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 | 2025-04-19 |
Diatom Lensless Imaging Using Laser Scattering and Deep Learning
2025-Apr-11, ACS ES&T water
IF:4.8Q1
DOI:10.1021/acsestwater.4c01186
PMID:40242343
|
研究论文 | 提出了一种利用激光散射和深度学习进行硅藻无透镜成像的新方法 | 结合激光散射和深度学习技术,实现了硅藻的无透镜成像及运动参数测定 | 未明确说明该方法在复杂海洋环境中的实际应用效果 | 开发一种用于海洋微生物原位成像和运动分析的新技术 | 硅藻及其他微型海洋生物 | 计算机视觉 | NA | 激光散射成像 | 深度学习 | 图像 | 硅藻土样品(具体数量未说明) |
5322 | 2025-04-19 |
Evolution of computational techniques against various KRAS mutants in search for therapeutic drugs: a review article
2025-Apr-07, Cancer chemotherapy and pharmacology
IF:2.7Q2
DOI:10.1007/s00280-025-04767-8
PMID:40195161
|
综述 | 本文综述了针对不同KRAS突变体的计算技术在寻找治疗药物方面的演变 | 讨论了计算技术在发现KRAS抑制剂方面的最新突破,包括虚拟筛选、分子动力学模拟和分子对接等方法,以及机器学习和深度学习在抗KRAS药物开发中的新见解 | 需要未来研究来验证计算识别出的药物(如Afatinib和Quercetin)的实际潜力 | 探索针对不同KRAS突变体的治疗药物 | KRAS突变体及其抑制剂 | 计算机辅助药物设计 | 癌症 | 虚拟筛选、分子动力学模拟、分子对接、机器学习和深度学习 | NA | 分子结构数据 | NA |
5323 | 2025-04-19 |
scAMZI: attention-based deep autoencoder with zero-inflated layer for clustering scRNA-seq data
2025-Apr-07, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-11511-2
PMID:40197174
|
研究论文 | 提出了一种基于注意力自编码器和零膨胀层的新型深度学习模型scAMZI,用于单细胞RNA测序数据的聚类 | 结合了SimAM注意力模块、自编码器、ZINB模型和零膨胀层,能够更好地利用细胞特征和处理数据中的零值 | 未明确提及具体局限性 | 改进单细胞RNA测序数据的聚类方法 | 单细胞RNA测序数据 | 生物信息学 | NA | scRNA-seq | 自编码器(带SimAM注意力模块和ZINB模型) | 基因表达数据 | 14个基准scRNA-seq数据集(从数百到数万个细胞) |
5324 | 2025-04-19 |
Novel Deep Learning Reconstruction to Augment Contrast Enhancement: Initial Evaluation
2025-Apr-07, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001755
PMID:40249273
|
研究论文 | 评估新型深度学习重建技术在增强CT图像对比度方面的效果 | 提出了一种新型深度学习重建方法,用于改善单能CT扫描的对比度增强效果 | 样本量较小(15名患者),且仅针对结直肠腺癌和肝转移患者 | 比较单能CT、双能CT与新型深度学习重建技术在图像质量上的差异 | 经活检证实的结直肠腺癌和肝转移患者 | 数字病理学 | 结直肠癌 | 深度学习重建技术 | DL(深度学习) | CT图像 | 15名患者(13名男性,2名女性) |
5325 | 2025-04-19 |
Visual search and real-image similarity: An empirical assessment through the lens of deep learning
2025-Apr, Psychonomic bulletin & review
IF:3.2Q1
DOI:10.3758/s13423-024-02583-4
PMID:39327401
|
研究论文 | 利用深度卷积神经网络预测人类在真实视觉场景中搜索目标的效率,并验证Duncan和Humphreys提出的相似性原则 | 首次从生态学角度为相似性原则提供定量支持,揭示了目标-干扰物相似性(TD)和干扰物-干扰物相似性(DD)在神经网络不同层次的作用 | 实验室结果可能难以完全推广到真实世界场景 | 预测人类在视觉环境中搜索目标的效率 | 人类视觉搜索行为 | 计算机视觉 | NA | 深度卷积神经网络 | CNN | 图像 | NA |
5326 | 2025-04-19 |
Leveraging Deep Learning for Immune Cell Quantification and Prognostic Evaluation in Radiotherapy-Treated Oropharyngeal Squamous Cell Carcinomas
2025-Apr, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104094
PMID:39826685
|
研究论文 | 利用深度学习对放疗治疗的口咽鳞状细胞癌中的免疫细胞进行定量分析和预后评估 | 首次应用U-Net深度学习模型对免疫细胞密度进行定量分析,并比较了细胞计数法和面积法的预后价值 | 样本量较小(84例),且仅针对口咽鳞状细胞癌患者 | 开发标准化、经济有效的方法来研究头颈部鳞状细胞癌中的肿瘤免疫微环境(TIME) | 口咽鳞状细胞癌(OPSCC)患者的预处理福尔马林固定石蜡包埋肿瘤活检样本 | 数字病理学 | 口咽鳞状细胞癌 | 免疫组织化学(CD3、CD8、CD20、CD163和FOXP3染色) | U-Net | 图像 | 84例OPSCC患者的预处理肿瘤活检样本 |
5327 | 2025-04-19 |
Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks
2025-Apr, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30113
PMID:39840857
|
研究论文 | 本研究利用深度学习模型通过步态视频预测小脑性共济失调的严重程度 | 首次将姿态估计算法应用于步态视频中,预测小脑性共济失调的严重程度,并通过模型关注的关键视频片段评估病情 | 研究样本量较小,仅包括66名患者,且仅限于退行性小脑疾病患者 | 评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度 | 66名退行性小脑疾病患者 | 计算机视觉 | 小脑性共济失调 | 姿态估计算法 | 深度学习模型 | 视频 | 66名患者 |
5328 | 2025-04-19 |
Microsatellite-Stable Gastric Cancer Can be Classified into 2 Molecular Subtypes with Different Immunotherapy Response and Prognosis Based on Gene Sequencing and Computational Pathology
2025-Apr, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104101
PMID:39894411
|
research paper | 该研究通过基因测序和计算病理学将微卫星稳定的胃癌分为两种分子亚型,并评估其对免疫治疗的响应和预后 | 开发了基于免疫相关基因(IRGs)的签名和基于Vision Transformer(ViT)的深度学习模型,用于微卫星稳定胃癌的亚型分类和预后预测 | 样本量相对较小(105例患者),且仅在TCGA和GEO数据库中进行验证 | 优化微卫星稳定胃癌的精准治疗和预后改善 | 微卫星稳定的胃癌患者 | digital pathology | gastric cancer | RNA-sequencing, immunohistochemistry | Vision Transformer (ViT) | gene expression data, digital pathology slides | 105例微卫星稳定的胃癌患者 |
5329 | 2025-04-19 |
An Overview and Comparative Analysis of CRISPR-SpCas9 gRNA Activity Prediction Tools
2025-Apr, The CRISPR journal
DOI:10.1089/crispr.2024.0058
PMID:40151952
|
综述 | 本文综述并比较了基于机器学习和深度学习的CRISPR-SpCas9 gRNA活性预测工具的性能 | 系统评估了多种预测工具的性能,并创建了GuideNet资源门户网站以促进CRISPR数据集的共享 | 仅评估了七种工具,可能未涵盖所有现有方法 | 评估和比较CRISPR-SpCas9 gRNA活性预测工具的准确性和性能 | CRISPR-SpCas9 gRNA活性预测工具 | 机器学习 | NA | CRISPR-Cas9基因编辑技术 | ML和DL模型 | CRISPR数据集 | 九个CRISPR数据集,涵盖六种细胞类型和三个物种 |
5330 | 2025-04-19 |
Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study
2025-Apr-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002220
PMID:39764584
|
研究论文 | 提出一种基于深度学习的算法(BBMIL),直接从乳腺癌组织病理学图像预测分子标志物和亚型 | 首次使用深度学习直接从H&E染色图像预测多种分子标志物和亚型,避免了额外的检测成本和样本负担 | NA | 开发能够直接从组织病理学图像预测乳腺癌分子特征的AI算法 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习 | BBMIL(一种新型深度学习算法) | 组织病理学图像(H&E染色) | 多中心回顾性研究(具体样本量未说明) |
5331 | 2025-04-19 |
Rethinking Domain-Specific Pretraining by Supervised or Self-Supervised Learning for Chest Radiograph Classification: A Comparative Study Against ImageNet Counterparts in Cold-Start Active Learning
2025-Apr, Health care science
DOI:10.1002/hcs2.70009
PMID:40241982
|
research paper | 比较监督学习和自监督学习的领域特定预训练在胸部X光分类中的效果,以及在冷启动主动学习中的表现 | 首次探索领域特定预训练模型在冷启动主动学习中的潜力,并比较其与通用预训练模型的性能 | 领域特定预训练模型在多数情况下未能超越通用预训练模型,且无法替代原始图像作为模型输入 | 评估领域特定预训练模型在冷启动主动学习中的效果 | 胸部X光图像 | computer vision | psychiatric pneumonia, COVID-19 | supervised learning, self-supervised learning | TXRV, REMEDIS | image | NA |
5332 | 2025-04-19 |
Development and external multicentric validation of a deep learning-based clinical target volume segmentation model for whole-breast radiotherapy
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100749
PMID:40242807
|
研究论文 | 开发并外部多中心验证了一种基于深度学习的全乳放疗临床靶区分割模型 | 利用大型单中心数据集结合多中心数据进行模型开发和验证,实现了高精度的临床靶区分割 | 在其中一个中心(Inst 9)的数据上模型表现不佳,显示模型在特定条件下的泛化能力有限 | 优化放疗治疗并减少毒性,通过自动分割临床靶区和风险器官 | 1822名患者的计划CT数据(861例来自单一中心用于训练,961例来自8个中心用于验证) | 数字病理 | 乳腺癌 | 深度学习 | 3D-Unet | CT图像 | 1822名患者的计划CT数据 |
5333 | 2025-04-19 |
[Three-Dimensional Reconstruction Technique and Its Application of Binocular Endoscopic Images Based on Deep Learning]
2025-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240293
PMID:40246717
|
研究论文 | 探讨基于深度学习的双目内窥镜图像三维重建关键技术及实现方法 | 应用深度学习技术显著提升三维重建的准确性和实时性 | 未提及具体实验数据或样本量 | 提升内窥镜图像三维重建质量,指导临床双目内窥镜图像重建技术的可持续发展 | 双目内窥镜图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
5334 | 2025-04-19 |
The Real-World Impact of Vestibular Schwannoma Fully Automated Volume Measures on the Evaluation of Size Change and Clinical Management Outcomes in a Multidisciplinary Meeting Setting
2025-Mar-25, The journal of international advanced otology
IF:1.0Q3
DOI:10.5152/iao.2025.241693
PMID:40208025
|
research paper | 研究探讨了在跨学科会议(MDM)准备阶段提供全自动化前庭神经鞘瘤体积测量对放射学结果和临床管理决策的影响 | 首次在真实世界的MDM环境中评估全自动化深度学习体积测量与线性尺寸测量对前庭神经鞘瘤大小变化分类和临床管理决策的影响 | 样本量较小(50名患者),且未证明自动化测量对临床管理决策有显著影响 | 评估全自动化体积测量在MDM准备阶段的应用效果 | 50名成人单侧散发性前庭神经鞘瘤患者 | digital pathology | vestibular schwannoma | deep learning-based volume measurements | NA | MRI images | 50名患者(24男,26女,平均年龄64.6岁),共57次MRI比较 |
5335 | 2025-04-19 |
Artificial intelligence-based diagnosis of breast cancer by mammography microcalcification
2025-Mar, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2023.04.018
PMID:40242534
|
研究论文 | 本文展示了一种基于深度学习的自动化管道,用于乳腺X光摄影中微钙化的检测和分类,以促进乳腺癌的早期诊断 | 该技术不仅能提供乳腺X光摄影的分类结果,还能标注特定的钙化区域,并探索了基于深度学习的病理亚型和雌激素受体分类的有效性 | 训练集和测试集的分类准确率分别为0.8124和0.7237,显示模型在测试集上的性能有所下降 | 开发一种自动化的人工智能系统,以辅助临床医生在乳腺癌筛查、诊断和治疗中做出判断并提高效率 | 乳腺X光摄影中的微钙化病变 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习管道 | 图像 | 4,810张乳腺X光片,包含6,663个基于活检结果的微钙化病变(3,301个恶性,3,362个良性) |
5336 | 2025-04-19 |
Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis
2025-01, Radiographics : a review publication of the Radiological Society of North America, Inc
IF:5.2Q1
DOI:10.1148/rg.240176
PMID:39700040
|
research paper | 该研究探讨了非侵入性定量CT在弥漫性肝病(脂肪变性、铁过载和纤维化)检测和量化中的应用 | 提出了非对比CT在肝脏脂肪和铁过载量化中的近似MRI性能,以及AI深度学习算法在自动化定量CT评估中的应用 | 对比后CT在肝脏脂肪量化中的精确度较低,仅能提供分类评估 | 研究非侵入性CT技术在弥漫性肝病检测和量化中的临床应用 | 弥漫性肝病(脂肪变性、铁过载和纤维化)患者 | digital pathology | liver disease | CT, MRI, AI deep learning | deep learning | image | NA |
5337 | 2025-04-19 |
Faster Acquisition and Improved Image Quality of T2-Weighted Dixon Breast MRI at 3T Using Deep Learning: A Prospective Study
2025-01, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.1303
PMID:39780629
|
research paper | 本研究比较了深度学习重建的T2加权Dixon序列与传统T2加权Dixon序列在乳腺MRI中的图像质量和病灶特征 | 使用深度学习重建的T2加权Dixon序列(T2DL)在减少采集时间的同时提高了图像质量 | 研究仅在一台3T扫描仪上进行,且样本量相对有限 | 比较深度学习重建的T2加权Dixon序列与传统序列在乳腺MRI中的表现 | 乳腺MRI图像 | digital pathology | breast cancer | MRI, deep learning | deep learning | image | 140名女性(85个囊肿和31个乳腺癌病例) |
5338 | 2025-04-19 |
UMamba Adjustment: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and NnU-Net ResEnc Planner
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_9
PMID:40236615
|
research paper | 该研究提出了一种名为UMambaAdj的新方法,用于在MRI引导的放疗中更精确地分割头颈癌的肿瘤体积 | 结合UMamba和nnU-Net ResEnc的优势,提出了一种新的肿瘤分割方法UMambaAdj | 研究仅在HNTS-MRG 2024挑战测试集上进行了评估,可能需要更多数据验证 | 提高头颈癌MRI引导放疗中肿瘤体积分割的准确性 | 头颈癌患者的MRI图像中的肿瘤体积(GTVp和GTVn) | digital pathology | head and neck cancer | MRI | UMamba, nnU-Net ResEnc | image | HNTS-MRG 2024挑战测试集中的MRI图像 |
5339 | 2025-04-19 |
VMamba for plant leaf disease identification: design and experiment
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1515021
PMID:40241820
|
research paper | 该研究将VMamba视觉骨干模型引入农业植物病害检测任务,结合扩散模型和迁移学习技术,提出DDHTLVMamba方法,用于小样本农业数据集的植物病害检测 | 引入VMamba模型,通过选择性扫描机制降低计算复杂度,同时保持全局感受野和利用动态加权优势显著提高分类精度 | 研究主要针对小样本农业数据集,可能在大规模多样化数据集上的泛化能力有待验证 | 提高农业植物病害识别的准确性和效率,推动智能农业病害防控技术的发展 | 农业植物病害 | computer vision | plant disease | diffusion models, transfer learning | VMamba, ResNet50, Vision Transformer, Swin Transformer | image | 小样本农业数据集和大规模数据集如PlantVillage |
5340 | 2025-04-19 |
Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574413
PMID:40241894
|
research paper | 开发和验证了一种基于卷积神经网络(CNN)的工具,用于自动评分指甲银屑病的严重程度,使用改良的指甲银屑病严重程度指数(mNAPSI) | 提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具 | 尽管在独立验证数据集中表现稳健,但成像条件的变异性可能影响模型性能 | 开发并验证一个自动化评分指甲银屑病严重程度的深度学习模型 | 银屑病(PsO)、银屑病关节炎(PsA)患者及非银屑病对照(包括健康个体和类风湿关节炎患者) | digital pathology | psoriasis | CNN, BEiT architecture, ImageNet-22k pre-training | CNN | image | 训练数据集包括460名患者的4,400张指甲照片,独立验证数据集包括118名患者的929张指甲照片 |