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 | 2025-04-27 |
The diatom test in the field of forensic medicine: a review of a long-standing question
2025-Mar, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03370-5
PMID:39556128
|
review | 本文评估了法医调查中硅藻测试的标准,重点关注溺水案例 | 讨论了微波消化、真空过滤和自动扫描电子显微镜(MD-VF-Auto SEM)等先进方法,以及DNA测序和深度学习技术的整合,以提高硅藻检测和分类的准确性 | 需要标准化硅藻测试协议以确保一致性和可靠性 | 提高硅藻测试在法医调查中的准确性和可靠性,特别是在确定溺水死因方面 | 硅藻,一种存在于水生环境中的单细胞藻类 | 法医学 | NA | 微波消化、真空过滤、自动扫描电子显微镜(MD-VF-Auto SEM)、DNA测序、深度学习 | 深度学习 | 组织样本、水样 | NA |
122 | 2025-04-27 |
Deep learning based analysis of dynamic video ultrasonography for predicting cervical lymph node metastasis in papillary thyroid carcinoma
2025-Mar, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-04091-w
PMID:39556263
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于通过动态视频超声检查预测甲状腺乳头状癌患者的颈淋巴结转移风险 | 首次使用深度学习模型分析动态视频超声数据来预测颈淋巴结转移风险,相比传统二维静态图像方法表现更优 | 研究样本量相对有限(388名患者),且数据来自单一医疗机构 | 开发更准确的颈淋巴结转移预测方法以辅助临床决策 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | 超声检查 | DenseNet121 | 视频 | 388名患者的717个甲状腺结节 |
123 | 2025-04-27 |
Nuclear pleomorphism in canine cutaneous mast cell tumors: Comparison of reproducibility and prognostic relevance between estimates, manual morphometry, and algorithmic morphometry
2025-Mar, Veterinary pathology
IF:2.3Q1
DOI:10.1177/03009858241295399
PMID:39560067
|
研究论文 | 本研究比较了犬皮肤肥大细胞肿瘤中核多形性评估的不同方法,包括病理学家估计、手动形态测量和基于深度学习的自动形态测量,以评估其可重复性和预后价值 | 首次在犬皮肤肥大细胞肿瘤中系统比较了不同核评估方法的性能,并验证了分层抽样手动形态测量和算法形态测量的实用价值 | 需要进一步研究验证结果、评估算法间可重复性和算法稳健性,并探索整个肿瘤切片中核特征的异质性 | 探索犬皮肤肥大细胞肿瘤核评估方法的局限性并开发替代形态测量解决方案 | 犬皮肤肥大细胞肿瘤(ccMCTs) | 数字病理学 | 犬皮肤肥大细胞肿瘤 | 深度学习分割 | 深度学习 | 病理图像 | 96例具有预后信息的ccMCTs |
124 | 2025-04-27 |
Deep learning reconstruction for accelerated high-resolution upper abdominal MRI improves lesion detection without time penalty
2025-Mar, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.09.008
PMID:39567306
|
研究论文 | 本研究比较了传统T1加权VIBE序列与深度学习重建的加速高分辨率VIBE序列(HR-VIBEDL)在图像质量、病变显着性和病变检测方面的表现 | 使用深度学习重建的加速高分辨率VIBE序列(HR-VIBEDL),在不增加扫描时间的情况下提高了图像质量和病变检测率 | 研究样本量较小(50名参与者),且仅在单一三级中心进行 | 比较传统VIBE序列与HR-VIBEDL序列在腹部MRI中的表现 | 上腹部MRI图像 | 医学影像 | 腹部疾病 | MRI,深度学习重建 | 深度学习 | 医学影像 | 50名参与者(30名男性,20名女性),平均年龄60±15岁 |
125 | 2025-04-27 |
Burnout crisis in Chinese radiology: will artificial intelligence help?
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11206-4
PMID:39567429
|
研究论文 | 评估人工智能软件使用与中国医院放射科职业倦怠之间的相关性 | 首次定量研究AI软件使用与放射科人员职业倦怠的关联 | 横断面研究设计无法确定因果关系 | 探讨AI在缓解放射科职业倦怠中的作用 | 中国68家公立医院的放射科医师和技术人员 | 医疗人工智能 | NA | 问卷调查、MBI-HSS量表 | NA | 调查问卷数据 | 522名放射科工作人员(389名使用过AI) |
126 | 2025-04-27 |
Early-Stage Melanoma Cancer Diagnosis Framework for Imbalanced Data From Dermoscopic Images
2025-Mar, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24736
PMID:39573895
|
research paper | 提出了一种用于不平衡数据下的早期黑色素瘤皮肤癌诊断的深度学习框架 | 结合CNN、DenseNet、批量归一化层、最大池化和ReLU激活函数的新框架,有效解决了过拟合问题,并采用数据增强处理类别不平衡 | 未明确提及模型在临床环境中的实际应用验证或对不同皮肤类型的泛化能力 | 开发自动化的黑色素瘤早期诊断方法以提高诊断效率和准确性 | 皮肤镜图像中的黑色素瘤病变 | digital pathology | skin cancer | data augmentation, Adam optimizer | CNN, DenseNet | image | ISIC-2019和HAM-10000数据集的大量样本 |
127 | 2025-04-27 |
EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data
2025-Mar, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00667-2
PMID:39578307
|
研究论文 | 提出了一种名为EfficientNet-resDDSC的混合深度学习模型,用于从单细胞数据中推断基因间的因果关系 | 结合残差块和扩张卷积,增强模型在初级阶段的低层次特征提取能力,并通过深度可分离卷积在不增加计算量的情况下扩大感受野 | 未明确提及具体限制,但可能面临高维高噪声单细胞数据的挑战 | 构建基因调控网络(GRNs),准确揭示基因间的因果关系 | 单细胞RNA测序(scRNA-seq)数据中的基因 | 机器学习 | 乳腺癌 | scRNA-seq | EfficientNet-resDDSC(结合残差块和扩张卷积的混合深度学习模型) | 单细胞RNA测序数据 | 四个数据集(未明确具体样本数量) |
128 | 2025-04-27 |
Semantic segmentation for weed detection in corn
2025-Mar, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8554
PMID:39584373
|
research paper | 提出了一种结合语义分割和图像处理的新方法,用于玉米田中的杂草检测 | 通过间接分割作物像素并识别作物掩膜外的植被作为杂草,避免了直接检测多种杂草物种的复杂性 | 未提及该方法在其他作物或复杂农田环境中的适用性 | 开发一种可靠、快速且准确的农田杂草检测方法 | 玉米田中的杂草 | computer vision | NA | 语义分割、知识蒸馏 | DeepLabV3+ | image | 未明确提及具体样本数量 |
129 | 2025-04-27 |
Deep Learning Based Detection of Large Vessel Occlusions in Acute Ischemic Stroke Using High-Resolution Photon Counting Computed Tomography and Conventional Multidetector Computed Tomography
2025-Mar, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-024-01471-7
PMID:39585389
|
研究论文 | 本研究探讨了光子计数计算机断层扫描(PCCT)与传统多排探测器计算机断层扫描(MDCT)在急性缺血性卒中(AIS)中大血管闭塞(LVO)检测中的深度学习(DL)性能差异 | 首次研究了PCCT图像质量对DL算法检测LVO性能的影响,并使用了商业供应商开发的新型深度学习架构 | 无法排除灌注缺损的存在,因为缺乏CT灌注(CTP)成像数据 | 评估PCCT与传统CT在AIS中LVO检测的DL算法性能差异 | 急性缺血性卒中患者的大血管闭塞情况 | 数字病理学 | 脑血管疾病 | 光子计数计算机断层扫描(PCCT)和传统计算机断层扫描(CT) | 深度学习架构(具体类型未说明) | 医学影像 | 443例接受CTA检查的病例(PCCT组150例,传统CT组293例) |
130 | 2025-04-27 |
Pressure-Enabled Drug Delivery Significantly Increases Intra-Arterial Delivery of Embolic Microspheres to Liver Tumors in a Porcine Model
2025-Mar, Journal of vascular and interventional radiology : JVIR
IF:2.6Q2
DOI:10.1016/j.jvir.2024.11.014
PMID:39586533
|
research paper | 本研究测试了压力驱动药物输送(PEDD)在猪模型中增加肝肿瘤微球输送的效果 | 使用压力调节微导管设备(TriNav)显著提高了微球在肝肿瘤中的输送效率 | 研究仅基于猪模型,结果可能无法直接推广到人类 | 比较PEDD与传统微导管在肝肿瘤治疗中的微球输送效率 | 猪肝肿瘤模型 | medical technology | liver cancer | 压力驱动药物输送(PEDD) | custom deep learning algorithm | image | 16 (8 conventional, 8 PEDD) |
131 | 2025-04-27 |
The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance
2025-Mar, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.10.070
PMID:39522568
|
research paper | 研究探讨了在腹主动脉瘤修复术后监测中,自动测量瘤囊体积相较于最大直径评估是否能提供更细致的瘤囊行为信息 | 首次比较了自动瘤囊体积测量与传统最大直径评估在腹主动脉瘤修复术后监测中的差异,发现体积测量能识别更多瘤囊变化 | 样本量较小(89例患者),且为回顾性研究 | 评估自动瘤囊体积测量在腹主动脉瘤修复术后监测中的附加价值 | 接受标准或开窗式EVAR治疗的腹主动脉瘤患者 | 数字病理学 | 心血管疾病 | 计算机断层扫描血管造影(CTA) | 深度学习(Augmented Reality for Vascular Aneurysm) | 医学影像 | 89例患者(标准EVAR 46例,开窗式EVAR 43例) |
132 | 2025-04-27 |
LGS-PPIS: A Local-Global Structural Information Aggregation Framework for Predicting Protein-Protein Interaction Sites
2025-Mar, Proteins
IF:3.2Q2
DOI:10.1002/prot.26763
PMID:39520116
|
研究论文 | 提出了一种名为LGS-PPIS的局部-全局结构信息聚合框架,用于预测蛋白质-蛋白质相互作用位点 | 结合了边缘感知图卷积网络(EA-GCN)和自注意力机制(SA-RIM),实现了局部和全局信息的聚合,克服了现有方法在局部特征提取和全局特征捕获上的不足 | 未提及具体的数据集大小限制或模型泛化能力的详细分析 | 提高蛋白质-蛋白质相互作用位点(PPIS)的预测精度 | 蛋白质-蛋白质相互作用位点 | 生物信息学 | NA | 深度学习 | EA-GCN, SA-RIM | 蛋白质结构数据 | 三个广泛使用的PPIS预测基准数据集 |
133 | 2025-04-27 |
Self-Attention Mechanisms-Based Laryngoscopy Image Classification Technique for Laryngeal Cancer Detection
2025-Mar, Head & neck
DOI:10.1002/hed.27999
PMID:39526389
|
研究论文 | 提出了一种基于自注意力机制的喉镜图像分类技术,用于喉癌检测 | 开发了基于Swin-Transformer的智能喉癌检测系统(ILCDS),在准确性和稳定性上优于传统CNN模型和专业喉科医生 | 在外部测试集上性能略有下降 | 提高喉癌早期诊断的准确性和效率 | 喉癌患者 | 计算机视觉 | 喉癌 | 深度学习 | Swin-Transformer | 图像 | 来自1462名患者的5768张喉镜图像 |
134 | 2025-04-27 |
Contrast-enhanced thin-slice abdominal CT with super-resolution deep learning reconstruction technique: evaluation of image quality and visibility of anatomical structures
2025-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01685-2
PMID:39538066
|
研究论文 | 比较超分辨率深度学习重建(SR-DLR)、深度学习重建(DLR)和混合迭代重建(HIR)算法在对比增强薄层腹部CT图像重建中的图像质量和解剖结构可见性 | 首次在对比增强薄层腹部CT图像重建中评估SR-DLR技术,并与DLR和HIR进行比较 | 研究为回顾性设计,样本量较小(54例患者) | 评估不同重建算法在腹部CT图像质量和结构可见性方面的表现 | 对比增强薄层腹部CT图像 | 医学影像分析 | NA | 超分辨率深度学习重建(SR-DLR)、深度学习重建(DLR)和混合迭代重建(HIR) | 深度学习 | 医学影像(CT图像) | 54例接受对比增强腹部CT检查的患者 |
135 | 2025-04-27 |
Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.033
PMID:39542804
|
研究论文 | 本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值 | 利用纵向多模态深度学习和堆叠模型,结合HER2状态,实现了早期无创预测乳腺癌新辅助化疗反应 | 研究为回顾性分析,样本量有限(448例患者),且仅来自三个中心 | 开发个性化治疗方案,预测乳腺癌患者对新辅助化疗的反应 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | ResNet50, 堆叠模型 | 图像(MR和超声) | 448例患者 |
136 | 2025-04-27 |
Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024506
PMID:40276097
|
研究论文 | 评估不同降维方法在因果深度学习模型中生成神经影像的效果 | 比较了五种降维技术在3D因果深度学习模型中对神经影像生成的影响,并确定了3D PCA为最佳方法 | 研究仅针对脑部影像,未涵盖其他类型的医学影像 | 比较不同降维方法对因果神经影像生成的影响 | 23,692张3D脑部影像 | 数字病理学 | NA | PCA, 自编码器, Vector Quantised-Variational AutoEncoder | CNN | 3D图像 | 23,692张3D脑部影像 |
137 | 2025-04-27 |
Prediction of muscular-invasive bladder cancer using multi-view fusion self-distillation model based on 3D T2-Weighted images
2025-Feb-25, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0333
PMID:39501515
|
研究论文 | 本研究开发了一种基于3D T2加权图像的多视图融合自蒸馏模型(MVSD),用于准确区分肌肉浸润性膀胱癌(MIBC)和非肌肉浸润性膀胱癌(NMIBC) | 提出了一种结合横向和矢状面视图的多视图融合自蒸馏模型,利用3D MRI体积的z轴信息进行综合特征提取,并通过自蒸馏提升浅层分类器的特征提取能力 | 研究中未包含所有多参数MRI序列,仅优化了T2加权成像序列 | 优化现有的T2加权成像序列,以准确评估肌肉浸润性膀胱癌 | 615名膀胱癌患者的T2加权图像 | 数字病理学 | 膀胱癌 | 3D T2加权成像 | MVSD(多视图融合自蒸馏模型) | 3D MRI图像 | 615名膀胱癌患者 |
138 | 2025-04-27 |
Dense convolution-based attention network for Alzheimer's disease classification
2025-02-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85802-9
PMID:39962113
|
研究论文 | 提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型,用于在3D MRI图像中检测阿尔茨海默病 | 利用密集连接和线性注意力机制增强特征提取和捕获长距离依赖关系,同时保持较低的参数量 | 未提及与其他最先进模型的详细对比或在实际临床环境中的部署挑战 | 开发一个高效且参数少的模型,用于阿尔茨海默病的检测 | 3D MRI图像 | 数字病理学 | 老年病 | 深度学习 | CNN与线性注意力机制结合的DANet | 3D MRI图像 | 多机构数据集(具体数量未提及) |
139 | 2025-04-27 |
A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals
2025-02-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90164-3
PMID:39962290
|
research paper | 提出一种结合1D残差卷积神经网络(1D-ResCNN)和混合优化策略的深度学习架构,用于头皮脑电信号中癫痫尖峰的检测 | 结合LAMB和AdamW算法的混合优化策略,提高特征提取效率和收敛速度 | 仅在两个公开数据集上进行了验证,样本量相对有限 | 开发实时癫痫尖峰检测方法 | 癫痫患者的头皮脑电信号 | machine learning | epilepsy | 1D-ResCNN, LAMB, AdamW | 1D-ResCNN | EEG signals | 12名患者的CHB-MIT数据集和14名成年患者的Siena数据集 |
140 | 2025-04-27 |
Predicting visual field global and local parameters from OCT measurements using explainable machine learning
2025-02-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89557-1
PMID:39956834
|
research paper | 该研究开发了五种回归模型,通过光学相干断层扫描(OCT)数据预测青光眼患者的视野(VF)参数,并开发了临床软件工具OCT to VF Predictor | 引入了点状归一化和步长概念,提高了预测精度,并通过SHAP分析增强了模型的可解释性 | 研究样本量有限,仅包含268只青光眼和226只正常眼 | 通过机器学习模型从OCT数据预测青光眼患者的视野参数,辅助临床诊断 | 青光眼患者和正常人的眼睛 | machine learning | glaucoma | optical coherence tomography (OCT) | regression models | image | 268 glaucomatous eyes (86 early, 72 moderate, 110 advanced) and 226 normal eyes |