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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
781 | 2025-06-13 |
Deep learning reduced order models of vaginal tear propagation
2025-Jun-05, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.107074
PMID:40499333
|
research paper | 该论文介绍了结合有限元分析、适当正交分解和机器学习的新计算方法,用于预测阴道变形和撕裂 | 整合有限元分析、适当正交分解和机器学习技术,开发了全阶ML模型和基于POD的降阶模型,以提高计算效率 | 研究基于啮齿动物的离体微机械数据,可能无法完全模拟人类阴道的复杂性 | 预测阴道分娩过程中的组织撕裂及其对盆底疾病的影响 | 阴道组织的变形和撕裂 | machine learning | pelvic floor disorders | finite element analysis, proper orthogonal decomposition, machine learning | ML, POD-ML | micro-mechanical data | 基于啮齿动物的离体微机械数据 |
782 | 2025-06-13 |
Learning Genetic Perturbation Effects with Variational Causal Inference
2025-Jun-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.657988
PMID:40501829
|
研究论文 | 本文提出了一种结合机制因果模型和变分深度学习的混合方法SCCVAE,用于预测单细胞水平的基因扰动效应 | 提出了一种新的混合方法SCCVAE,结合了机制因果模型和变分自编码器,能够更好地预测未见过的扰动响应 | 机制模型的应用受限于过于简化的假设,难以有效处理大规模单细胞数据的噪声 | 开发一种能够准确预测基因扰动效应的计算方法 | 单细胞水平的基因扰动效应 | 功能基因组学 | NA | Perturb-seq | 变分自编码器(VAE) | 单细胞转录组数据 | NA |
783 | 2025-06-13 |
Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma
2025-Jun-04, Pathology, research and practice
DOI:10.1016/j.prp.2025.156071
PMID:40499499
|
研究论文 | 本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型,用于预测弥漫性大B细胞淋巴瘤(DLBCL)的预后 | 结合临床特征和组织病理学特征,开发了一种新型的非侵入性预后预测方法 | 样本量相对较小(194例患者),且仅基于回顾性数据 | 预测弥漫性大B细胞淋巴瘤(DLBCL)患者的预后 | 194例DLBCL患者的全切片图像和临床特征 | 数字病理学 | 弥漫性大B细胞淋巴瘤 | 深度学习,CellProfiler | 深度学习模型 | 图像,临床数据 | 194例患者 |
784 | 2025-06-13 |
Proteasome-derived antimicrobial peptides discovered via deep learning
2025-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.17.643752
PMID:40501667
|
研究论文 | 通过深度学习发现蛋白酶体衍生的抗菌肽 | 利用深度学习从蛋白酶体中系统挖掘出59种候选抗菌肽('proteasomins'),其中21种经过优化,展现出与已知抗菌肽不同的序列特征和潜在独特作用机制 | NA | 探索蛋白酶体在先天免疫肽库中的潜在贡献,并开发对抗多重耐药病原体的创新疗法 | 蛋白酶体衍生的抗菌肽 | 机器学习 | NA | 深度学习 | NA | 肽序列数据 | 59种候选肽(21种优化后)针对11种临床相关病原体 |
785 | 2025-06-13 |
Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis
2025-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.31.657189
PMID:40501876
|
研究论文 | 本研究提出了一种基于功率-功率跨频耦合(CFC)的新方法,用于颞叶癫痫发作的检测和分析 | 首次将功率-功率跨频耦合方法应用于癫痫发作检测,并揭示了三种常见癫痫成分的独特CFC特征 | 研究样本量较小(26名患者),且仅针对颞叶癫痫 | 评估功率-功率跨频耦合方法在癫痫发作检测中的有效性,并分析不同癫痫成分的特征 | 颞叶癫痫患者的颅内脑电图(iEEG)数据 | 生物医学信号处理 | 癫痫 | 功率-功率跨频耦合分析(PPC),EEGLAB工具箱 | SSAE(堆叠稀疏自编码器),LSTM | 颅内脑电图(iEEG)信号 | 26名患者的120次颞叶癫痫发作记录 |
786 | 2025-06-13 |
Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf301
PMID:40366737
|
research paper | 该研究提出了一种基于深度学习的框架,用于预测克罗恩病患者对ustekinumab治疗的响应 | 提出了一种结合聚类和弱监督学习的框架,能够从全切片图像中选择相关区域并整合斑块级证据,以提高预测性能 | 未提及具体样本量的限制或其他潜在的技术限制 | 预测克罗恩病患者对ustekinumab治疗的响应,以支持个性化治疗策略 | 克罗恩病患者的预处理活检全切片图像 | digital pathology | Crohn's disease | deep learning, k-means clustering, DenseNet, Grad-CAM, multi-instance learning | DenseNet | image | NA |
787 | 2025-06-13 |
TRENDY: gene regulatory network inference enhanced by transformer
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf314
PMID:40408160
|
研究论文 | 介绍了一种名为TRENDY的新型基因调控网络推断方法,该方法整合了transformer模型以增强基于机制的WENDY方法 | 整合transformer模型增强基因调控网络推断方法,展示了其在多种推断方法中的广泛应用潜力 | 未明确提及具体局限性 | 提高基因调控网络推断的准确性和效率 | 基因调控网络(GRNs) | 机器学习 | NA | transformer模型 | transformer | 基因表达数据 | 模拟和实验数据集 |
788 | 2025-06-13 |
A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf319
PMID:40424358
|
research paper | 开发了一种基于多源相似性融合的深度学习模型MSSF,用于预测药物副作用的频率类别 | 利用多源特征融合模块和自注意力机制深入探索药物与副作用之间的关系,并采用贝叶斯变分推断更准确地预测药物副作用的频率类别 | 现有方法通常在五个频率类别上建立回归模型,容易对训练集过拟合,导致边界处理问题和过拟合风险 | 预测药物副作用在人群中的频率类别,以指导患者用药和药物开发 | 药物副作用 | machine learning | NA | deep learning, Bayesian variational inference | MSSF (multi-source similarity fusion-based model) | multi-source data | NA |
789 | 2025-06-13 |
Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis
2025-Jun-02, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.09.24315202
PMID:40502572
|
research paper | 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,并评估了模型偏倚带来的潜在风险 | 首次在外部验证中直接比较了四种ATTR-CM检测算法的性能,并进行了种族偏倚风险评估 | 研究样本中非裔美国人比例较低(9.0%),可能影响偏倚评估的全面性 | 评估和比较不同算法检测转甲状腺素蛋白心脏淀粉样变性的性能及潜在偏倚风险 | 心力衰竭患者群体中的转甲状腺素蛋白心脏淀粉样变性病例 | digital pathology | cardiovascular disease | deep learning | random forest, regression-based score, EchoNet-LVH, EchoGo ® Amyloidosis | medical records, echocardiogram images | 176例ATTR-CM确诊患者和3192例心力衰竭对照患者 |
790 | 2025-06-13 |
Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review
2025-Jun, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01283-8
PMID:39349785
|
综述 | 本文对2020年至2024年1月间发表的60篇关于使用深度学习技术通过MRI图像进行脑肿瘤检测和分类的研究进行了系统性回顾 | 总结了现有研究的局限性和重要亮点,提供了分析方法比较和未来研究方向 | 仅涵盖了2020年至2024年1月间发表的研究,可能不包括最新的技术进展 | 回顾和总结深度学习在脑肿瘤检测和分类领域的应用研究 | 脑肿瘤的检测和分类 | 计算机视觉 | 脑肿瘤 | MRI | 深度学习(包括迁移学习、自动编码器、transformer和注意力机制等) | 图像 | 60篇研究文章 |
791 | 2025-06-13 |
Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model
2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101133
PMID:39645082
|
研究论文 | 使用可解释的多视角心血管磁共振电影序列深度学习模型预测平均肺动脉压 | 提出了一种非侵入性预测平均肺动脉压的深度学习方法,并识别了关键影像特征 | 模型仅在1646例检查数据上进行训练和评估,样本量相对有限 | 通过深度学习模型从心脏磁共振数据中非侵入性估计右心导管检查参数 | 肺动脉高压患者 | 数字病理 | 心血管疾病 | 心脏磁共振成像 | CNN | 影像 | 1646例检查 |
792 | 2025-06-13 |
Automatic bone marrow segmentation for precise [177Lu]Lu-PSMA-617 dosimetry
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17684
PMID:39935268
|
研究论文 | 开发了一种基于深度学习的自动骨髓分割方法,用于[177Lu]Lu-PSMA-617治疗的个性化骨髓剂量测定 | 首次应用X-means聚类方法在CT图像上自动分割骨髓区域,相比传统方法具有更高的准确性和更低的误差 | 样本量较小(10名患者,30个治疗周期),且仅针对前列腺癌患者 | 开发自动骨髓分割方法以改进[177Lu]Lu-PSMA-617治疗中的骨髓剂量测定 | 转移性去势抵抗性前列腺癌患者的骨髓区域 | 数字病理学 | 前列腺癌 | SPECT/CT成像,X-means聚类 | 深度学习 | 医学影像 | 10名患者,30个治疗周期 |
793 | 2025-06-13 |
A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy
2025-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70047
PMID:39980269
|
研究论文 | 比较2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能,评估计算量较小的模型的适用性 | 比较了2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能,并评估了数据增强和多通道输入对模型性能的影响 | 研究样本量较小(89例患者),且3D模型的训练时间较长 | 评估计算量较小的2D模型在局部乳腺癌放疗剂量预测中的适用性 | 局部乳腺癌患者的放疗剂量预测 | 数字病理 | 乳腺癌 | 深度学习 | 2D Attention U-Net, 2D HD U-Net, 3D U-Net | 医学影像 | 89例局部乳腺癌患者 |
794 | 2025-06-13 |
Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data
2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101869
PMID:40021091
|
研究论文 | 提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法 | 首次将深度学习应用于3D心脏标记磁共振图像的位移分析,而非仅限于2D数据集 | 方法在合成数据上训练,虽然在体外验证中表现良好,但可能仍需更多真实数据验证 | 开发能够快速分析3D心脏标记磁共振图像的深度学习方法 | 左心室运动 | 医学影像分析 | 心血管疾病 | 3D标记磁共振成像 | 神经网络 | 3D图像 | 体外人类数据集和猪研究数据集 |
795 | 2025-06-13 |
Deep learning framework for interpretable quality control of echocardiography video
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17722
PMID:40038091
|
research paper | 本文介绍了一种用于超声心动图视频自动质量控制的深度学习系统,该系统能够实时监测关键成像参数,减少人工质量控制过程中的变异性 | 提出了一种多任务网络,结合CNN、Bi-LSTM和面向对象检测头,实现了对心脏周期完整性、解剖结构、深度、心脏轴角度和增益的全面分析 | 研究仅基于1331个超声心动图视频进行训练和测试,样本量可能不足以覆盖所有临床场景 | 开发一个自动化、实时且可解释的超声心动图视频质量控制系统 | 超声心动图视频 | digital pathology | cardiovascular disease | 深度学习 | CNN, Bi-LSTM | video | 1331个超声心动图视频 |
796 | 2025-06-13 |
A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17732
PMID:40055148
|
研究论文 | 本文提出了一种通用的自适应模型(GAM),用于头颈部自适应放射治疗中的自动分割,通过将患者治疗前图像和分割标签纳入推理阶段来提高分割性能 | 在推理阶段纳入患者治疗前数据,避免了为新患者群体进行昂贵的模型重新训练 | 刚性配准方法在某些结构上与自适应DL模型表现相似 | 提高头颈部自适应放射治疗中自动分割的准确性 | 头颈部癌症患者 | 数字病理 | 头颈部癌症 | 深度学习 | GAM, PSM, RM | CT图像 | 110名接受头颈部癌症自适应放射治疗的患者 |
797 | 2025-06-13 |
Deep Learning-Based Artificial Intelligence Algorithm to Classify Tremors from Hand-Drawn Spirals
2025-Jun, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30176
PMID:40095435
|
研究论文 | 开发并验证了一种基于深度学习的算法,用于通过手绘螺旋图对震颤综合征进行分类 | 首次使用深度学习算法对手绘螺旋图进行分类,以诊断震颤综合征,其准确率高于人类评估者 | 算法在外部验证中的准确率有所下降,可能存在数据泄露和数字指纹的风险 | 开发一种客观的生物标志物,用于诊断和分类震颤综合征 | 患有肌张力障碍性震颤(DT)、原发性震颤(ET)、原发性震颤附加(ETP)、帕金森病(PD)、小脑共济失调(AT)的患者及健康志愿者(HV) | 数字病理 | 震颤综合征 | 深度学习 | InceptionResNetV2, Keras sequential model | 图像 | 521名参与者,2078张手绘螺旋图 |
798 | 2025-06-13 |
Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17782
PMID:40170415
|
研究论文 | 比较三种自动分割方法在儿童颅脊髓照射治疗计划中的效果 | 比较了商业、开箱即用和内部开发的三种自动分割方法在儿童患者中的应用,并探讨了不同方法的优缺点 | 商业软件LimbusAI在儿童食管和肾脏分割上表现不佳,nnU-Net在头部结构区分上存在困难 | 评估不同自动分割方法在儿童颅脊髓照射治疗计划中的适用性 | 儿童颅脊髓照射治疗中的风险器官(OARs) | 数字病理学 | 儿童疾病 | CT扫描 | U-Net, attention U-Net, 2.5D U-Net, nnU-Net | 图像 | 142名儿童患者的CT扫描(训练集115,验证集27),测试集16名 |
799 | 2025-06-13 |
Automatic flow planning for fetal cardiovascular magnetic resonance imaging
2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101888
PMID:40180124
|
研究论文 | 该论文提出了一种自动化实时规划二维相位对比血流成像(OWL)的方法,用于胎儿心血管磁共振成像 | 开发了两个深度学习网络,分别用于胎儿身体定位和心脏标志物检测,实现了实时自动规划相位对比序列 | 在7例前瞻性病例中仅成功实施了6例,且规划质量略低于手动规划 | 通过自动化实时规划技术扩大胎儿血流成像的应用范围 | 胎儿心血管磁共振成像 | 医学影像分析 | 胎儿心血管疾病 | 二维相位对比血流成像(2D phase-contrast flow imaging) | 深度学习网络 | 磁共振图像 | 167和71个胎儿数据集用于训练,10个数据集用于回顾性评估,7个胎儿(36+3-39+3孕周)用于前瞻性评估 |
800 | 2025-06-13 |
An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17795
PMID:40181755
|
research paper | 本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法,专注于鼻咽癌的剂量梯度重建 | 引入了专注于剂量梯度重建的自动治疗计划方法,并提出了结合多种评价标准的多标准评分策略 | 在临床验证中,有4个生成的IsoPlans未能满足临床要求 | 建立一种利用深度学习预测剂量分布信息的自动治疗计划生成方法 | 鼻咽癌患者的治疗计划 | digital pathology | nasopharyngeal carcinoma | deep learning | U-Net, DoseNet, Transformer | medical imaging data | 120例鼻咽癌病例(训练集90例,验证集10例,测试集20例) |