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 | 2025-07-03 |
Deep learning assessment of metastatic relapse risk from digitized breast cancer histological slides
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60824-z
PMID:40593633
|
研究论文 | 本文介绍了一种基于人工智能的工具RlapsRisk BC,用于分析数字化肿瘤切片以预测雌激素受体阳性、HER2阴性早期乳腺癌患者的5年无转移生存率 | 开发了深度学习模型RlapsRisk BC,能够独立预测无转移生存率,并提供超越传统临床病理变量的显著预后价值 | 研究仅限于雌激素受体阳性、HER2阴性的早期乳腺癌患者,未涉及其他亚型 | 提高早期乳腺癌患者的风险分层准确性以指导治疗决策 | 雌激素受体阳性、HER2阴性的早期乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型(具体架构未明确说明) | 数字化组织切片图像 | 未明确说明样本数量 |
142 | 2025-07-03 |
RiNALMo: general-purpose RNA language models can generalize well on structure prediction tasks
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60872-5
PMID:40593636
|
研究论文 | 本文介绍了一种名为RiNALMo的通用RNA语言模型,该模型在结构预测任务上表现出色 | RiNALMo是目前最大的RNA语言模型,具有650M参数,并在36M非编码RNA序列上进行了预训练,能够提取隐含的结构信息并在多个下游任务中取得最先进的结果 | NA | 提高对RNA结构和功能的理解,以充分利用RNA作为小分子药物靶点的潜力 | RNA序列及其结构 | 自然语言处理 | NA | RNA语言模型 | RiNALMo | RNA序列 | 36M非编码RNA序列 |
143 | 2025-07-03 |
Human protein interaction networks of ancestral and variant SARS-CoV-2 in organ-specific cells and bodily fluids
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60949-1
PMID:40593736
|
研究论文 | 研究SARS-CoV-2及其变种在器官特异性细胞和体液中的蛋白质相互作用网络 | 揭示了SARS-CoV-2及其变种在不同器官和免疫系统细胞中的蛋白质相互作用差异,并设计了肽抑制剂以阻断病毒复制 | 研究仅针对28种SARS-CoV-2和刺突蛋白,可能未涵盖所有变种和蛋白质相互作用 | 理解SARS-CoV-2与人类蛋白质的相互作用,为开发抗病毒药物提供分子基础 | SARS-CoV-2及其变种的蛋白质与人类蛋白质的相互作用 | 分子生物学 | COVID-19 | 亲和纯化、质谱分析、深度学习 | 深度学习 | 蛋白质相互作用数据 | 639次亲和纯化,28种SARS-CoV-2和刺突蛋白,8种细胞系 |
144 | 2025-07-03 |
Deep learning model for grading carcinoma with Gini-based feature selection and linear production-inspired feature fusion
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00217-w
PMID:40593755
|
研究论文 | 提出一种基于Gini特征选择和线性生产函数特征融合的深度学习模型,用于肾细胞癌和肝细胞癌的分级 | 结合经济学理论的特征选择和融合框架,以及注意力机制在三种CNN架构中的应用 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高肾细胞癌和肝细胞癌分级的准确性 | 肾细胞癌(RCC)和肝细胞癌(HCC) | 数字病理学 | 肾癌, 肝癌 | 深度学习 | CNN (MobileNetV2, DenseNet121, InceptionV3) | 组织病理学图像 | NA |
145 | 2025-07-03 |
SE(3)-equivariant ternary complex prediction towards target protein degradation
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61272-5
PMID:40593782
|
research paper | 本文介绍了一种名为DeepTernary的新型深度学习方法,用于准确快速预测靶向蛋白降解中的三元复合物结构 | 提出了一种端到端的SE(3)-等变编码器和基于查询的解码器,用于预测三元复合物结构,无需事先接触已知的PROTACs | NA | 开发靶向蛋白降解剂 | 三元复合物结构(靶蛋白、E3连接酶和降解剂如PROTACs或MGD) | machine learning | NA | 深度学习 | SE(3)-equivariant encoder和query-based decoder | 蛋白质结构数据 | TernaryDB数据库中的精心整理数据 |
146 | 2025-07-03 |
ToxACoL: an endpoint-aware and task-focused compound representation learning paradigm for acute toxicity assessment
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60989-7
PMID:40593807
|
研究论文 | 本文提出了一种名为ToxACoL的机器学习范式,用于多条件急性毒性评估,通过图拓扑建模端点关联并通过图卷积实现知识转移 | 提出了一种新的伴随相关学习机制,同步编码化合物和端点,生成端点感知和任务聚焦的表示 | 未明确提及具体局限性 | 提高多物种急性毒性评估的准确性,特别是在数据稀缺的人类端点预测上 | 化合物和多条件急性毒性评估 | 机器学习 | NA | 图卷积 | ToxACoL | 化合物数据 | 未明确提及具体样本量 |
147 | 2025-07-03 |
A deep learning approach to stress recognition through multimodal physiological signal image transformation
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01228-3
PMID:40593851
|
研究论文 | 提出一种基于深度学习的多模态生理信号图像转换方法,用于识别压力状态 | 使用GASF、GADF和MTF变换将多模态生理信号转换为RGB图像,并通过深度学习模型分类压力状态 | NA | 提高压力水平检测的准确性和客观性 | 人类压力状态(压力、基线、愉悦) | 机器学习 | NA | Gramian Summation Angular Field (GASF), Gramian Difference Angular Field (GADF), Markov Transition Field (MTF) | 深度学习模型 | 多模态生理信号转换的RGB图像 | NA |
148 | 2025-07-03 |
Multi-modal and Multi-view Cervical Spondylosis Imaging Dataset
2025-Jul-01, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05403-z
PMID:40593874
|
研究论文 | 本文公开了一个多模态多视角的颈椎病影像数据集MMCSD,并利用该数据集开发了一个深度学习模型用于预测颈椎病患者的术后颈部疼痛 | 公开了一个多模态多视角的颈椎病影像数据集MMCSD,并验证了其可用性 | 数据集仅包含250名患者,样本量相对较小 | 支持颈椎病深度学习模型的开发和测试,优化临床诊断评估和治疗决策 | 颈椎病患者 | 数字病理学 | 颈椎病 | MRI和CT扫描 | 深度学习模型 | 图像 | 250名患者的MRI和CT图像 |
149 | 2025-07-03 |
Leveraging federated learning and edge computing for pandemic-resilient healthcare
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00199-9
PMID:40593962
|
研究论文 | 本文探讨了利用联邦学习和边缘计算技术构建疫情适应性医疗保健系统的设计与实现 | 提出了结合YOLOv4和SENet注意力层的联邦学习框架,在口罩检测、社交距离监控和接触者追踪等任务中表现出色 | 研究主要基于模拟环境下的性能测试,实际部署效果可能受硬件条件和网络环境限制 | 开发符合疫情规范的协议遵守监控和接触者追踪机制 | 人类居住场所中的行为监控系统 | 机器学习 | 传染病 | 联邦学习(FL)、边缘计算、IoT | YOLOv4、SENet、RESNET-50、MobileNetV2、SocialdistancingNet-19 | 传感器数据、图像 | 基于Grove AI-Raspberry Pi 4节点的人类居住场所模拟环境 |
150 | 2025-07-03 |
An adaptive deep learning approach based on InBNFus and CNNDen-GRU networks for breast cancer and maternal fetal classification using ultrasound images
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03402-z
PMID:40593964
|
research paper | 提出了一种基于InBNFus和CNNDen-GRU网络的自适应深度学习方法,用于使用超声图像对乳腺癌和母胎进行分类 | 提出了两种新颖的网络架构InBnFUS和CNNDen-GRU,结合了不同的深度学习技术以提高分类准确率 | 现有方法大多针对单一特定问题设计,适应性有限 | 开发一种计算机化技术,用于自动分类乳腺癌和母胎超声图像 | 乳腺癌和母胎超声图像数据集 | digital pathology | breast cancer | deep learning | CNN, GRU | image | NA |
151 | 2025-07-03 |
Two stage malware detection model in internet of vehicles (IoV) using deep learning-based explainable artificial intelligence with optimization algorithms
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00269-y
PMID:40594004
|
研究论文 | 提出了一种基于深度学习和可解释人工智能的两阶段恶意软件检测模型,用于车联网环境中的恶意软件检测和分类 | 结合了双向长短期记忆网络与多头自注意力机制的混合模型,并采用鹈鹕优化算法进行参数调优,提高了分类性能 | 实验仅在恶意软件数据集上进行评估,未在实际车联网环境中验证 | 提高车联网环境中恶意软件检测和分类的准确率 | 车联网环境中的恶意软件 | 机器学习 | NA | 深度学习 | BiLSTM-MHSA | 恶意软件数据 | 未明确说明样本数量 |
152 | 2025-07-03 |
Fusing satellite imagery and ground-based observations for PM2.5 air pollution modeling in Iran using a deep learning approach
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05332-2
PMID:40594048
|
研究论文 | 本研究利用深度学习技术融合卫星影像和地面观测数据,对伊朗的PM2.5空气污染进行建模 | 结合卫星数据和地面观测数据,应用多种深度学习模型(MLP、CNN、LSTM、ConvLSTM)进行PM2.5浓度建模,并比较其性能 | 地面监测站数据在全面反映城市空气质量方面存在局限性 | 实现PM2.5空气污染的高精度时空建模,以支持空气质量管理和流行病学研究 | 伊朗的PM2.5空气污染 | 机器学习 | 心血管疾病 | 深度学习 | MLP、CNN、LSTM、ConvLSTM | 卫星影像、地面观测数据、气象参数 | NA |
153 | 2025-07-03 |
A novel approach to overcome black box of AI for optical diagnosis in colonoscopy
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04770-2
PMID:40594084
|
研究论文 | 本研究开发了一种可解释的人工智能方法niceAI,用于分类结肠镜检查中的增生性和腺瘤性息肉 | 结合放射组学和深度学习特征,提高光学诊断的透明度和可理解性 | 未提及具体样本量或数据集的多样性 | 提高结肠镜检查中光学诊断的准确性和临床决策支持 | 增生性和腺瘤性结肠息肉 | 数字病理学 | 结肠癌 | 放射组学和深度学习特征提取 | niceAI(基于深度学习的可解释AI模型) | 结肠镜检查图像 | NA |
154 | 2025-07-03 |
FSID: a novel approach to human activity recognition using few-shot weight imprinting
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04323-7
PMID:40594132
|
研究论文 | 提出了一种名为FSID的新方法,用于在数据稀缺的情况下通过小样本学习和权重印记技术进行人类活动识别 | 结合小样本学习、权重印记技术和自监督视觉变换器DINO,提出FSID框架,在低数据量情况下有效识别人类活动 | 在LARa数据集上的准确率相对较低(35.81%) | 解决在数据稀缺或不平衡情况下的人类活动识别问题 | 人类活动识别(HAR) | 机器学习 | NA | 短时傅里叶变换(STFT)、小样本学习、权重印记 | DINO(自监督视觉变换器) | 时间序列传感器数据(如EMG和IMU信号)转换的频谱图图像 | HuGaDB和LARa公开数据集,仅需20个新样本进行测试 |
155 | 2025-07-03 |
Using deep learning to capture gravel soil microstructure and hydraulic characteristics
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04879-4
PMID:40594165
|
研究论文 | 利用深度学习技术分析砾石土壤的微观结构和水力特性 | 采用Wasserstein生成对抗网络(WGANs)技术重建砾石土壤的3D数字样本,能够生成包含复杂孔隙特性的特定微观结构实现 | 研究仅针对中国桂林市的砾石土壤样本,样本数量有限(三个) | 分析砾石土壤的水力行为 | 砾石土壤样本 | 机器学习 | NA | WGAN with Gradient Penalty, µ-CT扫描 | WGAN | 3D图像数据 | 三个来自中国桂林市的砾石土壤样本 |
156 | 2025-07-03 |
Design of a deep fusion model for early Parkinson's disease prediction using handwritten image analysis
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04807-6
PMID:40594187
|
研究论文 | 提出了一种混合深度融合模型RGG-Net,用于通过手写图像分析早期预测帕金森病 | 结合ResNet-50和GoogLeNet的混合深度融合模型,采用自适应特征融合技术和分层集成学习,提高了预测准确性和透明度 | 未提及具体样本量或数据集的多样性限制 | 提高帕金森病的早期诊断准确性 | 帕金森病患者的手写图像 | 计算机视觉 | 帕金森病 | 自适应特征融合、分层集成学习、可解释人工智能(XAI) | ResNet-50、GoogLeNet(RGG-Net) | 图像 | NA |
157 | 2025-07-03 |
STIED: a deep learning model for the spatiotemporal detection of focal interictal epileptiform discharges with MEG
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03880-1
PMID:40594203
|
研究论文 | 开发并验证了一个名为STIED的深度学习模型,用于通过MEG检测局灶性癫痫患者的间歇性癫痫样放电 | 结合了时间(1D时间序列)和空间(2D地形图)特征的卷积神经网络,模仿了临床MEG实践,成功识别了局灶性癫痫患者的间歇性癫痫样放电 | 需要进一步工作以区分间歇性癫痫样放电和生理性瞬态信号 | 开发一种自动、数据驱动的深度学习方法,用于临床MEG中癫痫样放电的检测 | 局灶性癫痫患者 | 数字病理学 | 癫痫 | 深度学习 | CNN | MEG信号 | 局灶性癫痫患者组和不同类型难治性局灶性癫痫的术前患者组 |
158 | 2025-07-03 |
Benthic communities on restored coral reefs confer equivalent aesthetic value to healthy reefs
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06373-3
PMID:40594259
|
research paper | 本研究通过深度学习模型评估了珊瑚礁恢复项目的美学价值,并与健康和退化的珊瑚礁进行了比较 | 首次使用深度学习模型量化珊瑚礁恢复后的美学价值,并与健康和退化珊瑚礁进行对比 | 研究仅基于一个大型珊瑚恢复项目的数据,可能不具有普遍代表性 | 评估珊瑚礁恢复项目在美学价值方面的成效 | 珊瑚礁生态系统 | computer vision | NA | deep learning | CNN | image | 世界最大珊瑚恢复项目之一及附近健康和退化珊瑚礁的照片数据 |
159 | 2025-07-03 |
Schizophrenia detection from electroencephalogram signals using image encoding and wrapper-based deep feature selection approach
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06121-7
PMID:40594257
|
研究论文 | 本文提出了一种基于图像编码和包装器深度特征选择的三阶段框架,用于从脑电图信号中检测精神分裂症 | 使用图像编码方法将EEG信号编码为尺度图图像以获取时空信息,并提出了新的基于平均减法的包装器特征选择方法以减少不相关特征 | 仅在两个数据集上进行了测试,样本量相对较小(84和28个个体) | 改进精神分裂症的诊断方法 | 精神分裂症患者的EEG信号 | 机器学习 | 精神分裂症 | EEG信号处理 | 预训练深度学习模型(具体模型未提及) | EEG信号转换的图像数据 | 112人(84人来自MSU数据集,28人来自RepOD数据集) |
160 | 2025-07-03 |
Deep learning based predictive models for real time accident prevention in autonomous vehicle networks
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04867-8
PMID:40594266
|
研究论文 | 本文提出了一种基于深度学习的实时事故预防模型A-LAPPM,用于自动驾驶车辆网络中的事故预测和预防 | 结合LSTM单元和注意力机制,捕捉关键时间模式和危险指标,实现精确和及时的事故预测 | 未提及具体的数据集规模或实验环境的多样性限制 | 提高自动驾驶车辆在复杂驾驶场景中的安全性 | 自动驾驶车辆网络中的事故预测和预防 | 机器学习 | NA | 深度学习 | LSTM, 注意力机制 | 车辆传感器数据, V2V通信数据, 环境变量 | 未提及具体样本数量 |