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 | 2025-10-06 |
Deep learning prediction of stroke thrombus red blood cell content from multiparametric MRI
2024-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences
IF:1.5Q3
DOI:10.1177/15910199221140962
PMID:36437762
|
研究论文 | 本研究使用卷积神经网络通过多参数MRI图像预测缺血性卒中血栓中红细胞含量 | 首次使用深度学习模型基于多参数MRI定量预测卒中血栓红细胞含量,并开发数据增强技术提升模型性能 | 样本量相对有限(188个血栓图像切片),准确率仍有提升空间 | 评估卷积神经网络预测缺血性卒中血栓红细胞含量的能力 | 缺血性卒中患者血栓样本 | 医学影像分析 | 缺血性卒中 | 多参数MRI,三维多回波梯度回波序列,组织学分析 | CNN | MRI图像 | 188个血栓图像切片 | NA | 3层CNN | 准确率,AUC | NA |
| 102 | 2025-10-06 |
Improving Image Segmentation with Contextual and Structural Similarity
2024-Aug, Pattern recognition
IF:7.5Q1
DOI:10.1016/j.patcog.2024.110489
PMID:38645435
|
研究论文 | 提出上下文相似性损失和结构相似性损失来改进医学图像分割性能 | 通过显式建模体素间关系,提出两种新型损失函数来解决语义不一致预测问题 | 仅在特定医学图像数据集上验证,未涉及其他类型医学图像 | 改进医学图像分割的语义一致性 | 锥束CT图像中的颅颌面畸形和胰腺数据集 | 计算机视觉 | 颅颌面畸形, 胰腺疾病 | 锥束CT成像 | 深度学习分割模型 | 医学图像 | 临床CBCT数据集和公共胰腺数据集 | NA | NA | 语义保持能力评估 | NA |
| 103 | 2025-10-06 |
Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling
2024-Aug-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01207-4
PMID:39152209
|
研究论文 | 提出基于Transformer的纵向医学影像序列建模方法LTSA,用于眼病预后预测 | 首次将Transformer架构应用于纵向医学影像序列分析,能够处理长时间跨度且采集时间不规则的影像数据 | 仅验证于两种特定眼病(AMD和POAG),在其他疾病和影像模态上的泛化能力有待验证 | 开发能够利用纵向医学影像序列进行动态疾病预后的深度学习模型 | 年龄相关性黄斑变性(AMD)和原发性开角型青光眼(POAG)患者 | 计算机视觉 | 眼病 | 眼底摄影 | Transformer | 图像序列 | 来自AREDS和OHTS研究的纵向影像数据 | NA | Transformer | 预后预测准确率比较 | NA |
| 104 | 2025-10-06 |
A deep learning model for classifying left ventricular enlargement for both transthoracic echocardiograms and handheld cardiac ultrasound
2024-Aug, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf049
PMID:40688486
|
研究论文 | 开发一种深度学习模型,用于通过经胸超声心动图和手持心脏超声图像自动分类左心室扩大 | 无需患者性别和体型信息即可检测左心室扩大,且模型可同时适用于标准经胸超声心动图和手持心脏超声设备 | 研究为回顾性设计,需要在前瞻性临床环境中进一步验证 | 开发自动化左心室扩大分类模型以优化心力衰竭患者的临床结局 | 心脏超声图像中的左心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | 训练集8722名患者,内部验证468名患者,外部验证4038名患者,前瞻性队列410名患者 | NA | NA | AUC | NA |
| 105 | 2025-07-23 |
The Use of Deep Learning and Machine Learning on Longitudinal Electronic Health Records for the Early Detection and Prevention of Diseases: Scoping Review
2024-08-20, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/48320
PMID:39163096
|
综述 | 本文对利用深度学习和机器学习分析纵向电子健康记录(EHRs)进行疾病早期检测和预防的证据进行了范围综述 | 综述了ML和DL在纵向EHRs中的应用,特别是在疾病早期检测和预防方面的医学见解和临床益处 | 研究排除了技术焦点或使用影像或住院数据的研究,且基于文本EHRs的ML模型仍处于发展阶段 | 探讨ML和DL在纵向EHRs中支持疾病早期检测和预防的潜力 | 纵向电子健康记录(EHRs) | 机器学习 | 多种疾病(如糖尿病、肾脏疾病、循环系统疾病、精神和行为障碍等) | 机器学习(ML)、深度学习(DL) | RNN、LSTM | 文本(EHRs数据) | 20项研究(主要发表于2018年至2022年) | NA | NA | NA | NA |
| 106 | 2025-10-06 |
ConIQA: A deep learning method for perceptual image quality assessment with limited data
2024-Aug-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70469-5
PMID:39209864
|
研究论文 | 提出一种基于深度学习的图像质量评估方法ConIQA,能够在有限标注数据条件下有效评估图像质量 | 结合一致性训练和新型数据增强方法,能够同时利用标注和未标注数据进行学习 | 在特定领域(如计算机生成全息图)的验证,通用性需要进一步验证 | 开发在有限标注数据条件下仍能有效评估图像质量的深度学习方法 | 虚拟现实和增强现实应用中的图像质量评估 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 1000张自然图像,每张配对不同CGH算法渲染的图像,由13名参与者进行质量评分 | NA | NA | 皮尔逊相关系数, 斯皮尔曼相关系数, 肯德尔tau系数 | NA |
| 107 | 2025-10-06 |
Expert-Level Detection of Referable Glaucoma from Fundus Photographs in a Safety Net Population: The AI and Teleophthalmology in Los Angeles Initiative
2024-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.25.24312563
PMID:39252888
|
研究论文 | 开发并测试用于检测可转诊青光眼的深度学习算法,应用于洛杉矶县卫生服务部远程视网膜筛查项目 | 基于VGG-19架构的深度学习算法在检测可转诊青光眼方面达到或超过眼科医生和验光师的表现水平 | 研究数据来源于单一医疗系统,可能限制算法的泛化能力 | 开发自动检测可转诊青光眼的深度学习算法,优化眼科筛查流程 | 洛杉矶县卫生服务部远程视网膜筛查项目中的眼底照片和患者数据 | 计算机视觉 | 青光眼 | 眼底摄影 | CNN | 图像 | 训练集:12,098张图像来自5,616名患者;测试集:1,000张图像来自500名患者 | NA | VGG-19 | AUC, 敏感度, 特异度 | NA |
| 108 | 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 |
| 109 | 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 |
| 110 | 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 |
| 111 | 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 |
| 112 | 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 |
| 113 | 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 |
| 114 | 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 |
| 115 | 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 |
| 116 | 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 |
| 117 | 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 |
| 118 | 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 |
| 119 | 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 |
| 120 | 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 |