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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1401 | 2025-04-25 |
An Intelligent Model of Segmentation and Classification Using Enhanced Optimization-Based Attentive Mask RCNN and Recurrent MobileNet With LSTM for Multiple Sclerosis Types With Clinical Brain MRI
2025-Jun, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70036
PMID:40269999
|
研究论文 | 本文提出了一种基于深度学习的智能模型,用于通过临床脑部MRI扫描对多发性硬化症类型进行分割和分类 | 该模型的主要创新点在于将注意力机制和基于循环的深度学习应用于卷积网络,以分类疾病,并提出了一种优化算法来调整参数以提高性能 | NA | 开发一种深度学习系统,用于通过临床脑部MRI扫描对多发性硬化症类型进行分类 | 多发性硬化症(MS)的临床脑部MRI扫描图像 | 数字病理学 | 多发性硬化症 | MRI | AA-MRCNN, RM-LSTM | 图像 | 3427张图像 |
1402 | 2025-04-25 |
Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-Analysis
2025-May-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005174
PMID:39451133
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了人工智能在诊断腰椎管狭窄症(LSS)中的表现 | 首次对AI在LSS诊断中的准确性进行了系统性评估,并比较了深度学习和机器学习模型的表现 | 需要进一步的外部验证以增强对不同狭窄类别的分析,并提高对轻度至中度狭窄水平的诊断准确性 | 评估AI在诊断各种类型腰椎管狭窄症及其狭窄程度中的诊断价值 | 腰椎管狭窄症(LSS)患者 | 数字病理 | 腰椎管狭窄症 | 深度学习和机器学习 | DL和ML | 医学影像数据 | 48篇研究文章 |
1403 | 2025-04-25 |
Assessing Pan-Canada wildfire susceptibility by integrating satellite data with novel hybrid deep learning and black widow optimizer algorithms
2025-May-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179369
PMID:40239493
|
research paper | 本研究通过整合卫星数据、深度学习和元启发式算法,开发了多种新型深度学习模型,用于评估加拿大全国范围内的野火发生概率 | 开发了新型的独立LSTM、RNN、BiLSTM和BiRNN模型,并与黑寡妇优化器(BWO)进行混合,提高了野火预测的准确性 | 研究仅基于历史野火数据,未来气候变化等因素可能影响模型的预测效果 | 开发成本效益高且可靠的野火预测方法,以改善加拿大的土地管理和野火预防策略 | 加拿大全国范围内的野火发生概率 | machine learning | NA | remote sensing, deep learning, metaheuristic algorithms | LSTM, RNN, BiLSTM, BiRNN, BWO | satellite data, historical wildfire locations | 4240 historical large wildfire locations (2014-2023) |
1404 | 2025-04-25 |
Molecular surfaces modeling: Advancements in deep learning for molecular interactions and predictions
2025-May-12, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.151799
PMID:40239539
|
综述 | 本文综述了分子表面分析与人工智能技术结合的最新进展及其在分子相互作用和预测中的应用 | 整合分子表面表示与先进AI算法,揭示隐藏的模式和设计原则,推动药物开发、材料工程和催化等领域的进步 | NA | 加速分子发现和创新,优化分子性质,推动药物开发、材料工程和催化等领域的进步 | 分子表面分析及其与AI技术的结合 | 机器学习 | NA | AI技术 | NA | 分子表面数据 | NA |
1405 | 2025-04-25 |
Feasibility of deep learning algorithm in diagnosing lumbar central canal stenosis using abdominal CT
2025-May, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04796-z
PMID:39249505
|
研究论文 | 开发一种基于深度学习的算法,利用腹部CT和腰椎CT诊断腰椎中央管狭窄症 | 首次使用U-Net架构的深度学习模型自动分割硬膜囊并分类中央管狭窄,且在腹部CT上的诊断性能与腰椎CT相当 | 样本量较小(仅9名患者的990张图像),且为回顾性研究 | 评估深度学习算法在诊断腰椎中央管狭窄症中的可行性 | 腰椎中央管狭窄症患者 | 数字病理学 | 腰椎疾病 | CT成像 | U-Net | 医学影像 | 990张CT图像来自9名患者 |
1406 | 2025-04-25 |
Deep Learning-Based Classification of Early-Stage Mycosis Fungoides and Benign Inflammatory Dermatoses on H&E-Stained Whole-Slide Images: A Retrospective, Proof-of-Concept Study
2025-May, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2024.07.036
PMID:39306030
|
研究论文 | 本研究探讨了深度学习在区分早期蕈样肉芽肿和良性炎症性皮肤病中的应用,使用H&E染色的全切片图像数据集 | 首次将深度学习应用于皮肤淋巴瘤的分类,特别是在早期蕈样肉芽肿与良性炎症性皮肤病的区分上 | 需要更大的多机构数据集和改进的方法论,如结合临床数据的多模态深度学习 | 评估深度学习在早期蕈样肉芽肿与良性炎症性皮肤病分类中的表现 | 皮肤活检的H&E染色全切片图像 | 数字病理学 | 皮肤淋巴瘤 | 深度学习 | 弱监督深度学习模型 | 图像 | 924张H&E染色全切片图像,包括233名早期蕈样肉芽肿患者和353名良性炎症性皮肤病患者 |
1407 | 2025-04-25 |
Deep Learning for Contrast Enhanced Mammography - A Systematic Review
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.035
PMID:39643464
|
系统综述 | 本文系统综述了深度学习在对比增强乳腺摄影(CEM)中的应用,探讨了这些模型如何进一步提升CEM的诊断潜力 | 首次系统性地回顾了深度学习在CEM中的应用,并总结了不同模型的性能表现 | 研究数量相对较少且多为回顾性研究,缺乏前瞻性临床验证 | 评估深度学习算法在CEM图像自动分析中的应用效果 | 对比增强乳腺摄影(CEM)图像 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 医学影像 | 16项研究(2018-2024年) |
1408 | 2025-04-25 |
Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.011
PMID:39730250
|
research paper | 本研究开发了一种基于CT图像的深度学习模型,用于区分鼻腔息肉和倒置性乳头状瘤,并通过多中心研究验证其性能 | 首次利用深度学习模型(3D Xception)在CT图像上区分鼻腔息肉和倒置性乳头状瘤,并通过蛋白质组学分析揭示模型预测与上皮细胞分化的关联 | 研究样本来自两家医院,可能存在选择偏差;蛋白质组学分析的样本量较小(70例) | 开发并验证一种深度学习模型,以提高鼻腔良性肿瘤(鼻腔息肉和倒置性乳头状瘤)的鉴别诊断准确性 | 鼻腔良性肿瘤患者(鼻腔息肉和倒置性乳头状瘤) | digital pathology | nasal cavity tumors | CT imaging, proteomics analysis | 3D ResNet, 3D Xception, HRNet | CT images | 1791名患者(来自两家医院),其中70名进行了蛋白质组学分析 |
1409 | 2025-04-25 |
Dynamic Hierarchical Convolutional Attention Network for Recognizing Motor Imagery Intention
2025-May, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3549583
PMID:40131750
|
研究论文 | 提出了一种动态分层卷积注意力网络(DH-CAN),用于从EEG信号中全面学习全局和局部空间域以及时频域的判别信息,以识别运动想象意图 | 设计了多尺度卷积块动态捕捉时频信息,将EEG信号通道映射到不同脑区,分层提取全局和局部空间特征,并利用图注意力网络建立区域连接性,共享对称脑区间的网络参数以更好地捕捉不对称运动想象模式 | NA | 提高EEG信号解码的准确性,特别是在运动想象意图识别方面 | EEG信号 | 脑机接口 | NA | EEG信号分析 | 动态分层卷积注意力网络(DH-CAN) | EEG信号 | 两个数据集 |
1410 | 2025-04-25 |
PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model
2025-May, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70110
PMID:40260988
|
研究论文 | 介绍了一个名为PackPPI的集成框架,用于蛋白质复合物的侧链包装和ΔΔG预测,基于扩散模型 | 结合了扩散模型和近端优化算法,改进了蛋白质复合物的侧链预测,并利用学习到的表示预测ΔΔG | 未提及具体限制 | 提高蛋白质复合物的侧链包装和ΔΔG预测的准确性和效率 | 蛋白质复合物 | 生物信息学 | NA | 扩散模型,近端优化算法 | 扩散模型 | 蛋白质结构数据 | CASP15数据集和SKEMPI v2.0数据集 |
1411 | 2025-04-25 |
Mixing individual and collective behaviors to predict out-of-routine mobility
2025-Apr-29, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2414848122
PMID:40267135
|
研究论文 | 该研究提出了一种动态整合个体和集体移动行为的方法,以提高预测非日常移动行为的准确性 | 动态整合个体和集体移动行为,利用集体智能提升预测准确性,尤其在非日常行为和破坏性事件(如COVID-19大流行)中表现优异 | 模型在兴趣点密度高的城市区域表现最佳,可能在其他区域效果有限 | 预测人类移动行为,以应对城市设计、交通拥堵、流行病管理和迁移动态等社会挑战 | 人类移动行为 | 机器学习 | NA | 深度学习、马尔可夫模型 | NA | 轨迹数据 | 数百万条隐私保护的轨迹数据,覆盖五个美国城市 |
1412 | 2025-04-25 |
Representation of high-dimensional cell morphology and morphodynamics in 2D latent space
2025-Apr-24, Physical biology
IF:2.0Q3
DOI:10.1088/1478-3975/adcd37
PMID:40233771
|
research paper | 该研究开发了一种基于深度学习的算法,将13维细胞形态特征向量投影到2维潜在空间,以减少信息损失并可视化细胞形态和形态动力学 | 提出了一种新的深度学习方法,将高维细胞形态特征投影到2维潜在空间,信息损失小于5%,并能区分不同迁移表型的乳腺癌细胞 | NA | 开发一种方法来简化和可视化高维细胞形态数据,以便更好地理解和解释细胞状态 | 乳腺癌细胞的形态和形态动力学 | digital pathology | breast cancer | deep learning | NA | cell morphology features | NA |
1413 | 2025-04-25 |
Toward Switching and Fusing Neuromorphic Computing: Vertical Bulk Heterojunction Transistors with Multi-Neuromorphic Functions for Efficient Deep Learning
2025-Apr-24, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202419245
PMID:40270224
|
研究论文 | 介绍了一种新型垂直体异质结神经形态晶体管(VHNT),能够模拟ANN和SNN的计算功能,用于高效深度学习 | 提出了一种新型VHNT设备,能够通过简单编程切换为脉冲神经元和自激活神经元,无需辅助电路,显著提高了训练速度和效率 | NA | 开发高性能、低功耗且环境适应性强的通用人工智能(AGI)设备 | 垂直体异质结神经形态晶体管(VHNT) | 神经形态计算 | NA | TaO基电化学反应和PDVT-10/N2200基体异质结 | ANN和SNN融合架构 | NA | CIFAR-10数据集 |
1414 | 2025-04-25 |
Deep Learning Empowered Parallelized Metasurface Computed Tomography Snapshot Spectral Imaging
2025-Apr-24, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202419383
PMID:40270309
|
研究论文 | 提出了一种基于生成式深度学习的并行化超表面计算断层扫描技术,用于实现超紧凑的快照光谱成像 | 将快照光谱成像的光学体积从厘米级减小到亚毫米级,同时保持高分辨率和成像速度 | NA | 解决快照光谱成像在空间受限场景(如内窥镜辅助脑显微手术和实时细胞组织成像)中的应用问题 | 快照光谱成像系统 | 计算机视觉 | NA | 生成式深度学习 | GAN | 图像 | NA |
1415 | 2025-04-25 |
Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE
2025-Apr-24, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202416432
PMID:40270467
|
research paper | 介绍了一种名为scCAFE的深度学习模型,用于在单细胞水平上检测多尺度染色质结构特征 | scCAFE提供了一个统一框架,用于注释单个细胞中的染色质环、TAD样结构域(TLDs)和区室,优于之前的scHi-C环检测方法 | NA | 分析单细胞基因组结构并实现基于3D基因组特征的精确细胞类型注释 | 单细胞Hi-C数据中的染色质结构特征 | computational biology | NA | single-cell Hi-C (scHi-C) | deep learning model (scCAFE) | genomic data | NA |
1416 | 2025-04-25 |
Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data
2025-Apr-24, Molecular ecology
IF:4.5Q1
DOI:10.1111/mec.17773
PMID:40271548
|
研究论文 | 本文探讨了驯化过程中基因组重组率的变化,结合理论、实验室实验和数据分析,比较了家养动物与其野生祖先的重组率 | 利用群体测序数据和深度学习方法推断基因组范围内的重组率,提供了鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的新比较结果 | 研究结果在不同物种间不一致,未能提供驯化导致基因组重组率普遍增加的统一证据 | 验证驯化过程是否间接导致基因组重组率增加的假说 | 家养动物(鸡、绵羊、山羊)及其野生祖先(红原鸡、摩弗伦羊、野山羊) | 基因组学 | NA | 群体测序、深度学习 | 深度学习 | 基因组测序数据 | 多个物种的比较(鸡/红原鸡、绵羊/摩弗伦羊、山羊/野山羊) |
1417 | 2025-04-25 |
Artificial Intelligence in Panoramic Radiography Interpretation: A Glimpse into the State-of-the-Art Radiologic Examination Method
2025-Apr-24, International journal of computerized dentistry
IF:1.8Q2
DOI:10.3290/j.ijcd.b6173229
PMID:40272192
|
研究论文 | 本研究开发了一种基于YOLO-v8深度学习模型的人工智能系统,用于全景X光片中多种牙齿问题和解剖结构的准确评估和分割 | 开发了一个多类别诊断模型,能够同时检测和分割全景X光片中的33种不同牙齿状况和解剖结构,而现有研究通常单独处理这些条件 | 研究未提及模型在不同设备获取的X光片上的泛化能力测试 | 开发能够准确评估和分割全景X光片中各种牙齿问题和解剖结构的深度学习模型 | 全景X光片中的牙齿问题、牙齿修复体、牙科植入物、解剖标志、牙周状况、颌骨病理和根尖周病变 | 数字病理 | 牙科疾病 | 深度学习 | YOLO-v8 | 图像 | 未明确说明样本数量,但涉及33种不同条件的标注 |
1418 | 2025-04-25 |
Role of artificial intelligence in advancing immunology
2025-Apr-24, Immunologic research
IF:3.3Q3
DOI:10.1007/s12026-025-09632-7
PMID:40272607
|
综述 | 本文探讨了人工智能(AI)在免疫学领域的革命性作用,特别是在疫苗开发、免疫治疗和过敏治疗方面的应用 | AI通过分析大量基因组序列和蛋白质结构,帮助识别潜在疫苗候选物并预测机体对不同抗原的反应,同时为癌症患者提供个性化免疫治疗方案 | NA | 探讨AI在免疫学领域的应用及其对医学研究和医疗保健的推动作用 | 免疫学领域,包括疫苗开发、免疫治疗、过敏治疗及免疫疾病诊断 | 人工智能在生物医学中的应用 | 自身免疫疾病、免疫缺陷、过敏及癌症 | 机器学习和深度学习 | NA | 基因组序列、蛋白质结构、患者历史和实验室结果 | NA |
1419 | 2025-04-25 |
Clinical Implementation of Sixfold-Accelerated Deep Learning Super-Resolution Knee MRI in Under 5 Minutes: Arthroscopy-Validated Diagnostic Performance
2025-Apr-23, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.32878
PMID:40266704
|
研究论文 | 本研究验证了采用深度学习超分辨率图像重建技术的六倍加速膝关节MRI在临床中的诊断性能 | 首次在临床中验证了六倍加速的深度学习超分辨率膝关节MRI技术,并与关节镜手术结果进行对照 | 研究为回顾性设计,样本量相对有限(124例患者) | 验证六倍加速的深度学习超分辨率膝关节MRI技术的临床诊断效能 | 膝关节疼痛的成年患者 | 数字病理 | 膝关节疾病 | 深度学习超分辨率图像重建,并行成像(PI),同步多层采集(SMS) | 深度学习(未指定具体模型) | MRI图像 | 124名成年患者(79男,45女) |
1420 | 2025-04-25 |
Validating Emotion Analysis on Social Media Text for Detecting Psychological Distress: A Cross-Sectional Survey
2025-Apr-23, Issues in mental health nursing
IF:1.7Q3
DOI:10.1080/01612840.2025.2488328
PMID:40266789
|
研究论文 | 本研究探讨了社交媒体文本中自我报告的心理困扰与情绪之间的关系,使用基于深度学习的情绪分析模型 | 使用KoBERT模型对社交媒体文本进行七种情绪分类,并验证其与心理困扰的关联 | 样本量较小(87名参与者),且仅限于Instagram和Threads平台的数据 | 验证情绪分析作为通过社交媒体早期检测和监测心理困扰的工具 | 社交媒体用户及其文本帖子 | 自然语言处理 | 心理健康 | 深度学习 | KoBERT | 文本 | 87名参与者的2610个句子 |