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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-04-03 |
A Self-Sensing and Self-Powered Wearable System Based on Multi-Source Human Motion Energy Harvesting
2024-07, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202311036
PMID:38342584
|
研究论文 | 提出了一种基于多源人体运动能量收集的自感知自供电可穿戴系统 | 结合三自由度摩擦纳米发电机和负能量收集器,利用深度学习模型识别运动状态,实现自感知和自供电 | 未提及系统在极端环境下的稳定性和长期穿戴的舒适性 | 开发自感知自供电的可穿戴系统,提高能量利用效率 | 人体运动能量(腰部运动能量和膝盖负能量) | 可穿戴技术 | NA | 摩擦纳米发电机(TENG)、深度学习 | Gate Recurrent Unit (GRU) | 运动信号 | 实验数据未明确说明具体样本数量,但涉及模型穿戴测试 | NA | NA | NA | NA |
| 282 | 2025-10-07 |
Automated segmentation of the median nerve in patients with carpal tunnel syndrome
2024-07-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65840-5
PMID:39033223
|
研究论文 | 本研究开发了一种基于U-Net的自动分割算法,用于识别腕管综合征患者的正中神经并测量其横截面积 | 首次使用U-Net网络对正中神经在完整远端前臂行程中进行自动分割和测量 | 样本量较小(仅25例患者和26例健康对照),需要更大规模验证 | 开发自动分割正中神经的算法以辅助腕管综合征诊断 | 腕管综合征患者和健康对照者的正中神经超声图像 | 医学影像分析 | 腕管综合征 | 超声成像 | CNN | 图像 | 25例腕管综合征患者和26例健康对照,共2355张手动分割图像 | NA | U-Net | Dice系数, 面积测量差异百分比 | NA |
| 283 | 2025-03-28 |
Using deep learning to improve the intelligibility of a target speaker in noisy multi-talker environments for people with normal hearing and hearing loss
2024-07-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0028007
PMID:39082692
|
研究论文 | 本研究开发了一种基于深度学习的算法,用于在嘈杂的多说话者环境中提取目标说话者的声音,以提高正常听力和听力损失人群的语音可懂度 | 提出了一种准因果深度学习算法,能够根据简短的注册话语从多个并发说话者和背景噪声中提取目标说话者的声音,且该算法能泛化到未见过的说话者、不同说话者数量和相对说话者水平以及不同的语音语料库 | 算法在更复杂或不同的噪声环境中的表现尚未验证 | 提高嘈杂多说话者环境中的语音可懂度 | 正常听力和听力损失人群 | 机器学习 | 听力损失 | 深度学习 | NA | 语音 | 正常听力和听力损失听众参与的双盲句子识别测试 | NA | NA | NA | NA |
| 284 | 2025-10-07 |
Mechanical evolution of metastatic cancer cells in three-dimensional microenvironment
2024-Jul-02, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.27.601015
PMID:39005477
|
研究论文 | 本研究利用光学布里渊显微镜和机器学习方法探索三维微环境中转移性癌细胞的机械特性演化 | 首次在三维生理环境中对癌细胞球体进行长期机械特性成像,并发现机械特征可作为癌症分类的新生物标志物 | 研究局限于实验室培养的癌细胞球体模型,尚未在真实人体组织中进行验证 | 探索癌细胞在三维微环境中的机械特性演化及其在癌症分类中的应用 | 癌细胞球体和正常细胞球体 | 生物医学工程 | 癌症 | 光学布里渊显微镜 | 深度学习 | 机械图像 | 八天生长周期的癌细胞球体 | NA | NA | 分类准确率 | NA |
| 285 | 2025-10-07 |
Deep learning based detection of osteophytes in radiographs and magnetic resonance imagings of the knee using 2D and 3D morphology
2024-07, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.25800
PMID:38323840
|
研究论文 | 本研究开发了基于深度学习的骨赘检测方法,通过X射线和MRI数据分析膝关节形态特征 | 首次结合2D和3D形态学分析,系统比较X射线和MRI在膝关节骨赘检测中的性能差异,并探索软组织形态对检测效果的影响 | 骨赘评估标准仍需进一步完善,特别是针对早期骨赘变化的检测标准 | 开发自动检测膝关节骨赘的深度学习方法 | 膝关节骨赘 | 计算机视觉 | 骨关节炎 | X射线成像, 磁共振成像 | 深度学习模型 | X射线图像, MRI图像 | NA | NA | NA | 平衡准确度 | NA |
| 286 | 2025-10-07 |
A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.035
PMID:38182443
|
研究论文 | 开发基于经阴道超声的深度学习模型用于无创诊断子宫内膜癌患者肌层浸润程度 | 首次将深度学习模型应用于经阴道超声图像评估子宫内膜癌肌层浸润,并与15名放射科医生进行性能比较 | 研究样本来自多个中心但外部测试集样本量相对较小(95例患者) | 评估深度学习模型在诊断子宫内膜癌肌层浸润程度方面的可行性 | 子宫内膜癌患者 | 计算机视觉 | 子宫内膜癌 | 超声成像 | CNN | 图像 | 604例患者的1289张超声图像(训练集和内部验证集),95例患者作为外部测试集 | NA | EfficientNet-B6 | 准确率, 灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比 | NA |
| 287 | 2025-10-07 |
nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.004
PMID:38350812
|
研究论文 | 基于nnU-Net开发用于胰腺癌患者CT影像中胰腺分割和体积测量的深度学习方法 | 首次将3D nnU-Net架构应用于胰腺癌患者的胰腺自动分割和体积测量 | 回顾性研究设计,样本量相对有限 | 开发并验证基于深度学习的胰腺分割和体积自动测量方法 | 胰腺癌患者和正常人的胰腺CT影像 | 医学影像分析 | 胰腺癌 | CT成像 | CNN | 3D CT图像 | 851例门静脉期CT图像(499例胰腺癌,352例正常胰腺) | nnU-Net | 3D nnU-Net | Dice相似系数 | NA |
| 288 | 2025-10-07 |
Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.010
PMID:38429189
|
研究论文 | 本研究探讨深度学习图像重建在超低剂量肺部CT中对图像质量和肺结节定量分析的影响 | 首次在超低剂量肺部CT中比较深度学习图像重建与传统迭代重建对肺结节特征分析的影响 | 样本量较小(56例患者),仅使用单一CAD软件进行分析 | 评估深度学习图像重建在超低剂量肺部CT中对图像质量和结节特征分析的影响 | 疑似肺结节患者(56例)和检测到的104个肺结节 | 计算机视觉 | 肺癌 | CT成像 | 深度学习图像重建 | 医学影像 | 56例患者,104个肺结节(51个实性结节,26个钙化结节,27个亚实性结节) | NA | NA | 结节长度、宽度、密度、体积、风险评分、分类准确性、图像质量评分 | NA |
| 289 | 2024-08-07 |
Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning
2024-Jul, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-024-01460-w
PMID:38787517
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 290 | 2025-03-20 |
Automated Patient Registration in Magnetic Resonance Imaging Using Deep Learning-Based Height and Weight Estimation with 3D Camera: A Feasibility Study
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.029
PMID:38368163
|
研究论文 | 本研究探讨了使用基于深度学习的3D摄像头算法在磁共振成像(MRI)中自动估计患者身高和体重的可行性 | 首次将深度学习与3D摄像头技术结合,用于MRI患者注册中的身高和体重估计,提高了估计的准确性和效率 | 研究为回顾性研究,样本量相对较小(161名患者),且仅在低场强MRI扫描仪上验证 | 比较基于深度学习的3D摄像头算法与放射科技师(MTR)在估计患者身高和体重方面的准确性 | 161名成年患者 | 计算机视觉 | NA | 深度学习,3D摄像头 | 深度学习模型 | 深度图像 | 161名成年患者 | NA | NA | NA | NA |
| 291 | 2025-10-07 |
Artificial intelligence systems in dental shade-matching: A systematic review
2024-Jul, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.13805
PMID:37986239
|
系统综述 | 系统评估人工智能在牙科修复中牙齿颜色匹配的准确性 | 首次对人工智能在牙科颜色匹配领域的应用进行系统性综述 | 仅纳入观察性和干预性研究,排除非AI研究和非修复牙科相关研究 | 评估人工智能在预测牙齿颜色方面的准确性 | 牙科修复中的牙齿颜色匹配 | 机器学习 | NA | NA | 模糊逻辑,遗传算法,反向传播神经网络,卷积神经网络,人工神经网络,支持向量机,K近邻,决策树,随机森林,深度学习,YOLO | 牙齿颜色数据 | 15篇符合纳入标准的研究(2008年至2023年3月) | NA | 决策树回归模型,XG Boost,YOLO | 准确率 | NA |
| 292 | 2025-10-07 |
Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation
2024-Jul-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50114-5
PMID:39009568
|
研究论文 | 通过将光感受器适应的生物物理机制嵌入卷积神经网络,提升神经网络对动态视网膜计算的预测能力 | 在传统CNN前端引入光感受器适应的生物物理机制,首次实现了对动态自然刺激下视网膜神经节细胞活动的更准确预测 | 仅针对视网膜特定神经回路进行研究,未验证在其他神经系统的适用性 | 探索将神经适应机制嵌入人工神经网络是否能提升其预测神经动态响应的能力 | 灵长类和鼠类的视网膜神经节细胞 | 计算神经科学 | NA | 深度学习建模 | CNN | 神经电生理响应数据 | 灵长类和鼠类视网膜神经节细胞 | NA | 基于Deep Retina改进的卷积神经网络 | 神经响应预测准确率 | NA |
| 293 | 2025-03-15 |
Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma
2024-Jul-29, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01189-3
PMID:39075240
|
研究论文 | 本文开发了一种基于transformer的机器学习模型,用于多发性骨髓瘤患者的综合评估,包括预测无进展生存期、总生存期和不良事件,预测关键疾病生物标志物,以及评估不同治疗策略的效果 | 该模型首次联合预测多发性骨髓瘤患者的生存期、不良事件和生物标志物,并评估不同治疗策略的效果,提供了一种全面的患者疾病状态评估方法 | 模型仅在TOURMALINE试验数据上进行了训练和验证,可能在其他数据集上的表现尚不明确 | 开发一种能够全面评估多发性骨髓瘤患者疾病状态的机器学习模型,以辅助医生决策 | 新诊断和复发/难治性多发性骨髓瘤患者 | 机器学习 | 多发性骨髓瘤 | transformer-based机器学习模型 | transformer | 临床试验数据 | 新诊断患者703例,复发/难治性患者720例 | NA | NA | NA | NA |
| 294 | 2025-10-07 |
Novel Domain Knowledge-Encoding Algorithm Enables Label-Efficient Deep Learning for Cardiac CT Segmentation to Guide Atrial Fibrillation Treatment in a Pilot Dataset
2024-Jul-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14141538
PMID:39061675
|
研究论文 | 提出一种新型领域知识编码算法,实现小样本下的心脏CT自动分割,用于指导心房颤动治疗 | 开发了领域知识编码(DOKEN)算法,通过编码心脏几何特征和利用公开数字左心房模型来减少对大规模标注数据的依赖 | 仅在房颤消融研究的试点数据集中验证,样本量相对较小 | 开发小样本下的高性能心脏CT自动分割方法,用于指导房颤治疗 | 心房颤动患者的左心房结构 | 医学影像分析 | 心血管疾病 | CT成像 | 深度学习神经网络 | CT图像 | 训练集20例患者,测试集100例患者 | nnU-Net | nnU-Net | Dice系数, 表面距离误差, 质心-边界距离 | NA |
| 295 | 2025-10-07 |
Efficient deep learning-based automated diagnosis from echocardiography with contrastive self-supervised learning
2024-Jul-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00538-3
PMID:38971887
|
研究论文 | 开发基于对比自监督学习的心动图视频自动诊断方法EchoCLR | 首个针对心动图视频的自监督对比学习方法,结合患者识别和帧重排序任务 | 主要针对左心室肥厚和主动脉瓣狭窄两种心脏疾病 | 开发标签高效的心动图视频自动诊断方法 | 心动图视频数据 | 计算机视觉 | 心血管疾病 | 心动图 | 深度学习 | 视频 | 519项研究(10%训练数据)和53项研究(1%训练数据) | NA | NA | AUROC | NA |
| 296 | 2025-03-15 |
Cough-DL: A Deep Learning Model for Ear-Worn Cough Detection
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782702
PMID:40039966
|
研究论文 | 本文介绍了一种名为Cough-DL的深度学习模型,用于通过耳戴设备检测咳嗽 | 通过信号处理增强、创新的数据增强技术和精细的建模方法,提高了模型在环境中的鲁棒性,特别是在降低误报率和背景噪声干扰方面 | 未提及具体的研究限制 | 开发一种能够在实际环境中准确检测咳嗽的自动检测系统 | 咳嗽检测 | 机器学习 | 肺部疾病 | 深度学习 | 深度学习模型 | 音频信号 | 未提及具体样本数量 | NA | NA | NA | NA |
| 297 | 2025-10-07 |
Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification
2024-Jul-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.07.03.24309882
PMID:39006425
|
研究论文 | 本研究探索使用对比自监督学习方法对神经退行性疾病进行分类 | 首次将对比自监督学习应用于神经退行性疾病分类,无需大量专家标注数据即可学习有效的特征表示 | 研究样本量相对有限,未与其他自监督方法进行系统比较 | 开发无需标注数据的神经退行性疾病自动分类方法 | 阿尔茨海默病和额颞叶变性患者及认知正常对照组的脑部MRI扫描 | 医学影像分析 | 神经退行性疾病 | T1加权MRI扫描 | CNN, 感知机 | 医学影像 | 2694个T1加权MRI扫描,来自四个数据集:ADNI、AIBL、FTLDNI | NA | 深度卷积神经网络, 单层感知机 | 平衡准确度 | NA |
| 298 | 2025-10-07 |
Deep Learning-Derived Myocardial Strain
2024-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.01.011
PMID:38551533
|
研究论文 | 开发了一种自动化的深度学习应变分析流程,用于从标准超声心动图B模式图像测量整体纵向应变 | 创建了开源、厂商无关的自动化应变测量方法,显著降低了操作者经验和厂商设备差异带来的变异性 | 与二维GLS的一致性为中等水平(ICC: 0.56),存在-3.31%的偏差 | 开发并验证自动化的深度学习应变分析流程在不同应用和人群中的性能 | 超声心动图B模式图像,包括心脏肥大和晚期心脏淀粉样变性患者 | 医学影像分析 | 心血管疾病 | 超声心动图,斑点追踪技术 | 深度学习 | 医学图像 | 多个患者群体,包括外部验证数据集 | NA | EchoNet-Dynamic | 组内相关系数, 平均绝对误差, 偏差, 一致性界限 | NA |
| 299 | 2025-10-07 |
Evaluation of preoperative difficult airway prediction methods for adult patients without obvious airway abnormalities: a systematic review and meta-analysis
2024-07-17, BMC anesthesiology
IF:2.3Q2
DOI:10.1186/s12871-024-02627-1
PMID:39020308
|
系统评价与荟萃分析 | 评估成人无显著气道异常患者术前困难气道预测方法的系统评价与荟萃分析 | 首次系统比较11种困难气管插管预测方法,涵盖体格检查、多变量评分系统和影像学检查三大类别 | 研究间存在显著异质性,受样本量和研究设计等因素影响 | 为临床决策选择合适术前困难气管插管预测方法提供循证依据 | 接受各类手术的成人患者(无显著气道异常) | 医学临床研究 | 麻醉相关并发症 | 系统评价、荟萃分析、超声检查 | NA | 临床研究数据 | 686,089例患者(来自227篇文章) | Meta-Disc软件 | NA | 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比 | NA |
| 300 | 2025-03-08 |
DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae409
PMID:39162313
|
研究论文 | 本文介绍了一种名为DeepEnzyme的深度学习模型,该模型结合了Transformer和图卷积网络(GCN),用于提高酶周转数(kcat)的预测准确性 | DeepEnzyme模型通过整合蛋白质序列和3D结构特征,显著提高了对低序列相似性酶的预测准确性和鲁棒性,并能够评估点突变对酶催化活性的影响 | NA | 提高酶周转数(kcat)的预测准确性和鲁棒性,以促进蛋白质工程和合成生物学领域的研究 | 酶的周转数(kcat) | 机器学习 | NA | 深度学习 | Transformer, GCN | 蛋白质序列和3D结构数据 | NA | NA | NA | NA | NA |