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 |
Thoracic Aortic Three-Dimensional Geometry
2024-Oct-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.09.593413
PMID:38798566
|
研究论文 | 开发了一种基于深度学习的全自动方法,用于量化胸主动脉的三维几何结构参数 | 首次在大规模人群中全面表征胸主动脉的三维几何结构,并开发了全自动的主动脉几何表型提取方法 | 研究主要基于两个生物银行的数据,可能受到数据来源的限制 | 量化胸主动脉的三维几何结构,研究主动脉结构与心血管健康的关系 | 英国生物银行54,241名参与者和宾夕法尼亚医学生物银行8,456名参与者的影像扫描数据 | 医学影像分析 | 心血管疾病 | 医学影像分割,形态学图像处理 | 深度学习架构 | 医学影像扫描数据 | 英国生物银行54,241人,宾夕法尼亚医学生物银行8,456人 | NA | NA | NA | NA |
| 102 | 2025-10-07 |
An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease
2024-10-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75518-7
PMID:39438634
|
研究论文 | 提出一种基于增强堆叠自编码器和优化深度神经网络的干眼病预测方法 | 将混沌映射融入特征选择,使用SLSTM-STSA提升分类精度,并采用增强量子细菌觅食优化算法的自适应量子旋转进行优化 | NA | 开发高效的干眼病早期诊断方法 | 干眼病患者数据 | 机器学习 | 干眼病 | 深度学习 | 堆叠自编码器,深度神经网络 | 医学特征数据 | NA | NA | 增强堆叠自编码器,优化深度神经网络 | 准确率 | NA |
| 103 | 2025-10-07 |
Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer
2024-Oct-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00604-w
PMID:39363031
|
研究论文 | 本研究通过整合H&E染色和免疫组化图像,识别HPV相关口咽癌中的预后免疫亚型 | 首次将H&E与IHC图像配准整合,增强对肿瘤免疫微环境功能特征的表征能力 | 回顾性研究,样本量有限(88例原发肿瘤和70例淋巴结组织) | 改善HPV阳性口咽癌患者分层和预后评估 | HPV阳性口咽鳞状细胞癌患者 | 数字病理学 | 口咽癌 | H&E染色,免疫组化 | 深度学习 | 病理图像 | 88例原发肿瘤和70例淋巴结组织图像 | NA | NA | p值,多变量Cox回归分析 | NA |
| 104 | 2025-10-07 |
Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery
2024-Oct-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000003335
PMID:38959453
|
研究论文 | 开发了一种基于深度学习的实时输尿管识别模型UreterNet,用于腹腔镜结直肠手术中识别输尿管 | 首次将基于语义分割的深度学习算法应用于腹腔镜手术视频中的输尿管识别任务 | 需要验证UreterNet是否能有效降低医源性输尿管损伤的发生率 | 开发一种非侵入性方法在腹腔镜结直肠手术中识别输尿管,提高手术安全性 | 腹腔镜结直肠手术视频中的输尿管 | 计算机视觉 | 结直肠手术相关并发症 | 深度学习语义分割 | CNN | 手术视频图像 | 304个手术视频,14,069张标注图像(训练集9537张,验证集2266张,测试集2266张) | NA | Feature Pyramid Networks | 精确率,召回率,Dice系数 | NA |
| 105 | 2025-05-03 |
Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis
2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery
DOI:10.48729/pjctvs.411
PMID:39820882
|
review | 本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用 | 利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性 | 面临临床验证和数据隐私的挑战 | 提高颈动脉狭窄的诊断准确性和风险分层,改善患者管理 | 颈动脉狭窄患者 | machine learning | cardiovascular disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 106 | 2025-05-02 |
Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning
2024-Oct-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005093
PMID:38975768
|
research paper | 利用基于深度学习的语义分割模型,通过前后位X光片中骨盆小骨盆与闭孔的面积比评估骨盆倾斜 | 首次将深度学习语义分割模型应用于骨盆倾斜的自动测量,通过面积比方法提高了测量的准确性和鲁棒性 | 研究样本量相对较小(20个模拟骨盆和231个临床案例),可能影响结果的普遍性 | 开发一种自动测量骨盆倾斜的方法,以辅助髋关节和脊柱手术 | 骨盆X光片(模拟和临床案例) | digital pathology | geriatric disease | deep learning semantic segmentation | CNN | image | 20个模拟骨盆(10男10女)和231个临床案例 | NA | NA | NA | NA |
| 107 | 2025-10-07 |
An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae029
PMID:38960866
|
研究论文 | 开发基于深度学习的人工智能系统用于锥形束CT数据中根尖周炎的分级诊断 | 提出新型PAINet算法,在根尖周炎分级任务中优于经典ResNet系列及当前主流Transformer和注意力模型 | 仅使用120个CBCT图像样本,样本量相对有限 | 辅助初级医生更准确诊断根尖周炎 | 根尖周炎患者的锥形束CT影像数据 | 计算机视觉 | 根尖周炎 | 锥形束计算机断层扫描(CBCT) | CNN, Transformer | 医学影像 | 120个CBCT图像 | NA | ResNet50, ResNet101, ResNet152, PAINet, Transformer | 准确率, 精确率, 召回率, F1分数, AUC, Cohen's kappa | NA |
| 108 | 2025-10-07 |
Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae028
PMID:38937280
|
研究论文 | 开发并验证基于nnU-Net的深度学习模型,用于锥形束CT中五类颌骨病变的自动分类和分割 | 提出改进的nnU-Net模型实现颌骨病变的多类别分类与分割双重任务,在医生诊断中提供AI辅助 | 研究样本量有限(368例CBCT扫描),未提及外部验证集结果 | 开发能够自动分类和分割多类别颌骨病变的深度学习模型 | 颌骨病变的锥形束CT影像 | 医学影像分析 | 颌骨疾病 | 锥形束CT成像 | 深度学习 | 医学影像 | 368例CBCT扫描(37,168个切片) | nnU-Net | nnU-Net | 灵敏度,特异性,精确度,F1分数,准确率,Dice相似系数,平均对称表面距离 | NA |
| 109 | 2025-10-07 |
Hybrid Deep Learning Approach for Traffic Speed Prediction
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0251
PMID:35108088
|
研究论文 | 提出一种名为HDL4TSP的混合深度学习方法用于城市交通速度预测 | 同时建模交通数据中的空间和时间相关性,通过图卷积网络捕获空间依赖关系,使用ConvLSTM网络建模时间周期性 | NA | 提高交通速度预测的准确性 | 城市各区域的交通速度数据 | 机器学习 | NA | 深度学习 | 图卷积网络, ConvLSTM | 交通速度数据 | 两个真实世界数据集 | NA | HDL4TSP(包含输入层、空间层、时间层、融合层和输出层) | NA | NA |
| 110 | 2025-10-07 |
A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0268
PMID:35704031
|
研究论文 | 提出一种基于混合多层深度学习模型的网络入侵检测系统 | 采用多层卷积神经网络进行特征提取和选择,并结合softmax分类器进行入侵分类,同时使用多层深度神经网络进行进一步分析 | 仅使用NSL-KDD和KDDCUP'99两个基准数据集进行验证,未在其他数据集上测试泛化能力 | 提高网络入侵检测的准确率 | 网络流量数据 | 机器学习 | NA | 深度学习 | CNN, 深度神经网络 | 网络流量数据 | NSL-KDD和KDDCUP'99两个基准数据集 | NA | 多层卷积神经网络, 多层深度神经网络 | 准确率, 召回率, F1分数, 精确率 | NA |
| 111 | 2025-04-25 |
Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis
2024-Oct-15, Research square
DOI:10.21203/rs.3.rs-4889334/v1
PMID:39483897
|
研究论文 | 本文探讨了在系统性硬化症(SSc)患者中使用神经网络分析作为皮肤结果的新方法,并与传统方法进行比较 | 首次将深度学习模型应用于SSc患者的皮肤活检,以量化病理特征,超越了传统的皮肤厚度测量 | 研究样本量较小(仅10名患者),且试验提前终止,可能影响结果的普遍性 | 评估belumosudil在SSc患者中的效果,并探索AI在量化SSc皮肤病理特征中的应用 | 患有弥漫性皮肤SSc的成年患者 | 数字病理学 | 系统性硬化症 | 深度学习 | 深度学习模型 | 图像(皮肤活检切片) | 10名患者(其中5名有配对活检) | NA | NA | NA | NA |
| 112 | 2025-04-25 |
Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology
2024-Oct-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.22.590118
PMID:38712207
|
研究论文 | 本研究提出了一种数据驱动且可解释的方法,用于识别与患者预后相关的肿瘤微环境细胞组织模式 | 引入了双层图模型(细胞图和群体图),通过软Weisfeiler-Lehman子树核捕捉患者间的相似性,从而识别具有独特预后的患者亚群和肿瘤微环境模式 | 方法虽然在乳腺癌患者中验证,但可能在其他癌症类型中的适用性需要进一步验证 | 开发一种可解释的深度学习方法,识别与预后相关的肿瘤微环境模式 | 乳腺癌患者的肿瘤微环境 | 数字病理学 | 乳腺癌 | 深度学习 | 双层图模型(细胞图和群体图) | 数字病理图像 | 乳腺癌患者队列(具体数量未提及)及两个独立验证队列 | NA | NA | NA | NA |
| 113 | 2025-10-07 |
Development and Evaluation of a Learning-Based Model for Real-Time Haptic Texture Rendering
2024 Oct-Dec, IEEE transactions on haptics
IF:2.4Q2
DOI:10.1109/TOH.2024.3382258
PMID:38536688
|
研究论文 | 开发并评估一种基于学习的实时触觉纹理渲染模型 | 提出统一的动作条件触觉纹理渲染模型,无需为每种纹理单独训练模型,能够泛化到未见过的纹理 | NA | 开发可泛化的实时触觉纹理渲染方法,提升虚拟现实环境的触觉体验 | 触觉纹理渲染和人类触觉感知 | 机器学习 | NA | 基于视觉的触觉传感(GelSight) | 深度学习 | 触觉传感器数据 | 通过多部分人类用户研究进行评估 | NA | NA | 感知性能评估 | NA |
| 114 | 2025-10-07 |
A dynamic approach for MR T2-weighted pelvic imaging
2024-Oct-15, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad8335
PMID:39362274
|
研究论文 | 提出一种无需患者准备的动态磁共振盆腔成像方法来解决蠕动引起的运动伪影问题 | 采用动态数据采集策略和基于深度均衡模型的展开方法进行图像重建,将成像问题从传统运动预防转变为运动重建 | NA | 解决盆腔磁共振成像中蠕动引起的运动伪影和模糊问题 | 盆腔磁共振成像 | 医学影像 | 盆腔疾病 | T2加权2D快速自旋回波序列 | 深度均衡模型 | 磁共振k空间数据 | 回顾性和前瞻性数据 | NA | 深度均衡模型 | 运动伪影减少程度、结构细节描绘准确性 | NA |
| 115 | 2025-10-07 |
Creation of de novo cryptic splicing for ALS and FTD precision medicine
2024-10-04, Science (New York, N.Y.)
DOI:10.1126/science.adk2539
PMID:39361759
|
研究论文 | 开发了一种利用TDP-43功能丧失诱导的隐蔽剪接特异性来驱动蛋白质表达的新方法TDP-REG,为ALS和FTD精准治疗提供新策略 | 结合深度学习和理性设计开发SpliceNouveau算法,首次实现在蛋白质编码序列中生成可定制的隐蔽剪接事件 | NA | 开发针对TDP43相关疾病的精准治疗方法 | RNA结合蛋白TDP-43及其功能丧失引起的隐蔽剪接事件 | 生物信息学 | 肌萎缩侧索硬化症,额颞叶痴呆 | 深度学习,基因组prime editing,隐蔽剪接分析 | 深度学习 | 基因组序列,剪接数据 | NA | NA | NA | NA | NA |
| 116 | 2025-10-07 |
HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding
2024-Oct, Iranian journal of biotechnology
IF:1.6Q4
DOI:10.30498/ijb.2024.459448.3927
PMID:40225296
|
研究论文 | 开发了一个名为HLAPepBinder的集成机器学习模型,用于预测HLA-肽结合 | 首次使用随机森林方法整合九个预测器的结果,提供全面的预测框架,无需手动模型选择 | 缺乏可靠的阴性数据,通常假设未知相互作用为阴性 | 提高HLA-肽结合预测的准确性和效率 | HLA-肽结合对 | 机器学习 | 癌症 | 集成机器学习 | 随机森林 | 肽序列数据 | NA | NA | 随机森林 | 预测准确性,资源效率 | 有限计算环境 |
| 117 | 2025-10-07 |
Knot data analysis using multiscale Gauss link integral
2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2408431121
PMID:39392667
|
研究论文 | 提出一种结合曲线分割和多尺度分析的高斯链接积分方法,用于分析复杂生物数据中的拓扑结构 | 将曲线分割和多尺度分析引入高斯链接积分,创建多尺度高斯链接积分方法,能够同时捕捉数据的全局拓扑特性和局部结构 | NA | 开发能够分析复杂数据中局部结构和连接性的拓扑数据分析方法 | 13个复杂生物数据集,包括蛋白质灵活性分析、蛋白质-配体相互作用、hERG钾通道阻断筛选和毒性评估 | 拓扑数据分析 | NA | 多尺度高斯链接积分 | NA | 生物数据 | 13个复杂生物数据集 | NA | NA | NA | NA |
| 118 | 2025-10-07 |
Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise
2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-72120-5_4
PMID:40207034
|
研究论文 | 提出一种结合噪声标签学习和主动学习的两阶段方法,用于处理医学图像分类中的标签噪声和类别不平衡问题 | 提出梯度方差方法补充基于损失的样本选择,在有限标注预算下迭代改进数据集质量,避免将少数类干净样本误判为噪声样本 | 仅在两个不平衡噪声医学分类数据集上验证,需要进一步在更多数据集上测试泛化能力 | 提高医学图像分类在标签噪声存在下的鲁棒性,并主动清理噪声标签 | 医学图像分类任务 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 医学图像 | 两个不平衡噪声医学分类数据集 | NA | NA | 分类性能 | NA |
| 119 | 2025-10-07 |
Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram
2024-10-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71562-5
PMID:39353972
|
研究论文 | 开发基于心电图检测血钾异常的深度学习算法 | 首次开发能够从心电图中检测高钾血症和低钾血症的深度学习模型,并验证其临床预测价值 | 回顾性研究设计,模型性能在不同心电图导联配置下存在差异 | 通过深度学习技术实现血钾异常的无创快速检测 | 心电图与血清钾浓度配对数据 | 医疗人工智能 | 电解质紊乱 | 心电图分析 | 深度学习 | 心电图信号 | 训练集310,449个、验证集15,828个、内部测试集23,849个、外部验证集130,415个ECG-K样本 | NA | NA | AUROC, 敏感度, 特异度 | NA |
| 120 | 2025-10-07 |
A phenotypic drug discovery approach by latent interaction in deep learning
2024-Oct, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240720
PMID:40191531
|
研究论文 | 开发了一种基于深度学习的表型药物发现方法,通过潜在交互作用规避传统结合测定方法的局限性 | 提出端到端的深度学习模型,仅利用治疗信息生成潜在表示,能隐式考虑上位效应和化学-遗传相互作用等复杂机制 | 在基础机制知识有限的情况下使用,对化学多样性数据有依赖性 | 开发新的计算药物发现方法以克服传统结合测定方法的限制 | 药物和病毒的遗传信息 | 机器学习 | 病毒性疾病 | 深度学习,数据增强 | 深度学习 | 文本(药物和病毒遗传信息的文本表示) | NA | NA | NA | 样本外验证性能 | NA |