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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
5321 | 2025-05-07 |
Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II)
2025-Mar-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123411
PMID:39893881
|
研究论文 | 使用神经网络区分多系统萎缩伴帕金森症和帕金森病的深度学习研究 | 采用基于体素的形态测量数据作为输入变量,利用神经网络区分MSA-P和PD,展示了在临床应用中足够的实用性 | 研究未提及样本的具体数量及多样性,可能影响模型的泛化能力 | 区分多系统萎缩伴帕金森症(MSA-P)和帕金森病(PD) | 帕金森病(PD)和多系统萎缩伴帕金森症(MSA-P)患者 | 数字病理学 | 帕金森病 | 基于体素的形态测量 | NN | 图像 | NA |
5322 | 2025-05-07 |
ERNIE-ac4C: A Novel Deep Learning Model for Effectively Predicting N4-acetylcytidine Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168978
PMID:39900287
|
research paper | 提出了一种新的深度学习模型ERNIE-ac4C,用于有效预测N4-乙酰胞苷(ac4C)位点 | 结合ERNIE-RNA语言模型和二维卷积神经网络(CNN),利用序列特征和注意力图特征的融合来预测ac4C修饰位点 | 未提及具体局限性 | 提高ac4C修饰位点的预测准确性和效率 | N4-乙酰胞苷(ac4C)修饰位点 | machine learning | NA | deep learning | ERNIE-RNA, CNN | RNA序列数据 | NA |
5323 | 2025-05-07 |
DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168977
PMID:39900285
|
研究论文 | 开发了一种名为DOGpred的深度学习框架,用于准确识别人体O-连接苏氨酸糖基化位点 | 提出了一种结合CNN和RNN的深度学习框架,通过注意力机制融合特征,显著提高了预测性能 | 未提及模型在跨物种或其他类型糖基化位点预测中的泛化能力 | 开发计算工具预测O-连接苏氨酸糖基化位点,以补充实验方法并促进疾病研究 | 人体蛋白质的O-连接苏氨酸糖基化位点 | 生物信息学 | NA | 深度学习 | CNN, RNN | 蛋白质序列特征 | 未明确提及具体样本数量 |
5324 | 2025-05-07 |
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 | 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谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep,直接支持Bruker原始质谱数据和多种搜索引擎结果 | 未明确提及具体限制 | 提高质谱数据分析的准确性和效率,以支持蛋白质组学研究 | 血浆蛋白质组学、免疫肽组学(HLA I类和II类)和元蛋白质组学数据集 | 蛋白质组学 | NA | 质谱技术(MS)、离子迁移技术、PASEF技术 | 深度学习模型 | 质谱数据 | NA |
5325 | 2025-05-07 |
DeepES: deep learning-based enzyme screening to identify orphan enzyme genes
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf053
PMID:39909853
|
research paper | 开发了一个基于深度学习的工具DeepES,用于识别孤儿酶基因 | 利用深度学习技术整合二元分类器输出,针对生物合成基因簇和反应类别进行酶筛选 | 未提及具体性能指标或与其他工具的对比结果 | 解决孤儿酶基因识别问题,填补序列与酶反应关联理解的空白 | 蛋白质序列和生物合成基因簇 | 生物信息学 | NA | 深度学习 | binary classifier | 蛋白质序列 | 4744个宏基因组组装基因组 |
5326 | 2025-05-07 |
Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111959
PMID:39893823
|
研究论文 | 开发了一种结合临床数据和超声特征的机器学习模型,用于痛风预测,并应用SHAP进行模型解释 | 结合临床数据和超声特征开发可解释的机器学习模型,并应用SHAP分析解释特征贡献 | 模型性能虽优,但样本量相对有限,且仅来自两个机构 | 开发用于痛风预测的机器学习模型 | 609名患者的首次跖趾关节超声数据 | 机器学习 | 痛风 | Random Forest (RF), LASSO, XGBoost, SHAP | Logistic Regression (LR), 以及其他五种机器学习模型 | 临床数据和超声图像 | 609名患者(571名来自机构1,92名来自机构2) |
5327 | 2025-05-07 |
ABIET: An explainable transformer for identifying functional groups in biological active molecules
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109740
PMID:39894011
|
研究论文 | 介绍了一种名为ABIET的可解释Transformer模型,用于识别生物活性分子中药物-靶标相互作用的关键区域——功能基团 | ABIET模型通过注意力权重评估分子亚区域的相对重要性,有效区分功能基团与非功能基团原子,提升了Transformer模型的可解释性 | 未提及具体的数据集规模限制或模型适用范围限制 | 提高药物发现领域中Transformer模型的可解释性,识别生物活性分子中的功能基团 | 生物活性分子中的功能基团 | 药物发现 | NA | Transformer-encoder架构,注意力机制 | Transformer | SMILES表示的分子数据 | 针对多种药理学受体(包括VEGFR2、AA2A、GSK3、JNK3和DRD2)的多样化数据集 |
5328 | 2025-05-07 |
Radiomics in glioma: emerging trends and challenges
2025-Mar, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.52306
PMID:39901654
|
综述 | 本文综述了影像组学在神经胶质瘤中的应用、新兴趋势及挑战 | 整合深度学习算法提升影像组学各环节性能,探索胶质母细胞瘤特定肿瘤微环境,结合多组学数据增强预测能力 | 模型可重复性、泛化性、可解释性及多组学数据整合等挑战仍需解决 | 推动影像组学在神经胶质瘤临床诊疗中的应用 | 神经胶质瘤影像特征及肿瘤微环境 | 数字病理学 | 神经胶质瘤 | 扩散加权成像、灌注加权成像、磁共振波谱、磁共振指纹、功能MRI、正电子发射断层扫描 | 深度学习算法 | 医学影像 | NA |
5329 | 2025-05-07 |
Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data
2025-Mar, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70002
PMID:39907193
|
研究论文 | 本研究利用深度学习技术加速磁共振胰胆管成像(MRCP)的采集过程,无需完全采样数据 | 采用监督学习和自监督学习两种策略训练深度学习重建模型,显著减少MRCP采集时间,同时在3T和0.55T场强下保持图像质量 | 研究仅涉及35名健康志愿者,未在患者群体中验证 | 加速MRCP成像过程并保持图像质量 | 35名健康志愿者的MRCP扫描数据 | 医学影像处理 | NA | 深度学习重建、并行成像(PI)、压缩感知(CS) | 深度学习(DL) | 磁共振影像 | 35名健康志愿者 |
5330 | 2025-05-07 |
ZFP-CanPred: Predicting the effect of mutations in zinc-finger proteins in cancers using protein language models
2025-Mar, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.01.020
PMID:39909391
|
研究论文 | 介绍了一种名为ZFP-CanPred的新型深度学习模型,用于预测锌指蛋白(ZNFs)中与癌症相关的驱动突变 | 利用蛋白质语言模型(PLMs)从突变位点的结构邻域提取表征,训练ZFP-CanPred以区分致癌突变和中性突变,其性能优于现有的11种预测工具 | 虽然模型在特异性和敏感性方面表现平衡,但仍有提升空间,且样本量相对较小(331个突变) | 预测锌指蛋白(ZNFs)中的癌症相关驱动突变,以促进对致癌过程的理解和靶向治疗策略的开发 | 锌指蛋白(ZNFs)中的错义突变 | 机器学习 | 癌症 | 蛋白质语言模型(PLMs) | 深度学习模型 | 蛋白质序列和结构数据 | 331个突变 |
5331 | 2025-05-07 |
Deep Learning-Enhanced Chemiluminescence Vertical Flow Assay for High-Sensitivity Cardiac Troponin I Testing
2025-Mar, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202411585
PMID:39910838
|
research paper | 介绍了一种基于深度学习的化学发光垂直流动检测方法,用于高灵敏度心脏肌钙蛋白I检测 | 结合化学发光传感、成像和深度学习分析,实现了高灵敏度的心脏肌钙蛋白I检测 | 未提及长期稳定性和大规模临床验证 | 开发一种高灵敏度、低成本的心脏肌钙蛋白I检测方法 | 心脏肌钙蛋白I(cTnI) | 数字病理 | 心血管疾病 | 化学发光垂直流动检测(CL-VFA) | 神经网络 | 化学发光信号 | 患者血清样本(未明确数量) |
5332 | 2025-05-07 |
Leveraging deep-learning and unconventional data for real-time surveillance, forecasting, and early warning of respiratory pathogens outbreak
2025-Mar, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103076
PMID:39914162
|
research paper | 该研究设计并部署了一个利用深度学习和非常规数据进行呼吸道疾病实时监测、预测和早期预警的框架 | 结合多种非常规数据源(如Google Trends、Reddit帖子、卫星空气质量数据)和深度学习模型(CNN、GNN、GRU、NN)进行呼吸道疾病的长期预测 | 研究仅针对加拿大和南部非洲国家,可能无法直接推广到其他地区 | 开发呼吸道疾病的实时监测、预测和早期预警系统 | COVID-19和流感病例 | machine learning | respiratory disease | deep learning | CNN, GNN, GRU, NN | multi-source data (case numbers, social media, satellite, weather) | 加拿大各省和南部非洲国家的多源数据集 |
5333 | 2025-05-07 |
Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109759
PMID:39914196
|
研究论文 | 本文介绍了一种自动化分析视频荧光吞咽研究(VFSS)的新框架,用于表征头颈癌患者的吞咽困难 | 提出了一种结合深度学习和机器学习的自动化框架,用于识别VFSS中的关键区域和吞咽困难相关损伤 | 数据集规模有限且VFSS存在变异性 | 开发自动化方法来评估头颈癌放疗后患者的吞咽困难 | 头颈癌患者放疗前后的VFSS数据 | 数字病理学 | 头颈癌 | 深度学习, 机器学习 | 深度学习框架, ML分类器 | 视频 | 未明确提及具体样本量 |
5334 | 2025-05-07 |
You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109733
PMID:39914201
|
研究论文 | 本文提出了一种结合深度学习和传统机器学习的方法,用于基于图像的乳腺癌风险预测 | 创新性地将深度学习与传统机器学习方法结合,用于乳腺癌风险预测,并在性能上取得了提升 | 需要进一步的验证以确认其临床适用性 | 开发一种基于图像的乳腺癌风险预测模型,以提高筛查的个性化水平 | 乳腺癌风险预测 | 计算机视觉 | 乳腺癌 | 深度学习与传统机器学习结合 | 深度学习与传统机器学习模型 | 图像 | 3720例对照组和1471例风险病例的乳腺X光片 |
5335 | 2025-05-07 |
Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124323
PMID:39914214
|
研究论文 | 本研究结合深度学习和机器学习技术,利用遥感数据追踪空气污染与植被覆盖之间的关系 | 结合ML和DL技术分析空气污染与植被覆盖的关系,并采用多种模型进行预测 | 未使用高分辨率图像和未整合社会经济数据,未来研究可进一步优化 | 探讨空气污染与城市绿地减少之间的关系,并提出污染管理策略 | 达卡市的空气污染(PM2.5和PM10)与植被覆盖变化 | 机器学习 | NA | 遥感数据 | XGB, SVM, RF, Unet, Unet++, MAnet, Linknet | 遥感图像 | 1990年至2022年的数据 |
5336 | 2025-05-07 |
DeepPrep: an accelerated, scalable and robust pipeline for neuroimaging preprocessing empowered by deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02599-1
PMID:39915693
|
research paper | 介绍了一种名为DeepPrep的神经影像预处理流程,该流程利用深度学习和工作流管理器,显著提升了处理速度和可扩展性 | DeepPrep通过深度学习和工作流管理器实现了十倍加速,并展示了可扩展性和鲁棒性 | 未提及具体的技术细节或在不同数据集上的泛化能力 | 解决神经影像大数据预处理中的计算挑战 | 神经影像数据 | digital pathology | NA | deep learning | NA | neuroimaging scans | 超过55,000次扫描 |
5337 | 2025-05-07 |
Triboelectric Nanogenerator-Based Flexible Acoustic Sensor for Speech Recognition
2025-Feb-19, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c21563
PMID:39912319
|
研究论文 | 本研究提出了一种基于声驱动摩擦电纳米发电机的柔性声学传感器,用于语音识别 | 采用PVDF/GO复合纳米纤维薄膜作为介电层,设计了仿刺绣棚结构,结合多层注意力卷积网络(MLACN)实现高精度语音识别 | 未明确说明传感器在复杂环境噪声下的性能表现 | 开发低成本、高稳定性、高保真和高灵敏度的人机交互声学传感器 | 柔性声学传感器及其语音识别系统 | 人机交互 | NA | 电纺丝技术 | 多层注意力卷积网络(MLACN) | 语音信号 | 未明确说明样本数量 |
5338 | 2025-05-07 |
Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing
2025-Feb-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04453
PMID:39901522
|
研究论文 | 本研究提出了一种基于无配对数据集的信号噪声比增强模态变换的全息深度学习免疫传感器,用于抗生素检测 | 结合便携式无透镜全息成像设备和CuO@SiO纳米粒子点击反应信号放大策略,解决了传统显微镜在视野和精度上的限制 | NA | 开发一种高灵敏度、宽线性范围的便携式检测设备,用于食品安全检查和临床诊断 | 抗生素(特别是氯霉素)的检测 | 生物传感 | NA | 无透镜全息成像、点击反应信号放大 | 深度学习模态变换模型 | 全息图像 | NA |
5339 | 2025-05-07 |
UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells
2025-Feb-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05271
PMID:39902564
|
研究论文 | 介绍了一种基于一维U-net的深度学习架构UNET-FLIM,用于荧光寿命成像显微镜中的寿命测定,特别适用于处理低光子计数和高背景噪声的数据 | 提出了一种新型的深度学习架构UNET-FLIM,能够有效处理低光子计数和高背景噪声的FLIM数据,并能够通过模拟衰减曲线进行训练,适用于各种时域FLIM系统 | 未提及在实际生物样本中的广泛验证或与其他现有方法的详细比较 | 开发一种能够实时监测活细胞中快速溶酶体pH变化的FLIM寿命测定方法 | 活细胞中的溶酶体pH变化 | 计算机视觉 | NA | 荧光寿命成像显微镜(FLIM) | 一维U-net | 图像 | 未明确提及具体样本数量,但涉及活细胞实验 |
5340 | 2025-05-07 |
Multi-task learning for automated contouring and dose prediction in radiotherapy
2025-Feb-18, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb23d
PMID:39904047
|
研究论文 | 本研究应用多任务学习方法,将自动轮廓绘制和基于体素的剂量预测任务无缝集成,以提高放射治疗中自动治疗计划的效率和准确性 | 首次将多任务学习应用于放射治疗中的自动轮廓绘制和剂量预测任务,通过共享任务间的共同信息提高了自动任务的效率 | 研究仅使用了前列腺癌和头颈癌两个数据集,可能限制了模型的泛化能力 | 开发高效的自动放射治疗计划系统 | 前列腺癌和头颈癌患者的放射治疗计划 | 数字病理 | 前列腺癌,头颈癌 | 深度学习 | 多任务学习(MTL) | 医学影像 | 内部前列腺癌数据集和公开可用的头颈癌数据集(OpenKBP) |