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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6601 | 2025-03-25 |
A pilot study of deep learning for automatic contouring of sulcus-to-sulcus diameter in ultrasound biomicroscopy
2025-Mar-22, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06764-2
PMID:40119915
|
研究论文 | 本研究利用深度学习算法YOLOv8自动预测超声生物显微镜图像中的沟槽间直径(STS)和沟槽平面到前晶状体表面的距离(STSL),并验证其准确性和可靠性 | 首次基于YOLOv8自动测量STS相关距离,并与传统手动标记进行准确性比较,展示了高准确性和自动预测后房STS相关参数的优势 | 在外部测试集中,STSL的预测误差较大(49.66 ± 42.73%),且预测值与标记值之间的组内相关系数(ICC)较低(0.086) | 构建深度学习算法以自动预测超声生物显微镜图像中的STS和STSL,提高ICL植入手术的准确性 | 100名接受ICL治疗的近视患者的100只眼睛的超声生物显微镜图像 | 计算机视觉 | 近视 | 超声生物显微镜(UBM) | YOLOv8 | 图像 | 100名患者的100只眼睛,共400张UBM图像,其中26只眼睛(104张图像)用于外部测试 |
6602 | 2025-03-25 |
Impact of Noisy Supervision in Foundation Model Learning
2025-Mar-21, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3552309
PMID:40117144
|
研究论文 | 本文首次全面理解并分析了预训练数据集中的噪声性质,并提出了一种调整方法(NMTune)来减轻噪声对下游任务的影响 | 首次全面分析预训练数据中的噪声及其对下游任务的影响,并提出了一种新的调整方法NMTune来改善泛化性能 | 实验主要基于合成噪声数据集,未完全验证在真实世界噪声数据上的效果 | 研究预训练数据中的噪声对模型泛化能力的影响,并提出解决方案 | 预训练模型及其在下游任务中的表现 | 机器学习 | NA | 完全监督和图像-文本对比预训练 | 视觉和语言模型 | 图像和文本数据 | ImageNet-1K、YFCC15M和CC12M数据集 |
6603 | 2025-03-25 |
GDRNPP: A Geometry-guided and Fully Learning-based Object Pose Estimator
2025-Mar-21, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3553485
PMID:40117145
|
research paper | 介绍了一种完全基于学习的物体姿态估计器GDRNPP,通过几何引导的直接回归网络和姿态细化模块,实现了端到端的6D姿态估计 | 首次提出完全基于学习的端到端6D姿态估计方法,无需依赖传统技术,且在精度和速度上均超越现有方法 | 未明确提及具体局限性,但深度数据的可用性可能影响姿态细化模块的性能 | 解决计算机视觉中刚性物体6D姿态估计的挑战,提升估计精度和速度 | 刚性物体的6D姿态 | computer vision | NA | CNN, 几何引导的直接回归网络, 姿态细化模块 | CNN | monocular图像, RGB-D图像 | NA |
6604 | 2025-03-25 |
A few-shot network intrusion detection method based on mutual centralized learning
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93185-0
PMID:40118883
|
研究论文 | 提出一种基于互为中心学习的少样本网络入侵检测方法(FS-MCL),以解决少样本网络流量检测性能低的问题 | 利用编码器提取的密集特征与离散空间中的粒子关联,通过马尔可夫过程测量密集特征的预期访问次数,确定查询特征属于支持类的概率 | 依赖公开数据集构建少样本检测数据集,可能在实际应用中存在泛化性问题 | 提高少样本网络入侵检测的性能 | 网络流量数据 | 机器学习 | NA | 互为中心学习 | FS-MCL | 网络流量数据(转换为类图像数据) | 三个公开数据集中的流量数据 |
6605 | 2025-03-25 |
Scalable intermediate-term earthquake forecasting with multimodal fusion neural networks
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93877-7
PMID:40118997
|
研究论文 | 提出了一种名为SafeNet的可扩展深度学习框架,用于通过多模态融合神经网络整合地震观测数据 | SafeNet通过专门的融合模块和自适应注意力机制,实现了跨区域的动态时空信息交换,并在中国和美国的地震数据上展示了优越的预测性能 | 未提及具体的计算资源需求或模型在不同地理区域的泛化能力限制 | 开发一个可扩展的深度学习框架,以整合异构地震观测数据并提高地震预测的准确性 | 地震观测数据和地质信息 | 机器学习 | NA | 多模态融合神经网络 | SafeNet | 地震目录数据和地质地图 | 50年中国地震目录数据,并在美国连续和西部地区进行了模型迁移验证 |
6606 | 2025-03-25 |
A practical generalization metric for deep networks benchmarking
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93005-5
PMID:40119019
|
research paper | 本文提出了一种实用的泛化度量标准,用于评估不同深度网络的泛化能力,并提出了一个新颖的测试平台来验证理论估计 | 引入了一种新的实用泛化度量标准,能够量化深度学习模型的准确性和数据多样性,并提出了一个测试平台来验证理论估计 | 研究发现大多数现有的泛化理论估计与实用测量结果不相关,暴露了理论估计的不足 | 评估深度网络的泛化能力并验证理论估计 | 深度网络 | machine learning | NA | NA | deep networks | NA | NA |
6607 | 2025-03-25 |
Let's get in sync: current standing and future of AI-based detection of patient-ventilator asynchrony
2025-Mar-21, Intensive care medicine experimental
IF:2.8Q2
DOI:10.1186/s40635-025-00746-8
PMID:40119215
|
综述 | 本文综述了基于人工智能的患者-呼吸机异步(PVA)自动检测技术的现状与未来发展方向 | 总结了近15年来PVA自动检测技术的进展,包括基于规则的算法、机器学习和深度学习等多种AI技术的应用 | 大多数算法仅能离线使用,只能检测一小部分PVA类型(主要关注无效努力和双重触发异步),且84%的研究仍处于开发或验证阶段 | 探讨AI技术在PVA自动检测领域的应用现状及未来发展方向 | 机械通气患者中的患者-呼吸机异步现象 | 医疗人工智能 | 呼吸系统疾病 | 基于规则的算法、机器学习和深度学习 | 多种AI模型 | 呼吸机波形数据 | 19项研究(其中3项已获许可的算法) |
6608 | 2025-03-25 |
An interpretable deep geometric learning model to predict the effects of mutations on protein-protein interactions using large-scale protein language model
2025-Mar-21, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00979-5
PMID:40119464
|
研究论文 | 开发了一种基于transformer的图神经网络模型,用于预测突变对蛋白质-蛋白质相互作用的影响 | 结合局部和全局特征,并利用预训练蛋白质语言模型,提高了预测准确性 | 未明确提及具体局限性 | 预测突变对蛋白质-蛋白质相互作用结合亲和力的影响 | 蛋白质-蛋白质复合物及其突变体 | 机器学习 | NA | 图神经网络(GNNs), transformer模型 | transformer-based GNN | 蛋白质三维结构数据 | 五个数据集,包括单突变和多突变案例 |
6609 | 2025-03-25 |
Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation
2025-Mar-21, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于条件潜在扩散模型的多模态MRI合成方法,用于肿瘤分割任务的数据增强 | 创新的切片潜在扩散架构,能够同时生成3D多模态图像及其对应的多标签掩码,通过位置编码和潜在聚合模块保持空间一致性和切片序列性 | 虽然主要应用于肿瘤分割,但方法可以适应其他模态,但未在其他模态上进行验证 | 解决医学影像中多模态标注数据有限的问题,提升肿瘤分割任务的性能 | 多模态MRI图像及其对应的肿瘤分割标签 | 数字病理 | 肿瘤 | 潜在扩散模型 | 条件潜在扩散模型 | 3D MRI图像 | 使用BRATS2021数据集进行验证 |
6610 | 2025-03-25 |
Experimental wavefront sensing techniques based on deep learning models using a Hartmann-Shack sensor for visual optics applications
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80615-8
PMID:40113787
|
研究论文 | 本文提出了一种基于改进ResNet卷积神经网络的新方法,用于增强Hartmann-Shack波前传感器的性能,以提高视觉光学中的波前传感能力 | 使用改进的ResNet CNN模型显著提高了波前像差重建速度和动态范围,相比传统方法分别提升了300%至400%和315.6% | 实验数据集是在自定义的单目视觉模拟器上生成的,可能无法完全代表真实世界的复杂情况 | 提高视觉光学系统中波前传感的精度、动态范围和处理速度 | Hartmann-Shack波前传感器(HSS)及其在视觉光学中的应用 | 计算机视觉 | NA | 深度学习 | 改进的ResNet CNN | 图像 | 实验数据集包括无噪声和添加散斑噪声的图像 |
6611 | 2025-03-25 |
Music genre classification with parallel convolutional neural networks and capuchin search algorithm
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90619-7
PMID:40113866
|
research paper | 提出了一种结合并行卷积神经网络和卷尾猴搜索算法的音乐流派分类新方法 | 结合离散小波变换、梅尔频率倒谱系数和短时傅里叶变换特征,利用卷尾猴搜索算法优化CNN超参数,提高了分类准确率 | NA | 开发一个强大的音乐分类器,快速分类未标记音乐,提升用户媒体播放器和音乐文件的体验 | 音乐流派分类 | machine learning | NA | DWT, MFCC, STFT | CNN | audio | GTZAN和Extended-Ballroom数据集 |
6612 | 2025-03-25 |
Detection of hydrophobicity grade of insulators based on AHC-YOLO algorithm
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92696-0
PMID:40113932
|
研究论文 | 提出一种基于AHC-YOLO算法的复合绝缘子疏水性等级检测方法 | 结合高性能GPU网络HGNetv2、混合局部通道注意力机制MLCA、轻量级卷积CSPPC和Inner-WIoU损失函数,显著降低网络负担并提高识别精度 | 未提及算法在极端环境或不同光照条件下的性能表现 | 提高复合绝缘子疏水性等级检测的效率和准确性 | 复合绝缘子 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA |
6613 | 2025-03-25 |
A high performance hybrid LSTM CNN secure architecture for IoT environments using deep learning
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94500-5
PMID:40114016
|
研究论文 | 提出了一种高性能的LSTM-CNN混合安全架构,用于优化物联网环境中的实时入侵检测 | 结合LSTM层学习时间依赖性和CNN层分解空间特征,提高了威胁识别的效率 | 未提及具体在哪些物联网设备或场景中进行了测试 | 优化物联网环境中的实时入侵检测,提高安全性 | 物联网环境中的网络入侵行为 | 机器学习 | NA | 深度学习 | LSTM-CNN混合模型 | 网络流量数据 | BoT-IoT数据集,包含DDoS、僵尸网络、侦察和数据泄露等多种网络攻击类型 |
6614 | 2025-03-25 |
TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction
2025-Mar-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3552819
PMID:40106240
|
research paper | 该研究开发了一个名为TPNET的时间敏感小样本多模态网络,用于预测癌症治疗相关心功能障碍(CTRCD)的风险 | 结合组织多普勒成像(TDI)特征与深度学习技术,开发了TPNET模型,用于预测CTRCD,并通过集成梯度(IG)归因分析识别关键致病标志 | 样本量较小(270名患者),且仅针对乳腺癌患者 | 预测癌症治疗相关心功能障碍(CTRCD)的风险 | 乳腺癌患者 | digital pathology | cardiovascular disease | TDI, deep learning | TPNET | multimodal data (TDI, function, clinical data) | 270名患者 |
6615 | 2025-03-25 |
Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation
2025-Mar-19, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3553051
PMID:40106253
|
research paper | 提出了一种名为InvSpaceNet的网络框架,通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差 | 设计了双分支训练架构,结合实例平衡采样数据的特征表示和逆采样数据的认知校正,生成逆特征空间并通过对比损失约束类中心点 | 未明确提及具体局限性 | 解决点云语义分割中数据不平衡导致的认知偏差问题 | 点云数据 | computer vision | NA | 深度学习 | InvSpaceNet | 点云 | 四个大型基准数据集(S3DIS、ScanNet v2、Toronto-3D和SemanticKITTI) |
6616 | 2025-03-25 |
Hard-aware Instance Adaptive Self-training for Unsupervised Cross-domain Semantic Segmentation
2025-Mar-18, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3552484
PMID:40100655
|
research paper | 提出了一种硬感知实例自适应自训练框架,用于无监督跨域语义分割任务 | 开发了一种新颖的伪标签生成策略,包含实例自适应选择器和硬感知伪标签增强技术,以及区域自适应正则化方法 | 未明确提及具体限制 | 解决无监督域适应(UDA)中标记训练数据与未标记测试数据之间的差异问题 | 语义分割任务 | computer vision | NA | 自训练(self-training), 伪标签生成(pseudo-label generation) | 深度学习模型(未具体说明) | 图像数据 | 在GTA5 Cityscapes, SYNTHIA Cityscapes和Cityscapes Oxford RobotCar数据集上进行实验 |
6617 | 2025-03-25 |
Protein Language Pragmatic Analysis and Progressive Transfer Learning for Profiling Peptide-Protein Interactions
2025-Mar-18, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3540291
PMID:40100664
|
研究论文 | 提出了一种可解释的深度学习模型IIDL-PepPI,用于分析肽-蛋白质相互作用 | 采用双向注意力模块表示肽和蛋白质的上下文信息,并利用渐进式迁移学习框架同时预测肽-蛋白质相互作用和识别结合残基 | 未提及具体的数据集规模或模型计算资源需求 | 开发深度学习模型以分析肽-蛋白质相互作用,推动基于人工智能的肽药物发现和蛋白质功能阐明 | 肽和蛋白质序列及其相互作用 | 机器学习 | NA | 深度学习 | IIDL-PepPI(基于双向注意力机制和迁移学习的深度学习模型) | 蛋白质序列数据 | NA |
6618 | 2025-03-25 |
A novel self-supervised graph clustering method with reliable semi-supervision
2025-Mar-16, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107418
PMID:40120553
|
research paper | 提出了一种基于可靠半监督的新型自监督图聚类方法(SSGC-RSS),用于解决图数据中的噪声和稀疏性问题 | 模型通过上游的双解码器图自编码器与联合聚类优化,以及下游基于高可靠性样本的半监督图注意力编码网络,创新性地解决了噪声和稀疏性问题 | 未明确提及具体局限性,但可能涉及对特定图数据类型的适应性或计算复杂度 | 提升复杂图数据聚类任务的性能 | 图数据 | machine learning | NA | 自监督学习、半监督学习 | 双解码器图自编码器、图注意力编码网络 | 图数据 | 在Cora、Citeseer和Pubmed等多个图数据集上进行了实验 |
6619 | 2025-03-25 |
Deformation-invariant neural network and its applications in distorted image restoration and analysis
2025-Mar-16, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107378
PMID:40121786
|
研究论文 | 提出了一种变形不变神经网络(DINN)框架,用于处理几何失真图像的恢复和分析问题 | 引入了拟共形变换网络(QCTN)作为DINN的核心组件,能够输出拟共形映射以改善几何失真图像 | 未提及具体的数据集规模或在不同类型几何失真上的泛化能力 | 解决几何失真图像的成像任务问题 | 几何失真图像 | 计算机视觉 | NA | 拟共形映射 | DINN(包含QCTN组件) | 图像 | NA |
6620 | 2025-03-25 |
Contactless Intelligent Anti-interference Lung Nodule Detection Method for Early Disease Detection
2025-Mar-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3550199
PMID:40067715
|
研究论文 | 提出了一种基于人工智能的抗干扰肺结节检测方法Yolov8-AH,用于在干扰条件下提高肺CT图像中肺结节检测的准确性 | 结合了自适应门控稀疏注意力(AGSA)和哈尔小波下采样(HWD)模块的Yolov8模型,显著提高了在干扰条件下的检测准确率 | 未提及模型在临床实际应用中的验证情况 | 提高在干扰条件下肺CT图像中肺结节检测的准确性 | 肺CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | Yolov8-AH (基于Yolov8结合AGSA和HWD模块) | 医学图像(CT) | NA |