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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
541 | 2025-07-07 |
A Design of Experiment to Evaluate the Printability for Bioprinting by Using Deep Learning Image Similarity
2025-Jul, Journal of biomedical materials research. Part A
DOI:10.1002/jbm.a.37961
PMID:40616386
|
研究论文 | 本文通过深度学习图像相似性评估生物打印的可打印性,并研究了挤出式打印中速度和压力对打印质量的影响 | 提出了一种结合深度学习图像相似性的新方法来评估生物打印的可打印性 | 研究仅使用了两种替代生物材料进行实验,可能无法涵盖所有生物材料的特性 | 提高挤出式生物打印的可打印性,推动组织工程领域的发展 | 透明质酸和藻酸钠作为替代生物材料,以及甲基丙烯酸透明质酸与角膜角质细胞的组合 | 组织工程 | NA | 深度学习图像相似性 | NA | 图像 | 使用了两种替代生物材料(透明质酸和藻酸钠)以及甲基丙烯酸透明质酸与角膜角质细胞的组合 |
542 | 2025-07-07 |
DDintensity: Addressing imbalanced drug-drug interaction risk levels using pre-trained deep learning model embeddings
2025-Jul-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103202
PMID:40617062
|
研究论文 | 本文提出了一种名为DDintensity的新方法,利用预训练的深度学习模型作为嵌入生成器,结合LSTM-attention模型来解决药物-药物相互作用(DDI)风险级别数据集中的不平衡问题 | 使用预训练的深度学习模型生成嵌入,结合LSTM-attention模型处理不平衡数据集,BioGPT生成的嵌入表现最佳 | 未提及具体的数据集规模限制或模型在其他类型数据上的泛化能力 | 解决生物信息学中药物-药物相互作用风险级别数据集的不平衡问题 | 药物-药物相互作用(DDI)风险级别数据集 | 生物信息学 | NA | 预训练的深度学习模型嵌入生成,LSTM-attention模型 | LSTM-attention, BioGPT | 图像、图、文本语料库 | DDinter和MecDDI数据集,以及化疗药物DB00398和DB01204的案例研究 |
543 | 2025-07-07 |
SimIntestine: A synthetic dataset from virtual capsule endoscope
2025-Jun-28, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103706
PMID:40617135
|
research paper | 开发了一种生成带有位置注释的虚拟肠道图像数据集的方法,用于改进内窥镜视频分析 | 结合虚拟胶囊内窥镜生成具有真实解剖特征和纹理特性的合成数据集,提供相机位置、方向和深度信息 | NA | 改进内窥镜视频分析,特别是在姿态估计和同时定位与映射领域 | 人类胃肠道的小肠和大肠 | digital pathology | NA | 虚拟胶囊内窥镜技术 | Endo-SfMLearner, Monodepth2 | image | NA |
544 | 2025-07-07 |
ChatGPT-Assisted Deep Learning Models for Influenza-Like Illness Prediction in Mainland China: Time Series Analysis
2025-Jun-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/74423
PMID:40577658
|
研究论文 | 本研究评估了多种深度学习模型在中国大陆流感样疾病(ILI)阳性率预测中的表现,并探索了ChatGPT在模型开发中的辅助作用 | 首次将ChatGPT辅助开发应用于流感预测领域,比较了5种不同深度学习架构在ILI预测中的表现 | 在北方地区的预测误差仍然较高(MAPE>400%),部分模型在北方地区表现不稳定 | 评估深度学习模型在流感预测中的性能并探索ChatGPT的辅助作用 | 中国大陆2014-2024年的ILI阳性率数据 | 机器学习 | 流感 | 时间序列分析 | LSTM, N-BEATS, Transformer, TFT, TiDE | 时间序列数据 | 2014-2024年中国国家流感中心数据库的ILI数据(2014-2023年训练,2024年1-39周测试) |
545 | 2025-07-07 |
Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review
2025-Jun-26, Community dentistry and oral epidemiology
IF:1.8Q3
DOI:10.1111/cdoe.70001
PMID:40571994
|
系统综述 | 本文系统评估了深度学习模型在利用口腔内RGB照片检测牙菌斑和牙龈炎方面的性能 | 深度学习模型在牙菌斑检测任务中表现优于牙医,尤其是在未使用显色剂的情况下 | 缺乏外部测试、多中心研究和报告一致性,影响了模型在现实世界中的适用性 | 评估深度学习模型在口腔疾病检测中的应用效果 | 牙菌斑和牙龈炎 | 数字病理学 | 牙周病 | 深度学习 | DL | 图像 | 23项符合纳入标准的研究 |
546 | 2025-07-07 |
Uncovering the genetic basis of glioblastoma heterogeneity through multimodal analysis of whole slide images and RNA sequencing data
2025-Jun-26, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103191
PMID:40617061
|
研究论文 | 通过多模态深度学习分析全切片图像和RNA测序数据,揭示胶质母细胞瘤异质性的遗传基础 | 结合全切片图像和RNA测序数据,引入新方法编码RNA测序数据,识别与胶质母细胞瘤进展模式相关的特定遗传特征 | NA | 研究胶质母细胞瘤异质性的遗传机制 | 胶质母细胞瘤 | 数字病理学 | 胶质母细胞瘤 | RNA-seq | 多模态深度学习 | 图像、RNA测序数据 | NA |
547 | 2025-07-07 |
AML diagnostics in the 21st century: Use of AI
2025-Jun-16, Seminars in hematology
IF:5.0Q1
|
review | 本文综述了人工智能(AI)在21世纪急性髓系白血病(AML)诊断中的关键作用,探讨了其进展、挑战及未来前景 | AI技术如深度学习(DL)和机器学习(ML)正在革新复杂诊断数据的解读,包括使用DL分类器或自动核型分析等工具,以及大型语言模型(LLM)在高效数据处理和临床决策中的应用 | AI驱动诊断需要透明度和可解释性,同时面临监管障碍、数据隐私问题及系统间互操作性等挑战 | 探讨AI在AML诊断中的应用及其潜力 | 急性髓系白血病(AML)的诊断方法 | 数字病理学 | 白血病 | 深度学习(DL)、机器学习(ML)、大型语言模型(LLM) | DL、ML、LLM | 诊断数据 | NA |
548 | 2025-07-07 |
Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots
2025-Jun-03, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101392
PMID:40468596
|
研究论文 | 研究水稻根系中初级氮响应的染色质可及性动态和转录调控网络 | 通过时间序列ATAC-seq和RNA-seq分析,精确识别了氮诱导响应的调控区域,并揭示了OsLBD38、OsLBD39和OsbZIP23等新型调控因子在氮响应中的复杂调控作用 | 研究仅关注了2小时内的氮响应动态,可能未完全捕捉长期调控机制 | 解析水稻根系中初级氮响应的转录调控机制 | 两个水稻品种(珍汕97和日本晴)的根系 | 植物分子生物学 | NA | ATAC-seq, RNA-seq | 深度学习 | 基因组数据, 转录组数据 | 两个水稻品种的根系样本,在2小时内的时间序列分析 |
549 | 2025-03-11 |
A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response
2025-Jun, The American journal of pathology
DOI:10.1016/j.ajpath.2025.02.002
PMID:40056973
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
550 | 2025-07-07 |
Comparison of Deep Learning Approaches Using Chest Radiographs for Predicting Clinical Deterioration: Retrospective Observational Study
2025-Apr-10, JMIR AI
DOI:10.2196/67144
PMID:40605772
|
研究论文 | 本研究比较了使用胸部X光片的深度学习模型在预测临床恶化方面的效果 | 首次比较了多种计算机视觉模型和数据增强方法在预测临床恶化方面的性能,并验证了胸部X光片在此任务中的潜在价值 | 研究为回顾性观察研究,可能存在选择偏倚;仅考虑了48小时内获取的胸部X光片 | 比较和验证不同计算机视觉模型和数据增强方法在预测临床恶化方面的性能 | 住院患者的胸部X光片 | 计算机视觉 | 呼吸系统疾病 | 深度学习 | VGG16, DenseNet121, Vision Transformer, ResNet50, Inception V3 | 图像 | 21,817例住院患者(其中1,655例出现临床恶化) |
551 | 2025-07-07 |
Greenspace and depression incidence in the US-based nationwide Nurses' Health Study II: A deep learning analysis of street-view imagery
2025-Apr, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109429
PMID:40209395
|
研究论文 | 本研究利用深度学习分析街景图像,探讨了美国女性中绿地暴露与抑郁症发病率之间的关系 | 首次使用街景图像而非卫星植被指数来测量绿地暴露,减少了暴露分类错误并提高了政策相关性 | 研究仅针对美国女性护士群体,结果可能无法推广到其他人群 | 探究街景绿地指标与抑郁症发病率之间的关联 | 美国护士健康研究II的33,490名参与者 | 计算机视觉 | 抑郁症 | 深度学习分割模型 | CNN | 图像 | 3.5亿张美国街景图像(2007-2020年),33,490名护士健康研究II参与者 |
552 | 2025-07-07 |
Advancing structure modeling from cryo-EM maps with deep learning
2025-02-07, Biochemical Society transactions
IF:3.8Q2
DOI:10.1042/BST20240784
PMID:39927816
|
研究论文 | 本文讨论了利用深度学习从冷冻电镜图谱中推进结构建模的方法 | 强调了AI驱动方法在冷冻电镜结构建模中的变革性作用 | 未明确提及具体局限性 | 探讨冷冻电镜图谱自动结构建模的演变和现状 | 冷冻电镜图谱中的生物分子结构 | 结构生物学 | NA | 冷冻电镜(cryo-EM) | 深度学习 | 冷冻电镜图谱 | NA |
553 | 2025-07-07 |
Geometric deep learning improves generalizability of MHC-bound peptide predictions
2024-Dec-19, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-07292-1
PMID:39702482
|
research paper | 该研究利用几何深度学习(GDL)改进MHC结合肽预测的泛化能力 | 采用基于结构的方法和几何深度学习,显著提高了对未见MHC等位基因的泛化能力,并引入自监督学习(3D-SSL)提升数据效率 | 概念验证研究,尚未大规模验证其在实际应用中的效果 | 提高MHC结合肽预测的准确性和泛化能力,以支持癌症免疫治疗 | MHC分子与肽的相互作用 | machine learning | tumor immunity | geometric deep learning (GDL), self-supervised learning (3D-SSL) | GDL | 3D结构数据 | 未明确说明样本数量,但提及3D-SSL方法在未接触结合亲和力数据的情况下优于基于序列的方法(后者使用了约90倍的数据点) |
554 | 2025-07-07 |
Deep learning for automated boundary detection and segmentation in organ donation photography
2024-Aug-20, Innovative surgical sciences
IF:1.7Q2
DOI:10.1515/iss-2024-0022
PMID:40568340
|
研究论文 | 本文开发了用于肾脏和肝脏器官捐赠照片的深度学习分割模型,以实现准确的自动分割 | 首次在肾脏和肝脏器官捐赠照片中应用深度学习模型进行自动分割,并比较了两种新模型(Detectron2和YoloV8)与现有背景去除工具的性能 | 研究仅针对肾脏和肝脏器官捐赠照片,未涉及其他器官或医疗图像 | 开发准确的自动分割模型,以改进外科摄影中的图像分割技术 | 肾脏和肝脏器官捐赠照片 | 计算机视觉 | NA | 深度学习 | Detectron2, YoloV8 | 图像 | 训练/内部验证集(821张肾脏和400张肝脏图像)和外部验证集(203张肾脏和208张肝脏图像) |
555 | 2025-07-07 |
CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis
2024-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10372-1
PMID:37951855
|
研究论文 | 本研究利用深度学习算法从常规胸部CT中自动提取胸肌组成指标,并探讨这些指标与肺炎住院事件的纵向关联 | 首次使用全自动深度学习算法(Mask R-CNN)从常规胸部CT中提取胸肌组成指标,并发现其在COPD患者中的肺炎预测价值 | 研究结果仅在COPD患者群体中具有显著性,样本量有限(2595名参与者) | 探究胸部CT衍生的胸肌组成指标与肺炎住院事件的关联 | 多民族动脉粥样硬化研究(MESA)的参与者 | 数字病理学 | 慢性阻塞性肺疾病(COPD) | 深度学习算法 | Mask R-CNN (基于Faster R-CNN) | CT图像 | 2595名参与者(51%女性,中位年龄68岁),其中507名COPD患者 |
556 | 2025-07-07 |
Automated detection and segmentation of thoracic lymph nodes from CT using 3D foveal fully convolutional neural networks
2021-04-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-021-00599-z
PMID:33849483
|
研究论文 | 开发了一种基于3D foveal全卷积神经网络的工具,用于自动检测和分割胸部CT扫描中的淋巴结 | 使用3D foveal patches的全卷积神经网络进行淋巴结的自动检测和分割 | 在较小淋巴结(短轴直径5-10mm)的检测率(62.2%)低于较大淋巴结(91.6%) | 开发自动检测和分割胸部淋巴结的工具,以辅助临床工作和无观察者偏见的放射组学研究 | 胸部CT扫描中的淋巴结 | 数字病理 | 肺癌 | CT扫描 | 3D foveal全卷积神经网络 | 3D医学影像 | 训练集:89例增强CT扫描(4275个淋巴结),测试集:15例增强CT扫描 |
557 | 2025-07-06 |
Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study
2025-12, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2025.2466426
PMID:39992712
|
研究论文 | 本研究评估了深度学习模型在预测心脏导管实验室(cath lab)手术结束时间方面的性能 | 仅使用视频分析得出的临床阶段作为算法输入,InceptionTime和LSTM-FCN模型实现了最准确的预测 | 需要在不同的手术环境中验证这些发现,并探索在不损失准确性的情况下优化训练时间的方法 | 评估深度学习模型在预测手术结束时间方面的性能,以提高心脏导管实验室的效率 | 心脏导管实验室(cath lab)的手术 | 机器学习 | 心血管疾病 | 视频分析 | InceptionTime, LSTM-FCN, LSTM with attention mechanism, standard LSTM, CNN, Transformer | 视频 | NA |
558 | 2025-07-06 |
MLP-UNet: an algorithm for segmenting lesions in breast and thyroid ultrasound images
2025-12, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2025.2523266
PMID:40580163
|
研究论文 | 提出了一种名为MLP-UNet的深度学习模型,用于自动分割乳腺和甲状腺超声图像中的病变区域 | MLP-UNet采用U形编码器-解码器架构,并在编码器阶段集成了基于MLP的模块(MAP),同时在跳跃连接中使用了轻量级注意力模块以增强特征表示 | NA | 提高乳腺和甲状腺超声图像中病变分割的准确性和实时性,以指导活检和手术中的精确针头放置 | 乳腺肿瘤和甲状腺结节 | 计算机视觉 | 乳腺癌, 甲状腺癌 | 深度学习 | MLP-UNet | 超声图像 | 使用了BUSI和DDTI两个数据集进行验证 |
559 | 2025-07-06 |
AgCV: An Agentic framework for automating computer vision application
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103424
PMID:40612263
|
研究论文 | 本文提出了一个名为Agentic Computer Vision (AgCV)的框架,旨在通过自主代理自动化复杂的计算机视觉任务 | AgCV框架结合了LangGraph、自然语言处理、深度学习和数据科学,构建了自适应、用户驱动的计算机视觉流程,并通过用户交互实现全自动化流水线 | NA | 自动化复杂的计算机视觉任务,降低技术门槛,提升计算机视觉应用的可访问性、可扩展性和灵活性 | 计算机视觉任务,如图像识别、分类和分割 | 计算机视觉 | NA | 自然语言处理、深度学习、数据科学 | LangGraph、RAG | 图像 | NA |
560 | 2025-07-06 |
Automated material flow characterization of WEEE in sorting plants using deep learning and regression models on RGB data
2025-Aug-01, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.114904
PMID:40424857
|
研究论文 | 本研究开发了一种基于RGB摄像头和深度学习的自动化方法,用于电子废弃物(WEEE)分选厂中的物料流成分分析 | 结合深度学习进行材料类型识别、回归模型预测单个颗粒质量,并将质量汇总为物料流成分 | 方法尚未在粉碎后的WEEE中成功应用 | 优化电子废弃物回收过程中的自动化粉碎和分离工艺 | 电子废弃物(WEEE)中的铁金属、非铁金属、印刷电路板和塑料 | 计算机视觉 | NA | RGB摄像头数据采集 | YOLO v11, K-nearest neighbors回归 | RGB图像 | NA |