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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1141 | 2025-09-07 |
Artificial intelligence in electroencephalography analysis for epilepsy diagnosis and management
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1615120
PMID:40901672
|
综述 | 本文系统评估人工智能在脑电图分析中用于癫痫诊断和管理的研究进展 | 聚焦支持性AI和预测性AI两种应用模型,强调多模态数据融合与个性化诊断能力 | 模型可解释性不足、数据质量限制以及临床转化存在障碍 | 改善癫痫检测、监测和治疗评估 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | EEG(脑电图) | 深度学习和机器学习 | 时间序列信号数据 | NA |
1142 | 2025-09-07 |
Uncovering key biomarkers, potential therapeutic targets and development of deep learning model in heart failure
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330780
PMID:40901835
|
研究论文 | 通过生物信息学分析和深度学习技术识别心力衰竭的关键生物标志物和潜在治疗靶点 | 首次结合WGCNA、机器学习、PPI分析和深度学习CNN模型筛选出四个关键基因(ITIH5, ISLR, ASPN, FNDC1)并发现两种潜在治疗药物 | 基于公共数据库的回顾性分析,需要进一步实验验证 | 发现心力衰竭的生物标志物和治疗靶点 | 心力衰竭患者基因表达数据 | 生物信息学 | 心血管疾病 | RNA-seq, 单细胞RNA测序, 分子对接 | CNN | 基因表达数据 | 来自GEO数据库的公共数据集 |
1143 | 2025-09-07 |
Artificial intelligence in advanced gastric cancer: a comprehensive review of applications in precision oncology
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1630628
PMID:40904504
|
综述 | 本文全面回顾了人工智能在晚期胃癌精准肿瘤学中的应用现状与前景 | 系统整合多模态数据(临床记录、基因组学、影像组学、病理组学)的AI方法显著提升预测性能,超越单模态模型 | 面临数据质量与标准化不足、模型可泛化性与可解释性有限、缺乏严格前瞻性验证等挑战 | 探讨人工智能如何推动晚期胃癌的精准治疗与个性化管理 | 晚期胃癌患者的多维度医疗数据 | digital pathology | 胃癌 | 机器学习(ML)、深度学习(DL)、多模态数据分析 | 深度学习模型(具体架构未明确说明) | 临床记录、基因组数据、影像数据、病理图像 | NA(综述类文章未涉及具体样本量) |
1144 | 2025-09-07 |
A new deep learning model for predicting IMRT dose distributions for lung cancer with dose masks
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1587788
PMID:40904510
|
研究论文 | 提出一种结合剂量掩模的深度学习模型,用于提升肺癌IMRT剂量分布预测精度 | 首次在剂量预测模型中引入剂量掩模信息,显著改善中低剂量区域预测误差 | 未明确说明模型在不同医疗机构间的泛化能力 | 提高肺癌调强放射治疗(IMRT)剂量分布的预测准确性 | 肺癌患者的CT图像、解剖结构和剂量分布数据 | 医学影像分析 | 肺癌 | 深度学习、剂量掩模辅助训练 | 3D U-Net | CT图像、剂量掩模、解剖结构数据 | 包含常规放疗和同步整合推量(SIB)放疗的混合数据集(具体样本量未明确说明) |
1145 | 2025-09-07 |
Improving EEG classification of alcoholic and control subjects using DWT-CNN-BiGRU with various noise filtering techniques
2025, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2025.1618050
PMID:40904893
|
研究论文 | 本研究探索不同噪声过滤技术对EEG信号分类性能的影响,并提出一种新颖的DWT-CNN-BiGRU模型用于酒精中毒与对照组分类 | 提出结合DWT预处理与CNN-BiGRU架构的新模型,相比基线模型准确率提升约17% | NA | 识别最有效的EEG信号预处理方法以提升深度学习模型在酒精中毒诊断中的性能 | 酒精中毒患者与对照组受试者的EEG信号 | 生物医学信号处理 | 酒精中毒 | DWT, DFT, DCT, 深度学习 | CNN-BiGRU | EEG信号 | NA |
1146 | 2025-09-07 |
MultiSC: a deep learning pipeline for analyzing multiomics single-cell data
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae492
PMID:39376034
|
研究论文 | 提出一种名为MultiSC的深度学习流程,用于整合和分析多组学单细胞数据 | 开发了新型多模态约束自编码器和基于矩阵分解的模型,有效整合三种组学数据并预测转录因子调控的靶基因 | NA | 解决多组学单细胞数据整合分析工具缺乏的问题 | 单细胞多组学数据(基因表达、染色质可及性、转录因子蛋白表达) | 生物信息学 | NA | NEAT-seq多组学测序技术 | 多模态约束自编码器、矩阵分解模型、多元线性回归 | 多组学单细胞数据 | NA |
1147 | 2025-09-07 |
DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3237712
PMID:37021916
|
研究论文 | 提出一种基于条件扩散模型的ECG基线漂移和噪声去除技术DeScoD-ECG | 首次将条件扩散生成模型应用于ECG噪声去除,并采用多轮平均策略提升信号重建质量 | NA | 实现高质量、高保真的ECG信号重建以辅助心血管疾病诊断 | 心电图(ECG)信号 | 生物医学信号处理 | 心血管疾病 | 条件扩散模型,多轮平均策略 | 扩散模型(DeScoD-ECG) | ECG信号数据 | QT数据库和MIT-BIH噪声压力测试数据库 |
1148 | 2025-09-07 |
Deep learning for fast super-resolution ultrasound microvessel imaging
2023-Dec-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0a5a
PMID:37934040
|
研究论文 | 提出一种基于深度学习的超快速超分辨率超声微血管成像方法,通过自适应匹配网络(AM-Net)和多映射数据集生成技术提升成像性能 | 引入自适应匹配网络(AM-Net)架构和多映射(MMP)数据集生成方法,显著提高定位精度并降低计算复杂度 | 深度学习性能高度依赖训练数据集,而真实数据模拟存在困难 | 提升超声定位显微镜(ULM)的成像速度和精度,克服传统方法处理时间长和微泡密度敏感性问题 | 超声微血管成像中的微泡(MBs)定位与重建 | 医学影像分析 | NA | 超声定位显微镜(ULM),深度学习 | 自适应匹配网络(AM-Net) | 超声图像 | 仿真实验使用128×128像素图像,体外实验使用896×1280像素图像 |
1149 | 2025-09-07 |
Mitigating misalignment in MRI-to-CT synthesis for improved synthetic CT generation: an iterative refinement and knowledge distillation approach
2023-Dec-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0ddc
PMID:37976548
|
研究论文 | 提出一种新颖的两阶段方法,通过迭代精配和知识蒸馏来减轻MRI到CT合成中的错位问题,提升合成CT质量 | 首次系统性地解决MRI与CT之间的错位问题,结合迭代精配和知识蒸馏技术,显著减少GAN幻觉现象 | 研究仅基于48例头颈癌患者数据,样本量相对有限,需要更大规模验证 | 改进MRI到CT的合成技术,提高合成CT的准确性和临床适用性 | 头颈癌患者的MRI和CT图像数据 | 医学影像分析 | 头颈癌 | 生成对抗网络(GAN)、知识蒸馏、图像配准 | 条件GAN | 医学影像(MRI和CT图像) | 48例头颈癌患者 |
1150 | 2025-09-07 |
Learnable PM diffusion coefficients and reformative coordinate attention network for low dose CT denoising
2023-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/aced33
PMID:37536336
|
研究论文 | 提出一种基于可学习PM扩散系数和改进坐标注意力网络的低剂量CT去噪方法,旨在平衡噪声抑制与结构保留 | 将Perona-Malik模型的各向异性图像处理思想融入神经网络,并设计多尺度改进坐标注意力模块增强空间位置信息捕获 | NA | 解决低剂量CT图像去噪中噪声抑制与边缘结构保留的平衡问题 | 低剂量CT图像 | 计算机视觉 | NA | 深度学习 | encoder-decoder结构网络(PMA-Net) | CT图像 | 模拟和真实数据集 |
1151 | 2025-09-07 |
Uncertainty-guided cross learning via CNN and transformer for semi-supervised honeycomb lung lesion segmentation
2023-Dec-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0eb2
PMID:37988756
|
研究论文 | 提出一种基于不确定性的CNN与Transformer交叉学习半监督方法,用于蜂窝肺病灶分割 | 结合CNN和Transformer进行交叉学习,利用认知不确定性指导高置信度区域学习,减少伪标签错误影响 | NA | 提高有限标注条件下的医学图像分割性能 | 蜂窝肺CT图像 | 计算机视觉 | 肺病 | 半监督学习 | CNN, Transformer | 医学图像 | 有限标注样本加大量未标注图像 |
1152 | 2025-09-07 |
Volumetric feature points integration with bio-structure-informed guidance for deformable multi-modal CT image registration
2023-Dec-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad03d2
PMID:37844603
|
研究论文 | 提出一种基于体积特征点整合与生物结构引导的可变形多模态CT图像配准方法 | 融合体素特征点和生物结构特征点共同指导训练过程,提升低对比度器官的配准精度 | NA | 解决医学图像配准中的局部最优问题并提高配准精度 | CT-CBCT多模态医学图像 | 医学图像处理 | NA | 深度学习配准方法 | 深度学习网络 | CT和CBCT医学图像 | 配对的CT-CBCT数据集 |
1153 | 2025-09-07 |
Semi-supervised contrast learning-based segmentation of choroidal vessel in optical coherence tomography images
2023-Dec-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0d42
PMID:37972415
|
研究论文 | 提出一种基于半监督对比学习的脉络膜血管分割方法,用于OCT图像分析 | 采用非对称师生模型框架,结合不确定性感知自集成和变换一致性技术,并设计了边界修复模块 | NA | 实现OCT图像中脉络膜血管的精确分割,辅助眼科疾病定量分析和治疗计划制定 | 脉络膜血管 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | Pyramid Pooling SegFormer (APP-SFR), U-Net | 图像 | 三个数据集共1000张图像(ChorVessel 400张,MG 400张,U2OS 200张) |
1154 | 2025-09-07 |
Axial super-resolution optical coherence tomography via complex-valued network
2023-Dec-01, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0997
PMID:37922558
|
研究论文 | 提出一种基于复数网络的轴向超分辨率光学相干层析成像方法 | 首次将复数网络应用于OCT超分辨率成像,充分利用OCT信号的幅度和相位信息 | NA | 提高光学相干层析成像的轴向分辨率 | 生物组织 | 计算机视觉 | NA | 光学相干层析成像 | 复数网络(CVSR-Net) | 图像 | 三个OCT数据集 |
1155 | 2025-09-07 |
Feature selection based on unsupervised clustering evaluation for predicting neoadjuvant chemoradiation response for patients with locally advanced rectal cancer
2023-Dec-01, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0d46
PMID:37972413
|
研究论文 | 提出基于无监督聚类评估的特征选择方法,结合CNN特征与影像组学特征预测局部晚期直肠癌新辅助放化疗响应 | 设计可切换3D/2D卷积核的CNN特征提取器,并创新使用无监督聚类指标替代传统分类器训练流程以降低特征选择计算成本 | 样本量较小(仅43例患者),需更大规模数据验证 | 提高局部晚期直肠癌新辅助放化疗响应预测的准确性 | 局部晚期直肠癌(LARC)患者 | 计算机视觉 | 直肠癌 | 多模态MR序列成像 | CNN(卷积神经网络) | 医学影像(ADC和T2加权图像) | 43例接受新辅助放化疗的LARC患者 |
1156 | 2025-09-07 |
Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning
2023-Nov-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acfec7
PMID:37774717
|
研究论文 | 提出基于深度学习的术后B型主动脉夹层多阶段分割框架,通过全局-局部融合学习提升分割精度 | 设计两阶段分割流程和全局-局部融合学习机制,首次实现术后主动脉夹层多结构(真腔、假腔、血栓、分支血管)的精准分割 | 研究基于306张随访图像,虽为多中心数据,但样本量仍相对有限 | 开发快速准确的术后B型主动脉夹层分割方法,支持患者特异性三维形态学和血流动力学分析 | B型主动脉夹层患者术后CT影像 | 计算机视觉 | 心血管疾病 | 深度学习分割 | CNN(未明确指定具体网络) | 医学影像(CT增强扫描) | 133名患者的306张随访影像 |
1157 | 2025-09-07 |
Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring
2023-Nov-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad0283
PMID:37820684
|
研究论文 | 提出一种基于深度学习的通用降噪框架GDI-CNN,用于显著提升辐射诱导声学成像的信噪比并减少所需帧数 | 开发了具有多扩张卷积的初始块结构神经网络,能处理不同时间特征的声信号,适用于多种辐射源 | NA | 解决辐射诱导声学成像中低信噪比问题,实现低剂量成像和实时治疗监测 | X射线诱导声信号、质子声信号和电声信号 | 医学影像处理 | NA | 深度学习信号降噪 | CNN(卷积神经网络) | 声学信号 | 实验数据涵盖三种不同类型的辐射诱导声信号 |
1158 | 2025-09-07 |
Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation
2023-Nov-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad092a
PMID:37918343
|
研究论文 | 提出基于视频的深度学习模型AFP和自监督模型PASS,用于超声视频序列中甲状腺结节的实时精准检测 | 将甲状腺结节检测从图像扩展到视频,利用时序上下文信息;提出相邻帧感知(AFP)和无需标注的自监督增强方法(PASS) | 未明确讨论模型在不同超声设备或操作者间的泛化能力 | 提升超声视频中甲状腺结节检测的准确性和实时性 | 甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习,自监督学习 | CNN(基于视频的深度学习模型) | 超声视频序列 | 92个视频(23,773帧),其中60个标注视频(16,694帧)用于训练评估 |
1159 | 2025-09-07 |
Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning
2023-Nov-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad092b
PMID:37918341
|
研究论文 | 提出一种基于同侧解剖结构学习的多视角计算机辅助检测模型,用于数字乳腺断层合成成像中非典型结构扭曲的检测 | 利用同侧视角间的解剖结构对应关系,通过连体网络架构和三重模块融合多视角信息,显著提升非典型结构扭曲的检测性能 | NA | 开发用于乳腺结构扭曲检测的计算机辅助检测模型 | 数字乳腺断层合成成像中的非典型结构扭曲 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成成像 | Siamese network, triplet module | 医学图像 | NA |
1160 | 2025-09-07 |
Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation
2023-Nov-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad07f6
PMID:37903442
|
研究论文 | 提出一种基于深度学习的直接预测乳腺VMAT治疗中MLC孔径和监测单元的方法,作为优化器的初始化 | 直接从患者解剖结构预测MLC孔径和监测单元,而非传统的两阶段优化流程 | 研究仅针对右侧乳腺癌患者,样本量有限(148例) | 开发自动化放射治疗计划优化方法 | 乳腺癌患者的放射治疗计划 | 医学影像分析 | 乳腺癌 | 深度学习,卷积神经网络 | U-net CNN | CT影像和轮廓投影 | 148例右侧乳腺癌患者(训练101例,验证23例,测试24例) |