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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1561 | 2025-09-03 |
Automated detection of retinal artery occlusion in fundus photography via self-supervised deep learning and multimodal interpretability using a multimodal AI chatbot
2025-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03353-7
PMID:40163243
|
研究论文 | 本研究提出了一种基于自监督学习和多模态可解释性AI的自动化方法,用于从眼底图像中检测视网膜动脉阻塞 | 首次将深度学习应用于RAO检测,采用自监督学习框架解决标注数据稀缺问题,并创新性地结合多模态AI聊天机器人提供临床解释 | NA | 开发自动化AI系统用于视网膜动脉阻塞的早期检测和诊断 | 眼底图像中的视网膜动脉阻塞病变 | 计算机视觉 | 心血管疾病 | 自监督学习(SSL),SimCLR框架 | ResNet50 | 图像 | 在两个外部验证数据集上进行测试 |
1562 | 2025-09-03 |
Skull CT metadata for automatic bone age assessment by using three-dimensional deep learning framework
2025-Sep, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03469-3
PMID:40192774
|
研究论文 | 开发基于三维深度学习框架的头骨CT元数据自动骨龄评估方法 | 提出首个针对头骨CT的三维深度学习框架,探索新的头骨骨龄标记物,并显著优于现有二维/三维模型及手工特征方法 | 模型在老年组中误差较大 | 通过头骨CT元数据实现精准骨龄评估并探索新标记物 | 人类头骨CT影像 | 计算机视觉 | NA | CT成像 | 3D深度学习框架 | 三维医学影像 | 1186名患者(含外部验证集101名),总计385,175个头骨CT切片 |
1563 | 2025-09-03 |
Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias
2025-Sep, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07243-w
PMID:40198356
|
研究论文 | 一项跨机构验证研究,评估基于心肌灌注成像的无极坐标图3D深度学习模型在预测阻塞性冠状动脉疾病中的泛化能力和潜在偏差 | 首次对无极化极坐标图的3D深度学习模型进行跨中心验证,并系统分析其在不同人口统计学群体中的性能差异和偏差来源 | 模型在外部队列中性能显著下降,在特定亚组(如70岁以上患者和跑步机负荷测试患者)中表现较差,存在泛化能力限制 | 验证深度学习模型在阻塞性冠状动脉疾病预测中的跨机构泛化能力并识别潜在偏差 | 来自台湾两个医疗中心的接受铊-201心肌灌注成像和冠状动脉造影的患者 | 医学影像分析 | 心血管疾病 | 深度学习,心肌灌注成像(MPI),受试者工作特征曲线分析 | 3D深度学习模型 | 医学影像 | 内部验证集933例图像,外部验证集3234例图像,训练集928例图像 |
1564 | 2025-09-03 |
Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial
2025-Sep, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202410-1048OC
PMID:40208581
|
研究论文 | 研究通过定量CT测量评估间质性肺病特征与临床结局的关联 | 首次在大型人群队列(NLST)中应用CALIPER和深度学习算法定量评估ILD,并验证其与死亡风险的关联 | 未发现ILD定量指标与肺癌发病率的显著关联,且研究仅针对有吸烟史的高危人群 | 探究定量CT测量的间质性肺病特征是否与临床相关结局(如全因死亡率)存在关联 | NLST试验中11,518名有吸烟史的个体 | 医学影像分析 | 间质性肺病 | 低剂量CT(LDCT)、CALIPER算法、深度学习UIP分类算法 | Cox比例风险回归模型 | CT影像数据 | 11,518名个体(平均年龄61.5岁,58.7%为男性) |
1565 | 2025-09-03 |
Automatic detection of mandibular fractures on CT scan using deep learning
2025-Sep-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf031
PMID:40238181
|
研究论文 | 本研究探索了使用深度学习自动检测和分类CT扫描中的下颌骨骨折 | 结合nnU-Net分割框架和3D-ResNet分类器,实现像素级骨折定位和基于严重程度的三类分类 | NA | 提升CT图像中下颌骨骨折的自动检测和分类准确性 | 下颌骨骨折患者 | 计算机视觉 | 颌面外科疾病 | CT扫描 | nnU-Net, 3D-ResNet | 医学影像 | 459名患者的CT扫描数据 |
1566 | 2025-09-03 |
Using deep learning to enhance reporting efficiency and accuracy in degenerative cervical spine MRI
2025-Sep, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2025.03.009
PMID:40154625
|
研究论文 | 评估基于Transformer的深度学习模型在退行性颈椎MRI报告中提升效率和准确性的应用 | 首次将Transformer模型用于退行性颈椎MRI的椎管和神经孔狭窄分级,并证明其可显著提升不同经验水平放射科医生的诊断一致性和效率 | 回顾性研究,样本量较小(50例患者),且排除了有内固定器械的病例 | 提升退行性颈椎病MRI影像报告的效率和诊断一致性 | 退行性颈椎病患者的MRI影像 | 医学影像分析 | 退行性颈椎病 | 深度学习 | Transformer | MRI图像 | 50例患者(2555张图像),平均年龄60±14岁,女性26% |
1567 | 2025-09-03 |
Super-resolution deep learning reconstruction to evaluate lumbar spinal stenosis status on magnetic resonance myelography
2025-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01787-5
PMID:40266548
|
研究论文 | 本研究评估超分辨率深度学习重建(SR-DLR)在磁共振脊髓造影中提升腰椎管狭窄评估效果的应用 | 首次将超分辨率深度学习重建技术应用于MR脊髓造影,显著提升图像质量和观察者间一致性 | 回顾性研究,样本量较小(40例),未评估临床结局相关性 | 探究SR-DLR技术对腰椎MR脊髓造影图像质量和狭窄评估的改善效果 | 40例腰椎管狭窄患者的MR脊髓造影图像 | 医学影像分析 | 腰椎管狭窄 | 磁共振脊髓造影,超分辨率深度学习重建(SR-DLR) | 深度学习重建模型 | 医学影像 | 40例患者(16男24女,平均年龄59.4±31.8岁) |
1568 | 2025-09-03 |
Improvement of image quality of diffusion-weighted imaging (DWI) with deep learning reconstruction of the pancreas: comparison with respiratory-gated conventional DWI
2025-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01790-w
PMID:40285832
|
研究论文 | 评估深度学习重建技术在改善胰腺扩散加权成像质量方面的效果 | 首次比较呼吸门控常规DWI与基于深度学习的重建DWI在胰腺成像中的应用效果 | 样本量有限(仅27例有实体病变),且未提及外部验证 | 提高胰腺扩散加权成像的图像质量 | 疑似胰腺疾病患者(n=117,其中27例有实体病变) | 医学影像分析 | 胰腺疾病 | 磁共振成像(MRI),扩散加权成像(DWI),深度学习重建(DLR) | 深度学习 | 医学影像 | 117例患者(平均年龄68.0±12.9岁) |
1569 | 2025-09-03 |
Deep learning-based automatic cranial implant design through direct defect shape prediction and its comparison study
2025-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03363-5
PMID:40314711
|
研究论文 | 提出一种基于深度学习的自动颅骨植入物设计工作流,通过直接预测颅骨缺损形状实现植入物生成 | 将颅骨植入物设计问题视为形状补全任务,使用深度神经网络直接预测缺损部分形状,并开发了3D Slicer插件方便终端用户使用 | NA | 自动化颅骨植入物设计过程以减少治疗时间 | 人类颅骨缺损 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 3D形状数据 | NA |
1570 | 2025-09-03 |
Brain tissue biomarker impact bone age in central precocious puberty more than hormones: a quantitative synthetic magnetic resonance study
2025-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01792-8
PMID:40314875
|
研究论文 | 通过定量合成磁共振技术探究脑组织成分体积生物标志物对中枢性性早熟儿童骨龄发育的影响 | 首次揭示髓鞘含量(MyC)与TW3腕骨评分显著正相关,且影响大于激素水平 | 回顾性研究设计,样本量有限(n=168),未涵盖其他潜在影响因素 | 比较脑组织成分与激素对中枢性性早熟儿童骨龄发育的影响程度 | 84名中枢性性早熟儿童与84名对照儿童 | 医学影像分析 | 儿科内分泌疾病 | 合成磁共振成像(SyMRI),深度学习模型,X射线骨龄评估 | 深度学习模型 | 磁共振影像,X射线影像,激素检测数据 | 168名儿童(84例病例+84例对照) |
1571 | 2025-09-03 |
Improving Deep Learning-Based Grading of Partial-thickness Supraspinatus Tendon Tears with Guided Diffusion Augmentation
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.072
PMID:40393829
|
研究论文 | 开发并验证一种基于引导扩散数据增强的深度学习系统,用于分级部分厚度冈上肌腱撕裂,并与经验丰富的放射科医生性能进行比较 | 首次将引导扩散模型用于MRI图像增强以解决数据不平衡问题,并系统比较不同MRI序列组合下的深度学习模型性能 | 回顾性研究设计,外部验证集样本量相对有限 | 提升部分厚度冈上肌腱撕裂的自动分级准确性和鲁棒性 | 关节镜确认的冈上肌腱撕裂患者 | 计算机视觉 | 肌肉骨骼疾病 | MRI成像,引导扩散模型 | ResNet-34 | 图像 | 1374名患者(1150名内部数据集+224名外部验证集),共生成52,376张增强图像 |
1572 | 2025-09-03 |
The effect of selection bias on the performance of a deep learning-based intraoperative hypotension prediction model using real-world samples from a publicly available database
2025-Sep, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.024
PMID:40404499
|
研究论文 | 本研究评估了选择偏差对基于深度学习的术中低血压预测模型性能的影响,使用真实世界公开数据库样本 | 首次系统量化选择偏差对深度学习低血压预测模型性能的影响,并对比有偏和无偏测试数据集下的表现差异 | 研究基于单一公开数据库(VitalDB),结果可能受限于该特定数据集的特征 | 评估选择偏差对低血压预测模型性能的影响 | 术中低血压事件预测 | 机器学习 | 心血管疾病 | 深度学习 | DL model | 动脉血压波形数据 | 来自VitalDB开放数据集的真实世界样本 |
1573 | 2025-09-03 |
Detection, Classification, and Segmentation of Rib Fractures From CT Data Using Deep Learning Models: A Review of Literature and Pooled Analysis
2025-Sep-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000833
PMID:40405573
|
系统综述与合并分析 | 本文系统回顾并分析了基于深度学习模型从CT数据中检测、分类和分割肋骨骨折的文献 | 首次对深度学习模型在肋骨骨折诊断中的性能进行系统性比较和合并分析,并显示其灵敏度优于临床医生 | 纳入研究数量有限(25篇),且部分研究数据不足以进行meta分析 | 比较深度学习模型在CT扫描中检测、分割和分类肋骨骨折的性能 | 肋骨骨折 | 计算机视觉 | 创伤性损伤 | CT扫描 | 深度学习模型 | 医学影像(CT切片) | 来自25项研究的数据进行合并分析 |
1574 | 2025-09-03 |
Deep Learning-Based Multimodal Feature Interaction-Guided Fusion: Enhancing the Evaluation of EGFR in Advanced Lung Adenocarcinoma
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.071
PMID:40410106
|
研究论文 | 开发一种基于深度学习的多模态特征交互引导融合框架,用于预测晚期肺腺癌患者的EGFR突变状态 | 提出DL-MFIF框架,首次整合CT图像的宏观特征和WSI的微观特征,通过深度学习捕捉多模态特征间的交互作用 | 样本量相对有限(396例),且仅来自两个医疗机构,可能需要更多外部验证 | 预测晚期肺腺癌患者的表皮生长因子受体(EGFR)突变 | 晚期肺腺癌患者 | 数字病理 | 肺癌 | 深度学习,多模态特征融合 | DL-MFIF(深度学习多模态特征交互引导融合框架) | CT图像,全切片图像(WSI) | 396例患者(243例分为训练集145例和内部验证集98例,153例作为外部验证集) |
1575 | 2025-09-03 |
Artificial intelligence automated measurements of spinopelvic parameters in adult spinal deformity-a systematic review
2025-Sep, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-025-01111-1
PMID:40410653
|
系统综述 | 评估深度学习在自动测量成人脊柱畸形患者脊柱骨盆参数方面的应用进展及其准确性 | 首次系统评估深度学习算法在脊柱骨盆参数自动测量中的性能,并与外科医生手动测量进行对比 | 纳入研究数量有限(16篇),部分参数测量精度较低,缺乏外部验证和临床整合可行性评估 | 比较深度学习自动测量与外科医生手动测量脊柱骨盆参数的准确性 | 成人脊柱畸形患者的脊柱骨盆参数 | 计算机视觉 | 脊柱畸形 | 深度学习 | 深度学习模型 | X光图像 | 15至9,832张X光图像 |
1576 | 2025-09-03 |
Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach
2025-Sep, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14378
PMID:40411235
|
研究论文 | 本研究利用卷积神经网络和迁移学习方法开发小麦品种分类模型 | 构建了包含124个小麦品种的多视角图像数据集,并开发了新的四层CNN模型,其性能优于预训练模型 | 计算资源需求较高,模型精度仍有提升空间 | 评估深度学习模型在小麦品种分类中的适用性 | 124个小麦品种的多视角图像 | 计算机视觉 | NA | 深度学习,迁移学习 | CNN, DenseNet201, MobileNet, InceptionV3 | 图像 | 124个小麦品种的多视角图像数据集 |
1577 | 2025-09-03 |
Deep Learning and Radiomic Signatures Associated with Tumor Immune Heterogeneity Predict Microvascular Invasion in Colon Cancer
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.006
PMID:40413149
|
研究论文 | 开发并验证一种结合影像组学和深度学习特征的深度学习影像组学标志物(DLRS),用于无创预测结肠癌微血管侵犯(MVI),并探索其与肿瘤免疫异质性的关联 | 首次整合影像组学和深度学习特征构建DLRS模型,并揭示其与肿瘤免疫微环境异质性的潜在联系 | 回顾性多中心研究,可能存在选择偏倚;外部验证样本量较小(TCGA-COAD仅25例) | 无创预测结肠癌微血管侵犯状态并探索影像特征与免疫微环境的关联 | 结肠癌患者 | 医学影像分析 | 结肠癌 | CT影像分析、RNA-seq、差异基因表达分析 | 深度学习与影像组学融合模型(DLR)、机器学习特征选择 | CT图像、RNA-seq数据 | 1007例患者(来自三个医疗中心和TCGA-COAD数据库) |
1578 | 2025-09-03 |
An adaptive frequency partitioning framework for epileptic seizure detection using TransseizNet
2025-Sep, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2507323
PMID:40421487
|
研究论文 | 提出一种基于自适应频率划分和混合深度学习的癫痫发作检测框架TransseizNet | 结合经验可调Q小波变换进行信号分解,并集成小波驱动注意力和图卷积学习,提升时空特征表示能力 | NA | 提高癫痫发作检测的准确性和计算效率 | 脑电图信号中的癫痫发作模式 | 机器学习 | 癫痫 | 经验可调Q小波变换,Savitzky-Golay滤波 | Wavelet-Graph Convolutional Network Vision Transformer (混合深度学习模型) | 脑电图信号 | 三个数据集(具体数量未说明) |
1579 | 2025-09-03 |
Improving Breast Cancer Diagnosis in Ultrasound Images Using Deep Learning with Feature Fusion and Attention Mechanism
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.007
PMID:40436710
|
研究论文 | 本研究提出了一种基于特征融合和注意力机制的深度学习模型,用于超声图像中良恶性病变的分类 | 结合MobileNetV2和DenseNet121先进架构,引入特征融合和注意力机制提升分类精度,并采用多种可解释性技术分析模型决策过程 | 研究使用的数据集未公开可用,可能影响结果的可重复性和泛化验证 | 提高超声图像中乳腺癌病变分类的准确性和可解释性 | 乳腺超声图像中的良性和恶性病变 | 计算机视觉 | 乳腺癌 | 深度学习,特征融合,注意力机制,Grad-CAM,Saliency Maps,SHAP | CNN (MobileNetV2, DenseNet121) | 图像 | 私有数据集2171张图像(来自1758名患者),公开BUSI数据集780张图像(来自25-75岁女性患者) |
1580 | 2025-09-03 |
Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images
2025-Sep, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.05.022
PMID:40441501
|
研究论文 | 开发并验证一种基于面部图像自动检测甲状腺眼病的可解释深度学习系统 | 提出结合眼周标志点定位与疾病检测的双网络可解释深度学习框架,并通过热图可视化关键诊断区域 | 需在前瞻性格雷夫斯病队列和非专科环境中进一步验证泛化能力 | 实现甲状腺眼病的自动化早期检测与转诊 | 新诊断未治疗的甲状腺眼病患者与健康受试者的面部图像 | 计算机视觉 | 甲状腺眼病 | 深度学习 | CNN(具体网络结构未明确说明) | 图像 | 训练集591张图像(302例患者+289例健康人),独立验证集100张患者图像 |