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 | 2025-09-16 |
Enhanced defect detection with autoencoder based analysis for Golay coded thermal wave imaging for inspection of carbon fiber reinforced polymers
2025-Sep-01, The Review of scientific instruments
DOI:10.1063/5.0294144
PMID:40952248
|
研究论文 | 本研究探索使用Golay编码热波成像结合自编码器技术增强碳纤维增强聚合物内部缺陷检测 | 对自编码器损失函数进行关键改进以更好地捕捉热数据中的缺陷特征,并将Golay编码与自编码器处理相结合 | NA | 提高碳纤维增强聚合物内部缺陷检测的清晰度和准确性 | 碳纤维增强聚合物样本,包含不同厚度区域和人工狭缝状缺陷 | 无损检测 | NA | Golay编码热波成像(GCTWI),自编码器热成像(AET) | Autoencoder | 热成像数据 | 一个包含三个不同厚度区域的碳纤维增强聚合物样本 |
782 | 2025-09-15 |
Enhancing 5-Day Particulate Matter (PM10) Forecasts in Morocco Using U-Net: A Deep Learning Approach
2026-Jan, Atmospheric research
IF:4.5Q1
DOI:10.1016/j.atmosres.2025.108439
PMID:40933727
|
研究论文 | 使用U-Net深度学习模型提升摩洛哥未来5天颗粒物(PM10)预测精度 | 首次在中东和北非地区应用U-Net进行颗粒物预测,并改进架构以不同分辨率输出预测,无需插值且保留空间细节 | 模型误差受CAMS预报更新周期影响,需定期用新数据重新训练以保持可靠性 | 提高颗粒物浓度预测准确性以支持健康风险预警和公共健康保护 | 摩洛哥地区的颗粒物(PM10)浓度 | 机器学习 | NA | 深度学习,数据后处理 | U-Net | 大气再分析数据和预报数据 | 基于CAMS再分析数据和预报数据,时间覆盖至2023年下半年 |
783 | 2025-09-15 |
Predictive and early warning analysis of infectious gastroenteritis based on the BiLSTM-BiGRU model
2025-Dec, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.07.016
PMID:40822277
|
研究论文 | 基于BiLSTM-BiGRU模型结合气象因素对感染性胃肠炎进行预测和预警分析 | 首次将BiLSTM-BiGRU模型与灰狼优化算法(GWO)结合用于感染性胃肠炎预测,并构建移动百分位数控制图预警模型 | 研究仅基于东京地区数据,模型在其他地区的适用性需要进一步验证 | 提高感染性胃肠炎的预测精度和预警效率,为相关部门制定防控措施提供参考 | 日本东京地区的感染性胃肠炎发病情况 | 时间序列预测 | 感染性胃肠炎 | 时间序列分析、优化算法参数调优 | BiLSTM-BiGRU、GWO优化 | 时间序列数据(病例数和气象数据) | 808周的数据(2008年1月至2023年6月) |
784 | 2025-09-15 |
VCNet: Optimized Deep Learning framework with deep feature extraction and genetic algorithm for multiclass rice crop disease detection
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103551
PMID:40822541
|
研究论文 | 提出一种名为VCNet的优化深度学习框架,用于水稻作物多类别病害检测,结合深度特征提取和遗传算法以提高性能 | 设计了一个浅层模型结合深度特征提取,采用VGG16层与自定义CNN架构融合,并引入遗传算法进行两级优化,提升泛化能力并减少过学习 | 未明确提及具体的数据集规模限制或模型在真实田间环境中的泛化性能细节 | 开发高效、优化的多类别水稻病害检测深度学习技术,降低计算负载和训练时间 | 水稻作物及其病害,如鞘腐病等 | 计算机视觉 | 水稻病害 | 深度学习,遗传算法,特征提取 | CNN,VGG16,自定义卷积神经网络 | 图像 | NA |
785 | 2025-09-15 |
Development of student intent-based educational chatbot system with adaptive and attentive DTCN on symmetric convolution approach
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103542
PMID:40822546
|
研究论文 | 开发了一种基于学生意图的教育聊天机器人系统,采用自适应和注意力机制的DTCN结合对称卷积方法 | 提出了一种新型混合元启发式优化算法ADT-BMO用于特征加权和融合,并结合AA-DTCN-SC网络实现精准意图识别 | NA | 通过智能聊天机器人自动回答学术问题,提升教育信息获取效率 | 学生和教育工作者的学术查询 | 自然语言处理 | NA | NLP, 深度学习, 优化算法 | BERT, TransformerNet, Text CNN, DTCN, RNN, Bi-LSTM | 文本 | NA |
786 | 2025-09-15 |
Assessing mammographic density change within individuals across screening rounds using deep learning-based software
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22017
PMID:40823522
|
研究论文 | 使用深度学习软件评估个体在多次筛查中乳腺密度的变化及其与未来乳腺癌诊断的关联 | 首次利用深度学习自动软件量化个体乳腺密度随时间的变化,并探索其与乳腺癌风险的关联 | 可能受乳腺X线摄影定位问题影响,需敏感性分析排除 | 评估乳腺密度变化与未来乳腺癌诊断的关系,为风险分层筛查提供依据 | 瑞典马尔默2010-2015年接受至少两次筛查的女性 | 数字病理学 | 乳腺癌 | 深度学习软件、多元线性回归 | 深度学习 | 乳腺X线图像 | 26,056名女性 |
787 | 2025-09-15 |
Longitudinal Assessment of Area of Reticular Pseudodrusen in Eyes with Age-Related Macular Degeneration
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100881
PMID:40837066
|
研究论文 | 本研究评估了年龄相关性黄斑变性(AMD)眼中网状假性玻璃膜疣(RPD)面积和脉络膜厚度在两年内的变化 | 首次通过纵向队列研究量化RPD面积在两年内的显著增加(平均增加6.23 mm²),并发现其与脉络膜厚度变化无显著关联 | 样本量较小(仅35只眼符合分析条件),且结果可能受图像可分级性和排除晚期AMD病例的影响 | 评估AMD眼中RPD面积和脉络膜厚度的纵向变化 | 早期或中期AMD伴RPD的患者眼睛 | 数字病理学 | 年龄相关性黄斑变性 | 红外反射成像、蓝光自发荧光、光谱域OCT、深度学习算法 | 深度学习(具体类型未说明) | 医学影像 | 35只眼(来自22名参与者,平均年龄72.8岁) |
788 | 2025-09-15 |
Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia
2025-Oct, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70007
PMID:39979124
|
研究论文 | 本研究验证了一种基于深度学习的体动记录仪算法在疑似特发性嗜睡症患者中预测睡眠-觉醒参数的效能,并与商业算法进行对比 | 首次在嗜睡人群中验证体动记录仪算法,并开发了基于序列到序列长短期记忆网络(S2S)的新算法,显著提升了睡眠-觉醒预测精度 | 样本仅来自单一参考中心,未涉及健康对照组,且家庭环境下的验证尚未完成 | 验证体动记录仪在嗜睡症患者中的科学有效性,并开发更优的睡眠-觉醒预测算法 | 疑似特发性嗜睡症患者 | 医疗健康监测 | 嗜睡症 | 体动记录仪(Actigraphy)与多导睡眠监测(Polysomnography)同步监测 | S2S sequence-to-sequence LSTM网络 | 时间序列运动数据与多导睡眠图数据 | 206名嗜睡受试者入选,其中126人(91名女性,平均年龄30.6±15.5岁)完成同步数据采集与分析 |
789 | 2025-09-15 |
Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data
2025-Oct, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70061
PMID:40176726
|
研究论文 | 本研究使用深度学习模型对癫痫患者的医院标准脑电图和可穿戴设备数据进行自动睡眠分期分析 | 首次在癫痫患者中同时使用标准EEG和可穿戴数据,通过深度学习实现自动睡眠分期,并比较两种模态的性能差异 | 模型对N1期睡眠的敏感性非常低,可穿戴数据低估了大多数睡眠宏观结构参数的持续时间,临床实施前需进一步提高模型性能 | 评估深度学习模型在癫痫患者睡眠分期中的自动化分析能力 | 50名癫痫患者的223晚睡眠记录 | 数字病理学 | 癫痫 | EEG(脑电图)、加速度计 | 深度学习 | 时间序列信号数据 | 50名患者,223晚睡眠记录 |
790 | 2025-09-15 |
The Future of Parasomnias
2025-Oct, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70090
PMID:40387303
|
综述 | 本文探讨了异态睡眠(如异常睡眠行为)的未来诊断技术、数据分析方法及治疗策略 | 介绍了新型家庭诊断设备(如EEG头带和3D摄像头)、深度学习在信号分类中的应用,以及大数据和梦境工程在治疗噩梦中的创新 | NA | 综述异态睡眠的诊断、预测和治疗的最新进展与未来方向 | 异态睡眠患者(如REM睡眠行为障碍和觉醒障碍患者) | NA | 睡眠障碍 | actigraphy, EEG, 红外摄像, 3D飞行时间摄像, 深度学习, 大数据分析, 梦境工程 | 深度学习 | 多模态数据(临床、认知、脑成像、DNA、多导睡眠图) | NA |
791 | 2025-09-03 |
Corrigendum to "Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning" [Translational Oncology 2025 Jun 26;59:102457]
2025-Oct, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102474
PMID:40818872
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
792 | 2025-09-15 |
Proximal near-infrared hyperspectral imaging dataset for identifying epicuticular wax loss in Masena blueberries to evaluate post-harvest quality
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111946
PMID:40821441
|
研究论文 | 本文提供了一个用于识别Masena蓝莓表皮蜡质损失的高光谱成像数据集,以评估采后品质 | 首次提供包含不同采收方式和表皮蜡质状态的高光谱图像数据集,支持机器学习方法在农业中的应用 | 样本量较小(39个果实),数据采集时间窗口较短(采收后9小时内) | 开发基于高光谱成像的蓝莓采后品质评估方法 | Masena蓝莓果实 | 计算机视觉 | NA | 高光谱成像(900-1700 nm, 224波段) | 机器学习/深度学习 | 高光谱图像 | 39个蓝莓果实,共49个高光谱图像 |
793 | 2025-09-15 |
Enhancing photoacoustic trace gas detection via a CNN-transformer denoising framework
2025-Oct, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100758
PMID:40832569
|
研究论文 | 提出一种结合CNN-Transformer深度学习框架的光声痕量气体检测去噪方法,显著提升低浓度气体信号的信噪比和测量精度 | 首次将1D CNN与Transformer网络结合用于光声信号去噪,有效融合局部特征与全局依赖关系,实现约70倍的信噪比提升 | 基于合成噪声信号训练,实际环境噪声的多样性可能影响模型泛化能力 | 提升低浓度气体检测的灵敏度和可靠性,解决噪声干扰问题 | 痕量气体(以500 ppb乙炔为例)的光声信号 | 信号处理 | NA | 光声光谱技术,深度学习去噪 | 1D CNN, Transformer | 一维光声信号 | 使用合成噪声信号训练,实验验证采用500 ppb乙炔信号 |
794 | 2025-09-15 |
AI-MedLeafX: a large-scale computer vision dataset for medicinal plant diagnosis
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111945
PMID:40837485
|
研究论文 | 本研究构建了一个大规模、精细标注且人工验证的药用植物叶片图像数据集,用于叶片质量分类 | 创建了一个包含13个类别、覆盖四种药用植物且经过六种数据增强技术扩充的大规模数据集,支持自动化植物病害检测 | NA | 开发用于植物病害自动检测的系统,推动精准农业发展 | 四种药用植物的叶片图像(樟树、诃子、辣木、印楝) | 计算机视觉 | 植物病害 | 数据增强(旋转、水平翻转、缩放、亮度调整) | 深度学习架构 | 图像 | 原始图像10,858张,增强后65,148张高分辨率图像 |
795 | 2025-09-15 |
A complete, multi-layered quranic treebank dataset with hybrid syntactic annotations for classical arabic processing
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111940
PMID:40837480
|
研究论文 | 介绍扩展版古兰经树库(EQTB),一个为古典阿拉伯语处理设计的全面、多层、计算可访问的语言资源数据集 | 通过算法转换、深度学习解析和专家验证构建了新颖完整的混合句法层,克服了原始树库的局限性 | 未明确提及具体限制,但基于对原始资源的改进,可能仍存在古典阿拉伯语特殊语言现象的覆盖挑战 | 为古典阿拉伯语自然语言处理任务提供高质量的训练和评估数据,支持语言技术发展 | 古典阿拉伯语文本,特别是整部古兰经(约132,736个词元) | 自然语言处理 | NA | 深度学习解析、算法处理与验证、自动化重标注、人工策展 | Deep Learning-based parser(基于深度学习的解析器) | 文本(结构化语言数据) | 整部古兰经,包含约132,736个词元 |
796 | 2025-09-15 |
LncMamba: A deep learning model for LncRNA localization prediction based on the Mamba model
2025-Sep-25, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.152521
PMID:40876294
|
研究论文 | 提出基于Mamba模型的深度学习框架LncMamba,用于LncRNA亚细胞定位预测 | 首次将Mamba网络引入LncRNA定位预测任务,并改进了定位特异性注意力机制 | NA | 准确预测长非编码RNA的亚细胞定位以理解其生物学功能 | 长非编码RNA(LncRNA) | 自然语言处理 | NA | 深度学习 | Mamba,FPN | 序列数据 | NA |
797 | 2025-09-15 |
Image analysis of cardiac hepatopathy secondary to heart failure: Machine learning vs gastroenterologists and radiologists
2025-Sep-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i34.108807
PMID:40937455
|
研究论文 | 本研究利用基于ResNet的机器学习模型分析心力衰竭继发性淤血性肝病的CT影像特征,以预测三尖瓣反流严重程度 | 首次使用深度学习模型从单张CT图像中自动识别淤血性肝病的形态学特征,并与多学科专家诊断准确性进行对比 | 回顾性研究设计,样本量有限(179例患者),仅使用特定解剖层面(脐旁静脉水平)的CT图像 | 开发机器学习模型辅助早期检测心力衰竭患者的肝功能障碍 | 慢性心力衰竭患者 | 计算机视觉 | 心血管疾病 | CT扫描,超声心动图 | ResNet | 医学影像 | 179例慢性心衰患者(120例男性,平均年龄73.1±14.4岁) |
798 | 2025-09-15 |
ACP-EPC: an interpretable deep learning framework for anticancer peptide prediction utilizing pre-trained protein language model and multi-view feature extracting strategy
2025-Sep-13, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11352-x
PMID:40946136
|
研究论文 | 开发了一种基于深度学习的抗癌肽预测框架ACP-EPC,整合预训练蛋白质语言模型和多视角特征提取策略 | 结合ESM-2上下文表征与手工物理化学描述符,采用跨注意力机制进行多模态特征融合 | NA | 通过计算模型预测抗癌肽,替代传统生物实验方法 | 抗癌肽(ACPs) | 自然语言处理 | 癌症 | 深度学习,蛋白质语言模型 | Cross-Attention机制,ESM-2 | 蛋白质序列 | ACP135和ACP99两个测试集,采用十倍交叉验证 |
799 | 2025-09-15 |
DeepInMiniscope: Deep learning-powered physics-informed integrated miniscope
2025-Sep-12, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr6687
PMID:40938981
|
研究论文 | 开发了一种基于深度学习的小型化集成显微镜DeepInMiniscope,用于高效的大规模三维成像 | 结合定制光学掩模和物理信息深度学习模型,显著降低计算需求,实现毫米级大视野高速三维重建 | NA | 开发高效的大规模三维荧光显微成像技术 | 小鼠皮层神经元活动 | 计算机视觉 | NA | 集成荧光显微镜,深度学习重建 | 物理信息深度学习模型 | 三维图像 | NA |
800 | 2025-09-15 |
A switchable dynamic-static tactile system for augmented haptic secret communication
2025-Sep-12, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adx6959
PMID:40938980
|
研究论文 | 提出一种可切换动态-静态触觉系统,用于增强触觉秘密通信 | 通过光调制实现1毫秒级动态-静态模式快速切换,具备一体式结构、高灵敏度与宽压力范围的平衡,以及可调灵敏度和传感-反馈闭环 | NA | 开发仿生触觉系统以实现动态和静态功能的快速转换 | 触觉感知系统及其在物体检测、人机交互和加密通信中的应用 | 人机交互 | NA | 光调制、深度学习 | 深度学习 | 触觉压力数据、振动数据 | NA |