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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-10-06 |
Multimodal fusion learning for long QT syndrome pathogenic genotypes in a racially diverse population
2024-Aug-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01218-1
PMID:39181999
|
研究论文 | 开发结合心电图波形和电子健康记录数据的深度学习方法来识别长QT综合征致病基因型 | 首次将多模态融合学习应用于长QT综合征基因型识别,并在种族多样化人群中验证 | 模型性能仍有提升空间,精确召回曲线下面积为0.29 | 开发识别长QT综合征致病基因变异的深度学习模型 | 长QT综合征患者及携带致病基因变异的人群 | 医疗人工智能 | 心血管疾病 | 深度学习,多模态融合 | 深度学习模型 | 心电图波形数据,电子健康记录 | 英国生物银行和西奈山BioMe生物银行的多族裔人群数据 | NA | NA | 精确召回曲线下面积,受试者工作特征曲线下面积 | NA |
| 82 | 2025-10-06 |
Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging
2024-08-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68875-w
PMID:39117664
|
研究论文 | 开发了一种名为StrainNet的新型深度学习方法来通过超声成像准确估计体内软组织肌腱变形 | 创建了专门针对体内成像挑战设计的深度学习应变测量方法,能够处理低信噪比的体内图像 | NA | 开发能够在体内环境中准确测量组织变形的图像分析方法 | 人体屈肌腱 | 计算机视觉 | NA | 高频超声成像 | 深度学习 | 超声图像序列 | NA | NA | StrainNet | 应变测量精度 | NA |
| 83 | 2025-10-06 |
Phenotyping COVID-19 respiratory failure in spontaneously breathing patients with AI on lung CT-scan
2024-08-05, Critical care (London, England)
DOI:10.1186/s13054-024-05046-3
PMID:39103945
|
研究论文 | 本研究通过深度学习分析自主呼吸COVID-19患者的肺部CT扫描,结合临床数据识别呼吸衰竭亚型 | 首次将深度学习量化CT特征与临床实验室数据结合,通过潜在类别分析识别COVID-19呼吸衰竭亚型 | 研究为观察性队列设计,样本量相对有限(559例),需进一步验证 | 通过AI增强COVID-19呼吸衰竭亚型识别能力 | 自主呼吸的COVID-19呼吸衰竭患者 | 医学影像分析 | COVID-19 | 肺部CT扫描,深度学习分析 | 深度学习 | 医学影像(CT扫描),临床数据,实验室数据 | 559例COVID-19患者(亚型1:156例,亚型2:403例) | NA | NA | 90天死亡率,临床特征比较 | NA |
| 84 | 2025-10-06 |
Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning
2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202400596
PMID:38887178
|
研究论文 | 开发了一种基于皮肤阻抗传感器和注意力深度学习的非侵入性早期脂肪肝检测方法 | 集成低电极-皮肤接触阻抗的柔性皮肤传感器与注意力深度学习算法,显著提升早期脂肪肝检测准确率 | 研究目前仅在小鼠模型中进行验证,尚未进行人体临床试验 | 开发非侵入性、成本效益高的早期非酒精性脂肪肝疾病检测方法 | 高脂饮食喂养的低密度脂蛋白受体敲除(Ldlr)小鼠与健康对照组小鼠 | 机器学习 | 脂肪肝 | 皮肤阻抗传感技术 | 注意力深度学习算法 | 阻抗信号数据 | Ldlr小鼠模型与健康对照组小鼠 | NA | 注意力机制深度学习架构 | 准确率,AUC | NA |
| 85 | 2025-10-06 |
Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning
2024-08-23, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi0302
PMID:39178259
|
研究论文 | 使用深度学习分析H&E染色切片识别高级别胶质瘤中性别特异性组织病理学特征并构建性别特异性生存预后模型 | 首次采用端到端深度学习方法从常规H&E染色切片中识别性别特异性肿瘤微环境特征并构建性别特异性生存预后模型 | 研究基于回顾性数据,需要在前瞻性研究中进一步验证 | 识别高级别胶质瘤中性别特异性组织病理学特征并构建性别特异性生存预后模型 | 高级别胶质瘤患者的H&E染色组织切片 | 数字病理学 | 脑肿瘤/高级别胶质瘤 | H&E染色,深度学习 | CNN | 病理图像 | 多个训练和验证队列(具体数量未在摘要中说明) | NA | ResNet18 | C-index | NA |
| 86 | 2025-10-06 |
Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals
2024-Aug-01, Aging and disease
IF:7.0Q1
DOI:10.14336/AD.2023.0820
PMID:37728587
|
研究论文 | 本研究通过深度学习分析10,001名中年人的腹部脂肪与脑体积关系,发现内脏脂肪和皮下脂肪均可预测脑体积减少 | 首次在大规模人群(10,001人)中系统量化不同类型腹部脂肪与多脑区体积的关联,并揭示性别特异性差异 | 横断面研究设计无法确定因果关系,人群年龄范围较广(20-80岁)可能影响结果精确性 | 探究腹部脂肪类型与脑体积损失的关联性 | 10,001名健康参与者(52.8%男性,47.2%女性),平均年龄52.9岁 | 医学影像分析 | 脑部退行性疾病 | MRI成像,深度学习分割 | 深度学习 | MRI脑部影像,腹部脂肪影像 | 10,001名参与者 | FastSurfer | NA | 相关系数(r),p值,优势比(OR) | 1.5T MRI扫描仪 |
| 87 | 2025-10-06 |
Unsupervised denoising of photoacoustic images based on the Noise2Noise network
2024-Aug-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.529253
PMID:39346987
|
研究论文 | 本研究基于Noise2Noise网络实现无监督深度学习方法来改善线性阵列光声成像质量 | 开发了从单组光声图像生成噪声对的方法,无需干净参考图像即可实现有效去噪 | 未明确说明方法在极端噪声条件下的性能表现 | 提高线性阵列光声成像质量,增强深层血管结构可视化 | 光声图像中的噪声和血管结构 | 计算机视觉 | NA | 光声成像 | Noise2Noise网络 | 图像 | NA | NA | Noise2Noise | 信噪比 | NA |
| 88 | 2025-10-06 |
Probabilistic volumetric speckle suppression in OCT using deep learning
2024-Aug-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.523716
PMID:39346991
|
研究论文 | 提出基于条件生成对抗网络的深度学习框架,用于光学相干断层扫描数据的体积散斑抑制 | 利用OCT数据的体积特性,采用部分体积作为输入实现无伪影散斑抑制;使用体积非局部均值散斑抑制方法生成训练数据 | 训练数据仅包含三个OCT体积,可能限制模型泛化能力 | 开发高效的OCT体积散斑抑制方法 | 光学相干断层扫描数据 | 计算机视觉 | NA | 光学相干断层扫描 | cGAN | 体积图像数据 | 三个OCT体积 | NA | 条件生成对抗网络 | 散斑抑制效果、分辨率保持、处理速度 | NA |
| 89 | 2025-10-06 |
ARID3C Acts as a Regulator of Monocyte-to-Macrophage Differentiation Interacting with NPM1
2024-08-02, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.3c00509
PMID:38231884
|
研究论文 | 本研究揭示了ARID3C通过与NPM1相互作用调控单核细胞向巨噬细胞分化的分子机制 | 首次发现ARID3C与NPM1的相互作用机制及其在单核细胞向巨噬细胞分化中的转录调控功能 | NA | 阐明ARID3C的细胞定位和生物学功能 | ARID3C蛋白及其与NPM1的相互作用 | 生物医学 | NA | LC-MS/MS, 深度学习, AlphaFold2预测 | 深度学习模型 | 蛋白质相互作用数据, 基因表达数据 | NA | AlphaFold2 | NA | NA | NA |
| 90 | 2025-10-06 |
Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism
2024-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5104
PMID:38995055
|
研究论文 | 本研究通过合成特定H/L亚基比例的异聚体铁蛋白,结合冷冻电镜和深度学习建模揭示了其自组装机制中的随机性特征 | 首次发现铁蛋白自组装过程通过多种随机路径进行,并揭示了H-L异源二聚体形成的显著偏好性 | 未明确说明研究样本的具体数量和实验重复次数 | 揭示异聚体铁蛋白的自组装机制及其结构与功能关系 | 铁蛋白异聚体(含特定H/L亚基比例) | 结构生物学 | NA | 冷冻电子显微镜,深度学习氨基酸建模,质粒工程 | 深度学习模型 | 冷冻电镜图像,蛋白质结构数据 | NA | NA | NA | NA | NA |
| 91 | 2025-10-06 |
Interpretable representation learning for 3D multi-piece intracellular structures using point clouds
2024-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.25.605164
PMID:39091871
|
研究论文 | 提出一种基于点云和3D旋转不变自编码器的表示学习框架,用于量化细胞内多片段结构的形态特征 | 采用点云和3D旋转不变自编码器,开发了适用于复杂多片段形态的表示学习方法,能够无监督发现亚结构聚类 | NA | 开发客观、鲁棒且可泛化的细胞内多片段结构量化方法 | 具有点状形态(如DNA复制焦点)和多态性形态(如核仁)的细胞内结构 | 计算机视觉 | NA | 3D点云分析 | 自编码器 | 3D点云,图像数据 | 多个细胞内结构数据集,包括具有预定义组织规则的合成数据集 | CytoDL, Python | 3D旋转不变自编码器 | 效率,生成能力,表示表达能力 | NA |
| 92 | 2025-10-06 |
deepAFT: A nonlinear accelerated failure time model with artificial neural network
2024-08-30, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.10152
PMID:38894557
|
研究论文 | 提出基于深度人工神经网络的非线性加速失效时间模型deepAFT方法用于生存分析 | 首次将深度人工神经网络应用于加速失效时间模型框架,能够处理各种非线性形式的协变量效应 | 未明确说明模型计算复杂度和训练时间要求 | 开发更准确和灵活的非线性生存分析模型 | 生存结果数据与解释变量之间的关系建模 | 机器学习 | 淋巴瘤 | 生存分析 | 人工神经网络 | 生存数据 | NA | NA | 深度人工神经网络 | 预测准确度 | NA |
| 93 | 2025-10-06 |
BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories
2024-08-20, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6a8c
PMID:39094617
|
研究论文 | 介绍了一个名为BIDSAlign的标准化库,用于自动合并和预处理多个EEG数据集 | 开发了能够同时处理BIDS和非BIDS格式EEG数据集的标准化库,提供统一的数据处理流程和可视化功能 | NA | 解决数据驱动的脑电图数据分析中的挑战,为深度学习架构提供有效的训练数据 | 多源异构EEG数据集 | 生物医学工程 | 神经系统疾病 | 脑电图(EEG) | NA | EEG信号数据 | NA | NA | NA | NA | NA |
| 94 | 2025-10-06 |
Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification
2024-08-14, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6cf5
PMID:39116892
|
研究论文 | 提出一种结合Wasserstein生成对抗网络与卷积神经网络的运动想象脑电信号分类方法 | 采用带梯度惩罚的Wasserstein生成对抗网络进行数据增强,并设计简洁高效的深度学习分类模型 | NA | 提高运动想象脑电信号的解码性能 | 运动想象脑电信号 | 机器学习 | NA | 连续小波变换 | GAN, CNN | 时频图 | BCI Competition IV 2a和2b数据集及实际采集数据集 | NA | Wasserstein GAN with gradient penalty, CNN | 准确率, Kappa值 | NA |
| 95 | 2025-10-06 |
MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space
2024-08-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6185
PMID:38986464
|
研究论文 | 提出一种名为MRGazer的深度学习框架,直接从个体空间的功能磁共振成像数据预测眼球注视点 | 跳过fMRI共配准步骤,在个体空间中直接处理数据,简化处理流程并实现端到端的眼球注视回归 | NA | 从功能磁共振成像数据解码眼球注视点 | 眼球运动和注视点 | 医学影像分析 | NA | 功能磁共振成像 | 残差网络 | 功能磁共振成像数据 | NA | NA | 残差网络 | 欧几里得误差 | NA |
| 96 | 2025-10-06 |
A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms
2024-Aug-01, The British journal of radiology
DOI:10.1093/bjr/tqae117
PMID:38917414
|
研究论文 | 本研究评估了带心脏选项的超分辨率深度学习重建技术在颅内动脉瘤血管内治疗随访中的图像质量 | 首次将带心脏选项的超分辨率深度学习重建技术应用于颅内动脉瘤血管内治疗后的图像评估,并与传统重建方法进行比较 | 单中心回顾性研究,样本量较小(50例患者),缺乏多中心验证 | 评估SR-DLR技术在颅内动脉瘤血管内治疗后随访成像中的临床应用价值 | 接受支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架置入治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | CT血管成像,深度学习图像重建 | 深度学习重建模型 | 医学影像数据 | 50例患者(平均年龄59岁,44-81岁,13名男性) | NA | 超分辨率深度学习重建 | 图像噪声,信噪比,对比噪声比,半高全宽,主观视觉评分 | NA |
| 97 | 2025-10-06 |
Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification
2024-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108754
PMID:38878404
|
研究论文 | 提出一种结合语义对比和不确定性感知伪标签的半监督学习方法用于腰椎疾病分类 | 将语义对比学习和不确定性感知伪标签整合到半监督学习中,通过语义对比约束标记与未标记图像间语义一致性,并利用KL散度优化预测置信度与不确定性生成伪标签 | 未提及模型在跨中心数据或不同MRI设备上的泛化能力验证 | 开发高效的半监督学习算法以减少腰椎间盘突出症诊断中对大量标注数据的依赖 | 腰椎MRI图像 | 计算机视觉 | 腰椎间盘突出症 | 磁共振成像 | 半监督学习 | 医学图像 | 仅使用40个标注样本达到优于200个标注样本基线的性能 | NA | SeCoFixMatch | 准确率 | NA |
| 98 | 2025-10-06 |
HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification
2024-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108788
PMID:38941902
|
研究论文 | 提出了一种名为HiRENet的新型卷积神经网络架构,使用希尔伯特变换和原始脑电图进行独立于受试者的情绪分类 | 首次将希尔伯特变换后的EEG相位信息与原始EEG幅值信息同时作为CNN输入,更全面地反映大脑区域间的功能连接 | 使用实验室自建的EEG数据库,样本来源和规模可能有限 | 开发基于深度学习的脑电图解码方法,提高情绪分类性能 | 人类情绪状态 | 机器学习 | NA | 脑电图(EEG),希尔伯特变换 | CNN | 脑电图信号 | NA | NA | ShallowFBCSPNet, ResCNN | 准确率 | NA |
| 99 | 2025-10-06 |
Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning
2024-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108798
PMID:38925085
|
研究论文 | 提出一种名为Skin-CAD的可解释深度学习系统,用于皮肤癌的dermoscopic图像分类 | 采用双高层CNN特征选择和迁移学习,结合四种不同拓扑结构的CNN,通过PCA降维和特征选择优化分类流程,并利用LIME方法提供可视化解释 | 未明确说明模型在临床环境中的实际部署验证和跨设备泛化能力 | 开发可解释的计算机辅助诊断系统,实现皮肤癌的精确分类 | 皮肤癌dermoscopic图像 | 计算机视觉 | 皮肤癌 | dermoscopic成像 | CNN | 图像 | 使用两个基准数据集:Skin Cancer: Malignant vs. Benign和HAM10000数据集 | NA | 四种不同拓扑结构的CNN | 准确率 | NA |
| 100 | 2025-10-06 |
AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design
2024-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108755
PMID:38897151
|
研究论文 | 本研究开发了一种基于YOLOv8深度学习模型的AI系统,用于在全景X光片上定位所有阻生牙并预测第三磨牙的Winter角度分类 | 首次将YOLOv8深度学习算法应用于全景X光片中所有阻生牙的检测和第三磨牙Winter分类,并设计了临床用户界面 | 样本量相对有限(1197张全景X光片用于阻生牙检测,1000张用于Winter分类),需要更多数据验证泛化能力 | 开发人工智能模型来自动检测阻生牙并对第三磨牙进行Winter角度分类 | 全景X光片中的阻生牙齿,特别是第三磨牙 | 计算机视觉 | 牙科疾病 | 全景X光成像 | CNN | 医学图像 | 1197张全景X光片用于阻生牙检测,1000张用于Winter分类 | YOLOv8 | YOLOv8 | 精确率, 召回率, mAP, F1分数 | NA |