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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1261 | 2025-06-09 |
Large medical image database impact on generalizability of synthetic CT scan generation
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110303
PMID:40403634
|
研究论文 | 本研究系统性地探讨了训练数据库规模对深度学习模型在合成医学图像生成中的泛化能力的影响 | 使用了一个包含4000例患者CT扫描的庞大数据库,规模远超先前研究,并采用CycleGAN与软配对数据相结合的方法进行kVCT图像合成 | 未提及具体的研究局限性 | 评估数据库规模对医学图像翻译任务中模型性能的影响 | 千伏计算机断层扫描(kVCT)和兆伏计算机断层扫描(MVCT)图像 | 医学图像处理 | NA | Cycle-Consistency Generative Adversarial Network (CycleGAN) | CycleGAN | CT扫描图像 | 4000例患者CT扫描 |
1262 | 2025-06-09 |
Enhancing nuclei segmentation in breast histopathology images using U-Net with backbone architectures
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110347
PMID:40403637
|
研究论文 | 本文提出了一种基于ResNet-34骨干网络的增强U-Net架构,用于提高乳腺组织病理学图像中细胞核分割的准确性 | 使用ResNet-34作为U-Net的骨干网络,显著提升了细胞核分割的性能,并在多个数据集上验证了其鲁棒性 | 研究主要基于有限数量的医学影像数据集,可能需要在更大规模的数据集上进行进一步验证 | 提高乳腺组织病理学图像中细胞核分割的准确性,以支持更有效的临床诊断 | 乳腺组织病理学图像中的细胞核 | 数字病理学 | 乳腺癌 | 深度学习 | U-Net with ResNet-34 backbone | 图像 | BreCaHad、BNS和MoNuSeg-2018数据集 |
1263 | 2025-06-09 |
CancerNet: A comprehensive deep learning framework for precise and intelligible cancer identification
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110339
PMID:40409034
|
research paper | 介绍了一个名为CancerNet的深度学习框架,用于精确且可解释的癌症识别 | 结合了卷积、反卷积和Transformer组件,以提取层次特征并捕获医学影像数据中的长距离依赖关系 | 未提及具体的数据集规模限制或模型在更广泛癌症类型上的泛化能力 | 开发一个高效且透明的深度学习框架,用于癌症检测 | 肿瘤组织的组织病理学图像和胶质瘤的全幻灯片图像 | digital pathology | glioma | Deep Learning | CNN, Transformer | image | 未明确提及具体样本数量,但使用了Histopathological Image数据集和DeepHisto验证数据集 |
1264 | 2025-06-09 |
Augmenting Common Spatial Patterns to deep learning networks for improved alcoholism detection using EEG signals
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110359
PMID:40409035
|
研究论文 | 本文提出了一种名为CSP-CNN-LSTM-ATTN的混合架构,用于通过EEG信号检测酗酒,结合了CSP、CNN、LSTM和注意力网络以提高分类性能 | 首次提出了一种结合CSP、CNN、LSTM和注意力网络的混合架构,考虑了EEG信号的时空特性,显著提高了酗酒检测的准确性 | 仅使用了公开的UCI EEG数据集,未在其他数据集上验证模型的泛化能力 | 开发一种快速、可靠、自动且非侵入性的酗酒检测方法 | 酗酒患者的EEG信号 | 机器学习 | 酗酒 | EEG信号分析 | CSP-CNN-LSTM-ATTN | EEG信号 | 公开的UCI EEG数据集 |
1265 | 2025-06-09 |
A multimodal deep learning framework for enzyme turnover prediction with missing modality
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110348
PMID:40409036
|
research paper | 提出了一种名为MMKcat的多模态深度学习框架,用于预测酶转换数(k),并处理输入模态缺失的问题 | 引入了一种基于先验知识的缺失模态训练机制,以及创新的辅助正则化器,以从不同模态组合中学习信息特征 | 未明确提及具体局限性,但可能涉及对某些特定酶或反应类型的适用性限制 | 开发一个能够准确预测酶转换数(k)的深度学习框架,特别是在输入模态缺失的情况下 | 酶、底物和反应产物 | machine learning | NA | 深度学习(DL) | MMKcat(多模态深度学习框架) | 序列数据(酶序列、底物序列) | 使用BRENDA和SABIO-RK数据库进行测试,具体样本数量未明确提及 |
1266 | 2025-06-09 |
A general survey on medical image super-resolution via deep learning
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110345
PMID:40412085
|
综述 | 本文全面综述了基于深度学习的医学图像超分辨率技术 | 提供了模块化和详细的医学图像超分辨率技术关键组成部分介绍,并分析了未来发展趋势和挑战 | 未涉及具体实验验证或性能比较 | 综述医学图像超分辨率技术的发展现状和未来方向 | 医学图像超分辨率技术 | 数字病理 | NA | 深度学习 | NA | 医学图像 | NA |
1267 | 2025-06-09 |
Comparison of three classifiers in detection of obstruction of the lower urinary tract using recorded sounds of voiding
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110337
PMID:40412086
|
研究论文 | 本研究旨在通过家庭录制的排尿声音自动检测下尿路梗阻,比较了三种分类器的性能 | 使用小波尺度图将排尿声音表示为图像,结合深度学习模型Inception v3进行自动分类 | 样本量较小(93名患者),且所有数据来自单一设备(Oppo智能手表) | 开发一种自动检测下尿路梗阻的非侵入性方法 | 下尿路梗阻患者和非梗阻患者的排尿声音记录 | 数字病理学 | 泌尿系统疾病 | 小波变换,深度学习 | Inception v3 CNN, SVM, MLP | 音频(转换为图像) | 93名患者,每人5-13条录音记录 |
1268 | 2025-06-09 |
Deep learning-based histopathologic segmentation of peritubular capillaries in kidney transplant biopsies
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110395
PMID:40413895
|
研究论文 | 本研究介绍了一种基于深度学习的方法,用于在PAS染色的肾移植活检中检测和分割肾小管周围毛细血管(PTCs),为自动化评分肾小管周围毛细血管炎(ptc)提供了第一步 | 该模型是在具有形态学异常的移植活检数据集上训练的,仅需PAS染色的肾活检和CD34免疫组织化学确认的真实数据 | 显著的间质炎症和纤维化使PTCs变得不易识别,以及存在模仿PTCs的结构(如萎缩的肾小管)对模型构成了最大的挑战 | 自动化评估肾移植活检中肾小管周围毛细血管(PTCs)的炎症程度,以诊断抗体介导的排斥反应 | 肾移植活检中的肾小管周围毛细血管(PTCs) | 数字病理学 | 肾脏疾病 | 深度学习 | U-Net | 图像 | 69例PAS染色的肾移植活检全切片图像,约28,000个PTCs用于训练和评估 |
1269 | 2025-06-09 |
Integrating AI/ML and multi-omics approaches to investigate the role of TNFRSF10A/TRAILR1 and its potential targets in pancreatic cancer
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110432
PMID:40424767
|
研究论文 | 本文通过整合AI/ML和多组学方法,研究了TNFRSF10A/TRAILR1在胰腺癌中的潜在治疗靶点作用 | 结合了多组学分析和深度学习驱动的QSAR建模,预测并验证了TNFRSF10A作为胰腺癌的潜在治疗靶点,并筛选出具有调节TRAILR1作用的FDA批准药物和天然化合物 | 研究结果需要进一步的实验验证,且样本来源和数量未明确说明 | 探索胰腺导管腺癌(PDAC)的新型治疗靶点和药物 | 胰腺导管腺癌(PDAC)中的TNFRSF10A/TRAILR1及其潜在靶点 | 数字病理学 | 胰腺癌 | 多组学分析(包括基因组学、单细胞空间转录组学、蛋白质组学、ceRNA网络分析)、QSAR建模、分子动力学模拟 | SELFormer(基于Transformer的深度学习模型) | 基因组数据、转录组数据、蛋白质组数据、化学结构数据 | NA |
1270 | 2025-06-09 |
Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110364
PMID:40435672
|
research paper | 开发并评估了一种基于人工智能的模型,用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间 | 结合深度学习特征与临床和图像评估特征进行生存分析,提高了预测全膝关节置换术时间的准确性 | 预测方法仍需进一步验证以增强其稳健性和准确性 | 预测全膝关节置换术的时间,以帮助医生个性化治疗策略并改善患者预后 | 547名在骨关节炎倡议中接受全膝关节置换术的受试者,以及来自多中心骨关节炎研究和内部医院数据的额外受试者 | digital pathology | geriatric disease | deep learning, Lasso Cox feature selection, random survival forest model | DL, Lasso Cox, random survival forest | clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments | 547名受试者用于模型训练和测试,518名和164名受试者用于外部测试 |
1271 | 2025-06-09 |
Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy
2025-Jul, Pathology, research and practice
DOI:10.1016/j.prp.2025.156035
PMID:40435910
|
综述 | 本文综述了人工智能在评估肿瘤浸润淋巴细胞(TILs)中的应用进展,包括自动化定量、亚群识别及空间分布模式分析 | 整合多组学数据与人工智能技术,探索TILs在肿瘤免疫治疗中的作用,并探讨AI与其他新兴技术的结合 | NA | 阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力 | 肿瘤浸润淋巴细胞(TILs) | 数字病理学 | 肿瘤 | 单细胞测序、多重免疫荧光、空间转录组学 | CNN | 图像 | NA |
1272 | 2025-06-09 |
A medical information extraction model with contrastive tuning and tagging layer training
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110465
PMID:40446547
|
research paper | 提出了一种新的医学信息提取模型,通过对比调优和标记层训练来减少对标注数据的依赖 | 提出了一种语义引导的表示训练模型,通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示 | 未明确提及具体局限性 | 改进医学信息提取任务,减少对大量标注数据的依赖 | 临床文本中的结构化信息 | natural language processing | NA | 对比损失机制 | 语义引导的表示训练模型 | text | CCKS2019和CMeEE数据集 |
1273 | 2025-06-09 |
An attention-based approach for Koopman modeling and predictive control of nonlinear systems
2025-Jul, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.04.011
PMID:40295151
|
research paper | 开发了一种基于注意力的深度学习方法,用于构建Koopman特征函数,以解决非线性系统建模的挑战 | 引入了注意力机制和可逆神经网络架构,以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系 | NA | 提高非线性系统的建模精度和预测控制能力 | 非线性系统的建模与控制 | machine learning | NA | deep learning, attention mechanism, invertible neural networks | CNN (conditional affine coupling layers) | numerical data | numerical examples and a physical experiment |
1274 | 2025-06-09 |
Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence
2025-Jul, Science & justice : journal of the Forensic Science Society
IF:1.9Q3
DOI:10.1016/j.scijus.2025.101255
PMID:40480703
|
研究论文 | 本文探讨了Shoe-MS算法,一种基于深度学习的框架,专为法医鞋印分析设计,输入为两幅配对图像,输出为0到1之间的相似度评分 | 提出Shoe-MS算法,用于法医鞋印分析,能够处理质量较差的犯罪现场图像,并生成可靠的相似度评分 | 算法无法完全替代人工检查,仍需检查员进行概率性、可重复和可再现的评估 | 提高法医鞋印分析的准确性和效率 | 法医鞋印图像 | 计算机视觉 | NA | 深度学习 | Shoe-MS算法 | 图像 | 两个不同的数据库 |
1275 | 2025-06-09 |
Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction
2025-Jul, Journal of safety research
IF:3.9Q2
DOI:10.1016/j.jsr.2025.02.007
PMID:40483046
|
研究论文 | 本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标 | 结合NLP、文本挖掘和深度学习技术(如SBERT)分析建筑项目中的事故和检查报告,识别未被安全领先指标捕捉到的危险 | 研究仅基于2015年至2018年加拿大一个建筑项目的数据,可能无法完全推广到其他地区或行业 | 识别安全领先指标在检查中未捕捉到的危险,以提升安全管理系统的有效性 | 建筑行业的安全事故和检查报告 | 自然语言处理 | NA | NLP, 文本挖掘, SBERT, N-gram模型, 共现网络 | SBERT | 文本 | 633起事故和9,681份检查描述 |
1276 | 2025-06-09 |
Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features
2025-Jun-08, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2514132
PMID:40483616
|
research paper | 提出了一种结合时间和功能连接特征的深度学习架构,用于增强基于EEG信号的认知负荷评估 | 提出了一种新颖的深度学习架构,整合了时间信息特征和功能连接特征,通过融合策略结合两者的互补优势,提高了分类性能 | EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力 | 提高基于EEG信号的认知负荷评估的准确性和泛化能力 | EEG信号 | Brain-Computer Interfaces (BCI) | NA | EEG信号分析 | LSTM网络结合注意力机制 | EEG信号 | 两个公开数据集 |
1277 | 2025-06-09 |
CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation
2025-Jun-08, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00732-4
PMID:40483648
|
研究论文 | 提出了一种结构敏感的深度学习模型CPE-Pro,用于蛋白质结构的表示和来源评估 | 结合预训练的蛋白质结构序列语言模型(SSLM)和几何向量感知器-图神经网络(GVP-GNN),学习结构感知的蛋白质表示并捕捉结构差异,实现四种结构数据来源的准确分类 | 未来研究需要扩展架构以适应更多蛋白质结构范式,并开发针对低pLDDT预测结构的评估方法 | 解决现有蛋白质表示方法难以捕捉关键结构差异的问题,提高蛋白质结构来源评估的准确性 | 蛋白质结构 | 生物信息学 | NA | 深度学习 | SSLM, GVP-GNN | 蛋白质结构数据 | NA |
1278 | 2025-06-09 |
Contribution of Labrum and Cartilage to Joint Surface in Different Hip Deformities: An Automatic Deep Learning-Based 3-Dimensional Magnetic Resonance Imaging Analysis
2025-Jun-07, The American journal of sports medicine
DOI:10.1177/03635465251339758
PMID:40481726
|
研究论文 | 本研究利用基于深度学习的自动3D MRI分析方法,探讨了不同髋关节畸形中唇状结构和软骨对关节面的贡献差异 | 首次使用深度学习自动3D分割技术分析不同髋关节畸形中唇状结构对关节面的贡献 | 样本量相对较小(98例患者/100个髋关节),且为回顾性研究设计 | 确定不同髋关节畸形中唇状结构对关节面贡献的差异及其影响因素 | 髋关节畸形患者的MRI影像数据 | 数字病理学 | 髋关节畸形 | 3D MRI | 深度学习 | 医学影像 | 98例患者(100个髋关节) |
1279 | 2025-06-09 |
Automatic MRI segmentation of masticatory muscles using deep learning enables large-scale muscle parameter analysis
2025-Jun-07, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2025.05.008
PMID:40483235
|
研究论文 | 本研究利用深度学习模型自动分割MRI图像中的咀嚼肌,以支持大规模肌肉参数分析 | 开发了一种深度学习模型,用于自动分割MRI图像中的咀嚼肌,提高了分割效率和准确性 | 研究样本量较小(40例训练,10例测试),可能影响模型的泛化能力 | 改善下颌重建手术中患者特异性植入物的设计,减少术后并发症 | 咀嚼肌的MRI图像 | 数字病理 | 下颌疾病 | MRI扫描 | 深度学习模型 | 图像 | 40例T1加权MRI扫描用于训练,10例用于测试 |
1280 | 2025-06-09 |
Diagnostic performance of lumbar spine CT using deep learning denoising to evaluate disc herniation and spinal stenosis
2025-Jun-07, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11742-7
PMID:40483292
|
research paper | 评估使用深度学习去噪(DLD CT)的腰椎CT在检测椎间盘突出和椎管狭窄中的诊断性能 | 首次将深度学习去噪技术应用于腰椎CT,提高了椎间盘突出和椎管狭窄的诊断敏感性和特异性 | 研究样本量较小(47名患者),且为回顾性研究 | 评估DLD CT在腰椎疾病诊断中的性能 | 47名患者的229个椎间盘(L1/2至L5/S1) | digital pathology | spinal disease | deep learning denoising (DLD) | deep learning algorithm (ClariCT.AI) | CT images | 47名患者(18名男性,29名女性,平均年龄69.1±10.9岁)的229个椎间盘 |