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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1841 | 2025-10-07 |
Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug-in modules
2024-Aug-13, Knee surgery & related research
IF:4.1Q1
DOI:10.1186/s43019-024-00228-3
PMID:39138550
|
研究论文 | 开发了一种基于插件模块的深度学习模型,用于自动分类膝关节骨关节炎的X线严重程度 | 首次将插件模块集成到深度学习网络中用于膝关节骨关节炎的细粒度分类,通过集成四个不同的插件模块提高了分类精度 | 未来仍需改进,某些KL分级准确率较低(如KL 1级仅为43%) | 开发自动膝关节骨关节炎严重程度分类模型 | 膝关节X线影像 | 计算机视觉 | 骨关节炎 | 深度学习 | CNN, Transformer | X线图像 | 训练集:骨关节炎倡议数据集;测试集:多中心骨关节炎研究数据集(17,040例) | NA | 插件模块集成模型 | 准确率 | NA |
| 1842 | 2025-10-07 |
Automated cooling tower detection through deep learning for Legionnaires' disease outbreak investigations: a model development and validation study
2024-Jul, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00094-3
PMID:38906615
|
研究论文 | 开发并验证了用于自动检测冷却塔的深度学习计算机视觉模型,以辅助军团病疫情调查 | 首次将两阶段深度学习模型(YOLOv5+EfficientNet-b5)应用于冷却塔的自动检测,显著提高了疫情调查效率 | 模型在未见过的城市性能有所下降,且依赖空中可见的冷却塔 | 开发自动检测冷却塔的深度学习模型,加速军团病疫情调查和源头控制 | 空中可见的冷却塔 | 计算机视觉 | 军团病 | 卫星图像分析 | 深度学习 | 卫星图像 | 2051张图像包含7292个冷却塔,测试集548张图像 | PyTorch | YOLOv5, EfficientNet-b5 | 灵敏度, 阳性预测值 | NA |
| 1843 | 2025-10-07 |
DMAF-Net: deformable multi-scale adaptive fusion network for dental structure detection with panoramic radiographs
2024-06-28, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae014
PMID:38518093
|
研究论文 | 提出一种可变形多尺度自适应融合网络用于全景X光片中的牙齿结构检测 | 改进了YOLO网络,提出不同模块增强特征提取能力,采用自适应空间特征融合解决不同特征层尺度不匹配问题 | NA | 提高全景X光片中牙齿结构问题检测的准确性 | 牙齿的五种情况:阻生牙、缺失牙、种植体、冠修复和根管治疗牙 | 计算机视觉 | 牙齿疾病 | 全景X光成像 | YOLO | 图像 | 1474张全景X光片,按7:2:1比例分为训练集、验证集和测试集 | NA | DMAF-Net | 精确率, 召回率, mAP0.5, mAP[0.5:0.95] | NA |
| 1844 | 2025-10-07 |
Development and external validation of deep learning clinical prediction models using variable-length time series data
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae088
PMID:38679906
|
研究论文 | 开发并外部验证用于变长时间序列临床预测的深度学习模型 | 比较了多种深度学习架构和数据转换方法在变长时间序列数据上的表现,并通过外部验证确认LSTM/GRU架构与PLE-DT数据转换的组合在临床预测任务中表现最佳 | 研究为回顾性研究,仅使用两个医疗中心的数据进行训练和测试 | 比较和外部验证深度学习模型在变长时间序列临床预测任务中的性能 | 医院住院患者数据 | 机器学习 | 临床恶化、急性肾损伤、疑似感染 | NA | LSTM, GRU, 时序卷积网络, CNN | 变长时间序列数据 | 训练集373,825例住院,测试集256,128例住院 | NA | LSTM/GRU, 时序卷积网络, TDW-CNN | AUPRC, AUROC | NA |
| 1845 | 2025-10-07 |
Improving resolution of panoramic radiographs: super-resolution concept
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae009
PMID:38483289
|
研究论文 | 本研究利用深度学习超分辨率技术提升牙科全景X光片的分辨率 | 首次在牙科全景X光片领域系统比较四种先进的超分辨率深度学习模型 | 性能随图像缩放比例增加而下降,未在临床环境中验证 | 通过超分辨率技术提升牙科全景X光片的分辨率和质量 | 牙科全景X光片 | 计算机视觉 | 牙科疾病 | 深度学习超分辨率 | CNN, GAN, Autoencoder | 医学影像 | 1714张全景X光片(训练集1364张,测试集350张) | NA | SRCNN, Efficient Sub-Pixel CNN, Super-Resolution GAN, Autoencoder | SSIM, PSNR | NA |
| 1846 | 2025-10-07 |
Artificial intelligence system for automatic maxillary sinus segmentation on cone beam computed tomography images
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae012
PMID:38502963
|
研究论文 | 开发基于nnU-Net v2的AI模型用于锥形束CT图像中上颌窦的自动分割 | 首次应用nnU-Net v2框架实现上颌窦在CBCT图像中的自动分割 | 样本量相对较小(仅101例CBCT扫描),缺乏外部验证 | 开发自动分割上颌窦的AI模型并评估其性能 | 锥形束CT图像中的上颌窦区域 | 计算机视觉 | NA | 锥形束计算机断层扫描 | 深度学习 | 医学图像 | 101例CBCT扫描(80训练,11验证,10测试) | nnU-Net v2 | nnU-Net | F1分数, 准确率, 灵敏度, 精确度, AUC, Dice系数, 95% Hausdorff距离, IoU | NA |
| 1847 | 2025-10-07 |
An Intelligent Channel Estimation Algorithm Based on Extended Model for 5G-V2X
2024-04, Big data
IF:2.6Q2
DOI:10.1089/big.2022.0029
PMID:36848263
|
研究论文 | 提出一种基于扩展模型和深度学习的5G-V2X智能信道估计算法 | 基于信道脉冲响应稀疏性建立高速移动场景扩展模型,设计多层CNN完成频域插值和双向GRU进行时域状态预测,引入速度和多径参数提升训练精度 | NA | 提高车联网系统信道估计精度并降低误码率 | 5G-V2X通信系统 | 机器学习 | NA | 深度学习 | CNN, GRU | 信道数据 | NA | NA | 多层卷积神经网络, 双向门控循环单元 | 信道估计精度, 误码率 | NA |
| 1848 | 2025-10-07 |
Development and validation of a deep learning system for detection of small bowel pathologies in capsule endoscopy: a pilot study in a Singapore institution
2024-03-01, Singapore medical journal
IF:1.7Q2
|
研究论文 | 开发并验证用于胶囊内窥镜中小肠病理检测的深度学习系统 | 首次针对新加坡医疗场景开发的胶囊内窥镜深度学习检测系统,结合了开源数据和本地数据 | 样本量较小(总72例),属于初步研究阶段 | 开发能够自动检测小肠胶囊内窥镜图像中异常的深度学习系统 | 胶囊内窥镜图像中的小肠病理异常 | 计算机视觉 | 小肠疾病 | 胶囊内窥镜成像 | CNN | 图像 | 开源数据43例 + 本地数据29例 = 总72例 | NA | ResNet50 | AUC, PR曲线, top-1准确率, top-2准确率 | NA |
| 1849 | 2025-04-29 |
Deep learning-based classification of gallbladder lesions in patients with non-diagnostic (GB-RADS 0) ultrasound
2024-Dec, Clinical and experimental hepatology
IF:1.5Q3
DOI:10.5114/ceh.2024.145424
PMID:40290528
|
研究论文 | 本研究评估了深度学习模型在非诊断性超声图像中对胆囊病变进行分类的诊断性能 | 首次在非诊断性胆囊超声图像中应用多种深度学习模型(包括CNN、Transformer及混合模型)进行良恶性分类 | 模型性能仍需进一步提升以达到临床应用标准,测试样本量较小(26名患者) | 提高非诊断性胆囊超声(GB-RADS 0)中病变的良恶性分类准确性 | 因胆囊因素导致超声检查非诊断性的患者 | 数字病理 | 胆囊疾病 | 超声成像 | ResNet50, GBCNet, ViT, RadFormer, MedViT | 图像 | 训练集1004张图像,验证集251张图像,测试集26名患者(304张图像) | NA | NA | NA | NA |
| 1850 | 2025-10-07 |
Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers
2024-Dec-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae732
PMID:39657956
|
研究论文 | 本研究利用自编码器从视网膜光学相干断层扫描图像中提取表型特征,并通过全基因组关联分析识别影响视网膜形态的遗传位点 | 首次将自编码器深度学习方法应用于视网膜OCT图像的表型分析,发现了传统临床特征未能捕捉的遗传关联 | 研究样本仅来自UK Biobank数据库,可能存在人群代表性限制 | 探索深度学习能否检测视网膜图像中更细微的变异模式,并识别相关的遗传因素 | 31,135名UK Biobank参与者的视网膜OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | 自编码器 | 医学图像 | 31,135名参与者 | NA | 自编码器 | 统计显著性 | NA |
| 1851 | 2025-10-07 |
Classification of rib fracture types from postmortem computed tomography images using deep learning
2024-Dec, Forensic science, medicine, and pathology
DOI:10.1007/s12024-023-00751-x
PMID:37968549
|
研究论文 | 本研究开发基于深度学习的模型,用于从死后计算机断层扫描图像中分类肋骨骨折类型 | 首次将ResNet50架构应用于PMCT图像的肋骨骨折多级分类,并采用分层分类方法 | 对'ad latus'类型骨折的识别率较低(17-18%),在较低层级分类时性能下降 | 开发辅助临床医生进行医学图像诊断的深度学习系统 | 死后计算机断层扫描(PMCT)图像中的肋骨骨折 | 计算机视觉 | 骨骼损伤 | 计算机断层扫描(CT) | CNN | 图像 | NA | NA | ResNet50 | 准确率 | NA |
| 1852 | 2025-10-07 |
BEAS-Net: A Shape-Prior-Based Deep Convolutional Neural Network for Robust Left Ventricular Segmentation in 2-D Echocardiography
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3418030
PMID:38913532
|
研究论文 | 提出一种基于形状先验的深度卷积神经网络BEAS-Net,用于2D超声心动图中左心室的鲁棒分割 | 将BEAS算法生成的解剖形状先验信息与卷积层编码的图像特征相结合,提升对伪影或低质量图像的分割鲁棒性 | 未明确说明模型在极端图像质量下的性能边界和计算效率 | 开发能够处理低质量超声图像的左心室自动分割方法 | 2D超声心动图中的左心室结构 | 计算机视觉 | 心血管疾病 | 超声心动图 | CNN | 图像 | 三个不同的体内数据集 | NA | BEAS-Net, U-Net | 分割精度 | NA |
| 1853 | 2025-10-07 |
Single-Molecule Identification and Quantification of Steviol Glycosides with a Deep Learning-Powered Nanopore Sensor
2024-09-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c07038
PMID:39189792
|
研究论文 | 本研究开发了一种基于深度学习的气溶素纳米孔传感器,用于单分子水平识别和定量甜菊糖苷 | 利用野生型气溶素纳米孔通过调节电压产生的电渗流效应区分不同甜菊糖苷物种,并首次结合深度学习模型实现单分子自动识别 | 仅测试了15种甜菊糖苷物种,样本规模有限 | 开发精确识别和定量复杂甜菊糖苷结构的方法 | 甜菊糖苷(一类高甜度无热量天然甜味剂) | 生物传感 | NA | 纳米孔传感技术 | 深度学习模型 | 纳米孔电信号数据 | 15种甜菊糖苷物种 | NA | NA | 识别精度,定量准确性 | NA |
| 1854 | 2025-10-07 |
Deep Learning-Based Kinetic Analysis in Paper-Based Analytical Cartridges Integrated with Field-Effect Transistors
2024-09-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c02897
PMID:39252606
|
研究论文 | 本研究结合场效应晶体管、纸基分析盒和深度学习技术,开发了一种用于定量生物传感的动力学分析方法 | 首次将场效应晶体管、纸基分析盒与深度学习相结合,通过动力学分析解决传统生物传感器的灵敏度低和样品基质干扰问题 | 目前仅为概念验证研究,需要进一步验证其在更广泛应用场景中的性能 | 开发一种经济高效、易于使用的即时诊断和家庭检测生物传感平台 | 胆固醇检测 | 机器学习 | 心血管疾病 | 场效应晶体管传感,纸基分析技术 | 深度学习 | 动力学电信号数据 | NA | NA | NA | 变异系数,相关系数(r值) | NA |
| 1855 | 2025-10-07 |
High-Throughput and Integrated CRISPR/Cas12a-Based Molecular Diagnosis Using a Deep Learning Enabled Microfluidic System
2024-09-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c05734
PMID:39173188
|
研究论文 | 开发了一种基于CRISPR/Cas12a和深度学习的高通量微流控系统,用于快速检测SARS-CoV-2及其变异株 | 结合微流控技术、自研试剂和深度学习原型设备,实现了96样本/轮次的高通量检测,检测限低至250拷贝/mL | 样本规模有限(72个临床样本),需进一步验证系统普适性 | 开发高效集成的病原体分子诊断系统 | SARS-CoV-2病毒及其变异株 | 数字病理 | COVID-19 | CRISPR/Cas12a, RT-LAMP, 微流控技术 | 深度学习 | 分子检测数据 | 72个临床样本(22个野生型,26个突变型,24个阴性) | NA | NA | 准确率 | NA |
| 1856 | 2025-04-27 |
CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation
2024-Dec, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70041
PMID:39601250
|
research paper | 本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数 | 首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果,并利用深度学习算法自动计算CT影像中的肺和胸腔体积 | 研究为回顾性设计,样本量相对较小(92例患者) | 评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素 | 92例接受双侧肺移植的系统性硬化症患者 | digital pathology | systemic sclerosis | CT成像和深度学习算法 | 深度学习算法(未指定具体模型) | CT影像和临床数据 | 92例系统性硬化症患者(年龄51±10岁,61%为女性) | NA | NA | NA | NA |
| 1857 | 2025-10-07 |
High-throughput optimized prime editing mediated endogenous protein tagging for pooled imaging of protein localization
2024-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.16.613361
PMID:39345511
|
研究论文 | 开发了一种基于prime editing的高通量内源蛋白标记方法,用于并行研究蛋白质亚细胞定位 | 首次将prime editing与光学读出和测序结合,实现大规模蛋白质亚细胞定位的准确测量 | 仅验证了60种蛋白质的标记效率,尚未在不同细胞类型和环境扰动中广泛验证 | 开发能够大规模测量蛋白质亚细胞定位的技术方法 | 60种具有不同定位模式的内源蛋白质 | 计算生物学 | NA | prime editing, 原位pegRNA测序, 高通量深度学习图像分析 | 深度学习 | 图像, 测序数据 | 17,280个pegRNAs设计的文库,覆盖60种蛋白质 | NA | NA | 标记效率预测准确性 | NA |
| 1858 | 2025-10-07 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2024-Mar-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.15.24301011
PMID:38293023
|
研究论文 | 本研究评估了两种肥厚型心肌病治疗方法对基于深度学习的AI-ECG检测指标的影响 | 首次使用AI-ECG模型评估不同HCM治疗方法(手术/经皮室间隔减容术与口服药物马瓦卡坦)对心电图生物标志物的影响 | 样本量相对有限,特别是马瓦卡坦治疗组仅36例患者,且为观察性研究 | 评估室间隔减容术和马瓦卡坦治疗对AI-ECG肥厚型心肌病检测指标的影响 | 接受室间隔减容术或马瓦卡坦治疗的肥厚型心肌病患者 | 医疗人工智能 | 心血管疾病 | 人工智能增强心电图 | 深度学习 | 心电图图像 | SRT组:耶鲁70例,克利夫兰100例,大西洋健康系统145例;马瓦卡坦组:耶鲁36例 | NA | NA | AI-ECG HCM评分,Wilcoxon符号秩检验 | NA |
| 1859 | 2025-10-07 |
EvoAI enables extreme compression and reconstruction of the protein sequence space
2024-Feb-23, Research square
DOI:10.21203/rs.3.rs-3930833/v1
PMID:38464127
|
研究论文 | 开发了一种名为EvoAI的混合实验计算方法,能够极端压缩和重建蛋白质序列空间 | 结合EvoScan方法获取锚点和深度学习模型重建序列空间,无需同源或结构信息即可预测新型高适应性序列 | 方法依赖于能够与转录输出耦合的生物分子功能 | 探索蛋白质序列与功能关系,实现蛋白质序列空间的压缩和重建 | 阻遏蛋白及其高适应性序列空间 | 机器学习 | NA | 转录输出耦合技术 | 深度学习模型,大语言模型 | 蛋白质序列数据 | 82个锚点 | NA | NA | 压缩比 | NA |
| 1860 | 2025-10-07 |
Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes
2024-Sep-13, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzae043
PMID:39317944
|
研究论文 | 比较七种RNA二级结构预测工具在自切割核酶序列上的预测准确性 | 首次系统评估包括深度学习方法在内的多种RNA结构预测工具在不同复杂度任务中的表现 | 仅针对特定类别的自切割核酶序列进行评估,结果可能不适用于其他RNA类型 | 评估不同计算工具在预测RNA二级结构方面的性能差异 | 自切割核酶序列的RNA二级结构 | 生物信息学 | NA | RNA二级结构预测 | 深度学习,传统计算方法 | RNA序列数据 | 数十个自切割核酶序列 | NA | NA | 预测准确性 | NA |