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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
121 | 2025-09-21 |
SynapseNet: Deep learning for automatic synapse reconstruction
2025-Oct-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-11-0519
PMID:40875337
|
研究论文 | 介绍SynapseNet,一种用于电子显微图像中突触自动分割和分析的工具 | 开发了基于深度学习的自动分割工具,结合大规模标注数据集和领域自适应功能,可可靠分割多种突触结构 | NA | 实现电子显微图像中突触结构的自动分割与分析 | 突触囊泡、活性区、线粒体、突触前密度、突触带和突触区室等突触结构 | 计算机视觉 | NA | 电子显微镜 | 深度学习 | 图像 | 大规模标注数据集(具体数量未说明) |
122 | 2025-09-21 |
Vitiligo Signature-Based Drug Screening Identifies Fulvestrant as a Novel Immunotherapy Combination Strategy
2025-Sep-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202503979
PMID:40974370
|
研究论文 | 本研究基于白癜风特征开发了一种生物标志物面板,用于区分冷热肿瘤,并发现氟维司群可增强抗PD-L1疗法的效果 | 首次建立白癜风特征(VGS)作为肿瘤免疫状态分层的生物标志物,并利用深度学习系统发现氟维司群作为新型免疫治疗联合策略 | 研究目前仅限于临床前模型,尚未进行临床评估 | 开发精准的免疫治疗患者分层方法并寻找有效的联合治疗策略 | 黑色素瘤和白癜风患者样本及临床前模型 | 数字病理学 | 黑色素瘤 | 单细胞RNA测序、免疫荧光、流式细胞术、深度学习预测系统(DLEPS) | 深度学习 | 基因表达数据、蛋白质数据、细胞图像 | NA |
123 | 2025-09-21 |
Self-AttentionNeXt: Exploring schizophrenic optical coherence tomography image detection investigations
2025-Sep-19, World journal of psychiatry
IF:3.9Q1
DOI:10.5498/wjp.v15.i9.108359
PMID:40933157
|
研究论文 | 本文开发了一种名为Self-AttentionNeXt的深度学习模型,用于通过光学相干断层扫描(OCT)图像检测精神分裂症 | 结合了分组自注意力机制、残差和倒置瓶颈块,以及1×1卷积进行特征精炼,创新性地将Transformer风格的自注意力机制融入CNN架构 | NA | 开发先进的深度学习模型,基于视网膜生物标志物区分精神分裂症患者和健康对照 | 精神分裂症患者和健康对照的OCT图像 | 计算机视觉 | 精神分裂症 | 光学相干断层扫描(OCT) | CNN with self-attention (Self-AttentionNeXt) | 图像 | 自定义SZ OCT数据集和公开OCT2017数据集 |
124 | 2025-09-21 |
Quantum-Resistant Privacy Preservation for Mobile Healthcare Services in Connected Transportation Systems via Deep Neural Architectures
2025-Sep-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3612210
PMID:40971270
|
研究论文 | 提出一种面向车联网移动医疗服务的量子抗性隐私保护框架,结合格基密码学和深度神经网络架构 | 首次将Ring-LWE后量子密码机制与卷积-注意力混合神经网络相结合,为车联网医疗场景提供量子安全的隐私保护方案 | 实验基于模拟环境,未提及真实医疗环境中的部署验证和跨系统兼容性挑战 | 解决车联网移动医疗服务在量子计算时代面临的安全与隐私保护问题 | 车联网中的移动医疗数据传输与保护系统 | 信息安全 | NA | Ring-LWE格基密码学,深度学习异常检测 | CNN与注意力机制混合的深度神经网络 | 网络流量数据,医疗数据传输 | 未明确样本数量,实验包含多负载场景下的性能测试 |
125 | 2025-09-21 |
Trans-Driver: a deep learning approach for cancer driver gene discovery with multi-omics data
2025-Sep-19, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3612010
PMID:40971265
|
研究论文 | 提出一种基于Transformer架构的深度学习方法Trans-Driver,用于整合多组学数据发现癌症驱动基因 | 引入基于核的多头自注意力机制、门控残差连接和动态Tanh归一化函数,增强异质多组学特征的整合与建模能力 | NA | 准确识别癌症驱动基因以深化对癌症发病机制的理解并促进靶向治疗开发 | 蛋白质编码基因(约20,000个),重点关注癌症相关驱动基因 | 机器学习 | 癌症 | 多组学数据整合分析 | Transformer | 多组学数据(包括体细胞突变数据等) | TCGA、CGC和PCAWG数据集(具体样本数量未在摘要中明确说明) |
126 | 2025-09-21 |
Transfer Learning and Permutation-Invariance Improving Predicting Genome-Wide, Cell-Specific and Directional Interventions Effects of Complex Systems
2025-Sep-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509456
PMID:40971773
|
研究论文 | 本研究开发了一种基于迁移学习和排列不变性的深度学习模型SETComp,用于预测复杂系统(如天然产物)在细胞系中的干预效果 | 利用大量单化合物干预数据预训练模型,并通过少量复杂系统数据微调,实现了对未见过的复杂系统干预效果的高精度预测 | NA | 预测复杂系统在基因组水平、细胞特异性和定向干预效果 | 细胞系中的复杂系统干预数据 | 机器学习 | NA | 深度学习 | SETComp(基于排列不变性的深度模型) | 基因组干预数据 | 大量单化合物数据和少量复杂系统数据 |
127 | 2025-09-21 |
Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study
2025-Sep-19, JMIR formative research
IF:2.0Q4
DOI:10.2196/66156
PMID:40971792
|
研究论文 | 本研究通过横断面调查评估摩洛哥医学生对人工智能的认知和看法 | 首次针对摩洛哥医学生群体开展人工智能认知评估研究 | 采用滚雪球抽样方法,可能存在选择偏差;样本仅来自单一医学院 | 评估医学生对人工智能的知识水平和接受程度 | 摩洛哥阿加迪尔医学院1-7年级本科医学生 | 医学教育 | NA | 问卷调查 | NA | 问卷数据 | 580名医学生(响应率50.4%) |
128 | 2025-09-21 |
Comment on "VAULT-OCT: Vault Accuracy Using Deep Learning Technology - An AI Model for Predicting Implantable Collamer Lens Postoperative Vault with AS-OCT"
2025-Sep-19, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001794
PMID:40971892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
129 | 2025-09-21 |
Deep Learning for simulating the evolution of condensed matter systems at the continuum scale: methods and applications
2025-Sep-19, Journal of physics. Condensed matter : an Institute of Physics journal
DOI:10.1088/1361-648X/ae096d
PMID:40972655
|
综述 | 本文综述了深度学习在模拟凝聚态物质系统连续尺度演化中的方法与应用 | 系统化整理了神经网络替代传统数值方法的最新策略,并区分了数据驱动与物理信息驱动两种范式 | 神经网络方法仍面临作为传统计算替代方案的有效性挑战与局限性 | 加速或替代凝聚态物理中的传统连续模型数值计算 | 凝聚态物质系统的时空演化 | machine learning | NA | 神经网络 | 深度学习架构 | 数值解数据集与偏微分方程 | NA |
130 | 2025-09-21 |
Visual language model-assisted spectral CT reconstruction by diffusion and low-rank priors from limited-angle measurements
2025-Sep-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae0974
PMID:40972665
|
研究论文 | 提出一种结合视觉语言模型和扩散模型的有限角度光谱CT重建方法VLSR,提升图像质量并实现多设置适应性 | 首次将视觉语言模型的图像-文本感知能力与扩散模型的图像生成潜力结合,通过提示工程表征伪影特征,并开发协同采样框架 | NA | 解决有限角度扫描中的伪影问题,并在单一模型中实现多设置适应 | 光谱CT图像 | 计算机视觉 | NA | 扩散模型,低秩正则化 | 视觉语言模型,扩散模型 | 图像 | 模拟数据(90°和60°扫描角度) |
131 | 2025-09-21 |
Multi-modal CT Perfusion-based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios
2025-Sep-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9016
PMID:40973461
|
研究论文 | 开发基于多模态CT灌注的深度学习模型,用于预测急性缺血性卒中患者在不同再通情况下的最终梗死病灶 | 针对成功再通和未再通两种场景分别开发专用预测模型,采用多模态3D nnU-Net架构显著提升预测精度 | 样本量相对有限(CR组350例,NR组138例),需进一步多中心验证 | 提升急性缺血性卒中患者最终梗死病灶预测准确性,辅助临床治疗决策 | 急性缺血性卒中患者 | 医学影像分析 | 脑血管疾病 | CT灌注成像,深度学习 | 3D nnU-Net | 医学影像 | CR组350例,NR组138例患者 |
132 | 2025-09-21 |
Phylogenetic Methods Meet Deep Learning
2025-Sep-19, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf177
PMID:40973626
|
观点文章 | 本文探讨深度学习在系统发育学中的应用及其潜力 | 介绍了处理更大系统发育树和基因组数据集的新方法,如使用紧凑双射梯状向量或Transformer进行编码 | 基于模拟的训练数据存在风险,需要关注计算估计的可重复性和鲁棒性 | 推动深度学习与系统发育学的融合,提升系统发育分析的计算效率 | 系统发育树和基因组数据 | 机器学习 | NA | 深度学习 | Transformer | 基因组序列数据 | NA |
133 | 2025-09-21 |
OcuViT: A Vision Transformer-Based Approach for Automated Diabetic Retinopathy and AMD Classification
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01676-3
PMID:40973913
|
研究论文 | 提出一种基于视觉Transformer(ViT)的自动化方法OcuViT,用于糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD)的分类 | 利用预训练ViT模型进行迁移学习,并设计高效预处理流程适配视网膜图像,在多项分类任务中超越现有CNN和ViT方法 | NA | 通过深度学习提升视网膜疾病的自动化诊断精度和效率 | 糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD)患者 | 计算机视觉 | 眼科疾病 | 迁移学习 | Vision Transformer (ViT) | 图像 | APTOS数据集(DR分类)和IChallenge-AMD数据集(AMD分级) |
134 | 2025-09-21 |
Lightweight Transfer Learning Models for Multi-Class Brain Tumor Classification: Glioma, Meningioma, Pituitary Tumors, and No Tumor MRI Screening
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01686-1
PMID:40973910
|
研究论文 | 开发轻量级深度学习模型用于多类别脑肿瘤MRI图像的分类 | 使用预训练的轻量级ResNet模型实现高精度四分类,兼顾计算效率与性能 | 仅使用单一MRI序列数据,未来需纳入多序列MRI和更大患者队列验证 | 通过AI提升脑肿瘤MRI筛查的准确性和可部署性 | 神经胶质瘤、脑膜瘤、垂体瘤和无肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | 迁移学习 | ResNet, CNN | image | 7023张MRI图像(5712训练,1311验证) |
135 | 2025-09-21 |
A comprehensive landscape of AI applications in broad-spectrum drug interaction prediction: a systematic review
2025-Sep-19, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01093-2
PMID:40973960
|
系统综述 | 本文全面梳理了人工智能在广泛药物相互作用预测中的应用现状 | 首次系统性地绘制了AI在主要药物相互作用类型中的应用图谱,并强调了大型语言模型和知识图谱在克服关键限制方面的作用 | 数据不平衡、噪声源、可解释性有限以及某些相互作用类型的代表性不足 | 推动更稳健、可解释和个性化的药物相互作用预测模型发展 | 药物-药物、药物-疾病、药物-营养素相互作用 | 自然语言处理 | NA | 机器学习、深度学习、图模型 | 大型语言模型、知识图谱 | 结构化数据库(DrugBank, TWOSIDES, SIDER) | 147项研究(2018-2024年) |
136 | 2025-09-21 |
Modeling the vertebrate regulatory sequence landscape by UUATAC-seq and deep learning
2025-Sep-18, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.06.020
PMID:40633538
|
研究论文 | 开发UUATAC-seq技术和NvwaCE深度学习模型,用于解析脊椎动物调控序列并预测顺式调控元件景观 | 首创超高通量、超灵敏单核染色质可及性测序技术(UUATAC-seq),并构建能直接从基因组序列预测调控元件景观的多任务深度学习模型NvwaCE | NA | 解码脊椎动物调控序列语言并构建调控元件景观 | 五种代表性脊椎动物物种的基因组调控序列 | 计算生物学 | NA | UUATAC-seq, 深度学习 | 多任务深度学习模型(NvwaCE) | 基因组序列数据, 染色质可及性数据 | 五种脊椎动物物种的基因组数据 |
137 | 2025-09-21 |
Research on the influence mechanism of emotional communication on Twitter (X) and the effect of spreading public anger
2025-Sep-18, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2025.105560
PMID:40972455
|
研究论文 | 本研究探讨了愤怒情绪在Twitter上的传播机制及其对公众参与的影响 | 结合情感分析、网络分析和多模型集成方法,揭示了毒性内容与愤怒传播的量化关系,并提出了优于深度学习的元模型 | 结果基于观察性建模,需谨慎解读算法干预的具体影响 | 分析社交媒体上愤怒情绪的传播机制及放大效应 | Twitter平台上的用户推文及互动行为 | 自然语言处理 | NA | VADER, Perspective API, Louvain方法, 回归模型, 倾向得分匹配, 时间序列分析 | RF, SVM, ARIMA, BERT, LSTM | 文本 | 5000条推文,来自普通用户和公众人物 |
138 | 2025-09-21 |
A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines
2025-Sep-18, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2025.101179
PMID:40972567
|
研究论文 | 介绍RESPAN,一种集成深度学习用于图像恢复、分割和分析的开源流程,旨在自动化树突棘的量化 | 整合了内容感知恢复和深度学习,提供用户友好的界面,显著提升信号、对比度和各向同性分辨率,适用于多种样本类型 | NA | 开发自动化工具以改进树突棘的量化流程,提升神经科学研究中的准确性和可重复性 | 树突棘、树突分支和神经元胞体 | 数字病理学 | NA | 深度学习,图像恢复,图像分割 | 深度学习模型(具体类型未指定) | 图像 | 多种样本类型,包括信号有限的挑战性数据集(如快速体积成像和体内双光子显微镜数据) |
139 | 2025-09-21 |
RNA velocity and beyond: Current advances in modeling single-cell transcriptional dynamics
2025-Sep-18, Allergology international : official journal of the Japanese Society of Allergology
IF:6.2Q1
DOI:10.1016/j.alit.2025.08.005
PMID:40973591
|
综述 | 本文综述了RNA Velocity及其相关技术在单细胞转录动力学建模中的最新进展和应用 | 系统总结了RNA Velocity从基础原理到第二代计算工具(如scVelo、dynamo、CellRank)的发展,并探讨了与空间多组学数据整合及深度学习方法的前沿应用 | 讨论了RNA Velocity分析当前面临的挑战和剩余局限性 | 回顾单细胞转录动力学建模方法的发展,特别是在过敏和免疫学研究中的应用 | 单细胞RNA测序数据,免疫细胞分化与状态转换 | 计算生物学 | 过敏与免疫性疾病(哮喘、特应性皮炎、慢性炎症等) | scRNA-seq, RNA Velocity, 深度学习 | Velocyto, scVelo, dynamo, CellRank | 单细胞转录组数据,空间数据,多模态数据 | NA |
140 | 2025-09-21 |
Comparative evaluation of deep learning and traditional models for predicting traffic accident severity in Saudi Arabia
2025-Sep-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13484-4
PMID:40962904
|
研究论文 | 本文比较了深度学习与传统模型在预测沙特阿拉伯交通事故严重性方面的性能 | 在沙特阿拉伯东部省份的14个城市中,首次系统比较了ANN、BRT、SVM、NVB和LGR五种模型在交通事故严重性预测中的表现,并发现ANN模型显著优于传统方法 | 研究仅基于2018-2022年沙特阿拉伯东部省份的数据,结果可能不具有全国或全球代表性 | 预测交通事故严重性以提升道路安全性和事故预防能力 | 沙特阿拉伯东部省份14个城市的交通事故数据 | 机器学习 | NA | 人工神经网络(ANN)、提升树(BRT)、支持向量机(SVM)、朴素贝叶斯(NVB)、逻辑回归(LGR) | ANN, BRT, SVM, NVB, LGR | 结构化事故数据 | 9,548起事故案例,涉及17,100辆车,导致2,527人死亡和8,020人受伤 |