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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
81 | 2025-06-20 |
Changes in Epidemiological Characteristics of Varicella and Breakthrough Cases in Ningbo, China, From 2010 to 2023: Surveillance Study
2025-Jun-18, JMIR public health and surveillance
IF:3.5Q1
DOI:10.2196/71691
PMID:40533066
|
研究论文 | 本研究监测了2010年至2023年中国宁波水痘的流行病学特征及突破性病例的变化,以调整免疫策略并加强预防工作 | 使用循环神经网络模型分析水痘发病率趋势和非药物干预措施的影响,并建立了出生队列研究突破性病例 | 研究仅基于宁波地区的数据,可能无法完全代表其他地区的情况 | 监测水痘的流行病学特征和突破性病例的变化,为免疫策略调整提供依据 | 2010年至2023年宁波地区报告的水痘病例 | 流行病学 | 水痘 | 主动和被动监测方法,循环神经网络模型 | RNN | 流行病学监测数据 | 70,163例水痘病例 |
82 | 2025-06-20 |
Can CTA-based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy is Insufficient?
2025-Jun-18, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8885
PMID:40533350
|
research paper | 本研究评估了基于CTA的机器学习方法在识别可能需要额外干预的中风患者中的表现 | 使用深度学习模型(DSN-CTA)预测中风患者的功能性结果,相比传统临床变量模型表现更优 | 样本量较小(48例),且仅在特定条件下(FIV<30mL和成功再灌注)验证 | 评估机器学习模型在预测中风患者功能性结果中的效能 | 大血管闭塞急性缺血性中风(LVO AIS)患者 | machine learning | cardiovascular disease | CT angiography (CTA) | DeepSymNet-v3 model (DSN-CTA) | image | 预训练1542例,微调和交叉验证48例 |
83 | 2025-06-20 |
Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging
2025-Jun-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61097-2
PMID:40533457
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
84 | 2025-06-20 |
Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer
2025-Jun-18, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00971-0
PMID:40533499
|
research paper | 该研究提出了一种结合多任务学习(MTL)和多实例学习(MIL)的深度学习框架,用于预测乳腺癌患者的腋窝淋巴结转移状态 | 首次将MTL和MIL框架应用于乳腺癌腋窝淋巴结转移预测,模拟真实临床诊断场景,并使用Transformer模型Segformer作为网络骨干 | 未明确说明样本量是否足够大以覆盖所有亚型乳腺癌患者 | 开发一个能够辅助临床医生评估乳腺癌患者腋窝淋巴结状态的深度学习模型 | 乳腺癌患者的超声图像(原发肿瘤和腋窝淋巴结区域) | digital pathology | breast cancer | deep learning | Segformer (Transformer-based) | ultrasound images | 训练队列和内外测试队列(具体数量未说明) |
85 | 2025-06-20 |
Smartphone eye-tracking with deep learning: Data quality and field testing
2025-Jun-18, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02718-y
PMID:40533681
|
研究论文 | 本文介绍了一种基于深度学习的实时智能手机眼动追踪系统,并对其数据质量和实际应用进行了评估 | 利用深度神经网络在智能手机上实现实时眼动追踪,并在较大样本量下与工业金标准眼动仪进行性能对比 | 智能手机眼动追踪系统的精度(0.177°)低于EyeLink追踪器(0.028°) | 评估基于智能手机的眼动追踪系统在科研和临床应用中的潜力 | 人类注意力测量 | 计算机视觉 | 抑郁症 | 深度学习 | 深度神经网络 | 图像 | 训练数据集包含740万张面部图像,基准测试样本量N=32,现场测试涉及98名志愿者 |
86 | 2025-06-20 |
Automated Multi-grade Brain Tumor Classification Using Adaptive Hierarchical Optimized Horse Herd BiLSTM Fusion Network in MRI Images
2025-Jun-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00708-4
PMID:40533703
|
研究论文 | 提出了一种基于自适应分层优化马群BiLSTM融合网络的MRI图像多级脑肿瘤分类方法 | 模型能够将肿瘤分为多个等级,捕捉肿瘤严重程度的层次性,并采用改进的自适应强度归一化预处理步骤和双树复小波变换增强三角特征进行特征提取 | 未提及具体样本量,且仅基于特定数据集进行评估 | 提高MRI图像中不同级别脑肿瘤分类的精确度 | 脑肿瘤 | 数字病理 | 脑肿瘤 | MRI | AHOHH-BiLSTM | 图像 | NA |
87 | 2025-06-20 |
Quality appraisal of radiomics-based studies on chondrosarcoma using METhodological RadiomICs Score (METRICS) and Radiomics Quality Score (RQS)
2025-Jun-18, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02016-3
PMID:40533701
|
研究论文 | 使用METRICS和RQS评估基于放射组学的骨软骨肉瘤研究的方法学质量 | 首次使用METRICS和RQS对骨软骨肉瘤放射组学研究进行质量评估,并比较两者的适用性 | 评估的研究均为回顾性设计,缺乏前瞻性研究和深度学习分析,放射组学指南遵循度有限 | 评估骨软骨肉瘤放射组学研究的方法学质量 | 骨软骨肉瘤的放射组学研究 | 数字病理 | 骨肉瘤 | 放射组学分析 | NA | 医学影像(MRI、CT) | 18篇研究论文 |
88 | 2025-06-20 |
Multitarget Generate Electrolyte Additive for Lithium Metal Batteries
2025-Jun-18, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202502086
PMID:40534252
|
研究论文 | 本文开发了一种深度学习辅助的生成模型,用于锂金属电池电解质添加剂的多目标优化 | 采用分子分类推导方法扩展数据集,结合异步有限解码器和对抗性调节策略,实现了在广阔化学空间中高效生成结构复杂多样的分子 | NA | 开发安全可靠的锂电池电解质,特别是在数据严重受限的情况下 | 锂金属电池电解质添加剂 | 机器学习 | NA | 深度学习辅助生成模型 | 生成对抗网络(GAN) | 分子数据 | 从单属性数据点扩展到70,095个多属性数据点 |
89 | 2025-06-20 |
Ultra-wide-field fundus photography and AI-based screening and referral for multiple ocular fundus diseases
2025-Jun-17, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102187
PMID:40499544
|
research paper | 开发了三种基于深度学习算法的模型(WARM、BASE和WARM-PPR),用于眼底疾病的全面筛查和转诊建议 | 结合了Swin Transformer和跨域协作学习(CdCL)算法,以及超广角(UWF)图像和裁剪的后极区域(PPR)图像,显著提升了检测周边视网膜异常的能力 | 未提及模型在临床实际应用中的具体表现或潜在问题 | 解决眼底疾病全面筛查的困难 | 25种眼底疾病 | digital pathology | ocular fundus diseases | deep learning algorithms | Swin Transformer, CdCL | UWF images, PPR images | 59,475张UWF图像 |
90 | 2025-06-20 |
Predicting occupant response curves in vehicle crashes via Attention-enhanced multimodal temporal Network
2025-Jun-17, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108140
PMID:40532417
|
研究论文 | 提出了一种新颖的注意力增强多模态时序网络(AMTN),用于预测车辆碰撞中乘员多个身体区域的碰撞响应曲线 | 通过交叉注意力机制有机融合多模态特征,并采用改进的时序卷积网络(TCN)与局部滑动自注意力机制解码共享特征,实现了多任务预测 | 未提及具体的数据集规模或多样性限制 | 提高车辆碰撞安全性,优化设计并减少对昂贵物理测试和模拟的依赖 | 车辆碰撞中乘员的多个身体区域的碰撞响应曲线 | 机器学习 | NA | 注意力机制,时序卷积网络(TCN) | AMTN(注意力增强多模态时序网络) | 数值参数和车辆车身碰撞脉冲 | 未明确提及具体样本数量,仅提到工程获取的数据 |
91 | 2025-06-20 |
Learning hemodynamic scalar fields on coronary artery meshes: A benchmark of geometric deep learning models
2025-Jun-17, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110477
PMID:40532501
|
research paper | 该研究通过几何深度学习模型预测冠状动脉血流储备分数(vFFR)场,作为计算流体动力学(CFD)模拟的替代方法 | 首次对几何深度学习模型在预测冠状动脉vFFR场方面的性能进行全面比较,并发现基于Transformer的架构在复杂拓扑数据集中表现最佳 | 研究主要关注几何深度学习模型的性能比较,未涉及临床验证 | 评估不同几何深度学习模型在预测冠状动脉vFFR场方面的性能 | 冠状动脉血流动力学标量场 | machine learning | cardiovascular disease | computational fluid dynamics (CFD) | geometric deep learning models (including transformer-based architectures) | mesh data | 1,500 synthetic bifurcations and 427 patient-specific CFD simulations |
92 | 2025-06-20 |
Patch-type wearable electrocardiography and impedance pneumography for sleep staging: A multi-modal deep learning approach
2025-Jun-17, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110452
PMID:40532503
|
研究论文 | 本研究评估了一种使用单导联心电图和阻抗呼吸描记术的贴片式可穿戴设备用于多阶段睡眠分类的可行性 | 提出了一种结合单导联心电图和阻抗呼吸描记术的多模态深度学习方法,用于睡眠分期分类 | 研究样本量相对较小(92名患者),且未在所有睡眠分期任务中达到最佳性能 | 探索便携式ECG-IPG系统在睡眠分期中的可行性和准确性 | 睡眠分期分类 | 数字病理学 | 睡眠障碍 | 单导联心电图(ECG),阻抗呼吸描记术(IPG) | RCNN | 生理信号数据 | 92名患者 |
93 | 2025-06-20 |
Deep learning-based automatic dose optimization for brachytherapy
2025-Jun-17, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.111988
PMID:40532513
|
research paper | 本研究探讨了基于深度学习的近距离放射治疗剂量预测的最佳处理方法,并研究了使用逆向剂量优化算法提高治疗计划质量的可行性 | 首次在3D U-Net模型中应用未处理的剂量数据进行预测,并验证了逆向剂量优化算法在提高治疗计划质量方面的有效性 | 研究仅针对宫颈癌患者的近距离放射治疗数据,样本量相对较小(186例) | 确定近距离放射治疗中基于深度学习的剂量预测最佳处理方法,并提高治疗计划质量 | 宫颈癌患者的近距离放射治疗数据 | digital pathology | cervical cancer | deep learning-based dose prediction, inverse dose optimization algorithm | 3D U-Net | medical imaging data | 186例宫颈癌患者的近距离放射治疗数据 |
94 | 2025-06-20 |
Deep Learning for Cardiac Overload Estimation - Predicting B-Type Natriuretic Peptide (BNP) Levels From Heart Sounds and Electrocardiogram
2025-Jun-17, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-25-0098
PMID:40533163
|
research paper | 开发了一种深度学习模型,通过心音和心电图非侵入性预测血浆BNP水平,用于心力衰竭筛查 | 首次利用深度学习从心音和心电图中估计BNP水平,为非侵入性心力衰竭筛查提供了新方法 | 样本量相对较小(外部验证数据集仅140例患者),且仅在特定BMI范围内(18.5-25)表现更佳 | 验证深度学习模型在预测血浆BNP水平方面的性能,并评估其临床应用可行性 | 心力衰竭患者 | digital pathology | cardiovascular disease | 深度学习 | 深度学习模型(具体架构未说明) | 生理信号(心音和ECG数据) | 140例患者(外部验证数据集) |
95 | 2025-06-20 |
MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting
2025-Jun-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade049
PMID:40460850
|
研究论文 | 本研究提出了一种基于扩散概率模型和残差位移的高效MRI超分辨率重建方法,显著减少了采样步骤并保持了关键解剖细节 | 引入了残差位移机制,显著减少了采样步骤,同时保持了关键解剖细节,大大加速了MRI重建过程 | NA | 提高MRI超分辨率重建的效率和图像质量 | MRI图像 | 医学影像 | 脑部疾病和前列腺疾病 | 扩散概率模型 | Res-SRDiff | MRI图像 | 超高场脑T1 MP2RAGE图像和T2加权前列腺图像 |
96 | 2025-06-20 |
Predicting mucosal healing in Crohn's disease: development of a deep-learning model based on intestinal ultrasound images
2025-Jun-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02014-5
PMID:40522531
|
research paper | 开发基于肠道超声图像和临床信息的深度学习模型,用于预测克罗恩病患者的黏膜愈合 | 首次利用深度学习模型结合肠道超声图像预测克罗恩病患者的黏膜愈合 | 需要更多多中心真实世界数据进一步验证和改进模型 | 预测克罗恩病患者的治疗反应,优化治疗方案 | 克罗恩病患者 | digital pathology | Crohn's disease | intestinal ultrasound (IUS) | CNN | image | 190名患者,1548张IUS图像 |
97 | 2025-06-20 |
Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection
2025-Jun-16, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.06.031
PMID:40533057
|
研究论文 | 构建多模态模型预测肝细胞癌术后早期复发并探讨相关生物学机制 | 开发了结合放射组学和深度学习的多模态模型MM-RDLM,显著提高了预测性能,并探索了与自然杀伤细胞介导的细胞毒性通路相关的生物学机制 | 研究样本来自三个医疗中心,可能存在选择偏倚,且需要进一步的外部验证 | 预测肝细胞癌术后早期复发并探索相关生物学机制 | 519名肝细胞癌患者 | 数字病理 | 肝细胞癌 | 放射组学、深度学习、基因集富集分析(GSEA)、多重免疫组化(mIHC) | MM-RDLM(结合放射组学和深度学习模型) | 对比增强计算机断层扫描图像 | 519名患者(433名训练队列,86名验证队列) |
98 | 2025-06-20 |
Digitizing audiograms with deep learning: structured data extraction and pseudonymization for hearing big data
2025-Jun-14, Hearing research
IF:2.5Q1
DOI:10.1016/j.heares.2025.109337
PMID:40532492
|
research paper | 本研究开发了一个基于深度学习的系统,用于将听力图数字化,实现大规模听力大数据的结构化收集 | 与以往主要关注分类或预测的研究不同,该框架确保了结构化数值数据输出,同时遵守数据假名化法规 | NA | 开发一个深度学习系统,用于数字化听力图,以便于构建听力大数据、与CDMs集成、AI驱动的诊断和大规模听力数据分析 | 听力图 | digital pathology | hearing loss | deep learning, optical character recognition (OCR) | CNN | image | 8847个听力学符号用于训练,2443个符号用于测试 |
99 | 2025-06-20 |
Combining deep learning algorithm and a-star algorithm to increase the accuracy of tracking lost gamma source
2025-Jun-12, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.112001
PMID:40532512
|
研究论文 | 本文提出了一种结合深度学习算法和A-star算法的自动搜索算法ACR,用于提高丢失伽马源的追踪准确度 | 结合RNN和CNN两种深度学习算法与A-star算法,提出新型混合算法ACR,显著提高了在复杂障碍环境下的搜索准确度和适应性 | NA | 开发高精度的丢失伽马源自动追踪算法 | 丢失的伽马源 | 机器学习 | NA | 蒙特卡洛N粒子(MCNP)模拟 | CNN-RNN混合模型 | 辐射剂量率数据 | 81个网格模拟数据 |
100 | 2025-06-20 |
Divergent radiative forcing of fine-mode aerosols across tree genera during wildfires in North America and Europe
2025-Jun-11, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138881
PMID:40532375
|
研究论文 | 本研究利用深度学习模型分析北美和欧洲野火期间不同树种对细颗粒气溶胶光学厚度的贡献差异 | 首次揭示了不同树种在野火期间对细颗粒气溶胶排放的差异性贡献,并开发了新的深度学习模型来精确获取卫星数据 | 研究仅覆盖北美和欧洲地区,未考虑其他大陆的树种 | 探究野火期间不同树种对细颗粒气溶胶光学厚度及辐射强迫的差异性影响 | 北美和欧洲23个树属的139种树种 | 环境科学 | NA | 深度学习 | 深度学习模型 | 卫星遥感数据 | 2003-2023年间北美和欧洲139种树种(归为23个属)的数据 |