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 | 2025-07-05 |
X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111721
PMID:40612478
|
research paper | 介绍了一个用于槟榔分级的X射线图像数据集,并建立了质量检查标准的基准 | 首次提出了一个基于X射线图像的槟榔数据集,用于非破坏性内部检查和质量分级 | 数据集未进行图像增强,且样本量相对较小(共900张图像) | 为槟榔行业提供一个用于分级的X射线图像数据集,并建立质量检查标准 | 槟榔的X射线图像 | computer vision | NA | X-ray成像 | YOLOv5 | image | 900张X射线图像(3个等级各300张) |
162 | 2025-07-05 |
Urban tree species benchmark dataset for time series classification
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111777
PMID:40612477
|
research paper | 该研究提出了一个基于多源光学卫星图像时间序列的城市树种分类基准数据集 | 创建了一个包含斯特拉斯堡市20种最常见树种的45,084棵树的基准数据集,并提供了三种基于InceptionTime的预训练模型 | 数据集仅覆盖斯特拉斯堡市的树种,可能无法代表其他地区的树种多样性 | 推进利用卫星图像时间序列和深度学习进行城市植被监测 | 城市树种 | computer vision | NA | 卫星图像时间序列分析 | InceptionTime, Dual-InceptionTime | 卫星图像时间序列 | 45,084棵树,涵盖20个常见树种 |
163 | 2025-07-05 |
Super-resolution tactile sensor arrays with sparse units enabled by deep learning
2025-Jul-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv2124
PMID:40601743
|
研究论文 | 本文提出了一种基于深度学习的超分辨率触觉传感器阵列,通过稀疏分布的触觉单元实现高分辨率触觉感知 | 提出了一种通用的智能框架,结合拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型,实现了从少量物理触觉单元生成大量虚拟触觉单元的高分辨率感知 | 未提及具体应用场景下的鲁棒性测试结果 | 提升人形机器人触觉感知分辨率 | 触觉传感器阵列 | 机器人与触觉感知 | NA | 深度学习 | 自注意力辅助触觉超分辨率模型 | 触觉压力数据 | 23个物理触觉单元生成2700个虚拟触觉单元 |
164 | 2025-07-05 |
Exploratory development of human-machine interaction strategies for post-stroke upper-limb rehabilitation
2025-Jul-04, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01680-2
PMID:40611303
|
研究论文 | 本文提出了一种用于中风后上肢康复的人机交互策略及设备UarDus,包括三种交互模式,并通过概念验证研究验证了其有效性 | 结合CNN和Transformer结构开发了新的深度学习模型,用于捕捉细微运动意图,并设计了具有14自由度的基础外骨骼 | 研究仅在一个接受过开颅手术的出血性中风患者身上进行了概念验证,样本量较小 | 开发并验证用于中风后上肢康复的人机交互策略及设备 | 中风后上肢康复患者 | 数字病理学 | 心血管疾病 | 离散小波变换(DWT)、运动捕捉技术、核密度估计(KDE) | CNN、Transformer | 运动数据、电流信号 | 1名接受过开颅手术的出血性中风患者 |
165 | 2025-07-05 |
Deep learning-based CNN model for multiclass classification of fingerprint patterns
2025-Jul-04, Medicine, science, and the law
DOI:10.1177/00258024251355042
PMID:40611678
|
研究论文 | 本研究提出了一种基于卷积神经网络(CNN)的模型,用于根据亨利分类法对指纹模式(弓形、环形、螺旋形和复合形)进行多类分类 | 采用CNN模型自动分类指纹模式,提高了指纹匹配和犯罪现场指纹分类的效率 | 样本量相对较小(2000个指纹模式来自200名参与者),可能影响模型的泛化能力 | 开发一个自动化的指纹分类系统,以加快指纹匹配和犯罪现场分析 | 指纹模式(弓形、环形、螺旋形和复合形) | 计算机视觉 | NA | NA | CNN | 图像 | 2000个指纹模式来自200名参与者 |
166 | 2025-07-05 |
Ultrahigh-Throughput Virtual Screening Strategies against PPI Targets: A Case Study of STAT Inhibitors
2025-Jul-04, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00907
PMID:40611790
|
研究论文 | 本文评估了Deep Docking工作流程在不同规模化合物库上的性能,特别是在针对STAT3和STAT5b等蛋白-蛋白相互作用型靶点的虚拟筛选中的应用 | 首次应用虚拟筛选技术针对STAT5b的N端结构域进行研究,并展示了AI辅助的uHTVS在提高命中率方面的潜力 | 深度学习步骤的性能高度依赖于基础对接模型的性能,且在蛋白-蛋白相互作用型靶点上评估基础对接模型的可靠性更为困难 | 评估AI辅助的虚拟筛选工作流程在超高通量虚拟筛选中的性能和应用 | STAT3和STAT5b等蛋白-蛋白相互作用型靶点 | 机器学习 | 癌症 | AI辅助虚拟筛选、Deep Docking | 深度学习 | 化合物库数据 | 数百万至数十亿的化合物库,实际对接约12万种化合物 |
167 | 2025-07-05 |
Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality
2025-Jul-04, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018059
PMID:40613107
|
研究论文 | 本研究提出了一种新型的冠状动脉钙化分散度和密度评分(CAC-DAD),用于预测心肌梗死和心血管死亡率,并与传统的Agatston评分(AS)进行比较 | 首次提出CAC-DAD评分,该评分考虑了冠状动脉钙化的空间分布和高密度钙化的保护性作用 | 研究为回顾性设计,样本量相对较小(961例患者),且随访时间较短(中位30天) | 评估新型CAC-DAD评分在预测主要不良心血管事件(MACE)方面的预后价值 | 接受心脏计算机断层扫描进行心血管或围手术期风险评估的患者 | 数字病理学 | 心血管疾病 | 心脏计算机断层扫描(CT) | 深度学习算法 | 医学影像 | 961例患者(中位年龄67岁,61%男性) |
168 | 2025-07-05 |
Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance
2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502098
PMID:40613249
|
综述 | 本文综述了NASICON材料在钠离子电池中的发展历程、挑战及未来研究方向 | 提出了多元素优化、高熵材料、梯度掺杂和AI驱动方法等未来研究方向 | 元素优化中存在合成不一致、电化学分析技术有限和掺杂机制不明确等问题 | 优化NASICON材料以提高钠离子电池的性能 | NASICON磷酸盐材料 | 材料科学 | NA | AI、机器学习和深度学习 | NA | NA | NA |
169 | 2025-07-05 |
Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning
2025-Jul-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01486
PMID:40613676
|
研究论文 | 开发了一种结合蒙特卡洛模拟和深度学习的框架,用于精确的单分子光谱成像去噪和分析 | 首次提出了基于监督学习的单分子光谱图像去噪方法SpecUNet,并建立了八个综合评价指标 | 框架的标准化程度和在实际应用中的广泛性尚未验证 | 推动高通量单分子光谱和光谱分辨超分辨率显微镜的发展 | 单分子光谱数据 | 机器学习和光谱成像 | NA | 蒙特卡洛模拟和深度学习 | SpecUNet(基于CNN的变种) | 光谱图像数据 | 合成GT数据和实验验证数据(具体数量未提及) |
170 | 2025-07-05 |
Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease
2025-Jul-04, The British journal of radiology
DOI:10.1093/bjr/tqaf105
PMID:40613687
|
综述 | 本文综述了慢性阻塞性肺疾病(COPD)的定量CT成像技术及其在评估和管理中的应用 | 应用深度学习技术实现CT参数的自动分割和量化,以及图像标准化等创新技术 | 这些技术在临床实践中的常规应用仍存在障碍 | 提高COPD评估和管理的精确性、客观性和可重复性 | 慢性阻塞性肺疾病(COPD)患者 | 数字病理学 | 慢性阻塞性肺疾病 | CT成像 | 深度学习 | 图像 | NA |
171 | 2025-07-05 |
Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70004
PMID:40613800
|
综述 | 本文综述了多参数MRI与深度学习在提升前列腺癌分类中的整合应用 | 探讨了深度学习分类网络与多参数MRI在前列腺癌评估中的整合,包括关键网络架构、MRI序列输入对模型性能的影响,以及结合领域知识和临床信息的价值 | 讨论了当前模型的局限性及未来展望,以促进这些系统在临床中的更好整合 | 提升前列腺癌的分类准确性,支持临床诊断 | 前列腺癌患者的多参数MRI数据 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI), 深度学习 (DL) | 深度学习分类网络 | MRI图像 | NA |
172 | 2025-07-05 |
Dual Structure Reinforces Interfacial Polarized MXene/PVDF-TrFE Piezoelectric Nanocomposite for Pressure Monitoring
2025-Jul-04, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-025-01839-5
PMID:40613833
|
研究论文 | 本文报道了一种双结构增强的MXene/PVDF-TrFE压电复合材料,通过界面极化和结构设计的耦合效应提升压电性能 | 通过分子动力学模拟、密度泛函理论计算和实验验证揭示了界面相互作用的细节,显著提升了PVDF-TrFE的自发极化,同时定向MXene分布和多孔结构设计使压电响应和灵敏度大幅提升 | NA | 增强界面极化压电材料的性能并探索结构设计的新方法 | MXene/PVDF-TrFE压电复合材料 | 材料科学 | NA | 分子动力学模拟、密度泛函理论计算、有限元模拟 | 深度学习算法 | 实验数据、模拟数据 | 3×3传感器阵列 |
173 | 2025-07-05 |
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70030
PMID:40613856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
174 | 2025-07-05 |
Diff-SE: A Diffusion-Augmented Contrastive Learning Framework for Super-Enhancer Prediction
2025-Jul-04, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01005
PMID:40613852
|
研究论文 | 提出了一种结合扩散增强和对比学习的深度学习框架Diff-SE,用于超级增强子预测 | 整合扩散模型生成生物意义明确的合成正样本以平衡训练数据,并采用对比学习策略增强特征表示 | 未明确说明模型在更广泛物种间的泛化能力及计算资源消耗情况 | 开发高性能跨物种超级增强子预测方法 | 超级增强子(SEs)及其在基因表达调控中的作用 | 机器学习 | 癌症、阿尔茨海默病 | ChIP-seq、扩散模型、对比学习 | Diff-SE(基于扩散增强的对比学习框架) | 基因组序列数据 | 8个数据集(包含人类和小鼠细胞系) |
175 | 2025-07-05 |
Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization
2025-Jul-04, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06311-5
PMID:40613839
|
研究论文 | 本研究比较了不同深度学习模型在婴儿肾超声图像中分类尿路扩张(UTD)的性能 | 首次评估深度学习模型在婴儿肾超声图像中自动分类UTD的准确性和一致性 | 研究样本仅包含3个月以下的婴儿,可能限制了结果的普遍性 | 开发并评估深度学习模型在肾超声图像中预测UTD分类的性能 | 婴儿肾超声图像 | 数字病理学 | 尿路扩张 | 深度学习 | CNN(假设基于使用的技术) | 图像 | 492张右肾和487张左肾超声图像(来自3个月以下的婴儿) |
176 | 2025-07-05 |
Rapid identification of Litopenaeus vannamei pathogenic bacteria: a combined approach using surface-enhanced Raman spectroscopy (SERS) and deep learning
2025-Jul-04, Analytical and bioanalytical chemistry
IF:3.8Q1
DOI:10.1007/s00216-025-05974-1
PMID:40613867
|
研究论文 | 本研究提出了一种结合表面增强拉曼光谱(SERS)和深度学习的方法,用于快速识别凡纳滨对虾的病原菌 | 创新性地整合了SERS、LSGAN和Transformer技术,通过数据增强提高了病原菌分类的准确率 | 原始光谱数据量有限(仅160个光谱),可能影响模型的泛化能力 | 开发一种快速准确的水产养殖病原菌检测方法 | 凡纳滨对虾的四种常见病原菌 | 机器学习 | 水产养殖疾病 | 表面增强拉曼光谱(SERS)、LSGAN、Transformer | LSGAN、Transformer | 光谱数据 | 原始数据集160个光谱,增强后2160个光谱 |
177 | 2025-07-05 |
iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification
2025-Jul-04, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01641-x
PMID:40613943
|
研究论文 | 提出了一种名为iACP-DPNet的双池化因果扩张卷积网络,用于可解释的抗癌肽识别 | 构建了更大更多样化的数据集,设计了双池化机制(GlobalAveragePooling和注意力池化)以增强模型特征提取能力,并采用多种方法提高模型的可解释性 | NA | 提高抗癌肽(ACPs)识别的准确性和可解释性 | 抗癌肽(ACPs) | 生物信息学 | 癌症 | ProtBert蛋白质语言模型、LightGBM、MIC特征选择、因果扩张卷积网络 | iACP-DPNet(双池化因果扩张卷积网络) | 蛋白质序列数据 | 整合现有文献和数据库构建的大规模多样化数据集 |
178 | 2025-07-05 |
Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice
2025-Jul-04, La Radiologia medica
DOI:10.1007/s11547-025-02038-3
PMID:40613973
|
研究论文 | 本研究评估了深度学习加速的膝关节MRI协议在不同加速因子下的诊断准确性 | 首次系统评估了深度学习加速MRI协议(DL2、DL4、DL6)在膝关节诊断中的表现,并与标准协议进行对比 | 样本量相对较小(71例患者),且DL6协议对细微病变的敏感性有所下降 | 评估深度学习加速MRI协议在膝关节诊断中的性能 | 膝关节MRI图像 | 数字病理学 | 骨科疾病 | 深度学习重建MRI | DL(深度学习模型) | 医学影像 | 71名连续患者 |
179 | 2025-07-05 |
RSLpred2: An Integrated Web Server for the Annotation of Rice Proteome Subcellular Localization Using Deep Learning
2025-Jul-04, Rice (New York, N.Y.)
DOI:10.1186/s12284-025-00767-7
PMID:40613991
|
研究论文 | 本文介绍了RSLpred2,一个基于深度学习的网络服务器,用于预测水稻蛋白质组的亚细胞定位 | RSLpred2是RSLpred1.0的扩展版本,通过四个层次的预测提高了蛋白质亚细胞定位的准确性 | NA | 开发一个快速准确预测水稻蛋白质亚细胞定位的计算工具 | 水稻蛋白质组 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列数据 | NA |
180 | 2025-07-05 |
From gas sensing to AI-gas sensing
2025-Jul-03, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc01291k
PMID:40521933
|
综述 | 本文综述了从传统气体传感技术到AI气体传感技术的发展,重点介绍了AI技术在该领域的应用和进展 | AI技术的介入为气体传感领域提供了核心技术支持,包括深度学习驱动的特征提取和模式识别、漂移补偿以及在边缘设备上的部署,以及在硬件-软件融合方面的创新,如嗅觉芯片、神经形态处理器和感存算一体化系统 | NA | 探讨AI技术如何推动气体传感技术的发展,以实现超灵敏、自适应和智能化的检测平台 | 气体传感技术及其AI增强应用 | 机器学习和传感器技术 | NA | 深度学习、特征提取、模式识别、漂移补偿 | 深度学习模型 | 化学信号数据 | NA |