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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
161 | 2025-07-23 |
PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy
2025, BMC methods
DOI:10.1186/s44330-024-00020-5
PMID:40666158
|
研究论文 | 介绍PSSR2,一个用户友好的Python包,用于普及基于深度学习的点扫描超分辨率显微镜技术 | PSSR2改进了PSSR的工作流程和方法,通过改进半合成数据生成和训练过程,提供了更高质量的超分辨率图像 | PSSR2模型仅适用于与训练数据足够相似的数据进行超分辨率处理,并且需要针对真实世界的地面真实数据进行验证 | 普及基于深度学习的超分辨率显微镜技术,提高显微镜图像的质量 | 低分辨率显微镜图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 配对的电子显微镜高分辨率和低分辨率图像测试数据集 |
162 | 2025-07-23 |
Deep learning-based method for grading histopathological liver fibrosis in rodent models of metabolic dysfunction-associated steatohepatitis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1629036
PMID:40687706
|
research paper | 该研究开发了一种基于深度学习的组织病理学肝纤维化分级方法,用于代谢功能障碍相关脂肪性肝炎(MASH)啮齿动物模型 | 提出了一种基于深度学习的7分类模型,用于更精细地分级肝纤维化,性能优于传统的5分类模型 | 研究仅基于动物模型数据,尚未在人类临床数据上验证 | 开发自动化的肝纤维化评分系统以辅助病理学家诊断 | 代谢功能障碍相关脂肪性肝炎(MASH)啮齿动物模型的肝组织 | digital pathology | liver disease | Sirius Red染色全切片成像 | 深度学习多分类模型 | image | 914张全切片图像生成的999,711个图像块 |
163 | 2025-07-23 |
Emerging trends in Alzheimer's disease diagnosis and prediction using artificial intelligence: A bibliometric analysis of the top cited 100 articles
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251362098
PMID:40688579
|
研究论文 | 本文通过文献计量学分析探讨了人工智能在阿尔茨海默病诊断和预测领域的研究热点、趋势及未来潜力 | 首次对AI在AD诊断和预测领域的100篇高引用文献进行系统性文献计量分析,揭示了该领域的研究热点和发展趋势 | 存在语言和引用偏倚可能影响对AI-AD新兴趋势的解释 | 分析AI技术在阿尔茨海默病诊断和预测领域的研究现状和发展趋势 | 100篇AI应用于AD诊断和预测的高引用文献 | 数字病理学 | 老年病 | 文献计量分析 | 深度学习, 机器学习 | 文献数据 | 100篇高引用文献 |
164 | 2025-07-23 |
A survey of NLP methods for oncology in the past decade with a focus on cancer registry applications
2025, Artificial intelligence review
IF:10.7Q1
DOI:10.1007/s10462-025-11316-5
PMID:40688631
|
综述 | 本研究综述了过去十年(2014-2024年)自然语言处理(NLP)在癌症登记操作中的应用 | 重点分析了NLP方法在癌症登记中的应用趋势,特别是自2019年以来Transformer模型的兴起,以及编码器专用模型(如BERT及其临床适应版本)的潜力 | 儿科癌症、黑色素瘤和淋巴瘤的研究代表性不足,疾病进展、临床试验匹配和患者沟通等研究领域也较少涉及,多模态模型在精准肿瘤学和癌症筛查中的应用也较为稀缺 | 评估NLP在提高癌症登记数据抽象效率和准确性方面的潜力,以更好地利用癌症登记数据造福患者 | 156篇来自Scopus和PubMed的文章,涵盖NLP方法、文档类型、癌症部位和研究目标 | 自然语言处理 | 癌症 | NLP | 规则基础、机器学习、传统深度学习、Transformer(如BERT、GPT-3、GPT-4) | 临床文本 | 156篇文章 |
165 | 2025-07-23 |
A systematic review of data and models for predicting food flavor and texture
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101127
PMID:40689288
|
综述 | 本文系统回顾了当前用于预测食物风味和质地的数据资源和计算模型的现状 | 强调了机器学习模型(如图神经网络和深度学习方法)在识别味觉和气味化合物方面的潜力,并指出了质地预测在食品质量控制中的潜在影响 | 气味预测因缺乏标准化的嗅觉指标而面临挑战,质地预测研究相对较少且需要更稳健的数据集 | 推动风味和质地预测领域的发展 | 食物风味和质地的预测 | 机器学习 | NA | 机器学习、图神经网络、深度学习方法 | GNN、深度学习模型 | 分子分类数据、嗅觉数据、质地数据 | NA |
166 | 2025-07-23 |
DVMark: A Deep Multiscale Framework for Video Watermarking
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3251737
PMID:37030810
|
research paper | 提出了一种基于深度学习的多尺度视频水印框架DVMark,能够在多种失真情况下鲁棒地嵌入和提取水印 | 采用新颖的多尺度设计,将水印分布在多个时空尺度上,显著优于传统视频水印方法和深度图像水印模型 | 未明确提及具体限制条件 | 开发一种鲁棒的端到端可训练视频水印解决方案 | 视频水印技术 | computer vision | NA | 深度学习 | 多尺度深度神经网络 | 视频 | 未明确提及具体样本数量 |
167 | 2025-07-23 |
Prediction of Recurrence using a Stacked Denoising Autoencoder and Multifaceted Feature Analysis of Pretreatment MRI in Patients with Nasopharyngeal Carcinoma
2025, Current radiopharmaceuticals
IF:1.5Q3
|
研究论文 | 本研究开发了一种基于MRI的鼻咽癌复发预测模型,结合了影像组学、深度学习和临床特征 | 首次将堆叠去噪自编码器(SDAE)提取的深度特征与影像组学特征和临床参数融合,构建了高性能的复发预测模型 | 单中心回顾性研究设计,缺乏功能成像(DWI/PET)或分子标记(EBV-DNA)数据 | 开发鼻咽癌复发预测模型以优化个性化治疗 | 184例经病理确诊接受根治性放疗的鼻咽癌患者 | 数字病理 | 鼻咽癌 | MRI | SDAE, SVM, MLP, LR, RF | 医学影像 | 184例患者(内部验证136例,外部验证91例) |
168 | 2025-07-23 |
Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327230
PMID:40690512
|
研究论文 | 本研究提出了一种结合Dipper Throated Optimization (DTO)和Polar Rose Search (PRS)的混合元启发式框架,用于优化深度学习模型在水质预测中的应用 | 结合了两种生物启发算法(DTO和PRS)进行特征选择和元启发式优化,显著提升了水质预测模型的准确性和计算效率 | 未提及模型在其他作物或更广泛农业环境中的泛化能力 | 开发智能灌溉决策支持系统,促进可持续农业生产和水资源保护 | 马铃薯等需要高质量灌溉的农作物 | 机器学习 | NA | Dipper Throated Optimization (DTO), Polar Rose Search (PRS), Radial Basis Function Network (RBFN) | RBFN | 水质数据 | NA |
169 | 2025-07-23 |
Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review
2025, Environmental systems research
DOI:10.1186/s40068-025-00409-3
PMID:40692624
|
文献综述 | 本文综述了过去二十年来城市洪水预测方法的演变,从传统的基于物理过程的方法到AI和机器学习方法的转变 | 聚焦于AI驱动、实时和社区集成的洪水预测新方法,并探讨了GIS、LiDAR、卫星图像、物联网设备、深度学习和混合模型等新工具的应用 | 许多城市缺乏使用这些新工具所需的数据、传感器或系统,且许多模型未与城市规划或社区努力相结合 | 探讨城市洪水预测方法的演变及未来发展方向 | 城市洪水预测方法 | 机器学习 | NA | GIS、LiDAR、卫星图像、物联网设备、深度学习、混合模型 | 深度学习、混合模型 | 天气信息、传感器数据、社交媒体数据 | NA |
170 | 2025-07-23 |
High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609222
PMID:40692669
|
研究论文 | 提出了一种基于快速自适应运动特征融合的高通量端到端蚜虫蜜露排泄行为识别方法 | 首次建立了蚜虫细粒度行为数据集,开发了快速自适应运动特征融合算法,并优化了RT-DETR检测模型,提高了检测精度和操作效率 | 未明确提及具体局限性 | 提高蚜虫蜜露排泄行为检测的效率和准确性,为昆虫行为识别研究提供参考 | 蚜虫的爬行、腿部弹动和蜜露排泄行为 | 计算机视觉 | NA | 深度学习 | RT-DETR, ResNet50 | 视频或图像数据 | 未明确提及具体样本数量,但建立了首个蚜虫细粒度行为数据集 |
171 | 2025-07-23 |
Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study
2025, Frontiers in pain research (Lausanne, Switzerland)
DOI:10.3389/fpain.2025.1614143
PMID:40692757
|
研究论文 | 开发并评估基于习惯坐姿图像的深度学习模型,用于分类有或无颈源性头痛或颈肩痛的办公室职员 | 利用深度学习模型从习惯坐姿图像中分类颈源性头痛和颈肩痛,展示了模型在检测与不同肌肉骨骼疾病相关的细微姿势模式方面的潜力 | 静态姿势与肌肉骨骼疼痛之间的复杂关系提示临床实践中需要多模式评估方法 | 开发用于分类颈源性头痛和颈肩痛的深度学习模型 | 531名办公室职员 | 计算机视觉 | 颈源性头痛和颈肩痛 | 深度学习 | VGG19, ResNet50, EfficientNet B5 | 图像 | 531名办公室职员(135名有颈源性头痛,365名有颈肩痛,108名同时有这两种情况,139名对照组) |
172 | 2025-07-23 |
Deep learning for enhancement of low-resolution and noisy scanning probe microscopy images
2025, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.16.83
PMID:40692894
|
研究论文 | 本研究利用传统方法和深度学习模型提升标准环境扫描下获取的低分辨率AFM图像的分辨率和质量 | 深度学习模型在超分辨率任务中表现优于传统方法,并能完全消除AFM图像中的常见伪影 | 未提及具体的数据集规模或模型泛化能力的验证 | 提升原子力显微镜(AFM)图像的分辨率和质量 | 低分辨率和含噪声的AFM图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型(未指定具体类型) | 图像 | 未提及具体样本数量 |
173 | 2025-07-23 |
Multidisciplinary Evaluation of an AI-Based Pneumothorax Detection Model: Clinical Comparison with Physicians in Edge and Cloud Environments
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S535405
PMID:40693169
|
研究论文 | 本研究评估了一种基于Google Cloud Vertex AI的深度学习模型在气胸检测中的诊断准确性,并与不同经验水平的医生进行了比较 | 在边缘和云端部署环境中评估AI模型的气胸检测性能,并与多专业医生进行比较,特别是在微小气胸病例中的表现 | 研究样本量较小(152例),且来自单一中心,可能影响结果的普遍性 | 评估AI模型在气胸检测中的诊断准确性及其临床适用性 | 152例匿名胸部X光片(76例气胸,76例正常) | 数字病理学 | 肺病 | AutoML Vision | 深度学习模型 | 图像 | 152例胸部X光片(76例气胸,76例正常) |
174 | 2025-07-23 |
MSPO: A machine learning hyperparameter optimization method for enhanced breast cancer image classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251361603
PMID:40693252
|
研究论文 | 提出一种多策略鹦鹉优化器(MSPO)用于乳腺癌图像分类任务,以提高分类性能 | 基于原始鹦鹉优化器,MSPO整合了Sobol序列初始化、非线性递减惯性权重和混沌参数等策略,增强了全局探索能力和收敛稳定性 | 未提及具体局限性 | 优化乳腺癌图像分类模型的超参数配置 | 乳腺癌图像 | 计算机视觉 | 乳腺癌 | 深度学习 | ResNet18 | 图像 | BreaKHis乳腺癌图像数据集 |
175 | 2025-07-23 |
MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data
2024-Dec-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.13.628441
PMID:39713330
|
研究论文 | 开发了一个名为MMETHANE的开源软件包,用于从微生物组和代谢组数据预测宿主状态 | MMETHANE结合了先验生物学知识,包括系统发育和化学关系,并具有内在可解释性,能输出解释其决策的英文规则集 | NA | 开发计算工具以链接微生物组组成和代谢物数据到宿主状态 | 微生物组组成和代谢物数据 | 机器学习 | 炎症性肠病 | 微生物测序和代谢组学测量 | 深度学习模型 | 微生物组和代谢组数据 | 六个数据集 |
176 | 2025-07-23 |
Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy
2024-Dec-10, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02490-y
PMID:39658727
|
研究论文 | 本文介绍了一种利用深度学习方法优化可离子化脂质设计的新策略,用于肺部基因治疗的脂质纳米颗粒 | 提出了一种名为“基于神经网络的脂质优化”的深度学习策略,用于设计可离子化脂质,超越了传统的实验筛选和理性设计方法 | 研究主要基于小鼠和雪貂模型,尚未在人类中进行验证 | 提高脂质纳米颗粒在肺部基因治疗中的mRNA递送效率 | 可离子化脂质及其在脂质纳米颗粒中的应用 | 机器学习 | 肺部疾病 | 深度学习 | 定向消息传递神经网络 | 脂质纳米颗粒活性测量数据 | 超过9,000个脂质纳米颗粒活性测量数据,评估了160万种脂质结构 |
177 | 2025-07-23 |
SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations
2024-Dec-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.10.626888
PMID:39713375
|
research paper | 提出了一种基于弱监督学习的皮层表面重建方法SegCSR,该方法从大脑MRI带状分割中重建多个皮层表面 | 通过联合学习微分同胚流来对齐皮层带状分割图的边界,避免了依赖传统CSR流程生成的伪地面实况 | 方法在具有挑战性的深部皮层沟回中可能需要进一步优化 | 开发一种不依赖伪地面实况的皮层表面重建方法 | 大脑MRI图像中的皮层表面 | digital pathology | NA | 深度学习 | NA | MRI图像 | 两个大规模大脑MRI数据集 |
178 | 2025-07-23 |
SAUSI: an integrative assay for measuring social aversion and motivation
2024-Dec-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.13.594023
PMID:38798428
|
研究论文 | 介绍了一种名为SAUSI的新型行为任务,用于全面评估小鼠的社会厌恶行为 | 开发了整合社会动机、犹豫、决策和自由互动元素的新行为任务SAUSI,克服了传统方法的局限性 | 目前仅在小鼠模型中验证,尚未在人类或其他动物模型中测试 | 研究社会厌恶行为的生物行为机制 | 小鼠 | 行为神经科学 | 社交焦虑症、自闭症谱系障碍 | 深度学习分析 | NA | 行为数据 | 未明确说明小鼠数量 |
179 | 2025-07-23 |
Time is encoded by methylation changes at clustered CpG sites
2024-Dec-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.03.626674
PMID:39677642
|
研究论文 | 通过分析健康个体血液样本中的DNA甲基化变化,揭示了时间编码的机制,并开发了高精度的年龄预测模型 | 发现年龄依赖性DNA甲基化变化在相邻CpG位点上以区域性或块状方式发生,并利用深度学习模型显著提高了表观遗传时钟的预测精度 | 研究主要基于血液样本,可能不适用于其他组织类型 | 探究DNA甲基化变化与时间测量的关系,并开发高精度年龄预测方法 | 300多份健康个体的血液样本 | 表观遗传学 | NA | 超深度测序 | 深度学习 | DNA甲基化数据 | 300多份血液样本 |
180 | 2025-07-23 |
Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction
2024-Dec-01, JAMA surgery
IF:15.7Q1
DOI:10.1001/jamasurg.2024.4299
PMID:39382865
|
研究论文 | 本研究评估了在手术风险预测中使用风险特异性训练队列解决类别不平衡问题的效果 | 通过针对高风险、中风险和低风险手术分别训练模型,提高了对低发生率并发症的预测性能 | 研究仅基于两家医院的数据,可能缺乏广泛代表性 | 评估风险特异性训练队列对手术风险预测模型性能的影响 | 109,445例住院手术患者 | 机器学习 | 手术并发症 | 深度学习 | 深度学习模型 | 临床手术数据 | 109,445例住院手术(来自佛罗里达大学健康系统两家医院) |