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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
581 | 2025-07-16 |
Integrating deep learning in stride-to-stride muscle activity estimation of young and old adults with wearable inertial measurement units
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83903-5
PMID:40634326
|
研究论文 | 该研究提出了一种基于CNN的方法,利用可穿戴惯性测量单元(IMUs)数据来估计步行时的肌肉活动 | 通过深度学习模型处理可穿戴IMUs数据,克服了传统步态分析需要专业实验室设置和精确电极放置的限制 | 样本年龄范围较广(19-73岁),可能影响模型在特定年龄段的性能 | 开发一种更简便、经济的步态分析方法 | 65名19-73岁的参与者 | 机器学习 | NA | 可穿戴惯性测量单元(IMUs) | CNN | 传感器数据 | 65名参与者(19-73岁) |
582 | 2025-07-16 |
Deep ensemble learning with transformer models for enhanced Alzheimer's disease detection
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08362-y
PMID:40634379
|
研究论文 | 本文提出了一种基于BERT和循环卷积神经网络的深度学习集成模型,用于提高阿尔茨海默病的检测准确率 | 结合BERT编码器和循环卷积神经网络的双分支结构,并采用集成学习方法提高模型性能 | 模型仅在特定数据集(DementiaBank Pitt Corpus的子集)上进行测试,可能需要更多数据验证泛化能力 | 开发更准确的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者和健康对照者的临床笔记文本数据 | 自然语言处理 | 阿尔茨海默病 | 深度学习 | BERT, CNN, LSTM, 集成学习 | 文本 | DementiaBank Pitt Corpus中Cookie Theft子集的数据 |
583 | 2025-07-16 |
Applying deep learning techniques to identify tonsilloliths in panoramic radiography
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10489-x
PMID:40634633
|
研究论文 | 本研究应用深度学习技术在全景X光片中识别扁桃体结石,以提高诊断准确性和效率 | 首次将ResNet和EfficientNet CNN模型应用于扁桃体结石的自动识别 | 样本量相对较小(仅275例),且仅评估了两种CNN模型 | 开发准确快速的扁桃体结石诊断支持系统 | 全景X光片中的扁桃体结石 | 计算机视觉 | 口腔疾病 | 深度学习 | CNN(包括ResNet18、ResNet101、EfficientNetB0和EfficientNetB1) | 医学影像(全景X光片) | 275张全景X光片(125张无结石,150张有结石) |
584 | 2025-07-16 |
[The development of AlphaFold and its applications in biology and medicine]
2025-Jul-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine]
|
综述 | 本文综述了AlphaFold的发展历程及其在生物学和医学中的应用 | AlphaFold2通过端到端深度学习架构实现了原子级精度的蛋白质结构预测,解决了长期以来的蛋白质折叠问题,而AlphaFold3进一步扩展了预测能力,能够模拟复杂的生物分子复合物 | 在模拟构象动力学和瞬时结合状态方面仍存在局限性 | 探讨AlphaFold在计算生物学中的发展及其多学科应用 | 蛋白质结构预测及生物分子复合物模拟 | 计算生物学 | NA | 深度学习 | AlphaFold2, AlphaFold3 | 蛋白质结构数据 | NA |
585 | 2025-07-16 |
MPN-RRT*: A New Method in 3D Urban Path Planning for UAV Integrating Deep Learning and Sampling Optimization
2025-Jul-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25134142
PMID:40648397
|
研究论文 | 提出了一种结合深度学习和采样优化的新型3D城市无人机路径规划方法MPN-RRT* | 通过将Motion Planning Networks (MPNet)与RRT*结合,利用降维技术将3D城市地形切片为2D迷宫表示,并应用迁移学习优化采样,显著提高了计算效率和路径质量 | 研究仅基于MATLAB仿真验证,未涉及实际无人机飞行测试 | 提升无人机在复杂3D城市环境中的路径规划效率和路径质量 | 无人机(UAV) | 机器学习和路径规划 | NA | Motion Planning Networks (MPNet), Rapidly exploring Random Tree Star (RRT*), 迁移学习 | MPNet, RRT* | 3D城市地图数据 | 两个3D环境:稀疏的200 × 200 × 200地图和密集的800 × 800 × 200地图 |
586 | 2025-07-16 |
The Pulseq-CEST Library: definition of preparations and simulations, example data, and example evaluations
2025-Jul, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01242-6
PMID:40146474
|
研究论文 | 介绍Pulseq-CEST库,一个用于标准化和原型设计化学交换饱和转移(CEST)MRI序列的存储库 | 提供了一种灵活的机制来标准化和原型设计CEST序列,支持可重复研究、快速原型设计和深度学习训练数据生成 | NA | 标准化化学交换饱和转移(CEST)MRI研究,促进协作开发 | CEST MRI序列及其模拟和评估 | 医学影像 | NA | 化学交换饱和转移(CEST)MRI,Bloch-McConnell模拟 | Bloch-McConnell方程 | 模拟数据和实验数据 | 使用五管模型和模拟环境进行比较 |
587 | 2025-07-16 |
Computer-Aided Technology for Bioactive Protein Design and Clinical Application
2025-Jul, Macromolecular bioscience
IF:4.4Q1
DOI:10.1002/mabi.202500007
PMID:40260555
|
综述 | 本文综述了计算机辅助蛋白质设计(CAPD)技术及其在蛋白质治疗药物中的应用 | 整合了深度学习预测和生成模型,显著提升了蛋白质药物的结合亲和力、特异性并降低免疫原性 | 面临模型过拟合、稀有蛋白质家族数据不足以及需要高效实验验证等挑战 | 探讨CAPD技术在蛋白质工程和治疗药物开发中的应用 | 单克隆抗体、蛋白质药物、抗原和蛋白质聚合物 | 蛋白质工程 | NA | 计算机辅助蛋白质设计(CAPD)、深度学习 | 生成模型 | 蛋白质结构数据 | NA |
588 | 2025-07-16 |
Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review
2025-Jul, Advances in nutrition (Bethesda, Md.)
DOI:10.1016/j.advnut.2025.100438
PMID:40334987
|
系统综述 | 本文系统综述了人工智能在癌症患者营养不良管理中的应用,包括营养状况评估、预测、临床结果和身体成分监测 | AI模型在营养不良检测中表现出高预测准确性,机器学习算法优于传统筛查工具,深度学习模型在医学影像中实现了高分割精度 | 需要进一步研究以标准化AI模型并确保临床适用性 | 评估人工智能在癌症患者营养不良识别和管理中的作用 | 癌症患者 | 医疗人工智能 | 癌症 | 机器学习算法(决策树、随机森林、支持向量机)、深度学习模型 | 决策树、随机森林、支持向量机、深度学习模型 | 医学影像、临床数据 | 11项研究(n = 52,228患者) |
589 | 2025-07-16 |
EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf298
PMID:40354612
|
research paper | 提出了一种基于环境感知异构图神经网络和多模态数据的深度学习方法EM-PLA,用于预测蛋白质-配体结合亲和力 | 首次将环境信息(源自蛋白质和配体的生化特性)整合到异构图神经网络中,改进了非共价相互作用的计算 | 未具体说明模型在哪些特定环境条件下表现不佳或存在偏差 | 提高蛋白质-配体结合亲和力预测的准确性和效率 | 蛋白质-配体结合亲和力 | machine learning | NA | 异构图神经网络(HGT) | HGT | multimodal data (蛋白质序列、配体序列、生化特性) | 未明确说明(通过基准实验验证) |
590 | 2025-07-16 |
Deep learning reveals the complex genetic architecture of male guppy colouration
2025-Jul-01, Nature ecology & evolution
IF:13.9Q1
DOI:10.1038/s41559-025-02781-w
PMID:40596731
|
研究论文 | 利用深度学习揭示雄性孔雀鱼颜色变异的复杂遗传结构 | 结合卷积神经网络进行高分辨率表型分析、选择实验、控制谱系和全基因组重测序,首次揭示了孔雀鱼颜色模式的遗传基础 | 研究仅聚焦于雄性孔雀鱼,未涉及雌性或其他物种的颜色变异 | 解析雄性孔雀鱼颜色变异的遗传结构和维持机制 | 雄性孔雀鱼(Poecilia reticulata)的颜色变异 | 机器学习 | NA | 全基因组重测序、卷积神经网络 | CNN | 基因组数据、图像数据 | NA |
591 | 2025-07-16 |
Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma
2025-Jul, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0691
PMID:40607934
|
研究论文 | 本研究利用深度学习技术从甲状腺乳头状癌(PTC)的组织病理学切片中预测基因变异,并发现新的形态学特征 | 使用Vision Transformer模型从组织病理学切片中预测基因变异,并发现与特定基因型相关的新形态学标准 | 研究为回顾性设计,需要进一步前瞻性验证 | 探索人工智能在预测PTC基因变异中的应用 | 甲状腺乳头状癌(PTC)患者 | 数字病理学 | 甲状腺癌 | 深度学习 | Vision Transformer | 图像 | 662例PTC患者(TCGA队列496例,Mainz队列166例) |
592 | 2025-07-16 |
Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17955
PMID:40660797
|
研究论文 | 本研究通过改进基于深度学习的MRI重建技术,利用去噪扩散模型结合患者特异性先验信息,提高了放疗规划中异常区域的识别准确性 | 提出了一种结合患者特异性先验信息的自适应扩散模型,显著提升了肿瘤和手术缺陷区域的MRI重建精度 | 研究样本量较小(73例),且仅针对脑肿瘤患者进行评估 | 改进基于AI的快速MRI重建技术,以更好地支持放疗规划 | 接受脑肿瘤放疗的儿科和年轻成人患者的MRI图像 | 医学影像分析 | 脑肿瘤 | 去噪扩散模型 | 扩散模型 | MRI图像 | 73例患者(58例训练,15例测试) |
593 | 2025-07-16 |
AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17958
PMID:40660802
|
research paper | 该研究提出了一种名为SAM-RCCF的框架,通过整合RefineNet模块和轮廓约束特征,提高了Segment Anything Model (SAM)在医学图像分割中的鲁棒性和精确性 | 提出SAM-RCCF框架,整合RefineNet模块和条件控制场,针对医学图像特点优化分割精度 | 研究仅针对脑部肿瘤MRI图像,未验证在其他医学图像分割任务中的适用性 | 提升SAM模型在医学图像分割中的性能,特别是针对颅内肿瘤的分割任务 | 脑部肿瘤患者的MRI图像,包括胶质瘤、转移性肿瘤和脑膜瘤 | digital pathology | brain tumor | MRI | SAM-RCCF (基于Segment Anything Model改进的模型) | image | 484例脑部肿瘤患者的轴向T1加权对比增强MRI数据(164例胶质瘤,158例转移性肿瘤,162例脑膜瘤) |
594 | 2025-07-16 |
ICD lead and primary metal artifact detection and inpainting in cardiac CT images
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17947
PMID:40660812
|
研究论文 | 开发了一种自动检测心脏CT扫描中ICD导线及周围金属伪影并进行修复的方法 | 提出了两种深度学习模型,用于自动检测和修复心脏CT图像中的ICD导线及主要金属伪影,提高了心脏分割和运动分析的准确性 | 方法主要针对已重建的CT图像,且需要手动标注金属伪影进行训练 | 开发一种方法来减少心脏CT图像中ICD导线引起的金属伪影,恢复丢失的解剖信息 | 心脏CT图像中的ICD导线及金属伪影 | 数字病理学 | 心血管疾病 | 深度学习 | 2D U-Net, 3D图像修复模型 | CT图像 | 12名患者的心脏4DCT扫描数据,以及148名患者的无伪影心脏CT数据用于合成数据集 |
595 | 2025-07-16 |
Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17957
PMID:40660837
|
研究论文 | 提出了一种结构语义引导的深度学习网络,通过双交叉注意机制从PET图像合成MR图像 | 探索了一种新的功能到结构的转换方法(PET到MR合成),并引入了结构语义损失和双交叉注意模块 | 未来需要将该合成方法扩展到其他模态合成任务和临床实践中 | 简化医学成像流程,提高效率和可及性 | PET和MR图像 | 数字病理 | 脑部疾病 | 深度学习 | 双交叉注意机制(DCA) | 医学图像(PET和MR) | NA |
596 | 2025-07-16 |
An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17933
PMID:40660832
|
研究论文 | 提出了一种名为ADMM-DRP的无监督深度学习框架,用于稀疏视图和低剂量CT重建 | 结合了未经训练的神经网络和ADMM迭代重建算法,减少了对训练数据的依赖 | 未提及具体样本量或临床验证结果 | 改进稀疏视图和低剂量CT的图像重建质量 | CT图像重建 | 医学影像 | NA | 深度学习、ADMM算法、TV正则化 | 无监督神经网络 | CT图像 | NA |
597 | 2025-07-16 |
Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17953
PMID:40660879
|
研究论文 | 本研究开发了一种基于深度学习的投影插值和后处理技术,用于改善胸部患者CBCT重建的图像质量并降低成像剂量 | 首次提出结合深度残差U-Net(DRU)模型的CBCT投影插值技术,并在真实患者投影数据上验证了其有效性 | 研究仅针对特定几何(半扇和全扇)的有限样本量进行了验证 | 开发深度学习技术以改善稀疏采样CBCT投影重建的图像质量并降低患者成像剂量 | 胸部患者的CBCT投影数据 | 数字病理 | NA | 深度学习、FDK算法 | 深度残差U-Net(DRU) | CBCT投影图像 | 76、98和136个从680个投影中提取的稀疏采样投影(半扇几何) |
598 | 2025-07-16 |
Denoising pediatric cardiac photon-counting CT data with sparse coding and data-adaptive, self-supervised deep learning
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17918
PMID:40660927
|
研究论文 | 本文提出了一种结合稀疏编码和数据自适应自监督深度学习的方法,用于降低儿科心脏光子计数CT数据的噪声 | 改进的Vision Transformer架构结合稀疏编码,通过动态调整训练过程中的数据保真度和表示稀疏性平衡,实现自监督去噪 | 在已经高度去噪的临床PCCT数据中,对1岁以下患者的数据会出现图像细节平滑的问题 | 提升儿科心脏CT图像去噪方法,适应不同图像质量 | 儿科心脏光子计数CT数据 | 医学影像处理 | 先天性心脏病 | 光子计数CT(PCCT),深度学习 | 改进的3D Vision Transformer(mViT) | CT图像 | 20名患者数据用于训练(1-18岁),3名额外患者数据(2名<1岁)和一组小鼠心脏PCCT数据用于测试 |
599 | 2025-07-16 |
Preserving noise texture through training data curation for deep learning denoising of high-resolution cardiac EID-CT
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17938
PMID:40660962
|
研究论文 | 本研究开发并测试了用于训练CNN模型的基于图像的噪声估计方法,以评估EID-CT冠状动脉CT血管造影(cCTA)图像在高分辨率重建下的去噪性能和噪声纹理保留 | 提出了两种直接从高分辨率重建的EID-CT患者图像中估计噪声的方法,并通过训练不同的CNN模型比较了它们在去噪和噪声纹理保留方面的效果 | 研究仅基于有限的样本(7例患者cCTA检查),且模型在保留小解剖结构方面存在一定局限性 | 提高EID-CT冠状动脉CT血管造影图像的质量,使其在去噪后能保留自然噪声纹理并接近PCD-CT的分辨率 | 高分辨率重建的EID-CT冠状动脉CT血管造影图像 | 数字病理 | 心血管疾病 | CNN去噪技术 | U-net CNN | CT图像 | 7例患者cCTA检查及均匀水模体CT图像 |
600 | 2025-07-16 |
Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships
2025-Jul, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243239
PMID:40662972
|
研究论文 | 该研究通过深度学习软件纵向追踪肺气肿空洞的动态变化,并分析其与FEV下降、疾病进展和死亡率的关系 | 首次使用深度学习技术对肺气肿空洞进行纵向追踪,并根据直径变化将其分组,揭示了不同动态模式与临床指标的关系 | 样本量较小(108名参与者),且仅针对韩国阻塞性肺疾病队列研究的数据进行二次分析 | 探索肺气肿空洞的动态变化模式及其临床意义 | 肺气肿患者的CT影像和临床数据 | 数字病理学 | 肺气肿 | CT扫描 | 深度学习 | 医学影像 | 108名参与者(平均年龄63.4岁,104名男性) |