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 | 2025-07-07 |
Deep learning-based classification of parotid gland tumors: integrating dynamic contrast-enhanced MRI for enhanced diagnostic accuracy
2025-Jul-04, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01814-x
PMID:40615947
|
研究论文 | 本研究评估了深度学习模型在结合动态对比增强MRI数据对腮腺肿瘤进行分类中的性能 | 结合动态对比增强MRI数据与深度学习模型,显著提高了腮腺肿瘤分类的准确性 | 回顾性单中心研究,样本量有限(164名参与者) | 提高腮腺肿瘤的非侵入性诊断准确性 | 腮腺肿瘤患者(124名)和正常腮腺个体(40名) | 数字病理学 | 腮腺肿瘤 | 动态对比增强MRI(DCE-MRI) | MobileNetV2, EfficientNetB0, SVM | MRI图像(T2加权、扩散加权、对比增强T1加权) | 164名参与者(124名患者和40名正常个体) |
62 | 2025-07-07 |
Deep Learning Automated Measurements of Expanded Polystyrene Beads Size Using Low-Resolution Micrography
2025-Jul-04, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70019
PMID:40616216
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法,用于测量低分辨率显微图像中发泡聚苯乙烯珠粒的大小 | 利用深度学习模型自动测量低分辨率显微图像中的发泡聚苯乙烯珠粒大小,替代传统手动测量方法 | 研究仅针对两种密度的发泡聚苯乙烯泡沫(8.5和24 kg/m)进行了验证 | 开发一种可靠且精确的发泡聚苯乙烯珠粒尺寸自动测量方法 | 发泡聚苯乙烯泡沫的珠粒微观结构 | 计算机视觉 | NA | 显微成像 | 深度学习 | 图像 | 两种密度的发泡聚苯乙烯泡沫样品(8.5和24 kg/m) |
63 | 2025-07-07 |
Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis
2025-Jul-04, JACC. Advances
DOI:10.1016/j.jacadv.2025.101901
PMID:40616933
|
研究论文 | 本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能,并评估了模型偏见的潜在危害 | 首次直接比较了四种算法在ATTR-CM检测中的性能,并评估了模型偏见风险 | 研究样本中种族分布不均,白人占79.2%,黑人仅占9.0% | 评估和比较不同算法在ATTR-CM检测中的性能及潜在偏见 | 心力衰竭患者群体中的ATTR-CM病例 | 数字病理学 | 心血管疾病 | 深度学习 | 随机森林模型、回归模型、EchoNet-LVH、EchoGo Amyloidosis | 医疗数据 | 176例确诊ATTR-CM患者和3,192例对照患者 |
64 | 2025-07-07 |
A comprehensive targeted panel of 295 genes: Unveiling key disease initiating and transformative biomarkers in multiple myeloma
2025-Jul-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110619
PMID:40617081
|
研究论文 | 本研究开发了一种结合传统统计方法和深度学习架构的AI工作流程,用于识别多发性骨髓瘤的关键生物标志物 | 提出了基于生物启发的图网络学习基因-基因交互(BIO-DGI)的深度学习架构,整合了多种变异谱和基因交互信息 | 研究依赖于特定的基因组数据(WES和WGS),可能不适用于其他类型的数据 | 通过识别关键生物标志物和基因组改变,提高多发性骨髓瘤的早期检测和病理机制理解 | 多发性骨髓瘤(MM)及其前体阶段MGUS | 机器学习 | 多发性骨髓瘤 | WES, WGS, SNVs, CNVs, SVs | BIO-DGI(基于注意力机制的深度学习架构) | 基因组数据 | NA |
65 | 2025-07-07 |
Exploring advanced deep learning approaches in cardiac image analysis: A comprehensive review
2025-Jul-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110708
PMID:40617082
|
综述 | 本文全面回顾了深度学习在心脏图像分析中的最新应用,包括常见成像模态和模型压缩技术 | 介绍了如transformers、基础模型和压缩技术等新方法在心脏图像分析中的应用进展 | 未提及具体实验验证结果或性能比较数据 | 探索深度学习在心血管疾病诊断中的应用 | 心脏图像数据 | 数字病理学 | 心血管疾病 | 深度学习 | transformers, 基础模型 | 图像 | NA |
66 | 2025-07-07 |
The continuous evolution of biomolecular force fields
2025-Jul-03, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.05.013
PMID:40527321
|
综述 | 本文综述了生物分子力场的最新进展,包括极化力场、机器学习势和粗粒化模型,并探讨了未来的发展方向 | 结合深度学习革命,提出了生物分子力场参数化的新机遇和方法 | 未具体提及实验验证或特定应用案例的局限性 | 提高生物分子力场的准确性和应用范围,以促进生物和治疗发现 | 生物分子力场 | 计算生物学 | NA | 深度学习 | 机器学习势、粗粒化模型 | NA | NA |
67 | 2025-07-07 |
Accurate prediction of synergistic drug combination using a multi-source information fusion framework
2025-Jul-03, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02302-y
PMID:40611149
|
研究论文 | 提出了一种名为MultiSyn的多源信息融合框架,用于准确预测协同药物组合 | 利用属性图神经网络整合蛋白质-蛋白质相互作用网络与多组学数据,并通过异构图变换器学习分子结构的多视角表示 | 未明确提及具体样本量或实验范围的局限性 | 开发一种准确预测协同药物组合的计算方法,以支持复杂疾病治疗 | 药物组合及其协同效应 | 机器学习 | 复杂疾病 | 深度学习方法,包括图神经网络和异构图变换器 | 属性图神经网络、异构图变换器 | 多组学数据、蛋白质-蛋白质相互作用网络、药物分子结构 | NA |
68 | 2025-07-07 |
Precise metabolic dependencies of cancer through deep learning and validations
2025-Jul-03, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.115945
PMID:40616842
|
研究论文 | 该研究通过图深度学习方法构建了一个名为'DeepMeta'的代谢脆弱性预测模型,用于准确预测癌症样本的依赖代谢基因 | 利用图深度学习方法系统性地揭示了癌症细胞的代谢依赖性,并为原本'不可成药'的癌症驱动基因突变提供了代谢靶点 | 研究主要基于TCGA数据集,可能需要更多独立数据集进一步验证模型的普适性 | 系统揭示癌症细胞的代谢依赖性并寻找潜在治疗靶点 | 癌症细胞及其代谢网络 | 机器学习 | 癌症 | 图深度学习 | DeepMeta(基于图神经网络) | 转录组数据和代谢网络信息 | TCGA数据集中的癌症样本 |
69 | 2025-07-07 |
CT-Mamba: A hybrid convolutional State Space Model for low-dose CT denoising
2025-Jul-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种混合卷积状态空间模型CT-Mamba,用于低剂量CT图像去噪,结合了CNN的局部特征提取优势和Mamba的长程依赖捕捉能力 | 结合CNN和Mamba的优势,提出创新的Z形扫描方案和Mamba驱动的深度噪声功率谱损失函数,以优化噪声纹理分布 | 去噪后的图像在噪声分布上与正常剂量CT图像仍存在差异,可能影响最终图像质量和诊断结果 | 提高低剂量CT图像的去噪效果,增强图像质量和诊断价值 | 低剂量CT图像 | 计算机视觉 | NA | 深度学习 | CNN, Mamba | 图像 | NA |
70 | 2025-07-07 |
Critical Review of the Model Description in 'Kurdish Handwritten Character Recognition Using Deep Learning Techniques'
2025-Jul-03, Gene expression patterns : GEP
IF:1.0Q4
DOI:10.1016/j.gep.2025.119399
PMID:40617480
|
comments | 本文对一篇关于使用深度学习技术进行库尔德手写字符识别的文章中的模型描述不一致性进行了批判性评论 | 指出了原文章在模型架构描述、类别标签和模型总结方面的关键不一致性,并提出了改进建议 | 仅针对原文章的模型描述部分进行评论,未涉及其他方面的评估 | 提高原文章在库尔德手写字符识别领域的透明度和可重复性 | 库尔德手写字符识别的研究 | 自然语言处理 | NA | NA | NA | NA | NA |
71 | 2025-07-07 |
MPNN-CWExplainer: An enhanced deep learning framework for HIV drug bioactivity prediction with class-weighted loss and explainability
2025-Jul-03, Life sciences
IF:5.2Q1
DOI:10.1016/j.lfs.2025.123835
PMID:40617525
|
研究论文 | 提出了一种名为MPNN-CWExplainer的图深度学习框架,用于改进HIV药物生物活性预测并提供可解释性 | 结合了Message Passing Neural Network (MPNN)和类别加权损失函数来处理类别不平衡问题,并整合GNNExplainer提供模型预测的可解释性 | NA | 改进HIV生物活性预测并理解影响生物活性的分子决定因素 | HIV药物分子 | 机器学习 | HIV/AIDS | 深度学习 | MPNN | 分子图数据 | NA |
72 | 2025-07-07 |
Integration of metaheuristic based feature selection with ensemble representation learning models for privacy aware cyberattack detection in IoT environments
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05545-5
PMID:40595948
|
研究论文 | 本文提出了一种结合元启发式特征选择与集成表示学习模型的隐私感知网络攻击检测技术,用于物联网环境 | 提出了一种自适应元启发式特征选择与集成学习模型(AMFS-ELPPCD),结合了AHHO特征选择、BiGRU、WAE和DBN等集成模型,并通过SGO优化超参数 | 实验仅在CICIDS-2017和NSLKDD两个数据集上进行验证,可能缺乏更广泛的数据集验证 | 提高物联网环境中的网络攻击检测准确性和隐私保护能力 | 物联网环境中的网络攻击数据 | 机器学习 | NA | Z-score归一化、AHHO特征选择、BiGRU、WAE、DBN、SGO超参数优化 | 集成学习模型(BiGRU、WAE、DBN) | 网络攻击数据 | CICIDS-2017和NSLKDD数据集 |
73 | 2025-07-07 |
A deep learning model for early diagnosis of alzheimer's disease combined with 3D CNN and video Swin transformer
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05568-y
PMID:40603911
|
research paper | 提出了一种结合3D CNN和视频Swin Transformer的深度学习模型3D-CNN-VSwinFormer,用于阿尔茨海默病的早期诊断 | 模型结合了3D CNN和视频Swin Transformer,通过3D CBAM模块和单参与者3D MRI图像提取特征,避免了数据泄露和2D切片无法捕捉全局空间信息的问题 | 仅使用了ADNI数据集进行验证,可能在其他数据集上的泛化能力有待验证 | 提高阿尔茨海默病的早期诊断效率和准确性 | 阿尔茨海默病患者和认知正常个体 | digital pathology | geriatric disease | 3D MRI | 3D CNN, Video Swin Transformer | 3D MRI image | ADNI数据集中的参与者 |
74 | 2025-07-07 |
Clinical decision support using pseudo-notes from multiple streams of EHR data
2025-Jul-02, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01777-x
PMID:40604255
|
research paper | 提出了一种名为MEME的深度学习框架,用于临床决策支持,通过将电子健康记录(EHR)转换为伪笔记,减少跨系统概念协调的需求 | MEME框架首次将EHR数据转换为伪笔记,并利用自注意力机制学习多嵌入的上下文重要性,显著提升了临床决策支持的预测性能 | 由于文本序列化的特性,MEME在外部非标准化EHR数据库中的表现虽强,但可能仍受数据质量影响 | 开发一种能够处理异构EHR数据的深度学习框架,以支持临床决策 | 电子健康记录(EHR)数据 | machine learning | NA | deep learning, self-attention mechanism | MEME (Multiple Embedding Model for EHR) | tabular EHR data, text | 400,019次急诊科就诊 |
75 | 2025-02-24 |
Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102168
PMID:39986346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
76 | 2025-07-07 |
Impact of deep learning denoising on kinetic modelling for low-dose dynamic PET: application to single- and dual-tracer imaging protocols
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07182-6
PMID:40069458
|
研究论文 | 探讨深度学习去噪技术在低剂量动态PET成像中对动力学建模的影响,应用于单示踪剂和双示踪剂成像协议 | 首次将基于静态[18F]FDG PET图像训练的深度学习去噪模型应用于动态[18F]FDG和[18F]FGln PET成像,显著降低了剂量需求并保持了定量准确性 | 在极低剂量(4 MBq)下对乳腺病灶中[18F]FGln的定量准确性有所下降 | 提高低剂量动态PET成像的定量准确性 | 动态PET成像数据 | 医学影像分析 | NA | 深度学习去噪(DL-DN), 动态PET成像 | 深度学习框架 | PET影像数据 | 16例[18F]FDG PET研究数据 |
77 | 2025-07-07 |
Development and Validation of a Novel Deep Learning Model to Predict Pharmacologic Closure of Patent Ductus Arteriosus in Premature Infants
2025-Jul, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2025.03.018
PMID:40220935
|
research paper | 开发并验证了一种新型深度学习模型,用于预测早产儿动脉导管未闭(PDA)的药物闭合可能性 | 首次将深度学习应用于预测早产儿PDA药物闭合效果,并开发了多模态CNN模型 | 样本量较小(174例),且为回顾性研究 | 预测早产儿PDA药物闭合效果 | 174名接受PDA药物治疗的早产儿 | digital pathology | cardiovascular disease | echocardiography | CNN | image + clinical data | 174名早产儿(1926个超声心动图片段) |
78 | 2025-07-07 |
KEVS: enhancing segmentation of visceral adipose tissue in pre-cystectomy CT with Gaussian kernel density estimation
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03380-7
PMID:40343641
|
研究论文 | 本文提出了一种名为KEVS的新方法,用于在膀胱切除术前CT中自动预测内脏脂肪组织(VAT)的分割,无需真实标注的VAT掩模进行训练 | KEVS结合了深度学习语义分割模型和高斯核密度估计分析,无需真实标注的VAT掩模进行训练,克服了现有方法的局限性 | 研究仅基于20例膀胱切除术前CT扫描数据进行验证,样本量较小 | 开发一种自动化方法,用于在膀胱切除术前CT中准确分割内脏脂肪组织(VAT) | 膀胱切除术前CT扫描中的内脏脂肪组织(VAT) | 数字病理 | 膀胱癌 | CT扫描,高斯核密度估计 | 深度学习语义分割模型 | CT图像 | 20例膀胱切除术前CT扫描 |
79 | 2025-07-07 |
Shortcut learning leads to sex bias in deep learning models for photoacoustic tomography
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03370-9
PMID:40343639
|
research paper | 本研究探讨了深度学习模型中捷径学习导致的性别偏见问题,特别是在光声断层扫描(PAT)中用于外周动脉疾病(PAD)诊断的应用 | 首次在光声断层扫描(PAT)中研究捷径学习导致的性别偏见,并探讨其对PAD诊断性能的影响 | 研究样本量较小(147人),可能限制结果的普遍性 | 评估深度学习模型在医学影像中因捷径学习导致的性别偏见问题 | 外周动脉疾病(PAD)患者的光声断层扫描图像 | digital pathology | cardiovascular disease | photoacoustic tomography (PAT) | CNN | image | 147名个体 |
80 | 2025-07-07 |
A deep learning-based approach to automated rib fracture detection and CWIS classification
2025-Jul, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03390-5
PMID:40377883
|
研究论文 | 开发了一种基于深度学习的自动化方法,用于检测CT扫描中的肋骨骨折并进行CWIS分类 | 首次提出结合肋骨骨折检测与CWIS分类的自动化深度学习方案,并开发了专门的肋骨编号标记网络 | 训练集中罕见和代表性不足的骨折类别分类性能有待提升 | 开发自动化肋骨骨折检测与分类系统以辅助临床决策 | 创伤性肋骨骨折患者 | 数字病理 | 创伤性损伤 | CT扫描 | nnU-Net | 医学影像 | 198例CT扫描(170例训练/内部验证,28例外部验证) |