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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
41 | 2025-06-22 |
Classification of pediatric video capsule endoscopy images for small bowel abnormalities using deep learning models
2025-Jun-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i21.107601
PMID:40538507
|
research paper | 本研究使用深度学习模型对小儿视频胶囊内窥镜图像中的小肠异常进行分类 | 开发了一种基于深度学习的诊断工具,用于自动分类小儿VCE图像中的小肠病变,提高了诊断准确性和效率 | 研究为回顾性分析,可能存在选择偏倚;样本量相对较小,仅来自单一医疗中心 | 利用深度学习模型自动分类小儿VCE图像中的小肠病变 | 162名小儿患者的2298张高分辨率VCE图像 | digital pathology | inflammatory bowel disease | video capsule endoscopy | DenseNet121, VGG-16, ResNet50, vision transformer | image | 162名儿科患者的2298张图像 |
42 | 2025-06-22 |
An improved model for prediction of de novo designed proteins with diverse geometries
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.02.657515
PMID:40502157
|
research paper | 该研究提出了一种改进的深度学习模型,用于预测具有多样几何结构的从头设计蛋白质 | 通过基于物理的设计方法生成并验证了一个包含5,996个稳定、具有非理想几何结构的从头设计蛋白质的数据集,并提出了一个经过微调的Alphafold2版本,能够捕捉几何多样性 | 当前的深度学习方法未能完全捕捉从头设计蛋白质的特定构象偏好所涉及的物理原理 | 改进深度学习模型以更好地预测具有多样几何结构的从头设计蛋白质 | 从头设计的蛋白质 | machine learning | NA | deep learning, physics-based design methods | Alphafold2 | protein structure data | 5,996个稳定、具有非理想几何结构的从头设计蛋白质 |
43 | 2025-06-22 |
Trajectory-Ordered Objectives for Self-Supervised Representation Learning of Temporal Healthcare Data Using Transformers: Model Development and Evaluation Study
2025-Jun-04, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/68138
PMID:40465350
|
研究论文 | 本研究提出了一种名为TOO-BERT的基于Transformer的模型,通过整合新颖的轨迹顺序目标(TOO)来改进电子健康记录(EHR)序列的建模 | 引入了轨迹顺序目标(TOO)以增强模型对医疗事件间复杂时序依赖关系的理解,并通过条件选择过程进一步优化上下文理解和时序感知 | 研究仅针对两种特定的EHR数据集(MIMIC-IV和MDC)进行了评估,可能在其他数据集上的泛化能力有待验证 | 改进基于Transformer的模型在捕捉EHR数据中复杂时序依赖关系方面的能力 | 电子健康记录(EHR)中的患者轨迹数据 | 自然语言处理 | 心力衰竭、阿尔茨海默病 | 掩码语言建模(MLM)、自监督学习 | Transformer(TOO-BERT) | 电子健康记录(EHR)序列数据 | MIMIC-IV数据集约1000万条医疗代码,MDC数据集约800万条医疗代码 |
44 | 2025-06-22 |
Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)"
2025-Jun-04, JMIR research protocols
IF:1.4Q3
DOI:10.2196/67875
PMID:40466092
|
研究论文 | 该研究旨在通过WATCH队列研究评估乳腺癌放疗后心房颤动的发生率及其与心脏辐射暴露的关联 | 首次系统研究乳腺癌放疗后心房颤动的发生率,并探索心脏辐射暴露与心房颤动发生的关联 | 样本量相对较小(200名患者),且仅针对65岁以上的患者群体 | 评估乳腺癌放疗后心房颤动的发生率,并研究心脏辐射暴露与心房颤动发生的关联 | 65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者 | 数字病理 | 乳腺癌 | Withings ScanWatch智能手表监测、心电图(ECG)、经胸超声心动图(TTE) | 深度学习算法 | 生理信号数据、医学影像数据 | 200名65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者 |
45 | 2025-06-22 |
Automated periodontal assessment in orthodontic patients: a dual CNN framework
2025-Jun-02, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06410-5
PMID:40455084
|
研究论文 | 本研究开发了一种基于卷积神经网络(CNN)的系统,用于在正畸患者的口内图像中诊断牙结石、牙菌斑、牙龈增生和牙龈炎症 | 提出了一种双CNN框架(YOLOv8和混合U-Net + ResNet50模型),用于自动化牙周评估,提供快速和客观的评估 | 最终的诊断结论仍需依赖临床医生的专业知识和判断 | 开发深度学习系统以辅助正畸患者的牙周评估 | 正畸患者的口内图像 | 计算机视觉 | 牙周病 | CNN | YOLOv8, U-Net + ResNet50 | 图像 | 1000张正畸患者的侧位和正面口内图像 |
46 | 2025-06-06 |
Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning
2025-Jun-02, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2025.05.026
PMID:40466886
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
47 | 2025-06-22 |
READRetro web: A user-friendly platform for predicting plant natural product biosynthesis
2025-Jun-02, Molecules and cells
IF:3.7Q2
DOI:10.1016/j.mocell.2025.100235
PMID:40466944
|
research paper | 介绍了一个用户友好的网络平台READRetro web,用于预测植物天然产物的生物合成 | 开发了一个基于现代网络技术的用户友好平台,使不具备深厚计算背景的研究人员也能轻松使用深度学习模型进行逆合成预测 | 未提及平台在复杂天然产物预测中的准确性和适用范围 | 促进植物天然产物的大规模生产和药物发现 | 植物天然产物及其生物合成途径 | machine learning | NA | 深度学习 | READRetro ML model | 化学结构数据 | NA |
48 | 2025-06-22 |
Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention
2025-Jun-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.6.55
PMID:40525921
|
research paper | 该研究通过引入OCTAVE数据集和自配置CNN模型,提升了视网膜疾病的诊断和治疗效果 | 引入了OCTAVE数据集,这是一个包含高质量像素级注释的3D OCT数据集,并提供了四个独立公共3D OCT数据集的类似注释,以支持外部验证 | 数据集的构建需要大量的人工标注工作,且样本量相对有限 | 解决标注OCT分割数据集的缺乏问题,并推动基于AI的视网膜疾病诊断工具的发展 | 视网膜疾病患者 | digital pathology | retinal diseases | OCT | nnU-Net | 3D OCT图像 | 198个OCT体积(3762个B扫描)用于训练,221个OCT体积(4109个B扫描)用于外部验证 |
49 | 2025-06-22 |
Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models
2025-Jun, Emergency radiology
IF:1.7Q3
DOI:10.1007/s10140-025-02336-3
PMID:40133723
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性 | 比较了深度学习模型、放射组学模型及临床结合模型的性能,发现临床结合模型表现最佳 | 存在中度至重度异质性,参考标准不一致且外部验证有限 | 优化急性缺血性卒中患者的治疗策略 | 急性缺血性卒中患者 | digital pathology | cardiovascular disease | CT/MRI成像 | DL和radiomics-based ML模型 | 医学影像 | 16项研究共3083名参与者 |
50 | 2025-06-22 |
Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights
2025-Jun-01, Indian journal of ophthalmology
IF:2.1Q2
DOI:10.4103/IJO.IJO_1810_24
PMID:40434455
|
综述 | 本文系统回顾了深度学习和机器学习在评估糖尿病黄斑水肿患者抗VEGF治疗反应中的应用 | 利用AI算法区分抗VEGF治疗的应答者和非应答者,并评估多种机器学习模型在延长给药间隔耐受性分析中的效果 | 研究基于2016-2023年间发表的50篇相关论文,可能存在发表偏倚 | 评估AI技术在糖尿病黄斑水肿抗VEGF治疗反应预测中的应用效果 | 糖尿病黄斑水肿患者 | 数字病理学 | 糖尿病黄斑水肿 | 深度学习, 机器学习 | LDA, ResNet-50, CNN with attention, QDA, RF, SVM | 医学影像数据 | 50篇相关论文(2016-2023年) |
51 | 2025-06-22 |
Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage
2025-Jun-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.28.656555
PMID:40501536
|
研究论文 | 开发了一种能够自动执行多种碎裂技术的质谱仪,并利用深度学习模型预测碎片离子强度,以增强蛋白质组覆盖范围 | 整合了多种碎裂技术(CID、UVPD、EID、ECD)于标准LC-MS工作流程中,并开发了一个统一的Prosit深度学习模型进行碎片离子强度预测 | 未提及样本的具体数量或类型,可能影响结果的普适性 | 提高蛋白质组学实验中的蛋白质鉴定效率和覆盖范围 | 质谱仪和蛋白质组学数据 | 质谱分析 | NA | CID、UVPD、EID、ECD、LC-MS | Prosit深度学习模型 | 质谱数据 | NA |
52 | 2025-06-22 |
SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION
2025-May-30, ArXiv
PMID:40492248
|
研究论文 | 提出了一种基于稀疏驱动的并行成像一致性方法,用于改进自监督MRI重建 | 通过精心设计的扰动训练物理驱动的深度学习网络,并在稀疏域中评估模型预测扰动的能力,从而减少伪影 | 在高加速率下应用时仍可能引入伪影,影响图像保真度 | 改进快速MRI扫描的重建质量 | MRI图像重建 | 医学影像处理 | NA | 自监督学习 | PD-DL(物理驱动的深度学习) | MRI图像数据 | fastMRI膝盖和大脑数据集 |
53 | 2025-06-22 |
Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes
2025-May-28, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.05.036
PMID:40447246
|
研究论文 | 本研究利用深度学习技术,通过未分割的3D OCT体积数据区分视乳头水肿、非动脉炎性前部缺血性视神经病变(NAION)和健康眼睛 | 首次使用完整的3D OCT体积数据进行深度学习分类,而非传统的分割方法或眼底照片 | 研究为回顾性分析,需要前瞻性研究验证模型性能 | 开发自动诊断工具以区分视乳头水肿、NAION和健康眼睛 | 视神经头(ONH)和视乳头周围视网膜(PPR)的OCT扫描图像 | 数字病理 | 眼科疾病 | 光学相干断层扫描(OCT) | ResNet 3D-18 | 3D图像 | 4619份原始光谱域ONH体积扫描(1539只眼睛),外加1663份外部验证扫描(742只眼睛) |
54 | 2025-06-22 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
研究论文 | 本文探讨了生物约束深度学习如何通过细胞和亚细胞特化实现 | 提出了一种基于生物学约束的深度学习算法,结合了兴奋性和抑制性细胞类型的分离以及神经元单位中胞体和树突区室的分离 | 模型严格遵循生物学约束,可能限制了其在某些计算任务上的性能 | 研究大脑如何在多层神经回路中协调学习 | 人工神经网络(ANNs)和神经元细胞类型 | 机器学习 | NA | 深度学习算法 | ANN | 图像 | NA |
55 | 2025-06-22 |
Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans
2025-May-26, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06397-z
PMID:40415151
|
research paper | 本研究评估了一种基于自动标记的中矢状面(MSP)在头部CT扫描中量化下颌骨不对称性的可靠性 | 提出了一种基于深度学习的自动标记方法构建MSP,用于评估下颌骨不对称性,并与手动方法进行比较 | 研究仅基于368例CT扫描,且自动方法的临床适用性需进一步验证 | 评估自动标记方法构建MSP在量化下颌骨不对称性中的可靠性 | 368例头部CT扫描,包括正颌手术患者 | digital pathology | NA | deep learning-based method | NA | CT scans | 368例头部CT扫描 |
56 | 2025-06-22 |
Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer
2025-May-15, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110242
PMID:40381695
|
研究论文 | 本研究整合了多模态放射组学和转录组学数据,利用机器学习方法预测食管癌患者的放疗敏感性和预后 | 首次结合SEResNet101深度学习模型分析多模态数据,发现STUB1基因通过促进SRC蛋白泛素化降解来增强放疗敏感性 | 研究主要基于UCSC Xena和TCGA数据库的回顾性数据,需要更多前瞻性临床验证 | 开发预测食管癌放疗敏感性和预后的精准医学模型 | 食管癌患者 | 数字病理 | 食管癌 | RNA-seq | SEResNet101, Lasso回归, Cox分析 | 影像数据, 转录组数据 | TCGA和UCSC Xena数据库中的食管癌样本 |
57 | 2025-06-22 |
Artificial intelligence applied to ultrasound diagnosis of pelvic gynecological tumors: a systematic review and meta-analysis
2025-May-08, Gynecologic and obstetric investigation
IF:2.0Q2
DOI:10.1159/000545850
PMID:40340944
|
系统综述与荟萃分析 | 本文对应用于盆腔妇科肿瘤超声诊断的人工智能研究进行了系统综述和荟萃分析 | 首次对AI在妇科盆腔肿瘤超声诊断中的应用进行系统评价,并与ADNEX模型进行性能比较 | 95%的研究存在高偏倚风险,主要由于研究纳入标准不当、缺乏患者级别的训练测试集划分以及未进行校准评估 | 评估AI在妇科盆腔肿瘤超声诊断中的识别和鉴别性能 | 盆腔妇科肿瘤(卵巢、子宫内膜和子宫肌层病变) | 数字病理 | 妇科肿瘤 | 超声扫描 | 深度学习模型与基于放射组学的机器学习方法 | 超声图像 | 44项研究(40项关于卵巢病理,3项关于子宫内膜病理,1项关于子宫肌层病理) |
58 | 2025-06-22 |
Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning
2025-May, NEJM AI
DOI:10.1056/aioa2400703
PMID:40535328
|
研究论文 | 本研究开发了一种自监督时间深度学习模型,用于分析儿童胶质瘤患者的连续MRI扫描,以预测肿瘤复发风险 | 提出了一种针对纵向医学影像分析的自监督时间深度学习方法,通过预测扫描时间顺序作为预训练任务,显著提高了复发预测性能 | 研究受限于数据可用性和当前机器学习方法的局限性 | 改进儿童胶质瘤个体化复发预测 | 儿童低级别和高级别胶质瘤患者 | 数字病理 | 儿童胶质瘤 | MRI | 时间深度学习模型 | 医学影像 | 来自715名患者的3994次扫描,涉及三个不同机构 |
59 | 2025-06-22 |
Trade-offs between machine learning and deep learning for mental illness detection on social media
2025-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99167-6
PMID:40281061
|
研究论文 | 本文比较了机器学习和深度学习模型在社交媒体上检测心理健康状况时的性能差异 | 首次系统评估了多种ML和DL模型在心理健康文本分类中的性能、可解释性和计算效率的权衡 | 研究仅基于中等规模数据集,未考虑超大规模数据场景 | 评估不同建模方法在心理健康状况分类中的适用性 | 社交媒体上关于抑郁、焦虑和自杀意念的文本数据 | 自然语言处理 | 心理健康疾病 | 文本分类 | logistic regression, random forest, LightGBM, ALBERT, GRU | 文本 | 中等规模数据集(具体数量未说明) |
60 | 2025-06-22 |
Automated assessment of simulated laparoscopic surgical skill performance using deep learning
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96336-5
PMID:40253514
|
研究论文 | 本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现 | 引入了新收集的模拟腹腔镜手术性能数据集(LSPD),并采用3DCNN和弱监督方法对手术经验水平进行分类 | 数据标注和手动评估在时间和成本上较为昂贵,且大多依赖临床专家的直接干预 | 提高手术训练和性能分析的自动化水平 | 模拟腹腔镜手术技能表现 | 计算机视觉 | NA | 深度学习 | 3DCNN | 视频 | 包含不同技能水平(新手、学员、专家)的手术模拟视频 |