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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
801 | 2025-07-10 |
A pediatric emergency prediction model using natural language process in the pediatric emergency department
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87161-x
PMID:39875462
|
研究论文 | 本研究开发了一种利用深度学习和自然语言处理的预测模型,用于识别儿科急诊病例 | 使用基于KM-BERT框架的深度学习模型和自然语言处理技术,显著提高了儿科急诊病例的预测准确率 | 研究仅基于单一韩国三级医院的数据,可能限制了模型的泛化能力 | 开发更精确高效的儿科急诊病例预测方法,优化医疗资源分配并改善患者预后 | 儿科急诊病例 | 自然语言处理 | 儿科急诊疾病 | NLP, 深度学习 | KM-BERT, Gradient Boosting | 电子医疗记录文本 | 87,759例儿科病例(来自2012-2021年韩国某三级医院) |
802 | 2025-07-10 |
Identifying factors that contribute to collision avoidance behaviours while walking in a natural environment
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88149-3
PMID:39875496
|
研究论文 | 研究在自然环境中行走时影响避碰行为的因素 | 利用深度学习算法在真实世界环境中分析行人行走轨迹,揭示了与实验室研究不同的行为模式 | 研究仅在一个繁忙的城市路径上进行,可能无法代表所有自然环境 | 识别影响行人避碰行为的因素 | 行人行走行为 | 计算机视觉 | NA | 深度学习算法 | NA | 视频 | 繁忙城市路径上的行人行走行为 |
803 | 2025-07-10 |
OCT-based diagnosis of glaucoma and glaucoma stages using explainable machine learning
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87219-w
PMID:39875492
|
研究论文 | 本研究利用光学相干断层扫描(OCT)图像开发了一种可解释的人工智能(XAI)工具,用于青光眼的诊断和分期 | 开发了一种基于SHAP和PDA的新型算法,实现了可解释的机器学习模型,提高了诊断的透明度和可信度 | 样本量相对较小(334只正常眼和268只青光眼),且仅基于OCT图像 | 开发一种可解释的人工智能工具,用于青光眼的诊断和分期 | 青光眼患者(早期、中期、晚期)和正常人的OCT图像 | 数字病理学 | 青光眼 | 光学相干断层扫描(OCT) | 可解释的机器学习(XAI)模型 | 图像 | 334只正常眼和268只青光眼(86早期、72中期、110晚期) |
804 | 2025-07-10 |
Digital framework for georeferenced multiplatform surveillance of banana wilt using human in the loop AI and YOLO foundation models
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87588-2
PMID:39875516
|
研究论文 | 本文介绍了一种基于AI的多平台地理参考监测系统,用于提高香蕉枯萎病的检测和管理效率 | 结合了YOLO基础模型和人类参与循环的AI技术,提升了香蕉枯萎病检测的准确性和透明度 | 不同地区的检测性能存在差异,且未提及模型的实时性能或计算资源需求 | 开发一种高效的香蕉枯萎病监测系统 | 香蕉植株的健康状况、镰刀菌枯萎病和黄单胞菌枯萎病 | 计算机视觉 | 植物病害 | YOLO系列模型(YOLO-NAS, YOLOv8, YOLOv9)和Faster-RCNN | YOLOv9, YOLOv8, Faster-RCNN | 图像(航拍图像和地面图像) | 数据集覆盖非洲、拉丁美洲、印度、亚洲和澳大利亚的香蕉植株 |
805 | 2025-07-10 |
Using partially shared radiomics features to simultaneously identify isocitrate dehydrogenase mutation status and epilepsy in glioma patients from MRI images
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87778-y
PMID:39875517
|
研究论文 | 利用部分共享的放射组学特征从MRI图像中同时识别胶质瘤患者的异柠檬酸脱氢酶(IDH)突变状态和癫痫 | 探索了IDH突变状态与癫痫发生之间的相关性,提出了一种基于LASSO的迭代方法选择共享和特定任务的特征,以提高模型性能 | 研究为回顾性设计,可能受到选择偏倚的影响,且外部验证数据集仅用于IDH突变状态的识别 | 提高胶质瘤患者IDH突变状态识别和癫痫诊断模型的性能 | II-IV级胶质瘤患者 | 数字病理学 | 胶质瘤 | 放射组学特征提取 | LASSO | MRI图像 | 399名患者(训练集279名,独立测试集120名),外加多中心数据集228名来自TCIA |
806 | 2025-07-10 |
Empowering Precision Medicine for Rare Diseases through Cloud Infrastructure Refactoring
2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:40502250
|
研究论文 | 本研究开发并评估了一个基于云的计算基础设施,以加速罕见疾病的诊断 | 通过迁移到可扩展、安全且协作的云环境,增强了数据整合能力,支持了差异诊断的高级预测建模,并促进了研究成果的广泛传播 | 现有研究项目在迁移过程中可能面临数据完整性和工作流程中断的风险 | 加速罕见疾病的诊断,提升数据整合和预测建模能力 | 罕见疾病患者的数据和诊断流程 | 精准医疗 | 罕见疾病 | 数据挖掘、语义网技术、深度学习和基于图的嵌入技术 | 深度学习 | 医疗数据 | NA |
807 | 2025-07-10 |
MRISeqClassifier: A Deep Learning Toolkit for Precise MRI Sequence Classification
2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:40502266
|
研究论文 | 开发了一个基于深度学习的工具包MRISeqClassifier,用于精确分类MRI序列 | 针对小型、未经精细处理的MRI数据集,开发了轻量级模型架构并结合投票集成方法,仅需10%的数据即可达到99%的准确率 | 工具包主要针对小型数据集,可能在大规模数据集上的泛化能力未经验证 | 解决MRI序列分类问题,提高诊断工具的准确性和效率 | MRI序列(如T1加权、T2加权和FLAIR) | 计算机视觉 | NA | 深度学习 | 轻量级模型架构和投票集成方法 | MRI图像 | 小型、未经精细处理的MRI数据集 |
808 | 2025-07-10 |
Explainable Diagnosis Prediction through Neuro-Symbolic Integration
2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:40502272
|
研究论文 | 本研究探索了神经符号方法(特别是逻辑神经网络LNNs)在可解释诊断预测中的应用 | 提出基于逻辑神经网络(LNNs)的可解释诊断预测模型,结合领域特定知识,提供特征贡献的直接解释 | 未来研究需要扩展到更大规模和更多样化的数据集以验证方法的普适性 | 开发可解释的诊断预测模型以提升医疗AI应用的准确性和可解释性 | 糖尿病预测 | 医疗AI | 糖尿病 | 神经符号方法(LNNs) | Logical Neural Networks (LNNs) | 医疗数据 | 未明确说明样本量 |
809 | 2025-07-10 |
Regularization by neural style transfer for MRI field-transfer reconstruction with limited data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1579251
PMID:40607454
|
研究论文 | 提出了一种名为RNST的新框架,通过结合神经风格迁移和去噪技术,实现在有限数据条件下的MRI场转移重建 | 首次将神经风格迁移(NST)引擎与去噪器结合,用于MRI场转移重建,无需配对训练数据 | 未明确提及具体的数据量限制或计算资源需求 | 解决有限数据条件下MRI场转移重建的挑战 | MRI图像 | 医学影像分析 | NA | 神经风格迁移(NST) | 深度学习模型(未指定具体架构) | MRI图像数据 | 未明确提及具体样本数量 |
810 | 2025-07-10 |
Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders
2025, Statistics in biopharmaceutical research
IF:1.5Q2
DOI:10.1080/19466315.2024.2368787
PMID:40621507
|
研究论文 | 本文提出了一种名为NIMIWAE的新型VAE架构,用于处理生物医学数据中的不可忽略缺失数据 | NIMIWAE是首批能够灵活处理训练时输入特征中可忽略和不可忽略缺失模式的VAE架构之一 | NA | 解决生物医学数据中复杂缺失数据对深度学习方法的挑战 | 生物医学数据集中的缺失数据 | 机器学习 | NA | VAE | NIMIWAE | 高维不完整数据集 | 12,000名ICU患者的EHR数据集 |
811 | 2025-07-10 |
Video swin-CLSTM transformer: Enhancing human action recognition with optical flow and long-term dependencies
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327717
PMID:40622917
|
research paper | 提出了一种结合光流和长时依赖的视频Swin-CLSTM Transformer模型,用于增强复杂背景下的人类动作识别 | 模型在Video Swin Transformer基础上引入光流信息以抵抗背景干扰,并嵌入ConvLSTM单元增强长时依赖捕捉能力 | 实验仅在UCF-101数据集上进行验证,未展示在其他更复杂数据集上的泛化性能 | 提升复杂背景下视频人类动作识别的准确性和计算效率 | 视频中的人类动作 | computer vision | NA | optical flow, 3D Patch Partition, Patch Merging | Video Swin-CLSTM Transformer (结合Swin Transformer和ConvLSTM) | video | UCF-101数据集(具体样本量未明确说明) |
812 | 2025-07-10 |
Saliency-enhanced infrared and visible image fusion via sub-window variance filter and weighted least squares optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323285
PMID:40622931
|
research paper | 提出了一种新颖的红外与可见光图像融合方法,通过子窗口方差滤波和加权最小二乘优化增强显著特征并提高视觉清晰度 | 采用基于子窗口方差滤波的分解技术和加权最小二乘优化的显著性图测量方案,显著提升重要特征的可见性 | 在处理高度复杂场景时可能存在挑战,未来将通过自适应参数优化和深度学习框架集成来解决 | 提升红外与可见光图像融合的质量,特别是在显著目标突出和纹理细节保留方面 | 红外与可见光图像 | computer vision | NA | sub-window variance filter (SVF), weighted least squares optimization (WLSO) | NA | image | 三个公共数据集 |
813 | 2025-07-10 |
Air-ground collaborative multi-source orbital integrated detection system: Combining 3D imaging and intrusion recognition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326951
PMID:40623035
|
研究论文 | 提出了一种空地协作的多源轨道综合检测系统,结合3D成像和入侵识别技术 | 系统采用改进的LOAM-SLAM算法和优化的ICP算法实现实时动态映射和高精度点云配准与着色,YOLOv3-ResNet融合模型在入侵检测中表现出色 | 未提及系统在极端天气条件下的具体性能表现 | 提高铁路轨道检测的效率和安全性 | 铁路基础设施 | 计算机视觉 | NA | LiDAR, 深度学习 | YOLOv3-ResNet融合模型 | 点云数据, 图像 | 未明确提及具体样本数量 |
814 | 2025-07-10 |
Deep learning-based prediction model of acute kidney injury following coronary artery bypass grafting in coronary heart disease patients: a multicenter clinical study from China
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1600012
PMID:40625392
|
研究论文 | 本研究旨在利用机器学习技术开发一个稳健的风险预测模型,用于预测冠状动脉搭桥术后急性肾损伤 | 使用XGBoost模型在内部和外部验证中表现最佳,展示了其稳健性和泛化能力,同时整合了多机构患者数据,显著提高了AKI风险评估 | 研究为回顾性设计,可能存在选择偏倚,且外部验证队列规模相对较小 | 开发一个用于预测冠状动脉搭桥术后急性肾损伤的机器学习模型 | 冠状动脉疾病患者 | 机器学习 | 心血管疾病 | 机器学习 | XGBoost, SVM, DT, RF, AdaBoost | 临床数据 | 3,043名冠状动脉疾病患者(训练集2,130名,验证集913名),外部验证队列878名患者 |
815 | 2025-07-10 |
Ves-GAN: Unsupervised Vessel-Targeted Low-Dose Coronary Computed Tomography Angiography Denoising Framework
2025, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0149
PMID:40625644
|
research paper | 本研究开发了一种名为Ves-GAN的无监督去噪框架,用于低剂量冠状动脉CT血管造影(LDCTA),在降低噪声的同时保留血管结构 | Ves-GAN采用高频感知数据增强策略和高频挤压-激励模块,以及血管一致性损失,以在去噪过程中保持血管结构完整性 | 虽然Ves-GAN在无监督模型中表现优异,但仍需进一步验证其在更广泛临床场景中的适用性 | 开发一种无监督的去噪框架,以提高低剂量冠状动脉CT血管造影的图像质量 | 低剂量冠状动脉CT血管造影图像 | digital pathology | cardiovascular disease | CT angiography | GAN | image | 50 CT scans reviewed by 3 radiologists |
816 | 2025-07-10 |
Machine learning combined multi-omics analysis to explore key oxidative stress features in systemic lupus erythematosus
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1567466
PMID:40625749
|
研究论文 | 本研究结合机器学习和多组学分析,探索系统性红斑狼疮(SLE)中关键的氧化应激特征及其相互关系 | 结合多种机器学习方法和多组学数据,识别了SLE中与氧化应激相关的关键基因和代谢通路 | 样本量相对较小,且主要基于公开数据集和有限的患者样本 | 探索系统性红斑狼疮发病机制中的关键氧化应激特征 | 系统性红斑狼疮患者和健康对照者的免疫细胞和血液样本 | 机器学习 | 系统性红斑狼疮 | 转录组分析、代谢组学(LC-MS)、单细胞转录组分析、RT-qPCR | 深度学习(DL)、随机森林(RF)、XGBoost、支持向量机(SVM)、LASSO | 转录组数据、代谢组数据、单细胞数据 | 来自GEO的三个转录组数据集和SLE患者与健康对照者的外周血样本 |
817 | 2025-07-10 |
Hybrid model for predicting microsatellite instability in colorectal cancer using hematoxylin & eosin-stained images and clinical features
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1580195
PMID:40626015
|
研究论文 | 提出一种混合模型,结合病理图像和临床特征预测结直肠癌中的微卫星不稳定性(MSI) | 开发了一种结合病理图像特征和临床特征的混合预测模型,用于预测MSI状态,并进行了基因富集分析和蛋白质相互作用网络构建 | 研究样本量有限,外部验证队列规模较小 | 预测结直肠癌中的微卫星不稳定性(MSI)状态 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习,基因富集分析,蛋白质-蛋白质相互作用网络分析 | 混合模型(结合CNN和临床特征模型) | 图像(H&E染色病理图像),临床数据,mRNA测序数据 | 总样本682例(TCGA队列559例,东阳队列123例) |
818 | 2025-07-10 |
A systematic survey: role of deep learning-based image anomaly detection in industrial inspection contexts
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1554196
PMID:40626146
|
综述 | 本文系统性地回顾了工业制造中基于深度学习的图像异常检测方法 | 全面比较了传统技术与深度学习在异常检测中的最新进展,并探讨了无人机、机械臂和AGV在异常检测中的创新应用 | 未提及具体实验验证或实际工业应用中的性能表现 | 推动智能制造中高质量过程检测的先进方法发展 | 工业制造中的图像异常检测 | 计算机视觉 | NA | 深度学习 | 监督学习、无监督学习、半监督学习 | 图像 | NA |
819 | 2025-07-10 |
Artificial intelligence in early warning systems for infectious disease surveillance: a systematic review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1609615
PMID:40626156
|
系统综述 | 本文系统综述了人工智能在传染病监测早期预警系统中的应用现状、关键技术、数据来源、优势与挑战 | 全面评估了AI在传染病早期预警系统中的多种技术应用及整合多源数据的潜力 | 存在数据质量与偏差问题、模型透明度不足('黑箱'问题)、系统整合困难以及隐私与公平等伦理考量 | 评估人工智能技术如何增强传染病监测的早期预警系统 | 传染病早期预警系统中的人工智能应用 | 自然语言处理 | 传染病 | 机器学习(ML)、深度学习(DL)、自然语言处理(NLP) | NA | 流行病学数据、网络数据、气候数据、废水数据等多源数据 | 67项相关研究 |
820 | 2025-07-10 |
Adverse drug reaction signal detection via the long short-term memory model
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1554650
PMID:40626311
|
研究论文 | 本研究通过长短期记忆模型(LSTM)进行药物不良反应信号检测,并与传统方法进行比较 | 将深度学习模型引入药物不良反应信号检测,提高了检测的敏感性和F1分数 | 研究仅基于广东省ADR监测中心的数据,可能不具有全国代表性 | 改进药物不良反应信号检测方法,提高检测准确率 | 药物不良反应信号 | 自然语言处理 | NA | LSTM模型 | LSTM | 文本 | 2,376个ADR信号(448个阳性信号和1,928个阴性信号) |