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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
741 | 2025-07-10 |
Unveiling genetic architecture of white matter microstructure through unsupervised deep representation learning of fractional anisotropy images
2025-Jul-05, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.04.25330856
PMID:40630570
|
研究论文 | 提出了一种基于深度学习的无监督深度表示学习方法UDR-WM,用于提取全脑分数各向异性(FA)特征,以揭示白质微结构的遗传架构 | 开发了无监督深度表示学习方法UDR-WM,能够捕捉分布式微结构变异而不需要先验解剖假设,相比传统FA表型具有更高的遗传力 | 未明确说明样本量大小及具体数据来源 | 揭示白质微结构的遗传架构及其与复杂脑部特征的遗传联系 | 白质微结构(通过扩散MRI获得的分数各向异性图像) | 数字病理学 | 精神分裂症,帕金森病 | 扩散MRI | 深度学习 | 图像 | NA |
742 | 2025-07-10 |
Transformer-based Deep Learning for Glycan Structure Inference from Tandem Mass Spectrometry
2025-Jul-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.02.662857
PMID:40631101
|
研究论文 | 本文介绍了两种基于Transformer的深度学习模型GlycoBERT和GlycoBART,用于从串联质谱数据中预测糖链结构 | 提出了GlycoBERT和GlycoBART两种新型模型,其中GlycoBART能够进行从头糖链结构推断,并发现了一种未在主要糖链数据库中记录的新结构 | GlycoBERT等分类方法只能预测训练数据中存在的结构 | 开发更准确和全面的糖链结构分析方法 | 糖链结构 | 机器学习 | NA | 串联质谱(MS/MS) | Transformer-based (GlycoBERT, GlycoBART) | 质谱数据 | 人类胚胎肾细胞的MS/MS数据集 |
743 | 2025-07-10 |
Structural similarities reveal an expansive conotoxin family with a two-finger toxin fold
2025-Jul-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.03.662903
PMID:40631153
|
研究论文 | 本文通过结构生物信息学方法揭示了一个具有双指毒素折叠的新型芋螺毒素家族的广泛存在 | 首次发现并命名了'双指毒素(2FTX)'折叠结构,揭示了六个芋螺毒素超家族的共同进化历史 | 研究主要依赖计算预测和结构比对,缺乏部分毒素家族的功能验证 | 探索芋螺毒素的结构特征和进化关系 | 芋螺毒素超家族(特别是Tx33.1)和原口动物的2FTX蛋白 | 结构生物信息学 | NA | NMR结构解析、深度学习结构预测、结构比对 | 深度学习模型(未指定具体类型) | 蛋白质序列和结构数据 | 6个芋螺毒素超家族和多种原口动物2FTX蛋白 |
744 | 2025-07-10 |
Multi-task machine learning reveals the functional neuroanatomy fingerprint of mental processing
2025-Jul-05, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.30.569385
PMID:40631327
|
研究论文 | 利用多任务深度学习模型揭示七种代表性心理过程的功能神经解剖学指纹 | 首次提出并验证了心理过程具有独特的‘功能神经解剖学指纹’的概念,通过多任务深度学习模型成功区分了七种不同的心理过程 | 研究仅基于两个独立队列的1235名受试者,可能无法涵盖所有心理过程的多样性 | 探索心理过程是否具有独特且可靠的功能神经解剖学指纹,以增进对其神经机制的理解 | 七种代表性心理过程(情绪、赌博、语言、运动、关系、社交和工作记忆)及其功能神经解剖学基础 | 机器学习 | NA | 功能磁共振成像(fMRI) | 多任务深度学习模型 | 功能磁共振成像数据 | 1235名受试者(来自美国和中国的两个独立队列) |
745 | 2025-07-10 |
Exploratory development of human-machine interaction strategies for post-stroke upper-limb rehabilitation
2025-Jul-04, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01680-2
PMID:40611303
|
研究论文 | 本文提出了一种名为UarDus的上肢康复设备及三种人机交互策略,旨在满足中风后上肢康复需求 | 开发了一种结合CNN和Transformer结构的新型深度学习模型,用于实时捕捉细微运动意图,并提出了三种人机交互策略 | 目前仅在一位接受开颅手术的出血性中风患者身上进行了概念验证研究,样本量有限 | 开发有效的中风后上肢康复人机交互策略 | 中风后上肢康复患者 | 康复工程 | 中风 | 离散小波变换(DWT)、运动捕捉技术、核密度估计(KDE) | CNN和Transformer结合的深度学习模型 | 运动数据、电流信号 | 1名出血性中风患者(概念验证研究) |
746 | 2025-07-10 |
Convolutional neural networks with transfer learning for natural river flow prediction in ungauged basins
2025-Jul-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07088-1
PMID:40615452
|
研究论文 | 本研究提出了一种结合卷积神经网络和迁移学习的深度学习方法,用于无测站流域的河流流量预测 | 首次将卷积神经网络与迁移学习技术相结合应用于河流流量预测,解决了数据稀缺流域的预测难题 | 模型性能在迁移学习应用后有小幅下降,且研究仅针对特定流域进行验证 | 开发高效准确的河流流量预测模型,解决数据稀缺流域的预测挑战 | 巴西的Paraíba do Sul河、莫桑比克的Zambezi河、巴西的São Francisco河以及印度德里的气候数据 | 机器学习 | NA | 深度学习、迁移学习 | CNN | 时间序列水文数据 | 来自四个不同流域/地区的时间序列数据集 |
747 | 2025-07-10 |
Conditional autoregressive model based on next scale prediction for missing data reconstruction
2025-Jul-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08830-5
PMID:40615591
|
研究论文 | 提出了一种基于下一尺度预测的条件自回归模型,用于地震数据缺失轨迹的重建 | 采用下一尺度预测方法避免了数据扁平化,保持了数据的空间结构,并通过条件约束确保预测数据与已知数据分布一致 | 未提及具体计算资源需求或模型训练时间 | 解决复杂野外条件下采集的地震数据中缺失轨迹的重建问题 | 地震数据 | 机器学习 | NA | 深度学习 | 条件自回归模型 | 地震数据 | 未提及具体样本数量,但涉及现场和合成数据集 |
748 | 2025-07-06 |
Automated radiographic assessment of lower limb alignment using deep learning in a data-constrained clinical setting
2025-Jul-04, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08846-y
PMID:40615817
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
749 | 2025-07-10 |
DeepELR: Deep learning-based energy and link stability aware routing in IoT for heart disease classification
2025-Jul-04, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度学习的能量和链路稳定性感知路由算法DeepELR,用于物联网中的心脏疾病分类 | 开发了DeepELR路由算法,结合DRNN预测节点能量和链路稳定性,并采用ASSA-based集成学习技术进行心脏疾病分类 | 未提及具体实验样本量和临床验证结果 | 开发物联网环境下心脏疾病监测的高效路由算法和分类系统 | 心脏疾病患者监测数据 | 物联网与医疗健康监测 | 心脏疾病 | ASSA-based集成学习技术 | DRNN, DEB, RNN | 物联网传感器数据 | NA |
750 | 2025-07-10 |
An automatic patient-specific quality assurance with a novel DVH scoring algorithm for volumetric modulated arc therapy of cervical cancer
2025-Jul-04, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.112030
PMID:40628009
|
research paper | 开发了一种新的DVH评分算法,用于自动预测和分类宫颈癌患者特定质量保证(PSQA)结果 | 提出了一种基于权重的DVH评分(WDS)算法,能够根据剂量误差和体积误差自动分类PSQA结果 | 样本量相对较小,且仅针对宫颈癌患者 | 提高患者特定质量保证(PSQA)结果的分类准确性和效率 | 200名接受容积调强弧形治疗(VMAT)的宫颈癌患者 | digital pathology | cervical cancer | volumetric modulated arc therapy (VMAT) | U-shape-like network with skip-connection modules (T-Net) | CT and plan dose distributions | 200名宫颈癌患者(109例使用Infinity直线加速器,91例使用Synergy直线加速器) |
751 | 2025-07-10 |
Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study
2025-Jul-04, Research square
DOI:10.21203/rs.3.rs-6823810/v1
PMID:40630532
|
research paper | 本文对31种计算病理学AI基础模型进行了全面基准测试,评估了它们在多种组织病理学数据集和任务中的表现和泛化能力 | 首次对病理学基础模型在不同数据集和任务中的表现进行系统比较,并发现模型大小和数据规模并不总是与性能提升相关 | 需要进一步研究影响模型性能的潜在因素,并开发增强模型在不同组织类型和数据集中泛化能力的策略 | 评估和比较不同病理学基础模型在计算病理学中的表现 | 31种AI基础模型,包括通用视觉模型(VM)、通用视觉语言模型(VLM)、病理专用视觉模型(Path-VM)和病理专用视觉语言模型(Path-VLM) | digital pathology | NA | deep learning | CNN, VLM, Path-VM, Path-VLM | image | 41项任务的数据集,包括TCGA、CPTAC、外部基准数据集和域外数据集 |
752 | 2025-07-10 |
Semantic ECG hash similarity graph
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07838-1
PMID:40610475
|
研究论文 | 提出了一种结合语义哈希编码的新型图生成学习框架,用于捕获心电信号内部及信号间的复杂关联,显著提升基于图的深度学习模型的检索效率 | 利用语义哈希编码构建全局哈希字典,并通过汉明相似度组装图拓扑结构,同时提出正交域迭代优化方法以确保语义相似性 | 未明确提及具体局限性,但可能受限于哈希编码的精度和噪声干扰 | 提高心电信号检索效率和识别准确性 | 心电信号(ECG) | 机器学习 | 心血管疾病 | 语义哈希编码、汉明相似度计算 | GCN(图卷积网络) | 时间序列数据(ECG信号) | 多个公开ECG数据集(未明确数量) |
753 | 2025-07-10 |
Quantification of Optical Coherence Tomography Features in >3500 Patients with Inherited Retinal Disease Reveals Novel Genotype-Phenotype Associations
2025-Jul-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.03.25330767
PMID:40630585
|
研究论文 | 本研究通过量化光谱域光学相干断层扫描(SD-OCT)图像,分析了3500多名遗传性视网膜疾病(IRD)患者的特征,揭示了新的基因型-表型关联 | 开发了一种新型深度学习算法AIRDetect-OCT,用于大规模OCT特征量化,并发现了与人口统计学和基因型参数的横断面和纵向表型相关性 | 研究为回顾性设计,可能受到数据收集的限制 | 量化遗传性视网膜疾病患者的SD-OCT图像特征,探索基因型与表型之间的关联 | 遗传性视网膜疾病患者 | 数字病理学 | 遗传性视网膜疾病 | 光谱域光学相干断层扫描(SD-OCT) | 神经网络(AIRDetect-OCT) | 图像 | 3,534名患者,涵盖176个独特基因,7,405个SD-OCT体积,272,168个b-scans |
754 | 2025-07-10 |
Multimodal deep learning integration of cryo-EM and AlphaFold3 for high-accuracy protein structure determination
2025-Jul-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.03.663071
PMID:40631196
|
研究论文 | 本文介绍了一种名为MICA的多模态深度学习方法,结合冷冻电镜和AlphaFold3预测的蛋白质结构,以提高蛋白质结构建模的准确性 | MICA方法首次在输入和输出层面结合冷冻电镜密度图和AlphaFold3预测结构,通过多任务编码器-解码器架构和特征金字塔网络,显著提高了蛋白质结构建模的准确性和完整性 | NA | 提高冷冻电镜蛋白质结构建模的自动化水平和准确性 | 蛋白质结构 | 计算生物学 | NA | 冷冻电镜(cryo-EM), AlphaFold3 | 多任务编码器-解码器架构, 特征金字塔网络 | 冷冻电镜密度图, 蛋白质结构预测数据 | NA |
755 | 2025-07-10 |
A Deep Learning Approach for Infant Pain Assessment Using Facial Expressions Through Convolutional Neural Network
2025-Jul-01, Computers, informatics, nursing : CIN
DOI:10.1097/CIN.0000000000001302
PMID:40164059
|
研究论文 | 本研究提出了一种基于深度学习的婴儿疼痛评估方法,通过卷积神经网络分析面部表情 | 使用CNN模型从婴儿面部表情中客观评估疼痛,填补了婴儿无法言语表达疼痛的临床需求空白 | 样本量较小、需要外部验证以及存在伦理考量 | 开发一种客观评估婴儿疼痛的临床工具 | 婴儿疼痛面部表情 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用COPE数据库(具体数量未提及) |
756 | 2025-07-10 |
Investigating Bubble Formation and Evolution in Vanadium Redox Flow Batteries via Synchrotron X-Ray Imaging
2025-Jul-01, ChemSusChem
IF:7.5Q1
DOI:10.1002/cssc.202500282
PMID:40202080
|
研究论文 | 通过同步辐射X射线成像技术研究钒氧化还原液流电池中气泡的形成与演变 | 结合深度学习模型和形态学分析工具,对同步辐射X射线断层扫描图像中的气泡进行识别和表征,揭示了气泡在不同电极区域的生长和融合规律 | 研究仅针对钒氧化还原液流电池中的氢气泡,未涉及其他类型电池或气泡 | 探究钒氧化还原液流电池中氢气泡的形成和演变机制,以提高电池效率 | 钒氧化还原液流电池中的氢气泡 | 能源存储 | NA | 同步辐射X射线断层扫描、深度学习模型、形态学分析 | 深度学习模型 | 图像 | NA |
757 | 2025-07-10 |
Estimation method of dynamic range parameters for cochlear implants based on neural response telemetry threshold
2025-Jul, Acta oto-laryngologica
IF:1.2Q3
DOI:10.1080/00016489.2025.2492359
PMID:40347195
|
研究论文 | 本研究探讨了人工耳蜗植入患者主观行为测试阈值与神经反应遥测阈值之间的相关性,并利用深度学习技术建立预测模型以指导术后机器调整 | 首次结合深度学习技术构建卷积神经网络预测模型,用于预测人工耳蜗机器调整参数,并比较了正常耳蜗形态与内耳畸形患者的不同调整策略 | 样本量相对较小(77例患者),且仅测试了特定电极(1、6、11、16、22)的数据 | 探索人工耳蜗调整参数的客观预测方法,改善术后调整效果 | 77例人工耳蜗植入患者(57例正常耳蜗形态,20例内耳畸形) | 数字病理 | 听力障碍 | 神经反应遥测(NRT)、深度学习 | CNN | 生理信号数据 | 77例患者(57例正常耳蜗形态,20例内耳畸形) |
758 | 2025-07-10 |
Deep Learning with Domain Randomization in Image and Feature Spaces for Abdominal Multiorgan Segmentation on CT and MRI Scans
2025-Jul, Radiology. Artificial intelligence
DOI:10.1148/ryai.240586
PMID:40396895
|
研究论文 | 开发一种深度学习分割模型,用于在CT和MRI扫描中高精度且具有良好泛化能力地分割腹部多器官 | 提出了一种在图像和特征空间中进行域随机化的方法,以提高跨站点和跨模态设置下的泛化能力 | NA | 提高腹部多器官在CT和MRI扫描中的分割准确性和泛化能力 | 腹部多器官 | 计算机视觉 | NA | 深度学习 | nnU-Net | 图像 | 公共前列腺MRI数据集和腹部CT及MRI数据集 |
759 | 2025-07-10 |
Enhancing ultrasonographic detection of hepatocellular carcinoma with artificial intelligence: current applications, challenges and future directions
2025-Jul-01, BMJ open gastroenterology
IF:3.3Q2
DOI:10.1136/bmjgast-2025-001832
PMID:40592728
|
综述 | 本文综述了人工智能在超声检测肝细胞癌中的当前应用、挑战及未来发展方向 | 探讨了AI在超声影像中提升肝细胞癌早期检测的潜力,特别是深度学习方法的成功应用 | 数据异质性、缺乏标准化、模型可解释性问题、监管限制及临床实际应用障碍 | 提升肝细胞癌的早期检测和监测 | 肝细胞癌(HCC) | 医学影像分析 | 肝细胞癌 | 深度学习 | CNN | 超声影像 | NA |
760 | 2025-07-10 |
Muscle-Driven prognostication in gastric cancer: A multicenter deep learning framework integrating Iliopsoas and erector spinae radiomics for 5-Year survival prediction
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09083-y
PMID:40596621
|
research paper | 本研究开发了一个结合放射组学和深度学习的5年生存预测模型,用于胃癌患者,重点关注基于CT的髂腰肌和竖脊肌的2D和3D特征 | 通过融合2D和3D放射组学特征,并利用深度学习进行特征提取,开发了一个新的生存预测模型,强调了肌肉质量与生存之间的关联 | 3D模型表现不佳,可能由于数据中包含不相关信息 | 开发一个用于胃癌患者5年生存预测的精准医学模型 | 胃癌患者 | digital pathology | gastric cancer | CT, radiomics, deep learning | deep learning | CT图像 | 来自两个中心的705名患者 |