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 | 2025-09-02 |
Automated CAD-RADS scoring from multiplanar CCTA images using radiomics-driven machine learning
2025-Oct, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112320
PMID:40684709
|
研究论文 | 本研究提出一种基于影像组学的机器学习方法,用于从多平面CCTA图像自动进行CAD-RADS评分 | 首次开发基于影像组学的CAD-RADS自动评分模型,相比深度学习方法具有更好的可解释性 | 回顾性单中心研究,样本量有限(251例患者) | 自动化冠状动脉疾病报告和数据系统(CAD-RADS)评分 | 冠状动脉CT血管成像(CCTA)图像 | 医学影像分析 | 心血管疾病 | 影像组学特征提取,机器学习 | 级联分类管道(包含临床模型、影像组学模型和组合模型) | 医学图像 | 251例患者(70%男性,平均年龄60.5±12.7岁) |
1322 | 2025-09-02 |
Deep learning-based temporal muscle quantification on MRI predicts adverse outcomes in acute ischemic stroke
2025-Oct, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112332
PMID:40716184
|
研究论文 | 开发基于深度学习的MRI颞肌定量分析流程,用于预测急性缺血性卒中患者的不良预后 | 提出端到端的深度学习流程,实现自动切片选择、颞肌分割及定量分析,并首次验证颞肌厚度和面积作为急性缺血性卒中的独立预后标志物 | 研究样本仅来自单一中心,未进行外部验证 | 评估颞肌定量参数在急性缺血性卒中预后预测中的价值 | 急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | MRI成像,深度学习 | ResNet50, TransUNet | MRI图像 | 1020名急性缺血性卒中患者(分三个数据集:295例用于切片选择,258例用于分割,467例用于预后分析) |
1323 | 2025-09-02 |
NAVIGATOR: A regional multimodal imaging biobank initiative powered by AI tools for precision medicine in oncology
2025-Oct, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112327
PMID:40743874
|
研究论文 | 介绍NAVIGATOR项目,一个集成了多模态成像、临床和组学数据的AI驱动生物样本库与研究平台,用于肿瘤精准医学 | 超越静态存储库,提供安全的虚拟研究环境(VRE),支持用户上传数据、测试AI算法并执行完整分析流程,整合AI驱动的放射组学和深度学习方法 | NA | 通过AI方法推进肿瘤学研究并支持临床决策,解决数据协调、监管合规和AI系统公平性等挑战 | 前列腺癌、直肠癌和胃癌患者 | 数字病理 | 肿瘤学(前列腺癌、直肠癌、胃癌) | 放射组学、深度学习 | AI模型(具体类型未指定) | 多模态成像、临床数据、组学数据 | 超过700名患者的成像和临床数据 |
1324 | 2025-09-02 |
3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于变分点云自编码器的3D心脏形状分析方法,用于心肌梗死预测和虚拟心脏合成 | 首次将多类别变分点云自编码器(Point VAE)应用于心脏形状分析,能够直接在点云表示上学习多尺度特征并捕获非线性3D形状变异性 | NA | 开发一种几何深度学习方法用于3D心脏形状和功能分析 | 人类心脏解剖结构和生理功能 | 计算机视觉 | 心血管疾病 | 变分自编码器 | VAE | 3D点云 | 超过10,000名受试者 |
1325 | 2025-09-02 |
FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种名为FeaCL的自监督学习技术,通过特征级和实例级对比学习提升超声图像中颈动脉斑块的分类性能 | 结合三重网络与强弱数据增强策略,在自监督预训练中同时优化特征和实例层面的表示相似性 | NA | 解决颈动脉斑块超声图像标注数据稀缺问题,提升分类准确率 | 颈动脉斑块超声图像 | 计算机视觉 | 心血管疾病 | 自监督学习,对比学习 | 三重网络(Triplet Network) | 图像 | NA |
1326 | 2025-09-02 |
D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于无监督配准网络和相似性分析的脑区分割方法D2C-Morph | 通过双路径网络和双重对比学习强调输入特征,并利用相关层增强特征图相似性以提升解码器性能 | NA | 开发能够联合执行图像配准与分割的无监督学习模型 | 脑部图像数据 | 计算机视觉 | NA | 无监督学习,对比学习 | 无监督配准网络,双路径网络 | 图像 | NA |
1327 | 2025-09-02 |
PedSemiSeg: Pedagogy-inspired semi-supervised polyp segmentation
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种受教学法启发的半监督学习框架PedSemiSeg,用于提升有限标注数据下的息肉分割性能 | 借鉴真实教育场景中教师反馈和同伴辅导机制,通过强增强输入(学生)与弱增强输入(教师)产生的伪标签和互补标签进行正负向学习,并引入基于预测熵的同伴互辅导 | NA | 解决标注数据稀缺和分布偏移问题,提升息肉分割模型的泛化能力 | 结肠息肉图像 | 计算机视觉 | 结直肠癌 | 半监督学习 | 深度学习框架 | 医学图像 | 两个公共数据集及外部多中心数据集 |
1328 | 2025-09-02 |
Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于边缘计算和多线程的智能多模态分类方法,用于医疗多模态数据的自动化诊断 | 结合多线程并行架构与边缘计算,在多个边缘设备上部署混合机器学习与深度学习模块,并利用遗传算法优化轻量级神经网络 | NA | 开发智能临床决策支持系统(CDSS),提升医疗异常检测的效率和准确性 | 脑肿瘤、肺炎和结肠癌的医学影像数据 | 数字病理 | 多疾病(脑肿瘤、肺炎、结肠癌) | 遗传算法优化、边缘计算、多线程并行处理 | MobileNet, EfficientNet, ResNet18 | 医学影像 | NA |
1329 | 2025-09-02 |
CT-Mamba: A hybrid convolutional State Space Model for low-dose CT denoising
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种混合卷积状态空间模型CT-Mamba,用于低剂量CT图像去噪,结合CNN的局部特征提取和Mamba的长程依赖捕获能力 | 引入混合卷积状态空间模型架构,创新性Z形扫描方案保证空间连续性,并设计Mamba驱动的噪声功率谱损失函数优化噪声纹理 | NA | 低剂量CT图像去噪,减少噪声和伪影,提升图像质量和诊断价值 | 低剂量CT图像 | 计算机视觉 | NA | 深度学习 | CNN与State Space Model混合模型 | 医学图像(CT) | NA |
1330 | 2025-09-02 |
AMeta-FD: Adversarial Meta-learning for Few-shot retinal OCT image Despeckling
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于对抗元学习的少样本视网膜OCT图像去斑方法AMeta-FD | 结合对抗训练与元学习,引入新的抑制损失函数,仅需少量原始-干净图像对即可实现高效去斑 | 需依赖配准和多图像平均生成真值,可能引入配准误差 | 减少OCT图像中的斑点噪声以提升视网膜层边界检测等图像分析任务性能 | 视网膜OCT图像 | 计算机视觉 | 视网膜疾病 | 深度学习,对抗训练,元学习 | GAN,元学习模型 | 图像 | 60对原始-干净图像对(约占完整训练集的12%) |
1331 | 2025-09-02 |
A deep learning-based clinical decision support system for glioma grading using ensemble learning and knowledge distillation
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于集成学习和知识蒸馏的深度学习临床决策支持系统,用于胶质瘤分级 | 采用不确定性加权集成平均方法缩小师生模型性能差距,提升分级准确性、可靠性及临床轻量化部署适用性 | NA | 开发高精度胶质瘤分级临床决策支持系统 | 胶质瘤医学影像数据 | 数字病理 | 脑肿瘤 | 深度学习 | 集成学习与知识蒸馏 | 医学影像 | NA |
1332 | 2025-09-02 |
A Multisite Fusion-Based Deep Convolutional Neural Network for Classification of Helicobacter pylori Infection Status Using Endoscopic Images: A Multicenter Study
2025-Sep, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.70004
PMID:40682425
|
研究论文 | 开发一种基于多部位融合的深度卷积神经网络,用于使用内窥镜图像分类幽门螺杆菌感染状态 | 提出投票机制的多部位融合DCNN模型,整合胃部多个部位特征以提高分类性能 | NA | 区分未感染、既往感染和当前感染三种幽门螺杆菌感染状态 | 幽门螺杆菌感染患者的内窥镜图像 | 计算机视觉 | 消化系统疾病 | 深度学习 | DCNN, Wide-ResNet | 图像 | 训练集676名受试者的3380张图像,外部验证集126名个体 |
1333 | 2025-09-02 |
Characterizing and differentiating brain states through a CS-KBRs framework for highlighting the synergy of common and specific brain regions
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出基于动态图卷积神经网络的CS-KBRs框架,用于识别和区分脑状态的关键脑区 | 通过动态更新邻接矩阵的DGCNN方法筛选关键脑区,并首次将关键脑区分为枢纽型通用区和特异性区域,揭示其协同机制 | NA | 提高脑状态分类的可解释性并揭示不同脑区在脑状态表达中的协同作用 | 人脑功能磁共振成像数据中的148个脑区 | 神经科学 | NA | fMRI,动态图卷积神经网络 | DGCNN | 脑功能成像数据 | 从148个脑区中筛选出56个关键脑区 |
1334 | 2025-09-02 |
Comparative analysis of the tumor microenvironment in primary CNS and testicular large B-cell lymphomas using digital image analysis and its implications for immunotherapy
2025-Sep, Human pathology
IF:2.7Q2
DOI:10.1016/j.humpath.2025.105874
PMID:40714128
|
研究论文 | 通过数字图像分析比较原发性中枢神经系统和睾丸大B细胞淋巴瘤的肿瘤微环境特征及其对免疫治疗的启示 | 首次直接比较PCNSL和PTL的肿瘤微环境,并揭示两者在免疫细胞组成和免疫抑制特性上的显著差异 | 样本量有限(55例),且为回顾性研究,需进一步验证 | 探究免疫特权部位原发性大B细胞淋巴瘤的肿瘤微环境差异 | 55例弥漫性大B细胞淋巴瘤病例(涉及中枢神经系统和睾丸) | 数字病理学 | 淋巴瘤 | 免疫组织化学染色、基于深度学习的数字图像分析 | 深度学习 | 图像 | 55例病例 |
1335 | 2025-09-02 |
Fluid-SegNet: Multi-dimensional loss-driven Y-Net with dilated convolutions for OCT B-scan fluid segmentation
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于深度学习的OCT B扫描图像中液体区域分割新方法Fluid-SegNet | 采用多维度损失驱动的Y-Net架构结合扩张卷积,有效解决细小液体区域分割和异质性液体欠分割问题 | NA | 提升OCT B扫描图像中液体区域的自动分割精度 | 视网膜OCT B扫描图像中的液体区域 | 计算机视觉 | 视网膜疾病 | 深度学习 | Y-Net with dilated convolutions | 医学图像(OCT B扫描) | 三个公共数据集(UMN、AROI、OIMHS) |
1336 | 2025-09-02 |
Determination of Skeletal Age From Hand Radiographs Using Deep Learning
2025-Sep, The American journal of sports medicine
DOI:10.1177/03635465251359618
PMID:40815847
|
研究论文 | 开发基于深度学习的模型,用于从手部X光片准确测定骨骼年龄 | 利用ConvNeXt模型结合多个数据集和时序年龄信息,显著提升了骨骼年龄预测的准确性和可靠性,相比现有最优模型有19.8%的改进 | 模型验证仅基于有限的外部数据集(200张机构图像),未涉及更广泛的临床多样性或不同设备来源的图像 | 开发高精度、可靠的深度学习模型以替代传统耗时的骨骼年龄估算方法 | 手部X光片图像 | 计算机视觉 | NA | 深度学习,图像预处理,5折交叉验证 | ConvNeXt | 图像 | 超过20,000张手部X光片,来自RSNA、RHPE和DHA三个公共数据集及200张机构图像 |
1337 | 2025-09-02 |
A multimodal skin lesion classification through cross-attention fusion and collaborative edge computing
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种结合多模态深度学习与协作边缘计算的皮肤病变分类方法,提升诊断准确率并降低延迟与隐私风险 | 引入基于交叉注意力的特征融合机制整合皮肤镜图像与患者元数据,并设计协作推理方案在IoT与边缘设备间分配计算任务 | NA | 开发高精度、低延迟且保护隐私的皮肤病变计算机辅助诊断系统 | 皮肤病变图像与患者元数据 | 计算机视觉 | 皮肤癌 | 深度学习 | 基于交叉注意力的多模态融合模型 | 图像与元数据 | 多个基准数据集(如HAM10000) |
1338 | 2025-09-02 |
DeepHybrid-CNN: A hybrid approach for pre-processing of skin cancer images
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种结合各向异性强度毛发去除、高斯滤波和深度残差CNN的混合方法,用于皮肤癌图像预处理以提高诊断准确性 | 创新性地融合传统图像处理(AI-HR和GF)与深度学习(Deep Residual CNN)技术,实现更有效的皮肤图像去噪和毛发去除 | NA | 提升皮肤癌图像的预处理质量,以支持更准确的计算机辅助分割和分类诊断 | 皮肤病变图像,特别是包含噪声和毛发的皮肤镜图像 | 计算机视觉 | 皮肤癌 | Anisotropic Intensity Hair Removal, Gaussian Filter, Deep Residual CNN | CNN | 图像 | 基于HAM10000数据集的实验验证 |
1339 | 2025-09-02 |
LR-COBRAS: A logic reasoning-driven interactive medical image data annotation algorithm
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于逻辑推理的交互式医学图像数据标注算法LR-COBRAS,旨在提升标注精度并减少人工交互负担 | 通过逻辑推理模块自动生成潜在约束关系(must-link/cannot-link),结合对称性、传递性和一致性规则优化聚类过程 | NA | 开发智能医学图像标注工具以辅助医疗专业人员提升标注效率和准确性 | 医学图像数据 | 计算机视觉 | NA | 交互式聚类算法 | 逻辑推理驱动模型 | 医学图像 | 基于MedMNIST+和ChestX-ray8数据集的实验验证 |
1340 | 2025-09-02 |
AI-driven multi-modal framework for prognostic modeling in glioblastoma: Enhancing clinical decision support
2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种AI驱动的多模态框架,用于胶质母细胞瘤的预后建模和临床决策支持 | 整合放射影像、组织病理学和转录组数据,采用Vision Transformer和注意力深度学习模型,突破单模态数据限制 | NA | 提升胶质母细胞瘤的预后准确性和临床决策支持 | 胶质母细胞瘤患者 | 数字病理 | 胶质母细胞瘤 | RNA测序 | Vision Transformer (ViT), 注意力深度学习模型 | 影像、组织病理图像、转录组数据 | 基于UCSF-PDGM、CPTAC-GBM和TCGA-GBM队列的多中心数据 |