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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
841 | 2025-07-22 |
A medical image classification method based on self-regularized adversarial learning
2024-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17320
PMID:39078069
|
研究论文 | 提出一种基于自正则化对抗学习的医学图像分类方法,旨在解决医学图像数据中的小样本、类别不平衡和图像质量变化大等挑战 | 创新性地将GAN模型作为辅助正则化项支持分类任务,无需额外数据标注,通过对抗学习策略提升分类性能 | 模型性能依赖于对抗网络的质量,且需要较大训练数据量来优化GAN模型 | 提升医学图像分类的准确性并缓解过拟合问题 | 医学图像数据(胸部X光片和正电子发射断层扫描图像) | 数字病理学 | COVID-19, 口咽鳞状细胞癌 | GAN, 深度学习 | GAN-DL(包含F-Net、R-Net、D-Net) | 图像 | COVID-19数据集包含13,958张胸部X光片,OPSCC数据集包含3,255张正电子发射断层扫描图像 |
842 | 2025-07-22 |
A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00419-7
PMID:39465112
|
系统综述 | 本文系统综述了基于深度学习的低剂量计算机断层扫描(LDCT)去噪方法,特别关注感知质量的提升 | 专注于提升LDCT图像的感知质量,提出平衡感知与诊断质量的新研究方向 | 当前基准测试的局限性及感知质量评估的主观性 | 提升低剂量计算机断层扫描(LDCT)图像的感知质量,以满足临床诊断需求 | 低剂量计算机断层扫描(LDCT)图像 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | NA |
843 | 2025-07-22 |
Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis
2024-Oct-31, ArXiv
PMID:39575118
|
研究论文 | 提出了一种名为Supervised Independent Subspace Principal Component Analysis (sisPCA)的新方法,用于多子空间学习和高维数据的可解释表示 | sisPCA结合了Hilbert-Schmidt独立性准则(HSIC),能够同时确保子空间解耦和监督学习,弥补了传统线性方法和深度学习在可解释性上的不足 | NA | 开发一种能够同时处理多子空间学习并保持可解释性的高维数据表示方法 | 高维数据 | 机器学习 | 乳腺癌, 疟疾 | PCA扩展方法 | sisPCA | 图像特征, DNA甲基化数据, 单细胞数据 | NA |
844 | 2025-07-22 |
The gene expression signature of electrical stimulation in the human brain
2024-Oct-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.21.558812
PMID:37790527
|
研究论文 | 本研究通过转录组和表观基因组测序技术,揭示了人类大脑前颞叶直接电刺激后分子水平的变化,特别是小胶质细胞特异性细胞因子活性的基因表达变化 | 首次揭示了电刺激对人类大脑分子水平的影响,特别是发现小胶质细胞对电刺激的强烈反应,挑战了电刺激主要影响神经元基因表达的传统观点 | 研究样本可能仅限于特定神经外科手术患者,结果可能无法推广到所有人群 | 探究电刺激对人类大脑分子水平的影响 | 人类大脑前颞叶和小胶质细胞 | 神经科学 | 神经系统疾病 | 转录组和表观基因组测序技术 | 深度学习计算工具 | 基因表达数据 | 神经外科手术患者和小鼠模型 |
845 | 2025-07-22 |
Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models
2024-Oct-10, HGG advances
DOI:10.1016/j.xhgg.2024.100347
PMID:39205391
|
研究论文 | 本文探讨了利用基因组基础模型从DNA序列中预测个性化基因表达的方法 | 使用预训练的Nucleotide Transformer嵌入来缩小个体间基因表达预测的性能差距 | 需要更多训练数据以进一步提升模型准确性 | 提高从DNA序列预测个性化基因表达的准确性 | 290个个体的基因型和表达数据 | 功能基因组学 | NA | 深度学习 | transformer | DNA序列数据 | 290个个体 |
846 | 2025-07-22 |
Integrated image-based deep learning and language models for primary diabetes care
2024-Oct, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03139-8
PMID:39030266
|
研究论文 | 开发了一个结合大型语言模型和图像深度学习的集成系统(DeepDR-LLM),用于提供个性化的糖尿病管理建议 | 结合大型语言模型(LLM)和图像深度学习(DeepDR-Transformer)的创新集成系统,用于糖尿病初级护理和糖尿病视网膜病变筛查 | 仅进行了单中心前瞻性研究,样本量有限,且仅测试了英语和中文环境 | 提升初级糖尿病护理和糖尿病视网膜病变筛查的效率和质量 | 初级保健医生(PCPs)和糖尿病患者 | 数字病理学 | 糖尿病 | 深度学习,大型语言模型 | Transformer, LLM | 图像,文本 | 回顾性评估和前瞻性研究(n=397未辅助组,n=372辅助组) |
847 | 2025-07-22 |
Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making
2024-Oct, Seminars in radiation oncology
IF:2.6Q2
DOI:10.1016/j.semradonc.2024.07.012
PMID:39271273
|
研究论文 | 本文探讨了数据科学在改善放射治疗计划和临床决策中的应用 | 提出利用深度学习改进预测模型,并结合多种数据源(如基因组学、放射组学和剂量组学)来个性化放射治疗 | 未提及具体实施中的技术或数据获取难度 | 通过改进建模方法,利用新数据源更好地指导放射治疗 | 放射治疗计划和临床决策 | 数字病理学 | 肿瘤 | 深度学习 | NA | 基因组学、放射组学、剂量组学数据 | NA |
848 | 2025-07-22 |
Association of quantitative histopathology measurements with antemortem medial temporal lobe cortical thickness in the Alzheimer's disease continuum
2024-09-03, Acta neuropathologica
IF:9.3Q1
DOI:10.1007/s00401-024-02789-9
PMID:39227502
|
研究论文 | 本研究开发了两种深度学习算法,用于定量测量磷酸化tau蛋白(p-tau)和TDP-43蛋白(pTDP-43)的病理变化,并探讨了这些病理变化与阿尔茨海默病(AD)和LATE疾病中内侧颞叶(MTL)结构变化的关系 | 开发了定量测量p-tau和pTDP-43病理变化的深度学习算法,并首次系统比较了定量与半定量病理测量方法在预测MTL结构变化方面的差异 | 研究样本量相对有限(140例),且仅针对特定脑区(MTL)进行分析 | 探讨神经退行性疾病中蛋白质病理变化与脑结构变化的关系 | 阿尔茨海默病(AD)和LATE疾病患者的内侧颞叶组织 | 数字病理学 | 阿尔茨海默病 | 深度学习 | 深度学习算法(未指定具体模型) | 组织切片图像 | 140例有生前MRI影像的病例 |
849 | 2025-07-22 |
Presurgical Upgrade Prediction of DCIS to Invasive Ductal Carcinoma Using Time-dependent Deep Learning Models with DCE MRI
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230348
PMID:38900042
|
研究论文 | 本研究探讨了时间依赖的深度学习模型在预测导管原位癌(DCIS)术前升级为浸润性导管癌方面的表现,优于单时间点模型 | 首次将时间依赖的深度学习模型(CNN-LSTM)应用于DCE MRI数据,无需病灶分割即可预测DCIS升级为浸润性恶性肿瘤 | 样本量较小(154例),且为回顾性研究 | 提高DCIS术前升级为浸润性恶性肿瘤的预测准确性 | 154例活检证实的DCIS病例(25例升级,129例未升级) | 数字病理学 | 乳腺癌 | 动态对比增强MRI(DCE MRI) | CNN-LSTM | MRI图像 | 154例DCIS病例(25例升级,129例未升级) |
850 | 2025-07-22 |
Prediction of extraction difficulty for impacted maxillary third molars with deep learning approach
2024-09, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101817
PMID:38458545
|
研究论文 | 本研究旨在通过深度学习模型预测上颌阻生第三磨牙的手术难度 | 首次使用深度学习模型(YoloV5x)自动分割和分类上颌阻生第三磨牙的手术难度 | 数据集仅包含708张全景X光片,可能不足以代表所有情况 | 预测上颌阻生第三磨牙的手术难度,为临床医生提供决策支持 | 上颌阻生第三磨牙 | 数字病理 | 口腔疾病 | 深度学习 | YoloV5x | 图像 | 708张全景X光片 |
851 | 2025-07-22 |
Clinical Translation of a Deep Learning Model of Radiation-Induced Lymphopenia for Esophageal Cancer
2024-Sep, International journal of particle therapy
IF:2.1Q2
DOI:10.1016/j.ijpt.2024.100624
PMID:39228692
|
research paper | 该研究开发了一种深度学习模型,用于预测食管癌患者放疗诱导的淋巴细胞减少症风险,并将其转化为一种策略,将免疫系统作为风险器官纳入放疗计划优化中 | 首次将深度学习模型预测的淋巴细胞减少症风险转化为放疗计划优化策略,将免疫系统作为风险器官考虑 | 研究基于回顾性数据和小样本量(20例患者),需要前瞻性临床试验验证 | 开发并转化深度学习模型,以减轻食管癌放疗诱导的淋巴细胞减少症风险 | 食管癌患者 | digital pathology | esophageal cancer | intensity-modulated radiation therapy (IMRT), passively-scattered proton therapy (PSPT), intensity-modulated proton therapy (IMPT) | deep learning | clinical data | 20例食管癌患者(10例IMRT和10例PSPT) |
852 | 2025-07-22 |
Investigating the relationship between radiographic joint space width loss and deep learning-derived magnetic resonance imaging-based cartilage thickness loss in the medial weight-bearing region of the tibiofemoral joint
2024-Sep, Osteoarthritis and cartilage open
DOI:10.1016/j.ocarto.2024.100508
PMID:39238657
|
research paper | 研究放射学关节间隙宽度损失与深度学习衍生的MRI软骨厚度损失之间的关系 | 使用深度学习技术从MRI数据中提取软骨厚度参数,并分析其与放射学关节间隙宽度损失的关系 | 样本量相对较小(n=256),且仅关注了胫股关节内侧负重区域的局部变化 | 探讨早期骨关节炎进展过程中放射学与MRI测量指标的相关性 | 骨关节炎患者的膝关节(来自OAI研究) | digital pathology | geriatric disease | MRI, 深度学习 | deep learning | medical imaging | 256例膝关节(来自OAI研究) |
853 | 2025-07-22 |
Characterization of arteriosclerosis based on computer-aided measurements of intra-arterial thickness
2024-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.5.057501
PMID:39398866
|
研究论文 | 开发了一种基于计算机视觉的方法,用于量化肾脏活检数字病理图像中的动脉内厚度,作为动脉硬化的计算生物标志物 | 提出了一种多类深度学习框架,用于分割不同的动脉内腔室,并通过径向采样和病理特征提取来描述动脉壁特性 | 研究仅基于33个肾脏活检样本,样本量相对较小 | 开发一种计算生物标志物,用于动脉硬化的量化评估 | 肾脏活检数字病理图像中的动脉 | 数字病理 | 心血管疾病 | 深度学习 | 多类深度学习框架 | 图像 | 753条动脉来自33张肾脏活检全切片图像(WSIs) |
854 | 2025-07-22 |
ConIQA: A deep learning method for perceptual image quality assessment with limited data
2024-Aug-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70469-5
PMID:39209864
|
研究论文 | 提出了一种名为ConIQA的深度学习方法,用于在有限数据条件下进行感知图像质量评估 | 利用一致性训练和新型数据增强方法,从有标签和无标签数据中学习,适用于标签数据稀缺的场景 | 在特定领域(如计算机生成全息术)的失真模式未明确考虑现有IQA方法的情况下,性能可能受限 | 开发一种在有限标签数据条件下仍能有效评估图像质量的深度学习方法 | 虚拟现实(VR)和增强现实(AR)应用中的图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 1000张自然图像,每张与使用不同CGH算法渲染的图像配对,并由13名人类参与者进行质量评分 |
855 | 2025-07-22 |
Expert-Level Detection of Referable Glaucoma from Fundus Photographs in a Safety Net Population: The AI and Teleophthalmology in Los Angeles Initiative
2024-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.25.24312563
PMID:39252888
|
研究论文 | 开发并测试了一种基于深度学习的算法,用于在洛杉矶县卫生服务部远程视网膜筛查项目中检测可转诊青光眼 | 该深度学习算法在检测可转诊青光眼方面达到或超过了眼科医生和验光师的性能,且性能与经验水平无关 | 研究结果基于特定人群(洛杉矶县卫生服务部远程视网膜筛查项目的数据),可能在其他人群中表现不同 | 开发一种深度学习算法,用于青光眼的筛查和诊断 | 可转诊青光眼的检测 | 数字病理学 | 青光眼 | 深度学习 | VGG-19 | 图像 | 12,098张眼底照片来自5,616名患者(2,086名可转诊青光眼,3,530名非青光眼)用于训练,1,000张照片来自500名患者(250名可转诊青光眼,250名非青光眼)用于测试 |
856 | 2025-07-22 |
Multimodal fusion learning for long QT syndrome pathogenic genotypes in a racially diverse population
2024-Aug-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01218-1
PMID:39181999
|
研究论文 | 开发了一种结合心电图波形和电子健康记录数据的深度学习方法,用于评估患者是否携带导致长QT综合征的致病基因变异 | 首次将多模态融合学习应用于长QT综合征致病基因型的识别,特别是在种族多样化人群中 | 模型在独立测试数据上的精确召回曲线下面积较低(0.29) | 开发一种能够识别长QT综合征致病基因变异的深度学习方法 | 携带长QT综合征易感基因致病变异的患者 | 机器学习 | 心血管疾病 | 多模态融合学习 | 深度学习 | 心电图波形和电子健康记录数据 | 来自英国生物银行(UKBB)和西奈山BioMe生物银行的多样化人群队列 |
857 | 2025-07-22 |
FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology
2024-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.09.602778
PMID:39026885
|
research paper | 介绍了一个名为FUSION的基于网络的应用程序,用于深入探索多组学数据与明视野组织学的关联 | 开发了一个整合分子数据和病理学特征的网络工具,提供可视化和深度学习算法,用于空间组学数据和高分辨率组织学图像的深入分析 | NA | 连接分子数据和病理学特征,以探索健康和病变细胞状态 | 空间转录组学数据(ST)和全幻灯片图像(WSIs) | digital pathology | NA | spatial transcriptomics (ST) | deep learning-based algorithms | image, molecular data | formalin-fixed paraffin embedded (FFPE) and frozen prepared datasets |
858 | 2025-07-22 |
Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging
2024-08-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68875-w
PMID:39117664
|
研究论文 | 本文提出了一种名为StrainNet的新型深度学习方法,用于通过超声成像在体内准确估计软组织肌腱的变形 | 提出了一种新型深度学习模型StrainNet,能够在具有挑战性的体内环境中准确测量组织变形,性能优于传统方法近90% | NA | 开发一种能够在体内准确测量组织变形的工具,以评估组织健康和疾病进展 | 人体屈肌腱 | 计算机视觉 | NA | 高频超声成像 | 深度学习模型StrainNet | 图像 | NA |
859 | 2025-07-22 |
Phenotyping COVID-19 respiratory failure in spontaneously breathing patients with AI on lung CT-scan
2024-08-05, Critical care (London, England)
DOI:10.1186/s13054-024-05046-3
PMID:39103945
|
研究论文 | 本研究利用深度学习分析肺部CT扫描,结合临床和实验室数据,识别COVID-19呼吸衰竭患者的亚型 | 首次将深度学习测量的肺部CT特征与临床和实验室数据结合,用于COVID-19呼吸衰竭患者的亚型识别 | 研究样本量有限(559例患者),且为观察性队列研究,可能存在选择偏倚 | 通过AI技术分析肺部CT扫描,识别COVID-19呼吸衰竭患者的亚型 | COVID-19呼吸衰竭患者 | 数字病理学 | COVID-19 | 深度学习 | 深度学习模型 | 图像(肺部CT扫描) | 559例COVID-19呼吸衰竭患者 |
860 | 2025-07-22 |
Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning
2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202400596
PMID:38887178
|
研究论文 | 本研究开发了一种基于皮肤阻抗传感器和注意力深度学习算法的非侵入性早期非酒精性脂肪肝病(NAFLD)检测方法 | 结合低电极-皮肤接触阻抗的柔性皮肤传感器与注意力深度学习算法,显著提高了早期NAFLD的检测准确率 | 研究仅在Ldlr基因敲除小鼠模型中进行,尚未在人体临床试验中验证 | 开发一种非侵入性、高准确率的早期NAFLD检测方法 | 高脂饮食诱导的Ldlr基因敲除小鼠模型与健康对照组 | 数字病理学 | 非酒精性脂肪肝病 | 皮肤阻抗传感技术、深度学习 | 注意力机制深度学习算法 | 生物阻抗信号 | Ldlr基因敲除小鼠模型与健康对照组(具体数量未明确说明) |