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 | 2025-09-11 |
Characterization of organic fouling on thermal bubble-driven micro-pumps
2024 Mar-Apr, Biofouling
IF:2.6Q1
DOI:10.1080/08927014.2024.2353034
PMID:38785127
|
研究论文 | 本研究通过高速成像和深度学习网络分析了热气泡驱动微泵在蛋清蛋白和牛全血作用下的有机污染特性 | 首次研究了热气泡微泵与生物流体(如血液和蛋白质富集流体)的相互作用,并提出基于气泡面积减少的新污染量化指标 | 研究仅针对蛋清蛋白和牛全血两种生物流体,未涉及其他可能影响微泵性能的生物或化学物质 | 表征热气泡驱动微泵在生物流体环境中的有机污染效应及其对性能的影响 | 热气泡驱动微泵及其在蛋清蛋白和牛全血中的污染行为 | 微流控技术 | NA | 频闪高速成像和基于RESNET-18迁移学习的定制深度学习神经网络 | CNN(基于RESNET-18) | 图像 | 使用蛋清蛋白和牛全血作为测试流体,具体样本数量未明确说明 |
542 | 2025-09-11 |
Deep Learning from Phylogenies for Diversification Analyses
2023-12-30, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad044
PMID:37556735
|
研究论文 | 本文提出一种基于深度学习的系统发育树多样化分析推断方法,替代传统似然方法 | 将深度学习从病原体系统动力学领域迁移至多样化推断,并扩展至依赖状态的多样化模型推断 | NA | 开发一种通用、高效的系统发育树多样化动态推断方法 | 物种系统发育树及相关性状数据 | 机器学习 | NA | 深度学习 | 深度神经网络 | 系统发育树数据、性状数据 | 以灵长类动物系统发育树为例进行验证 |
543 | 2025-09-11 |
Developing and deploying deep learning models in brain magnetic resonance imaging: A review
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5014
PMID:37539775
|
综述 | 本文回顾了脑部磁共振成像中深度学习模型的开发与临床部署,涵盖从数据收集到实际应用的完整流程 | 整合了从数据采集到临床部署的全流程指南,并基于FDA良好机器学习实践提供了检查清单,强调可解释性在神经影像中的应用 | NA | 探讨深度学习在脑部MRI中的应用潜力及临床部署策略 | 脑部磁共振成像数据及深度学习模型 | 医学影像分析 | 神经系统疾病 | 深度学习(DL) | 深度学习模型 | 磁共振图像(MRI) | NA |
544 | 2025-09-11 |
Deep learning based correction of RF field induced inhomogeneities for T2w prostate imaging at 7 T
2023-12, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5019
PMID:37622473
|
研究论文 | 提出一种基于深度学习的偏置场校正方法,用于改善7T磁场下T2加权前列腺图像的不均匀性问题 | 首次将深度学习应用于7T超强磁场下T2加权前列腺图像的偏置场校正,克服了传统N4算法假设低频偏置场的局限性 | 偶尔在前列腺内部观察到对比度变化,特别是在t-Image网络中较为明显 | 解决超强磁场(7T)下T2加权前列腺图像因B场不均匀性导致的信号强度不均匀问题 | 前列腺图像 | 医学影像处理 | 前列腺癌 | 深度学习,神经网络训练 | 神经网络(t-Image和t-Biasf两种架构) | MRI图像 | 四个数据集:合成训练数据集的测试分割、7T志愿者和患者图像、3T患者图像 |
545 | 2025-09-11 |
Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence
2023-10-10, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-023-02599-9
PMID:37816706
|
研究论文 | 利用人工智能和多域高维数据预测青少年主要精神疾病的个体病例 | 首次在青少年多精神健康条件下,使用超过100个候选预测因子,比较不同类别黄金标准算法的预测能力 | 需要纵向数据和外部数据集验证结果 | 预测青少年焦虑、抑郁、注意力缺陷、破坏性行为和创伤后应激等精神疾病的个体风险 | 青少年群体 | 机器学习 | 精神疾病 | 机器学习算法优化与人工智能元学习技术 | 人工神经网络深度学习、XGBoost树基学习、ElasticNet逻辑回归 | 多域高维数据(神经、产前、发育、生理、社会文化、环境、情绪和认知特征) | 大规模跨诊断青少年样本 |
546 | 2025-09-11 |
A Large-Scale Clinical Benchmark of ResNet-based Deep Models for Newborn Face Recognition
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340883
PMID:38082835
|
研究论文 | 本研究通过构建大规模新生儿面部数据集并评估四种基于ResNet的深度学习模型,探索新生儿面部识别的临床应用可行性 | 创建了目前医院场景下最大的新生儿面部数据集NEWBORN200,并首次系统评估了多种先进ResNet模型在新领域的性能表现 | 模型对姿态变化的鲁棒性仍需改进,识别准确率在开放集和封闭集中仍有提升空间 | 开发适用于医院产科的新生儿面部识别系统,增强婴儿安全防护措施 | 200名出生后一小时内新生儿的面部图像 | 计算机视觉 | NA | 深度学习面部识别 | ResNet-based models (ArcFace, CurricularFace, MagFace, AdaFace) | 图像 | 200名新生儿的面部图像数据集 |
547 | 2025-09-11 |
Exploiting Physical Presence Sensing to Secure Voice Assistant Systems
2021-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications
DOI:10.1109/icc42927.2021.9500792
PMID:40919066
|
研究论文 | 提出一种利用物理存在感知技术保护语音助手系统免受远程语音重放和注入攻击的防御系统 | 通过分析语音数据和无线数据的相关性来检测攻击,无需额外设备或用户操作 | 在真实智能家居场景中的检测成功率为76.4%至89.1%,存在误判可能 | 保护语音助手系统安全,防御远程语音攻击 | 语音助手设备和智能家居设备 | 物联网安全 | NA | 梅尔频率倒谱系数(MFCC)特征提取 | 深度学习模型 | 语音数据和无线数据 | 在真实智能家居场景中进行测试 |
548 | 2025-09-10 |
The value of machine and deep learning in management of critically ill patients: An umbrella review
2025-Dec, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106081
PMID:40795609
|
综述 | 本文通过伞状综述评估机器学习和深度学习在重症监护患者管理中的应用价值与挑战 | 首次系统整合并评估AI在ICU多领域(脓毒症、呼吸、心血管等)应用的证据,强调深度学习技术对临床决策的变革潜力 | 外部验证不足、方法学不一致性及未解决的伦理问题限制了临床转化 | 探讨机器/深度学习在危重症患者管理中的可行性与应用效果 | 重症监护病房(ICU)患者,涵盖脓毒症、呼吸系统、心血管、肾脏及神经系统疾病 | machine learning | 心血管疾病 | 机器学习与深度学习模型 | DL(深度学习) | 临床医疗数据 | 42项符合分析条件的系统综述与meta分析(源自2148条初始记录) |
549 | 2025-09-10 |
Interpretability-driven deep learning for SERS-based classification of respiratory viruses
2025-Dec-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117891
PMID:40840132
|
研究论文 | 开发了一种结合表面增强拉曼散射和可解释性深度学习的呼吸病毒诊断平台 | 将3D等离子体纳米柱基底与可解释性驱动深度学习相结合,实现病毒特异性分子指纹识别和高精度分类 | NA | 开发快速准确的呼吸病毒变体级别诊断方法 | 13种呼吸病毒类型,包括甲型/乙型流感、RSV、SARS-CoV-2及其变体和亚系 | 机器学习 | 呼吸系统疾病 | 表面增强拉曼散射(SERS) | 一维卷积神经网络(1D-CNN) | 光谱数据 | 涉及13种病毒类型的SERS光谱数据 |
550 | 2025-09-10 |
Automatic specific absorption rate (SAR) prediction for hyperthermia treatment planning using deep learning method
2025-Dec, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group
IF:3.0Q2
DOI:10.1080/02656736.2025.2554860
PMID:40922671
|
研究论文 | 开发一种基于深度学习的快速准确预测人脑比吸收率分布的方法,用于支持脑癌患者的实时热疗计划 | 首次使用带有交叉注意力块的编码器-解码器神经网络从脑电特性、肿瘤3D等中心坐标和微波天线相位设置预测SAR分布 | 基于201个模拟数据的有限数据集训练,需要进一步临床验证 | 开发快速准确的SAR预测方法以支持实时热疗计划 | 人脑组织与脑癌患者 | 医学影像分析 | 脑癌 | 有限元建模、深度学习 | 编码器-解码器神经网络(带交叉注意力块) | 3D模拟数据、电特性数据 | 201个模拟样本(训练181个,测试20个) |
551 | 2025-09-10 |
Identification of syrup adulteration in wolfberry honey using CNN-CBAM-SVM combined with 1H NMR
2025-Nov-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145728
PMID:40752444
|
研究论文 | 开发基于CNN-CBAM-SVM架构结合氢核磁共振谱的深度学习模型,用于检测枸杞蜂蜜中的糖浆掺假 | 在传统CNN模型中引入CBAM模块并用SVM分类器替代全连接层,有效解决小样本场景下的类别不平衡、泛化能力弱和检测精度低等问题 | 样本量较小(仅40个样本),需进一步扩大数据规模验证模型普适性 | 蜂蜜糖浆掺假检测 | 枸杞蜂蜜样品(20个真品和20个掺假样品) | 机器学习 | NA | 氢核磁共振(1H NMR) | CNN-CBAM-SVM | 光谱数据 | 40个蜂蜜样品(20真品+20掺假),训练集32样本,验证集8样本 |
552 | 2025-09-10 |
Verification of resolution and imaging time for high-resolution deep learning reconstruction techniques
2025-Nov, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110463
PMID:40706823
|
研究论文 | 评估供应商提供的超分辨率深度学习重建技术在MRI中的性能,优化成像时间和分辨率平衡 | 首次系统验证PIQE超分辨率DLR技术在临床MRI中的性能边界,明确70%扫描时间缩减的可行性 | 仅使用8例临床脑部图像进行验证,样本量较小且限于单一厂商设备 | 优化MRI中超分辨率深度学习重建技术的参数配置以实现高效临床应用 | 边缘模体和8名患者的临床脑部MRI图像 | 医学影像分析 | NA | 深度学习重建(DLR), 超分辨率技术 | 深度学习(未指定具体架构) | MRI图像 | 8例临床脑部图像 |
553 | 2025-09-10 |
Applications of artificial intelligence in liver cancer: A scoping review
2025-Nov, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103244
PMID:40818357
|
综述 | 本文探讨人工智能在原发性肝癌管理中的应用,包括筛查、诊断、治疗规划和预后预测等方面 | 聚焦AI在肝癌临床实践中的最新进展,特别是深度学习模型在早期检测和多模态数据整合中的高敏感性与特异性 | 许多模型缺乏全面的临床适用性评估和外部验证,开发与临床实施之间存在差距 | 系统回顾人工智能在原发性肝癌管理中的应用及其临床潜力 | 原发性肝癌,特别是肝细胞癌和肝内胆管癌 | 人工智能 | 肝癌 | 机器学习(ML)和深度学习(DL) | 深度学习模型 | CT和MRI影像数据 | 基于62项精选研究的文献分析(初筛13,122篇文章) |
554 | 2025-09-10 |
Leveraging explainable artificial intelligence for transparent and trustworthy cancer detection systems
2025-Nov, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103243
PMID:40839960
|
综述 | 系统回顾可解释人工智能(XAI)在癌症检测中的应用,强调透明度与可信度 | 首次系统分类XAI技术在不同癌种的应用并量化方法使用趋势(如CNN占31%,SHAP占44.4%) | 仅7.4%的研究涉及安全性问题,存在安全性与临床落地差距 | 推动肿瘤学中可信赖且可解释的AI系统发展 | 多种癌症类型(乳腺癌、皮肤癌、肺癌、结直肠癌、脑癌等) | 数字病理 | 癌症 | 可解释人工智能(XAI) | CNN | 医学影像数据 | NA(系统性综述未涉及具体样本量) |
555 | 2025-09-10 |
Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence
2025-Nov, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110495
PMID:40784463
|
研究论文 | 开发一种高度加速的MRI技术,用于同时量化脑组织血流和T1值 | 结合双翻转角相位对比星形堆栈序列与深度学习重建算法,实现16倍加速的同时血流和T1量化 | 仅在定量体模和六名健康志愿者中验证,未涉及患者群体 | 开发快速脑血流和T1同时量化技术 | 脑动脉血流和脑组织T1映射 | 医学影像 | 脑血管疾病 | MRI双翻转角相位对比星形堆栈序列 | 基于深度学习的混合特征哈希编码隐式神经表示与显式稀疏先验知识结合算法(INRESP) | MRI图像数据(幅度和相位图像) | 1个定量体模和6名健康志愿者 |
556 | 2025-09-10 |
Deep learning-augmented inductively coupled plasma atomic emission spectrometry for multivariate authentication of green tea origin and grades
2025-Nov, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.117015
PMID:40922162
|
研究论文 | 结合电感耦合等离子体原子发射光谱和反向传播神经网络,实现绿茶产地与等级的多变量同步认证 | 首次将SHAP可解释性分析与BPNN结合用于茶叶认证,并证明其在等级分类上优于传统PCA降维方法 | 仅针对龙井茶样本进行验证,未涵盖其他绿茶品种 | 开发同步认证绿茶产地和等级的可靠方法 | 绿茶样本(如龙井茶) | 机器学习 | NA | ICP-AES(电感耦合等离子体原子发射光谱) | BPNN(反向传播神经网络) | 元素含量数据 | 未明确样本数量(龙井茶样本) |
557 | 2025-09-10 |
Evaluation of high-resolution pituitary dynamic contrast-enhanced MRI using deep learning-based compressed sensing and super-resolution reconstruction
2025-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11574-5
PMID:40221940
|
研究论文 | 评估基于深度学习的压缩感知与超分辨率重建技术在高分辨率垂体动态对比增强MRI中对微腺瘤的诊断性能 | 首次将深度学习压缩感知与超分辨率重建(DLCS-SR)结合应用于垂体DCE MRI,显著提升图像分辨率和诊断一致性 | 样本量有限(126例),且为单中心前瞻性研究,需进一步多中心验证 | 评估DLCS-SR重建技术在垂体微腺瘤MRI诊断中的性能提升 | 疑似垂体微腺瘤患者(126例参与者) | 医学影像分析 | 垂体疾病 | 动态对比增强MRI(DCE MRI)、深度学习压缩感知与超分辨率重建(DLCS-SR) | 深度学习(具体架构未说明) | MRI影像 | 126例疑似垂体微腺瘤患者 |
558 | 2025-09-10 |
Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review
2025-Oct, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.03.004
PMID:40393880
|
综述 | 本文通过范围综述方法,总结了人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用现状 | 首次系统梳理AI在MRONJ领域的应用,涵盖预测模型、影像诊断及患者教育三大方向,并对比不同模型的性能表现 | 纳入研究数量有限(仅8篇),数据质量、模型验证和临床整合方面存在挑战 | 评估人工智能技术在药物相关性颌骨坏死临床管理中的应用潜力与研究进展 | 涉及MRONJ的患者群体及相关临床数据 | 医疗人工智能 | 颌骨坏死 | 机器学习(支持向量机、随机森林、梯度提升机)和深度学习 | SVM, Random Forest, GBM, CNN, 大语言模型 | 临床数据和放射影像 | 基于8项符合条件的研究,具体样本量未统一报告 |
559 | 2025-09-10 |
A New Approach for Calculating Texture Coefficients of Different Rocks With Image Segmentation and Image Processing Techniques
2025-Oct, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24879
PMID:40418716
|
研究论文 | 提出一种基于图像分割和图像处理技术计算岩石纹理系数的新方法 | 采用深度学习图像处理技术进行岩石薄片图像分割,并开发Python算法实现快速TC计算,分割精度高达IoU=0.97 | NA | 开发更高效准确的岩石纹理系数计算方法 | 20种不同类型的火成岩、变质岩和沉积岩 | 计算机视觉 | NA | 图像分割,图像处理 | 深度学习 | 图像 | 20种岩石的薄片图像 |
560 | 2025-09-10 |
Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103621
PMID:40482561
|
综述 | 本文对医学领域基于深度学习的多模态人工智能应用进行了范围综述,分析了432篇相关论文 | 系统评估了多模态AI在医学领域的技术架构、融合策略和应用效果,揭示了其相比单模态模型平均AUC提升6.2个百分点的优势 | 存在跨部门协调困难、数据异质性和数据集不完整等挑战 | 探讨多模态AI在医学领域的技术挑战和临床应用 | 2018-2024年间发表的432篇医学多模态AI研究论文 | 多模态人工智能 | NA | 深度学习 | 多模态融合模型 | 多模态医疗数据 | 432篇研究论文 |