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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1541 | 2025-06-06 |
Preserving privacy in healthcare: A systematic review of deep learning approaches for synthetic data generation
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108571
PMID:39742693
|
系统综述 | 本文系统综述了医疗保健领域中用于合成数据生成的深度学习技术,重点关注其在保持数据效用和增强隐私方面的能力 | 探讨了GANs、VAEs和扩散模型在生成合成数据中的应用,并特别关注了差分隐私和联邦学习等隐私增强方法 | 在保持时间相关性、减少偏见以及符合监管框架方面仍存在挑战,特别是对于纵向和高维数据 | 评估深度学习技术在医疗保健领域中生成合成数据的潜力,以促进隐私保护的数据共享 | 医疗保健数据 | 机器学习 | NA | GANs, VAEs, 扩散模型, 差分隐私, 联邦学习 | GAN, VAE, 扩散模型 | 表格数据、信号数据、图像数据、多模态数据 | NA |
1542 | 2025-06-06 |
Deep Learning Model of Diastolic Dysfunction Risk Stratifies the Progression of Early-Stage Aortic Stenosis
2025-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.07.017
PMID:39297852
|
research paper | 该研究探讨了基于超声心动图的深度学习模型在评估舒张功能障碍方面的应用,以预测主动脉瓣狭窄的发展和进展 | 利用深度学习模型预测舒张功能障碍,从而识别主动脉瓣狭窄进展的潜在风险 | 样本量较小,特别是在验证队列中,可能影响结果的普遍性 | 研究深度学习模型在预测主动脉瓣狭窄进展中的应用 | 主动脉瓣硬化和轻度至中度主动脉瓣狭窄患者 | digital pathology | cardiovascular disease | 超声心动图、心脏磁共振成像、PET/CT | DL | image | 898名主动脉瓣硬化患者(ARIC队列)、50名轻度至中度主动脉瓣狭窄患者(CMR队列)、18名主动脉瓣硬化患者(PET/CT队列) |
1543 | 2025-06-06 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
research paper | 本研究探讨了在直肠癌在线自适应放疗中,利用患者特异性先验临床知识提高临床靶区自动分割的泛化能力 | 提出了一种结合患者特异性先验临床知识和基于人群的变异性的深度学习方法,以提高自动分割的泛化能力 | 研究仅针对直肠癌患者,未涉及其他癌症类型 | 提高在线自适应放疗中临床靶区自动分割的泛化能力 | 中危或局部晚期直肠癌患者 | digital pathology | rectal cancer | deep learning | DL | MRI | 来自三个中心的中危或局部晚期直肠癌患者 |
1544 | 2025-06-06 |
Investigating the Quality of DermaMNIST and Fitzpatrick17k Dermatological Image Datasets
2025-Feb-01, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04382-5
PMID:39893183
|
research paper | 本文对DermaMNIST、HAM10000和Fitzpatrick17k三个皮肤病图像数据集进行了细致分析,揭示了数据质量问题,并提出了修正方案 | 揭示了皮肤病数据集中存在的重复数据、数据泄漏、错误标签等问题,并提出了修正方法 | 仅分析了三个皮肤病数据集,可能无法涵盖所有数据质量问题 | 评估皮肤病图像数据集的质量,并提高深度学习模型的可靠性 | DermaMNIST、HAM10000和Fitzpatrick17k数据集 | digital pathology | dermatological disease | NA | deep neural network | image | 三个皮肤病数据集(具体数量未提及) |
1545 | 2025-06-06 |
Enhancing predictive accuracy for urinary tract infections post-pediatric pyeloplasty with explainable AI: an ensemble TabNet approach
2025-01-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82282-1
PMID:39828726
|
research paper | 本研究开发了一种结合机器学习和深度学习的集成模型,用于预测小儿肾盂成形术后尿路感染的风险 | 首次提出结合机器学习和深度学习的集成预测模型,利用SHAP解释模型提供临床风险因素新见解 | 研究证据等级为IV级,缺乏对照组比较 | 提高小儿肾盂成形术后尿路感染的预测准确性 | 764例接受单侧肾盂成形术的儿科患者 | machine learning | urinary tract infection | ensemble learning, SHAP | TabNet, Logistic Regression, SVM, Random Forest, XGBoost, LightGBM | clinical features | 764例儿科患者 |
1546 | 2025-06-06 |
Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis
2025-Jan, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-024-00954-4
PMID:39320698
|
系统综述与荟萃分析 | 本文综述了深度学习算法在X光片上自动测量Cobb角的应用,并进行了荟萃分析 | 比较了基于分割和基于标志点的深度学习方法的准确性,并提出了改进模型设计的潜在方法 | 荟萃分析结果有限,存在高度异质性 | 评估深度学习算法在Cobb角自动测量中的性能 | X光片上的Cobb角测量 | 计算机视觉 | 脊柱侧弯 | 深度学习算法 | NA | X光图像 | 50项研究纳入系统综述,17项研究纳入荟萃分析(共3022例样本) |
1547 | 2025-06-06 |
A Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease
2025, Cardiology
IF:1.9Q3
DOI:10.1159/000541980
PMID:39396499
|
研究论文 | 开发了一种基于深度学习的快速三维心脏建模方法,用于先天性心脏病患者的术前规划和诊断支持 | 整合医学影像和临床诊断信息,通过深度学习自动生成3D打印和VR应用的心脏模型 | 研究样本量较小(110例患者),未来需在更大数据集和不同类型先天性心脏病上验证模型的广泛适用性 | 提高先天性心脏病手术规划和诊断的精确性 | 先天性心脏病患者 | 数字病理学 | 先天性心脏病 | CT、心脏MRI | 深度学习模型 | 医学影像、临床数据 | 110例患者 |
1548 | 2025-06-06 |
GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400169
PMID:39421969
|
research paper | 提出了一种基于硬负样本的分子图对比学习框架GCLmf,用于毒性预测 | 利用特定条件的分子片段作为硬负样本,提升负样本集质量,从而在预训练中学习更具信息量的分子表示 | 未明确提及模型在数据稀缺情况下的表现或泛化能力 | 提高化学毒性预测的准确性和鲁棒性 | 分子图数据 | machine learning | NA | 对比学习(自监督学习) | GCLmf(基于深度学习的分子图对比学习框架) | 分子图数据 | 在33个毒性任务上进行评估,具体样本量未明确说明 |
1549 | 2025-06-06 |
Diagnostic accuracy of deep learning-based algorithms in laryngoscopy: a systematic review and meta-analysis
2025-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-024-09049-2
PMID:39446141
|
meta-analysis | 该研究通过系统综述和荟萃分析评估深度学习在喉镜检查中诊断喉癌的准确性 | 首次对深度学习在喉镜检查中的诊断效用进行系统评价和荟萃分析 | 仅纳入9项研究,样本量虽大但研究数量有限 | 评估深度学习算法在喉镜检查中诊断喉癌的准确性 | 喉镜检查图像 | digital pathology | laryngeal cancer | 深度学习 | NA | image | 106,175张内窥镜图像 |
1550 | 2025-06-06 |
Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02505-1
PMID:39558095
|
research paper | 该论文开发了一种名为spIsoNet的自监督深度学习软件,用于解决冷冻电镜中的粒子取向偏差问题 | 提出了一种端到端的自监督深度学习方法,无需额外的样本制备过程即可解决冷冻电镜中的取向偏差问题 | NA | 解决冷冻电镜中粒子取向偏差导致的图像各向异性和粒子错位问题 | 冷冻电镜图像数据,包括核糖体、β-半乳糖苷酶和血凝素三聚体数据集 | 计算机视觉 | NA | 冷冻电镜 | 深度学习 | 图像 | 多个代表性生物系统数据集 |
1551 | 2025-06-06 |
Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1485311
PMID:40171193
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习算法在光学相干断层扫描(OCT)和视网膜图像中检测糖尿病视网膜病变(DR)的有效性 | 首次对深度学习在OCT和视网膜图像中检测DR的效果进行了全面的荟萃分析 | 数据集标准化不足,模型可解释性有待提高,且需在多样化人群中进一步验证性能 | 评估深度学习算法在糖尿病视网膜病变检测中的准确性和可靠性 | 光学相干断层扫描(OCT)和视网膜图像 | digital pathology | diabetic retinopathy | deep learning | NA | image | 188268张视网膜图像和OCT扫描 |
1552 | 2025-06-06 |
Ground-truth-free deep learning approach for accelerated quantitative parameter mapping with memory efficient learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324496
PMID:40455714
|
研究论文 | 本研究评估了结合内存高效学习(MEL)的自监督学习(SSL)和零样本自监督学习(ZSSSL)框架,以加速定量MRI(qMRI)的图像重建 | 提出了不依赖全采样数据的自监督学习和零样本自监督学习方法,并结合内存高效学习技术降低GPU内存需求 | 在高度加速因子条件下,SSL和ZSSSL的性能略逊于监督学习(SL) | 加速定量MRI图像重建过程并降低计算资源需求 | 定量MRI图像重建 | 医学影像分析 | NA | 定量MRI(qMRI), 自监督学习(SSL), 零样本自监督学习(ZSSSL) | 深度学习(DL) | MRI图像 | 三个实验(2D T2映射/MSME, 3D T1映射/VFA-SPGR, 3D T2映射/DESS) |
1553 | 2025-06-06 |
Utility of artificial intelligence-based conversation voice analysis for detecting cognitive decline
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325177
PMID:40455724
|
研究论文 | 本研究开发了一种基于人工智能的对话语音分析模型,用于检测认知衰退 | 利用短对话语音样本通过AI模型检测认知衰退,无需专业环境或设备 | 样本量较小(263名患者),且仅基于Mini-Mental State Examination分数进行标签 | 开发一种便捷的认知衰退筛查工具 | 认知衰退患者和认知正常人群 | 自然语言处理 | 老年疾病 | 机器学习 | 全耦合神经网络 | 语音 | 263名患者的语音样本,其中20个样本用于准确性评估 |
1554 | 2025-06-06 |
Overlapping point cloud registration algorithm based on KNN and the channel attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325261
PMID:40455723
|
研究论文 | 提出了一种基于KNN和通道注意力机制的重叠点云配准算法,显著提高了重叠区域的特征提取和匹配能力 | 结合KNN算法和通道注意力机制(CAM),设计了有效性评分网络,提高了配准精度和系统鲁棒性 | 未提及算法在实时性方面的表现 | 提高重叠点云区域的特征提取和匹配能力,构建高精度环境模型 | 三维点云数据 | 计算机视觉 | NA | KNN算法,通道注意力机制(CAM) | 有效性评分网络 | 三维点云数据 | ModelNet40数据集和Stanford数据集 |
1555 | 2025-06-06 |
A novel spectral analysis-based grading system for gastrointestinal activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323440
PMID:40455773
|
研究论文 | 本文介绍了一种基于频谱分析的新型胃肠道活动分级系统,用于客观评估胃肠动力 | 提出了一种创新的无监督分级系统,通过频谱特征分析肠鸣音来评估胃肠动力,避免了传统方法依赖个人判断和大规模标注数据集的问题 | 虽然验证了方法的可靠性,但仍需进一步研究以确认其在更广泛临床环境中的适用性 | 开发一种客观评估胃肠动力的方法,辅助医生量化胃肠道活动 | 肠鸣音(由消化气体和液体在蠕动过程中产生的声音信号) | 数字病理 | 胃肠道疾病 | 频谱特征分析 | 无监督学习 | 音频 | NA |
1556 | 2025-06-06 |
An efficient non-parametric feature calibration method for few-shot plant disease classification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541982
PMID:40458225
|
research paper | 提出一种基于特征适应评分(FAS)度量的方法,用于少样本植物病害分类 | 利用FAS评分与测试准确率的严格正相关关系,无需训练网络即可确定适用于少样本植物病害分类的Swin-Transformer V2-F6网络结构,并设计了PDFC算法进行特征校准 | NA | 解决植物病害图像数据不足的问题,提高少样本植物病害分类的准确率 | 植物病害图像 | computer vision | plant disease | few-shot learning | Swin-Transformer V2 | image | PlantVillage数据集及其他数据集 |
1557 | 2025-06-06 |
Ventricular volume adjustment of brain regions depicts brain changes associated with HIV infection and aging better than intracranial volume adjustment
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1516168
PMID:40458466
|
research paper | 该研究探讨了在分析HIV感染和衰老相关的大脑结构变化时,采用侧脑室(LV)体积调整比颅内体积(ICV)调整更能揭示潜在的萎缩模式 | 提出了使用侧脑室体积调整作为新的分析方法,以更准确地识别HIV感染和衰老相关的大脑萎缩模式,尤其是在HIV相关神经认知障碍(HAND)的研究中 | 研究仅基于MRI T1图像数据,未考虑其他可能的神经影像学或临床数据 | 比较不同体积调整策略在识别HIV感染和衰老相关大脑萎缩模式中的效果 | HIV感染者和健康对照者的大脑结构变化 | digital pathology | HIV感染 | MRI T1成像 | deep learning models | image | NA |
1558 | 2025-06-06 |
Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review
2024-Dec, iRadiology
DOI:10.1002/ird3.99
PMID:40453356
|
review | 本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用 | 综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的应用,并提出了未来研究方向 | 文献中缺乏对各种方法的详细分析和未来方向的深入探讨 | 探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义 | 前列腺癌骨转移的影像数据 | digital pathology | prostate cancer | radiomics, machine learning, deep learning | NA | image | NA |
1559 | 2025-06-06 |
Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review
2024-10-30, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/57124
PMID:39475815
|
综述 | 本文探讨了人工智能和数据科学在急诊医学中整合社会健康决定因素(SDOH)数据的潜力和应用 | 首次系统性地评估了AI和数据科学在急诊医学中SDOH数据整合的应用,突出了机器学习和自然语言处理技术的优势 | 研究仍处于初级阶段,纳入的研究数量有限(26篇),且主要集中在急诊科患者 | 探索AI和数据科学在急诊医学中SDOH数据建模、提取和整合的应用潜力 | 急诊科患者及其SDOH数据 | 医疗信息学 | 急诊医学相关疾病(如脓毒症、急性心肌梗死、哮喘等) | 机器学习(ML)、自然语言处理(NLP)、深度学习、模式匹配 | NLP模型(包括基于规则的NLP、深度学习模型) | 文本数据(临床记录等) | 26项符合条件的研究(其中9项专门针对急诊患者) |
1560 | 2025-06-06 |
DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION
2024-08-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004106
PMID:38489765
|
research paper | 本研究开发了一种基于光学相干断层扫描(OCT)和OCT血管成像(OCTA)的深度学习分类器,用于预测年龄相关性黄斑变性患者中非渗出性黄斑新生血管的早期渗出风险 | 首次结合OCT和OCTA图像分析,使用多种CNN模型(ResNet-101、Inception-ResNet-v2和DenseNet-201)进行预测,并通过多数投票和软投票技术提升性能 | 样本量相对较小(89例患者),且为回顾性研究 | 开发AI工具预测非渗出性黄斑新生血管的早期渗出风险 | 年龄相关性黄斑变性患者的非渗出性黄斑新生血管 | digital pathology | age-related macular degeneration | OCT, OCTA | CNN (ResNet-101, Inception-ResNet-v2, DenseNet-201) | image | 89例患者(35例渗出组,54例非渗出组) |