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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2024-09-15 |
Stacked ensemble learning based on deep convolutional neural networks for pediatric pneumonia diagnosis using chest X-ray images
2023, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-08099-z
PMID:36532883
|
研究论文 | 本文提出了一种基于深度卷积神经网络的堆叠集成学习模型,用于通过胸部X光图像诊断儿童肺炎 | 本文的创新点在于使用堆叠集成学习方法,结合深度学习特征提取和降维技术,提高了儿童肺炎诊断的准确性和效率 | 本文未提及模型的泛化能力和在不同数据集上的表现 | 开发一种快速且准确的计算机辅助检测模型,用于儿童肺炎的诊断 | 儿童肺炎的胸部X光图像 | 计算机视觉 | 儿童疾病 | 深度学习 | CNN | 图像 | 使用了公开的儿童肺炎数据集 | NA | NA | NA | NA |
| 1802 | 2024-09-15 |
NanoSNP: a progressive and haplotype-aware SNP caller on low-coverage nanopore sequencing data
2023-01-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac824
PMID:36548365
|
研究论文 | 本文介绍了一种基于深度学习的SNP检测方法NanoSNP,用于在低覆盖率的纳米孔测序数据中识别SNP位点 | NanoSNP设计了一个多步骤、多尺度和单倍型感知的SNP检测流程,结合了长程单倍型特征和短程堆叠特征,使用Bi-LSTM网络进行预测 | NanoSNP在覆盖率超过16×时性能与Clair3相当,但在更高覆盖率下可能不如Clair3 | 开发一种能够在低覆盖率纳米孔测序数据中有效检测SNP的方法 | 低覆盖率纳米孔测序数据中的SNP位点 | 生物信息学 | NA | 纳米孔测序 | Bi-LSTM | 测序数据 | 六个人类基因组(HG002-HG007) | NA | NA | NA | NA |
| 1803 | 2024-09-15 |
COVID-19 Lung CT image segmentation using localization and enhancement methods with U-Net
2023, Procedia computer science
DOI:10.1016/j.procs.2023.01.144
PMID:36743788
|
研究论文 | 本文提出了一种基于直方图非参数区域定位和增强方法的COVID-19肺部CT图像分割系统 | 本文创新性地将直方图非参数区域定位和增强方法应用于COVID-19肺部CT图像的预处理,显著提高了U-Net模型的分割能力 | NA | 研究目的是提高COVID-19肺部CT图像的分割精度,以便更准确地诊断疾病和评估患者病情 | COVID-19肺部CT图像 | 计算机视觉 | COVID-19 | 直方图非参数区域定位和增强方法 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 1804 | 2024-09-15 |
SCS-Net: An efficient and practical approach towards Face Mask Detection
2023, Procedia computer science
DOI:10.1016/j.procs.2023.01.165
PMID:36743793
|
研究论文 | 提出了一种轻量级的深度学习模型SCS-Net,用于解决口罩佩戴检测中的实际部署问题和错误佩戴口罩的识别问题 | 设计了一种新颖的深度学习架构,参数仅为0.12M,比现有模型减少了496倍;首次提出了包含大量错误佩戴口罩图像的数据集 | 未详细说明模型的泛化能力和在不同环境下的表现 | 开发一种高效且实用的深度学习模型,用于在实际环境中检测口罩佩戴情况 | 口罩佩戴检测和错误佩戴口罩的识别 | 计算机视觉 | NA | 深度学习 | SCS-Net | 图像 | 25296张合成设计的错误佩戴口罩图像 | NA | NA | NA | NA |
| 1805 | 2024-09-15 |
Not getting in too deep: A practical deep learning approach to routine crystallisation image classification
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0282562
PMID:36893084
|
研究论文 | 本文比较了四种广泛使用的卷积深度学习网络架构在常规结晶图像分类中的应用 | 通过组合不同分类器的优势,实现了与大型联盟倡议相当的分类准确性 | 使用了相对较小的训练集(约1.6万张图像) | 探索在常规结晶实验中使用深度学习进行图像分类的可行性 | 蛋白质结晶实验中的图像分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 约1.6万张图像 | NA | NA | NA | NA |
| 1806 | 2024-09-15 |
A deep graph convolutional neural network architecture for graph classification
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0279604
PMID:36897837
|
研究论文 | 提出了一种新的深度图卷积神经网络架构用于图分类任务 | 提出了非局部消息传递框架和新的空间图卷积层,解决了现有图卷积网络深度受限的问题 | NA | 解决现有图卷积网络深度受限的问题,提升图分类任务的性能 | 图卷积网络的深度和性能 | 机器学习 | NA | 图卷积网络 | 深度图卷积神经网络II (DGCNNII) | 图数据 | 基准图分类数据集 | NA | NA | NA | NA |
| 1807 | 2024-09-15 |
Deep learning-based EEG emotion recognition: Current trends and future perspectives
2023, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2023.1126994
PMID:36923142
|
综述 | 本文综述了基于深度学习的脑电图(EEG)情感识别的最新进展和未来展望 | 探讨了深度学习技术在EEG情感识别中的应用,包括深度信念网络、卷积神经网络和循环神经网络 | 未提及具体实验数据和模型性能评估 | 提供EEG情感识别领域的最新综述,特别是深度学习技术的应用 | 脑电图(EEG)情感识别 | 机器学习 | NA | 深度学习 | 深度信念网络、卷积神经网络、循环神经网络 | 脑电图(EEG) | NA | NA | NA | NA | NA |
| 1808 | 2024-09-15 |
Sleep staging in the ICU with heart rate variability and breathing signals. An exploratory cross-sectional study using deep neural networks
2023, Frontiers in network physiology
DOI:10.3389/fnetp.2023.1120390
PMID:36926545
|
研究论文 | 研究使用深度神经网络基于心率变异性和呼吸信号在重症监护病房(ICU)中进行睡眠分期 | 探索了使用心率变异性和呼吸信号结合人工智能方法在ICU中估计传统睡眠指标的可行性 | 研究样本量有限,且仅限于手术和内科ICU的患者 | 评估在ICU中使用心率变异性和呼吸信号进行睡眠分期的可行性 | 重症监护病房中的成年患者和睡眠实验室中的患者 | 机器学习 | NA | 深度学习 | 深度神经网络 | 心率变异性和呼吸信号 | 102名ICU患者和220名睡眠实验室患者 | NA | NA | NA | NA |
| 1809 | 2024-09-15 |
A deep learning-based framework for retinal fundus image enhancement
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0282416
PMID:36928209
|
研究论文 | 本文提出了一种基于深度学习的视网膜眼底图像增强框架,旨在提高低质量眼底图像的质量并去除复杂图像降解 | 本文提出了一种新的基于深度学习的模型,能够自动增强低质量视网膜眼底图像,并设计了定制的卷积神经网络架构来处理不同类型的图像降解 | 本文未详细讨论模型的泛化能力以及在不同数据集上的表现差异 | 创建一个自动化的视网膜黄斑图像增强框架,以提高低质量眼底图像的质量并去除复杂图像降解 | 低质量的视网膜眼底图像及其复杂降解 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 1068对高质量和低质量的视网膜眼底图像 | NA | NA | NA | NA |
| 1810 | 2024-09-15 |
Modelling blood flow in patients with heart valve disease using deep learning: A computationally efficient method to expand diagnostic capabilities in clinical routine
2023, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2023.1136935
PMID:36937926
|
研究论文 | 本文提出了一种基于深度学习的方法,用于计算主动脉和主动脉瓣狭窄患者中的压力和壁面剪切应力,以替代传统的计算流体动力学方法 | 使用深度学习算法替代传统的计算流体动力学方法,显著提高了计算效率和临床实用性 | NA | 开发一种计算效率高的方法,用于在临床实践中扩展基于血流建模的诊断和治疗支持能力 | 主动脉和主动脉瓣狭窄患者的血流动力学参数 | 机器学习 | 心血管疾病 | 深度学习 | 人工神经网络 | 图像 | 103个主动脉和主动脉瓣的表面模型,267个患者特定的稳态CFD模拟,23个测试案例 | NA | NA | NA | NA |
| 1811 | 2024-09-15 |
Retinal fluid is associated with cytokines of aqueous humor in age-related macular degeneration using automatic 3-dimensional quantification
2023, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2023.1157497
PMID:36968207
|
研究论文 | 研究通过自动三维量化技术探讨年龄相关性黄斑变性中视网膜液与房水中细胞因子的关联 | 使用深度学习Deeplabv3+自动量化OCT图像中的视网膜液体积,并分析其与房水中细胞因子浓度的相关性 | 样本量较小,仅涉及20名nAMD患者的三次临床访问数据 | 探讨房水中细胞因子在年龄相关性黄斑变性发病机制中的生物学作用 | 年龄相关性黄斑变性患者的视网膜液和房水细胞因子 | 数字病理学 | 年龄相关性黄斑变性 | 光相干断层扫描(OCT)、深度学习Deeplabv3+、Luminex技术 | Deeplabv3+ | 图像 | 20名nAMD患者的三次临床访问数据 | NA | NA | NA | NA |
| 1812 | 2024-09-15 |
Application of artificial intelligence in diagnosis and treatment of colorectal cancer: A novel Prospect
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1128084
PMID:36968824
|
综述 | 本文综述了人工智能在结直肠癌诊断和治疗中的最新进展 | 探讨了人工智能在结直肠癌早期筛查、生物标志物筛选、病理图像分析、辅助诊断系统、机器人手术和基因测序中的应用 | NA | 探讨人工智能在结直肠癌诊断和治疗中的应用前景 | 结直肠癌及其相关诊断和治疗技术 | 机器学习 | 结直肠癌 | NA | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1813 | 2024-09-15 |
End to End Multitask Joint Learning Model for Osteoporosis Classification in CT Images
2023, Computational intelligence and neuroscience
DOI:10.1155/2023/3018320
PMID:36970245
|
研究论文 | 本文提出了一种端到端的多任务联合学习模型,用于CT图像中的骨质疏松分类 | 本文创新性地提出了一个结合定位、分割和分类的联合学习框架,以提高骨质疏松诊断的准确性,并引入了边界热图回归分支和门控卷积模块来优化特征提取 | 本文未提及具体的局限性 | 开发一种高效且经济的骨质疏松诊断方法 | 骨质疏松的分类和诊断 | 计算机视觉 | 骨质疏松 | 深度学习 | 联合学习模型 | CT图像 | 自建数据集,测试数据集包含正常、骨质减少和骨质疏松三种标签类别,总体准确率为93.3% | NA | NA | NA | NA |
| 1814 | 2024-09-14 |
Superficial white matter analysis: An efficient point-cloud-based deep learning framework with supervised contrastive learning for consistent tractography parcellation across populations and dMRI acquisitions
2023-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102759
PMID:36706638
|
研究论文 | 提出了一种基于点云的深度学习框架,用于对浅层白质进行一致的束状图分割 | 采用点云网络和监督对比学习方法,提高了浅层白质束状图分割的准确性和一致性 | 未提及 | 开发一种高效且一致的浅层白质束状图分割方法 | 浅层白质束状图的分割 | 计算机视觉 | NA | 扩散MRI束状图 | 深度学习模型 | 图像 | 训练数据包括来自标记的长程和中程浅层白质簇的流线样本和解剖上不合理的流线样本,测试数据包括六个独立采集的不同年龄和健康状况的数据集 | NA | NA | NA | NA |
| 1815 | 2024-09-14 |
A dataset of COVID-19 x-ray chest images
2023-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.109000
PMID:36845649
|
研究论文 | 本文介绍了一个包含COVID-19确诊患者胸部X光图像的数据集 | 提供了用于开发自动检测COVID-19和区分COVID-19引起的肺炎与其他肺部疾病的胸部X光图像数据集 | 每个受试者仅包含一张胸部X光图像,可能限制了数据集的多样性 | 开发用于检测COVID-19和区分COVID-19引起的肺炎与其他肺部疾病的自动化方法 | COVID-19确诊患者的胸部X光图像 | 数字病理学 | COVID-19 | NA | NA | 图像 | 包含来自约旦北部一家医院的多日住院COVID-19确诊患者的胸部X光图像 | NA | NA | NA | NA |
| 1816 | 2024-09-14 |
A data set of earthquake bulletin and seismic waveforms for Ghana obtained by deep learning
2023-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.108969
PMID:36879614
|
研究论文 | 本文介绍了加纳数字地震网络(GHDSN)数据集,通过深度学习模型EQTransformer进行地震事件检测和相位拾取,并提供了地震波形和地震公报 | 利用深度学习模型EQTransformer进行地震事件检测和相位拾取,提供了一个包含地震波形和地震公报的数据集 | NA | 通过深度学习模型处理地震数据,提供地震事件检测和相位拾取的数据集 | 加纳数字地震网络(GHDSN)数据集中的地震事件和波形 | 地球科学 | NA | 深度学习 | EQTransformer | 地震波形 | 73次本地地震,包含559个到时(292个P相和267个S相) | NA | NA | NA | NA |
| 1817 | 2024-09-14 |
Neural network based formation of cognitive maps of semantic spaces and the putative emergence of abstract concepts
2023-03-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30307-6
PMID:36871003
|
研究论文 | 本文提出了一种基于神经网络的认知地图形成方法,用于模拟语义空间的认知过程,并探讨了抽象概念的潜在出现机制 | 本文提出了基于多尺度后继表示的神经网络模型,成功学习了不同动物物种之间的相似性,并构建了认知地图,为人工通用智能提供了新的工具 | 模型的准确率约为30%,接近理论最大值,但由于所有动物物种在特征空间中都有多个可能的后继,因此存在一定的局限性 | 研究如何通过神经网络形成认知地图,并探讨抽象概念的潜在出现机制 | 32种不同动物物种的特征向量 | 机器学习 | NA | 神经网络 | 多尺度后继表示 | 特征向量 | 32种动物物种 | NA | NA | NA | NA |
| 1818 | 2024-09-14 |
Neural networks contribution in face mask detection to reduce the spread of COVID-19
2023-Mar-04, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-14920-1
PMID:37362662
|
研究论文 | 本文提出了一种基于脉冲耦合神经网络和全连接神经网络的口罩检测方法,以减少COVID-19的传播 | 结合了脉冲耦合神经网络和全连接神经网络,通过几何模块、特征提取模块和决策模块的三步处理,实现了高效的口罩检测 | 准确率在不同数据集上有所波动,且最低计算时间未明确 | 开发一种高效的口罩检测方法,以防止病毒传播 | 口罩检测系统及其在不同数据集上的性能 | 计算机视觉 | NA | 脉冲耦合神经网络,全连接神经网络 | 神经网络 | 图像 | 使用了多个数据集,包括Kaggle、AIZOO、Moxa3K、Real-World Masked Face Dataset、Medical Masks Dataset和Face Mask Dataset | NA | NA | NA | NA |
| 1819 | 2024-09-14 |
Deep learning for face mask detection: a survey
2023-Mar-04, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-023-14686-6
PMID:37362645
|
综述 | 本文综述了在新冠疫情期间使用深度学习进行口罩检测的研究进展 | 本文总结了现有的口罩检测技术及其性能,并提出了改进方向 | 本文主要总结了现有研究的局限性,并提出了改进建议 | 本文旨在为研究人员提供一个更广泛的视角,以识别新冠疫情期间口罩检测(目标检测)中的模式和趋势 | 本文综述了口罩检测技术的研究对象,包括各种数据集和方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1820 | 2024-09-14 |
Iodine maps derived from sparse-view kV-switching dual-energy CT equipped with a deep learning reconstruction for diagnosis of hepatocellular carcinoma
2023-03-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-30460-y
PMID:36869102
|
研究论文 | 本文研究了基于深度学习的能谱CT成像技术在肝细胞癌诊断中的应用 | 提出了一种基于深度学习的能谱CT成像技术,通过级联深度学习重建方法填补了正弦图空间中缺失的视图,并提高了图像质量 | 在小直径模块或碘浓度较低的情况下,碘定量可能会导致低估 | 评估基于深度学习的能谱CT成像技术生成的碘图在肝细胞癌诊断中的临床效用 | 肝细胞癌患者和模拟研究中的碘浓度 | 计算机视觉 | 肝癌 | 能谱CT成像 | CNN | 图像 | 52名肝细胞癌患者和模拟研究中的碘浓度模块 | NA | NA | NA | NA |