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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
661 | 2025-07-03 |
Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models
2025-Aug, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24847
PMID:40129051
|
研究论文 | 本文提出了一种基于U-Net和Dense-Net的深度学习模型,用于通过视网膜图像自动检测和分级高血压视网膜病变(HR) | 结合U-Net和Dense-Net模型,通过血管分割、动静脉分类及血管宽度计算,实现HR的自动检测和分级 | 研究仅基于AVRDB数据集,未提及在其他数据集上的泛化能力 | 开发一种自动检测和分级高血压视网膜病变的方法,以辅助临床诊断 | 高血压视网膜病变(HR)患者的视网膜图像 | 数字病理学 | 心血管疾病 | 深度学习 | U-Net, Dense-Net | 图像 | AVRDB数据集 |
662 | 2025-07-03 |
Advances in disease detection through retinal imaging: A systematic review
2025-Aug, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110412
PMID:40482560
|
系统综述 | 本文综述了机器学习技术在视网膜图像疾病检测中的应用,包括单模态和多模态成像方法 | 系统评估了深度学习和经典机器学习模型在视网膜图像疾病检测中的效率和性能,提出了未来研究方向 | 识别了机器学习在视网膜图像疾病检测中的关键挑战,如模型的泛化能力和临床适用性 | 探讨机器学习技术在视网膜图像疾病自动检测和分级中的应用 | 视网膜图像 | 计算机视觉 | 眼科疾病 | 机器学习 | 深度学习和经典机器学习模型 | 图像 | NA |
663 | 2025-07-03 |
Enhancing and advancements in deep learning for melanoma detection: A comprehensive review
2025-Aug, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110533
PMID:40483855
|
综述 | 本文系统回顾了深度学习在黑色素瘤检测中的应用趋势和差距,重点关注现有模型的可复制性和泛化能力 | 总结了深度学习在黑色素瘤检测中的关键进展,并指出了数据多样性和模型透明度不足的问题 | 现有模型对不同肤色人群的适用性有限,且许多研究缺乏数据分区的透明度,限制了模型的可重复性 | 探讨深度学习在黑色素瘤早期和准确检测中的应用及其全球有效性 | 黑色素瘤的深度学习检测模型 | 数字病理学 | 黑色素瘤 | 深度学习(DL) | ResNet, Inception | 图像 | 使用了公共数据库如ISIC和HAM10000,但具体样本数量未明确说明 |
664 | 2025-07-03 |
Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset
2025-Aug, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110501
PMID:40494170
|
研究论文 | 本文通过利用X射线图像和先进的机器学习技术(如深度学习和Vision Transformers)对呼吸系统疾病分类领域做出重要贡献 | 引入了一个新颖、多样化的数据集,包含来自5263名患者的7867张X射线图像,涵盖49种不同的肺部疾病,并系统回顾了2017年至2024年间发表的综述文章 | 研究可能未涵盖2017年之前的基础性工作,且AI的快速发展可能使早期方法不再相关 | 提高呼吸系统疾病分类的准确性和可靠性,改善临床决策 | 呼吸系统疾病(如肺炎和COVID-19)的诊断 | 计算机视觉 | 肺部疾病 | 深度学习和Vision Transformers (ViT) | DL和ViT | X射线图像 | 7867张X射线图像来自5263名患者 |
665 | 2025-07-03 |
IDEA: Image database for earthquake damage annotation
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111733
PMID:40599425
|
研究论文 | 本文介绍了IDEA(地震损害标注图像数据库),一个包含超过5400张标注图像的数据集,用于支持深度学习在结构损害检测和分类中的应用 | 提出了一个基于广泛认可的结构损害类别的综合本体论,可用于扩展现有数据集或创建新数据集,从而增加按照结构工程标准标注的数据的可用性 | NA | 填补结构损害检测和/或分类深度学习开发中标注数据的不足 | 地震后的结构损害图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过5400张图像 |
666 | 2025-07-03 |
Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer
2025-Jul-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4190
PMID:40305075
|
研究论文 | 本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba,用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期 | 提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型,能够同时预测淋巴结转移和总生存期,且在多个中心验证中表现优于临床模型 | 研究仅基于CT图像,未整合其他模态数据 | 提高化疗治疗胃癌患者淋巴结转移和总生存期的预测准确性 | 局部晚期胃癌患者 | 数字病理学 | 胃癌 | 深度学习 | CTSMamba (基于co-attention tri-oriented spatial Mamba的多任务模型) | 纵向CT图像 | 1,021名局部晚期胃癌患者(训练验证398例,外部验证623例) |
667 | 2025-07-03 |
optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+)
2025-Jul-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade2b5
PMID:40490001
|
研究论文 | 该研究提出了一种基于生成对抗网络(GAN)的optiGAN模型,用于加速GATE医学物理框架中的光学光子传输模拟,同时保持高建模精度 | 将GAN模型optiGAN集成到Python版本的GATE 10中,作为传统光学蒙特卡洛模拟的高效替代方案,显著减少了计算时间 | 研究未提及模型在不同医学成像场景下的泛化能力,以及是否适用于其他类型的粒子模拟 | 加速光学光子传输模拟,降低计算成本,同时保持高建模精度 | GATE医学物理模拟框架中的光学光子传输 | 医学物理 | NA | 生成对抗网络(GAN) | GAN | 模拟数据 | NA |
668 | 2025-07-03 |
Evaluating artificial intelligence models for rupture risk prediction in unruptured intracranial aneurysms: a focus on vessel geometry and hemodynamic insights
2025-Jul-02, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03689-6
PMID:40593222
|
review | 本文评估了人工智能模型在未破裂颅内动脉瘤破裂风险预测中的应用,重点关注血管几何和血流动力学因素 | 结合几何和血流动力学变量,利用AI模型进行更全面和患者特异性的风险评估,超越了传统的基于大小的方法 | 缺乏大规模高质量数据集,模型预测解释存在挑战 | 提高未破裂颅内动脉瘤破裂风险预测的准确性 | 未破裂颅内动脉瘤(UIA) | digital pathology | cardiovascular disease | CFD (Computational Fluid Dynamics), AI | SVM, CNN | image, hemodynamic parameters | NA |
669 | 2025-07-03 |
A deep learning and digital archaeology approach for mosquito repellent discovery
2025-Jul-02, Chemical senses
IF:2.8Q2
DOI:10.1093/chemse/bjaf021
PMID:40598906
|
研究论文 | 本文提出了一种结合深度学习和数字考古学的方法,用于发现新型驱蚊分子 | 使用图神经网络(GNN)映射分子结构与驱蚊效果的关系,并通过行为实验验证预测结果 | NA | 发现更有效、更安全的新型驱蚊分子 | 蚊子驱避分子 | 机器学习 | 虫媒传染病 | GNN | 图神经网络 | 分子结构数据 | 约19,000个驱蚊效果测量数据,317个候选分子 |
670 | 2025-07-03 |
AI in Learning Anatomy and Restoring Central Incisors: A Comparative Study
2025-Jul-02, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251344548
PMID:40598953
|
研究论文 | 本研究比较了不同AI方法在学习和重建中切牙解剖结构中的表现 | 首次比较了PCA和DeepSDF在牙齿解剖学学习和重建中的表现,并评估了其可解释性 | DeepSDF模型的可解释性存在不足,且未考虑影响微笑设计的更广泛因素 | 比较不同AI方法在牙齿解剖学学习和重建中的表现 | 上颌中切牙的解剖结构 | 数字病理 | 牙科创伤 | PCA, DeepSDF | DeepSDF | 3D扫描数据(STL文件) | 来自3所大学的成熟恒上颌中切牙STL文件 |
671 | 2025-07-03 |
EquiCPI: SE(3)-Equivariant Geometric Deep Learning for Structure-Aware Prediction of Compound-Protein Interactions
2025-Jul-02, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00773
PMID:40600339
|
研究论文 | 本文提出了一种名为EquiCPI的SE(3)-等变几何深度学习框架,用于结构感知的化合物-蛋白质相互作用预测 | 结合第一性原理结构建模与SE(3)-等变神经网络,通过原子点云的SE(3)-等变消息传递保留旋转、平移和反射对称性,同时通过球谐函数的张量积层次编码局部相互作用模式 | 未明确提及具体限制 | 提高化合物-蛋白质相互作用的预测准确性 | 化合物-蛋白质相互作用 | 计算药物发现 | NA | 几何深度学习、SE(3)-等变神经网络 | SE(3)-equivariant neural networks | 3D原子坐标 | BindingDB(亲和力预测)和DUD-E(虚拟筛选)数据集 |
672 | 2025-07-03 |
Deep learning-enhanced development of innovative antioxidant liposomal drug delivery systems from natural herbs
2025-Jul-02, Materials horizons
IF:12.2Q1
DOI:10.1039/d5mh00699f
PMID:40600624
|
研究论文 | 本研究开发了一种基于深度学习的双阶段BERT框架,用于从天然草药中筛选抗氧化化合物,并结合脂质体递送系统增强其生物利用度和抗氧化效果 | 采用BERT框架显著提高了抗氧化化合物的筛选准确率(约20%),并将筛选出的化合物成功整合到脂质体递送系统中,验证了其在减轻氧化应激损伤方面的效果 | 研究仅针对肾脏急性缺血/再灌注模型验证了抗氧化效果,未涉及其他器官或慢性氧化应激模型 | 开发一种结合深度学习和脂质体递送技术的抗氧化药物研发平台 | 天然草药中的抗氧化化合物及其脂质体递送系统 | 机器学习 | 氧化应激相关疾病 | BERT框架、分子对接模拟 | BERT | 化合物数据 | 587种实验确认的抗氧化剂和983种非活性化合物,以及2882种天然草药化合物 |
673 | 2025-07-03 |
Leveraging protein language models for cross-variant CRISPR/Cas9 sgRNA activity prediction
2025-Jul-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf385
PMID:40600900
|
研究论文 | 本研究提出了一种基于蛋白质语言模型的深度学习模型PLM-CRISPR,用于跨变体CRISPR/Cas9 sgRNA活性预测 | 利用蛋白质语言模型捕捉Cas9蛋白变体表示,结合跨变体训练策略和动态特征融合机制,提高了预测模型的泛化能力和性能 | 未明确提及具体局限性,但可能依赖于蛋白质语言模型的性能和可用数据 | 优化CRISPR/Cas9基因编辑系统中sgRNA活性的预测,提高基因组修饰的效率和准确性 | CRISPR/Cas9系统中的sgRNA和Cas9蛋白变体 | 机器学习 | NA | 蛋白质语言模型 | 深度学习模型 | 序列数据 | 涵盖7种Cas9蛋白变体的数据集 |
674 | 2025-07-03 |
Discovery of novel cathepsin K inhibitors for osteoporosis treatment using a deep learning-based strategy
2025-Jul-02, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2025.2527686
PMID:40600916
|
研究论文 | 本研究利用深度学习和实验方法相结合的策略,发现新型组织蛋白酶K抑制剂用于骨质疏松治疗 | 开发了基于深度学习的预测模型来识别组织蛋白酶K抑制剂,并发现了槲皮素、γ-亚麻酸和异硫氰酸苄酯等有潜力的候选药物 | 目前尚未进行临床试验验证这些抑制剂的安全性和有效性 | 发现新型组织蛋白酶K抑制剂用于骨质疏松治疗 | 组织蛋白酶K(CTSK)及其抑制剂 | 机器学习 | 骨质疏松症 | 深度学习预测模型(Chemprop)、酶动力学研究、分子对接、分子动力学模拟、RANKL诱导的破骨细胞生成实验 | 深度学习模型 | 化学分子数据 | 前100个预测分子进行实验验证,最终确定6种化合物 |
675 | 2025-07-03 |
[AI-based applications in medical image computing]
2025-Jul-02, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz
DOI:10.1007/s00103-025-04093-7
PMID:40600998
|
review | 本文综述了人工智能在医学图像计算中的应用及其对现代诊断和治疗的促进作用 | 探讨了深度学习在医学图像分析中的最新进展,包括分割、配准和图像合成等应用 | 未提及具体AI模型的性能比较或实际临床应用中的具体限制 | 研究人工智能在医学图像处理中的应用及其对临床工作流程和患者护理的改进 | 医学图像数据,包括CT、MRI和PET等不同成像模态的图像 | digital pathology | NA | deep learning | deep neural networks | image | NA |
676 | 2025-07-03 |
PROTEUS: A Physically Realistic Contrast-Enhanced Ultrasound Simulator-Part I: Numerical Methods
2025-Jul, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3427850
PMID:39008399
|
研究论文 | 本文介绍了一种物理真实的对比增强超声模拟器PROTEUS,包括其数值方法和四个相互连接的模块 | 开发了PROTEUS模拟器,能够模拟超声波与组织和微泡的物理相互作用,为对比增强超声领域提供可定制的研究框架 | 未提及具体临床应用验证或实际数据对比结果 | 开发一个能够模拟超声波与组织和微泡物理相互作用的工具,以促进对比增强超声成像领域的研究 | 超声对比剂(UCAs)和血管结构 | 医学影像 | NA | 对比增强超声成像 | NA | 射频数据(RF data) | NA |
677 | 2025-07-03 |
Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma
2025-Jul-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8645
PMID:39788628
|
research paper | 该研究利用深度学习模型基于MRI图像区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤 | 首次应用3D DenseNet121架构结合T1C和T2 MRI图像进行鉴别诊断,提出分层阈值优化策略 | 模型在跨机构、人群和技术平台的泛化能力需进一步验证,未纳入其他肿瘤病因如CNS淋巴瘤和脑转移瘤 | 开发非侵入性MRI深度学习模型以准确鉴别脑部肿瘤与非肿瘤性病变 | 肿瘤性脱髓鞘患者(144例)和IDH野生型胶质母细胞瘤患者(455例) | digital pathology | brain tumor | MRI (T1C and T2 weighted) | 3D DenseNet121 | medical image | 599例患者(144例肿瘤性脱髓鞘+455例IDHwt GBM) |
678 | 2025-07-03 |
Application of Deep Learning Accelerated Image Reconstruction in T2-Weighted Turbo Spin-Echo Imaging of the Brain at 7T
2025-Jul-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8662
PMID:39832954
|
研究论文 | 本研究评估了基于深度学习的图像重建技术在7T脑部T2加权涡轮自旋回波成像中的应用 | 使用在7T数据上训练的深度神经网络进行图像重建,显著提高了图像质量 | 研究样本量较小,仅包含30名患者 | 解决7T MRI成像时间长和运动敏感性的问题 | 7T脑部MRI图像 | 医学影像 | NA | 深度学习加速图像重建 | 深度神经网络 | MRI图像 | 30名临床7T脑部MRI患者 |
679 | 2025-07-03 |
Deep Learning Estimation of Small Airway Disease from Inspiratory Chest Computed Tomography: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in Chronic Obstructive Pulmonary Disease
2025-Jul, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202409-1847OC
PMID:40072247
|
研究论文 | 本研究开发了一种基于生成式AI的模型,用于从吸气胸部CT扫描中估计小气道疾病(fSAD),并与双容量参数响应映射fSAD进行比较 | 利用生成式AI模型从单一吸气CT扫描中估计fSAD,无需额外的呼气CT扫描 | 研究结果在COPDGene队列中的验证样本量相对较小(n=458) | 评估AI模型在估计小气道疾病(fSAD)方面的性能及其临床关联 | 慢性阻塞性肺疾病(COPD)患者 | 数字病理学 | 慢性阻塞性肺疾病 | 生成式AI模型 | 生成模型 | CT图像 | 2,513名SPIROMICS研究参与者和458名COPDGene研究参与者 |
680 | 2025-07-03 |
Artificial intelligence and its application in clinical microbiology
2025-Jul, Expert review of anti-infective therapy
IF:4.2Q1
DOI:10.1080/14787210.2025.2484284
PMID:40131188
|
综述 | 本文综述了人工智能在临床微生物学中的应用、进展和整合挑战 | 全面回顾了AI在病原体检测、抗菌素耐药性预测和诊断成像中的应用,并探讨了未来发展方向 | 需要解决数据异质性、模型可解释性和伦理问题,并进行更稳健的验证 | 探讨人工智能如何提升临床微生物学诊断效率和准确性 | 病原体检测、抗菌素耐药性(AMR)评估和诊断成像 | 临床微生物学 | 传染病 | 机器学习(ML)、深度学习(DL)、卷积神经网络(CNNs) | CNN | 诊断图像、RT-PCR数据、菌落计数数据 | NA |