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(使用关键词“['deep learning']”过滤),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19.9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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-10-05 |
Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa
2023-11-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.14.31
PMID:37988107
|
研究论文 | 本研究利用深度学习模型辅助测量三维光感受器外节指标,评估RPGR相关X连锁视网膜色素变性的纵向变化 | 首次结合深度学习模型对RPGR相关X连锁视网膜色素变性进行三维光感受器外节指标的纵向变化分析 | 样本量较小(34例患者),回顾性研究设计 | 评估RPGR相关X连锁视网膜色素变性中光感受器外节指标的纵向变化及其相关因素 | 34名RPGR相关X连锁视网膜色素变性男性患者 | 数字病理学 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习模型 | 三维光学相干断层扫描图像 | 34名男性患者,具有约2年或更长的随访期 | NA | NA | 线性混合效应模型P值 | NA |
| 462 | 2025-10-05 |
Machine Learning-Based Prediction of Abdominal Subcutaneous Fat Thickness During Pregnancy
2023-11, Metabolic syndrome and related disorders
IF:1.3Q4
DOI:10.1089/met.2023.0043
PMID:37669001
|
研究论文 | 开发基于机器学习的孕期腹部皮下脂肪厚度预测模型 | 首次使用三种机器学习算法(深度学习、随机森林、支持向量机)预测孕妇不同孕期的腹部皮下脂肪厚度 | 样本量有限(354例),未说明模型验证方法 | 预测孕妇腹部皮下脂肪厚度以评估皮下注射安全性 | 孕妇腹部皮下脂肪厚度 | 机器学习 | 妊娠期糖尿病 | NA | 深度学习, 随机森林, 支持向量机 | 临床测量数据 | 354例孕妇 | SPSS, RapidMiner | NA | NA | NA |
| 463 | 2025-10-05 |
Deep learning for metabolic pathway design
2023-11, Metabolic engineering
IF:6.8Q1
DOI:10.1016/j.ymben.2023.09.012
PMID:37734652
|
综述 | 本文评估了深度学习在代谢通路设计中的应用及其对生物基循环经济的推动作用 | 系统探讨了深度学习技术在代谢通路预测和酶发现领域的最新进展 | 未涉及具体实验验证和实际应用案例 | 评估数字策略在代谢通路设计和微生物细胞工厂开发中的应用 | 代谢通路设计工具和微生物细胞工厂 | 机器学习 | NA | 深度学习 | NA | 化学和代谢域数据 | NA | NA | NA | NA | NA |
| 464 | 2025-10-05 |
Design and implementation of a smart Internet of Things chest pain center based on deep learning
2023-10-10, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023840
PMID:38052586
|
研究论文 | 设计并实现了一个基于深度学习的智能物联网胸痛中心系统,通过院前应用、UWB定位和院内治疗实现智能化胸痛管理 | 结合物联网三层架构与BiLSTM-CRF算法,实现胸痛患者电子病历信息的自动提取和智能化管理 | 仅在一家医院(辽宁省人民医院)进行应用验证,缺乏多中心验证数据 | 解决传统胸痛中心数据输入不智能、处理时间长、错误率高的问题 | 胸痛患者及其电子医疗记录 | 自然语言处理 | 心血管疾病 | 物联网技术、UWB定位技术 | BiLSTM, CRF | 电子医疗记录文本数据 | NA | NA | BiLSTM-CRF | NA | NA |
| 465 | 2025-10-05 |
ECA-TFUnet: A U-shaped CNN-Transformer network with efficient channel attention for organ segmentation in anatomical sectional images of canines
2023-10-07, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023827
PMID:38052573
|
研究论文 | 提出一种结合CNN和Transformer的U型网络ECA-TFUnet,用于犬类解剖断面图像的器官分割 | 在U-Net网络的首个跳跃连接层集成Transformer模块以学习全局依赖关系,并引入高效通道注意力机制关注重要通道信息 | 未明确说明模型在复杂解剖结构或不同犬种间的泛化能力 | 开发自动器官分割方法以替代耗时的人工标注 | 犬类解剖断面图像中的器官 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | NA | NA | U-Net, Transformer, Efficient Channel Attention | IoU | NA |
| 466 | 2025-10-05 |
Displacement of the Lamina Cribrosa With Acute Intraocular Pressure Increase in Brain-Dead Organ Donors
2023-12-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.15.19
PMID:38099735
|
研究论文 | 本研究通过光学相干断层扫描技术探究脑死亡器官捐献者眼压急性升高时视神经头深层组织的变形情况 | 首次在脑死亡器官捐献者中系统量化不同参考平面对筛板位移测量的影响,并发现筛板位移随年龄增长而减小的现象 | 样本量有限(26只眼),研究对象为脑死亡器官捐献者,可能不能完全代表健康人群的生理反应 | 研究急性眼压升高对视神经头深层组织变形的影响 | 脑死亡器官捐献者的眼睛 | 医学影像分析 | 眼科疾病 | 光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 20名脑死亡器官捐献者的26只眼睛(年龄范围22-62岁,中位年龄43岁) | NA | NA | P值 | NA |
| 467 | 2025-10-05 |
A multimodal deep learning model to infer cell-type-specific functional gene networks
2023-Feb-14, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05146-x
PMID:36788477
|
研究论文 | 开发了一种多模态深度学习模型来预测人脑中细胞类型特异性功能基因网络 | 首次整合单核基因表达数据和全局蛋白质相互作用网络来构建细胞类型特异性功能基因网络 | 目前仅应用于人脑组织,尚未验证在其他组织中的适用性 | 预测细胞类型特异性功能基因网络以理解基因在特定细胞类型中的功能关系 | 人脑中的不同细胞类型及其功能基因网络 | 生物信息学 | 自闭症,阿尔茨海默病 | 单核RNA测序,蛋白质相互作用网络分析 | 多模态深度学习,CNN,boosting tree | 基因表达数据,蛋白质相互作用数据 | NA | NA | MDLCN,CNN | ROC曲线下面积,精确召回曲线下面积 | NA |
| 468 | 2025-10-05 |
A Two-Stage Automatic System for Detection of Interictal Epileptiform Discharges from Scalp Electroencephalograms
2023-11, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0111-23.2023
PMID:37914407
|
研究论文 | 开发基于深度学习的自动系统,用于从头皮脑电图中检测发作间期癫痫样放电 | 提出结合时序卷积网络的IED检测器和新型双蒙太奇决策机制的两阶段自动检测系统 | 仅使用484份头皮脑电图记录,样本规模有限 | 开发性能可靠的自动IED检测系统以辅助临床脑电图解读 | 头皮脑电图中的发作间期癫痫样放电 | 医疗信号处理 | 癫痫 | 脑电图 | 深度神经网络 | 脑电图信号 | 484份头皮脑电图记录(406训练,78测试) | NA | 时序卷积网络, 深度神经网络 | AUPRC, 假阳性率, F1分数, kappa一致性分数 | NA |
| 469 | 2025-10-05 |
Versatile recognition of graphene layers from optical images under controlled illumination through green channel correlation method
2023-Aug-17, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ace979
PMID:37478831
|
研究论文 | 提出一种基于绿色通道相关性的方法,从光学图像中识别氧化基底上剥离石墨烯的层数 | 利用绿色通道相关性替代传统深度学习方法和显微分析,仅需少量训练图像即可实现石墨烯层数识别 | 需要在周围光线对样品影响最小的条件下工作,对非均匀光照条件的适应性有限 | 开发快速、低成本的非破坏性石墨烯层数识别方法 | 氧化基底上的剥离石墨烯样品 | 计算机视觉 | NA | 光学成像 | NA | 图像 | 少量训练图像配合数千张GitHub测试图像 | NA | NA | NA | NA |
| 470 | 2025-10-05 |
BTCRSleep: a boundary temporal context refinement-based fully convolutional network for sleep staging with single-channel EEG
2023-07-13, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/acdb46
PMID:37267988
|
研究论文 | 提出一种基于边界时序上下文优化的全卷积网络BTCRSleep,用于单通道脑电信号的睡眠分期 | 引入边界时序上下文优化模块,捕获睡眠阶段转换时的脑电波特征,解决传统方法在跨时段脑电波特征提取中的边界信息丢失问题 | NA | 提高单通道脑电信号睡眠分期的性能 | 睡眠脑电信号 | 医疗人工智能 | 睡眠障碍 | 脑电图(EEG) | 全卷积网络 | 单通道脑电信号 | 四个公共数据集:Sleep-EDF Expanded 2013版和2018版、Sleep Heart Health Study、CAP Sleep Database | NA | 全卷积网络 | 准确率,kappa分数 | NA |
| 471 | 2025-10-05 |
CS-based multi-task learning network for arrhythmia reconstruction and classification using ECG signals
2023-07-05, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/acdfb5
PMID:37336244
|
研究论文 | 提出一种结合压缩感知与卷积神经网络的多任务网络CSML-Net,用于心电信号的压缩重建与心律失常分类 | 首次将压缩感知与深度学习结合,在压缩域同时实现心电信号重建和心律失常分类的多任务学习框架 | 仅在MIT-BIH心律失常数据集上进行验证,未在其他数据集测试泛化能力 | 解决长期ECG监测产生的大量数据对有限带宽和实时系统的挑战 | 心电图信号和心律失常分类 | 机器学习 | 心血管疾病 | 压缩感知技术 | CNN | 心电信号 | MIT-BIH心律失常数据集 | NA | 多尺度特征模块的多任务网络 | 重建质量, 分类性能 | NA |
| 472 | 2025-10-06 |
A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI
2023-12, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2023.09.007
PMID:37776961
|
研究论文 | 提出一种基于深度学习图像分析的肾脏灌注自动估计方法 | 使用无对比剂伪连续动脉自旋标记MRI图像进行肾脏移植评估和灌注估计 | 仅使用16名移植患者数据进行实验,样本量较小 | 开发肾脏灌注自动估计方法用于移植后评估 | 肾脏移植患者的肾脏组织 | 医学影像分析 | 肾脏疾病 | 伪连续动脉自旋标记(PCASL) MRI,T加权MRI | 深度学习 | MRI图像 | 16名移植患者 | NA | NA | Dice相似系数 | NA |
| 473 | 2025-10-06 |
Physics-informed deep learning for T2-deblurred superresolution turbo spin echo MRI
2023-12, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29814
PMID:37578085
|
研究论文 | 提出一种融合物理信息的深度学习超分辨率方法,用于T2去模糊的涡轮自旋回波MRI图像重建 | 首次在深度学习超分辨率中引入物理真实的T2权重退化模型,改进了传统k空间截断方法的局限性 | 方法主要针对涡轮自旋回波MRI序列,在其他MRI序列上的适用性需要进一步验证 | 开发能够加速MRI扫描时间的超分辨率重建方法 | 基因工程小鼠胚胎模型的涡轮自旋回波MRI图像 | 医学影像分析 | NA | 涡轮自旋回波MRI | GAN | MRI图像 | 6-7个小鼠胚胎的500层图像体积 | NA | 生成对抗网络 | 定量成像指标, 专家评分 | NA |
| 474 | 2025-10-06 |
Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models
2023-11-29, The Journal of clinical psychiatry
IF:4.5Q1
DOI:10.4088/JCP.23m14962
PMID:38019588
|
研究论文 | 本研究开发了一个可解释的预测模型,利用社交媒体图像预测临床有效的自杀风险 | 首次证明公开可用的图像可用于预测经过验证的自杀风险,结合理论驱动特征与自下而上方法,提供简单灵活的策略 | 数据来源于2018年特定时间段,样本量相对有限,仅基于Facebook用户数据 | 开发可解释的自杀风险预测模型,解决现有AI方法的黑箱问题 | 841名Facebook用户上传的177,220张图像 | 多模态学习 | 心理健康疾病 | 对比语言-图像预训练(CLIP) | 逻辑回归,深度学习 | 图像 | 841名用户,177,220张图像 | CLIP | CLIP,逻辑回归 | AUC, Cohen's d | NA |
| 475 | 2025-10-06 |
Application of artificial intelligence in the diagnosis of hepatocellular carcinoma
2023-Sep, eGastroenterology
DOI:10.1136/egastro-2023-100002
PMID:39944000
|
综述 | 探讨人工智能在肝细胞癌放射学诊断中的最新应用进展 | 系统总结AI在HCC放射诊断中的优势,包括降低诊断变异性和优化数据分析 | 尚未在临床实践中常规应用,需要进一步研究和验证 | 评估人工智能在肝细胞癌诊断中的应用价值 | 肝细胞癌患者的放射学影像数据 | 计算机视觉 | 肝癌 | 放射学成像 | 深度学习,神经网络 | 医学影像 | NA | NA | NA | NA | NA |
| 476 | 2025-10-06 |
Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies
2023-09, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2023.05.006
PMID:37209993
|
研究论文 | 比较骨关节炎研究中不平衡影像数据深度学习评估指标的适用性 | 首次系统比较不同类别不平衡程度下ROC和PR曲线等评估指标在骨关节炎深度学习研究中的表现差异 | 仅基于单一数据集(骨关节炎倡议研究)的MRI数据,未验证其他类型医学影像数据 | 评估深度学习模型在不平衡医学影像数据中的性能表现 | 骨关节炎患者的膝关节MRI影像和骨髓病变检测 | 计算机视觉 | 骨关节炎 | MRI成像 | 深度学习 | 医学影像 | 2467名参与者的2996个膝关节MRI | NA | NA | ROC-AUC, PR-AUC, 敏感性, 特异性 | NA |
| 477 | 2025-10-06 |
Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training
2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI53787.2023.10230515
PMID:39253557
|
研究论文 | 本研究探讨使用证据神经网络和不确定性感知训练来改善深度学习模型校准性能 | 首次将证据神经网络和不确定性感知训练结合使用,并在复杂医学影像任务中验证其对模型校准的改进效果 | 仅在两个分类任务上进行实验,需要更多任务验证通用性 | 改善深度学习模型在医学影像分类中的校准性能,提高临床医生对模型的信任度 | MNIST手写数字和相位对比心脏磁共振图像的伪影检测 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | NA | NA | 证据神经网络 | 模型校准指标 | NA |
| 478 | 2025-10-06 |
Predictive modelling of brain disorders with magnetic resonance imaging: A systematic review of modelling practices, transparency, and interpretability in the use of convolutional neural networks
2023-12-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26521
PMID:37909364
|
系统综述 | 对使用卷积神经网络和MRI数据进行脑部疾病预测建模的研究实践、透明度和可解释性进行系统性评估 | 首次系统评估脑部疾病CNN预测建模的方法学差异,并提出改善临床整合的具体建议 | 仅纳入55项研究,可能未涵盖所有相关文献;定性分析可能受主观判断影响 | 评估基于CNN的脑部疾病MRI预测建模的方法学质量并提出改进建议 | 55项使用CNN和MRI数据进行脑部疾病预测建模的研究 | 医学影像分析 | 脑部疾病 | 结构磁共振成像 | CNN | MRI图像 | NA | NA | NA | NA | NA |
| 479 | 2025-10-06 |
Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images
2023-12, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231220664
PMID:38279511
|
研究论文 | 本研究构建并评估了一个基于超声图像的深度学习模型,用于准确区分良恶性甲状腺结节 | 首次将深度学习模型与80名放射科医生进行诊断性能比较,并利用Grad-CAM可视化模型决策过程以增强可解释性 | 诊断准确率有待进一步提高,需要在初级医疗机构中验证辅助诊断价值 | 开发能够准确区分良恶性甲状腺结节的AI诊断工具 | 甲状腺结节的超声图像 | 计算机视觉 | 甲状腺结节 | 超声成像 | CNN | 图像 | 655个独立甲状腺结节的2096张超声图像,独立测试集包含100例 | NA | ResNet | 灵敏度, 特异度, 准确率 | NA |
| 480 | 2025-10-06 |
Deep learning with citizen science data enables estimation of species diversity and composition at continental extents
2023-12, Ecology
IF:4.4Q1
DOI:10.1002/ecy.4175
PMID:37781963
|
研究论文 | 利用深度学习框架分析公民科学数据,实现大陆尺度物种多样性和组成的估算 | 首次采用深度推理网络实现深度多元概率模型,结合大规模观测和环境数据集进行全年候分析 | NA | 为生态研究和保护决策提供准确、高分辨率的生物多样性信息 | 北美鸟类群落,特别是北美林莺类保护群体 | 机器学习 | NA | 公民科学数据收集,环境变量分析 | 深度神经网络 | 观测数据,环境数据 | 超过900万份eBird检查清单,72个环境协变量 | DMVP-DRNets | 深度推理网络,深度多元概率模型 | NA | NA |