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 | 2025-07-05 |
Evaluation of MRI-based synthetic CT for lumbar degenerative disease: a comparison with CT
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05399-x
PMID:40596109
|
研究论文 | 评估基于MRI的合成CT在腰椎退行性疾病中的应用,并与传统CT进行比较 | 使用深度学习图像合成方法(BoneMRI)生成合成CT图像,减少电离辐射和检查成本 | 合成CT无法独立检测骨质疏松症 | 比较MRI合成CT与传统CT在腰椎退行性疾病中的诊断效果 | 疑似腰椎退行性疾病的成年患者 | 数字病理 | 腰椎退行性疾病 | 深度学习图像合成方法(BoneMRI) | NA | 医学影像(MRI和CT) | 105名参与者(54名男性和51名女性,年龄19-95岁) |
522 | 2025-07-05 |
The evolution law of mining stress concentration effect and mining pressure manifestation mechanism under different pushing methods in valley landforms
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06907-9
PMID:40596156
|
研究论文 | 研究不同推进方式下谷地地貌中采矿应力集中效应与矿压显现机制的演化规律 | 采用深度学习方法分析应力-位移图像模式,提出SG→DG采矿顺序在降低地压风险方面的显著优势 | 研究主要基于模拟和模型分析,实际地质条件的复杂性可能影响结果的普适性 | 探究复杂谷地地形环境下采矿应力传递机制,为安全高效开采煤炭资源提供理论指导 | 谷地地貌条件下的覆岩层应力与位移演化 | 地质工程与采矿工程 | NA | 物理相似模拟、数值模拟、深度学习 | 深度学习模型 | 地质监测数据、模拟图像数据 | NA |
523 | 2025-07-05 |
Innovative deep learning classifiers for breast cancer detection through hybrid feature extraction techniques
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06669-4
PMID:40596190
|
研究论文 | 本研究提出了一种结合手工统计特征和深度学习技术的混合分类方法,用于乳腺X光片分析,以提高乳腺癌检测的准确性 | 采用Shearlet变换预处理、改进的Otsu阈值和Canny边缘检测进行分割,结合GLCM、GLRLM和一阶统计描述符进行特征提取,并设计了一种2D BiLSTM-CNN模型来学习乳腺X光片图像的空间和序列模式 | 仅在MIAS数据集上进行了评估,未在其他数据集上验证其泛化能力 | 提高乳腺癌的早期和准确检测率,以改善患者的生存率 | 乳腺X光片图像 | 计算机视觉 | 乳腺癌 | Shearlet变换、改进的Otsu阈值、Canny边缘检测、GLCM、GLRLM | 2D BiLSTM-CNN | 图像 | MIAS数据集 |
524 | 2025-07-05 |
A hybrid compound scaling hypergraph neural network for robust cervical cancer subtype classification using whole slide cytology images
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05891-4
PMID:40596216
|
研究论文 | 提出了一种新型深度学习框架CSHG-CervixNet,用于宫颈癌亚型的鲁棒分类 | 结合了Compound Scaling CNN和k维超图神经网络架构,有效平衡网络深度、宽度和分辨率,同时捕捉特征间的高阶关系 | 仅在Sipakmed数据集上进行评估,未提及其他独立验证集的结果 | 开发自动化且鲁棒的宫颈癌亚型分类方法以辅助疾病管理 | 宫颈癌全切片细胞学图像 | 数字病理学 | 宫颈癌 | 深度学习 | CSCNN与kd-HGNN混合模型 | 图像 | 基于Sipakmed基准数据集(具体样本量未说明) |
525 | 2025-07-05 |
Predict the degree of secondary structures of the encoding sequences in DNA storage by deep learning model
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05717-3
PMID:40596218
|
研究论文 | 本文提出了一种基于BiLSTM-Transformer模型和k-mer嵌入的方法,用于预测DNA存储中编码序列的二级结构自由能,并筛选出高风险序列 | 结合BiLSTM-Transformer模型和k-mer嵌入技术,有效预测DNA序列的自由能并筛选高风险序列,提高DNA存储的可靠性 | 未提及模型在更大规模数据集上的泛化能力及计算效率 | 解决DNA存储中二级结构对合成、PCR扩增和测序过程的负面影响,提高信息恢复的可靠性 | DNA存储中的编码序列 | 机器学习 | NA | k-mer嵌入 | BiLSTM-Transformer | DNA序列数据 | 未明确提及具体样本数量,但包括模拟数据集和真实数据集 |
526 | 2025-07-05 |
Gesture recognition for hearing impaired people using an ensemble of deep learning models with improving beluga whale optimization-based hyperparameter tuning
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06680-9
PMID:40596240
|
研究论文 | 本文提出了一种基于改进白鲸优化算法的深度学习模型集成方法,用于听力受损人群的手势识别 | 结合改进的白鲸优化算法(IBWO)进行超参数调优,并采用SE-CapsNet进行特征提取,以及BiGRU、VAE和BiLSTM的集成分类方法 | 仅在印度手语(ISL)数据集上进行测试,可能在其他手语系统中的泛化能力有限 | 开发一种有效的辅助通信系统,帮助听力受损人群与机器进行交互 | 听力受损人群使用的手势语言 | 计算机视觉 | 听力障碍 | 深度学习模型集成 | SE-CapsNet, BiGRU, VAE, BiLSTM | 图像 | 印度手语(ISL)数据集 |
527 | 2025-07-05 |
Deep learning for occupation recognition and knowledge discovery in rheumatology clinical notes
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05294-5
PMID:40596267
|
研究论文 | 本研究利用深度学习技术从风湿病临床记录中识别职业信息,并探讨其与患者诊断的关联 | 首次在风湿病学领域应用预训练的西班牙语模型进行职业信息识别,并结合ESCO分类进行标准化 | 仅使用了单一医疗中心的数据,模型性能仍有提升空间(F1-score 0.73) | 评估风湿病临床记录中职业数据的收集与使用情况,分析其与患者诊断的关联 | 35,586名风湿病患者的电子健康记录 | 自然语言处理 | 风湿病 | 预训练语言模型 | 基于生物医学文本微调的西班牙语模型 | 文本(临床叙述) | 35,586名风湿病患者(其中3,527名包含有效职业信息) |
528 | 2025-07-05 |
Development and evaluation of an automated classification and counting system for rice planthoppers captured on survey boards
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05908-y
PMID:40596402
|
研究论文 | 开发并评估了一种用于自动分类和计数调查板上捕获的水稻飞虱的系统 | 改进的深度学习目标检测系统能够以更高的准确率(mAP 91%)分类和计数水稻飞虱,大幅减少专家所需的时间和劳动成本 | 未提及系统在不同环境条件下的泛化能力或硬件要求 | 提高水稻飞虱监测的效率和准确性 | 水稻飞虱(包括不同物种、发育阶段、成虫性别和翅型) | 计算机视觉 | NA | 深度学习目标检测 | CNN(基于上下文推测) | 图像(调查板扫描图) | 未明确说明样本数量(以调查板为单位) |
529 | 2025-07-05 |
An explainable multi-task deep learning framework for crash severity prediction using multi-source data
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09226-1
PMID:40596431
|
研究论文 | 提出一个可解释的多任务深度学习框架,用于利用多源数据进行交通事故严重程度预测 | 结合增强的深度神经网络与事后解释方法,同时处理多个预测目标(包括死亡、重伤和财产损失),并通过SHAP特征重要性排序和交互分析提供详细见解 | 未明确提及样本量是否足够代表所有交通生态系统,特别是在其他发展中国家的适用性未经验证 | 开发一个数据驱动的道路安全政策和智能交通系统的方法论基础 | 交通事故数据,包括死亡、重伤和财产损失 | 机器学习 | NA | 多任务深度学习,SHAP分析 | Adv MT-DNN | 多源交通数据 | 2018-2021年中国四年多源交通数据 |
530 | 2025-07-05 |
EFCNet for small object detection in remote sensing images
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09066-z
PMID:40596453
|
研究论文 | 本研究提出了一种基于YOLOv5的增强网络模型EFCNet,旨在提高遥感图像中小目标的检测能力 | 采用新型骨干网络ODCSP-Darknet53提升特征提取效率,引入STEBIFPN结构优化小目标信息缩放,设计两种加权融合策略及四头检测网络,并应用ASFF技术优化小目标识别 | 未明确提及模型在极端小目标或复杂背景下的性能表现 | 提升遥感图像中小目标检测的精度与效率 | 遥感图像中的小目标(如桥梁、船舶) | 计算机视觉 | NA | 深度学习 | YOLOv5改进模型(EFCNet),包含ODCSP-Darknet53、STEBIFPN、ASFF | 遥感图像 | DOTA和DIOR数据集(具体数量未说明) |
531 | 2025-07-05 |
A hybrid XAI-driven deep learning framework for robust GI tract disease diagnosis
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07690-3
PMID:40596500
|
研究论文 | 提出了一种混合可解释人工智能(XAI)驱动的深度学习框架,用于提高胃肠道疾病诊断的准确性和可解释性 | 结合Swin Transformer与DCNN(EfficientNet-B3、ResNet-50),并整合堆叠机器学习分类器与XAI技术(Grad-CAM),以减少假阴性率,提高诊断准确性 | 未提及具体的数据集规模或多样性限制,可能影响模型的泛化能力 | 提高胃肠道疾病(如胃炎、溃疡和癌症)的诊断准确性和早期发现 | 通过内窥镜获取的胃肠道疾病图像 | 数字病理学 | 胃肠道疾病 | 深度学习、可解释人工智能(XAI) | Swin Transformer、DCNN(EfficientNet-B3、ResNet-50) | 图像 | NA |
532 | 2025-07-05 |
Multiscale wavelet attention convolutional network for facial expression recognition
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07416-5
PMID:40596501
|
研究论文 | 本文提出了一种基于多尺度小波注意力卷积网络的面部表情识别方法 | 首次将多尺度卷积层和小波通道注意力机制结合用于CNN,显著提高了面部表情识别的准确率 | 仅在两个数据集上进行了验证,需要更多数据集验证泛化能力 | 提高面部表情识别应用的准确率 | 学生真实课堂面部表情(FESR)数据集和KDEF数据集 | 计算机视觉 | NA | 深度学习 | CNN, MCNN, wCA-CNN, wCA-MCNN, ResNet18 | 图像 | 两个数据集(FESR和KDEF) |
533 | 2025-07-05 |
Physical education teaching design under the STEAM concept using the convolutional neural network
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07660-9
PMID:40596563
|
研究论文 | 本研究旨在基于STEAM教育理念,利用卷积神经网络(CNN)设计一种高效的体育教学深度学习模型 | 成功设计并验证了CNN-STEAM模型,该模型在体育教学数据处理和分析中表现出色,准确率、召回率和F1分数均提升超过20% | 未提及具体实验样本量和数据来源的详细描述 | 设计高效的深度学习模型以改进STEAM理念下的体育教学方法 | 体育教学中的数据处理与分析 | 机器学习 | NA | 深度学习 | CNN, ResNet, CNN-STEAM | NA | NA |
534 | 2025-07-05 |
Profiling short-term longitudinal severity progression and associated genes in COVID-19 patients using EHR and single-cell analysis
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07793-x
PMID:40596577
|
研究论文 | 提出了一种名为CovSF的深度学习模型,用于追踪和预测COVID-19患者的短期病情严重程度进展 | 结合纵向临床记录和单细胞分析,预测COVID-19患者的短期病情进展,并揭示了病情恶化与恢复期间的免疫学差异 | 模型主要依赖于氧疗类型作为严重程度指标,可能无法涵盖所有病情变化的复杂性 | 开发一个能够预测COVID-19患者短期病情进展的模型,以优化医疗资源分配和治疗决策 | COVID-19住院患者 | 机器学习 | COVID-19 | 单细胞转录组分析 | 深度学习模型 | 临床记录和单细胞数据 | 训练集4,509例,外部验证集443例 |
535 | 2025-07-05 |
Comparative analysis of sandstone microtomographic image segmentation using advanced convolutional neural networks with pixelwise and physical accuracy evaluation
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07211-2
PMID:40596588
|
研究论文 | 本文探讨了先进的卷积神经网络(CNN)在砂岩微CT图像分割中的应用,以提高储层表征效率 | 比较了多种先进的CNN架构在砂岩微CT图像分割中的性能,并首次结合像素级精度和物理精度评估 | 研究仅针对砂岩样本,未涵盖其他岩石类型 | 提高储层表征效率 | 砂岩微CT图像 | 计算机视觉 | NA | 微CT成像 | CNN(包括Fully Convolutional Networks, Encoder-Decoder Models, Multi-Scale Networks, Dilated Convolution Models, Attention-Based Models) | 图像 | 5000张2D切片,来自10种不同的砂岩类型 |
536 | 2025-07-05 |
Muscle-Driven prognostication in gastric cancer: A multicenter deep learning framework integrating Iliopsoas and erector spinae radiomics for 5-Year survival prediction
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09083-y
PMID:40596621
|
research paper | 本研究开发了一个结合放射组学和深度学习的5年生存预测模型,专注于基于CT的髂腰肌和竖脊肌的2D和3D特征 | 通过融合五个维度的特征并优化逻辑回归,2D模型显示出较强的预后性能,且注意力热图强调了脊柱肌肉区域 | 3D模型由于包含无关数据表现不佳,临床基线特征与生存率无显著关联 | 开发一个用于胃癌患者5年生存预测的模型,推动精准医疗发展 | 胃癌患者 | digital pathology | gastric cancer | radiomics, deep learning | CNN | CT图像 | 705名患者(来自两个中心) |
537 | 2025-07-05 |
ICKAN: A deep musical instrument classification model incorporating Kolmogorov-Arnold network
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09493-y
PMID:40596651
|
研究论文 | 本文提出了一种结合Kolmogorov-Arnold网络(KAN)的深度乐器分类模型ICKAN,用于音乐信息检索中的乐器分类任务 | 引入了可学习的非线性激活函数和全面的音乐片段,提高了乐器分类的准确性和实用性 | 现有研究主要关注短单音样本分类,未能捕捉真实演奏场景中的音色变化特征 | 提高乐器分类的准确性和实用性,推动音乐信息检索技术的发展 | 乐器分类 | 音乐信息检索 | NA | Kolmogorov-Arnold网络(KAN) | ICKAN | 音频 | 30,824个完整乐句 |
538 | 2025-07-05 |
Differential dementia detection from multimodal brain images in a real-world dataset
2025-Jul, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70362
PMID:40596742
|
研究论文 | 本文描述了一种深度学习模型,专门用于从电子健康记录中的异质临床图像中进行疾病检测,无需关注混杂因素 | 该模型能够处理多达14种多模态图像,并结合年龄和人口统计信息,输出多种痴呆症的可能性,且在真实世界数据上表现良好 | 模型在异质临床图像上的性能可能受到数据质量的影响 | 开发一种能够在真实世界医院数据中进行痴呆症鉴别检测的人工智能模型 | 来自马萨诸塞州总医院的183,018张图像(11,015名患者)用于训练,外部数据125,493张图像(6,662名患者)用于测试 | 数字病理学 | 老年疾病 | 深度学习 | 深度学习模型 | 图像和文本 | 训练集:11,015名患者的183,018张图像;测试集:6,662名患者的125,493张图像 |
539 | 2025-07-05 |
Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI
2025-Jul-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01763-5
PMID:40596927
|
research paper | 本研究评估了在5.0T MRI上结合人工智能辅助压缩感知(ACS)和深度学习重建(DLR)技术加速脑部T2加权成像(T2WI)的可行性 | 首次探索了在5.0T MRI上ACS与DLR技术的协同应用潜力 | 研究样本量有限(98名参与者),且未提供长期临床效果评估 | 评估ACS-DLR集成技术在加速脑部T2WI扫描中的诊断效能 | 脑部T2加权成像 | 医学影像分析 | 神经系统疾病 | 人工智能辅助压缩感知(ACS), 深度学习重建(DLR) | DLR(深度学习重建模型) | MRI影像数据 | 98名参与者 |
540 | 2025-07-05 |
Eff-ReLU-Net: a deep learning framework for multiclass wound classification
2025-Jul-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01785-z
PMID:40596936
|
研究论文 | 提出了一种基于改进的EfficientNet-B0的深度学习模型Eff-ReLU-Net,用于准确识别多类别伤口 | 在Eff-ReLU-Net中使用ReLU激活函数替代Swish,并引入三个全连接密集层以捕获更多显著特征,提升多类别伤口分类性能 | NA | 开发一种有效的伤口分类器,帮助医疗从业者快速可靠地分类伤口 | 慢性伤口 | 计算机视觉 | 慢性伤口 | 深度学习 | Eff-ReLU-Net(基于EfficientNet-B0改进) | 图像 | 公开可用的AZH和Medetec伤口数据集 |