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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
61 | 2025-04-25 |
Response to the Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Apr-23, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251329356
PMID:40269482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
62 | 2025-04-25 |
An effective model of hybrid adaptive deep learning with attention mechanism for healthcare data analysis in blockchain-based secure transmission over IoT
2025-Apr-23, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2492375
PMID:40269520
|
研究论文 | 本文提出了一种结合混合自适应深度学习和注意力机制的有效模型,用于区块链安全传输物联网中的医疗数据分析 | 结合区块链技术和混合自适应深度学习模型,引入FUPOA进行参数优化和密钥生成,提高了数据传输的安全性和隐私性 | 未提及具体实验数据集规模和实际部署中的性能表现 | 解决医疗数据在物联网传输中的安全性和隐私性问题 | 医疗数据的安全传输和存储 | 机器学习 | NA | 混合自适应深度学习方法(HADL-AM), FUPOA优化算法 | 深度学习模型(未明确具体类型) | 医疗数据 | 未明确说明具体样本数量 |
63 | 2025-04-25 |
Machine learning assessment of zoonotic potential in avian influenza viruses using PB2 segment
2025-Apr-23, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-11589-8
PMID:40269678
|
研究论文 | 本研究开发了两种互补的方法,用于评估禽流感病毒的跨物种传播潜力,重点关注PB2片段 | 结合回归模型和SHAP值分析,开发了新的风险评估框架,能够识别和排序影响跨物种传播潜力的关键残基和突变 | 研究仅关注PB2片段,未考虑其他病毒片段可能的影响 | 开发一个基于PB2序列的全面风险评估框架,用于评估禽流感病毒的跨物种传播潜力 | 禽流感病毒(A型流感病毒)的PB2片段 | 机器学习 | 禽流感 | 机器学习 | 随机森林回归模型, SHAP分析 | 序列数据 | NA |
64 | 2025-04-25 |
Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis
2025-Apr-23, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04746-0
PMID:40269704
|
系统性综述与荟萃分析 | 比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗(PCI)结果中的性能 | 首次系统性比较机器学习模型与逻辑回归模型在预测PCI后不同结果中的表现,并进行了荟萃分析 | 大多数研究存在高偏倚风险,且机器学习模型的复杂性和解释性不足可能影响其临床应用 | 评估机器学习模型在预测PCI后结果中的有效性 | PCI或直接PCI后的死亡率、主要不良心脏事件(MACE)、院内出血和急性肾损伤(AKI) | 机器学习 | 心血管疾病 | 机器学习与逻辑回归模型 | 机器学习模型(未指定具体类型)与逻辑回归(LR) | 临床数据 | 59项研究 |
65 | 2025-04-25 |
Torg-Pavlov ratio qualification to diagnose developmental cervical spinal stenosis based on HRViT neural network
2025-Apr-23, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08667-z
PMID:40269821
|
research paper | 开发了一种基于HRViT神经网络的深度学习模型,用于自动测量Torg-Pavlov比率(TPR),以诊断发育性颈椎管狭窄(DCSS) | 首次报道了自动测量TPR的研究,采用了High-Resolution Vision Transformer (HRViT)神经网络,其诊断准确率显著高于外科医生 | 研究仅基于中国无症状人群的数据,可能不适用于其他人群 | 开发自动测量TPR的深度学习模型,并建立中国无症状人群的TPR分布 | 发育性颈椎管狭窄(DCSS)的诊断 | digital pathology | geriatric disease | X-ray成像 | HRViT | image | 1623例正常个体的颈椎侧位X光片(训练集1466例,测试集157例) |
66 | 2025-04-25 |
Global trends in artificial intelligence research in anesthesia from 2000 to 2023: a bibliometric analysis
2025-Apr-23, Perioperative medicine (London, England)
DOI:10.1186/s13741-025-00531-x
PMID:40270031
|
研究论文 | 通过文献计量分析识别2000年至2023年麻醉领域人工智能研究的热点与趋势 | 首次对麻醉领域的人工智能研究进行文献计量分析,识别研究热点和未来方向 | 仅基于Web of Science Core Collection数据库的英文文章和综述,可能遗漏其他语言或数据库的重要研究 | 测量和分析全球麻醉领域人工智能研究的科学出版物 | 2000年至2023年发表的英文文章和综述 | 人工智能 | NA | 文献计量分析 | NA | 文献数据 | NA |
67 | 2025-04-25 |
deep-Sep: a deep learning-based method for fast and accurate prediction of selenoprotein genes in bacteria
2025-Apr-22, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01258-24
PMID:40062874
|
research paper | 开发了一种基于深度学习的算法deep-Sep,用于快速准确地预测细菌基因组中的硒蛋白基因 | 使用Transformer-based神经网络架构构建最优模型,结合同源搜索策略减少假阳性,显著优于现有方法 | 未明确提及算法在极端复杂或高度变异细菌基因组中的表现 | 开发高效工具以准确识别细菌基因组中的硒蛋白基因 | 细菌基因组序列 | machine learning | NA | 深度学习 | Transformer-based neural network | 基因组序列数据 | 20个细菌基因组作为独立测试数据集 |
68 | 2025-04-25 |
Combining diffusion and transformer models for enhanced promoter synthesis and strength prediction in deep learning
2025-Apr-22, mSystems
IF:5.0Q1
DOI:10.1128/msystems.00183-25
PMID:40105319
|
研究论文 | 本研究结合扩散模型和transformer模型,用于增强合成启动子的设计与强度预测 | 首次将扩散模型应用于合成启动子设计,并结合transformer模型进行强度预测,相比传统方法表现出更高的性能 | 研究仅针对模型细菌和蓝藻细菌中的启动子,未验证在其他生物系统中的适用性 | 开发高效的合成启动子设计与预测方法,以优化外源基因表达和代谢途径效率 | 合成启动子序列及其转录活性 | 合成生物学 | NA | 深度学习 | 扩散模型, transformer | 生物序列数据 | 未明确说明样本数量 |
69 | 2025-04-25 |
An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans
2025-Apr-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adcafb
PMID:40203865
|
研究论文 | 提出了一种基于深度学习的端到端重建框架,用于单次心跳快速CT扫描的动态心脏成像 | 使用单次心跳扫描数据,无需多次扫描,减少辐射暴露,尤其适用于心律不齐患者 | 模型训练依赖于模拟投影数据,可能在实际临床应用中存在差异 | 减少心脏CT成像中的运动伪影,提高心脏疾病的检测和诊断准确性 | 心脏CT成像 | 数字病理 | 心血管疾病 | CT扫描 | 端到端神经网络 | 图像 | 30名真实患者的模拟投影数据 |
70 | 2025-04-25 |
A novel deep learning approach to classify 3D foot types of diabetic patients
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98471-5
PMID:40258927
|
研究论文 | 提出了一种基于DiffusionNet的新型深度学习方法,用于通过3D足部图像对糖尿病患者的足型进行分类 | 结合自注意力机制和外部特征,直接使用简单的3D足部图像对糖尿病患者的足型进行六类分类,准确率达到82.9%,超越了现有的机器和深度学习方法 | NA | 精确分类糖尿病足,以识别足部异常并促进通过足部矫形器工程设计的个性化治疗和预防措施 | 糖尿病患者的足型 | 计算机视觉 | 糖尿病 | DiffusionNet | 深度学习 | 3D图像 | NA |
71 | 2025-04-25 |
Securing the CAN bus using deep learning for intrusion detection in vehicles
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98433-x
PMID:40258975
|
研究论文 | 本文评估了深度学习在检测CAN总线网络入侵中的应用 | 利用LSTM、GRU和VGG-16等深度学习模型分析CAN消息的时间和空间特征,提高了入侵检测的准确率 | 未提及模型在实时检测中的性能表现以及计算资源消耗 | 提高智能交通系统(ITS)中CAN总线网络的安全性和韧性 | 车辆中的CAN总线网络 | 机器学习 | NA | 深度学习 | RNN, LSTM, GRU, VGG-16 | CAN消息序列 | Car Hacking, Survival Analysis, 和 OTIDS 数据集 |
72 | 2025-04-25 |
CPDMS: a database system for crop physiological disorder management
2025-Apr-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40261733
|
研究论文 | 开发了一个用于实时收集和分析作物生理障碍图像的系统,特别关注番茄作物 | 开发了一个系统化的作物图像收集系统,并利用深度学习模型进行生理障碍识别,探讨了数据增强和超参数调优策略以提高模型性能 | 模型的平均精度和召回率仍有提升空间,系统在不同农业环境中的泛化能力有待进一步验证 | 为精准农业提供实时数据收集和分析工具,支持作物生理障碍管理 | 番茄作物的生理障碍,包括细菌性枯萎病、番茄黄化曲叶病毒、番茄斑萎病毒、干旱和盐胁迫 | 数字农业 | 作物生理障碍 | 深度学习 | 深度学习模型(未指定具体类型) | 图像 | 58,479张图像(其中43,894张适合标注,24,000张用于训练,13,037张用于测试) |
73 | 2025-04-25 |
FRSynergy: A Feature Refinement Network for Synergistic Drug Combination Prediction
2025-Apr-22, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3563433
PMID:40261768
|
研究论文 | 提出了一种名为FRSynergy的特征精炼深度学习框架,用于预测协同药物组合 | 通过捕捉不同药物-药物-细胞系三元组特征之间的关系和学习特征上下文信息,指导在不同场景下对药物和细胞系特征的精炼 | 未提及具体局限性 | 预测协同药物组合以增强治疗效果并减少不良反应 | 药物组合和癌细胞系 | 机器学习 | 癌症 | 深度学习 | 异构图注意力网络 | 药物和细胞系特征数据 | 未提及具体样本量 |
74 | 2025-04-25 |
Profiling electric signals of electrogenic probiotic bacteria using self-attention analysis
2025-Apr-22, Applied microbiology and biotechnology
IF:3.9Q2
DOI:10.1007/s00253-025-13425-1
PMID:40263148
|
研究论文 | 通过自组装电路检测两种产电益生菌在鸡胚绒毛尿囊膜和小鼠肠腔中产生的电信号,并利用自注意力机制分析其差异 | 首次使用自注意力机制分析产电益生菌的电信号差异,为益生菌治疗效果评估提供动态特征 | 研究仅针对两种益生菌,样本范围有限 | 探究产电益生菌的电信号特征及其在治疗效果评估中的应用 | Leuconostoc mesenteroides和Lactococcus lactis两种产电益生菌 | 生物电信号分析 | NA | 自组装电路检测、自注意力机制 | 自注意力机制 | 电信号数据 | 鸡胚绒毛尿囊膜和小鼠肠腔中的细菌样本 |
75 | 2025-04-25 |
Effective integration of drone technology for mapping and managing palm species in the Peruvian Amazon
2025-Apr-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58358-5
PMID:40263254
|
研究论文 | 本文开发了一种结合无人机技术和深度学习的方法,用于精确绘制和管理秘鲁亚马逊地区经济重要棕榈树种的分布和丰度 | 结合可见光谱无人机影像和深度学习,实现了在景观尺度上对经济重要棕榈树种的高精度检测,显著降低了成本和时间 | 方法在密集簇群中的平均总体得分仅为74%,检测精度有待进一步提高 | 开发精确、景观尺度的物种级方法,评估经济重要棕榈树种的分布和丰度,以支持可持续管理 | 秘鲁亚马逊地区的三种经济重要棕榈树种,特别是Mauritia flexuosa | 计算机视觉 | NA | 可见光谱无人机影像和深度学习 | 深度学习 | 图像 | 两个社区的经济重要棕榈树种分布数据 |
76 | 2025-04-25 |
Frailty identification using a sensor-based upper-extremity function test: a deep learning approach
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73854-2
PMID:40263276
|
research paper | 本研究提出了一种结合生物力学和深度学习的传感器上肢功能测试方法,用于提高老年人衰弱预测的准确性 | 结合上肢功能测试和深度学习模型(LSTM)进行衰弱预测,肌肉共收缩被识别为关键预测因子 | 需要更大规模和更多样化的人群进行进一步验证以确认结果的普适性 | 提高老年人衰弱预测的准确性 | 312名参与者(126名非衰弱、145名前衰弱、41名衰弱) | machine learning | geriatric disease | sensor-based upper-extremity function test, muscle force calculations | LSTM, SVM, logistic regression | sensor data | 312 participants (126 non-frail, 145 pre-frail, 41 frail) |
77 | 2025-04-25 |
Real-space heterogeneous reconstruction, refinement, and disentanglement of CryoEM conformational states with HetSIREN
2025-Apr-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59135-0
PMID:40263313
|
research paper | 提出了一种基于深度学习的CryoEM体积重建和细化方法HetSIREN,能够在真实空间中重构或细化CryoEM体积 | HetSIREN是一种基于空间的方法,允许空间聚焦分析,并引入了具有高分析能力的正弦超网络,同时能够细化图像姿态并解耦结构异质性估计与姿态估计 | NA | 开发一种能够更准确重建和细化CryoEM体积的方法,以解决结构异质性分析中的混淆问题 | 大分子的构象 | machine learning | NA | Cryo-electron microscopy (CryoEM) | deep learning-based method (HetSIREN) | CryoEM volume | NA |
78 | 2025-04-25 |
An air target intention data extension and recognition model based on deep learning
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98438-6
PMID:40263364
|
研究论文 | 提出了一种基于深度学习的空中目标意图数据扩展与识别模型IDERDL,用于解决空中目标意图识别中的数据稀缺和时间特征提取不足问题 | 首次考虑了意图数据的稀缺性和时间性,结合去噪扩散模型和改进的知识蒸馏方法加速采样过程,并引入图注意力机制挖掘不同特征间的关系 | 未提及模型在复杂战场环境下的鲁棒性验证或实际部署中的计算效率问题 | 提升现代空战中的战场态势感知能力,改进战术意图识别技术 | 空中目标的战术意图数据 | 机器学习 | NA | 去噪扩散模型、知识蒸馏、图注意力机制 | IDERDL(基于深度学习的复合模型) | 时序特征数据 | NA(未明确说明实验样本量) |
79 | 2025-04-25 |
Recognition of chlorophyll rings using YOLOv8
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98659-9
PMID:40263370
|
研究论文 | 本研究利用YOLOv8模型识别中尺度海洋涡旋外围的高叶绿素浓度区域(叶绿素环) | 首次将YOLOv8模型应用于叶绿素环识别,并在准确率和泛化能力上超越Swin-Transformer和ResNet等模型 | 未提及模型在不同海洋环境或季节变化中的表现稳定性 | 开发海洋叶绿素浓度分布分析工具并探究叶绿素环分布规律 | 中尺度海洋涡旋外围的叶绿素环 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 海洋叶绿素浓度数据(可能包含遥感图像) | 未明确说明样本数量(涉及不同半径和生命周期的涡旋数据) |
80 | 2025-04-25 |
Revolutionizing Alzheimer's disease detection with a cutting-edge CAPCBAM deep learning framework
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98476-0
PMID:40263406
|
研究论文 | 本文介绍了一种名为CAPCBAM的新型深度学习框架,用于阿尔茨海默病的早期和准确诊断 | CAPCBAM框架通过结合Capsule Networks和卷积块注意力模块(CBAM),改进了特征提取和模型泛化能力 | 未提及具体局限性 | 提高阿尔茨海默病的早期诊断准确率 | 阿尔茨海默病患者 | 数字病理学 | 老年病 | 深度学习 | Capsule Networks与CBAM结合 | MRI图像 | ADNI数据集 |