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 | 2025-09-06 |
Confining thrombus morphospace through targeted inhibition of platelet mechanosensory signaling
2025-Sep-02, Journal of thrombosis and haemostasis : JTH
IF:5.5Q1
DOI:10.1016/j.jtha.2025.08.013
PMID:40907704
|
研究论文 | 本研究开发了一种基于深度学习的框架,用于在体内追踪大量血小板活动,并评估靶向抑制血小板机械感应信号对血栓形态的影响 | 首次通过选择性药物抑制血小板机械感应信号(iPMS),揭示了其对血栓形态空间的控制作用,同时保持止血关键区域的结构完整性 | 研究主要针对高流量肠系膜静脉损伤模型,其他血管类型或血流条件下的适用性尚需验证 | 探索如何通过调节血小板结构功能关系来改善抗血小板治疗的风险/效益比 | 血小板及其在血栓形成过程中的动态行为 | 数字病理学 | 心血管疾病 | 深度学习框架、活体血小板追踪技术 | 深度学习模型 | 视频图像数据 | 大量血小板活动的体内追踪数据 |
62 | 2025-09-06 |
Benchmarking deep learning-designed inlay restorations across operator experience: An in vitro comparison of time efficiency, contact intensity, and contour quality
2025-Sep-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106083
PMID:40907866
|
研究论文 | 本研究通过体外实验比较深度学习辅助设计嵌体与传统人工设计在时间效率、接触强度和轮廓质量方面的表现 | 首次系统评估深度学习设计流程在不同操作者经验水平下的表现,并分析其对技术员间差异性的减少作用 | 体外研究可能无法完全反映临床实际情况,样本量相对有限(25个数字扫描) | 评估基于深度学习的嵌体设计工作流程的性能及其对操作者经验依赖性的影响 | 上颌和下颌后牙区嵌体修复体 | 数字病理 | 牙科修复 | 深度学习 | 深度学习模型 | 数字扫描图像 | 25个上颌和下颌牙弓数字扫描样本 |
63 | 2025-09-06 |
Anatomical-Marker-Driven 3D Markerless Human Motion Capture
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3424869
PMID:38980775
|
研究论文 | 提出一种基于解剖标志驱动的无标记三维人体运动捕捉方法,通过深度学习从图像估计二维关键点并计算三维标记位置 | 利用基于标记运动捕捉的解剖地标创建高质量数据集,并直接预测解剖关键点,提高了二维关键点标注精度 | 仅在10名受试者上进行评估,样本规模较小 | 提高无标记运动捕捉系统的精度,促进其在生物力学研究中的广泛应用 | 人体运动 | 计算机视觉 | NA | 深度学习,基于射线距离的三角测量 | 深度神经网络 | 图像 | 10名受试者执行各种运动 |
64 | 2025-09-06 |
Multiview Deep Learning-Based Efficient Medical Data Management for Survival Time Forecasting
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3422180
PMID:38954570
|
研究论文 | 提出一种基于多视图深度学习的医疗数据管理框架MDL-MDM,用于提升生存时间预测的准确性 | 引入集成深度学习思想,结合CNN、GAT和GCN三种神经网络构建多视图特征学习框架 | NA | 实现高效的远程医疗数据管理并提升生存时间预测精度 | 癌症患者的生理指标监测数据 | 机器学习 | 癌症 | 深度学习 | CNN, GAT, GCN | 医疗监测数据 | 美国癌症患者真实数据集(具体数量未说明) |
65 | 2025-09-06 |
Efficient Training of Probabilistic Neural Networks for Survival Analysis
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3417369
PMID:38905091
|
研究论文 | 本研究比较了三种概率方法(VI、MCD和SNGP)在生存分析中的训练效率、预测性能和不确定性校准 | 首次在生存分析中系统评估非VI方法(MCD和SNGP)的性能,证明它们能在不增加模型复杂度的情况下达到与VI相当甚至更好的效果 | 研究主要基于MIMIC-IV数据集,需要更多数据集验证通用性 | 探索在高维数据集上训练深度概率生存模型的高效方法,减少计算开销 | 生存分析中的概率神经网络模型 | 机器学习 | NA | Variational Inference, Monte Carlo Dropout, Spectral-normalized Neural Gaussian Process | 概率神经网络 | 临床生存数据 | 基于MIMIC-IV数据集(具体样本数未明确说明) |
66 | 2025-09-06 |
AI-Enhanced Lung Cancer Prediction: A Hybrid Model's Precision Triumph
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3447583
PMID:39172617
|
研究论文 | 提出一种结合CNN和BiLSTM的混合深度学习模型,用于从患者医疗文本中检测肺癌 | 开发新型混合深度学习架构(CNN+BiLSTM),在肺癌预测任务中取得当前最佳性能 | NA | 提高肺癌早期检测的准确性和精确度 | 肺癌患者医疗文本数据 | 自然语言处理 | 肺癌 | 深度学习 | CNN, BiLSTM | 文本 | 基于MIMIC IV数据集和Yelp Review Polarity数据集 |
67 | 2025-09-06 |
A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3487004
PMID:39466875
|
研究论文 | 提出一种基于细胞核特征的自动化肾细胞癌组织病理学分级新框架NuAP-RCC | 首次将细胞核级特征与图神经网络结合,通过节点特征聚合提升分级准确性 | 未明确说明模型在临床实时诊断环境中的适用性 | 提高肾细胞癌组织病理学图像分级的准确性和可重复性 | 肾细胞癌(RCC)的组织病理学图像 | 数字病理学 | 肾癌 | 深度学习 | CNN, GNN | 图像 | 多医疗机构数据集(含新提出的patch级RCC数据集) |
68 | 2025-09-06 |
Personalized Video-Based Hand Taxonomy Using Egocentric Video in the Wild
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3495699
PMID:39527414
|
研究论文 | 本研究通过自我中心视频和深度学习模型,为脊髓损伤患者开发个性化手部抓握分类方法 | 无需先验分类法,利用语义聚类自动识别个体主导性手部抓握动作,并整合姿态与外观数据构建个性化手部分类系统 | 聚类纯度存在较大变异(67.6% ± 24.2%),冗余度较高(18.0% ± 21.8%) | 开发在自然环境中分析手部功能的个性化方法,应用于临床评估和人机交互研究 | 19名颈髓损伤患者 | 计算机视觉 | 脊髓损伤 | 语义聚类,深度学习 | 深度学习模型(整合姿态和外观数据) | 自我中心视频 | 19名颈髓损伤患者的家庭环境视频记录 |
69 | 2025-09-06 |
Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3522664
PMID:40030782
|
研究论文 | 提出一种深度学习框架PhysioGPN,用于帕金森病患者步态冻结事件的早期预测 | 结合大卷积核检测渐进运动变化、多维多尺度卷积解析运动协调、双塔结构捕捉步态自相似性与不对称性、多域注意力促进跨域信息交换,并引入知识蒸馏降低对多传感器的依赖 | 未明确说明模型在不同患者群体中的泛化能力极限及临床部署的实际障碍 | 解决帕金森病步态冻结预测中的多传感器依赖、泛化性差和预测窗口短等挑战 | 帕金森病患者的步态冻结事件 | 康复工程 | 帕金森病 | 深度学习、知识蒸馏(KD) | CNN(包含多尺度卷积、双塔结构和注意力机制) | 可穿戴传感器采集的运动数据 | NA(未在摘要中明确样本数量) |
70 | 2025-09-06 |
End-to-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3536170
PMID:40031337
|
研究论文 | 本研究利用多模态Transformer模型融合膝关节成像数据,预测膝骨关节炎的进展 | 首次采用端到端Transformer框架统一分析多模态膝关节影像数据,并系统评估不同时间跨度的预测性能 | 研究基于特定数据库(OAI),外部验证尚需进行;多模态数据融合在长期预测中的优势不明显 | 开发数据驱动框架预测膝骨关节炎进展,优化临床试验设计 | 膝骨关节炎患者 | 医学影像分析 | 骨关节炎 | 多模态影像融合(X光、结构MRI、成分MRI) | Transformer | 医学影像 | OAI数据集(n=3967/2421例患者) |
71 | 2025-09-06 |
AV-FOS: Transformer-Based Audio-Visual Multimodal Interaction Style Recognition for Children With Autism Using the Revised Family Observation Schedule 3rd Edition (FOS-R-III)
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3542066
PMID:40031833
|
研究论文 | 提出基于Transformer和自监督学习的AV-FOS模型,利用视听多模态数据自动识别自闭症儿童互动风格并生成FOS-R-III临床量表 | 首次将FOS-R-III临床量表与多模态深度学习结合,采用Transformer架构实现自闭症行为分析的自动化临床评估 | NA | 开发自动化工具辅助自闭症诊断和严重程度监测 | 自闭症儿童的行为互动风格 | 多模态机器学习 | 自闭症 | 自监督学习,提示工程 | Transformer,GPT4V | 视频,音频 | NA |
72 | 2025-09-06 |
Randomized Explainable Machine Learning Models for Efficient Medical Diagnosis
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3491593
PMID:40030196
|
研究论文 | 本研究探索随机化机器学习模型在医学诊断中的应用,结合可解释AI技术提升模型效率与透明度 | 将随机化机器学习模型(ELM和RVFL)与可解释AI技术(LIME和SHAP)结合,在保持精度的同时显著降低计算复杂度和训练时间 | NA | 解决深度学习模型在医疗诊断中计算需求大和决策过程不透明的问题 | 泌尿生殖系统癌症和冠状动脉疾病 | machine learning | 泌尿生殖系统癌症, 冠状动脉疾病 | Extreme Learning Machines (ELM), Random Vector Functional Link (RVFL) networks | ELM, RVFL | 医疗诊断数据 | NA |
73 | 2025-09-06 |
Deep Learning-Based Integrated System for Intraoperative Blood Loss Quantification in Surgical Sponges
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3499852
PMID:40030353
|
研究论文 | 介绍一种基于深度学习的集成系统MDCare,用于术中手术海绵失血量的精确量化 | 首次将ResNet-18和YOLOv4等先进算法与硬件传感器结合,实现高达96.2%的分类准确率和91%以上的海绵检测准确率 | 数据集需进一步扩展,算法需优化以确保在不同手术场景中的鲁棒性和适应性 | 提高术中失血量量化的精确度以增强患者安全和手术成功率 | 手术海绵及其吸附的血液 | 计算机视觉 | NA | 深度学习 | ResNet-18, YOLOv4 | 图像 | 合成和真实血液场景下的测试数据 |
74 | 2025-09-06 |
Spatial-Aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis From 3D OCT Imaging
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3550394
PMID:40067716
|
研究论文 | 提出一种结合Vision Transformer和双向GRU的深度学习框架,用于从3D OCT图像中自动诊断青光眼 | 首次将预训练Vision Transformer与双向门控循环单元结合,同时捕捉切片内特征和切片间空间依赖性 | NA | 开发自动化青光眼检测系统,提升临床诊断准确性 | 3D光学相干断层扫描(OCT)视网膜图像 | 计算机视觉 | 青光眼 | 深度学习,3D OCT成像 | Vision Transformer, 双向GRU | 3D医学图像 | 大型数据集(具体数量未说明) |
75 | 2025-09-06 |
A Flexible Spatio-Temporal Architecture Design for Artifact Removal in EEG With Arbitrary Channel-Settings
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3555813
PMID:40153283
|
研究论文 | 提出一种灵活处理任意通道设置的脑电图伪影去除架构ASTI-Net | 设计双分支去噪模型,结合空间注意力和时间依赖性处理,支持可变通道输入 | NA | 开发适用于不同临床和研究场景的EEG伪影去除方法 | 多通道脑电图(EEG)数据 | 信号处理 | NA | 深度学习,可变形卷积操作 | 双分支神经网络(ASTI-Net) | 时间序列信号 | 两个半模拟数据集和真实任务态EEG数据 |
76 | 2025-09-06 |
Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks
2025-Sep, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3551778
PMID:40184286
|
研究论文 | 提出一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架 | 引入时空融合图构建和门控自适应融合图卷积机制,动态隐式建模时空相关性 | NA | 提升短期住宅电力负荷预测的准确性和鲁棒性 | 住宅电力负荷数据 | 机器学习 | NA | 时空数据融合技术 | STFAG-GCN(时空融合自适应门控图卷积网络),包含STFGCN和Gated TCN | 时空序列数据 | 真实世界数据集(具体数量未说明) |
77 | 2025-09-06 |
Shear Wave Optical Coherence Elastography Imaging by Deep Learning
2025-Sep, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70027
PMID:40210208
|
研究论文 | 本研究通过深度学习优化光学相干弹性成像的数据处理流程,用于预测眼组织生物力学特性 | 将光学相干弹性成像与三维卷积神经网络结合,提出浓度预测网络(CPN)直接预测样本浓度并计算杨氏模量 | NA | 提高眼组织力学特性量化效率,推动眼科临床应用 | 琼脂仿体和离体猪眼角膜 | 医学影像分析 | 眼科疾病 | 光学相干弹性成像(OCE) | 3D CNN | 光学相干断层扫描图像 | 琼脂仿体训练测试数据及不同眼压条件下的离体猪眼角膜 |
78 | 2025-09-06 |
Heterogeneous Mutual Knowledge Distillation for Wearable Human Activity Recognition
2025-Sep, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3556317
PMID:40232930
|
研究论文 | 提出一种用于可穿戴设备人类活动识别的异构互知识蒸馏框架,以提升轻量模型性能 | 首次在可穿戴HAR中引入异构互知识蒸馏,采用加权集成特征方法融合师生模型中间层特征 | NA | 解决可穿戴人类活动识别中知识向轻量模型高效迁移的问题 | 可穿戴设备采集的人类活动数据 | 机器学习 | NA | 知识蒸馏(KD) | ResNetLSTMaN, MLP | 传感器时序数据 | 基于HAPT、WISDM和UCI_HAR三个数据集进行实验 |
79 | 2025-09-06 |
In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data
2025-Sep, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3563902
PMID:40272952
|
研究论文 | 提出一种基于面部表情和行为步态的新型帕金森病体外诊断方法 | 采用轻量级深度学习模型进行特征提取与融合,并建立了当前最大的多模态帕金森病数据集 | 方法需通过医院合作获取数据,可能存在推广适用性限制 | 提高帕金森病的早期诊断准确性和便捷性 | 帕金森病患者的面部表情和步态行为数据 | 计算机视觉 | 帕金森病 | 深度学习 | 轻量级深度学习模型 | 多模态数据(面部图像+行为数据) | 与医院合作建立的最大多模态数据集 |
80 | 2025-09-06 |
Robust Unsupervised Deep Learning for Nonblind Image Deconvolution With Inaccurate Kernels
2025-Sep, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3556867
PMID:40279234
|
研究论文 | 提出一种完全无监督的深度学习方法来处理非盲图像去卷积问题,能够有效应对测量噪声和核误差 | 采用无监督端到端训练框架,引入自重建损失、自集成损失函数和集成推理方案,通过相位保持核扰动策略解决核误差问题 | NA | 解决非盲图像去卷积中核不准确和噪声干扰的问题 | 模糊图像及其对应的模糊核 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA |