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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
721 | 2025-06-11 |
Language and attenuation-driven network for robot-assisted cholangiocarcinoma diagnosis from optical coherence tomography
2025-Jun-09, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3578179
PMID:40489267
|
研究论文 | 本文提出了一种结合光学衰减系数和广义视觉语言信息的深度学习架构(LA-OCT Net),用于机器人辅助的胆管癌光学相干断层扫描(OCT)图像自动分类 | 引入了光学衰减系数(OAC)和广义视觉语言信息,开发了跨模态互补模型LA-OCT Net,通过解耦衰减选择对抗相关损失增强跨模态特征的差异 | 未提及具体的数据集规模或模型在不同数据集上的泛化能力 | 开发一种自动且准确的胆管癌分类系统,以确认浸润边缘 | 胆管癌(CCA)的光学相干断层扫描(OCT)图像 | 数字病理学 | 胆管癌 | 光学相干断层扫描(OCT) | LA-OCT Net(基于深度学习的跨模态互补模型) | 图像 | 综合临床数据集(未提及具体数量) |
722 | 2025-06-11 |
ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple yet General Complementary Transformer
2025-Jun-09, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3578494
PMID:40489289
|
research paper | 该论文提出了一种名为ComPtr的新型互补Transformer,用于处理多样化的双源密集预测任务 | ComPtr通过一致性增强和差异感知组件,能够从不同的图像源中提取和收集重要的视觉语义线索,适用于多种任务 | NA | 构建一个通用的双源密集预测模型,以处理多种视觉任务 | 双源密集预测任务 | computer vision | NA | Transformer | ComPtr | image | NA |
723 | 2025-06-11 |
Lightweight LLM-Based Anomaly Detection Framework for Securing IoTMD Enabled Diabetes Management Control Systems
2025-Jun-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3577604
PMID:40489281
|
研究论文 | 本研究评估了多种轻量级大型语言模型(LLMs)在基于IoTMD的糖尿病管理控制系统(DMCS)中的异常检测性能 | 使用LoRA微调的LLaMA 3.2 1B-Instruct模型在异常检测中达到了99.91%的准确率和100%的精确度,展示了基于transformer架构的优越适应性和鲁棒性 | 研究仅针对糖尿病管理控制系统,未涉及其他IoTMD应用场景 | 评估轻量级LLMs在IoTMD系统中的异常检测性能,以增强其安全性 | 基于IoTMD的糖尿病管理控制系统(DMCS) | 自然语言处理 | 糖尿病 | LoRA(Low-Rank Adaptation) | LLM(包括LLaMA 3.2 1B-Instruct、GPT-2、Phi-1、Gemma 2B-Instruct等) | 文本 | NA |
724 | 2025-06-11 |
Temporal Integrative Machine Learning for Early Detection of Diabetic Retinopathy Using Fundus Imaging and Electronic Health Records
2025-Jun-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3578197
PMID:40489278
|
research paper | 提出一种新颖的时间整合机器学习系统,结合眼底图像和电子健康记录(EHR)用于糖尿病视网膜病变(DR)的早期检测 | 系统独特地处理EHR数据,关注时间趋势和长期患者历史,创建数千个时间特征,捕捉其随时间演变的动态,并提供无与伦比的模型精细度 | 数据主要为未标记性质,训练阶段采用了伪标记技术 | 开发一个更动态和全面的机器学习系统,以增强DR检测并提供相关风险因素的新见解 | 糖尿病视网膜病变(DR)患者 | machine learning | diabetic retinopathy | 伪标记技术 | temporal tabular model, deep learning multi-modal model | image, text | 5,000名患者的25,000张视网膜图像和长达20年的电子健康记录 |
725 | 2025-06-11 |
SAS: A General Framework Induced by Sequence Association for Shape from Focus
2025-Jun-09, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3577595
PMID:40489288
|
research paper | 提出了一种基于序列关联的通用框架(SAS),用于提升形状聚焦(SFF)方法的泛化能力 | SAS框架将图像序列视为完整的三维数据,通过多视图分解、选择性融合和多尺度特征聚合处理,并引入更严格的多视图学习泛化误差界限来指导选择性融合方法的开发 | 未提及具体局限性 | 提升形状聚焦(SFF)方法的泛化能力 | 多焦点图像序列 | computer vision | NA | shape from focus (SFF) | sequence association-based (SAS) framework | image | 七个合成数据集和两个未知标签的真实场景 |
726 | 2025-06-11 |
optiGAN: A Deep Learning-Based Alternative to Optical Photon Tracking in Python-Based GATE (10+)
2025-Jun-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade2b5
PMID:40490001
|
research paper | 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,同时保持高精度 | 将GAN模型optiGAN集成到Python版的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设备或条件下的泛化能力 | 加速光学光子传输模拟,同时保持建模精度 | 光学光子传输模拟 | medical physics | NA | Generative Adversarial Network (GAN) | GAN | simulation data | NA |
727 | 2025-06-11 |
Speech imagery brain-computer interfaces: a systematic literature review
2025-Jun-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ade28e
PMID:40490003
|
综述 | 本文对语音意象脑机接口(SI-BCI)的解码流程进行了系统性的文献回顾 | 总结了语音意象解码的研究趋势、方法学趋势以及不同方法的有效性,并讨论了实时解码系统的当前进展 | 大多数研究集中在离线分析,实时解码的研究较少,且方法和结果的多样性使得难以明确该领域的最新技术水平 | 回顾并分析语音意象脑机接口的解码流程及其研究进展 | 语音意象(SI)及其在脑机接口(BCI)中的应用 | 脑机接口 | NA | 神经影像学模态、信号处理方法、特征提取技术 | 深度学习模型 | 神经活动信号 | 104篇同行评审报告 |
728 | 2025-06-11 |
Transformer-based robotic ultrasound 3D tracking for capsule robot in GI tract
2025-Jun-09, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03445-7
PMID:40490591
|
研究论文 | 提出了一种基于Transformer和CNN的混合深度学习框架,用于胃肠道胶囊机器人的实时3D超声跟踪 | 结合CNN和Transformer的优势,开发了一种能够长距离3D跟踪并在胶囊丢失时主动重新定位的新型机器人超声跟踪系统 | 未来工作包括改进探头-组织交互处理,并在活体动物和人体试验中验证性能以评估生理影响 | 解决超声成像在胃肠道胶囊机器人实时监测中的视野狭窄、气体填充区域可视性低和平面外运动检测困难等问题 | 胃肠道胶囊机器人 | 计算机视觉 | 胃肠道疾病 | 超声成像 | CNN和Transformer混合模型 | B模式超声图像 | 使用离体结肠模型在不同成像条件下进行评估 |
729 | 2025-06-11 |
Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service
2025-Jun-09, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14560
PMID:40491217
|
研究论文 | 开发并验证了一种深度学习系统,用于提供地区范围内的糖尿病视网膜筛查服务 | 双模态深度学习系统能够高准确度和特异性诊断威胁视力的糖尿病视网膜病变(vtDR) | 7.4%的参与者图像无法分级 | 评估深度学习系统在检测威胁视力的糖尿病视网膜病变(vtDR)方面的性能和有效性 | 748名糖尿病患者(年龄≥10岁) | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描(OCT) | 深度学习系统 | 图像 | 748名糖尿病患者 |
730 | 2025-06-11 |
Generation of ultrasonic and audible sound waves for the automatic classification of packaging waste in reverse vending machines
2025-Jun-08, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.114934
PMID:40489934
|
研究论文 | 本文提出了一种利用声学传感器进行包装废物分类的新方法,通过分析超声波和可听声波的声场变化来实现废物材料的自动分类 | 采用声学传感器替代传统的条形码扫描和计算机视觉系统,利用超声波和可听声波的脉冲响应进行材料分类,提出了一种成本更低且对环境条件不敏感的新方法 | 该方法仅在受控环境中进行了概念验证测试,尚未在实际的逆向自动售货机环境中验证其性能 | 开发一种基于声学技术的包装废物自动分类系统,以解决当前逆向自动售货机在废物分类中的局限性 | 塑料、玻璃、纸板和金属罐等可回收物品 | 机器学习 | NA | 指数正弦扫描(ESS)技术和参数声学阵列(PAA)效应 | 经典机器学习和深度学习模型 | 声学数据 | NA |
731 | 2025-06-11 |
Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies
2025-Jun-06, Journal of materials chemistry. B
DOI:10.1039/d5tb00744e
PMID:40476698
|
综述 | 本文系统探讨了先进生物可视化技术的原理、应用及局限性,特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展 | 整合AI、增强现实和深度学习等尖端技术,实现实时、高分辨率和预测性分析,超越传统成像模式的限制 | 未具体说明现有技术在特定生物组织或疾病应用中的具体性能限制 | 解码组织复杂性,推进生物材料开发,促进精准医学、组织工程和治疗发展 | 生物组织的多尺度结构与功能关系 | 数字病理学 | NA | AI驱动的图像分析、多维成像与重建、多模态数据整合 | 深度学习 | 图像、多维数据 | NA |
732 | 2025-06-11 |
Optimizing structured surfaces for diffractive waveguides
2025-Jun-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60626-3
PMID:40481002
|
研究论文 | 本文介绍了一种通用的衍射波导设计,通过深度学习优化,能够实现与传统介质波导相当的性能和多种功能 | 提出了可级联的衍射波导设计,能够实现任意长度,并开发了多种波导组件,包括弯曲衍射波导、模式滤波和模式分裂设计以及模式特定的偏振控制 | 实验验证仅在太赫兹频谱中进行,尚未在其他波长(如可见光和红外光谱)中全面验证 | 优化衍射波导设计,以实现低损耗、高模式纯度的波导传播和多功能应用 | 衍射波导及其组件 | 光学工程 | NA | 深度学习 | NA | NA | NA |
733 | 2025-06-11 |
Air quality prediction based on factor analysis combined with Transformer and CNN-BILSTM-ATTENTION models
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03780-4
PMID:40481069
|
research paper | 提出了一种结合因子分析和深度学习模型的创新空气质量预测框架 | 整合因子分析与Transformer及CNN-BILSTM-ATTENTION模型,显著提升预测精度和稳定性 | 未来计划包括优化因子提取、探索外部数据源和开发更高效的深度学习架构 | 开发高精度的空气质量预测方法 | 北京天坛站的空气质量数据 | machine learning | NA | factor analysis, discrete wavelet transform | Transformer, CNN-BILSTM-ATTENTION | time series data | NA |
734 | 2025-06-11 |
Quantum-enhanced intelligent system for personalized adaptive radiotherapy dose estimation
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05673-y
PMID:40481168
|
研究论文 | 介绍了一种新型量子增强智能系统,用于个性化自适应放疗剂量估计 | 整合量子算法、深度学习和蒙特卡洛模拟,实现计算速度提升8-15倍,同时保持高精度 | 仅在模拟数据集上验证,尚未在真实临床环境中测试 | 提高个性化自适应放疗剂量估计的精确性和效率 | 放疗剂量估计 | 医疗人工智能 | 癌症 | 量子算法、深度学习、蒙特卡洛模拟 | CNN、RNN | 模拟数据 | NA |
735 | 2025-06-11 |
The outcome prediction method of football matches by the quantum neural network based on deep learning
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91870-8
PMID:40481179
|
研究论文 | 本研究提出了一种基于深度学习的量子神经网络模型,用于高精度预测足球比赛结果 | 创新性地将量子神经网络应用于足球比赛结果预测,相比传统神经网络和其他先进模型,在预测精度上有显著提升 | 未提及模型在实时预测或小样本数据上的表现,且仅针对欧洲主要联赛数据进行了验证 | 构建和优化基于深度学习的量子神经网络模型,用于足球比赛结果的高精度预测 | 欧洲主要足球联赛2008-2022年的比赛数据 | 机器学习 | NA | 量子神经网络(QNN)、深度学习(DL) | 多层感知机(MLP)与量子神经网络(QNN)结合 | 结构化数据(比赛结果、球队信息、球员统计、比赛场地等) | 2008-2022年欧洲主要足球联赛的详细比赛记录 |
736 | 2025-06-11 |
A versatile CRISPR/Cas9 system off-target prediction tool using language model
2025-Jun-06, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08275-6
PMID:40481308
|
研究论文 | 介绍了一种名为CCLMoff的深度学习框架,用于预测CRISPR/Cas9系统的脱靶效应 | 结合了预训练的RNA语言模型,能够捕获sgRNA与靶位点之间的相互序列信息,并在广泛的NGS检测数据集上表现出强大的泛化能力 | NA | 提高CRISPR/Cas9基因编辑的精确性和效率,减少脱靶效应 | CRISPR/Cas9系统的单导RNA(sgRNA)和靶位点 | 生物信息学 | 单基因遗传病 | NGS | 深度学习框架 | RNA序列数据 | NA |
737 | 2025-06-11 |
Application of Mask R-CNN for automatic recognition of teeth and caries in cone-beam computerized tomography
2025-Jun-06, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06293-8
PMID:40481434
|
research paper | 本研究评估了使用Mask R-CNN架构在锥形束计算机断层扫描(CBCT)中自动识别牙齿和龋齿的深度学习算法的效果 | 比较了不同预训练模型(COCO和ImageNet)在牙齿和龋齿识别中的性能,发现COCO预训练的模型表现更优 | 研究仅基于CBCT图像,未考虑其他影像学方法 | 评估深度学习算法在牙齿和龋齿自动识别中的效果 | 牙齿和龋齿 | computer vision | dental caries | CBCT | Mask R-CNN, ResNet-50 | image | 2128张CBCT图像 |
738 | 2025-06-11 |
Mandibular condyle detection using deep learning and double attractor-based energy valley optimizer algorithm
2025-Jun-06, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05725-9
PMID:40481531
|
研究论文 | 本研究提出了一种结合深度学习和特征选择模型的下颌髁突检测技术 | 创新点包括使用YOLOv8识别感兴趣区域,结合改进的Energy Valley Optimizer (EVO) 进行特征选择 | NA | 更好地理解和准确表征颞下颌关节的多样化和可变形态特征 | 颞下颌关节的下颌髁突 | 计算机视觉 | 颞下颌关节疾病 | 深度学习,特征选择 | YOLOv8 | 全景图像 | 3000张全景图像,由两名经验丰富的颌面放射科医生分类为四种类型:平坦型、尖型、角型和圆型 |
739 | 2025-06-11 |
Histopathologic deep learning model for predicting tumor response to hepatic arterial infusion chemotherapy plus TKIs and ICIs in large hepatocellular carcinoma
2025-Jun-06, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00885-x
PMID:40481560
|
研究论文 | 本研究开发了一种基于深度学习的模型HAIM,用于预测大型肝细胞癌(HCC)患者对三联疗法(HTI)的治疗反应 | 首次开发了基于病理切片的深度学习模型HAIM,用于预测HTI治疗反应,为HCC的个性化管理提供了新工具 | 研究样本量有限,且仅基于两个中心的数据,可能需要更多外部验证 | 评估三联疗法(HTI)在大型HCC治疗中的效果,并开发预测治疗反应的深度学习模型 | 大型肝细胞癌(HCC)患者 | 数字病理学 | 肝细胞癌 | 深度学习 | HAIM(Hepatocellular Carcinoma Artificial Intelligence Prediction Model) | 病理切片图像 | HTI组281例患者,HAIC组97例患者,其中194例HTI治疗患者的病理切片用于模型开发 |
740 | 2025-06-11 |
PhenoDP: leveraging deep learning for phenotype-based case reporting, disease ranking, and symptom recommendation
2025-Jun-06, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01496-8
PMID:40481598
|
research paper | 介绍了一种名为PhenoDP的深度学习工具包,用于基于表型的病例报告、疾病排名和症状推荐 | PhenoDP结合了蒸馏大型语言模型和对比学习,提供临床总结、疾病优先级排序和症状推荐功能 | 未提及具体的数据局限性或模型适用范围 | 提高孟德尔遗传病的诊断准确性和效率 | 患者的Human Phenotype Ontology (HPO)术语 | natural language processing | 孟德尔遗传病 | 深度学习 | 蒸馏大型语言模型, 对比学习 | HPO术语 | 模拟和真实世界数据集 |