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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
521 | 2025-02-24 |
Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102168
PMID:39986346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
522 | 2025-07-07 |
Impact of deep learning denoising on kinetic modelling for low-dose dynamic PET: application to single- and dual-tracer imaging protocols
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07182-6
PMID:40069458
|
研究论文 | 探讨深度学习去噪技术在低剂量动态PET成像中对动力学建模的影响,应用于单示踪剂和双示踪剂成像协议 | 首次将基于静态[18F]FDG PET图像训练的深度学习去噪模型应用于动态[18F]FDG和[18F]FGln PET成像,显著降低了剂量需求并保持了定量准确性 | 在极低剂量(4 MBq)下对乳腺病灶中[18F]FGln的定量准确性有所下降 | 提高低剂量动态PET成像的定量准确性 | 动态PET成像数据 | 医学影像分析 | NA | 深度学习去噪(DL-DN), 动态PET成像 | 深度学习框架 | PET影像数据 | 16例[18F]FDG PET研究数据 |
523 | 2025-07-07 |
Development and Validation of a Novel Deep Learning Model to Predict Pharmacologic Closure of Patent Ductus Arteriosus in Premature Infants
2025-Jul, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2025.03.018
PMID:40220935
|
research paper | 开发并验证了一种新型深度学习模型,用于预测早产儿动脉导管未闭(PDA)的药物闭合可能性 | 首次将深度学习应用于预测早产儿PDA药物闭合效果,并开发了多模态CNN模型 | 样本量较小(174例),且为回顾性研究 | 预测早产儿PDA药物闭合效果 | 174名接受PDA药物治疗的早产儿 | digital pathology | cardiovascular disease | echocardiography | CNN | image + clinical data | 174名早产儿(1926个超声心动图片段) |
524 | 2025-07-07 |
KEVS: enhancing segmentation of visceral adipose tissue in pre-cystectomy CT with Gaussian kernel density estimation
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03380-7
PMID:40343641
|
研究论文 | 本文提出了一种名为KEVS的新方法,用于在膀胱切除术前CT中自动预测内脏脂肪组织(VAT)的分割,无需真实标注的VAT掩模进行训练 | KEVS结合了深度学习语义分割模型和高斯核密度估计分析,无需真实标注的VAT掩模进行训练,克服了现有方法的局限性 | 研究仅基于20例膀胱切除术前CT扫描数据进行验证,样本量较小 | 开发一种自动化方法,用于在膀胱切除术前CT中准确分割内脏脂肪组织(VAT) | 膀胱切除术前CT扫描中的内脏脂肪组织(VAT) | 数字病理 | 膀胱癌 | CT扫描,高斯核密度估计 | 深度学习语义分割模型 | CT图像 | 20例膀胱切除术前CT扫描 |
525 | 2025-07-07 |
Shortcut learning leads to sex bias in deep learning models for photoacoustic tomography
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03370-9
PMID:40343639
|
research paper | 本研究探讨了深度学习模型中捷径学习导致的性别偏见问题,特别是在光声断层扫描(PAT)中用于外周动脉疾病(PAD)诊断的应用 | 首次在光声断层扫描(PAT)中研究捷径学习导致的性别偏见,并探讨其对PAD诊断性能的影响 | 研究样本量较小(147人),可能限制结果的普遍性 | 评估深度学习模型在医学影像中因捷径学习导致的性别偏见问题 | 外周动脉疾病(PAD)患者的光声断层扫描图像 | digital pathology | cardiovascular disease | photoacoustic tomography (PAT) | CNN | image | 147名个体 |
526 | 2025-07-07 |
A deep learning-based approach to automated rib fracture detection and CWIS classification
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03390-5
PMID:40377883
|
研究论文 | 开发了一种基于深度学习的自动化方法,用于检测CT扫描中的肋骨骨折并进行CWIS分类 | 首次提出结合肋骨骨折检测与CWIS分类的自动化深度学习方案,并开发了专门的肋骨编号标记网络 | 训练集中罕见和代表性不足的骨折类别分类性能有待提升 | 开发自动化肋骨骨折检测与分类系统以辅助临床决策 | 创伤性肋骨骨折患者 | 数字病理 | 创伤性损伤 | CT扫描 | nnU-Net | 医学影像 | 198例CT扫描(170例训练/内部验证,28例外部验证) |
527 | 2025-07-07 |
Uncertainty estimation for trust attribution to speed-of-sound reconstruction with variational networks
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03402-4
PMID:40495100
|
研究论文 | 提出一种基于不确定性估计的方法,用于选择超声采集中最可信的帧以提高速度-声音重建的准确性 | 首次将不确定性估计应用于超声数据帧的选择,以提高诊断决策的准确性 | 研究样本量较小,仅评估了21个病灶 | 提高速度-声音重建的准确性以辅助乳腺癌诊断 | 乳腺病灶的超声采集数据 | 医学影像处理 | 乳腺癌 | 蒙特卡洛Dropout和贝叶斯变分推断 | 变分网络 | 超声图像 | 21个被分类为BI-RADS 4的病灶 |
528 | 2025-07-07 |
Concurrent emergence of view invariance, sensitivity to critical features, and identity face classification through visual experience: Insights from deep learning algorithms
2025-Jul-01, Journal of vision
IF:2.0Q2
DOI:10.1167/jov.25.8.2
PMID:40590783
|
research paper | 本文探讨了视觉经验在人脸识别中的作用,特别是通过深度卷积神经网络(DCNN)研究视图不变性表示、对人脸关键特征的敏感性以及身份分类性能的同步发展 | 通过系统性地操纵训练数据集中每个身份的图像数量和身份数量,揭示了视图不变性表示、对人脸关键特征的敏感性和身份分类性能同步发展的条件 | 研究仅基于DCNN模型,未直接验证人类视觉系统的类似机制 | 探究何种类型的人脸经验能使网络对人类关键特征敏感,并研究其与视图不变性表示和分类性能的关系 | 人脸识别系统 | computer vision | NA | deep learning | DCNN | image | 未明确说明具体样本量,但涉及多个身份和每个身份的多张图像 |
529 | 2025-07-07 |
Fundus Refraction Offset as a Personalized Biomarker for 12-Year Risk of Retinal Detachment
2025-Jul-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.9.1
PMID:40590806
|
research paper | 本研究探讨了一种新的解剖学指标——眼底折射偏移(FRO)在预测视网膜脱离(RD)或视网膜裂孔风险方面的潜力 | 提出了一种新的解剖学指标FRO,用于在考虑其他风险因素的基础上,进一步分层预测视网膜脱离或视网膜裂孔的风险 | 研究样本仅来自UK Biobank,可能不具有普遍代表性 | 研究FRO作为预测视网膜脱离或视网膜裂孔风险的个性化生物标志物的潜力 | UK Biobank中无RD/视网膜裂孔病史的参与者(n = 9320) | digital pathology | retinal detachment | deep learning | CNN | image | 9320名参与者,其中7127名有高质量的光学相干断层扫描数据 |
530 | 2025-07-07 |
Deep learning assessment of metastatic relapse risk from digitized breast cancer histological slides
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60824-z
PMID:40593633
|
research paper | 开发了一种基于AI的工具,通过分析数字化肿瘤切片预测早期乳腺癌患者的5年无转移生存率 | 提出了一个深度学习模型RlapsRisk BC,能够独立预测无转移生存率,并提供超越传统临床病理变量的预后价值 | 研究仅针对雌激素受体阳性、HER2阴性的早期乳腺癌患者,可能不适用于其他类型的乳腺癌 | 提高早期乳腺癌患者的风险分层准确性,以指导治疗决策 | 雌激素受体阳性、HER2阴性的早期乳腺癌患者 | digital pathology | breast cancer | deep learning | CNN | image | 未明确提及样本数量 |
531 | 2025-07-07 |
RiNALMo: general-purpose RNA language models can generalize well on structure prediction tasks
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60872-5
PMID:40593636
|
研究论文 | 本文介绍了一种名为RiNALMo的通用RNA语言模型,该模型在结构预测任务上表现出色 | RiNALMo是目前最大的RNA语言模型,具有6.5亿参数,并在3600万非编码RNA序列上进行了预训练,能够提取隐藏知识并捕捉RNA序列中隐含的结构信息 | NA | 提高对RNA结构和功能的理解,以充分利用RNA作为小分子药物靶点的潜力 | RNA序列及其结构 | 自然语言处理 | NA | 语言模型 | RiNALMo | RNA序列数据 | 3600万非编码RNA序列 |
532 | 2025-07-07 |
ToxACoL: an endpoint-aware and task-focused compound representation learning paradigm for acute toxicity assessment
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60989-7
PMID:40593807
|
研究论文 | 提出了一种名为ToxACoL的机器学习范式,用于多条件急性毒性评估,通过图拓扑建模端点关联并通过图卷积实现知识转移 | ToxACoL通过伴随相关机制同步编码化合物和端点,生成端点感知和任务聚焦的表示,显著提高了数据稀缺人类端点的预测性能 | 未明确提及具体局限性,但可能面临模型泛化性和实际应用场景的验证挑战 | 开发一种能够处理多条件急性毒性评估的机器学习方法,解决现有方法在实验条件多样性、数据不平衡和目标数据稀缺方面的不足 | 多物种急性毒性评估中的化合物和毒性端点 | 机器学习 | NA | 图卷积网络 | GCN(图卷积网络) | 化学化合物数据和毒性端点数据 | 未明确提及具体样本数量,但提到减少了70%至80%的训练数据 |
533 | 2025-07-07 |
Proteomic risk scores for predicting common diseases using linear and neural network models in the UK biobank
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06232-1
PMID:40594723
|
研究论文 | 利用血浆蛋白质组学数据和线性及神经网络模型,开发了预测27种常见疾病的蛋白质风险评分 | 结合线性ElasticNet回归模型和深度学习神经网络模型,评估蛋白质风险评分对疾病的预测能力,并分析共享和独特的蛋白质预测因子 | 虽然神经网络模型能捕捉复杂关系,但线性模型在简洁性和可解释性方面具有优势 | 开发并评估蛋白质风险评分在预测常见疾病中的效果 | 53,030名UK Biobank参与者的2,923种血浆蛋白质数据 | 机器学习 | 多种常见疾病(如帕金森病、肺栓塞等) | 血浆蛋白质组学 | ElasticNet回归模型和深度学习神经网络模型 | 蛋白质表达数据 | 53,030名参与者 |
534 | 2025-07-07 |
The analysis of acquisition system for electronic traffic signal in smart cities based on the internet of things
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07423-6
PMID:40595191
|
研究论文 | 设计了一个基于物联网和深度学习的智能交通电子信息信号采集系统,旨在解决城市交通拥堵问题并提升交通管理的效率和智能化水平 | 提出了改进的多任务卷积神经网络模型AM-MMFF-GooGleNet,集成了多模态特征融合和通道注意力机制,显著提高了车辆定位和识别的准确性与鲁棒性 | NA | 解决城市交通拥堵问题,提升交通管理的效率和智能化水平 | 智能交通系统中的车辆电子信号采集与处理 | 智能交通系统 | NA | 深度学习,物联网 | AM-MMFF-GooGleNet (改进的MT-CNN) | 视频 | NA |
535 | 2025-07-07 |
Synergizing advanced algorithm of explainable artificial intelligence with hybrid model for enhanced brain tumor detection in healthcare
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07524-2
PMID:40595253
|
研究论文 | 本文提出了一种结合可解释人工智能(XAI)和混合模型的方法,用于增强脑肿瘤检测 | 结合DenseNet201和SVM的混合模型,并集成多种XAI技术(如Grad-CAM、IG和LRP)以提高模型的可解释性和准确性 | 未提及样本的具体来源和多样性,可能影响模型的泛化能力 | 开发一种高精度且可解释的脑肿瘤检测方法,以支持临床决策 | 脑肿瘤的MRI图像 | 数字病理学 | 脑肿瘤 | MRI | DenseNet201, SVM | 图像 | NA |
536 | 2025-07-07 |
Benchmark dataset and deep learning method for global tropical cyclone forecasting
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61087-4
PMID:40595595
|
研究论文 | 本文提出了一个名为TropiCycloneNet的全球热带气旋预测数据集和深度学习方法,包含TCN数据集和TCN预测模型 | 提出了一个开放的多模态热带气旋数据集和集成了气象知识的AI预测模型,显著提高了预测准确性 | 未提及具体的技术局限性或数据覆盖范围的不足 | 提高热带气旋轨迹和强度的预测准确性,推动数据驱动的热带气旋预测研究 | 全球热带气旋 | 机器学习 | NA | 深度学习 | Generator Chooser Network, Environment-Time Net | 多模态数据 | 覆盖六大洋盆70年的多源数据 |
537 | 2025-07-07 |
A novel decision-making approach for the selection of best deep learning techniques under logarithmic fractional fuzzy set information
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03389-7
PMID:40595920
|
研究论文 | 本文提出了一种基于对数分数模糊集信息的新型决策方法,用于选择最佳深度学习技术 | 定义了一种特殊的模糊集类别——对数分数模糊集(Log-FFS),并基于对数运算原理提出了一系列聚合算子(AoPs) | NA | 研究在模糊信息环境下选择最佳深度学习技术的决策方法 | 深度学习技术 | 机器学习 | NA | 对数分数模糊集(Log-FFS)、Complex Proportional Assessment (COPRAS)、扩展TOPSIS方法 | NA | 模糊集信息 | NA |
538 | 2025-07-07 |
Enhanced wind power forecasting using machine learning, deep learning models and ensemble integration
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05250-3
PMID:40596009
|
研究论文 | 本研究应用机器学习和深度学习技术,通过系统超参数调优提升风能预测性能 | 采用多种ML和DL模型进行对比分析,并构建堆叠集成模型以提高预测准确性和鲁棒性 | 未明确说明模型在其他地区或不同时间尺度上的泛化能力 | 提高风能发电预测准确性以保障电网稳定性 | 风能发电数据 | 机器学习 | NA | 机器学习与深度学习 | Random Forest, Decision Trees, Linear Regression, KNN, XGBoost, AdaBoost, Gradient Boosting, MLP, LSTM, Stacking Ensemble | 时间序列数据 | Kaggle风轮机SCADA数据集和印度Aralvaimozhi实时风数据 |
539 | 2025-07-07 |
A fake news detection model using the integration of multimodal attention mechanism and residual convolutional network
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05702-w
PMID:40596197
|
研究论文 | 本研究提出了一种结合残差网络和注意力机制的深度学习模型,用于提高假新闻检测的准确性和效率 | 构建了多模态特征融合模块,设计了跨模态对齐机制,优化了特征融合结构,并利用注意力机制增强显著特征的表示 | 未提及具体局限性 | 提高假新闻检测的准确性和效率 | 多模态数据(文本、图像和视频) | 自然语言处理 | NA | 多模态注意力机制、残差卷积网络 | CNN、注意力机制 | 文本、图像、视频 | 三个代表性数据集:LIAR数据集、FakeNewsNet数据集和微博数据集 |
540 | 2025-07-07 |
Hybrid model integration with explainable AI for brain tumor diagnosis: a unified approach to MRI analysis and prediction
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06455-2
PMID:40596288
|
研究论文 | 本文提出了一种结合可解释AI的混合模型,用于脑肿瘤的MRI分析和预测 | 结合了图像处理、视觉变换器(ViT)和机器学习算法的混合模型,以及并行模型集成技术,并应用LIME进行模型解释 | 未来工作需扩展模型至多类分类以提高肿瘤类型检测能力,并提升模型的泛化能力 | 提高脑肿瘤的早期检测和诊断准确性 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | 图像处理、视觉变换器(ViT)、随机森林、对比度受限的自适应直方图均衡化(CLAHE)、ResNet101、Xception、LIME | ViT、随机森林、ResNet101、Xception | MRI图像 | NA |