准确性并阐明其发病机制 | 蕈样肉芽肿(MF)患者 | 数字病理学 | 皮肤淋巴瘤 | 全基因组表达分析 | 深度学习 | 组织学图像和临床数据 | NA |
488 | 2025-05-18 |
Representation of high-dimensional cell morphology and morphodynamics in 2D latent space
2025-Apr-24, Physical biology
IF:2.0Q3
DOI:10.1088/1478-3975/adcd37
PMID:40233771
|
研究论文 | 开发了一种基于深度学习的算法,将13维细胞形态特征向量投影到2维潜在空间,以减少信息损失并可视化细胞形态和动态变化 | 提出了一种非线性降维方法,将高维细胞形态特征投影到2维潜在空间,信息损失小于5%,并能区分不同迁移表型的乳腺癌细胞 | 仅针对13维形态特征进行了验证,未探讨更高维度特征的适用性 | 解决高维细胞形态数据在交流和可视化方面的障碍 | 乳腺癌细胞的形态和动态变化 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 形态特征向量 | NA |
489 | 2025-05-18 |
The Effectiveness of Deep Learning in the Differential Diagnosis of Hemorrhagic Transformation and Contrast Accumulation After Endovascular Thrombectomy in Acute Ischemic Stroke Patients
2025-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091080
PMID:40361898
|
research paper | 该研究利用深度学习技术,在急性缺血性卒中患者血管内血栓切除术后,通过非对比计算机断层扫描图像区分出血性转化和对比剂积聚 | 首次应用多种CNN架构模型对急性缺血性卒中患者术后NCCT图像中的高密度区域进行自动分类,实现了对HT和CA的高精度区分 | 样本量相对较小(52名患者),且所有数据来自单中心 | 开发能够早期准确区分出血性转化和对比剂积聚的深度学习模型,以指导抗凝或抗血小板治疗决策 | 急性缺血性卒中患者血管内血栓切除术后24小时内的NCCT图像 | digital pathology | cardiovascular disease | non-contrast computed tomography (NCCT) | CNN (包括DenseNet201, InceptionResNet, InceptionV3, NASNetLarge, ResNet50, ResNet101, VGG16, VGG19和Xception) | image | 52名患者(21女31男)的556张NCCT图像 |
490 | 2025-05-18 |
Rapid and Efficient Screening of Helicobacter pylori in Gastric Samples Stained with Warthin-Starry Using Deep Learning
2025-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091085
PMID:40361903
|
research paper | 该研究开发了一种结合特征金字塔网络和ResNet架构的深度学习算法,用于在Warthin-Starry染色的胃活检数字化图像中自动快速检测幽门螺杆菌 | 提出了一种结合特征金字塔网络和ResNet架构的新算法,显著减少了幽门螺杆菌检测的周转时间,并提高了诊断准确性,特别是对经验较少的人员 | NA | 开发一种自动快速检测幽门螺杆菌的算法,以减少检测周转时间并提高诊断准确性 | Warthin-Starry染色的胃活检数字化图像 | digital pathology | gastric cancer | deep learning | FPN, ResNet | image | NA |
491 | 2025-05-18 |
A Multivariate Linear Regression-Based Ultrasonic Non-Destructive Evaluating Method for Characterizing Weld Tensile Strength Properties
2025-Apr-24, Materials (Basel, Switzerland)
DOI:10.3390/ma18091925
PMID:40363429
|
研究论文 | 提出了一种基于多元线性回归的超声波无损评估方法,用于表征焊缝的拉伸强度特性 | 使用超声波无损评估方法替代传统的破坏性测试,能够在不破坏结构的情况下评估焊缝的拉伸强度 | 方法的准确率为76.3%,仍有提升空间,未来可以考虑使用深度学习方法提高准确性 | 开发一种无损评估焊缝拉伸强度的方法 | X80钢管的焊缝 | 无损检测 | NA | 超声波信号处理 | 多元线性回归(MLR) | 声学信号 | 240个测量点 |
492 | 2025-05-18 |
Developments in Deep Learning Artificial Neural Network Techniques for Medical Image Analysis and Interpretation
2025-Apr-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091072
PMID:40361891
|
review | 本文探讨了深度学习在医学图像分析中的最新进展,包括各种神经网络技术的应用及其挑战 | 综述了多种深度学习模型(如CNN、RNN、GAN、U-Net、ViT等)在医学图像分析中的应用,并讨论了未来研究方向 | 存在数据可用性、模型可解释性、过拟合和计算需求等关键挑战 | 探索深度学习技术在医学图像分析中的发展及其临床应用潜力 | 医学图像分析技术 | digital pathology | NA | 深度学习 | CNN, RNN, GAN, U-Net, ViT | image | NA |
493 | 2025-05-18 |
Classification of Intraoral Photographs with Deep Learning Algorithms Trained According to Cephalometric Measurements
2025-Apr-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15091059
PMID:40361877
|
研究论文 | 本研究评估了基于实际头影测量数据训练的深度学习算法在口腔内临床照片分类中的应用 | 首次利用头影测量数据训练深度学习模型对口腔内照片进行分类,为无需侧位头影测量X光片的病例分类提供了新方法 | 分类准确率在不同测量指标间存在较大波动(33.33%-99.00%),部分分类准确率较低 | 探索深度学习算法在口腔正畸诊断中的应用潜力 | 990名患者的侧位头影测量片和右侧口腔内照片 | 计算机视觉 | 口腔正畸 | 深度学习 | DenseNet, EfficientNet, Inception, MobileNet, NasNet, ResNet, VGG, Xception等14种模型 | 图像 | 990名患者的口腔内照片和头影测量数据 |
494 | 2025-05-18 |
A Novel Artificial Intelligence-Based Mobile Application for Pediatric Weight Estimation
2025-Apr-22, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14092873
PMID:40363905
|
研究论文 | 开发并评估了一款基于人工智能的移动应用程序PAICam,用于儿科体重估计 | 利用MoveNet的人体姿态估计和深度神经网络回归模型进行体重预测,相比传统方法在受限位置下减少测量误差 | 研究样本仅包括1个月至12岁的儿科患者,可能不适用于其他年龄段 | 开发一种在紧急情况下准确估计儿科体重的替代工具 | 1个月至12岁的儿科患者 | 人工智能 | NA | MoveNet人体姿态估计,DNN回归模型 | DNN | 图像 | 1335名儿科参与者(57.4%男孩,42.6%女孩) |
495 | 2025-05-18 |
Long-term care plan recommendation for older adults with disabilities: a bipartite graph transformer and self-supervised approach
2025-Apr-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae327
PMID:39883541
|
research paper | 本研究提出了一种基于二分图Transformer和自监督学习的方法,为残疾老年人推荐长期护理计划 | 提出了一种新颖的二分图Transformer架构,结合特征向量中心性增强节点特征,并利用图结构信息作为自注意力机制的参考 | 在罕见或复杂服务项目上的表现有待进一步提高 | 利用深度学习方法为残疾老年人推荐全面的护理计划 | 残疾老年人 | machine learning | geriatric disease | graph self-supervised learning (SSL) | Bipartite Graph Transformer (BiT) | graph data | 1917个节点和195240条边组成的二分图(来自真实护理数据) |
496 | 2025-05-18 |
Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy
2025-Apr, Biophysical reviews
IF:4.9Q1
DOI:10.1007/s12551-025-01301-1
PMID:40376420
|
research paper | 本文探讨了在明场光学显微镜中实现无标记、逆向成像的方法 | 提出多种硬件和软件方法解决明场显微镜中的逆向成像问题,包括离焦显微镜、强度传输、ptychography和去卷积等技术 | 明场显微镜本身存在相位和振幅交织、相位物体在精确对焦时不可见以及图像中同时存在正负对比度等问题 | 解决明场显微镜中无标记样本的精确成像问题 | 生物样本 | 光学显微镜成像 | NA | 离焦显微镜、强度传输、ptychography、去卷积、深度学习、数字图像处理 | NA | 图像 | NA |
497 | 2025-05-18 |
Deep learning-based fully automated detection and segmentation of pelvic lymph nodes on diffusion-weighted images for prostate cancer: a multicenter study
2025-Mar-17, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00840-w
PMID:40098034
|
research paper | 本研究开发了一种基于3D V-Net模型的深度学习系统,用于前列腺癌患者盆腔淋巴结的自动检测和分割 | 利用3D V-Net模型实现了盆腔淋巴结的自动检测和分割,提高了效率和准确性 | 在淋巴结水平上的敏感性为60.1%,仍有提升空间 | 提高前列腺癌患者盆腔淋巴结检测和分割的效率和准确性 | 前列腺癌患者的盆腔淋巴结 | digital pathology | prostate cancer | diffusion-weighted imaging (DWI) | 3D V-Net | image | 1,151名患者(训练集),401名患者(外部验证集),共计32,507个标注淋巴结(训练集),7,707个淋巴结(验证集) |
498 | 2025-05-18 |
Artificial intelligence can be trained to predict c-KIT-11 mutational status of canine mast cell tumors from hematoxylin and eosin-stained histological slides
2025-03, Veterinary pathology
IF:2.3Q1
DOI:10.1177/03009858241286806
PMID:39422217
|
research paper | 该研究训练深度学习模型(DLMs)仅基于形态学预测犬肥大细胞瘤(MCTs)中c-KIT-11的突变状态 | 首次使用深度学习模型从HE染色切片中预测c-KIT-11的突变状态,无需进行PCR检测 | 染色协议和扫描仪类型会影响模型的准确性,跨机构数据集的性能下降 | 开发一种基于形态学的非侵入性方法来预测犬肥大细胞瘤的c-KIT-11突变状态 | 犬肥大细胞瘤(MCTs) | digital pathology | mast cell tumors | deep learning, HE staining | DLMs | image | 368例犬皮肤、皮下和黏膜皮肤MCTs(195例有ITD突变,173例无) |
499 | 2025-05-18 |
Nuclear pleomorphism in canine cutaneous mast cell tumors: Comparison of reproducibility and prognostic relevance between estimates, manual morphometry, and algorithmic morphometry
2025-03, Veterinary pathology
IF:2.3Q1
DOI:10.1177/03009858241295399
PMID:39560067
|
research paper | 本研究比较了犬皮肤肥大细胞肿瘤(ccMCTs)中核多形性评估的不同方法,包括病理学家估计、手动形态测量和基于深度学习的自动形态测量 | 开发了基于深度学习的自动形态测量方法,并验证了分层抽样12个核的手动形态测量方法的实用性 | 需要进一步研究验证结果、确定算法间可重复性和算法鲁棒性,并探索整个肿瘤切片中核特征的异质性 | 探索犬皮肤肥大细胞肿瘤核评估方法的局限性并开发替代形态测量解决方案 | 犬皮肤肥大细胞肿瘤(ccMCTs) | digital pathology | mast cell tumors | deep learning-based segmentation | NA | image | 96例ccMCTs |
500 | 2025-05-18 |
Task-specific deep learning-based denoising for UHR cardiac PCD-CT adaptive to imaging conditions and patient characteristics: Impact on image quality and clinical diagnosis and quantitative assessment
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047283
PMID:40370652
|
研究论文 | 本文开发了一种基于卷积神经网络(CNN)的去噪算法,用于优化超高分辨率(UHR)光子计数探测器(PCD) CT的心脏成像,以适应不同的成像条件和患者特征 | 提出了一种任务特定的深度学习去噪方法,能够根据不同诊断任务、患者特征和扫描协议自适应地优化图像质量 | 研究主要关注心脏CT成像,未涉及其他临床应用领域 | 优化UHR PCD-CT在心脏成像中的图像质量,提高冠状动脉狭窄的定量评估准确性 | UHR PCD-CT心脏图像 | 数字病理 | 心血管疾病 | 光子计数探测器CT(PCD-CT) | CNN | 医学影像 | 按水等效直径分组的患者(小:<300mm, 中:300-320mm, 大:>320mm) |