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 | 2025-10-04 |
A novel hybrid mathematical deep learning technique for early warning of flashover in composite insulators
2025-Sep-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-19151-y
PMID:41023343
|
研究论文 | 提出一种基于混合数学深度学习模型的复合绝缘子闪络预测方法 | 结合加权连续小波变换和图注意力网络的混合模型,优于传统小波分析方法 | NA | 开发复合绝缘子闪络早期预警系统以防止停电事故 | 污染复合绝缘子的干带电弧和闪络阶段 | 机器学习 | NA | 加权连续小波变换(WCWT)、图注意力网络(GAT)、高斯函数拟合 | 图注意力网络(GAT) | 泄漏电流数据 | 考虑样本几何规格和污染水平等多个参数进行验证 |
122 | 2025-10-04 |
DOD-Boost: a temporal and distribution-optimized deep boosting framework for solar radiation modeling
2025-Sep-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-19157-6
PMID:41023386
|
研究论文 | 本研究提出了一种结合深度学习和统计分布拟合的混合太阳能辐射时间建模方法DOD-Boost框架 | 将概率分布拟合与深度学习模型相结合,通过分布优化方法处理太阳能辐射数据的随机性,并使用JSD指标进行更全面的性能评估 | NA | 开发高精度的太阳能辐射时间建模方法以支持清洁能源系统设计 | 倾斜表面总太阳辐射数据([Formula: see text]) | 机器学习 | NA | 最大似然估计(MLE)、鲸鱼优化算法(WOA)、粒子群优化(PSO)、长短期记忆网络(LSTM)、门控循环单元(GRU)、极端梯度提升(XGBoost) | LSTM、GRU、XGBoost | 时间序列数据 | NA |
123 | 2025-10-04 |
DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning
2025-Sep-29, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03809-x
PMID:41024142
|
研究论文 | 开发了DeepWheat深度学习框架,用于预测小麦中基因组变异对基因表达和调控活性的影响 | 提出了整合序列和表观基因组特征的深度学习框架,能够实现跨组织和品种的准确预测,并识别具有强表达效应的调控变异 | NA | 开发能够预测基因组变异对基因表达和调控活性影响的深度学习工具 | 小麦基因组变异及其对基因表达和表观基因组的影响 | 机器学习 | NA | 深度学习 | 深度学习框架(包含DeepEXP和DeepEPI) | 基因组序列、表观基因组数据、基因表达数据 | 五个小麦品种的验证数据 |
124 | 2025-10-04 |
Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations
2025-Sep-29, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111169
PMID:41033356
|
研究论文 | 本研究开发了基于深度学习的NTCP模型,利用3D剂量分布、CT扫描和器官分割数据预测头颈癌放疗后晚期吞咽困难 | 首次将3D剂量分布、器官分割和CT扫描数据整合到深度学习模型中,相比传统NTCP模型能更全面捕捉吞咽困难的复杂性 | 研究样本来自多机构队列,可能存在数据异质性;模型性能仍需在更大样本中验证 | 改进头颈癌患者放疗后晚期吞咽困难的预测准确性 | 1484名头颈癌放疗患者 | 数字病理 | 头颈癌 | 放射治疗、CT扫描 | Residual Network (ResNet) | 3D剂量分布、CT图像、器官分割数据 | 1484名患者的多机构队列 |
125 | 2025-10-04 |
Machine learning to classify the focus score and Sjögren's disease using digitalised salivary gland biopsies: a retrospective cohort study
2025-Sep-29, The Lancet. Rheumatology
DOI:10.1016/S2665-9913(25)00181-X
PMID:41038216
|
研究论文 | 本研究利用深度学习模型对数字化唾液腺活检图像进行自动分类,以识别干燥综合征及其新的组织学亚型 | 首次使用深度学习自动分类焦点评分和干燥综合征,并发现CD8+ T细胞在腺泡周围浸润的新组织学模式 | 需要进一步研究验证模型,且为回顾性研究 | 开发机器学习方法来自动分类唾液腺活检的焦点评分和干燥综合征诊断 | 干燥综合征患者和干燥症状但无干燥综合征的参与者 | 数字病理学 | 干燥综合征 | 深度学习 | 深度学习模型 | 图像 | 545名参与者(490名女性,55名男性),来自欧洲6个专家中心的唾液腺活检切片 |
126 | 2025-10-04 |
Modified UNet-enhanced ultrasonic superb microvascular imaging feature extraction and grading of carpal tunnel syndrome
2025-Sep-28, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107834
PMID:41039691
|
研究论文 | 本研究结合超微血流成像与改进的UNet分割模型,开发了一种用于腕管综合征分级的微血管特征提取方法 | 首次将超微血流成像与跨平面分类引导的改进UNet分割模型相结合,用于腕管综合征的微血管特征提取和分级 | 样本量相对有限,特别是严重病例数量较少(n=13) | 开发基于超声微血管成像的腕管综合征客观分级方法 | 腕管综合征患者和健康对照者的正中神经微血管结构 | 医学影像分析 | 腕管综合征 | 超微血流成像(SMI) | 改进的UNet神经网络 | 超声图像 | 105名患者(21例轻度,71例中度,13例重度)和21名健康对照 |
127 | 2025-10-04 |
MitraClip device automated localization in 3D transesophageal echocardiography via deep learning
2025-Sep-27, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109083
PMID:41038109
|
研究论文 | 提出一种基于深度学习的自动化流程,用于在3D经食管超声心动图中检测MitraClip装置 | 首次将Attention UNet分割网络与DenseNet分类网络结合,并通过CAD模板配准优化分割结果,实现MitraClip装置的自动定位和定量表征 | 研究在受控的体外模拟环境中进行,尚未在真实临床场景中验证 | 开发自动化管道以改善经导管二尖瓣修复术中MitraClip装置的视觉化效果 | MitraClip装置在3D经食管超声心动图中的定位和状态识别 | 计算机视觉 | 心血管疾病 | 3D经食管超声心动图 | Attention UNet, DenseNet | 3D图像 | 196张使用心脏模拟器采集的3D TEE图像 |
128 | 2025-10-04 |
Fine-tuning sequence to function deep learning models on large-scale proteomic data improves the accuracy of variant effect prediction
2025-Sep-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.26.678908
PMID:41040220
|
研究论文 | 本研究通过在54,219个个体的大规模蛋白质组数据上微调Borzoi模型,显著提高了变异效应预测的准确性 | 首次在大规模人群蛋白质组数据上微调序列到功能深度学习模型,证明增加样本量和纳入罕见变异可显著提升变异效应预测性能 | 模型在未见基因和未见个体上的泛化能力仍是挑战 | 提高序列到功能模型在变异效应预测中的准确性和泛化能力 | 54,219名UK Biobank参与者的2,923种循环血浆蛋白 | 机器学习 | NA | 蛋白质组测序 | Borzoi深度学习模型, Elastic Net基线模型 | 蛋白质组数据, 基因序列数据 | 54,219名个体, 2,923种血浆蛋白, 涵盖150个单基因模型 |
129 | 2025-10-04 |
Versatile Image-Assisted Cell Sorting by Selective Trapping with Spatiotemporal Multiparameter Targeting
2025-Sep-26, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c01433
PMID:40960346
|
研究论文 | 本文介绍了一种新型二维图像引导多参数可调靶向细胞分选技术(2D-SIGMAT),通过动态原位光激活细胞捕获实现精确高效的细胞分离 | 开发了具有时空多参数靶向能力的图像辅助细胞分选技术,能够记录无运动模糊的高分辨率图像,像素数量是其他图像辅助分选仪的十倍以上 | NA | 开发一种多功能、高性能的细胞分选方法以克服现有细胞分选技术的局限性 | 从单细胞到类器官的各种尺寸生物样本 | 生物医学工程 | NA | 荧光成像、明场成像、深度学习目标检测 | YOLOv5 | 图像、时序数据 | NA |
130 | 2025-10-04 |
RimeSleepNet: A hybrid deep learning network for s-EEG sleep stage classification
2025-Sep-26, Sleep medicine
IF:3.8Q1
DOI:10.1016/j.sleep.2025.106835
PMID:41038061
|
研究论文 | 提出了一种名为RimeSleepNet的混合深度学习网络,用于睡眠脑电信号的睡眠阶段分类 | 结合霜优化算法自适应调整变分模态分解来减少频率混叠,并集成CNN、多头自注意力机制和LSTM网络来提取特征和建模时序动态 | NA | 开发自动睡眠阶段分类方法以改善睡眠研究和临床诊断 | 睡眠脑电信号和睡眠阶段(NREM、REM、WAKE) | 深度学习 | 睡眠障碍 | 变分模态分解、霜优化算法 | CNN、多头自注意力机制、LSTM混合网络 | 睡眠脑电信号 | 成都人民医院和Sleep-EDF数据集 |
131 | 2025-10-04 |
Analysis of moldy peanuts by Raman hyperspectral imaging
2025-Sep-26, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126971
PMID:41038081
|
研究论文 | 本研究利用拉曼高光谱成像技术分析混合品种霉变花生,建立了霉变花生的检测模型 | 结合一维光谱数据和二维空间信息,采用传统机器学习和深度学习方法,首次使用s-GoogLeNet模型对混合品种霉变花生进行检测 | NA | 开发霉变花生的快速检测方法以提高粮食安全 | 五种花生品种(白沙、博克、红沙、花红和花衣红火)的霉变样品 | 计算机视觉 | NA | 拉曼高光谱成像技术 | s-GoogLeNet(基于CNN的深度学习模型) | 高光谱图像数据 | 五种花生品种的混合样品 |
132 | 2025-10-04 |
Small Molecule Approach to RNA Targeting Binder Discovery (SMARTBind) Using Deep Learning Without Structural Input
2025-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.24.678312
PMID:41040176
|
研究论文 | 提出了一种无需结构信息的RNA靶向小分子结合剂发现深度学习方法SMARTBind | 结合RNA大语言模型与对比学习,采用配体特异性诱饵增强策略,仅需RNA一级序列即可准确识别小分子结合剂及其结合位点 | NA | 开发准确识别RNA小分子结合剂的计算方法 | RNA靶向小分子结合剂 | 自然语言处理 | 癌症 | 深度学习、对比学习、大语言模型 | RNA大语言模型 | RNA序列数据 | 基于数百万RNA序列预训练,经多个基准测试和案例研究验证 |
133 | 2025-10-04 |
Neurotype matching in monogamous rodents is modulated by early-life sleep experience
2025-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.24.678442
PMID:41040201
|
研究论文 | 本研究通过深度学习工具分析草原田鼠的社交行为,发现早期睡眠干扰会影响神经类型匹配现象 | 首次在非人类动物中量化神经类型匹配现象,并建立早期睡眠干扰与自闭症特征之间的动物模型 | 研究仅针对草原田鼠这一特定物种,结果向人类推广需谨慎 | 探究神经类型匹配现象在非人类动物中的存在及其机制 | 草原田鼠(成对雌雄个体) | 机器学习 | 自闭症 | 深度学习 | 深度学习模型 | 行为视频数据 | 接受对照条件或早期睡眠干扰处理的草原田鼠个体 |
134 | 2025-10-04 |
Sensitive, direct detection of non-coding off-target base editor unwinding and editing in primary cells
2025-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.25.678665
PMID:41040263
|
研究论文 | 开发了一种名为beCasKAS的测序检测方法,用于直接测量碱基编辑器的脱靶活性和Cas9介导的DNA解旋 | 首次实现同时检测Cas9介导的DNA解旋和脱氨酶编辑,能识别比现有方法多460倍以上的潜在脱靶位点 | NA | 优化碱基编辑器的靶向与脱靶活性平衡 | 人类原代T细胞 | 基因编辑 | NA | beCasKAS测序检测、深度学习模型 | 深度学习 | 基因组DNA测序数据 | NA |
135 | 2025-10-04 |
Robust Disease Prognosis via Diagnostic Knowledge Preservation: A Sequential Learning Approach
2025-Sep-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.22.25336414
PMID:41040735
|
研究论文 | 本研究提出一种通过诊断知识保存的序列学习方法,用于改善疾病预后预测性能 | 提出采用经验回放的序列学习策略,解决了传统微调方法在疾病预后预测中导致的灾难性遗忘问题 | 研究中使用的数据集可能具有特定局限性,未明确说明模型在其他疾病类型上的泛化能力 | 开发能够同时保持诊断准确性和提高预后预测性能的深度学习训练策略 | 膝骨关节炎、阿尔茨海默病和乳腺癌患者 | 医学人工智能 | 骨关节炎、阿尔茨海默病、乳腺癌 | 深度学习、序列学习、经验回放 | 深度学习模型 | 膝关节X光片、脑部MRI、数字乳腺X光片 | 多个队列数据集,包含膝关节X光片、脑部MRI和数字乳腺X光片数据 |
136 | 2025-10-04 |
HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data
2025-Sep-25, ArXiv
PMID:41040798
|
研究论文 | 提出HEIST分层图变换器基础模型,用于空间转录组学和蛋白质组学数据分析 | 首次将组织建模为分层图结构,通过跨层级消息传递实现空间信息和细胞内基因共表达网络的联合建模,能够泛化到未见过的数据类型 | NA | 开发能够同时利用空间信息和细胞内基因/蛋白质表达数据的基础模型 | 空间转录组学和蛋白质组学数据中的细胞和组织 | 计算生物学 | NA | 空间转录组学、空间蛋白质组学 | 分层图变换器 | 空间组学数据、基因表达数据、蛋白质计数数据 | 来自15个器官的124个组织中的2230万个细胞 |
137 | 2025-10-04 |
RAVEN: Robust, generalizable, multi-resolution structural MRI upsampling using Autoencoders
2025-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.22.677945
PMID:41040262
|
研究论文 | 提出一种基于自编码器和生成对抗网络的脑部MRI图像超分辨率重建方法RAVEN | 能够处理多种MRI模态和场强,支持任意上采样因子,达到最先进的性能表现 | NA | 开发鲁棒且可泛化的脑部MRI图像超分辨率重建方法 | 脑部磁共振图像 | 计算机视觉 | NA | MRI | 自编码器、GAN | 图像 | NA |
138 | 2025-10-04 |
Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning
2025-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.22.677755
PMID:41040270
|
研究论文 | 开发基于高斯积分和深度学习的框架,直接从静态蛋白质结构预测构象灵活性 | 首次将高斯积分描述符与注意力机制1D-CNN结合,无需分子动力学模拟即可预测蛋白质灵活性 | 对高灵活性值存在系统性低估,α-螺旋蛋白质预测效果较差 | 开发计算高效的方法从静态结构预测蛋白质动态信息 | 1,374个蛋白质链的结构和动态特性 | 结构生物信息学 | NA | 高斯积分描述符、分子动力学模拟、主成分分析 | 注意力机制1D-CNN、循环神经网络 | 蛋白质结构数据 | 1,374个蛋白质链 |
139 | 2025-10-04 |
Assessing the applicability of the soil and water assessment tool-deep learning hybrid model for predicting total nitrogen loads in a mixed agricultural watershed
2025-Sep-23, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2025.104737
PMID:41037965
|
研究论文 | 本研究开发了SWAT与深度学习混合模型用于预测混合农业流域总氮负荷 | 首次将未校准的SWAT输出与深度学习模型结合,无需传统校准过程即可有效预测上游子流域总氮负荷 | 研究仅针对特定混合农业流域,模型在其他类型流域的适用性有待验证 | 评估SWAT-深度学习混合模型在预测流域总氮负荷方面的适用性和性能 | 混合农业流域的总氮负荷 | 机器学习 | NA | 深度学习,水文模拟 | LSTM, GRU, SWAT混合模型 | 水文数据,水质数据,降水数据 | NA |
140 | 2025-10-04 |
Dynamical Modeling of Behaviorally Relevant Spatiotemporal Patterns in Neural Imaging Data
2025-Sep-23, ArXiv
PMID:41040797
|
研究论文 | 提出SBIND深度学习框架,用于建模神经影像中的时空依赖关系并分离行为相关动态 | 开发了无需预处理的端到端深度学习框架,能同时捕捉局部和长程空间依赖关系,并首次将动态建模扩展到功能超声成像 | 仅验证于宽场成像和功能超声成像数据,未提及其他神经影像模态的适用性 | 理解大脑活动与行为之间的关系 | 神经影像数据中的时空模式 | 机器学习 | NA | 宽场钙成像、功能超声成像 | 深度学习框架 | 神经影像数据 | NA |