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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
601 | 2025-06-19 |
RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325483
PMID:40522942
|
研究论文 | 本研究提出了一种基于重参数化技术的自由锚点脑肿瘤检测与分类网络RRFNet,旨在提高脑肿瘤检测的准确性和效率 | 使用RepConv和RepC3构建主干网络,并引入FGConcat特征图拼接模块优化脑肿瘤检测模型,同时减少推理时的参数量 | 未提及模型在多样化数据集上的泛化能力或临床验证结果 | 优化脑肿瘤自动检测与分类的深度学习模型 | 脑肿瘤的CT或MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | RRFNet(基于RepConv-RepC3-FGConcat的CNN变体) | 医学影像(CT/MRI) | 未明确提及具体样本量 |
602 | 2025-06-19 |
Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review
2025, Current treatment options in psychiatry
DOI:10.1007/s40501-025-00359-8
PMID:40524733
|
系统综述 | 本文系统综述了人工智能在强迫症(OCD)中的应用,包括早期症状检测、可扩展的治疗训练、临床决策支持、新型治疗方法、基于计算机视觉的方法和多模态生物标志物发现 | 介绍了深度学习技术的新应用,特别是生成式人工智能(GenAI)和自然语言处理(NLP)在OCD中的应用 | 大多数研究(84.6%)使用二次数据分析,可能限制了结果的普适性 | 评估人工智能在强迫症早期诊断和治疗中的潜在应用 | 强迫症(OCD)患者 | 自然语言处理 | 强迫症 | 生成式人工智能(GenAI)和自然语言处理(NLP) | 深度学习 | 文本 | 13篇研究文章 |
603 | 2025-06-19 |
An image and text-based fake news detection with transfer learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324394
PMID:40526614
|
research paper | 该研究提出了一种结合文本和图像的多模态分类方法,以提高假新闻检测的准确性,特别是在标注数据稀缺的低资源环境中 | 利用CLIP模型提取图像和文本的特征,并通过LoRA(低秩适应)技术进行参数高效微调,以提高数据效率 | 研究可能受限于低资源环境中的数据稀缺问题,且仅使用了一层的MLP进行分类,可能影响模型的复杂性和性能 | 提高假新闻检测的准确性和鲁棒性,特别是在低资源环境中 | 假新闻检测 | natural language processing | NA | LoRA(低秩适应) | CLIP, MLP | image, text | NA |
604 | 2025-06-19 |
Prediction of future aging-related slow gait and its determinants with deep learning and logistic regression
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325172
PMID:40526703
|
研究论文 | 本研究使用深度学习和逻辑回归预测与衰老相关的慢步及其决定因素 | 首次将神经网络应用于预测衰老相关的慢步,并与传统逻辑回归方法进行对比 | 样本来源单一(仅来自巴尔的摩纵向衰老研究),可能影响模型的泛化能力 | 预测衰老相关的慢步及其生物标志物,以便及时进行干预和决策 | 1,363名来自巴尔的摩纵向衰老研究的参与者 | 机器学习 | 老年疾病 | 深度学习神经网络(NN)和逻辑回归(LR)分析 | NN, LR | 临床数据 | 1,363名参与者 |
605 | 2025-06-19 |
Arrhythmia classification based on multi-input convolutional neural network with attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326079
PMID:40526742
|
research paper | 提出了一种基于多输入卷积神经网络和注意力机制的心律失常分类算法 | 采用多尺度时频表示和双分支CNN架构,结合SE注意力机制增强关键特征 | 未提及模型在实时应用中的性能或计算效率 | 提高心律失常分类的准确性和鲁棒性 | 心电图信号 | machine learning | cardiovascular disease | Short-Time Fourier Transform (STFT) | CNN with SE attention mechanism | ECG信号 | MIT-BIH和SPH心律失常数据库 |
606 | 2025-06-19 |
Development and evaluation of a deep learning system for screening real-world multiple abnormal findings based on ultra-widefield fundus images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1584378
PMID:40529144
|
研究论文 | 开发和评估一个基于超广角眼底图像的深度学习系统,用于筛查多种异常发现 | 开发了一个包含质量评估、伪影去除和病变识别三个模块的深度学习系统,特别强调了伪影去除模块对提高病变识别性能的重要性 | 仅使用了来自三家医院的数据进行训练和验证,可能无法代表所有人群 | 开发一个能够筛查多种眼底异常的深度学习系统 | 超广角眼底图像中的出血、玻璃膜疣、硬性渗出物、棉絮斑和视网膜裂孔 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习系统(包含三个模块) | 图像 | 训练和内部验证使用4,521张图像,外部验证使用来自两家医院的344张和894张图像 |
607 | 2025-06-19 |
Deep learning-based image classification for AI-assisted integration of pathology and radiology in medical imaging
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574514
PMID:40529155
|
研究论文 | 本文介绍了一种基于深度学习的图像分类框架,用于AI辅助的病理学和放射学医学影像整合 | 提出了自适应多分辨率成像网络(AMRI-Net)和可解释的领域自适应学习(EDAL)策略,提高了诊断准确性和领域泛化能力 | 未提及具体样本量或数据集的详细构成 | 开发AI驱动的医学影像整合解决方案,提高诊断准确性和临床工作流程优化 | 多模态医学影像数据(X光、CT、MRI等) | 数字病理学 | NA | 深度学习 | AMRI-Net, EDAL | 医学影像 | NA |
608 | 2025-06-19 |
Integrated multidisciplinary approach to aneurysm hemodynamic analysis: numerical simulation, in Vitro experiment, and deep learning
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1602190
PMID:40529173
|
综述 | 本文系统整理了传统和新兴方法,用于表征动脉瘤扩张、破裂和血栓形成过程中的血流动力学扰动 | 整合了数值模拟、体外实验和深度学习技术,显著提高了计算效率 | 生物仿生材料的局限性和对机械-生物耦合机制的不完全理解 | 阐明动脉瘤不稳定的机制基础,建立血流动力学分析的标准化量化协议,为患者特异性风险分层铺平道路 | 动脉瘤的血流动力学分析 | 数字病理学 | 心血管疾病 | 数值模拟, 体外实验, 深度学习 | 深度学习 | NA | NA |
609 | 2025-06-19 |
Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1570979
PMID:40529250
|
correction | 该文章是对先前发表的一篇关于使用深度学习技术增强MRI图像中脑肿瘤检测和分割的文章的更正 | NA | NA | NA | NA | digital pathology | NA | deep learning | NA | image | NA |
610 | 2025-06-19 |
Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S516247
PMID:40529344
|
review | 本文系统综述了人工智能(如机器学习和自然语言处理)在老年慢性病管理中的应用现状、挑战及未来方向 | 探讨了AI技术在优化医疗资源分配、补充专业管理团队、普及健康教育等方面的潜力 | 面临数据稀缺、模型泛化能力、临床医生采纳度、与现有医疗系统整合等挑战 | 促进AI技术在老年慢性病管理中的合理有效应用,以实现健康老龄化 | 老年慢性病患者(主要包括慢性心脑血管疾病、呼吸系统疾病等) | 自然语言处理, 机器学习 | geriatric disease | machine learning, NLP, computer vision | NA | NA | NA |
611 | 2025-06-19 |
Research progress in predicting the conversion from mild cognitive impairment to Alzheimer's disease via multimodal MRI and artificial intelligence
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1596632
PMID:40529431
|
综述 | 本文系统回顾了多模态MRI技术和人工智能在预测轻度认知障碍(MCI)向阿尔茨海默病(AD)转化中的研究进展 | 结合多模态MRI技术和人工智能方法,挖掘MCI向AD转化的脑部特征并构建预测模型 | 当前研究面临的技术挑战未具体说明 | 为MCI转化的早期准确预测和干预策略制定提供科学参考 | 轻度认知障碍(MCI)向阿尔茨海默病(AD)的转化 | 数字病理学 | 老年疾病 | 多模态MRI(结构MRI、功能MRI、脑灌注MRI) | 深度学习和机器学习 | MRI图像 | NA |
612 | 2025-06-19 |
Reducing unnecessary biopsies of BI-RADS 4 lesions based on a deep learning model for mammography
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1543553
PMID:40530010
|
研究论文 | 本研究探讨了基于乳腺X线摄影的深度学习模型在BI-RADS 4类病变中的诊断价值,以减少不必要的乳腺活检 | 开发了一个深度学习模型,能够准确识别不需要活检的良性及高风险BI-RADS 4类病变,减少40.6%的不必要活检 | 研究为回顾性设计,且样本仅来自两家医院,可能存在选择偏差 | 评估深度学习模型在减少BI-RADS 4类病变不必要活检中的诊断价值 | BI-RADS 4类乳腺病变 | 数字病理学 | 乳腺癌 | 深度学习 | DL模型 | 乳腺X线图像 | 557例BI-RADS 4类病变(304例良性,195例恶性,58例高风险) |
613 | 2025-06-19 |
ST-YOLO: a deep learning based intelligent identification model for salt tolerance of wild rice seedlings
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1595386
PMID:40530276
|
研究论文 | 提出了一种基于深度学习的ST-YOLO模型,用于野生稻幼苗耐盐表型的评估与识别 | 使用多分支结构DBB替换C2f模块中的卷积层,引入CAFM卷积和注意力融合模块增强特征表示能力,设计了更灵活的空间金字塔池化层 | 未提及具体的数据集规模或模型在更广泛条件下的泛化能力 | 提高野生稻幼苗耐盐表型识别的准确率和效率 | 野生稻幼苗 | 计算机视觉 | NA | 深度学习 | ST-YOLO (改进的YOLO模型) | 图像 | 筛选出2个极耐盐品种和7个耐盐品种(具体实验样本量未明确说明) |
614 | 2025-06-19 |
Optimizing Mask R-CNN for enhanced quinoa panicle detection and segmentation in precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1472688
PMID:40530286
|
研究论文 | 本研究提出了一种基于改进Mask R-CNN的深度学习方法,用于藜麦穗的检测和分割,以提高精准农业中的产量估计 | 首次将实例分割技术应用于藜麦穗分析,并采用EfficientNet-B7骨干网络和Mish激活函数优化模型性能 | NA | 开发自动化藜麦产量估计方法 | 藜麦穗 | 计算机视觉 | NA | 实例分割 | Mask R-CNN (改进版) | 图像 | NA |
615 | 2025-06-19 |
PRGminer: harnessing deep learning for the prediction of resistance genes involved in plant defense mechanisms
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1411525
PMID:40530297
|
研究论文 | 介绍了一种基于深度学习的植物抗性基因预测工具PRGminer,用于加速新抗性基因的发现 | 开发了PRGminer工具,利用深度学习技术高效预测植物抗性基因,并分类为八种不同类型 | 未提及具体样本量或数据来源的局限性 | 预测植物抗性基因以促进抗病育种 | 植物抗性基因(Rgenes) | 生物信息学 | 植物病害 | 深度学习 | NA | 蛋白质序列 | NA |
616 | 2025-06-19 |
Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230296
PMID:39194400
|
research paper | 开发一种高度通用的弱监督模型,用于自动检测和定位图像级别的颅内出血(ICH),使用研究级别的标签 | 提出了一种基于注意力机制的双向LSTM网络模型,能够在研究级别标签上进行训练,实现高通用性和高阳性预测值的ICH检测 | 研究为回顾性研究,可能受到数据选择和标注偏差的影响 | 开发自动检测和定位颅内出血的深度学习模型,以提高诊断效率和准确性 | 非对比头部CT扫描图像 | digital pathology | intracranial hemorrhage | deep learning | attention-based bidirectional LSTM, CNN | image | 10,699非对比头部CT扫描(来自7,469名患者),外部测试集491例(178名女性) |
617 | 2025-06-19 |
AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230529
PMID:39230423
|
研究论文 | 本研究探讨了深度学习AI在乳腺X光筛查中替代双读的可行性和准确性 | 比较了三种AI集成筛查方案与标准双读加仲裁的差异,发现AI替代部分或全部读者是可行的 | 研究为回顾性设计,AI阈值选择部分基于先前验证,可能影响结果普适性 | 评估AI在乳腺X光筛查工作流中不同部署位置的准确性和可行性 | 249402张来自代表性筛查人群的乳腺X光片 | 数字病理 | 乳腺癌 | 深度学习 | CNN | 医学影像 | 249402张乳腺X光片 |
618 | 2024-11-28 |
Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.240604
PMID:39601670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
619 | 2025-06-19 |
Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning
2024-09-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-52263-z
PMID:39266547
|
研究论文 | 本文提出了一种利用自发荧光显微镜和深度学习技术,对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法 | 使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像,匹配其组织化学染色版本 | 研究主要针对心脏组织,未涉及其他器官或组织类型 | 开发一种无需化学染色的淀粉样沉积物可视化方法,以克服传统刚果红染色的局限性 | 人体组织中的淀粉样沉积物 | 数字病理学 | 淀粉样变性 | 自发荧光显微镜和深度学习 | 神经网络 | 图像 | 未明确提及具体样本数量,仅提到心脏组织 |
620 | 2025-06-19 |
Automated design of multi-target ligands by generative deep learning
2024-09-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-52060-8
PMID:39261471
|
research paper | 本文探讨了使用化学语言模型(CLM)生成多靶点配体以设计多药理学的方法 | 利用CLM从小规模微调分子集中学习,成功偏向设计具有与目标对已知配体相似性的药物样分子 | 仅测试了12个CLM设计分子对6个目标对的效果,样本量有限 | 探索生成深度学习模型在设计多靶点配体中的应用 | 多靶点配体 | machine learning | NA | 化学语言模型(CLM) | CLM | 分子字符串表示(如SMILES) | 12个CLM设计分子针对6个目标对 |