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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13501 | 2025-10-07 |
LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images
2025-Mar-31, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02645-y
PMID:40164925
|
研究论文 | 提出一种轻量级框架LEyes,使用合成眼图像训练神经网络进行视线追踪 | 与传统逼真渲染方法不同,使用简单合成图像生成器训练神经网络检测瞳孔和角膜反射等关键特征 | 未明确说明具体性能限制和适用场景限制 | 解决视线估计领域训练数据缺乏和模型泛化能力差的问题 | 眼图像中的瞳孔和角膜反射特征 | 计算机视觉 | NA | 合成数据生成 | 神经网络 | 合成眼图像 | NA | NA | NA | 瞳孔和角膜反射的识别与定位精度 | 成本效益更高的硬件 |
| 13502 | 2025-10-07 |
Exploring a decade of deep learning in dentistry: A comprehensive mapping review
2025-Feb-19, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06216-5
PMID:39969623
|
综述 | 本系统图谱综述探讨了深度学习在牙科领域十年间的应用现状、趋势和临床意义 | 首次对牙科领域深度学习研究进行系统性图谱分析,涵盖2012-2023年间1007项研究,揭示了技术应用模式和临床专业分布 | 主要依赖监督学习方法(95.2%),需要大量标注数据,且多模态数据融合研究相对不足 | 系统梳理深度学习在牙科领域的应用现状和发展趋势 | 2012-2023年间发表的牙科深度学习相关研究文献 | 数字病理 | 牙科疾病 | 深度学习 | CNN | 影像数据 | 1007项纳入研究(从21242篇文献中筛选) | NA | 卷积神经网络 | NA | NA |
| 13503 | 2025-10-07 |
LeFood-set: Baseline performance of predicting level of leftovers food dataset in a hospital using MT learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320426
PMID:40388400
|
研究论文 | 本文提出了一种基于深度学习的食物剩余量预测方法,并创建了首个大规模开放数据集LeFoodSet | 创建了首个专门用于食物剩余量估计的大规模开放数据集,并采用多任务学习同时预测剩余量和食物类型 | 数据集仅包含524对图像,覆盖34种印尼食物类别,样本规模相对有限 | 开发AI方法来准确预测医院患者餐盘中的食物剩余量 | 医院患者的餐盘食物图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 524对图像(餐前餐后对比),涵盖34种印尼食物类别 | NA | ResNet101 | 平均绝对误差(MAE), 分类准确率 | NA |
| 13504 | 2025-10-07 |
Transfer learning in ECG diagnosis: Is it effective?
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316043
PMID:40388401
|
研究论文 | 本研究首次系统评估迁移学习在心电图多标签分类中的有效性 | 首次对心电图分类中迁移学习效果进行大规模实证研究,挑战了迁移学习必然优于从头训练的普遍假设 | 研究结果依赖于特定心电图数据集和神经网络架构,可能不适用于所有场景 | 评估迁移学习在心电图诊断中的实际效果和适用条件 | 多标签心电图分类任务 | 机器学习 | 心血管疾病 | 深度学习 | CNN, RNN | 心电图时间序列数据 | 多个心电图数据集 | NA | 卷积神经网络,循环神经网络 | 分类性能,训练时间,计算成本 | NA |
| 13505 | 2025-10-07 |
Predictive hybrid model of a grid-connected photovoltaic system with DC-DC converters under extreme altitude conditions at 3800 meters above sea level
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324047
PMID:40388424
|
研究论文 | 开发用于3800米高海拔极端条件下并网光伏系统的预测混合模型 | 结合递归特征消除方法与高级正则化技术解决维度灾难问题,提高模型精度 | 未提及具体数据采集时长和气候条件变化范围 | 优化高海拔极端条件下光伏系统的预测性能 | 配备DC-DC优化器的并网光伏系统 | 机器学习 | NA | 递归特征消除(RFE),正则化技术 | Lasso, Ridge, Bayesian Ridge | 光伏系统运行数据 | NA | Scikit-learn | NA | 精度, 平均绝对误差, 均方误差, 决定系数 | NA |
| 13506 | 2025-10-07 |
AI-driven educational transformation in ICT: Improving adaptability, sentiment, and academic performance with advanced machine learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317519
PMID:40388422
|
研究论文 | 本研究通过先进的机器学习和深度学习策略,在ICT教育领域实现教育转型,提升学生适应性、情感分析和学业表现 | 采用混合堆叠方法结合多种机器学习算法,并将情感分析融入教育框架,为教育技术提供创新解决方案 | 数据集仅包含1205个样本,可能限制模型的泛化能力;数据来源单一,仅来自Kaggle平台 | 通过AI技术改善教育领域的适应性、情感分析和学业表现 | 教育数据中的学生适应性、情感状态和学业表现 | 机器学习 | NA | 机器学习,深度学习 | 决策树,随机森林,XGBoost,梯度提升,CNN,RCNN | 结构化数据 | 1205个样本,包含14个属性 | NA | 混合堆叠架构,CNN,RCNN | 准确率 | NA |
| 13507 | 2025-10-07 |
Anomaly recognition in surveillance based on feature optimizer using deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313692
PMID:40388481
|
研究论文 | 提出一种基于深度学习的监控异常识别框架,通过特征优化技术显著提升识别准确率 | 创新性地结合两种深度卷积网络进行特征提取,并采用蜻蜓算法和遗传算法进行特征优化,在5折交叉验证中达到99.9%的准确率 | 未明确说明计算资源需求和实时性能表现 | 提升监控系统中异常事件识别的准确性和鲁棒性 | 监控视频中的异常行为识别 | 计算机视觉 | NA | 深度学习,特征选择 | CNN | 图像 | 未明确说明具体样本数量 | NA | Up-to-the-Minute-Net(63层CNN), Inception-Resnet-v2 | 准确率 | NA |
| 13508 | 2025-10-07 |
Beyond genomics: artificial intelligence-powered diagnostics for indeterminate thyroid nodules-a systematic review and meta-analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1506729
PMID:40391010
|
系统评价与荟萃分析 | 评估人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的当前证据 | 首次系统评估AI在不确定甲状腺结节诊断中的应用,重点关注非基因组学方法,填补了基因组测序分类器成本高昂导致的应用不平等缺口 | 研究间存在显著异质性,模型存在过拟合问题,缺乏稳健的独立外部验证,当前模型性能尚不适合直接临床实施 | 分析人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的诊断准确性 | 不确定甲状腺结节 | 医学人工智能 | 甲状腺结节 | 超声检查,自然语言处理,细胞学分析 | 机器学习,深度学习 | 影像数据,文本数据,细胞学数据 | 7项研究中的20个模型 | NA | NA | AUC | NA |
| 13509 | 2025-10-07 |
Determining resources and capabilities in complex context: A decision-making model for banks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323735
PMID:40392866
|
研究论文 | 本研究开发了一个用于银行在复杂环境中确定资源和能力的决策模型 | 提出了一个适用于复杂环境的资源能力决策模型,整合了模糊偏好判断、深度学习分析和成功率预测 | 研究样本仅限于印度尼西亚国有银行,可能限制模型的普适性 | 开发银行资源和能力确定的决策模型 | 印度尼西亚国有银行 | 机器学习 | NA | 定性方法、案例研究策略、溯因方法 | 深度学习 | 定性数据 | 印度尼西亚国有银行样本 | NA | NA | 成功率预测 | NA |
| 13510 | 2025-10-07 |
Deep learning approaches for quantitative and qualitative assessment of cervical vertebral maturation staging systems
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323776
PMID:40392884
|
研究论文 | 本研究开发并比较了基于人工智能的定量和定性颈椎骨成熟度分期方法 | 首次提出基于13个颈椎标志点测量的定量QCVM方法,相比传统定性方法展现出更优性能 | 研究样本仅来自6个医疗中心,可能影响模型的泛化能力 | 探索人工智能在颈椎骨成熟度分期评估中的应用潜力 | 颈椎骨成熟度分期系统 | 计算机视觉 | 骨科发育评估 | 侧位头影测量 | 深度学习模型 | 图像 | 3,600张侧位头影测量图像 | NA | NA | Pearson相关系数, 均方误差, 成功检测率, 精确率-召回率, F1分数, 分类准确率 | NA |
| 13511 | 2025-10-07 |
SwinFishNet: A Swin Transformer-based approach for automatic fish species classification using transfer learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322711
PMID:40392913
|
研究论文 | 提出基于Swin Transformer的迁移学习方法SwinFishNet,用于自动鱼类物种分类 | 首次将Swin Transformer架构应用于鱼类物种分类任务,通过其分层结构同时捕捉局部和全局特征 | NA | 开发自动鱼类物种分类方法以提升渔业可持续性、食品安全和市场效率 | 淡水鱼和海水鱼图像数据 | 计算机视觉 | NA | 图像处理 | Transformer | 图像 | 三个数据集:12类BD-Freshwater-Fish、10类SmallFishBD和20类FishSpecies | PyTorch | Swin Transformer | 分类准确率,F1分数,召回率,精确率,马修斯相关系数,科恩卡帕系数,混淆矩阵 | NA |
| 13512 | 2025-10-07 |
Assessing response in endoscopy images of esophageal cancer treated with total neoadjuvant therapy via hybrid-architecture ensemble deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1590448
PMID:40395323
|
研究论文 | 通过混合架构集成深度学习评估食管癌患者接受全新辅助治疗后的内镜图像反应 | 提出EC-HAENet混合架构集成深度学习模型,在食管癌全新辅助治疗反应评估中显著优于传统内镜活检方法 | 研究样本仅来自单一医疗中心,需要多中心验证以证明模型的泛化能力 | 开发准确评估食管癌患者接受全新辅助治疗后病理完全反应的AI模型 | 食管癌患者的内镜图像 | 计算机视觉 | 食管癌 | 内镜检查 | 集成深度学习 | 图像 | 300名食管癌患者的7,359张内镜图像 | NA | 混合架构集成模型 | AUC, 准确率 | NA |
| 13513 | 2025-10-07 |
Leveraging spatial dependencies and multi-scale features for automated knee injury detection on MRI diagnosis
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1590962
PMID:40395675
|
研究论文 | 开发基于图卷积网络和多尺度特征融合的深度学习模型KneeXNet,用于膝关节MRI图像的自动损伤检测 | 利用图卷积网络捕捉膝关节MRI中的空间依赖关系,结合多尺度特征融合和对比学习方案增强模型判别能力 | NA | 为临床医生提供高效可靠的膝关节损伤诊断工具,特别关注前交叉韧带撕裂检测 | 膝关节磁共振成像数据 | 医学影像分析 | 膝关节损伤 | 磁共振成像 | 图卷积网络 | 医学图像 | 1,370名患者的膝关节MRI扫描 | PyTorch, Django | 图卷积网络, 多尺度特征融合模块 | AUC | NA |
| 13514 | 2025-10-07 |
Transfer Learning and Multi-Feature Fusion-Based Deep Learning Model for Idiopathic Macular Hole Diagnosis and Grading from Optical Coherence Tomography Images
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S521558
PMID:40396157
|
研究论文 | 开发基于迁移学习和多特征融合的深度学习模型,用于从光学相干断层扫描图像诊断和分级特发性黄斑裂孔 | 结合迁移学习与多特征融合策略,融合传统组学特征与深度特征,构建高效的黄斑裂孔诊断模型 | 单中心回顾性研究,样本量有限(229张OCT图像),需要更多临床试验验证 | 评估深度学习系统在特发性黄斑裂孔诊断、分级和预测中的作用 | 南昌大学第一附属医院特发性黄斑裂孔患者的双眼OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | CNN, 融合模型 | 图像 | 229张OCT图像 | NA | ResNet101 | 准确率, AUC, C-index | NA |
| 13515 | 2025-10-07 |
CatSkill: Artificial Intelligence-Based Metrics for the Assessment of Surgical Skill Level from Intraoperative Cataract Surgery Video Recordings
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100764
PMID:40385240
|
研究论文 | 开发并验证基于人工智能的白内障手术视频分析系统,用于评估外科医生的手术技能水平 | 首次提出白内障手术评估指标(CSAMs),通过深度学习分析手术视频自动评估医生在维持眼球中立位、居中和显微镜对焦方面的技能 | 回顾性研究,仅包含620例手术视频,需要更大样本量验证 | 开发AI系统评估白内障手术医生的专业技能水平 | 620例完整白内障手术视频,由主治医生和眼科住院医师完成 | 计算机视觉 | 白内障 | 视频分析,深度学习分割 | CNN | 手术视频 | 620例白内障手术视频(430例用于分析,254例主治医生,176例住院医师) | NA | FPN(VGG16) | Dice系数,AUC | NA |
| 13516 | 2025-10-07 |
GENERATIVE DEEP LEARNING APPROACH TO PREDICT POSTTREATMENT OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AGE-RELATED MACULAR DEGENERATION AFTER 12 MONTHS
2025-Jun-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004409
PMID:39841905
|
研究论文 | 本研究开发了一种生成式深度学习模型,用于预测年龄相关性黄斑变性患者治疗12个月后的光学相干断层扫描图像 | 首次将条件生成对抗网络应用于预测年龄相关性黄斑变性的长期治疗结果,并验证了整合临床数据对预测性能的提升作用 | 研究样本量相对有限(533只眼),且仅针对初治的湿性年龄相关性黄斑变性患者 | 预测湿性年龄相关性黄斑变性患者的长期解剖学反应,实现个体化治疗管理 | 513名初治湿性年龄相关性黄斑变性患者的533只眼 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描(OCT)、荧光素血管造影、吲哚菁绿血管造影 | 条件生成对抗网络(cGAN) | 医学图像 | 533只眼(来自513名患者) | NA | 条件生成对抗网络 | 准确率 | NA |
| 13517 | 2025-10-07 |
Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification
2025-Jun, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24792
PMID:39888306
|
研究论文 | 提出一种结合随机猫群优化和集成卷积神经网络的皮肤癌分类方法 | 提出随机猫群优化算法与集成卷积神经网络相结合的新方法,用于皮肤癌分期分类 | NA | 优化皮肤癌诊断,提高分类准确性 | 皮肤癌病变图像 | 计算机视觉 | 皮肤癌 | 图像处理 | CNN, DNN | 图像 | HAM10000和ISIC数据集 | Keras | 集成卷积神经网络, 深度神经网络 | 准确率, 召回率, 特异性, 精确率, F1分数 | NA |
| 13518 | 2025-02-20 |
Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Jun, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251317097
PMID:39966688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13519 | 2025-04-25 |
Response to the Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Jun, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251329356
PMID:40269482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13520 | 2025-10-07 |
Accuracy of an Automated Bone Scan Index Measurement System Enhanced by Deep Learning of the Female Skeletal Structure in Patients with Breast Cancer
2025-Jun, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00905-5
PMID:40385368
|
研究论文 | 本研究验证了通过深度学习女性骨骼结构增强的自动化骨扫描指数测量系统VSBONE在乳腺癌患者中的诊断准确性 | VSBONE系统从2.1版本升级到3.0版本,整合了957名女性骨骼结构的深度学习数据,专门针对乳腺癌患者优化 | 研究样本量相对有限(220名日本患者),且为回顾性研究设计 | 验证更新版VSBONE系统在乳腺癌患者中的诊断准确性 | 220名接受骨闪烁扫描的日本乳腺癌患者 | 医学影像分析 | 乳腺癌 | 骨闪烁扫描、单光子发射计算机断层扫描/计算机断层扫描(SPECT/CT) | 深度学习 | 医学影像 | 220名乳腺癌患者(20例骨转移,200例非骨转移) | NA | NA | 诊断准确率、分割错误率、相关系数 | NA |