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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1101 | 2025-05-20 |
Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs
2025-May-18, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00592
PMID:40383929
|
research paper | 该研究探讨了结合深度核学习(DKL)的贝叶斯优化(BO)在材料设计中的应用,以提高高斯过程(GPs)在材料探索中的效率 | 提出将深度核学习(DKL)与高斯过程(GPs)结合,用于贝叶斯优化(BO),解决了GPs无法自动生成描述符的问题 | 在寻找具有最高居里温度的合金时,标准GP模型表现优于DKL模型,因为可以直接利用与居里温度强相关的描述符 | 提高材料探索中贝叶斯优化的效率 | 氧化物数据集(922个)和混合有机-无机钙钛矿合金(610个)的带隙、离子介电常数和电子有效质量 | machine learning | NA | deep kernel learning (DKL), Gaussian processes (GPs), Bayesian optimization (BO) | DKL, GP | material property data | 922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys |
1102 | 2025-05-20 |
Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans
2025-May-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11666-2
PMID:40382487
|
research paper | 开发一种深度学习算法,用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类 | 使用ResNet变体的深度学习模型,首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类 | 研究为回顾性设计,外部验证队列样本量较小(85例) | 开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断 | 618例蛛网膜下腔出血患者(305例动脉瘤性,228例非动脉瘤性) | digital pathology | cardiovascular disease | NCCT扫描 | ResNet + U-Net++ | CT图像 | 618例患者(训练集533例,外部测试集85例) |
1103 | 2025-05-20 |
Systems and synthetic biology for plant natural product pathway elucidation
2025-May-17, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.115715
PMID:40382775
|
综述 | 本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展 | 讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别,并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用 | 未提及具体实验数据或样本量的限制 | 探索植物天然产物途径的解析和工程化 | 植物代谢途径和天然产物 | 合成生物学 | NA | 共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别 | 深度学习 | 基因组数据、代谢物数据 | NA |
1104 | 2025-05-20 |
Decision support system based on ensemble models in distinguishing epilepsy types
2025-May-17, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110470
PMID:40382997
|
研究论文 | 本研究旨在基于EEG结果,利用人工智能模型对患者的局灶性(额叶、颞叶、顶叶、枕叶)、多灶性和全面性癫痫样活动进行分类 | 结合数据增强和集成AI模型,提出了一种新的决策支持系统,用于癫痫类型的分类,准确率达到98% | 研究数据来源于单一医院,可能存在样本选择偏差 | 分类癫痫类型,为医生提供决策支持 | 575名癫痫患者 | 机器学习 | 癫痫 | EEG | MLP, Random Forest, SVM, XGBoost | EEG数据 | 575名患者 |
1105 | 2025-05-20 |
Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification
2025-May-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01966-y
PMID:40377781
|
研究论文 | 开发和验证基于MRI的临床放射组学深度学习模型,用于子宫内膜癌分子亚型分类 | 结合临床数据和放射组学特征,利用深度学习模型(MoCo-v2)提升子宫内膜癌分子亚型分类的准确性 | 研究样本量有限(526例患者),未来需要更大数据集进一步验证模型的潜力 | 开发并验证一种基于MRI的临床放射组学深度学习模型,用于子宫内膜癌分子亚型分类 | 子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | MRI、放射组学特征提取、深度学习(MoCo-v2) | 深度学习模型(MoCo-v2) | MRI图像 | 526例子宫内膜癌患者 |
1106 | 2025-05-20 |
Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01063-6
PMID:40379665
|
research paper | 本研究开发并验证了一种基于术前CT图像的深度学习模型,用于预测晚期胃癌患者对转化治疗的临床反应 | 采用渐进式蒸馏(PD)方法构建深度学习模型,相比基线模型和知识蒸馏(KD)模型表现出更优的性能 | 需要进一步研究以评估该模型与临床病理参数结合的临床实用性 | 开发一种非侵入性筛查方法,以识别适合转化治疗的晚期胃癌患者 | 晚期胃癌患者 | digital pathology | gastric cancer | CT imaging | deep learning model (Progressive Distill) | image | 140名患者(训练集112名,测试集28名) |
1107 | 2025-05-20 |
Lightweight hybrid transformers-based dyslexia detection using cross-modality data
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01235-4
PMID:40379688
|
研究论文 | 提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型 | 结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取,并采用DXB分类器与BOHB优化算法提升性能 | 未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力 | 通过多模态数据实现阅读障碍的早期精准诊断 | 阅读障碍患者的多模态数据(MRI、EEG、手写图像) | 数字病理 | 神经系统疾病 | MRI、EEG、量化感知训练、LIME可解释性分析 | SWIN-Linformer+LeViT-Performer+GTNs混合Transformer | 多模态数据(影像+信号+图像) | 五个公共数据库(未注明具体样本量) |
1108 | 2025-05-20 |
The application of suitable sports games for junior high school students based on deep learning and artificial intelligence
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01941-z
PMID:40379705
|
研究论文 | 本研究利用深度学习和人工智能技术,开发了一种基于MediaPipe框架的ST-GCN动作检测算法,旨在提高初中生体育活动的动作识别准确性 | 结合深度学习和人工智能技术,开发了基于MediaPipe框架的ST-GCN动作检测算法,显著提高了动作识别的准确性和长期预测能力 | 研究仅针对特定运动(如仰卧起坐)进行了验证,未涵盖所有体育活动的动作识别 | 提高初中生体育教育的教学质量和个性化学习需求 | 初中生体育活动中的动作表现 | 计算机视觉 | NA | 深度学习、人工智能 | ST-GCN | 视频 | HMDB51数据集 |
1109 | 2025-05-20 |
Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02299-y
PMID:40379807
|
research paper | 提出了一种名为残差自注意力视觉变换器(RS-A ViT)的新方法,用于自动检测获得性卵黄样病变(AVL)、黄斑玻璃膜疣以及区分它们与健康病例 | 使用残差自注意力模块替代传统的自注意力模块,以提高模型性能,并在视网膜疾病分类中表现出色 | 未提及具体的数据集规模或模型在其他疾病上的泛化能力 | 开发一种高精度的自动检测视网膜疾病的深度学习模型 | 获得性卵黄样病变(AVL)、黄斑玻璃膜疣以及健康病例 | digital pathology | geriatric disease | OCT | RS-A ViT | image | 结合了两个研究中心收集的AVL数据以及OCT数据集中的玻璃膜疣和正常病例,并应用了数据增强方法 |
1110 | 2025-05-20 |
Enhanced effective convolutional attention network with squeeze-and-excitation inception module for multi-label clinical document classification
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98719-0
PMID:40379823
|
研究论文 | 提出了一种名为增强型有效卷积注意力网络(EECAN)的新模型,用于多标签临床文档分类,通过结合Squeeze-and-Excitation(SE)Inception模块和注意力机制来提高分类效果 | 引入了SE Inception模块和EAB-CDC策略,通过自适应重新校准通道特征响应和多层注意力机制来提升特征表示 | 未提及具体局限性 | 提高临床文档分类的准确性和效率,以改善患者护理和医疗决策支持 | 临床文档 | 自然语言处理 | NA | 深度学习 | EECAN(增强型有效卷积注意力网络) | 文本 | 基准数据集MIMIC-III和MIMIC-III-50 |
1111 | 2025-05-20 |
Potato plant disease detection: leveraging hybrid deep learning models
2025-May-16, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-025-06679-4
PMID:40380088
|
研究论文 | 本文提出了一种结合EfficientNetV2B3和Vision Transformer (ViT)的混合深度学习模型,用于提高马铃薯植物病害的检测和识别准确率 | 提出了一种新型的混合深度学习模型EfficientNetV2B3+ViT,结合了CNN和ViT的优势,在马铃薯叶病数据集上取得了比之前研究高11.43%的准确率 | NA | 提高马铃薯植物病害的检测和识别准确率,以应对全球农业发展中作物病害管理的挑战 | 马铃薯植物的病害 | 计算机视觉 | 植物病害 | 深度学习 | EfficientNetV2B3+ViT | 图像 | 来自'Potato Leaf Disease Dataset'的马铃薯叶片图像数据集 |
1112 | 2025-05-20 |
Deep learning health space model for ordered responses
2025-May-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03026-3
PMID:40380121
|
研究论文 | 本文开发了深度学习健康空间模型,用于捕捉复杂的非线性生物关系,并与现有的统计健康空间模型进行了性能比较 | 提出了五种不同的深度学习健康空间模型,包括四种标准二元深度神经网络和一种考虑因变量有序性的深度序数神经网络 | 模型性能仅在特定数据集上验证,可能需要更多外部验证 | 开发能够客观且有意义地可视化个体健康状况的深度学习模型 | 个体健康状况 | 机器学习 | NA | 深度学习 | DNN, DONN | 健康调查数据 | 训练集32,140个样本(来自KNHANES),验证集862个样本(来自Ewha-Boramae队列)和3,199个样本(来自KARE项目) |
1113 | 2025-05-20 |
Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification
2025-May-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104993
PMID:40381258
|
research paper | 比较分析深度学习在乳腺超声病灶检测和分类中的应用效果 | 首次探讨了结合病灶检测和分类步骤的影响,并比较了不同方法的效果,同时公开了一个新的乳腺超声分割数据集BUS-UCLM | 研究强调了准确识别和分割病灶的复杂性,但未具体说明各方法的计算成本或实时性能 | 评估不同深度学习方法在乳腺超声图像病灶检测和分类中的性能 | 乳腺超声图像中的病灶 | digital pathology | breast cancer | deep learning | Mask R-CNN, Poolformer | image | 新数据集BUS-UCLM及四个公开数据集(BUSI, OASBUD, RODTOOK, UDIAT) |
1114 | 2025-05-20 |
Escarcitys: A framework for enhancing medical image classification performance in scarcity of trainable samples scenarios
2025-May-16, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107573
PMID:40382989
|
研究论文 | 提出了一种名为EScarcityS的框架,旨在解决医学图像分类中训练样本稀缺的问题,通过多粒度Transformer网络和疾病概率图引导的扩散生成模型来提高分类准确率 | 设计了多粒度Transformer网络(MGVit)和疾病概率图引导的扩散生成模型,以在训练样本稀缺的情况下提高医学图像分类的性能 | 虽然减少了数据需求,但仍需依赖一定量的真实数据进行训练,且合成数据的真实性和多样性可能影响最终分类效果 | 提高在训练样本稀缺情况下的医学图像分类准确率 | 医学图像 | 数字病理 | NA | 扩散生成模型 | Transformer, MGVit | 图像 | 四个真实医学图像数据集 |
1115 | 2025-05-20 |
FlowMRI-Net: A Generalizable Self-Supervised 4D Flow MRI Reconstruction Network
2025-May-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101913
PMID:40383184
|
research paper | 提出了一种名为FlowMRI-Net的自监督深度学习框架,用于快速准确地重建高度欠采样的4D流MRI数据 | 采用物理驱动的展开优化和复数卷积循环神经网络,以自监督方式进行训练,提高了重建速度和准确性 | 仅针对主动脉和脑血管4D流MRI数据进行了验证,尚未在其他血管区域广泛应用 | 开发一个通用的自监督深度学习框架,用于快速准确地重建高度欠采样的4D流MRI数据 | 主动脉和脑血管4D流MRI数据 | 医学影像处理 | 心血管疾病 | 4D流MRI | 复数卷积循环神经网络 | 4D MRI图像 | 来自两个不同厂商系统的主动脉和脑血管4D流MRI采集数据 |
1116 | 2025-05-20 |
Technology Advances in the placement of naso-enteral tubes and in the management of enteral feeding in critically ill patients: a narrative study
2025-May-16, Clinical nutrition ESPEN
IF:2.9Q3
DOI:10.1016/j.clnesp.2025.05.022
PMID:40383254
|
研究论文 | 本文综述了重症患者鼻肠管放置和肠内喂养管理的技术进步 | 介绍了多种新技术如POCUS、电磁传感器、实时视频辅助放置等在鼻肠管放置和肠内喂养管理中的应用 | NA | 探讨重症患者鼻肠管放置和肠内喂养管理的技术进步 | 重症患者 | 医学技术 | 重症疾病 | POCUS、电磁传感器、实时视频辅助放置、阻抗传感器、虚拟现实、深度学习算法 | 深度学习算法 | 医学影像、传感器数据 | NA |
1117 | 2025-05-20 |
Assessing fetal lung maturity: Integration of ultrasound radiomics and deep learning
2025-May-16, African journal of reproductive health
IF:0.7Q4
DOI:10.29063/ajrh2025/v29i5s.7
PMID:40387939
|
研究论文 | 本研究通过结合放射组学和深度学习方法,构建了一个预测胎儿肺部成熟度的模型 | 整合放射组学特征和临床数据,利用深度学习方法提高胎儿肺部成熟度评估的准确性和可靠性 | 需要在不同的医疗环境中进行模型的验证和优化 | 提高胎儿肺部成熟度的预测水平,以改善产前护理和婴儿健康 | 263例妊娠期的超声图像 | 数字病理 | 胎儿肺部成熟度评估 | 超声成像,放射组学特征提取 | DenseNet121 | 图像 | 263例妊娠期的超声图像 |
1118 | 2025-05-20 |
Toward Ultralow-Power Neuromorphic Speech Enhancement With Spiking-FullSubNet
2025-May-15, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3566021
PMID:40372867
|
research paper | 提出了一种基于脉冲神经网络的超低功耗语音增强系统Spiking-FullSubNet,用于提高边缘设备的语音清晰度和质量 | 采用全频带和子频带融合的方法有效捕捉全局和局部频谱信息,引入受人类外周听觉系统启发的频率分区方法,并提出一种新型脉冲神经元模型以增强多尺度时间处理能力 | NA | 开发超低功耗的语音增强系统,适用于边缘设备如耳机和助听器 | 语音信号 | machine learning | NA | SNN | Spiking-FullSubNet | audio | Intel Neuromorphic Deep Noise Suppression (N-DNS) Challenge数据集 |
1119 | 2025-05-20 |
Bacterial identification in SERS-integrated microfluidics using CNN-driven 2D classification of 1D spectra
2025-May-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.128325
PMID:40381415
|
research paper | 该研究提出了一种结合SERS微流控技术和优化的2D-CNN用于细菌分类的新框架 | 首次探索了SERS光谱的2D表示方法在芯片上细菌识别中的应用,并系统评估了九种不同的1D到2D光谱转换方法 | 其他转换方法如成对距离和自相关表现低于93%,表明它们在捕捉细微光谱特征方面的能力有限 | 开发一种用于细菌识别的高效分析方法 | 细菌样本 | machine learning | NA | SERS, 微流控技术 | 2D-CNN | 光谱数据 | 控制数据集和芯片数据集 |
1120 | 2025-05-20 |
Machine Learning-Based Multimodal Radiomics and Transcriptomics Models for Predicting Radiotherapy Sensitivity and Prognosis in Esophageal Cancer
2025-May-15, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110242
PMID:40381695
|
研究论文 | 本研究整合了机器学习驱动的多模态放射组学和转录组学,开发了预测食管癌放疗敏感性和预后的模型 | 利用SEResNet101深度学习模型分析影像和转录组数据,鉴定预后相关基因,并构建预后风险模型,同时发现STUB1通过促进SRC的泛素化和降解增强放疗敏感性 | NA | 预测食管癌患者的放疗敏感性和预后,为个体化放疗计划提供依据 | 食管癌患者 | 机器学习 | 食管癌 | RNA-seq | SEResNet101 | 影像数据和转录组数据 | 来自UCSC Xena和TCGA数据库的数据 |