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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
901 | 2025-07-03 |
ECG signal generation using feature disentanglement auto-encoder
2025-Jan-30, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adab4f
PMID:39820006
|
研究论文 | 提出一种特征解缠自动编码器(FDAE)用于生成心电图(ECG)信号,以解决罕见类别样本生成困难的问题 | 设计了一种新型的自动编码器结构,通过对比学习框架解缠ECG数据中的生成因子,并引入分类器和判别器提升生成信号的真实性 | 未明确提及模型在更复杂或噪声更大的ECG数据上的表现 | 提升ECG信号生成能力,特别是针对罕见心脏事件的样本生成 | 心电图(ECG)信号 | 机器学习 | 心血管疾病 | 对比学习、特征解缠 | 自动编码器(FDAE) | ECG信号数据 | MIT-BIH心律失常数据库和Icentia11K数据集 |
902 | 2025-07-03 |
A systematic review of automated prediction of sudden cardiac death using ECG signals
2025-Jan-23, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad9ce5
PMID:39657316
|
综述 | 本文系统回顾了2011至2023年间利用ECG信号自动预测心源性猝死(SCD)的研究进展 | 全面分析了机器学习和深度学习模型在SCD预测中的应用,并指出当前技术的局限性和未来研究方向 | 大多数预测模型基于小规模数据库,且主要依赖ECG和HRV信号,忽略了其他生理信号的潜在贡献 | 探索自动预测心源性猝死的方法,以提高预测准确性和实时临床应用可能性 | 心源性猝死(SCD)患者 | 机器学习 | 心血管疾病 | ECG和HRV信号分析 | K近邻、支持向量机、决策树、随机森林、朴素贝叶斯、卷积神经网络 | ECG信号 | 使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm,包含大量24小时SCD患者记录 |
903 | 2025-07-03 |
Deep learning generalization for diabetic retinopathy staging from fundus images
2025-Jan-22, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ada86a
PMID:39788077
|
research paper | 本文提出了一种名为DRStageNet的深度学习模型,用于从眼底图像中准确分期糖尿病视网膜病变,并解决模型在不同目标域中的泛化问题 | 使用六个公共和独立数据集,结合多源域微调策略,显著提升了模型在目标域中的泛化性能 | 错误分析显示60%的错误源于标签错误,表明数据标注质量可能影响模型性能 | 开发一个能够准确分期糖尿病视网膜病变并具有良好泛化能力的深度学习模型 | 糖尿病视网膜病变患者的眼底图像 | digital pathology | diabetic retinopathy | deep learning | ViT | image | 91,984张眼底图像 |
904 | 2025-07-03 |
Computer vision analysis of luteal color Doppler ultrasonography for early and automated pregnancy diagnosis in Bos taurus beef cows
2025-Jan-04, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skaf166
PMID:40355396
|
研究论文 | 本研究评估了应用监督深度学习算法在肉牛中使用黄体彩色多普勒超声进行早期和实时妊娠诊断的适用性 | 首次将深度学习算法应用于黄体彩色多普勒超声图像,实现比行业标准方法更早的妊娠诊断 | 研究仅基于390头牛的样本,可能需要更大样本量验证模型的泛化能力 | 开发早期和自动化的牛妊娠诊断方法 | 肉牛(Bos taurus beef cows) | 计算机视觉 | NA | 彩色多普勒超声 | CNN(VGG19, Xception, ResNet50) | 超声视频 | 390头母牛,提取20546帧有效图像(D20:10533帧,D22:10413帧) |
905 | 2025-07-03 |
Donor-specific digital twin for living donor liver transplant recovery
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf037
PMID:40486178
|
研究论文 | 本文提出了一种基于深度学习的个性化数字孪生模型,用于预测活体肝移植供体的肝脏恢复轨迹 | 结合基因表达数据和数学模型,开发了可解释的个性化数字孪生模型,用于预测供体特异性恢复轨迹 | 样本量较小(12名供体),需要更大规模的验证 | 提高活体肝移植手术的安全性和供体恢复效果 | 活体肝移植供体的肝脏恢复过程 | 数字病理学 | 肝脏疾病 | 基因表达分析,深度学习 | 数字孪生模型,微分方程模型 | 基因表达数据 | 12名供体,跟踪一年 |
906 | 2025-07-03 |
Retinal vessel metric analysis of type 1 diabetes mellitus in OCT angiography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1562809
PMID:40584707
|
研究论文 | 通过光学相干断层扫描血管成像(OCTA)研究1型糖尿病(T1DM)患者在不同阶段的视网膜血管特征 | 使用深度学习模型对OCTA图像中的视网膜动脉和静脉进行分割,并分析不同区域的血管指标变化 | 样本量较小(63名T1DM患者和40名健康个体),且为回顾性研究 | 探究1型糖尿病患者的视网膜血管特征及其与糖尿病视网膜病变(DR)的关系 | 1型糖尿病患者的视网膜血管 | 数字病理学 | 糖尿病 | 光学相干断层扫描血管成像(OCTA) | 深度学习模型 | 图像 | 63名T1DM患者(110只眼)和40名健康个体(79只眼) |
907 | 2025-07-03 |
A hybrid transformer-based approach for early detection of Alzheimer's disease using MRI images
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30849
PMID:40584904
|
研究论文 | 提出了一种基于Transformer的混合方法,利用MRI图像进行阿尔茨海默病的早期检测 | 结合了迁移学习、Transformer网络和RNN(LSTM)的多模态方法,从多个视角(矢状面、冠状面、轴向)捕捉MRI图像的全面特征 | 未提及模型在其他独立数据集上的泛化能力 | 提高阿尔茨海默病的早期诊断准确率 | 阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI成像 | Transformer, ResNet50, LSTM | 图像 | ADNI数据集(具体数量未说明) |
908 | 2025-07-03 |
Convolutional-LSTM approach for temporal catch hotspots (CATCH): an AI-driven model for spatiotemporal forecasting of fisheries catch probability densities
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf045
PMID:40585182
|
研究论文 | 本文提出了一种名为CATCH的卷积长短期记忆神经网络模型,用于预测冰岛水域鱼类资源的时空概率密度,以支持渔业的操作规划和适应性策略 | 首次利用大规模冰岛渔船数据整合多维输入(如深度、底部温度、盐度、溶解氧和捕获数据)进行准确的多变量预测 | 尽管模型表现良好,但决策过程中仍可能受到数据收集质量和范围的限制 | 开发数据驱动的预测方法以优化渔业操作和增强可持续性 | 冰岛水域的鱼类资源(如鳕鱼、黑线鳕、绿青鳕、金红鱼和格陵兰大比目鱼) | 机器学习 | NA | 卷积长短期记忆神经网络(Convolutional-LSTM) | CNN-LSTM | 多维输入数据(深度、温度、盐度、溶解氧和捕获数据) | 大规模冰岛渔船数据 |
909 | 2025-07-03 |
An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1534830
PMID:40585404
|
research paper | 提出一种基于深度学习的DIY框架,用于间质葡萄糖预测,帮助1型糖尿病患者进行自我管理 | 首次提供基于深度学习的完全个性化葡萄糖预测的DIY方法,且框架开源并可在Docker中部署 | 工具未能长期吸引用户使用,限制了其对日常自我管理的潜在益处 | 开发一种能够准确预测短期葡萄糖水平的工具,以改善1型糖尿病患者的自我管理 | 1型糖尿病患者 | machine learning | type 1 diabetes | continuous glucose monitoring (CGM) | DL | CGM raw data | 29名1型糖尿病患者的一年CGM数据 |
910 | 2025-07-03 |
Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1633817
PMID:40585403
|
research paper | 评估斯坦福B型主动脉夹层患者在TEVAR术后血管周围脂肪密度与残余假腔形成的关系 | 首次提出血管周围脂肪组织(PVAT)衰减指标HUΔ和HUratio作为预测TEVAR术后残余假腔形成的非侵入性影像生物标志物 | 回顾性研究设计,样本量有限(132例),需前瞻性研究验证结果 | 探究PVAT衰减在预测TEVAR术后残余假腔形成中的作用 | 斯坦福B型主动脉夹层(TBAD)患者 | 数字病理 | 心血管疾病 | 计算机断层扫描血管造影(CTA) | TotalSegmenter深度学习模型 | 影像数据 | 132例2016-2024年间在福建省立医院接受TEVAR的TBAD患者 |
911 | 2025-07-03 |
Leveraging machine learning models in evaluating ADMET properties for drug discovery and development
2025, ADMET & DMPK
DOI:10.5599/admet.2772
PMID:40585410
|
综述 | 本文探讨了机器学习模型在药物发现和开发中评估ADMET(吸收、分布、代谢、排泄和毒性)特性的应用及其革命性影响 | 机器学习模型在ADMET预测中展现出比传统QSAR模型更高的准确性,为药物开发提供了快速、经济且可重复的替代方案 | 数据质量、算法透明度和监管接受度等挑战仍然存在 | 研究机器学习模型如何改进ADMET预测,以加速早期药物开发决策 | ADMET特性的预测模型及其在药物发现中的应用 | 机器学习 | NA | 监督学习和深度学习技术 | QSAR模型、机器学习模型 | 分子描述符和数据集 | NA |
912 | 2025-07-03 |
Deep learning in obsessive-compulsive disorder: a narrative review
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1581297
PMID:40585546
|
review | 本文综述了深度学习在强迫症(OCD)研究中的应用,包括诊断分类、症状分类和治疗效果预测 | 深度学习利用神经影像、EEG和临床数据在OCD诊断分类中表现出高准确率(80-98%),并在症状分类和治疗反应预测方面显示出潜力 | 当前模型受限于小样本量、缺乏治疗预测比较以及早期反应检测或可扩展监测解决方案的不足 | 探索深度学习在OCD诊断和治疗中的应用潜力 | 强迫症(OCD)患者 | machine learning | psychiatric disorder | deep learning | NA | neuroimaging, EEG, clinical data | 10项研究(具体样本量未明确说明) |
913 | 2025-07-03 |
7T magnetic resonance imaging-based investigation of the correlation between mammillary body structure and cognitive impairment in patients with spinocerebellar ataxia type 3
2025, Psychoradiology
DOI:10.1093/psyrad/kkaf010
PMID:40586051
|
研究论文 | 本研究利用7T磁共振成像技术探讨了脊髓小脑共济失调3型(SCA3)患者乳头体结构与认知障碍之间的相关性 | 首次使用7T MRI技术定量分析SCA3患者Papez环路(包括乳头体、乳头丘脑束和后连合穹窿)的结构变化及其与认知功能的关系 | 横断面研究设计无法确定因果关系,样本量相对较小 | 探究SCA3患者认知障碍与Papez环路结构变化的关系 | 46名SCA3患者和48名健康对照 | 神经影像学 | 脊髓小脑共济失调 | 7T MRI | 深度学习模型 | MRI图像 | 94名参与者(46名患者+48名对照) |
914 | 2025-07-03 |
Unsupervised cell line embedding using pairwise drug response correlation
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.06.018
PMID:40586099
|
研究论文 | 本文介绍了一种基于对比学习的无监督深度学习模型,用于整合异质性药物反应筛选数据,生成统一的细胞系嵌入 | 提出了一种新的无监督深度学习模型,通过对比学习整合异质性药物反应数据,提高了药物-细胞系相关下游机器学习任务的性能 | 未明确提及具体局限性,但可能包括模型对数据质量和完整性的依赖 | 优化细胞系模型的利用,提高药物发现和疾病理解的效率 | 1,673个癌症细胞系(来自Cancer Dependency Map) | 机器学习 | 癌症 | 对比学习 | 无监督深度学习模型 | 药物反应数据、基因表达数据 | 1,673个癌症细胞系(其中1,136个用于训练,537个用于测试) |
915 | 2025-07-03 |
Deep learning based deconvolution methods: A systematic review
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.05.038
PMID:40586100
|
系统综述 | 本文系统回顾了人工智能和深度学习在细胞反卷积工具开发中的应用,特别关注其在RNA测序转录组数据分析中的作用 | 强调了高质量参考图谱对提高反卷积方法准确性的重要性,并指出了当前研究中的关键空白 | 需要标准化方法和提高模型可解释性 | 评估AI和DL在细胞反卷积工具开发中的应用 | 转录组数据 | 机器学习 | NA | RNA测序 | 深度学习 | 转录组数据 | NA |
916 | 2025-07-03 |
Deep learning system for the auxiliary diagnosis of thyroid eye disease: evaluation of ocular inflammation, eyelid retraction, and eye movement disorder
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1609231
PMID:40589523
|
research paper | 本研究构建了一个基于语义分割的甲状腺眼病辅助诊断模型,专注于眼睑退缩、眼球运动障碍和与临床活动评分相关的眼部炎症,以实现快速无创诊断 | 采用双分支特征提取和融合策略的TBRM-Net和DSR-Net,设计了定量诊断算法,提高了诊断的准确性和可解释性 | 样本量相对较小,仅包含153名受试者 | 构建甲状腺眼病的辅助诊断模型,提高诊断效率和治疗效果 | 甲状腺眼病患者,特别是表现出眼睑退缩、眼球运动障碍和眼部炎症症状的患者 | digital pathology | thyroid eye disease | deep learning | TBRM-Net, DSR-Net | image | 153名受试者,303只眼睛(主要位置数据集),1,199只眼睛(注视位置数据集),272只眼睛(多标签炎症分类数据集) |
917 | 2025-07-03 |
Optimizing physical education schedules for long-term health benefits
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1555977
PMID:40589818
|
研究论文 | 本研究提出了一种利用深度学习技术优化体育教育课程安排的方法,以提高学生的长期健康效益 | 结合CNN和LSTM网络层,捕捉人口统计和活动相关变量的时空特征,并采用定制损失函数准确预测健康分数 | 未提及模型在不同教育环境中的泛化能力或具体实施挑战 | 优化体育教育课程安排以最大化学生的健康效益 | 学生群体及其体育活动数据 | 机器学习 | NA | 深度学习 | CNN, LSTM | 人口统计和活动相关变量 | 未明确提及具体样本量 |
918 | 2025-07-03 |
Identification of yellow vein clearing disease in lemons based on hyperspectral imaging and deep learning
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1554514
PMID:40589954
|
研究论文 | 本研究利用高光谱成像技术和深度学习技术,开发了一种高效准确检测柠檬黄脉明病的新方法 | 首次将高光谱成像技术应用于柠檬黄脉明病的检测,并提出了一种新型混合3D-2D-LcNet架构,优化了高维数据处理 | 研究仅针对柠檬黄脉明病,未验证在其他植物病害上的适用性 | 开发基于高光谱成像和深度学习的植物病害快速诊断方法 | 柠檬植株的黄脉明病 | 计算机视觉 | 植物病害 | 高光谱成像(HSI) | 3D-2D-LcNet, 3D-ShuffleNetV2, 2D-LcNet, 2D-ShuffleNetV2, SVM, PLS-DA | 高光谱图像 | NA |
919 | 2025-07-03 |
Comparative analysis of adaptive and general labeling methods for soybean leaf detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1582303
PMID:40589953
|
研究论文 | 比较分析自适应和通用标记方法在大豆叶片检测中的效果 | 提出了一种新的基于叶片长度和底部极值信息的上下文感知标记方法,并与传统通用标记方法进行比较 | 研究仅针对大豆叶片检测,未涉及其他作物或植物器官 | 提高基于AI的大豆叶片检测在精准农业中的准确性和效率 | 大豆叶片 | 计算机视觉 | NA | YOLOv5L深度学习模型 | CNN | 图像 | 高分辨率大豆图像(具体数量未提及) |
920 | 2025-07-03 |
Deep learning for enhanced prediction of diabetic retinopathy: a comparative study on the diabetes complications data set
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1591832
PMID:40589972
|
研究论文 | 本研究通过比较传统统计模型和深度学习模型,开发并验证了用于预测糖尿病患者视网膜病变的模型 | 使用深度学习模型预测糖尿病视网膜病变,并比较其与传统机器学习模型的性能,同时采用SHAP分析增强模型的可解释性 | 研究仅基于3000个数据点,样本量可能不足以代表更广泛的人群 | 开发并验证预测糖尿病患者视网膜病变的模型 | 糖尿病患者 | 机器学习 | 糖尿病视网膜病变 | DNNs | 深度学习模型(DNNs)与传统机器学习模型(逻辑回归、决策树、朴素贝叶斯、随机森林、支持向量机) | 结构化临床数据 | 3000个数据点 |