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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
981 | 2025-04-25 |
Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology
2024-Oct-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.22.590118
PMID:38712207
|
研究论文 | 本研究提出了一种数据驱动且可解释的方法,用于识别与患者预后相关的肿瘤微环境细胞组织模式 | 引入了双层图模型(细胞图和群体图),通过软Weisfeiler-Lehman子树核捕捉患者间的相似性,从而识别具有独特预后的患者亚群和肿瘤微环境模式 | 方法虽然在乳腺癌患者中验证,但可能在其他癌症类型中的适用性需要进一步验证 | 开发一种可解释的深度学习方法,识别与预后相关的肿瘤微环境模式 | 乳腺癌患者的肿瘤微环境 | 数字病理学 | 乳腺癌 | 深度学习 | 双层图模型(细胞图和群体图) | 数字病理图像 | 乳腺癌患者队列(具体数量未提及)及两个独立验证队列 |
982 | 2025-04-25 |
Computer Vision Identification of Trachomatous Inflammation-Follicular Using Deep Learning
2024-Sep-20, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000003701
PMID:39312712
|
研究论文 | 本研究开发并评估了一种基于深度学习的计算机视觉模型,用于识别沙眼性炎症-滤泡(TF),以减少人工评分的资源负担和潜在错误 | 首次使用MobileNetV3大型深度卷积神经网络对沙眼性炎症-滤泡进行自动分类,显著提高了筛查效率和准确性 | 需要在具有不同TF流行率的多样化人群中进行进一步验证才能大规模实施 | 开发一种能够准确高效进行大规模沙眼筛查的自动化系统 | 0至9岁儿童的56,725张眼睑内翻照片 | 计算机视觉 | 沙眼 | 深度学习 | MobileNetV3大型深度卷积神经网络 | 图像 | 来自埃塞俄比亚一个沙眼流行地区的11,358名儿童,共56,725张照片 |
983 | 2025-04-25 |
Detection and classification of mandibular fractures in panoramic radiography using artificial intelligence
2024-Sep-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae018
PMID:38652576
|
研究论文 | 本研究评估了YOLOv5深度学习模型在全景X光片中检测和分类下颌骨骨折的性能 | 使用YOLOv5模型对六种下颌骨骨折类型进行检测和分类,展示了机器学习作为临床诊断辅助工具的潜力 | 在检测下颌角和髁突头部骨折时性能相对较低 | 评估人工智能在全景X光片中检测和分类下颌骨骨折的准确性 | 下颌骨骨折的全景X光片 | 计算机视觉 | 下颌骨骨折 | 深度学习 | YOLOv5 | 图像 | 498张包含673处骨折的全景X光片 |
984 | 2025-04-25 |
Foundation model of neural activity predicts response to new stimulus types and anatomy
2024-Aug-31, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.21.533548
PMID:36993435
|
研究论文 | 该研究通过训练一个基础模型来预测小鼠视觉皮层对任意自然视频的神经元响应,并展示了该模型在新刺激类型和解剖结构上的泛化能力 | 利用基础模型处理大规模神经活动数据,成功预测新刺激类型和解剖结构,展示了在神经科学领域的泛化能力 | 模型在训练分布之外的泛化能力仍有局限,需要更大规模的多模态数据集进一步提升 | 构建基础大脑模型,增强对大脑计算目标和神经编码的理解 | 小鼠视觉皮层的神经活动 | 神经科学 | NA | 深度学习 | 基础模型 | 神经活动数据 | 多只小鼠的大量神经活动数据 |
985 | 2025-04-25 |
PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications
2024-Aug-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24311385
PMID:39211887
|
research paper | 介绍了一种名为PixelPrint的3D打印方法,用于制造患者特异性可变形CT体模,以模拟呼吸运动 | 提出了一种能够精确复制患者肺部结构、纹理和衰减特性的3D打印方法,并展示了其在压缩下的非刚性变形、体积变化和衰减变化的准确性 | 未提及具体限制 | 开发更真实的呼吸运动体模(RMPs),以支持新型CT技术的测试 | 患者特异性可变形肺部体模 | digital pathology | lung cancer | 3D printing | NA | CT imaging | NA |
986 | 2025-04-25 |
Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy
2024-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599097
PMID:38948787
|
research paper | 开发了一种基于深度学习的数字病理计算方法,用于测量TEM图像中肾小球滤过屏障的超微结构 | 首次使用U-Net模型和图像处理算法自动测量GBM和PFP宽度,减少了人工操作的劳动强度和操作者间的变异性 | 自动和手动PFP宽度测量在ILK cKO标本中存在差异,表明方法在PFP测量上可能不够精确 | 研究肾小球滤过屏障超微结构的自动化测量方法,以促进足细胞病的研究和临床诊断 | Integrin-Linked Kinase (ILK) 足细胞特异性条件敲除小鼠和野生型小鼠的肾脏TEM图像 | digital pathology | podocytopathy | transmission electron microscopy (TEM) | U-Net | image | WT和ILK cKO同窝小鼠的肾脏TEM图像,4周龄 |
987 | 2025-04-25 |
Analysis of RNA translation with a deep learning architecture provides new insight into translation control
2024-Jul-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.08.548206
PMID:39005319
|
研究论文 | 开发了一种深度神经网络模型,用于从RNA序列直接预测和分析翻译起始和终止位点 | 模型揭示了密码子使用在调控翻译终止中的新作用,并发现了数千个新的开放阅读框 | 模型主要基于人类转录本训练,在其他生物体中的预测准确性可能有限 | 理解基因翻译的调控机制 | RNA序列中的翻译起始和终止位点 | 自然语言处理 | NA | 深度神经网络 | 深度神经网络 | RNA序列 | 人类转录组数据 |
988 | 2025-04-25 |
Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers
2024-Jul-01, ArXiv
PMID:39010871
|
research paper | 使用多模态规范建模分析阿尔茨海默病的异质性,基于成像ATN生物标志物 | 采用深度学习多模态规范框架分析个体水平的ATN成像生物标志物变异 | 研究仅基于横断面数据,未考虑纵向变化 | 探究阿尔茨海默病的异质性及其与认知功能和疾病进展的关系 | 阿尔茨海默病患者(淀粉样蛋白阳性和阴性对照) | digital pathology | geriatric disease | T1-weighted MRI, amyloid and tau PET | deep learning-based multimodal normative framework | imaging data | 发现队列(n = 665)和复制队列(n = 430) |
989 | 2025-04-25 |
Artificial intelligence in colonoscopy: from detection to diagnosis
2024-07, The Korean journal of internal medicine
DOI:10.3904/kjim.2023.332
PMID:38695105
|
综述 | 本文综述了人工智能在结肠镜检查中从检测到诊断的最新进展 | 总结了不同深度学习模型在结肠镜检查不同任务中的适用性及性能表现 | 仅纳入2021年及以后发表的英文文献,可能存在发表偏倚 | 评估人工智能在结肠镜检查中的应用效果 | 27篇PubMed原始研究 | 数字病理学 | 胃肠道疾病 | 深度学习 | Efficientnet, YOLO, Unet | 医学影像 | 27项研究 |
990 | 2025-04-25 |
Privacy-proof Live Surgery Streaming: Development and Validation of a Low-cost, Real-time Robotic Surgery Anonymization Algorithm
2024-Jul-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006245
PMID:38390732
|
研究论文 | 开发并验证了一种低成本、实时机器人手术匿名化算法,用于隐私保护的实时手术流媒体 | 首创了一种手术匿名化算法,能够可靠且准确地实时移除体外图像,并在多种机器人平台上进行验证 | NA | 开发一种可靠、准确且实时的机器人手术匿名化算法,用于手术视频数据的隐私保护 | 机器人手术视频数据 | 计算机视觉 | NA | 深度学习 | Robotic Anonymization Network | 视频 | 63个手术视频,包含6种手术和4种机器人系统,共496,828张图像 |
991 | 2025-04-25 |
Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers
2024-Jun-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.15.553412
PMID:37662280
|
research paper | 本研究采用基于深度学习的多模态规范框架,分析阿尔茨海默病(AD)患者个体水平的ATN成像生物标志物变异 | 首次将多模态规范建模应用于ATN成像生物标志物,以分析AD的异质性 | 研究仅基于横断面数据,缺乏纵向追踪验证 | 探究阿尔茨海默病的异质性表现 | 阿尔茨海默病患者(淀粉样蛋白阳性个体)与对照组(淀粉样蛋白阴性个体) | digital pathology | geriatric disease | T1加权MRI、淀粉样蛋白PET、tau蛋白PET | 深度学习模型 | 医学影像数据 | 发现队列665人,验证队列430人 |
992 | 2025-04-25 |
Enhanced Cell Tracking Using A GAN-based Super-Resolution Video-to-Video Time-Lapse Microscopy Generative Model
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.11.598572
PMID:38915545
|
research paper | 该论文提出了一种基于GAN的超分辨率视频到视频延时显微镜生成模型,用于增强细胞追踪 | 提出了一种称为tGAN的GAN-based延时显微镜生成器,能够显著提高合成注释延时显微镜数据的质量和多样性,采用双分辨率架构合成低分辨率和高分辨率图像 | 需要进一步验证模型在更大规模和多样性数据集上的泛化能力 | 解决细胞追踪中由于缺乏大规模多样化注释数据集而导致的深度学习模型泛化能力不足的问题 | 细胞动态行为 | digital pathology | NA | time-lapse microscopy | GAN | video | NA |
993 | 2025-04-25 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597994
PMID:38915614
|
研究论文 | 本研究验证了Cellpose在自发荧光显微镜图像中的单细胞分割可靠性 | 首次将Cellpose应用于低信噪比的自发荧光显微镜图像分割,并验证其在代谢成像中的准确性 | 研究仅针对NAD(P)H自发荧光图像进行验证,未涵盖其他类型的自发荧光 | 开发适用于自发荧光显微镜图像的可靠细胞分割工具 | PANC-1细胞和来自9名患者的癌症类器官 | 数字病理学 | 癌症 | 多光子强度成像、荧光寿命成像显微镜(FLIM) | Cellpose深度学习网络 | 显微图像 | PANC-1细胞系和9例患者来源的癌症类器官 |
994 | 2025-04-25 |
An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome
2024-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.597442
PMID:38895386
|
research paper | 该研究通过分析扩展的ENCODE数据集和深度学习模型,创建了一个核转录因子与线粒体基因组关联的综合汇编 | 利用扩展的ENCODE数据集和深度学习模型,首次系统地评估了核转录因子在线粒体基因组上的占据情况 | 部分核转录因子的chrM占据证据在不同抗体和ChIP协议下不可重复 | 评估核转录因子在线粒体基因组上的占据情况 | 核转录因子与线粒体基因组的关联 | 基因组学 | NA | ChIP-seq, 深度学习模型 | 深度学习 | 基因组数据 | 6,153 ChIP实验,涉及942种蛋白质(其中763种为序列特异性TFs) |
995 | 2025-04-25 |
MulTFBS: A Spatial-Temporal Network with Multichannels for Predicting Transcription Factor Binding Sites
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02088
PMID:38733561
|
research paper | 提出了一种名为MulTFBS的多通道深度学习框架,用于预测转录因子结合位点(TFBSs) | 整合了DNA序列的不同类型特征,包括独立的一热编码、词嵌入编码(可结合上下文信息并提取序列的全局特征)和双螺旋三维结构特征,通过空间-时间网络结合CNN和双向LSTM及注意力机制有效提取序列高层信息 | 未明确提及 | 揭示影响转录因子结合特异性的机制,理解基因调控 | 转录因子结合位点(TFBSs) | natural language processing | NA | 深度学习 | CNN, bidirectional LSTM, attention mechanism | DNA序列 | 66个不同转录因子的通用蛋白结合微阵列数据集 |
996 | 2025-04-25 |
MolLoG: A Molecular Level Interpretability Model Bridging Local to Global for Predicting Drug Target Interactions
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00171
PMID:38709146
|
research paper | 提出了一种名为MolLoG的深度学习网络结构,用于预测药物与靶标之间的相互作用,并提供分子层面的解释 | MolLoG通过局部特征编码器(LFE)和全局交互学习(GIL)模块,平衡了局部特征提取与全局交互表示,提供了对黑盒结果的生物学相关解释 | 未提及具体的数据集规模或实验环境限制 | 提高药物与靶标相互作用预测的准确性和可解释性 | 药物与蛋白质分子 | machine learning | NA | 深度学习(DL) | 图卷积网络(GCN)、多层感知机(MLP) | 分子结构数据 | 四个数据集 |
997 | 2025-04-25 |
CNSMolGen: A Bidirectional Recurrent Neural Network-Based Generative Model for De Novo Central Nervous System Drug Design
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00504
PMID:38739718
|
研究论文 | 本文介绍了一种基于双向循环神经网络(Bi-RNN)的生成模型CNSMolGen,用于中枢神经系统(CNS)药物的从头设计 | 开发了首个专门针对CNS药物设计的Bi-RNN生成模型,能够生成90%以上全新且可合成的CNS药物分子结构 | 未提及模型在更大规模或更复杂CNS靶点上的泛化能力验证 | 加速中枢神经系统药物的发现与优化 | 中枢神经系统药物分子 | 机器学习 | 神经退行性疾病/精神疾病 | 深度学习生成模型 | Bi-RNN | 分子结构数据 | 未明确说明样本量(使用SERT靶点药物作为微调数据集) |
998 | 2025-04-25 |
Predicting Antimicrobial Peptides Using ESMFold-Predicted Structures and ESM-2-Based Amino Acid Features with Graph Deep Learning
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02061
PMID:38739853
|
研究论文 | 提出了一种基于ESMFold预测结构和ESM-2氨基酸特征的图深度学习框架,用于预测抗菌肽 | 结合了最新的三级结构预测技术和进化信息编码方法,避免了多重序列对齐的内存和时间消耗 | 依赖于预测的肽结构,可能受到预测准确性的影响 | 开发一种无需对齐的模型,用于高效预测抗菌肽 | 抗菌肽(AMPs) | 机器学习 | 抗菌耐药性 | ESMFold结构预测,ESM-2进化模型,图注意力网络(GAT) | GAT | 氨基酸序列和预测的3D结构 | 67,058种肽 |
999 | 2025-04-25 |
Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning
2024-05-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00047
PMID:38798191
|
研究论文 | 本研究提出了一种基于深度学习的非侵入性方法,用于预测细胞游离DNA上的转录因子结合位点 | 利用卷积神经网络和长短期记忆网络从已知的转录因子结合位点学习序列信息,实现了非侵入性预测 | 研究中未提及样本的具体数量或多样性,可能影响模型的泛化能力 | 探索基因调控机制,为非侵入性动态监测疾病提供技术指导 | 细胞游离DNA上的转录因子结合位点 | 机器学习 | 癌症 | 深度学习 | CNN, LSTM | DNA序列数据 | NA |
1000 | 2025-04-25 |
Natural language processing models reveal neural dynamics of human conversation
2024-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.10.531095
PMID:36945468
|
研究论文 | 该研究利用预训练的深度学习自然语言处理模型和颅内神经元记录,揭示了人类自然对话中语言产生和理解的神经动态 | 结合深度学习模型和颅内神经元记录技术,首次在自然对话情境下揭示了语言产生和理解过程中神经活动的动态组织 | 研究依赖于颅内记录技术,样本量有限,且仅关注了前颞叶区域的神经活动 | 探索人类自然对话中语言产生和理解的神经机制 | 人类自然对话过程中的神经活动 | 自然语言处理 | NA | 深度学习自然语言处理模型, 颅内神经元记录 | 预训练深度学习模型 | 神经信号数据, 语言数据 | NA |