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 | 2025-09-14 |
Digital Cardiovascular Twins, AI Agents, and Sensor Data: A Narrative Review from System Architecture to Proactive Heart Health
2025-Aug-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25175272
PMID:40942702
|
综述 | 本文综述了数字心血管孪生、AI代理和传感器数据在心血管疾病预测与预防中的应用与系统架构 | 提出整合多模态数据与AI技术的四层系统架构,实现无症状病理的早期检测和个性化预防干预 | NA | 探讨心血管疾病从被动治疗转向预测性和预防性护理的技术路径 | 心血管疾病患者 | 数字病理学 | 心血管疾病 | 可穿戴IoT设备(ECG, PPG, 机械心动图)、机器学习、深度学习、图网络、transformer网络、生成式AI、医疗大语言模型(LLMs) | 深度学习、图网络、transformer网络、贝叶斯滤波、卡尔曼滤波 | 多模态临床和环境数据(传感器数据、电子病历、实验室生物标志物、遗传标记) | 基于183项研究(2016-2025年)的综合分析 |
122 | 2025-09-14 |
Intelligent Fault Diagnosis System for Running Gear of High-Speed Trains
2025-Aug-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25175269
PMID:40942699
|
研究论文 | 本研究将TimesNet时间序列建模框架引入高速列车走行部故障诊断领域,通过创新的多维数据处理策略提升诊断性能 | 首次将TimesNet框架应用于轨道交通走行部故障诊断,采用一维数据二维张量重塑机制增强周期特征提取能力 | 未明确说明模型在极端噪声环境下的泛化能力及不同车型的适用性范围 | 开发满足实时性要求的高速列车走行部智能故障诊断系统 | 高速列车走行部(轴承和齿轮箱) | 时间序列分析 | NA | 多周期分解策略、二维张量重塑 | TimesNet | 多变量时间序列数据 | 高速列车轴承故障数据集和变工况齿轮箱多模式故障诊断数据集 |
123 | 2025-09-14 |
Efficient Deep Learning-Based Arrhythmia Detection Using Smartwatch ECG Electrocardiograms
2025-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25175244
PMID:40942673
|
研究论文 | 提出一种基于一维CNN的高效深度学习模型,用于从智能手表ECG中检测心律失常 | 首次针对智能手表ECG数据设计高效心律失常检测模型,注重模型效率与实际临床部署 | 二元模型特异性较低(6.25%),且仅在公开数据集上验证 | 开发高效心律失常自动检测方法以辅助临床诊断 | 智能手表采集的心电图(ECG)数据 | 数字病理 | 心血管疾病 | ECG信号分析 | 1D CNN | 时间序列信号 | 使用UMass Medical School Simband和MIT-BIH心律失常两个公开数据集 |
124 | 2025-09-14 |
Pressure-Guided LSTM Modeling for Fermentation Quantification Prediction
2025-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25175251
PMID:40942681
|
研究论文 | 本研究提出了一种结合深度学习和区块链技术的集成框架,用于预测发酵过程的量化指标 | 将LSTM模型与区块链数据记录相结合,提高了发酵监测的可靠性和透明度 | NA | 提升发酵过程的实时监测和预测能力 | 发酵过程量化指标(发酵百分比和累积发酵量化值) | 机器学习 | NA | LSTM深度学习技术,区块链数据记录 | LSTM | 多变量时间序列数据 | AAG1-3数据集(具体样本数量未明确说明) |
125 | 2025-09-14 |
High-Performance Automated Detection of Sheep Binocular Eye Temperatures and Their Correlation with Rectal Temperature
2025-Aug-22, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15172475
PMID:40941270
|
研究论文 | 提出一种基于E-S-YOLO11n模型的自动化绵羊双眼区域检测方法,并分析眼温与直肠温度的相关性 | 首次结合红外热成像与深度学习实现绵羊双眼温度的自动检测,并系统分析双眼温度差异及与直肠温度的相关性 | 环境因素可能影响眼温作为直肠温度替代指标的可靠性,且眼温与直肠温度相关性未达到统计学显著性 | 开发非接触式动物体温监测方法,提升精准畜牧业的效率 | 绵羊 | 计算机视觉 | NA | 红外热成像技术(IRT), 深度学习 | E-S-YOLO11n (YOLO变体) | 热成像图像 | 未明确说明样本数量,但包含左右眼温度对比分析 |
126 | 2025-09-14 |
Small Object Detection in Agriculture: A Case Study on Durian Orchards Using EN-YOLO and Thermal Fusion
2025-Aug-22, Plants (Basel, Switzerland)
DOI:10.3390/plants14172619
PMID:40941783
|
研究论文 | 提出一种基于EN-YOLO和热融合技术的深度学习模型,用于农业中小物体检测,特别是在榴莲园中精准识别病虫害 | 集成EfficientNet骨干网络和多模态注意力机制,引入大跨度残差边缘保留关键空间信息,并采用多模态输入策略增强鲁棒性 | NA | 开发自动化病虫害检测系统,提升榴莲作物产量和质量管理的智能农业应用 | 榴莲园中的病虫害 | 计算机视觉 | NA | 深度学习,多模态成像(RGB、近红外、热成像) | EN-YOLO(基于YOLO架构的增强模型) | 图像 | 真实果园数据集(具体数量未明确说明) |
127 | 2025-09-14 |
Robust Pavement Modulus Prediction Using Time-Structured Deep Models and Perturbation-Based Evaluation on FWD Data
2025-Aug-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25175222
PMID:40942651
|
研究论文 | 提出一种结合时间结构建模和扰动评估的集成框架,用于从FWD数据中鲁棒预测路面结构模量 | 开发了五种时间序列输入策略并设计混合Wide & Deep ResRNN架构,结合蒙特卡洛风格扰动评估提升模型鲁棒性 | NA | 提高路面结构模量预测的准确性和抗噪声鲁棒性 | 路面结构模量 | 机器学习 | NA | Falling Weight Deflectometer (FWD) 数据采集 | Wide & Deep ResRNN (包含SimpleRNN, GRU, LSTM) | 时间序列数据 | NA |
128 | 2025-09-14 |
"Frustratingly easy" domain adaptation for cross-species transcription factor binding prediction
2025-Aug-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.21.655414
PMID:40501927
|
研究论文 | 提出一种名为MORALE的领域自适应框架,用于提升跨物种转录因子结合预测的准确性和泛化性 | 通过对齐跨物种序列嵌入的统计矩,无需对抗训练或复杂架构即可学习物种不变调控特征 | NA | 解决深度学习模型在跨物种基因组序列预测中的泛化性问题 | 转录因子(TF)结合位点 | 计算生物学 | NA | ChIP-seq,深度学习 | 嵌入式序列模型(架构无关) | DNA序列数据 | 多物种TF ChIP-seq数据集(包含五个物种) |
129 | 2025-09-14 |
Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review
2025-Aug, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15330
PMID:40163741
|
系统综述 | 比较深度学习模型与人类专家及其他诊断方法在口腔癌临床检测中的诊断准确性 | 首次通过贝叶斯荟萃分析直接比较深度学习与人类专家在口腔癌诊断中的表现 | 纳入研究存在偏倚风险,证据等级较低 | 评估深度学习模型在口腔癌诊断中的准确性 | 口腔黏膜病变(癌变与非癌变)的摄影图像 | 数字病理 | 口腔癌 | 深度学习 | 深度学习模型 | 图像 | 8项研究(具体样本量未提供) |
130 | 2025-07-04 |
Retraction: A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2024.01200.r1
PMID:40602482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
131 | 2025-09-14 |
Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06332-0
PMID:40658209
|
研究论文 | 本研究开发并验证了一种基于深度学习的全自动系统,用于在头颈部侧位X光片上测量腺样体大小 | 首次实现全自动腺样体测量,结合RTMDet和RTMPose网络进行关键点检测,采用数学公式计算腺样体尺寸 | 回顾性研究,仅包含两个中心的711张X光片,可能存在选择偏倚 | 开发客观可靠的腺样体量化测量系统以辅助临床诊断和治疗策略制定 | 头颈部侧位X光片中的腺样体组织 | 计算机视觉 | 耳鼻喉疾病 | 深度学习,X光成像 | RTMDet, RTMPose | 医学影像 | 711张头颈部侧位X光片来自两个医疗中心 |
132 | 2025-09-14 |
Detecting Oral Cancer Using Tabular Deep Learning
2025-Aug, IEEE International Conference on Omni-layer Intelligent Systems : COINS. IEEE International Conference on Omni-layer Intelligent Systems
DOI:10.1109/coins65080.2025.11125786
PMID:40933553
|
研究论文 | 本研究使用表格深度学习技术对口腔癌进行早期检测,通过分析临床结构化表格数据区分癌性病变与癌前病变 | 首次将深度学习网络应用于口腔癌相关的表格医疗数据,填补了该领域的研究空白 | 研究基于1791名患者的子集数据,样本规模相对有限 | 开发可靠的多模态AI/ML方法,预测需要活检的候选病变 | 口腔癌患者和癌前病变患者 | 机器学习 | 口腔癌 | 深度学习 | tabular deep learning methods | 表格数据 | 1791名患者 |
133 | 2025-09-14 |
Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead
2025-Jul-17, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.008
PMID:40683367
|
综述 | 本文综述了人工智能在糖尿病护理中的最新应用、挑战及未来机遇 | 整合传统机器学习和深度学习算法,探索非侵入性生物标志物识别、图像辅助膳食分析及胰岛素自动输送系统优化等新兴方向 | 基于文献综述,缺乏原始数据验证;未涉及具体临床实施障碍的深度分析 | 评估人工智能在糖尿病护理中的应用潜力与转化前景 | 糖尿病患者及糖尿病相关并发症(如视网膜病变、黄斑水肿、神经病变) | 医疗人工智能 | 糖尿病 | 机器学习(ML)、深度学习 | NA | 电子健康记录、医学图像、生物标志物数据 | NA(文献综述未注明具体样本量) |
134 | 2025-09-14 |
Modeling inter-reader variability in clinical target volume delineation for soft tissue sarcomas using diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17865
PMID:40317577
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习技术,用于模拟软组织肉瘤临床靶区勾画中的读者间变异性 | 首次使用扩散模型生成多个合理的临床靶区轮廓,模拟临床实践中不同读者之间的勾画差异 | 样本量相对较小(51例训练集+5例验证集),需要进一步验证模型的泛化能力 | 开发能够模拟临床靶区勾画读者间变异性的自动分割方法 | 软组织肉瘤患者 | 医学图像分析 | 软组织肉瘤 | 扩散模型,多模态医学影像分析 | diffusion model | 多模态医学影像(FDG-PET、CT、MRI) | 51例患者训练集,5例患者独立验证集 |
135 | 2025-09-14 |
Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656907
PMID:40501585
|
研究论文 | 提出一种基于生物诱导稀疏注意力的长上下文蛋白质语言模型,用于病毒全基因组规模的蛋白质序列分析 | 将Transformer模型的上下文大小扩展到整个病毒基因组,捕获蛋白质间长程相互作用 | 主要针对病毒基因组,可能不直接适用于更复杂的真核生物基因组 | 改进蛋白质语言模型以捕获基因组范围内的蛋白质相互作用 | 病毒基因组和其中的蛋白质序列 | 自然语言处理 | NA | 稀疏注意力机制,半监督学习 | Transformer | 蛋白质序列数据 | 序列长度可达61,000个氨基酸的病毒基因组片段 |
136 | 2025-09-14 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654920
PMID:40568119
|
研究论文 | 本研究比较了多种深度学习模型在预测致病性调控变异方面的性能,并评估了它们在增强子活性预测中的表现 | 首次在标准化基准和一致训练条件下系统比较CNN、transformer及混合模型在调控变异预测中的性能 | 研究仅基于特定实验数据(MPRA、raQTL、eQTL)和四种人类细胞系,可能无法推广到其他数据类型或细胞类型 | 评估和比较深度学习模型在预测遗传变异对基因调控元件(特别是增强子)功能影响的能力 | 54,859个SNP及其对增强子活性的调控影响 | 机器学习 | NA | MPRA, raQTL, eQTL | CNN, transformer, hybrid CNN-transformer | 基因组和表观基因组数据 | 54,859个SNP,来自四种人类细胞系 |
137 | 2025-09-14 |
Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study
2025-Apr-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.22.25325465
PMID:40313259
|
研究论文 | 本研究利用深度学习分割技术自动量化胎盘绒毛膜绒毛的亚型和几何特征,并分析其与母婴特征的关联 | 首次将无监督聚类与深度学习结合,自动识别超过900万个绒毛结构并验证其与已知生物学分类的一致性 | 仅针对足月胎盘样本,未涵盖早产或其他并发症病例,且母体年龄和婴儿性别未显示显著关联 | 通过AI方法标准化胎盘结构量化,以减轻病理学家负担并深化对胎盘功能的理解 | 来自新罕布什尔出生队列研究的1,531个足月胎盘全切片图像 | 数字病理学 | 妇产科疾病 | 深度学习分割、无监督聚类 | CNN(基于图像分割任务推断) | 病理图像 | 1,531个足月胎盘样本 |
138 | 2025-09-14 |
One-click image reconstruction in single-molecule localization microscopy via deep learning
2025-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.13.648574
PMID:40376092
|
研究论文 | 介绍基于深度学习的AutoDS和AutoDS3D软件,用于单分子定位超分辨率显微镜数据的一键图像重建 | 通过自动从原始成像数据提取实验参数,显著减少分析过程中的人工干预,在2D情况下无需用户监督即可选择最优模型 | 未明确说明模型在新实验条件下的泛化能力极限或计算资源需求 | 开发减少人工干预的单分子超分辨率显微镜图像重建方法 | 单分子定位超分辨率显微镜数据 | 计算机视觉 | NA | 深度学习 | 深度神经网络(基于Deep-STORM和DeepSTORM3D) | 图像 | 复杂生物样品的单分子成像数据 |
139 | 2025-09-14 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.20.629645
PMID:40291707
|
研究论文 | 介绍MRS-Sim,一个用于模拟体内磁共振波谱的开源框架 | 包含两个新颖组件:3D场图模拟器模拟场不均匀性,以及半参数生成器模拟未充分表征的残余水区域和谱基线贡献 | NA | 开发和验证磁共振波谱方法,提供真实的合成数据 | 磁共振波谱数据 | 医学影像 | NA | 磁共振波谱(MRS) | 半参数生成器 | 光谱数据 | NA |
140 | 2025-09-14 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究开发了一种基于基因表达数据和数学模型的个性化数字孪生系统(PePMDT),用于预测活体肝移植供者的肝脏恢复轨迹 | 将临床基因表达数据整合到肝脏再生数学模型,通过深度学习技术构建患者特异性虚拟肝脏模型 | 样本量较小(12名供者),时间跨度较长但样本数量有限 | 建立个性化数字孪生模型预测肝移植供者恢复过程 | 活体肝移植健康供者的肝脏再生过程 | 数字病理学 | 肝移植 | RNA测序,WGCNA,深度学习 | 数学模型结合深度学习 | 基因表达数据 | 12名健康LDLT供者,14个时间点采样 |