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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1221 | 2025-07-02 |
Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study
2025-Jun, 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.2025.104990
PMID:40347553
|
研究论文 | 开发并评估基于深度学习和多元逻辑回归算法的全自动模型,用于颈动脉CT血管造影图像质量评估 | 首次提出结合3D Res U-net和多元逻辑回归的全自动图像质量评估模型,并在多中心数据集中验证其性能 | 研究为回顾性设计,且仅评估了颈动脉CTA图像 | 开发高效准确的颈动脉CTA图像质量自动化评估方法 | 颈动脉CT血管造影图像 | 数字病理 | 心血管疾病 | CT血管造影 | 3D Res U-net + 逻辑回归 | 医学影像 | 840例来自4家三甲医院的颈动脉CTA图像 |
1222 | 2025-07-02 |
Bppv nystagmus signals diagnosis framework based on deep learning
2025-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01542-0
PMID:40358819
|
research paper | 提出了一种基于深度学习的BPPV眼震信号诊断框架,用于改善良性阵发性位置性眩晕的诊断 | 开发了结合Egeunet神经网络模型和FFT等数学统计技术的综合框架,提高了眼震数据的精确分割和分析能力 | 未明确提及样本量或具体临床验证结果 | 改善BPPV的诊断准确性和临床决策支持 | 良性阵发性位置性眩晕(BPPV)患者的眼震信号 | digital pathology | geriatric disease | Fast Fourier Transform (FFT) | Egeunet (CNN-based) | eye movement signals | NA |
1223 | 2025-07-02 |
Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning
2025-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01560-y
PMID:40448904
|
研究论文 | 本研究提出了一种基于无监督学习的双能CT虚拟单能成像方法,用于提高图像质量 | 采用无监督学习方法直接从双能CT图像生成虚拟单能图像,无需高质量标注数据 | 仅初步验证了方法在患者数据上的有效性,需要更大规模的研究进一步验证 | 提高双能CT虚拟单能成像的图像质量 | 双能CT图像和虚拟单能图像 | 医学影像处理 | NA | 双能CT | 深度学习模型 | 医学影像 | 患者数据 |
1224 | 2025-07-02 |
PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning
2025-Apr-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.16.24317431
PMID:40321248
|
研究论文 | 开发并评估了一个名为PanEcho的多任务深度学习AI系统,用于自动解读超声心动图 | 提出了一个能够自动解读超声心动图的AI系统PanEcho,并在多地点进行了验证 | 研究为回顾性分析,可能需要在更多前瞻性研究中验证其性能 | 开发并评估AI系统在超声心动图解读中的准确性 | 超声心动图视频和参数 | 数字病理 | 心血管疾病 | 多任务深度学习 | 深度学习模型 | 视频 | 1.2百万个超声心动图视频,来自24,405名患者的32,265次TTE研究 |
1225 | 2025-07-02 |
Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110314
PMID:39708927
|
研究论文 | 本研究探讨了深度学习放射组学列线图(DLRN)在预测脑胶质瘤异柠檬酸脱氢酶(IDH)基因型中的可行性 | 开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型,用于非侵入性预测IDH突变状态 | 研究为回顾性设计,样本量相对有限,且仅基于T2图像 | 探索DLRN在预测脑胶质瘤IDH基因型中的应用 | 402名来自两个独立中心的脑胶质瘤患者 | 数字病理学 | 脑胶质瘤 | 深度学习放射组学 | 混合模型(深度学习+放射组学+临床特征) | 医学影像(T2图像) | 402名患者(训练队列239名,内部验证队列103名,外部验证队列60名) |
1226 | 2025-07-02 |
Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study
2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110770
PMID:39894259
|
研究论文 | 本研究开发并验证了一种多尺度深度学习放射组学列线图,用于预测胰腺导管腺癌患者的无复发生存期 | 结合手工放射组学和深度学习特征,构建多尺度列线图,显著优于传统的AJCC分期系统 | 研究样本来自四家医院,可能存在选择偏倚;外部验证集的表现差异较大 | 预测胰腺导管腺癌患者的无复发生存期,以改善术前临床决策 | 469名胰腺导管腺癌患者 | 数字病理 | 胰腺癌 | 放射组学分析、深度学习 | 多尺度深度学习模型 | 医学影像 | 469名患者(来自四家医院) |
1227 | 2025-07-02 |
Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94741-4
PMID:40133523
|
研究论文 | 应用深度学习算法挖掘乳腺癌超声特征,构建预测Ki-67表达水平的机器学习模型 | 整合肿瘤及瘤周区域的深度特征构建融合模型,并在多中心回顾性研究中验证其性能 | 模型在特异性方面表现一般,瘤周区域模型的ROAUC相对较低 | 开发高精度预测乳腺癌Ki-67表达水平的模型 | 929名乳腺癌患者的临床及超声数据 | 数字病理 | 乳腺癌 | 深度学习 | SVM, LightGBM | 超声图像 | 929名患者(多中心回顾性数据) |
1228 | 2025-07-02 |
Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408451
PMID:39792693
|
研究论文 | 该研究开发了一种名为HER2Net的深度学习模型,用于基于全切片组织病理学图像预测胃癌的HER2状态 | 创新性地开发了HER2Net模型,通过定量计算HER2高表达区域的比例来预测HER2状态 | 研究为回顾性多中心研究,可能存在选择偏倚 | 开发一种经济可行且易于使用的工具,用于区分胃癌患者的HER2状态 | 胃癌患者的全切片组织病理学图像 | 数字病理学 | 胃癌 | 深度学习 | CNN | 图像 | 内部训练集520名患者的531张H&E全切片图像,内部测试集111名患者的115张图像,外部多中心测试集101名患者的102张图像 |
1229 | 2025-07-02 |
Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.033
PMID:39542804
|
研究论文 | 本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值 | 利用纵向多模态深度学习和堆叠模型进行早期无创预测,为乳腺癌患者提供个性化治疗策略 | 回顾性研究设计可能影响结果的普遍性,且样本量有限 | 早期预测乳腺癌患者对新辅助化疗的响应,以辅助个性化治疗策略的制定 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习 | ResNet50, 堆叠模型 | 图像 | 448名患者来自三个中心 |
1230 | 2025-07-02 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究通过整合临床基因表达数据和数学建模,开发了一种个性化的数字孪生模型(PePMDT),用于预测活体肝移植供体的肝脏恢复轨迹 | 首次将临床基因表达数据与数学建模相结合,构建了个性化的数字孪生模型(PePMDT),用于预测活体肝移植供体的肝脏恢复过程 | 研究样本量较小(12名健康供体),且仅基于RNA测序数据,未考虑其他潜在影响因素 | 开发一种个性化模型,用于预测活体肝移植供体的肝脏恢复过程 | 活体肝移植供体的肝脏恢复过程 | 数字病理学 | 肝病 | RNA测序, WGCNA, 深度学习 | PePMDT(个性化渐进机制数字孪生) | 基因表达数据 | 12名健康活体肝移植供体,14个时间点的全转录组RNA测序数据 |
1231 | 2025-07-02 |
Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment
2025-02, Reproductive biomedicine online
IF:3.7Q1
DOI:10.1016/j.rbmo.2024.104441
PMID:39708575
|
研究论文 | 开发了一种基于深度学习的机器学习工具,用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日 | 提出了两种新颖的渐进式机器学习算法,能够高精度预测触发日和MII卵母细胞数量 | 需要纳入更多数据和来自不同诊所的验证 | 开发预测卵巢刺激周期结果的机器学习工具 | 卵巢刺激周期 | 机器学习 | 生殖系统疾病 | 深度学习 | 深度学习算法 | 临床数据 | 56,490个卵巢刺激周期(主要数据集),其中13,090个用于模型开发,5,103个用于临床验证 |
1232 | 2025-07-02 |
Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation
2025-Jan-31, Reproductive biology and endocrinology : RB&E
IF:4.2Q1
DOI:10.1186/s12958-025-01351-w
PMID:39891250
|
研究论文 | 本文提出了一种用于开发和验证评估囊胚期胚胎的人工智能模型的方法论框架,并在多中心数据集上验证了其可靠性 | 提出了一种四步方法论框架,确保AI模型在临床环境中的一致性和可靠性,并在多中心数据集上进行了验证 | 研究仅针对囊胚期胚胎,未涵盖其他胚胎发育阶段 | 开发并验证一个可靠的人工智能模型,用于评估体外受精(IVF)中胚胎的妊娠可能性 | 囊胚期胚胎 | 数字病理学 | 生殖健康 | 时间推移成像 | 深度学习分类器 | 图像 | 训练和验证数据集(n=16,935个胚胎),盲测数据集(n=1,708个胚胎;3个诊所),独立数据集(n=7,445个胚胎;7个诊所) |
1233 | 2025-07-02 |
Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data
2025-Jan, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104767
PMID:39746431
|
研究论文 | 本文提出了一种可解释的深度学习方法,用于自动识别创伤复苏过程中的目标追求 | 采用双GRU结构的神经网络模型,结合时间和活动类型特征,增强预测的可解释性 | 模型仅针对两种复苏目标(气道稳定和循环支持)进行验证,可能不适用于其他目标 | 通过自动识别创伤复苏过程中的目标追求,减少任务执行错误并改善患者预后 | 儿科创伤复苏事件日志 | 机器学习 | 创伤 | 深度学习 | 双GRU结构神经网络 | 事件日志 | 381例儿科创伤复苏案例(2014年8月至2022年11月) |
1234 | 2025-07-02 |
Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574413
PMID:40241894
|
研究论文 | 开发并验证了一种基于卷积神经网络(CNN)的工具,用于自动评分指甲银屑病的严重程度,使用改良的指甲银屑病严重程度指数(mNAPSI) | 该研究提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具,并进行了独立验证 | 尽管在不同成像条件下表现稳健,但模型性能仍有提升空间 | 开发一种自动化、客观的指甲银屑病严重程度评分工具 | 银屑病(PsO)、银屑病关节炎(PsA)患者及非银屑病对照组的指甲照片 | 数字病理学 | 银屑病 | 深度学习 | CNN(基于BEiT架构) | 图像 | 训练数据集包括460名患者的4,400张指甲照片,验证数据集包括118名患者的929张指甲照片 |
1235 | 2025-07-02 |
Corrigendum: Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1617441
PMID:40538405
|
correction | 本文是对先前发表的一篇关于使用深度学习工具自动评估指甲银屑病严重程度的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1236 | 2025-07-02 |
Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT
2024-Dec-18, ArXiv
PMID:39764397
|
research paper | 该研究提出了一种基于优化和光谱间结构相似性正则化的图像重建方法,用于有限角度双能锥束CT成像 | 无需X射线光谱测量或配对数据集进行模型训练,即可实现精确图像重建 | 仅在物理和数字体模上进行了评估,尚未在临床患者数据上验证 | 促进快速低剂量双能锥束CT在临床中的应用 | 有限角度双能锥束CT图像 | 数字病理 | NA | 双能锥束CT | 优化迭代重建 | CT图像 | 四个物理体模和三个数字体模 |
1237 | 2025-07-02 |
HIV-1 M group subtype classification using deep learning approach
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109218
PMID:39369547
|
研究论文 | 提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv,通过env基因序列实现高精度分类 | 首次使用深度学习方法进行HIV-1 M群亚型分类,并利用人工分子进化技术生成适合机器学习的合成数据集 | NA | 开发一种高精度的HIV-1 M群亚型分类方法 | HIV-1 M群亚型 | 机器学习 | HIV感染 | 人工分子进化技术 | 卷积自编码器(CNN)与全连接神经网络 | DNA序列数据 | NA |
1238 | 2025-07-02 |
iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics
2024-Nov-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.29.24305092
PMID:39649598
|
research paper | 提出了一种名为iGTP的可解释生成转录程序框架,用于推断单细胞转录组学背后的生物学机制 | iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性,超越了其他深度学习和传统生物信息学方法 | 未明确提及具体局限性 | 开发一种可解释的深度学习框架,用于单细胞转录组数据的分析和生物学机制推断 | 单细胞转录组数据 | 生物信息学 | NA | 单细胞转录组学 | Variational AutoEncoder, 图神经网络, 潜在扩散模型 | 基因表达数据 | NA |
1239 | 2025-07-02 |
Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer
2024-Nov-18, Molecular cancer
IF:27.7Q1
DOI:10.1186/s12943-024-02169-7
PMID:39551726
|
研究论文 | 本研究通过创建TRPM-Score并发现CCNE1作为生物标志物,探讨了TRPM家族在泛癌领域中的预测和免疫调节潜力 | 创建了TRPM-Score并发现CCNE1作为生物标志物,验证了其在免疫治疗预测和免疫调节中的作用 | 研究主要基于计算方法和体外实验,需要更多体内实验验证 | 探索TRPM家族在泛癌中的预测和免疫调节潜力 | 17种实体瘤和CCNE1基因 | 免疫肿瘤学 | 泛癌 | 机器学习和深度学习计算方法 | NA | 基因表达数据 | 17种实体瘤的数据 |
1240 | 2025-07-02 |
Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning
2024-10-30, Journal of proteomics
IF:2.8Q2
DOI:10.1016/j.jprot.2024.105322
PMID:39341565
|
research paper | 该研究通过深度学习模型探索氨基酸二聚体基序与质谱MS1强度之间的关系,以提高肽段定量分析的准确性 | 首次使用带注意力机制的编码器-解码器深度学习模型来识别影响MS1强度的关键氨基酸二聚体基序,并揭示了特定基序与肽段响应强度的关联 | 与早期单氨基酸表示相比,二聚体表示并未显著提高预测能力 | 探究氨基酸局部环境与质谱MS1强度之间的关系,以提高肽段定量分析的准确性 | 近200,000种独特肽段组成的等摩尔肽池 | machine learning | NA | 质谱(MS)分析 | 带注意力机制的RNN编码器-解码器模型 | 质谱数据 | 近200,000种独特肽段 |