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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
561 | 2025-07-24 |
The Role and Promise of Artificial Intelligence in Medical Toxicology
2020-10, Journal of medical toxicology : official journal of the American College of Medical Toxicology
IF:2.5Q3
DOI:10.1007/s13181-020-00769-5
PMID:32215849
|
综述 | 本文综述了人工智能在医学毒理学中的角色和前景,重点讨论了深度学习和知识表示在扩展毒物控制中心覆盖范围及增强社交媒体症状监测方面的潜力 | 探讨了AI如何通过深度学习和知识表示整合跨学科知识,实时应用医学知识于患者,并挖掘难以触及的知识 | 未提及具体实施案例或实证研究结果 | 探讨人工智能在医学毒理学中的应用及其潜力 | 医学毒理学领域,特别是毒物控制中心和社交媒体症状监测 | 人工智能 | NA | 深度学习和知识表示 | NA | 文本和图像数据(如社交媒体和医学影像) | NA |
562 | 2025-07-24 |
Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science
2020-09-01, Clinical linguistics & phonetics
IF:0.8Q4
DOI:10.1080/02699206.2020.1743761
PMID:32200647
|
research paper | 介绍了一个公开可用的语音录音数据库SEED,用于语音学和临床语音障碍课程的教学与研究 | 开发了一个公开的语音录音数据库,包含成人和儿童的典型与障碍语音样本,填补了公开数据的空白 | 数据收集受限于IRB协议,可能无法涵盖所有障碍类型或广泛人群 | 改善语音学和临床语音障碍领域的教学与研究,缩小理论与实践之间的差距 | 成人和儿童的典型与障碍语音样本 | 语音学 | 语音障碍 | 高质设备录音 | NA | 语音录音 | 成人和儿童的典型与障碍语音样本 |
563 | 2025-07-23 |
Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods
2025-Dec, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.S3.S34102
PMID:40443946
|
研究论文 | 本文提出了一种平台灵活的深度学习方法,用于减少光声成像中的光漂白效应,从而提高图像质量和实时可视化能力 | 引入了一种平台灵活的深度学习框架,能够从单激光脉冲数据中增强信噪比,无需多脉冲信号平均,从而减少光漂白效应 | 实验主要基于体外和离体样本,尚未在临床环境中进行大规模验证 | 解决分子光声成像中因光漂白导致的组织可视化问题,提高成像质量和临床决策支持 | 光声成像中的外源性染料 | 医学影像处理 | NA | 光声成像,深度学习 | cGAN, U-Net | 图像 | 体外和离体样本,包括ICG填充管的3D扫描实验 |
564 | 2025-07-23 |
AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity
2025-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2534626
PMID:40693434
|
研究论文 | 本文介绍了AlphaBind,一种特定领域的模型,用于预测和优化抗体-抗原结合亲和力 | AlphaBind利用蛋白质语言模型嵌入和基于数百万抗体-抗原结合强度定量实验室测量的预训练,实现了在指导亲本抗体亲和力优化方面的最先进性能 | 仅针对四种亲本抗体进行了验证,且每种亲本抗体仅进行了一轮数据生成 | 通过深度学习预测和优化抗体序列,以设计具有最佳特性的抗体 | 抗体-抗原结合亲和力 | 机器学习 | NA | 深度学习 | 蛋白质语言模型 | 定量实验室测量数据 | 四种亲本抗体 |
565 | 2025-07-23 |
Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning
2025-Sep, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102457
PMID:40580873
|
研究论文 | 通过单细胞转录组学和深度学习,识别并验证针对三阴性乳腺癌中巨噬细胞极化的协同药物策略 | 开发了一个基于巨噬细胞分化的分类器(MMDCSS),并发现非那雄胺可作为ZBTB20调节剂,逆转肿瘤诱导的M2巨噬细胞极化 | 研究样本量较小,仅涉及24名TNBC患者 | 探索三阴性乳腺癌中巨噬细胞极化的调控机制及其潜在治疗策略 | 三阴性乳腺癌患者和巨噬细胞极化 | 数字病理学 | 乳腺癌 | 单细胞RNA测序(scRNA-seq)、机器学习、伪时间轨迹映射 | 深度学习 | 转录组数据 | 24名三阴性乳腺癌患者 |
566 | 2025-07-23 |
Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance
2025-Sep, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102459
PMID:40582068
|
研究论文 | 该研究通过机器学习指导的单细胞多组学分析,揭示了非小细胞肺癌中GDF15驱动的免疫抑制微环境,并提出了克服抗PD-1耐药的转化框架 | 首次将机器学习与单细胞多组学结合,系统性地识别了免疫检查点阻断疗效的决定因素,并发现GDF15作为预测ICB耐药的一类新型生物标志物 | 研究样本量相对较小(n=156),且外部验证仅限于黑色素瘤队列 | 探索非小细胞肺癌免疫治疗耐药的分子机制并开发预测生物标志物 | 非小细胞肺癌患者样本和Lewis肺癌细胞系 | 数字病理学 | 肺癌 | 单细胞RNA测序、机器学习算法 | Accelerated Oblique Random Survival Forest | 多组学数据(包括转录组数据) | 156例NSCLC患者样本(四个队列) |
567 | 2025-07-23 |
A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease
2025-Aug-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123563
PMID:40494037
|
系统综述 | 本文系统综述了脑年龄差距(BAG)作为阿尔茨海默病早期诊断生物标志物的研究现状 | 利用深度学习技术预测脑年龄,并通过脑年龄差距(BAG)作为阿尔茨海默病的早期诊断生物标志物 | 存在场地效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等关键挑战 | 探索脑年龄差距(BAG)作为阿尔茨海默病早期诊断生物标志物的潜力 | 阿尔茨海默病患者和健康个体的脑部结构变化 | 数字病理学 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 神经影像数据 | NA |
568 | 2025-07-23 |
A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.048
PMID:40221285
|
研究论文 | 本研究构建了一个基于高分辨率T2加权图像的深度学习模型,用于术前区分T2和T3期直肠癌,并与经验丰富的放射科医生进行了性能比较 | 开发了一个基于DenseNet的深度学习模型,在区分T2和T3期直肠癌方面表现优于放射科医生 | 研究为回顾性设计,样本量相对较小,外部测试集仅包含26名患者 | 提高直肠癌术前分期的准确性,支持临床治疗决策 | 281名经病理证实的直肠癌患者 | 数字病理 | 直肠癌 | 高分辨率T2加权成像 | DenseNet | 医学影像 | 281名患者(来自四个中心) |
569 | 2025-07-23 |
Prediction of Tumor Budding Grading in Rectal Cancer Using a Multiparametric MRI Radiomics Combined with a 3D Vision Transformer Deep Learning Approach
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.046
PMID:40246672
|
研究论文 | 评估多参数MRI放射组学结合3D Vision Transformer深度学习模型在预测直肠癌患者肿瘤萌芽分级中的有效性 | 首次结合多参数MRI放射组学和3D Vision Transformer深度学习模型预测直肠癌肿瘤萌芽分级 | 回顾性研究设计可能引入选择偏倚,且未建立临床模型 | 开发非侵入性方法预测直肠癌肿瘤萌芽分级,以辅助个性化治疗和预后评估 | 349例直肠腺癌患者(来自两家医院) | 数字病理 | 直肠癌 | 多参数MRI(T2WI、DWI、T1CE) | 3D Vision Transformer (ViT) | 医学影像 | 349例患者(187例训练集,80例内部测试集,82例外部测试集) |
570 | 2025-05-02 |
Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.022
PMID:40307112
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
571 | 2025-07-23 |
Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images: A Comparative Study of Intratumoral and Peritumoral Radiomics, Deep Learning, and Fusion Models
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.029
PMID:40328536
|
研究论文 | 本研究通过CT图像的放射组学和深度学习方法分析肺腺癌患者的肿瘤内和肿瘤周围特征,并开发验证了一种多模型融合策略来预测表皮生长因子受体(EGFR)突变状态 | 结合肿瘤内和肿瘤周围区域的放射组学与深度学习模型,采用软投票策略的多模态融合方法,显著提高了预测性能 | 研究基于回顾性数据,可能存在选择偏差 | 预测肺腺癌患者的EGFR突变状态 | 826名肺腺癌患者的CT图像数据 | 数字病理 | 肺腺癌 | 放射组学特征提取、深度学习 | Lasso、多种机器学习算法、nnUNet、2D/2.5D/3D深度学习模型 | CT图像 | 826名患者(来自两家医院) |
572 | 2025-07-23 |
Renal Transplant Survival Prediction From Unsupervised Deep Learning-Based Radiomics on Early Dynamic Contrast-Enhanced MRI
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.001
PMID:40413148
|
研究论文 | 本研究探讨了利用无监督深度学习算法从早期动态对比增强MRI数据中提取与肾移植存活相关的放射组学特征 | 首次将无监督对比学习应用于肾移植存活预测,从MRI数据中提取放射组学特征 | 需要进一步研究验证该技术的稳健性,并确定如何将其整合到多模态和临床环境中 | 预测肾移植存活率 | 肾移植患者 | 数字病理 | 终末期肾病 | 动态对比增强MRI | CNN | 图像 | 108名患者用于训练,48名患者用于验证 |
573 | 2025-07-23 |
Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction
2025-Aug, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00911-7
PMID:40686829
|
research paper | 本研究旨在通过[18F]florapronol PET成像和深度学习自动量化软件,建立一个可靠的SUVR截止阈值来区分阿尔茨海默病(AD)患者与正常对照(NC)个体 | 结合部分体积校正(PVC)与SUVR分析以提高AD诊断准确性,并通过深度学习自动量化软件建立标准化的SUVR阈值 | 研究排除了轻度认知障碍(MCI)患者,样本量相对较小(n=141) | 建立可靠的SUVR截止阈值以区分AD患者与NC个体,并评估PVC对诊断准确性的影响 | 55名AD患者(排除MCI)和86名NC对照 | digital pathology | Alzheimer's disease | [18F]florapronol PET imaging, deep learning-based automated quantification | deep learning | PET imaging data | 141 participants (55 AD patients and 86 NC controls) |
574 | 2025-07-23 |
Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond
2025-Aug, Indian journal of thoracic and cardiovascular surgery
IF:0.7Q4
DOI:10.1007/s12055-025-01941-8
PMID:40693004
|
研究论文 | 本文探讨了贝叶斯分析和机器学习在心胸外科研究中的应用及其潜力 | 结合贝叶斯分析和机器学习,整合先验知识与数据驱动分析,为心胸外科研究提供新的统计方法 | 未具体说明实际应用案例或实验验证结果 | 探讨现代统计技术在心胸外科研究中的应用 | 心胸外科研究中的统计方法 | 机器学习 | 心血管疾病 | 贝叶斯分析、深度学习、聚类 | NA | 大型数据集 | NA |
575 | 2025-07-23 |
HDXRank: A Deep Learning Framework for Ranking Protein Complex Predictions with Hydrogen-Deuterium Exchange Data
2025-Jul-22, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00175
PMID:40367339
|
research paper | 开发了一个基于图神经网络(GNN)的框架HDXRank,用于利用氢-氘交换(HDX)数据对蛋白质复合物预测候选结构进行排序 | HDXRank是一个新颖的框架,能够捕捉对准确HDX谱预测至关重要的局部结构特征,并将其转化为模型质量指标 | 未提及具体的局限性 | 提高蛋白质复合物结构预测的准确性 | 蛋白质复合物结构 | machine learning | NA | 氢-氘交换(HDX)实验 | GNN(图神经网络) | HDX实验数据 | 新策划的HDX数据集 |
576 | 2025-07-23 |
A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model
2025-Jul-22, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00496
PMID:40588763
|
研究论文 | 提出了一种改进的机器学习方法DeePKS-ES,用于精确模拟水系统的电子结构 | 通过将哈密顿矩阵及其特征值和特征向量纳入损失函数,建立了一个适用于水系统的通用模型,能够从低成本的PBE计算中重现高精度HSE06的电子特性 | NA | 精确模拟从单个分子到体相液体的水电子结构 | 水系统的电子结构 | 机器学习 | NA | Deep Kohn-Sham (DeePKS)方法 | DeePKS-ES | 电子结构数据 | 分子团簇和液相模拟 |
577 | 2025-07-09 |
Correction to "Deep Learning Enhanced Near Infrared-II Imaging and Image-Guided Small Interfering Ribonucleic Acid Therapy of Ischemic Stroke"
2025-Jul-22, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c07799
PMID:40623919
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
578 | 2025-07-23 |
Deep Learning-Based Classification of NSCLC-Derived Extracellular Vesicles Using AFM Nanomechanical Signatures
2025-Jul-22, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02009
PMID:40626500
|
研究论文 | 该研究利用原子力显微镜(AFM)和深度学习模型对非小细胞肺癌(NSCLC)衍生的细胞外囊泡(EVs)进行纳米力学特征分类 | 首次展示了基于纳米力学的NSCLC衍生EVs分类方法,并结合深度学习模型显著提高了诊断性能 | 样本变异性问题未完全解决,且需在临床样本中进一步验证性能 | 开发一种非侵入性诊断工具,用于NSCLC的精准诊断 | 非小细胞肺癌(NSCLC)衍生的细胞外囊泡(EVs) | 数字病理学 | 肺癌 | 原子力显微镜(AFM) | DenseNet | 图像 | NSCLC亚型(A549、PC9、PC9/GR)和非肿瘤性支气管上皮细胞(BEAS-2B) |
579 | 2025-07-23 |
Event-Driven Taxonomy (EDT) Screening: Leveraging Effect-Based Spectral Libraries to Accelerate Semiquantitative Nontarget Analysis of AhR Agonists in Sediment in the Era of Big Data
2025-Jul-22, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c07344
PMID:40626791
|
研究论文 | 本文提出了一种事件驱动分类(EDT)筛选策略,用于快速识别和半定量沉积物中的非目标生物活性污染物,以芳烃受体(AhR)活性为例 | 通过整合两种新型效应光谱库到LC-HRMS筛选模板中,将分馏、生物测定、鉴定和定量整合为单一流程,显著提高了识别准确性和生物活性贡献解释 | 该方法主要针对AhR活性污染物,对其他类型污染物的适用性尚需验证 | 开发一种快速识别和半定量复杂化学混合物中生物活性污染物的方法 | 沉积物中的芳烃受体(AhR)活性污染物 | 环境分析化学 | NA | LC-HRMS, 深度学习 | 深度学习 | 质谱数据 | NA |
580 | 2025-07-23 |
Deep Learning-Enhanced Hand-Driven Spatial Encoding Microfluidics for Multiplexed Molecular Testing at Home
2025-Jul-22, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c04309
PMID:40627810
|
研究论文 | 提出了一种基于人工智能的手动驱动微流控系统(MACRO),用于家庭诊断多种传染病 | 利用多维空间沙漏结构设计,通过翻转芯片实现流体的精确时空控制,结合RPA和CRISPR技术,无需核酸提取和纯化,简化了样本准备过程 | 需要进一步验证在更多种类传染病检测中的适用性 | 开发一种适用于家庭的多重分子检测系统,提升重大疫情的早期预警能力和公共卫生应急响应能力 | 多种传染病(如HPV、SARS-CoV-2、流感A和B) | 数字病理 | 传染病 | RPA、CRISPR | YoLov8 | 图像 | 140例宫颈拭子标本和70例呼吸道病原体样本 |