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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
761 | 2025-09-06 |
Automatic margin line extraction using 3D deep learning on digital surface models of prepared teeth for crown generation
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110960
PMID:40839933
|
研究论文 | 提出基于3D深度学习从预备牙齿数字表面模型自动提取冠修复边缘线的个性化数字解决方案 | 采用端到端AI框架替代传统不可重复的手工设计流程,创新性地结合多数投票分类器和后处理程序提升分割精度 | 测试集仅包含78个案例,需要更大样本量验证泛化能力 | 实现牙冠设计中预备牙齿边缘线的自动化精确提取 | 预备牙齿的数字表面扫描模型 | 计算机视觉 | NA | 3D扫描、监督式深度学习 | 深度学习分割模型 | 3D表面模型 | 1113个预备牙齿数字表面扫描(1035训练集,78测试集) |
762 | 2025-09-06 |
The virtual doctor prescribing the future: Diagnostics with interactive clinical decision support
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110968
PMID:40839937
|
研究论文 | 介绍一种名为Virtual Doctor的无人值守医疗舱,通过集成生物医学传感器和人工智能决策支持系统,用于2型糖尿病和皮肤癌的早期风险预测 | 开发了分布式医疗数据采集系统,结合两个预训练深度学习模型实现多疾病风险预测,并首次系统评估了用户对社会心理接受度 | 模型性能有待提升(糖尿病模型AUC 0.729),严重疾病筛查时需要更全面的解释以减少用户焦虑 | 解决医疗专业人员短缺问题,提高医疗可及性,通过AI辅助系统实现早期疾病风险检测 | 医疗患者和潜在用户群体 | 医疗人工智能 | 2型糖尿病和皮肤癌 | 非侵入性生物医学传感,深度学习 | 预训练深度学习模型 | 生物医学传感数据 | 1217名参与者接受度调查,外部数据集训练的模型 |
763 | 2025-09-06 |
From images to insights: Cell counting and uniformity grading of day 3 embryos
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110872
PMID:40845581
|
研究论文 | 提出结合深度学习和图像处理的混合方法,用于自动化评估体外受精第3天胚胎的细胞计数和均匀性分级 | 整合YOLOv8目标检测与GVF-snake主动轮廓模型,并引入标准化均匀性值(NUV)作为定量评估指标 | 未明确说明样本量及外部验证结果,可能受二维成像固有限制影响 | 提升胚胎形态学评估的客观性和准确性,辅助IVF胚胎选择决策 | 体外受精第3天人类胚胎 | 计算机视觉 | 生殖医学 | 深度学习、图像处理、主动轮廓模型 | YOLOv8、GVF-snake | 胚胎显微图像 | NA |
764 | 2025-09-06 |
Enhancing diagnostic precision for thyroid C-TIRADS category 4 nodules: a hybrid deep learning and machine learning model integrating grayscale and elastographic ultrasound features
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-594
PMID:40893494
|
研究论文 | 开发并验证名为C-TNet的混合深度学习与机器学习模型,用于提高甲状腺C-TIRADS 4类结节的诊断精准度 | 首次结合灰度超声和弹性成像特征,并集成深度神经网络特征提取与随机森林分类器 | NA | 区分甲状腺C-TIRADS 4类结节的良恶性特征 | 经病理证实的甲状腺C-TIRADS 4类结节患者 | 医学影像分析 | 甲状腺癌 | 实时弹性成像超声 | 深度学习与机器学习混合模型(集成LR, LDA, RF, K-SVM, AdaBoost, NB) | 超声图像 | 3,545例患者(来自两家三级医院) |
765 | 2025-09-06 |
Feasibility of fully automatic assessment of cervical canal stenosis using MRI via deep learning
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-67
PMID:40893491
|
研究论文 | 本研究开发并验证了一种基于深度学习的全自动MRI评估颈椎管狭窄程度的人工智能工具 | 首次实现全自动颈椎管狭窄评估,结合CNN检测和Transformer分类的双模型架构 | 回顾性多中心研究,排除脊柱内固定或图像质量不佳病例,可能存在选择偏倚 | 开发并验证人工智能算法用于颈椎管狭窄的自动评估 | 颈椎MRI扫描图像 | 医学影像分析 | 颈椎病 | MRI,深度学习 | CNN,Transformer | 医学影像 | 795例患者(平均年龄55±14岁,346例女性),训练验证集589例,内部测试集206例,外部测试集95例 |
766 | 2025-09-06 |
Improved image quality and diagnostic performance of coronary computed tomography angiography-derived fractional flow reserve with super-resolution deep learning reconstruction
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2075
PMID:40893520
|
研究论文 | 本研究评估超分辨率深度学习重建(SR-DLR)算法在冠状动脉CT血管造影图像质量和CT-FFR诊断性能方面的改进效果 | 首次系统比较SR-DLR与传统重建方法在CT-FFR诊断中的性能,证明SR-DLR在图像质量和诊断准确性方面的显著优势 | 回顾性研究设计,样本量较小(50例患者),且仅部分病例(22例)有侵入性FFR作为参考标准 | 评估SR-DLR算法在冠状动脉CT血管造影图像重建中的效果,并比较其与传统方法在CT-FFR诊断性能上的差异 | 接受冠状动脉CT血管造影和后续侵入性冠状动脉造影的50例患者 | 医学影像分析 | 心血管疾病 | 超分辨率深度学习重建(SR-DLR)、混合迭代重建(HIR)、模型迭代重建(MBIR)、常规深度学习重建(C-DLR) | 深度学习重建算法 | 医学影像(CT图像) | 50例患者,包含45个病变病灶 |
767 | 2025-09-06 |
Deep learning-based super-resolution method for projection image compression in radiotherapy
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2962
PMID:40893517
|
研究论文 | 本研究探索了一种基于深度学习的超分辨率方法,用于压缩放疗中的投影图像以实现经济存储 | 结合超分辨率深度学习网络与视频编解码器,显著提升投影图像的压缩比同时保持图像质量 | NA | 开发高效的投影图像压缩方法以解决医疗数据存储问题 | 锥形束CT投影图像 | 计算机视觉 | 癌症 | 深度学习超分辨率 | CNN, ResNet, GAN | 图像 | 基于自然图像和投影图像两个数据库 |
768 | 2025-09-06 |
YOLOv8-BCD: a real-time deep learning framework for pulmonary nodule detection in computed tomography imaging
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-824
PMID:40893530
|
研究论文 | 提出一种基于YOLOv8改进的深度学习框架YOLOv8-BCD,用于CT影像中肺结节的实时高精度检测 | 集成BiFormer注意力机制、CARAFE上采样和DO-DConv增强卷积,并采用SRGAN图像增强预处理,显著提升小结节检测能力和计算效率 | NA | 开发高精度快速肺结节检测深度学习框架以提升肺癌早期筛查效果 | CT影像中的肺结节 | 计算机视觉 | 肺癌 | 深度学习,SRGAN图像增强 | YOLOv8,BiFormer,CARAFE,DO-DConv | CT图像 | LUNA16数据集的550张CT图像,外加天池肺结节数据集外部验证 |
769 | 2025-09-06 |
Combining curriculum learning and weakly supervised attention for enhanced thyroid nodule assessment in ultrasound imaging
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2431
PMID:40893548
|
研究论文 | 本研究结合课程学习和弱监督注意力机制,提升超声图像中甲状腺结节分类的准确性 | 首次将课程学习与弱监督注意力网络结合,用于甲状腺结节超声诊断,通过渐进式训练和注意力引导的数据增强提升模型性能 | 研究基于单一医疗机构数据,可能影响模型泛化能力;恶性结节精确度(70%)仍有提升空间 | 提高甲状腺结节超声图像的自动分类准确性和诊断可靠性 | 甲状腺结节超声图像 | 计算机视觉 | 甲状腺癌 | 深度学习、课程学习、弱监督注意力机制 | 深度学习模型(具体架构未明确说明) | 超声图像 | 来自Siriraj医院的验证数据集(具体样本数量未说明) |
770 | 2025-09-06 |
Deep learning-based automated assessment of hepatic fibrosis via magnetic resonance images and nonimage data
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2506
PMID:40893541
|
研究论文 | 本研究开发了一种基于深度学习的自动化算法,通过磁共振图像和非影像数据评估肝纤维化分期 | 首次将深度学习模型与临床非影像数据(如血清生物标志物、病毒状态和扫描仪参数)整合,实现肝纤维化的高精度自动分期 | 回顾性研究,样本仅来自两个医疗中心,需进一步前瞻性验证 | 评估深度学习算法在肝纤维化分期和健康人群区分中的性能 | 慢性肝病患者和健康个体 | 医学影像分析 | 肝纤维化 | 磁共振成像(MRI)和血清生物标志物(APRI、FIB-4) | 深度学习算法 | 图像和临床数据 | 500名来自两个医疗中心的患者 |
771 | 2025-09-06 |
Influence of preprocessing of stimulated Raman scattering images on the performance of deep neural networks for detecting cancer tissue
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2608
PMID:40893563
|
研究论文 | 本研究探讨刺激拉曼散射图像的不同预处理方法对深度学习模型在癌症组织分类任务中性能的影响 | 首次系统比较了五种预处理技术和六种深度学习架构在刺激拉曼散射图像上的性能表现,发现简单缩放预处理优于复杂方法 | 研究仅基于542张图像样本,可能限制结果的泛化能力;未探索更多样化的预处理组合 | 评估不同图像预处理技术对深度学习算法分类癌症组织性能的影响 | 口腔鳞状细胞癌和非小细胞肺癌患者的组织样本图像 | 数字病理 | 口腔癌和肺癌 | 刺激拉曼散射成像 | VGG19, ResNet50, InceptionResNetV2, Xception, ConvNeXt, Vision Transformer | 图像 | 542张组织样本图像 |
772 | 2025-09-06 |
Deep Learning-Based Multimodal Prediction of NAC Response in LARC by Integrating MRI and Proteomics
2025-Sep-01, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2025.707
PMID:40907572
|
研究论文 | 本研究开发了一种基于深度学习的多模态框架,整合MRI和蛋白质组学数据预测局部晚期直肠癌患者对新辅助化疗的反应 | 首次将图神经网络与空间增强3D ResNet152结合,整合MRI空间信息和蛋白质组学分子机制,显著提升预测性能 | 回顾性研究设计,样本量相对有限(274例患者),需外部验证确认泛化能力 | 提高局部晚期直肠癌患者对新辅助化疗反应预测的准确性和生物学洞察 | 274例接受新辅助化疗的局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 蛋白质组学分析、MRI成像、KEGG/GO通路分析、PPI网络构建 | 图神经网络、3D ResNet152、LightGBM分类器 | 医学影像(T2WI MRI)、蛋白质组学数据、临床特征 | 274例局部晚期直肠癌患者 |
773 | 2025-09-06 |
Semi-supervised graph learning for underwater source localization using ship-of-opportunity spectrograms
2025-Sep-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0039042
PMID:40910787
|
研究论文 | 提出一种基于半监督图学习的声源定位方法,利用机会船只频谱图进行水下声源定位 | 引入图学习模块有效捕捉数据空间相关性,采用两阶段训练策略(自监督特征提取+半监督图神经网络)解决标注数据稀缺问题 | NA | 水下声源的精确定位 | 机会船只产生的中频声学宽带信号(360-1100 Hz) | 机器学习 | NA | 频谱分析,k近邻算法 | CNN,图神经网络 | 频谱图 | 2017年海底特征实验(SBCEX 2017)收集的合成和实测数据 |
774 | 2025-09-06 |
Analysis of influencing factors and the most probable transition pathway in the narrow escape problem for molecular systems based on deep learning method
2025-Sep-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0288558
PMID:40910856
|
研究论文 | 本研究利用物理信息神经网络分析不规则域中的分子窄逃逸问题,探索关键参数对逃逸行为的影响及最可能过渡路径 | 首次将物理信息神经网络应用于分子窄逃逸问题,有效处理复杂域并揭示扩散系数等参数对逃逸概率的独特影响规律 | 未明确说明具体分子系统类型及实验验证环节 | 研究分子在复杂环境中的逃逸行为机制及优化逃逸效率 | 分子系统在随机过程中的逃逸行为 | 机器学习 | NA | 物理信息神经网络(PINNs) | PINNs | 模拟数据 | NA |
775 | 2025-09-06 |
Beyond rigid docking: deep learning approaches for fully flexible protein-ligand interactions
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf454
PMID:40900115
|
综述 | 本文探讨深度学习如何革新分子对接领域,特别是引入蛋白质柔性以提升预测准确性 | 利用深度学习整合蛋白质柔性,突破传统刚性对接限制,更准确模拟生物分子动态相互作用 | 深度学习模型泛化能力不足,易错误预测立体化学、键长和空间相互作用等关键分子属性 | 改进分子对接方法,提升药物发现中虚拟筛选的准确性和效率 | 蛋白质与配体的相互作用 | 机器学习 | NA | 深度学习 | DL | 分子结构数据 | NA |
776 | 2025-09-06 |
Phage quest: a beginner's guide to explore viral diversity in the prokaryotic world
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf449
PMID:40900113
|
指南 | 本文为初学者提供探索原核生物世界病毒多样性的计算工具使用指南 | 整合最新机器学习与深度学习技术(包括语言模型)用于噬菌体分析,特别关注传统工具难以检测的丝状噬菌体(Inoviridae) | 未提供详尽工具列表,主要关注可通过网页或命令行接口访问的现行先进工具 | 帮助研究人员选择和应用适当工具探索地球最小且最丰富复制体的遗传多样性与生物学 | 噬菌体与原核病毒 | 生物信息学 | NA | 宏基因组测序、机器学习、深度学习、语言模型 | NA | 基因组与宏基因组数据 | NA |
777 | 2025-09-06 |
External validation of deep learning-derived 18F-FDG PET/CT delta biomarkers for loco-regional control in head and neck cancer
2025-Aug-30, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2025.43977
PMID:40884216
|
研究论文 | 本研究外部验证了一种深度学习模型,用于自动从连续18F-FDG PET/CT扫描中确定肿瘤体积变化,以对头颈癌患者的局部区域控制进行分层 | 首次外部验证深度学习自动分割模型用于头颈癌PET/CT随访中的ΔPET-GTV生物标志物,证明其可替代人工分割进行风险分层 | 样本量较小(仅50例患者),且模型最初在不同机构数据上训练,可能影响泛化性能 | 评估深度学习衍生的ΔPET-GTV生物标志物在头颈癌局部区域控制预测中的临床价值 | 50例连续的头颈癌患者 | 数字病理 | 头颈癌 | 18F-FDG PET/CT扫描 | 深度学习分割算法 | 医学影像(PET/CT) | 50例头颈癌患者 |
778 | 2025-09-06 |
Network and pharmacophore guided and BCL2 and HSP90AA1 targeted drug repurposable approaches against rheumatoid arthritis mediated diffuse large B-cell lymphoma
2025-Aug-30, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.146985
PMID:40889653
|
研究论文 | 本研究通过深度学习预测类风湿关节炎介导的弥漫大B细胞淋巴瘤关键分子靶点,并筛选FDA批准药物的再利用潜力 | 开发新型GCNConv深度学习流程预测疾病网络关键枢纽,并发现拉帕替尼等药物对BCL2和HSP90AA1的抑制效果优于现有批准药物 | 研究基于计算预测和虚拟筛选,需要实验验证 | 揭示RA介导DLBCL进展的分子机制并探索治疗干预策略 | 类风湿关节炎和弥漫大B细胞淋巴瘤的共享基因网络 | 生物信息学 | 淋巴瘤 | GCNConv深度学习、网络药理学、虚拟筛选 | GCNConv | 基因表达数据、分子对接数据 | 基于804种FDA批准药物的筛选分析 |
779 | 2025-09-06 |
Advancing Luciferase Activity and Stability beyond Directed Evolution and Rational Design through Expert Guided Deep Learning
2025-Aug-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.25.672183
PMID:40909496
|
研究论文 | 通过结合深度学习和结构引导理性设计开发热稳定性增强的NanoLuc荧光素酶变体 | 提出计算深度学习与结构引导理性设计的混合方法,突破传统定向进化和理性设计的局限 | NA | 优化NanoLuc荧光素酶的热稳定性和高温活性 | NanoLuc荧光素酶变体 | 机器学习 | NA | 深度学习、分子动力学模拟、蛋白质折叠研究 | 深度学习模型 | 蛋白质序列数据、结构数据 | 工程变体库(包含多个变体,具体数量未明确说明) |
780 | 2025-09-06 |
Artificial Intelligence-based Liver Volume Measurement Using Preoperative and Postoperative CT Images
2025-Aug-29, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发并验证了一种基于深度学习的系统,用于自动测量肝切除患者术前及术后7天和3个月的肝脏体积 | 首次利用AI自动追踪肝切除术后肝脏再生过程,提供了一种新的手术规划和患者监测方法 | 由于当前数据集的限制,未评估与临床结果的直接相关性 | 开发自动肝脏体积测量系统以辅助肝切除手术决策和术后评估 | 接受肝切除术的患者 | 计算机视觉 | 肝脏疾病 | CT成像 | 3D U-Net | CT图像 | NA |