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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2025-10-07 |
Biometric contrastive learning for data-efficient deep learning from electrocardiographic images
2024-04-03, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae002
PMID:38269618
|
研究论文 | 开发了一种用于心电图图像的自监督预训练方法BCL,可在有限标注数据下有效检测心脏疾病 | 利用同一患者不同时间点的心电图对进行对比学习,提取生物特征签名,提高标签利用效率 | 研究主要基于单一医疗中心数据,外部验证队列有限 | 开发数据高效的心电图图像深度学习模型 | 78,288名个体的心电图图像 | 医疗影像分析 | 心血管疾病 | 心电图成像 | CNN | 图像 | 78,288名患者的心电图数据 | NA | NA | AUROC | NA |
| 102 | 2025-10-07 |
Cross noise level PET denoising with continuous adversarial domain generalization
2024-Apr-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad341a
PMID:38484401
|
研究论文 | 本文提出一种基于连续对抗域泛化的PET图像去噪方法,能够有效处理不同噪声水平的PET图像 | 首次从域泛化角度解决跨噪声水平去噪性能下降问题,提出使用连续判别器的对抗训练方法 | 研究仅基于特定tau PET数据集,在其他类型PET数据上的泛化能力需进一步验证 | 解决PET图像在不同噪声水平下的去噪泛化问题 | 97F-MK6240 tau PET研究中的60名受试者 | 医学图像处理 | 阿尔茨海默病 | PET成像 | GAN, UNet | 3D医学图像 | 60名受试者,生成1940对3D图像体积(训练1400对,验证120对,测试420对) | NA | 3D UNet | bias, standard deviation, SSIM, PSNR | NA |
| 103 | 2025-03-08 |
Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome
2024-Apr-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0039
PMID:38446445
|
研究论文 | 本文开发了一种基于深度学习的神经网络,用于通过12导联心电图识别先天性长QT综合征(LQTS)并区分其基因型(LQTS1和LQTS2) | 使用卷积神经网络(CNN)进行LQTS的检测和基因型区分,超越了传统的QTc间期检测方法 | 需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用 | 开发一种深度学习模型,用于从静息心电图中检测先天性长QT综合征并区分其基因型 | 先天性长QT综合征患者及其亲属 | 数字病理学 | 心血管疾病 | 卷积神经网络(CNN) | CNN | 心电图(ECG) | 4521份心电图来自990名患者 | NA | NA | NA | NA |
| 104 | 2025-10-07 |
Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning
2024-04, The Journal of hand surgery, European volume
DOI:10.1177/17531934231209876
PMID:37882645
|
研究论文 | 本研究开发了一种深度学习模型,用于从四维计算机断层扫描数据中实现腕骨的自动分割和标记 | 首次将深度学习应用于四维CT数据的腕骨自动分割和标记,为腕韧带损伤诊断提供关键技术支持 | NA | 开发自动分割和标记腕骨的深度学习模型,以支持腕韧带病变的诊断 | 腕骨 | 计算机视觉 | 腕部疾病 | 四维计算机断层扫描 | 深度学习 | 四维CT图像 | NA | NA | NA | NA | NA |
| 105 | 2025-10-07 |
Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review
2024-Apr-19, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-024-02366-4
PMID:38637466
|
系统综述 | 对后颅窝相关病理学中容积分割技术的文献进行系统性回顾 | 系统总结了后颅窝分割技术的演进历程,从手动轮廓勾画到深度学习方法,并比较了不同技术的优缺点 | 仅纳入了截至2023年11月的文献,可能存在发表偏倚 | 总结后颅窝分割技术的现状及其在相关病理研究中的应用 | 后颅窝相关疾病(如Chiari畸形、三叉神经痛、儿童小脑缄默综合征等) | 数字病理学 | 神经系统疾病 | 医学影像分割 | 卷积神经网络 | 医学影像 | 52篇纳入文献(从2205篇初筛文献中筛选) | NA | NA | NA | NA |
| 106 | 2025-10-07 |
The detection of absence seizures using cross-frequency coupling analysis with a deep learning network
2024-Apr-10, Research square
DOI:10.21203/rs.3.rs-4178484/v1
PMID:38659733
|
研究论文 | 提出一种基于交叉频率耦合分析和堆叠稀疏自编码器的深度学习方法,用于自动检测脑电图中的失神发作 | 首次将交叉频率耦合分析与深度学习方法相结合用于癫痫失神发作的自动检测 | 样本量较小(仅12名患者),仅使用单一数据库的数据 | 开发自动检测癫痫失神发作的深度学习方法 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图分析 | SSAE | 脑电图信号 | 12名患者的94次失神发作记录 | NA | 堆叠稀疏自编码器 | 灵敏度, 特异度, 准确率 | NA |
| 107 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 108 | 2025-10-07 |
Deep learning evaluation of echocardiograms to identify occult atrial fibrillation
2024-Apr-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01090-z
PMID:38615104
|
研究论文 | 使用深度学习算法分析经胸超声心动图视频来识别隐匿性心房颤动 | 开发了两阶段深度学习算法,不仅能区分窦性心律和房颤,还能预测窦性心律患者90天内发生房颤的风险 | 模型在预测隐匿性房颤时的AUPRC相对较低(0.19),表明在正样本较少的情况下性能有限 | 通过深度学习技术实现房颤的早期筛查和识别 | 经胸超声心动图视频数据 | 计算机视觉 | 心血管疾病 | 经胸超声心动图 | CNN | 视频 | 111,319个TTE视频用于训练,10,203个TTE视频用于外部验证 | NA | 基于视频的卷积神经网络 | AUC, AUPRC | NA |
| 109 | 2025-10-07 |
Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs : A Risk Prediction Study
2024-04, Annals of internal medicine
IF:19.6Q1
DOI:10.7326/M23-1898
PMID:38527287
|
研究论文 | 开发并验证一种基于胸部X光片预测10年主要不良心血管事件风险的深度学习模型 | 首次利用常规胸部X光片通过深度学习直接预测心血管风险,为无法计算传统风险评分的患者提供补充评估方法 | 基于电子医疗记录的回顾性研究设计 | 开发从常规胸部X光片估计10年心血管风险的深度学习模型 | 符合初级心血管预防条件的门诊患者 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 胸部X光图像 | 开发集来自癌症筛查试验数据,外部验证集包括8869名未知ASCVD风险患者和2132名已知风险患者 | NA | CXR CVD-Risk | 风险比, 置信区间 | NA |
| 110 | 2025-10-07 |
Automatic end-to-end VMAT treatment planning for rectal cancers
2024-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14259
PMID:38317597
|
研究论文 | 开发并临床评估用于直肠癌VMAT治疗的端到端自动分割与自动计划系统 | 首次将自动分割和自动计划整合为完整的端到端流程,仅需肿瘤大体体积轮廓和CT扫描作为输入 | 大、小肠区分困难,端到端流程的医生接受率存在差异(88%和62%) | 实现直肠癌VMAT治疗的自动化计划流程 | 直肠恶性肿瘤患者 | 数字病理 | 直肠癌 | 容积旋转调强放疗(VMAT) | 深度学习 | CT扫描图像 | CTV分割174例患者,其他结构18例患者,计划评估20+34+16例患者 | nnU-Net | nnU-Net | Dice相似系数, 95% Hausdorff距离, 李克特五分量表评分 | NA |
| 111 | 2025-10-07 |
Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies
2024-Apr, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2023.101417
PMID:38435965
|
研究论文 | 评估深度学习自动勾画在妇科恶性肿瘤CT引导近距离放疗中的准确性和效率 | 首次前瞻性评估自动勾画在妇科放疗临床实践中的应用效果 | 样本量较小(30例自动勾画组 vs 31例手动勾画组),单中心研究 | 评估自动勾画危及器官在妇科近距离放疗计划中的临床应用价值 | 妇科恶性肿瘤患者 | 数字病理 | 妇科恶性肿瘤 | CT引导近距离放疗 | 深度学习 | CT图像 | 61例患者(30例自动勾画组,31例手动勾画组) | NA | NA | Likert评分,Dice相似系数,平均表面距离,95% Hausdorff距离,Hausdorff距离,剂量体积直方图指标 | NA |
| 112 | 2025-10-07 |
Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation
2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America
IF:8.2Q1
DOI:10.1093/cid/ciad633
PMID:37971399
|
评论 | 探讨大型语言模型在传染病咨询领域的应用前景与风险 | 首次系统分析LLMs在传染病专科咨询中的潜在应用与局限性,并提出专科医生参与技术规范制定的必要性 | LLMs存在虚构内容、缺乏情境意识、训练数据不透明、易复制偏见等问题,目前不适合临床部署 | 分析LLMs在医疗咨询特别是传染病专科的应用潜力与风险 | 大型语言模型在传染病临床咨询中的应用 | 自然语言处理 | 传染病 | 深度学习算法 | LLM | 文本 | NA | NA | NA | NA | NA |
| 113 | 2025-10-07 |
Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00261
PMID:38545680
|
研究论文 | 本研究开发了基于深度学习的DeepEpiTEX计算框架,通过表观遗传数据推断TME中耗竭T细胞的发育层次和功能状态 | 首次提出基于深度神经网络从表观遗传数据推断耗竭T细胞发育层次和功能状态的计算框架 | NA | 开发计算工具以准确评估肿瘤微环境中T细胞耗竭的异质性 | 耗竭T细胞 | 机器学习 | 癌症 | DNA甲基化测序, microRNA表达分析, 长链非编码RNA表达分析 | 深度神经网络 | 表观遗传数据 | TCGA泛癌队列中的30种实体癌类型 | NA | NA | 生存分析 | NA |
| 114 | 2025-10-07 |
Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00212
PMID:38602938
|
研究论文 | 本文介绍了一种快速计算结构模型GoCa,用于模拟大型多蛋白复合物的组装过程 | 该模型区分亚基内和亚基间相互作用,允许包含耦合折叠和结合,自动处理相同亚基的排列,并支持定义多个最小能量结构 | 模型基于已知的天然结构,可能无法完全捕捉未知结构的组装过程 | 研究多蛋白复合物的组装过程 | 多蛋白复合物 | 计算生物学 | NA | 结构模拟 | 结构基础模型 | 蛋白质结构数据 | 多个多蛋白复合物 | NA | GoCa | NA | NA |
| 115 | 2025-02-21 |
Non-invasive estimation of atrial fibrillation driver position using long-short term memory neural networks and body surface potentials
2024-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108052
PMID:38350188
|
研究论文 | 本文提出了一种使用长短期记忆神经网络和体表电位非侵入性估计心房颤动驱动位置的方法 | 采用卷积-循环网络结合的方式,利用标记的计算机模拟心房颤动模型进行特征提取和序列数据建模,以解决心房颤动驱动位置的分类问题 | 方法依赖于计算机模拟的心房颤动模型,可能无法完全反映真实临床情况的复杂性 | 提高心房颤动诊断和治疗的准确性 | 心房颤动驱动位置 | 机器学习 | 心血管疾病 | 体表电位记录 | CNN-LSTM | 信号数据 | 160个体表电位信号,来源于16个心房颤动电图、1个心房和10个躯干几何形状 | NA | NA | NA | NA |
| 116 | 2025-02-11 |
RETRACTED: Lung cancer diagnosis of CT images using metaheuristics and deep learning
2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119221090725
PMID:35445619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 117 | 2025-02-11 |
RETRACTION NOTICE: Lung cancer diagnosis of CT images using metaheuristics and deep learning
2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119221134231
PMID:36237147
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 118 | 2025-10-07 |
Demographic bias in misdiagnosis by computational pathology models
2024-Apr, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02885-z
PMID:38641744
|
研究论文 | 本研究揭示了计算病理学模型在不同人口群体中存在的诊断性能差异,并探索了自监督视觉基础模型在减轻这种偏差方面的潜力 | 首次系统评估计算病理学模型在乳腺癌、肺癌和胶质瘤诊断中的人口统计学偏差,并证明自监督视觉基础模型能有效减少群体间性能差异 | 自监督视觉基础模型未能完全消除人口群体间的性能差异,需要进一步开发偏差缓解策略 | 评估计算病理学模型在不同人口群体中的诊断性能差异并探索缓解方法 | 乳腺癌和肺癌亚型分类以及胶质瘤IDH1突变预测 | 计算病理学 | 乳腺癌,肺癌,脑肿瘤 | 全切片图像分析 | 深度学习,自监督视觉基础模型 | 病理全切片图像 | 来自癌症基因组图谱、EBRAINS脑肿瘤图谱和内部患者数据的公共数据集 | NA | NA | AUC | NA |
| 119 | 2025-10-07 |
Positive Effect of Super-Resolved Structural Magnetic Resonance Imaging for Mild Cognitive Impairment Detection
2024-Apr-14, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci14040381
PMID:38672031
|
研究论文 | 本研究通过超分辨率结构磁共振成像和优化深度学习模型改进轻度认知障碍检测 | 使用先进损失函数提升超分辨率MRI图像感知质量,改进生成器上采样部分,在生成对抗训练中实验不同判别器,并引入帕累托最优马尔可夫毯进行超参数优化 | 未明确说明样本数量和数据来源,未详细讨论模型在临床环境中的实际应用限制 | 提高轻度认知障碍的检测准确率 | 轻度认知障碍患者的结构磁共振成像数据 | 医学影像分析 | 老年性疾病 | 结构磁共振成像 | GAN | 2D MRI图像 | NA | NA | 生成对抗网络 | NA | NA |
| 120 | 2025-10-07 |
Deep learning automatically assesses 2-µm laser-induced skin damage OCT images
2024-Apr-18, Lasers in medical science
IF:2.1Q2
DOI:10.1007/s10103-024-04053-8
PMID:38634947
|
研究论文 | 本研究提出基于光学相干断层扫描和深度学习技术的无创自动评估方法,用于定性和定量分析2微米激光诱导皮肤损伤 | 首次将深度学习与OCT技术结合实现激光皮肤损伤的自动定量评估,开发了无创在体分析方法 | 研究仅在小鼠模型中进行,尚未在人体验证 | 开发自动评估激光诱导皮肤损伤的方法 | 小鼠皮肤组织 | 计算机视觉 | 皮肤损伤 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | U-Net, DeepLabV3+, PSP-Net, HR-Net | 分割准确性, 定量评估误差 | NA |