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 | 2025-07-05 |
Spatiotemporal Observer Design for Predictive Learning of High-Dimensional Data
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3556669
PMID:40168192
|
research paper | 本文提出了一种基于观测器理论的深度学习架构,用于高维数据的时空预测学习 | 结合动态系统领域知识设计深度学习模型,提供泛化误差界和收敛保证,并引入动态正则化以更好地学习系统动态 | 未提及具体应用场景或数据类型的限制 | 解决时空预测学习中的理论保证问题 | 高维时空数据 | machine learning | NA | deep learning | Spatiotemporal Observer | spatiotemporal data | NA |
562 | 2025-07-05 |
Revisiting One-Stage Deep Uncalibrated Photometric Stereo via Fourier Embedding
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3557245
PMID:40173071
|
research paper | 本文提出了一种名为Fourier Uncalibrated Photometric Stereo Network (FUPS-Net)的单阶段深度无标定光度立体网络,用于未知光照方向下的非朗伯体物体 | 通过傅里叶变换网络隐式学习光照特征,而非使用分离的光照估计网络,解决了传统两阶段方法中光照误差传播的问题 | 未明确提及具体限制,但可能对复杂光照条件下的性能有待验证 | 改进无标定光度立体方法,实现更准确的表面法线估计 | 非朗伯体物体 | computer vision | NA | 傅里叶变换 | FUPS-Net | image | 合成和真实数据集 |
563 | 2025-07-05 |
Revisiting Supervised Learning-Based Photometric Stereo Networks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3557498
PMID:40178960
|
research paper | 本文通过重新审视现有方法的深度特征、特征编码策略和网络架构,揭示了监督学习光度立体网络如何解决未知反射和全局光照效应的挑战,并提出了ESSENCE-Net方法 | 提出了ESSENCE-Net,采用易优先编码策略有效编码深度阴影特征,通过阴影监督增强阴影特征,并利用空间上下文感知注意力准确解码法线 | 未提及 | 揭示监督学习光度立体网络如何解决未知反射和全局光照效应的挑战 | 光度立体网络 | computer vision | NA | 监督学习 | ESSENCE-Net | 图像 | 三个基准数据集 |
564 | 2025-07-05 |
Unknown-Aware Bilateral Dependency Optimization for Defending Against Model Inversion Attacks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3558267
PMID:40184277
|
研究论文 | 本文提出了一种双边依赖优化策略(BiDO)及其升级框架(BiDO+),用于防御模型反转攻击并提升模型在开放世界中的分布外检测能力 | 提出了双边依赖优化策略(BiDO),通过最小化输入特征与潜在表示之间的依赖关系,同时最大化潜在表示与标签之间的依赖关系,解决了传统单边依赖优化策略在模型鲁棒性和分类性能之间的权衡问题 | 使用BiDO训练的模型在分布外(OOD)检测方面的能力有所下降,这可能带来安全风险 | 防御模型反转攻击,同时提升模型在开放世界中的分布外检测能力 | 深度学习分类器及其在隐私保护和安全性方面的表现 | 机器学习 | NA | 双边依赖优化策略(BiDO) | 深度学习分类器 | NA | NA |
565 | 2025-07-05 |
Recent Advances in Artificial Intelligence for Precision Diagnosis and Treatment of Bladder Cancer: A Review
2025-Aug, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17228-6
PMID:40221553
|
review | 本文综述了人工智能在膀胱癌精准诊断和治疗中的最新研究进展与前景 | 探讨了深度学习技术在膀胱癌临床任务中的显著进展,包括肿瘤检测、分子亚型识别、肿瘤分期与分级、预后预测及复发评估 | NA | 综述人工智能技术在膀胱癌精准诊断和治疗中的应用 | 膀胱癌的诊断和治疗 | digital pathology | bladder cancer | deep learning | NA | NA | NA |
566 | 2025-07-05 |
Hadamard Product in Deep Learning: Introduction, Advances and Challenges
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3560423
PMID:40232897
|
综述 | 本文首次全面综述了深度学习中Hadamard积的应用,提出了其在四个主要领域的分类,并探讨了其计算效率与表示能力之间的权衡 | 首次系统性地分析了Hadamard积作为核心架构原语的应用,并提出了其在深度学习中的四大应用领域分类 | 未涉及Hadamard积在特定深度学习模型中的性能对比实验 | 探讨Hadamard积在深度学习中的基础作用及其应用潜力 | 深度学习中的Hadamard积运算 | 机器学习 | NA | NA | NA | 多模态数据 | NA |
567 | 2025-07-05 |
Constraint Boundary Wandering Framework: Enhancing Constrained Optimization With Deep Neural Networks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3560762
PMID:40232899
|
研究论文 | 提出了一种基于深度神经网络的约束边界游走框架(CBWF),用于解决约束优化问题 | 引入了受主动集方法启发的边界游走策略,增强了等式约束的可行性,并将Lipschitz常数作为可学习参数 | NA | 解决约束优化问题的可扩展性挑战 | 约束优化问题 | 机器学习 | NA | 深度神经网络(DNNs) | DNN | 合成数据集和ACOPT数据集 | NA |
568 | 2025-07-05 |
PointNorm-Net: Self-Supervised Normal Prediction of 3D Point Clouds via Multi-Modal Distribution Estimation
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3562051
PMID:40238601
|
research paper | 提出了一种名为PointNorm-Net的自监督深度学习框架,用于预测3D点云的法线 | 首次提出了一种自监督深度学习框架PointNorm-Net,采用三阶段多模态法线分布估计范式 | 未提及具体局限性 | 解决3D点云法线预测在真实场景中的性能下降问题 | 3D点云数据 | computer vision | NA | 自监督学习 | PointNorm-Net | 3D点云 | 三个真实世界数据集 |
569 | 2025-07-05 |
Graph Anomaly Detection in Time Series: A Survey
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3566620
PMID:40315075
|
综述 | 本文对基于图的时间序列异常检测(G-TSAD)进行了全面和最新的回顾 | 探讨了图表示在时间序列数据中的潜力及其对促进异常检测的贡献,并回顾了最先进的图异常检测技术 | 讨论了每种方法的局限性以及当前领域面临的技术和应用挑战 | 回顾和总结基于图的时间序列异常检测技术 | 时间序列数据及其异常检测 | 机器学习 | NA | 图表示和深度学习架构 | NA | 时间序列数据 | NA |
570 | 2025-07-05 |
Plexus and Peripheral Nerve MR Imaging: Advances and Applications: MR Neurography: Sequence Possibilities and Recent Advances
2025-Aug, Magnetic resonance imaging clinics of North America
IF:1.5Q3
DOI:10.1016/j.mric.2025.03.001
PMID:40610154
|
综述 | 本文综述了磁共振神经成像(MRN)在诊断和管理神经丛及周围神经疾病中的最新进展 | 强调了3T成像、线圈选择、脂肪和血管抑制策略以及基于深度学习的重建技术以提高图像分辨率 | 未提及具体的研究限制 | 探讨MRN技术在临床实践中的应用和未来发展方向 | 神经丛(如臂丛、腰骶丛)和周围神经 | 数字病理学 | 周围神经疾病 | MRN、3T成像、7T MR成像、定量扩散成像 | 深度学习 | 图像 | NA |
571 | 2025-07-05 |
X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111721
PMID:40612478
|
research paper | 介绍了一个用于槟榔分级的X射线图像数据集,并建立了质量检查标准的基准 | 首次提出了一个基于X射线图像的槟榔数据集,用于非破坏性内部检查和质量分级 | 数据集未进行图像增强,且样本量相对较小(共900张图像) | 为槟榔行业提供一个用于分级的X射线图像数据集,并建立质量检查标准 | 槟榔的X射线图像 | computer vision | NA | X-ray成像 | YOLOv5 | image | 900张X射线图像(3个等级各300张) |
572 | 2025-07-05 |
Urban tree species benchmark dataset for time series classification
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111777
PMID:40612477
|
research paper | 该研究提出了一个基于多源光学卫星图像时间序列的城市树种分类基准数据集 | 创建了一个包含斯特拉斯堡市20种最常见树种的45,084棵树的基准数据集,并提供了三种基于InceptionTime的预训练模型 | 数据集仅覆盖斯特拉斯堡市的树种,可能无法代表其他地区的树种多样性 | 推进利用卫星图像时间序列和深度学习进行城市植被监测 | 城市树种 | computer vision | NA | 卫星图像时间序列分析 | InceptionTime, Dual-InceptionTime | 卫星图像时间序列 | 45,084棵树,涵盖20个常见树种 |
573 | 2025-07-05 |
Super-resolution tactile sensor arrays with sparse units enabled by deep learning
2025-Jul-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv2124
PMID:40601743
|
研究论文 | 本文提出了一种基于深度学习的超分辨率触觉传感器阵列,通过稀疏分布的触觉单元实现高分辨率触觉感知 | 提出了一种通用的智能框架,结合拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型,实现了从少量物理触觉单元生成大量虚拟触觉单元的高分辨率感知 | 未提及具体应用场景下的鲁棒性测试结果 | 提升人形机器人触觉感知分辨率 | 触觉传感器阵列 | 机器人与触觉感知 | NA | 深度学习 | 自注意力辅助触觉超分辨率模型 | 触觉压力数据 | 23个物理触觉单元生成2700个虚拟触觉单元 |
574 | 2025-07-05 |
Deep learning-based CNN model for multiclass classification of fingerprint patterns
2025-Jul-04, Medicine, science, and the law
DOI:10.1177/00258024251355042
PMID:40611678
|
研究论文 | 本研究提出了一种基于卷积神经网络(CNN)的模型,用于根据亨利分类法对指纹模式(弓形、环形、螺旋形和复合形)进行多类分类 | 采用CNN模型自动分类指纹模式,提高了指纹匹配和犯罪现场指纹分类的效率 | 样本量相对较小(2000个指纹模式来自200名参与者),可能影响模型的泛化能力 | 开发一个自动化的指纹分类系统,以加快指纹匹配和犯罪现场分析 | 指纹模式(弓形、环形、螺旋形和复合形) | 计算机视觉 | NA | NA | CNN | 图像 | 2000个指纹模式来自200名参与者 |
575 | 2025-07-05 |
Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality
2025-Jul-04, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018059
PMID:40613107
|
研究论文 | 本研究提出了一种新型的冠状动脉钙化分散度和密度评分(CAC-DAD),用于预测心肌梗死和心血管死亡率,并与传统的Agatston评分(AS)进行比较 | 首次提出CAC-DAD评分,该评分考虑了冠状动脉钙化的空间分布和高密度钙化的保护性作用 | 研究为回顾性设计,样本量相对较小(961例患者),且随访时间较短(中位30天) | 评估新型CAC-DAD评分在预测主要不良心血管事件(MACE)方面的预后价值 | 接受心脏计算机断层扫描进行心血管或围手术期风险评估的患者 | 数字病理学 | 心血管疾病 | 心脏计算机断层扫描(CT) | 深度学习算法 | 医学影像 | 961例患者(中位年龄67岁,61%男性) |
576 | 2025-07-05 |
Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance
2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502098
PMID:40613249
|
综述 | 本文综述了NASICON材料在钠离子电池中的发展历程、挑战及未来研究方向 | 提出了多元素优化、高熵材料、梯度掺杂和AI驱动方法等未来研究方向 | 元素优化中存在合成不一致、电化学分析技术有限和掺杂机制不明确等问题 | 优化NASICON材料以提高钠离子电池的性能 | NASICON磷酸盐材料 | 材料科学 | NA | AI、机器学习和深度学习 | NA | NA | NA |
577 | 2025-07-05 |
Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning
2025-Jul-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01486
PMID:40613676
|
研究论文 | 开发了一种结合蒙特卡洛模拟和深度学习的框架,用于精确的单分子光谱成像去噪和分析 | 首次提出了基于监督学习的单分子光谱图像去噪方法SpecUNet,并建立了八个综合评价指标 | 框架的标准化程度和在实际应用中的广泛性尚未验证 | 推动高通量单分子光谱和光谱分辨超分辨率显微镜的发展 | 单分子光谱数据 | 机器学习和光谱成像 | NA | 蒙特卡洛模拟和深度学习 | SpecUNet(基于CNN的变种) | 光谱图像数据 | 合成GT数据和实验验证数据(具体数量未提及) |
578 | 2025-07-05 |
Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease
2025-Jul-04, The British journal of radiology
DOI:10.1093/bjr/tqaf105
PMID:40613687
|
综述 | 本文综述了慢性阻塞性肺疾病(COPD)的定量CT成像技术及其在评估和管理中的应用 | 应用深度学习技术实现CT参数的自动分割和量化,以及图像标准化等创新技术 | 这些技术在临床实践中的常规应用仍存在障碍 | 提高COPD评估和管理的精确性、客观性和可重复性 | 慢性阻塞性肺疾病(COPD)患者 | 数字病理学 | 慢性阻塞性肺疾病 | CT成像 | 深度学习 | 图像 | NA |
579 | 2025-07-05 |
Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70004
PMID:40613800
|
综述 | 本文综述了多参数MRI与深度学习在提升前列腺癌分类中的整合应用 | 探讨了深度学习分类网络与多参数MRI在前列腺癌评估中的整合,包括关键网络架构、MRI序列输入对模型性能的影响,以及结合领域知识和临床信息的价值 | 讨论了当前模型的局限性及未来展望,以促进这些系统在临床中的更好整合 | 提升前列腺癌的分类准确性,支持临床诊断 | 前列腺癌患者的多参数MRI数据 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI), 深度学习 (DL) | 深度学习分类网络 | MRI图像 | NA |
580 | 2025-07-05 |
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70030
PMID:40613856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |