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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
141 | 2025-09-26 |
Predicting Lymph Node Metastasis From Primary Cervical Squamous Cell Carcinoma Based on Deep Learning in Histopathologic Images
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100316
PMID:37634868
|
研究论文 | 基于宫颈鳞癌组织病理图像开发深度学习模型预测淋巴结转移状态 | 首次采用多尺度注意力机制的多示例深度学习框架,仅通过原发灶H&E染色切片实现淋巴结转移预测 | 需通过宫颈活检标本和多中心大样本数据验证实际价值 | 开发术前评估宫颈癌淋巴结状态的深度学习模型 | 宫颈鳞状细胞癌患者 | 数字病理 | 宫颈癌 | H&E染色全玻片成像 | 多示例深度卷积神经网络(基于多尺度注意力机制) | 病理图像 | 564名患者的1524张全玻片图像(内部数据集405例,外部验证159例) |
142 | 2025-09-26 |
A Novel Deep Learning Algorithm for Human Papillomavirus Infection Prediction in Head and Neck Cancers Using Routine Histology Images
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100320
PMID:37652399
|
研究论文 | 提出一种基于常规H&E染色切片图像的深度学习算法,用于头颈部鳞状细胞癌中HPV感染状态的预测 | 首次开发仅使用常规H&E染色全切片图像即可实现HPV感染状态预测的深度学习流程,并达到最先进的检测性能 | NA | 开发头颈部鳞状细胞癌中HPV感染状态的自动预测方法 | 头颈部鳞状细胞癌患者的组织切片图像 | 数字病理学 | 头颈部癌症 | 全切片图像分析 | 深度学习算法 | 图像 | NA |
143 | 2025-09-26 |
Automating Ground Truth Annotations for Gland Segmentation Through Immunohistochemistry
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100331
PMID:37716506
|
研究论文 | 提出一种通过免疫组织化学自动生成结肠腺体分割真值标注的方法 | 利用IHC标记自动生成H&E切片中的腺体标注,替代耗时的手动标注 | 方法依赖IHC与H&E图像的精准配准,且需要特定标记物的染色 | 开发自动化的腺体分割真值标注生成技术 | 结肠活检标本中的腺体组织 | 数字病理学 | 结肠癌/炎症性肠病 | 免疫组织化学、深度学习 | 深度学习模型 | 组织病理图像 | 内部保留活检标本集+2个公共数据集 |
144 | 2025-09-26 |
Deep Learning for Predicting Effect of Neoadjuvant Therapies in Non-Small Cell Lung Carcinomas With Histologic Images
2023-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100302
PMID:37580019
|
研究论文 | 开发基于深度学习的模型,通过组织病理图像预测非小细胞肺癌新辅助治疗的主要病理反应 | 提出可自适应加权多尺度卷积神经网络的多尺度补丁模型,首次实现从H&E染色切片图像自动评估MPR | 样本量相对有限(125例),需更大规模数据验证泛化能力 | 开发临床可用的深度学习模型以辅助病理学家评估新辅助治疗效果 | 接受新辅助治疗后切除的非小细胞肺癌组织样本 | 数字病理 | 肺癌 | 全幻灯片成像,H&E染色 | 多尺度CNN | 病理图像 | 125例非小细胞肺癌病例,261张H&E染色切片 |
145 | 2025-09-26 |
Learning from prepandemic data to forecast viral escape
2023-10, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06617-0
PMID:37821700
|
研究论文 | 开发了可预测病毒免疫逃逸突变的计算框架EVEscape | 结合深度学习模型与生物物理信息,可在疫情早期无需实验数据即可预测病毒变异 | NA | 建立通用计算框架以预测病毒免疫逃逸突变 | SARS-CoV-2、流感、HIV、拉沙病毒、尼帕病毒等具有大流行潜力的病毒 | 机器学习 | 传染病 | 深度学习、生物物理分析 | 深度学习模型 | 病毒序列数据、结构信息 | 使用2020年前可用的历史序列数据进行训练 |
146 | 2025-09-26 |
Predicting Prostate Cancer Molecular Subtype With Deep Learning on Histopathologic Images
2023-10, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100247
PMID:37307876
|
研究论文 | 开发基于深度学习的算法通过组织病理图像预测前列腺癌分子亚型 | 首次提出基于Transformer的分层架构,使用H&E染色全切片图像预测ERG融合和PTEN缺失 | 样本量相对有限且需要进一步验证临床适用性 | 利用深度学习技术从病理图像中筛查前列腺癌基因组变异 | 前列腺癌患者的组织切片样本 | 数字病理 | 前列腺癌 | H&E染色全切片成像 | Transformer-based hierarchical architecture | 图像 | 训练队列:224例(ERG)/205例(PTEN);验证队列:多个独立队列共1000+全切片图像 |
147 | 2025-09-26 |
Anthropogenic fingerprints in daily precipitation revealed by deep learning
2023-10, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06474-x
PMID:37648861
|
研究论文 | 利用深度学习从日降水数据中检测人为气候变化信号 | 首次应用卷积神经网络从日尺度降水波动中识别出人为气候变暖信号,突破了传统方法在区域尺度上的检测局限 | 基于气候模型模拟数据训练,观测记录验证时间范围有限 | 验证温室效应加剧全球降水变异性和极端事件的预测 | 全球日降水场和地表气温数据 | 机器学习 | NA | 深度学习、可解释AI框架 | CNN | 气候模拟数据、观测数据 | 多组现代与未来气候模型模拟的集合数据 |
148 | 2025-09-26 |
Uncovering new families and folds in the natural protein universe
2023-10, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06622-3
PMID:37704037
|
研究论文 | 利用AlphaFold数据库探索天然蛋白质宇宙中新的蛋白质家族和折叠结构 | 发现了β-花状折叠结构,向Pfam数据库新增多个蛋白质家族,并实验验证了新的翻译靶向毒素-抗毒素系统超家族TumE-TumA | NA | 评估AlphaFold数据库在揭示天然蛋白质宇宙'暗物质'方面的能力 | 天然蛋白质宇宙中的未知蛋白质结构和家族 | 生物信息学 | NA | AlphaFold结构预测、序列相似性网络分析 | 深度学习模型 | 蛋白质序列和结构数据 | 数亿个预测蛋白质结构(AFDB90v4数据库) |
149 | 2025-09-26 |
Deep learning enabled fast 3D brain MRI at 0.055 tesla
2023-09-22, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi9327
PMID:37738341
|
研究论文 | 提出结合快速采集与深度学习重建的框架,实现0.055特斯拉超低场强下的快速三维脑部MRI成像 | 首次在0.055T超低场强下实现单次平均3D编码与2D部分傅里叶采样,将扫描时间缩短至2.5-3.2分钟,并利用高场强脑数据训练深度学习模型提升图像质量 | 未明确说明模型在不同病理条件下的泛化能力及临床验证规模 | 解决便携式超低场强MRI图像质量差、扫描时间长的问题 | 人脑解剖结构 | 医学影像分析 | NA | 磁共振成像(MRI)、深度学习重建 | 3D深度学习模型 | 三维脑部MRI图像 | 未明确说明具体样本数量,但提及使用高场强人脑数据进行训练 |
150 | 2025-09-25 |
Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence
2025-Nov, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110495
PMID:40784463
|
研究论文 | 开发一种用于脑部血流和T1值同步定量分析的高加速MRI技术 | 提出结合双翻转角相位对比星形堆栈序列与深度学习重建算法,实现16倍加速的同步数据采集 | 仅在定量体模和6名健康志愿者中进行验证,样本量较小 | 开发快速同步定量脑部血流和组织T1值的MRI技术 | 脑部动脉血流和脑组织 | 医学影像分析 | 脑血管疾病 | 双翻转角相位对比星形堆栈序列、深度学习重建算法 | INRESP(混合特征哈希编码隐式神经表示与显式稀疏先验知识结合) | MRI影像数据 | 定量体模实验和6名健康志愿者 |
151 | 2025-09-25 |
Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort
2025-Oct, Infection
IF:5.4Q1
DOI:10.1007/s15010-025-02555-3
PMID:40377852
|
研究论文 | 通过深度学习自动分析老年COVID-19患者的身体成分,研究肌肉减少症和肥胖对死亡率的影响 | 首次使用预训练深度学习模型自动分析常规胸部CT扫描的身体成分,并比较肥胖和肌肉减少症对重症呼吸道感染患者死亡率的影响 | 样本量相对较小(157例患者),仅针对60岁以上COVID-19肺炎患者 | 评估身体成分参数(特别是肌肉减少症和肥胖)对老年重症呼吸道感染患者死亡率的影响 | 60岁以上确诊重症COVID-19肺炎的住院患者 | 数字病理学 | COVID-19 | 深度学习、CT影像分析 | 预训练深度学习模型 | 医学影像(胸部CT扫描) | 157名住院患者(来自57个研究中心的NAPKON-SUEP队列) |
152 | 2025-09-25 |
A CT-Based Deep Learning Radiomics Nomogram for Early Recurrence Prediction in Pancreatic Cancer: A Multicenter Study
2025-Oct, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17748-1
PMID:40619487
|
研究论文 | 本研究开发了一种基于CT的深度学习影像组学列线图,用于胰腺癌患者术后早期复发的术前预测 | 首次将深度学习特征与影像组学特征相结合,并整合临床因素构建综合预测模型 | 回顾性研究设计,样本量相对有限(493例患者) | 术前准确预测胰腺癌患者术后早期复发风险 | 经组织学确诊并接受手术切除的胰腺癌患者 | 数字病理 | 胰腺癌 | 增强CT影像分析、影像组学、深度学习 | 随机森林(RF)、支持向量机(SVM) | 医学影像(CT图像) | 493例胰腺癌患者的多中心回顾性队列 |
153 | 2025-09-25 |
An overview of reliable and representative DVC measurements for musculoskeletal tissues
2025-Oct, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70008
PMID:40636996
|
综述 | 本文综述了数字体积相关技术在肌肉骨骼组织生物力学研究中的最新进展与应用 | 重点关注组织界面处理、边界效应和不确定性量化等关键技术挑战,并探讨深度学习与计算建模的集成应用 | 指出当前精度限制和临床转化挑战,需开发更稳健的自动化工作流程 | 评估DVC技术在肌肉骨骼组织生物力学表征中的可靠性和代表性 | 矿化组织和软组织等多尺度肌肉骨骼组织 | 生物力学工程 | 肌肉骨骼疾病 | 数字体积相关技术 | 深度学习 | 3D影像数据 | NA |
154 | 2025-09-25 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-Like Magnetic Resonance Spectra
2025-Oct, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70130
PMID:40955682
|
研究论文 | 介绍MRS-Sim开源框架,用于模拟逼真的体内磁共振波谱数据 | 包含两个新颖组件:3D磁场图模拟器和半参数生成器,能够模拟从原始多线圈瞬态数据到预处理数据的完整流程 | 模拟结果的真实性依赖于现有体内数据拟合参数的分析准确性 | 开发用于磁共振波谱研究的合成数据模拟框架 | 磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱技术 | 半参数生成器 | 光谱数据 | NA |
155 | 2025-09-25 |
Smarter stomata: emergent technologies unlocking yield potential in a changing climate
2025-Oct, AoB PLANTS
IF:2.6Q2
DOI:10.1093/aobpla/plaf048
PMID:40979128
|
综述 | 本文探讨气孔性状作为育种靶标在应对气候变化中提升作物产量的潜力 | 提出整合深度学习、CRISPR和多组学等新兴技术实现气孔性状的高通量表型分析与精准育种 | 未明确具体作物的最佳气孔理想型,其性状选择高度依赖环境场景 | 开发气候韧性作物的气孔性状育种策略 | 植物气孔生理与解剖性状 | 作物育种 | NA | 深度学习、CRISPR、多组学、遥感、数字显微技术 | 人工智能驱动理想型选择模型 | 表型数据、基因组数据 | NA |
156 | 2025-09-25 |
The Role of Artificial Intelligence in Advancing Theranostics Dosimetry for Cancer Therapy: a Review
2025-Oct, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00939-9
PMID:40979137
|
综述 | 探讨人工智能在癌症治疗诊断一体化药物剂量学中的应用进展 | 系统评述深度学习模型(U-Net、生成对抗网络、混合Transformer)在剂量学中的创新应用 | 面临诊断对准确剂量估算、影像数据不足、核素衰变链建模等挑战 | 评估AI提升放射性药物剂量学精度与效率的潜力 | 放射性药物治疗中的剂量学方法 | 医学影像分析 | 癌症 | 深度学习 | U-Net、GAN、Transformer | 医学影像 | NA |
157 | 2025-09-25 |
Improving risk stratification and detection of early HCC using ultrasound-based deep learning models
2025-Oct, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101510
PMID:40980161
|
研究论文 | 开发基于超声的深度学习模型STARHE-RISK和STARHE-DETECT,用于肝细胞癌风险分层和早期检测 | 首次提出结合非肿瘤肝实质超声视频进行HCC风险分层的深度学习模型,并与临床评分系统整合 | 样本量相对有限(403例患者),需要更大规模验证 | 改善代偿性晚期慢性肝病患者的肝细胞癌监测和早期诊断 | 403名代偿性晚期慢性肝病成年患者 | 数字病理 | 肝细胞癌 | 深度学习,超声成像 | 深度学习模型 | 超声视频 | 403例患者(152例早期HCC患者,170例对照组) |
158 | 2025-09-25 |
Prediction of Medial Tibiofemoral Joint Reaction Force Using Custom Instrumented Insoles and Neural Networks for Walking and Running Tasks
2025-Oct-01, Journal of applied biomechanics
IF:1.1Q3
DOI:10.1123/jab.2024-0181
PMID:40550501
|
研究论文 | 本研究开发了基于定制仪器鞋垫和深度学习的方法来预测行走和跑步时的内侧胫股关节反作用力 | 首次将三轴压阻式力传感器鞋垫与任务特异性卷积神经网络相结合,实现实验室外膝关节接触力的便捷测量 | 样本量较小(仅9名年轻健康女性),未包含骨关节炎患者群体 | 简化膝关节内侧接触力的测量方法,为临床环境提供可行方案 | 年轻健康女性的膝关节生物力学数据 | 生物医学工程 | 膝骨关节炎 | 运动捕捉、测力台、三轴压阻式力传感器 | CNN(卷积神经网络) | 力学传感器数据 | 9名年轻健康女性 |
159 | 2025-09-25 |
KurdABSA: Kurdish aspect-based sentiment analysis dataset curation using few-shot learning
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112012
PMID:40989237
|
研究论文 | 本研究构建了首个库尔德语索拉尼方言方面级情感分析公开数据集 | 创建了首个库尔德语索拉尼方言的ABSA公开数据集,采用基于提示的小样本学习进行自动标注 | 数据集领域仅限于餐厅评论,规模相对较小(4000+四元组) | 解决低资源语言在方面级情感分析领域的研究空白 | 库尔德语索拉尼方言的餐厅评论文本 | 自然语言处理 | NA | 基于提示的小样本学习 | few-shot learning | 文本 | 超过4000个方面-观点-类别-情感四元组标注的餐厅评论 |
160 | 2025-09-25 |
A Combined Model Based on Bone Mineral Density for Noninvasive Prediction of Prognosis in Non-Small Cell Lung Cancer Patients Receiving Immune Checkpoint Inhibitors: A Multicenter Retrospective Study
2025-Oct, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70398
PMID:40989575
|
研究论文 | 开发结合骨密度指标和临床特征的联合模型,用于预测非小细胞肺癌患者接受免疫检查点抑制剂治疗的预后 | 首次将基线骨密度和治疗后骨密度下降纳入预后预测模型,并发现骨密度异常与上皮间质转化等肿瘤微环境特征相关 | 回顾性研究设计,样本来自五个机构可能存在选择偏倚 | 建立非侵入性预后预测模型以改善非小细胞肺癌患者的风险分层 | 接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者 | 数字病理 | 肺癌 | 深度学习自动评估、转录组分析 | 深度学习、联合预测模型 | 医学影像数据、临床特征数据、转录组数据 | 2096例患者(模型开发)+130例患者(转录组分析) |