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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1801 | 2025-07-14 |
Digitizing audiograms with deep learning: structured data extraction and pseudonymization for hearing big data
2025-Aug, Hearing research
IF:2.5Q1
DOI:10.1016/j.heares.2025.109337
PMID:40532492
|
研究论文 | 本研究开发了一种基于深度学习的系统,用于数字化听力图,实现数据的结构化和数值化转换,以支持大规模听力大数据的收集 | 与以往主要关注分类或预测的研究不同,该框架确保结构化数值数据输出,同时遵守数据伪匿名化法规 | NA | 开发一种深度学习系统,用于数字化听力图,以支持大规模听力数据的收集和分析 | 听力图 | 数字病理 | 听力损失 | 光学字符识别(OCR) | CNN | 图像 | 训练集8847个听力图符号,测试集2443个听力图符号 |
1802 | 2025-07-14 |
Redefining parameter-efficiency in ADHD diagnosis: A lightweight attention-driven kolmogorov-arnold network with reduced parameter complexity and a novel activation function
2025-Aug, Psychiatry research. Neuroimaging
|
研究论文 | 本文提出了一种基于Kolmogorov-Arnold Network (KAN)的参数高效框架,用于注意力缺陷多动障碍(ADHD)的诊断,通过减少参数复杂度和引入新型激活函数来提高模型效率和可解释性 | 提出了一种轻量级的注意力驱动KAN网络,减少了参数复杂度并引入了新型激活函数,同时结合了滑动窗口数据增强技术以提高模型泛化能力 | 研究仅基于ADHD-200数据集进行验证,可能在其他数据集上的泛化能力有待进一步验证 | 开发一种参数高效且可解释的深度学习模型,用于ADHD的诊断 | 注意力缺陷多动障碍(ADHD)患者的大脑连接特征 | 数字病理学 | 注意力缺陷多动障碍(ADHD) | 深度学习 | Kolmogorov-Arnold Network (KAN) | 大脑连接特征数据 | ADHD-200数据集 |
1803 | 2025-07-14 |
Colon cancer survival prediction from gland shapes within histology slides using deep learning
2025-Jul-14, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0052
PMID:40650530
|
研究论文 | 本研究探讨了深度学习技术在结直肠癌组织病理学图像中腺体分割的应用,并利用分割后的腺体形态特征预测患者生存结果 | 结合U-Net和DCAN模型在GlaS和CRAG数据集上进行训练,提高了腺体边界的识别准确性,并利用腺体形态特征成功预测患者生存风险 | 模型在跨数据集泛化能力方面存在准确性与鲁棒性之间的权衡 | 开发一种能够从组织病理学图像中准确分割腺体并预测结直肠癌患者生存风险的方法 | 结直肠癌患者的组织病理学图像 | 数字病理学 | 结肠癌 | 深度学习 | U-Net, DCAN | 图像 | GlaS和CRAG数据集及TCGA的WSI图像 |
1804 | 2025-07-14 |
iALP: Identification of Allergenic Proteins Based on Large Language Model and Gate Linear Unit
2025-Jul-13, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00734-2
PMID:40652417
|
研究论文 | 本文提出了一种基于大型语言模型ProtT5和门控线性单元(GLU)的新方法iALP,用于高效识别过敏原蛋白(ALPs) | 结合ProtT5和GLU,深入分析过敏原蛋白的复杂特征并捕捉其非线性特征 | 对短于100个氨基酸的蛋白质序列性能讨论有限 | 提高过敏原蛋白的识别准确率,支持有效的过敏症状预防和治疗策略实施 | 过敏原蛋白(ALPs) | 自然语言处理 | 过敏性疾病 | 大型语言模型ProtT5和门控线性单元(GLU) | ProtT5, GLU | 蛋白质序列 | NA |
1805 | 2025-07-14 |
CoBdock-2: enhancing blind docking performance through hybrid feature selection combining ensemble and multimodel feature selection approaches
2025-Jul-13, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00629-w
PMID:40652425
|
研究论文 | 介绍了一种名为CoBDock-2的机器学习盲对接方法,通过集成和多模型特征选择策略提升盲对接性能 | CoBDock-2采用1D数值表示蛋白质、配体和相互作用结构特征,并应用先进的集成特征选择技术,显著提高了结合位点和姿态预测的准确性 | 方法的有效性依赖于特征选择的质量,且与现有深度学习对接策略的比较仍需进一步验证 | 提升虚拟筛选中的盲对接性能,优化结合位点和配体姿态预测 | 蛋白质和小分子配体的相互作用 | 机器学习 | NA | 机器学习、分子对接、腔体检测 | 集成特征选择 | 蛋白质和配体的结构特征 | 9,598个特征,多个基准数据集(PDBBind v2020-general, MTi, ADS, DUD-E, CASF-2016) |
1806 | 2025-07-14 |
Deep Learning Photo Processing for Periodontitis Screening
2025-Jul-12, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251347508
PMID:40650464
|
研究论文 | 本研究开发了一种基于深度学习的口腔图像处理算法,用于牙周炎的筛查 | 使用未标注关键点的口腔图像,基于预训练的ResNet50模型开发了一种全局激活池化的多实例深度学习模型,能够准确识别II至IV期牙周炎 | 需要更多的开发和验证以将该方法推广为全球多人群的筛查工具 | 开发一种基于口腔图像的深度学习算法,用于牙周炎的筛查 | 寻求上海第九人民医院医疗服务的连续受试者及其口腔数字孪生图像 | 计算机视觉 | 牙周炎 | 深度学习 | 基于ResNet50的全局激活池化多实例深度学习模型(DLM) | 口腔图像 | 内部开发和测试387名受试者,外部测试183名受试者 |
1807 | 2025-07-14 |
Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging
2025-Jul-12, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06314-2
PMID:40650736
|
研究论文 | 本研究比较了深度学习重建(DLR)加速的脑部MRI与传统MRI在儿科神经影像中的图像质量 | 首次在儿科神经影像中评估DLR加速MRI的临床可行性,并证明其能显著减少扫描时间同时提高图像质量 | 研究为回顾性设计,样本量相对有限(116名儿科参与者) | 评估DLR加速MRI在儿科神经影像中的临床应用潜力 | 儿科患者(平均年龄7.9±5.4岁)的脑部MRI影像 | 医学影像分析 | 儿科神经系统疾病 | 深度学习重建(DLR) | 深度学习(未指定具体模型) | MRI影像 | 116名儿科参与者 |
1808 | 2025-07-14 |
Novel deep learning framework for simultaneous assessment of left ventricular mass and longitudinal strain: clinical feasibility and validation in patients with hypertrophic cardiomyopathy
2025-Jul-12, Journal of echocardiography
IF:1.4Q3
DOI:10.1007/s12574-025-00694-y
PMID:40650815
|
research paper | 提出了一种名为SMART的新型深度学习框架,用于同时评估左心室质量和纵向应变,并在肥厚型心肌病患者中进行了临床验证 | SMART系统结合了运动追踪和左心室心肌分割技术,实现了自动化的左心室质量和全局纵向应变评估 | 研究样本仅包括111名肥厚型心肌病患者,可能限制了结果的普遍性 | 开发并验证一种基于人工智能的框架,用于自动化评估左心室功能和结构 | 肥厚型心肌病患者 | digital pathology | cardiovascular disease | transthoracic echocardiography (TTE), cardiac magnetic resonance imaging (CMR) | deep learning | image | 111名肥厚型心肌病患者(中位年龄58岁,69%男性) |
1809 | 2025-07-14 |
Efficient needle guidance: multi-camera augmented reality navigation without patient-specific calibration
2025-Jul-12, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03477-z
PMID:40650802
|
研究论文 | 开发了一种无需患者特定标记的多摄像头增强现实导航系统,用于提高针基手术的效率和精度 | 该系统通过使用天花板安装的标记和固定医疗成像设备,消除了对患者特定标记的依赖,并采用深度学习技术和视觉姿态补偿方法来提高标记检测和注册的准确性 | 虽然系统在模拟临床场景中表现出色,但尚未在真实临床环境中进行全面验证 | 提高针基手术(如活检和消融)的导航效率和精度 | 针基手术的导航系统 | 增强现实 | NA | 深度学习、视觉姿态补偿 | NA | 图像 | 通过体模实验和模拟临床场景进行验证 |
1810 | 2025-07-14 |
Seeing is Believing-On the Utility of CT in Phenotyping COPD
2025-Jul-12, The British journal of radiology
DOI:10.1093/bjr/tqaf160
PMID:40650927
|
review | 本文回顾了胸部CT在慢性阻塞性肺疾病(COPD)表型分析中的应用及其生物标志物的发展历程 | 探讨了从传统阈值方法到深度学习的多种CT生物标志物提取技术,并展望了个性化COPD管理的未来潜力 | 数据集异质性、模型泛化能力和临床可解释性方面仍存在挑战 | 探索胸部CT生物标志物在COPD表型分析和个性化管理中的应用与发展 | COPD相关的肺实质、气道、血管系统和肺裂等解剖结构 | digital pathology | lung cancer | CT, 纹理分析, 图像配准, 深度学习 | 深度学习模型 | CT图像 | NA |
1811 | 2025-07-14 |
AI-powered disease progression prediction in multiple sclerosis using magnetic resonance imaging: a systematic review and meta-analysis
2025-Jul-12, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2532038
PMID:40650946
|
系统综述与荟萃分析 | 本文系统综述和荟萃分析了基于MRI的AI模型在预测多发性硬化症(MS)未来残疾进展方面的研究 | 首次对MRI驱动的AI模型预测MS残疾进展的准确性进行系统评估和荟萃分析 | 预测误差超过1个EDSS点限制了临床应用,且外部验证研究较少 | 评估MRI驱动的AI模型预测MS残疾进展的准确性 | 12,252名MS患者 | 数字病理学 | 多发性硬化症 | MRI | 机器学习(57%)和深度学习(38%) | 医学影像 | 21项研究共12,252名MS患者 |
1812 | 2025-07-14 |
ST-CFI: Swin Transformer with convolutional feature interactions for identifying plant diseases
2025-Jul-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08673-0
PMID:40640259
|
研究论文 | 本文提出了一种名为ST-CFI的深度学习框架,结合Swin Transformer和卷积特征交互,用于通过叶片图像识别植物疾病 | ST-CFI模型创新性地整合了CNN和Swin Transformer的优势,通过初始架构和跨通道特征学习提取局部和全局特征 | NA | 提高植物疾病早期检测的准确性和效率,以支持精准农业 | 植物叶片图像 | 计算机视觉 | 植物疾病 | 深度学习 | Swin Transformer与CNN结合 | 图像 | 五个数据集:PlantVillage、Plant Pathology 2021 competition dataset、PlantDoc、AI2018和iBean |
1813 | 2025-07-14 |
Enhancing EEG-based sleep staging efficiency with minimal channels through adversarial domain adaptation and active deep learning
2025-Jul-11, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adeec7
PMID:40645218
|
研究论文 | 提出了一种结合对抗性域适应和主动深度学习的框架ADAADL,以提高基于EEG的睡眠分期效率 | 结合对抗性学习和主动学习策略,改进特征对齐并有效利用未标记数据 | 未提及具体样本量或数据集的多样性限制 | 提高睡眠分期分类的准确性,促进睡眠研究和医疗应用 | EEG数据 | 机器学习 | NA | 对抗性域适应,主动深度学习 | ADAADL(结合对抗性学习和主动学习的深度学习框架) | EEG信号 | 三个基准EEG数据集(未提及具体样本量) |
1814 | 2025-07-14 |
Interpretable MRI Subregional Radiomics-Deep Learning Model for Preoperative Lymphovascular Invasion Prediction in Rectal Cancer: A Dual-Center Study
2025-Jul-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01586-4
PMID:40646374
|
研究论文 | 开发了一种基于可解释机器学习的融合模型,结合多参数MRI亚区域放射组学和深度学习,用于直肠癌术前淋巴血管侵犯状态的预测 | 提出了一种名为SubViT的新型融合模型,结合了亚区域放射组学和Vision Transformer (ViT)深度学习技术,并通过SHAP工具增强了模型的可解释性 | 研究仅基于两个医疗中心的数据,样本量相对有限 | 开发一种非侵入性方法来预测直肠癌的淋巴血管侵犯状态 | 直肠癌患者 | 数字病理 | 直肠癌 | 多参数MRI, K-means聚类, 放射组学分析 | Vision Transformer (ViT), SubViT融合模型 | MRI影像 | 376例患者(301例训练集,75例外部验证集) |
1815 | 2025-07-14 |
Impact of heart rate on coronary artery stenosis grading accuracy using deep learning-based fast kV-switching CT: A phantom study
2025-Jul-11, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105046
PMID:40651284
|
研究论文 | 本研究探讨了心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级准确性上的影响 | 首次使用深度学习方法恢复快速千伏切换双能CT扫描中缺失的视图,显著提升了冠状动脉CT血管成像的图像质量 | 研究仅使用体模进行实验,未涉及真实患者数据 | 评估心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级中的影响 | 带有狭窄冠状动脉的体模 | 数字病理 | 心血管疾病 | 快速千伏切换双能CT扫描 | 深度学习神经网络 | CT图像 | 不同心率设置下的体模扫描数据 |
1816 | 2025-07-14 |
Explainable artificial intelligence for pneumonia classification: Clinical insights into deformable prototypical part network in pediatric chest x-ray images
2025-Jul-11, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2025.102023
PMID:40651288
|
研究论文 | 本研究首次将可变形原型部分网络(D-ProtoPNet)应用于儿科患者胸部X光图像的肺炎分类,通过专家放射科医师评估模型学习的原型和激活的图像区域,确保解释与医学上有意义的特征一致 | 首次将D-ProtoPNet应用于儿科肺炎分类,结合临床专家评估提升模型解释的医学相关性 | 需要进一步优化以达到临床应用标准,且准确性尚未完全匹配黑盒模型 | 提高AI驱动诊断系统在肺炎分类中的透明度和可解释性 | 儿科患者的胸部X光图像 | 计算机视觉 | 肺炎 | 深度学习 | D-ProtoPNet, ResNet50 | 图像 | 5,856张儿科患者胸部X光图像 |
1817 | 2025-07-14 |
Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis
2025-Jul-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.027
PMID:40651923
|
meta-analysis | 本文通过系统综述和荟萃分析评估了放射组学和深度学习模型在预测软组织肉瘤远处转移中的表现 | 比较了深度学习与传统手工放射组学模型在预测转移中的性能,并探讨了不同成像方式和临床特征整合的影响 | 存在显著的异质性、有限的外部验证和潜在的发表偏倚 | 评估放射组学和深度学习模型在预测软组织肉瘤转移中的诊断准确性 | 软组织肉瘤(STS)患者 | digital pathology | 软组织肉瘤 | MRI, PET, PET/CT | DL, handcrafted radiomics (HCR) | 医学影像 | 19项研究,涉及1712名患者 |
1818 | 2025-07-14 |
A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study
2025-Jul-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.001
PMID:40651922
|
研究论文 | 开发并验证了一种深度学习模型,用于术前预测临床T1期肺腺癌的淋巴结转移,并与传统的语义和放射组学特征进行比较 | 提出了一种基于残差网络的深度学习模型ResLNM,用于术前预测淋巴结转移,其性能优于传统的语义和放射组学模型 | 研究为回顾性多中心研究,可能存在选择偏倚,且未探讨模型在其他类型肺癌中的适用性 | 开发并验证一种深度学习模型,用于术前预测临床T1期肺腺癌的淋巴结转移 | 临床T1期肺腺癌患者 | 数字病理 | 肺癌 | 深度学习 | ResLNM(基于残差网络的深度学习模型) | 图像 | 2503名患者,2568个经病理证实的cT1期肺腺癌结节 |
1819 | 2025-07-14 |
Deep learning to assess erythritol in zebrafish development, circadian rhythm, and cardiovascular disease risk
2025-Jul-10, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00512-w
PMID:40640190
|
研究论文 | 使用深度学习评估赤藓糖醇对斑马鱼发育、昼夜节律及心血管疾病风险的影响 | 首次采用深度学习技术分析赤藓糖醇对斑马鱼发育时间动态的影响,并揭示其对昼夜节律和心血管健康的潜在风险机制 | 研究仅基于斑马鱼模型,结果外推至人类需谨慎;实验浓度梯度有限(3-7mg/mL) | 评估人工甜味剂赤藓糖醇的生物安全性及其致病机制 | 斑马鱼胚胎(受精后2小时至120小时) | 数字病理学 | 心血管疾病 | 深度学习 | NA | 发育行为视频数据 | 斑马鱼胚胎暴露于3种浓度(3/5/7mg/mL)的赤藓糖醇 |
1820 | 2025-07-14 |
Deformable detection transformers for domain adaptable ultrasound localization microscopy with robustness to point spread function variations
2025-Jul-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09120-w
PMID:40640235
|
research paper | 提出了一种使用DEformable DEtection TRansformer (DE-DETR)的新方法,用于超声定位显微镜(ULM)中的微泡(MB)定位,以提高超分辨率成像的精度和召回率 | 利用DE-DETR网络处理超声成像中的动态点扩散函数(PSF)变化,并通过KDTree算法优化超分辨率图像 | 尽管在模拟和体内数据上表现良好,但深度学习模型在从模拟数据到体内数据的泛化能力上仍有挑战 | 解决超声定位显微镜中微泡定位的挑战,提高超分辨率成像的精度 | 气体微泡(MBs)在血管中的流动 | digital pathology | NA | 超声定位显微镜(ULM), KDTree算法 | DEformable DEtection TRansformer (DE-DETR) | 超声图像 | 模拟和体内数据 |