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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1321 | 2025-06-10 |
Deep learning reconstruction algorithm and high-concentration contrast medium: feasibility of a double-low protocol in coronary computed tomography angiography
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11059-x
PMID:39299952
|
研究论文 | 评估在非肥胖患者中使用高强度深度学习图像重建(DLIR-H)与标准自适应统计迭代重建(ASiR-V)协议在冠状动脉CT血管造影中的辐射剂量和图像质量 | 提出了一种结合DLIR-H和80-kVp CCTA的双低协议,显著减少辐射和对比剂暴露,同时提高图像质量 | 研究仅针对非肥胖患者,BMI限制在30 kg/m2以下 | 评估双低CCTA协议在减少辐射和对比剂剂量同时保持图像质量的可行性 | 非肥胖患者(BMI < 30 kg/m2) | 医学影像 | 心血管疾病 | 深度学习图像重建(DLIR-H),自适应统计迭代重建(ASiR-V) | 深度学习 | 医学影像 | 255名患者(每组85人) |
1322 | 2025-06-10 |
Deep learning-based segmentation of OCT images for choroidal thickness
2025 Apr-Jun, Journal of optometry
IF:2.2Q2
DOI:10.1016/j.optom.2025.100556
PMID:40328135
|
research paper | 开发并验证了一种基于深度学习的自动化分割方法,用于光学相干断层扫描(OCT)图像的脉络膜厚度测量 | 使用Deeplabv3+网络和ResNet50架构开发了一种自动化分割算法,与手动分割方法相比表现出色 | 测试集样本量较小(130例),且仅与一种开源算法进行了比较 | 开发并验证一种自动化分割方法,用于OCT图像的脉络膜厚度测量 | 光学相干断层扫描(OCT)图像 | digital pathology | NA | 光学相干断层扫描(OCT) | Deeplabv3+, ResNet50 | image | 训练集10,798例手动分割OCT扫描,测试集130例独特扫描 |
1323 | 2025-06-10 |
AUTOENCODER FOR 4-DIMENSIONAL FIBER ORIENTATION DISTRIBUTIONS FROM DIFFUSION MRI
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10981302
PMID:40475178
|
研究论文 | 本文提出了一种用于压缩扩散MRI中纤维取向分布(FODs)的平衡阶数级自编码器(OBOL) | 提出了一种平衡阶数级的自编码器(OBOL),通过为不同阶数的FODs使用单独的编码器来平衡特征图大小,从而在解码后高精度压缩FODs | 未明确提及具体限制 | 提高扩散MRI中纤维取向分布(FODs)的压缩精度和内存效率 | 扩散MRI中的纤维取向分布(FODs) | 医学影像分析 | NA | 扩散MRI | 自编码器(Autoencoder) | 医学影像数据 | 未明确提及具体样本数量 |
1324 | 2025-06-10 |
Strategies to include prior knowledge in omics analysis with deep neural networks
2025-Mar-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101203
PMID:40182174
|
review | 该文章探讨了在深度学习模型中整合生物先验知识以提高分子图谱预测性能的策略 | 总结了三种利用先验知识指导深度神经网络处理分子图谱的主要策略,并回顾了相关深度学习架构,包括图神经网络的新思路 | NA | 提高基于分子图谱的深度学习模型预测性能 | 分子图谱数据 | machine learning | NA | high-throughput molecular profiling | deep neural networks, graph neural networks | molecular profiles | NA |
1325 | 2025-06-10 |
Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01876
PMID:39908426
|
research paper | 使用深度变分异常生成方法对分子表示进行模糊测试 | 利用变分自编码器(VAE)生成SELFIES分子字符串的异常示例,挑战了SELFIES可转换为有效SMILES字符串的断言,并探索了影响分子表示可靠性的因素 | 仅针对SELFIES 2.1.1版本进行了测试,可能不适用于其他版本或其他分子表示方法 | 通过生成异常示例来压力测试和验证分子表示的鲁棒性 | SELFIES分子字符串 | machine learning | NA | VAE(变分自编码器) | VAE | 分子字符串(SELFIES) | NA |
1326 | 2025-06-10 |
A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110660
PMID:39645201
|
研究论文 | 开发并验证了一个结合深度学习MRI特征和临床信息的预后和预测模型,用于识别II期鼻咽癌患者中仅需调强放射治疗的低风险患者 | 结合深度学习MRI特征和临床信息,开发了一个新的预后和预测模型,能够显著区分高风险和低风险患者,并优化治疗方案 | 研究为回顾性多中心研究,可能存在选择偏倚,且样本量虽大但来自两个中心,可能影响模型的泛化能力 | 开发一个预后和预测模型,以识别II期鼻咽癌患者中仅需调强放射治疗的低风险患者 | II期鼻咽癌患者 | 数字病理 | 鼻咽癌 | MRI | 3DResNet, eXtreme Gradient Boosting | MRI图像和临床信息 | 999名II期鼻咽癌患者 |
1327 | 2025-06-10 |
Robustly detecting mpox and non-mpox using a deep learning framework based on image inpainting
2025-01-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85771-z
PMID:39794381
|
研究论文 | 提出了一种基于图像修复的深度学习框架MIM,用于稳健地检测猴痘和非猴痘病例 | 采用图像修复策略(Mask, Inpainting, and Measure)处理未知类别和异常输入,相比多类分类模型更具优势 | 需要多样化的非猴痘图像数据,且在实际应用中可能受到各种噪声干扰 | 开发一种高效的猴痘诊断技术,以应对当前猴痘病例持续增加的挑战 | 猴痘和非猴痘皮肤疾病图像 | 计算机视觉 | 猴痘 | 深度学习 | GAN | 图像 | 使用了MSLD猴痘数据集和包含18类非猴痘皮肤疾病的数据集 |
1328 | 2025-06-10 |
Towards sustainable solutions: Effective waste classification framework via enhanced deep convolutional neural networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324294
PMID:40465648
|
研究论文 | 该研究提出了一种创新的废物分类模型,结合了定制的DenseNet201架构、SE注意力机制和并行CNN分支的融合,以提高废物管理的效率和可扩展性 | 采用定制的DenseNet201架构与SE注意力机制及并行CNN分支融合,增强了从废物数据中提取复杂、深层和更易区分特征的能力 | NA | 提高废物分类的准确性和效率,促进环境可持续发展 | 废物数据 | 计算机视觉 | NA | 深度学习 | DenseNet201, CNN | 图像 | 四个公开数据集及三个额外数据集以增强废物多样性和模型可靠性 |
1329 | 2025-06-10 |
Application of ConvNeXt with transfer learning and data augmentation for malaria parasite detection in resource-limited settings using microscopic images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313734
PMID:40465684
|
研究论文 | 本研究探讨了使用ConvNeXt模型结合迁移学习和数据增强技术,在资源有限地区通过显微镜图像进行疟疾寄生虫检测的深度学习方法 | 采用ConvNeXt V2 Tiny Remod版本模型结合数据增强和迁移学习技术,在疟疾诊断中达到了98.1%的准确率,超越了其他模型如Swin Tiny和ResNet系列 | 研究在资源有限地区进行,可能面临大型数据集和显微镜专业知识获取的限制 | 开发一种高准确率的疟疾诊断方法,适用于资源有限地区 | 疟疾寄生虫 | 计算机视觉 | 疟疾 | 迁移学习, 数据增强 | ConvNeXt, Swin Tiny, ResNet18, ResNet50 | 图像 | 初始27558张薄血涂片图像,经过增强后最终数据集为606276张图像 |
1330 | 2025-06-10 |
Verification and application of deep learning models in daily sports activities of teenagers
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322166
PMID:40465756
|
研究论文 | 本文基于VGG16模型,结合BiLSTM和CBAM模块的优势,验证并应用于青少年日常体育活动中羽毛球动作的识别 | 结合BiLSTM模型的双向学习时间序列信息和CBAM模块的通道及区域特征表示,显著提高了动作识别的准确性 | 研究仅针对羽毛球运动,可能不适用于其他体育活动的动作识别 | 提高青少年日常体育活动中动作识别的准确性 | 青少年日常体育活动中的羽毛球动作 | 计算机视觉 | NA | 深度学习 | VGG16, BiLSTM, CBAM | 视频图像 | 基于公共数据集Roboflow中的羽毛球训练数据集 |
1331 | 2025-06-10 |
The effects of learning experience on college students' deep english learning: a study of the chain mediation effect of motivation and strategy
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325491
PMID:40465789
|
研究论文 | 本研究探讨学习经验对大学生英语深度学习的影响,以及动机和策略的链式中介效应 | 首次验证了英语学习领域中'学习经验→学习动机→学习策略→深度学习'的链式中介模型 | 样本范围有限且采用横断面设计 | 探究学习经验对大学生英语深度学习的影响机制 | 不同性别、年龄、教育背景和学业成就水平的大学生 | 教育心理学 | NA | 量表评估与统计分析 | 链式中介模型 | 问卷数据 | 不同背景的大学生样本 |
1332 | 2025-06-10 |
Progress in developing a bark beetle identification tool
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310716
PMID:40471899
|
research paper | 本研究提出了一种基于MaxViT深度学习框架的树皮甲虫识别初步模型,旨在开发一个功能完善且实用的识别工具 | 首次利用结合局部和全局注意力的MaxViT模型对树皮甲虫进行属级分类,并设计了报告未知物种的功能 | 当前模型仅能区分12个属,需要更多数据和改进以实现可靠的种级识别,且图像采集条件受控可能影响实际应用 | 开发用于森林管理和生态研究的树皮甲虫识别工具 | 树皮甲虫(多种属) | computer vision | NA | 深度学习 | MaxViT | image | 目前最大的树皮甲虫图像训练集(具体数量未提及) |
1333 | 2025-06-10 |
Adaptive network steganography using deep learning and multimedia video analysis for enhanced security and fidelity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318795
PMID:40472042
|
research paper | 本研究提出了一种结合深度学习和多媒体视频分析的自适应网络隐写范式,旨在提升网络隐写的通用性和安全性 | 采用深度卷积生成对抗网络架构,能够根据多媒体视频的动态前景、稳定背景和时空复杂性微调隐写参数 | NA | 提升网络隐写的安全性和保真度 | 多媒体视频中的网络隐写 | computer vision | NA | deep learning, multimedia video analysis | DCGAN (deep convolutional generative adversarial network) | video | MPII和UCF101视频库 |
1334 | 2025-06-10 |
Machine learning techniques for continuous genetic assignment of geographic origin of forest trees
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324994
PMID:40478860
|
研究论文 | 本文比较了五种连续遗传分配方法在追踪森林树木地理起源中的准确性 | 比较了五种连续分配方法的准确性,包括最近邻方法、高斯过程回归、基因组预测和深度学习,特别是在处理遗传变异连续性的问题上 | 研究仅基于欧洲的两个树种数据集,可能不适用于其他地区或树种 | 开发更准确的连续遗传分配方法以追踪森林树木的地理起源 | 欧洲山毛榉(Fagus sylvatica)和欧洲橡树(Quercus robur) | 机器学习 | NA | 基因组宽单核苷酸多态性(SNP)分析 | NN, GPR-D, GPR-G, GP, DL | 基因数据 | 865株欧洲山毛榉和1,883株欧洲橡树 |
1335 | 2025-06-10 |
The application of deep learning in economic analysis and marketing strategy formulation in the tourism industry
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321992
PMID:40478915
|
research paper | 本研究提出了一种名为TourVaRNN的深度学习方法,旨在通过预测旅游业的经济影响和游客行为来优化营销策略 | 结合变分自编码器和循环神经网络,TourVaRNN能够捕捉游客偏好和消费习惯的潜在变量,并建模旅游数据中的复杂时间依赖性 | 研究仅针对特定区域和一年内的数据进行分析,可能无法完全代表全球旅游业的多样性 | 提升旅游业的经济影响预测和游客行为理解,以制定更有效的营销策略 | 旅游业的经济影响和游客行为 | machine learning | NA | Deep Learning (DL) | TourVaRNN (结合变分自编码器和RNN) | 结构化数据(游客数量、天数、消费模式、就业等) | 特定区域一年内的国际旅游样本和多样化年龄组数据 |
1336 | 2025-06-10 |
[Usefulness of Deep Learning Reconstruction in Low-dose Lung Cancer CT Screening Protocols]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1485
PMID:40484682
|
研究论文 | 本研究评估了在低剂量肺癌CT筛查中,图像重建方法、辐射剂量和螺距因子变化对物理特性的影响,并探讨了深度学习重建(DLR)的效用 | 首次在低剂量肺癌CT筛查中综合评估了DLR与不同辐射剂量和螺距因子对图像物理特性的影响,并提出了优化方案 | 研究主要基于体模实验,未涉及真实患者数据 | 确定低剂量肺癌CT筛查中最佳的辐射剂量和螺距因子设置,评估DLR的实用性 | 水模体和胸部体模 | 数字病理 | 肺癌 | CT扫描 | DLR(深度学习重建) | CT图像 | 未明确说明具体样本数量,使用水模体和胸部体模进行实验 |
1337 | 2025-06-10 |
Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics
2024-12-23, Journal of medical ethics
IF:3.3Q1
DOI:10.1136/jme-2024-109968
PMID:38871400
|
评论 | 本文探讨了人工智能在临床诊断中应用的负面结果惩罚悖论,并提出了三种可能的解决视角 | 提出了改变公众认知、重新设计临床实践流程和引入更多利益相关者三种新视角来解决负面结果惩罚悖论 | 未提及具体实施这些视角的技术或方法细节 | 探讨如何更有效地将人工智能整合到未来的临床实践中 | 人工智能在临床诊断中的应用 | 人工智能在医学中的应用 | NA | NA | NA | NA | NA |
1338 | 2025-06-10 |
Using dynamic spatio-temporal graph pooling network for identifying autism spectrum disorders in spontaneous functional infrared spectral sequence signals
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110157
PMID:38705284
|
研究论文 | 利用动态时空图池化网络识别自发功能性红外光谱序列信号中的自闭症谱系障碍 | 通过动态图构建挖掘fNIRS数据的动态关系,通过动态特征提取获得时空相关性,并通过时空图池化提高网络的信息提取能力以实现自闭症分类 | NA | 探索大脑通道间动态连接关系对自闭症谱系障碍(ASD)的影响,并比较ASD与典型发育(TD)的大脑通道连接图 | 自闭症谱系障碍(ASD)患者和典型发育(TD)个体的自发功能性红外光谱序列信号 | 数字病理学 | 自闭症谱系障碍 | fNIRS | 动态时空图池化神经网络(DSTGPN) | 功能性红外光谱序列信号 | NA |
1339 | 2025-06-10 |
Brain-computer interfaces inspired spiking neural network model for depression stage identification
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110203
PMID:38880343
|
研究论文 | 提出一种受脑机接口启发的脉冲神经网络模型,用于抑郁症阶段的识别 | 采用脉冲神经网络模型进行抑郁症分类,相比传统深度学习方法具有更高的生理可解释性和更低的能耗 | 模型依赖于EEG数据的质量,且样本量未明确说明 | 改进传统抑郁症诊断方法,提高诊断准确性和生理可解释性 | 抑郁症患者和健康个体的EEG数据 | 脑机接口 | 抑郁症 | EEG信号分析 | 脉冲神经网络(SNN) | EEG信号 | NA |
1340 | 2025-06-10 |
EEG-based motor imagery channel selection and classification using hybrid optimization and two-tier deep learning
2024-09, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110215
PMID:38968976
|
研究论文 | 本文提出了一种基于EEG的运动想象通道选择和分类方法,结合混合优化和双层深度学习架构 | 采用MRMR算法优化通道选择,引入WSO和ChOA的混合优化方法,并提出由CNN和M-DNN组成的双层深度学习架构 | NA | 提高基于EEG的运动想象任务的分类准确性和鲁棒性 | 脑机接口(BCI)系统 | 机器学习 | 运动障碍 | EEG | CNN, M-DNN | EEG数据 | NA |