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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-10-06 |
Using deep convolutional networks combined with signal processing techniques for accurate prediction of surface quality
2025-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92114-5
PMID:40021768
|
研究论文 | 本研究提出了一种结合深度学习与信号处理技术来预测铣削零件表面粗糙度的框架 | 创新性地将声发射信号通过四种编码技术转换为二维图像,并系统比较了不同卷积神经网络在表面粗糙度预测中的性能 | NA | 开发准确预测铣削零件表面粗糙度的数据驱动方法 | 铣削加工过程中的声发射信号和表面粗糙度 | 机器学习和信号处理 | NA | 声发射信号采集、信号编码技术(SSPC、SSSC、SSSC*、RP) | CNN, LSTM | 声发射信号转换的二维图像 | NA | NA | VGG16, ResNet18, ShuffleNet, CNN-LSTM | 准确率 | NA |
| 142 | 2025-10-06 |
Coinciding Diabetic Retinopathy and Diabetic Macular Edema Grading With Rat Swarm Optimization Algorithm for Enhanced Capsule Generation Adversarial Network
2025-Feb, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24709
PMID:39487733
|
研究论文 | 提出一种结合鼠群优化算法的增强胶囊生成对抗网络,用于糖尿病视网膜病变和糖尿病黄斑水肿的联合分级 | 首次将鼠群优化算法与增强胶囊生成对抗网络结合,用于DR和DME的联合分级任务 | 使用ISBI 2018不平衡数据集,可能影响模型在平衡数据上的泛化能力 | 开发自动化的糖尿病眼病分级系统以实现早期诊断 | 糖尿病视网膜病变和糖尿病黄斑水肿患者 | 计算机视觉 | 糖尿病眼病 | 眼底图像分析 | GAN, Capsule Network | 图像 | ISBI 2018 IDRiD不平衡数据集 | Python | 增强胶囊生成对抗网络 | 准确率 | NA |
| 143 | 2025-10-06 |
Macrophage memory emerges from coordinated transcription factor and chromatin dynamics
2025-Feb-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101171
PMID:39938520
|
研究论文 | 本研究揭示巨噬细胞通过协调转录因子和染色质动态形成对炎症信号的记忆机制 | 首次证明连续炎症信号通过重编程NF-κB网络和染色质可及性景观在单个巨噬细胞中诱导记忆 | NA | 探索免疫细胞如何编码和解码动态信号以及是否保留对过去炎症暴露的记忆 | 巨噬细胞 | 机器学习 | 败血症 | 活细胞分析, ATAC测序, 转录组分析 | 深度学习 | 基因组数据, 转录组数据 | NA | NA | NA | NA | NA |
| 144 | 2025-10-06 |
Deep learning and radiomics for gastric cancer serosal invasion: automated segmentation and multi-machine learning from two centers
2025-Feb-03, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06117-w
PMID:39900688
|
研究论文 | 本研究开发了一种基于深度学习的脾脏CT图像自动分割方法,并结合影像组学和深度学习特征构建胃癌浆膜侵犯预测模型 | 首次使用U-Mamba模型实现脾脏CT图像全自动分割,并结合多中心数据开发了包含临床、影像组学和深度学习特征的预测模型 | 样本量相对有限(311例),仅来自两个医疗中心 | 开发胃癌浆膜侵犯的自动化预测方法 | 经病理证实的胃癌患者 | 医学影像分析 | 胃癌 | CT影像分析 | U-Mamba, 多种机器学习方法 | CT图像 | 311例来自两个中心的患者 | NA | U-Mamba | 判别能力 | NA |
| 145 | 2025-10-06 |
Targeted Microperimetry Grids for Focal Lesions in Intermediate AMD: PINNACLE Study Report 7
2025-Feb-03, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.2.6
PMID:39903180
|
研究论文 | 本研究评估了基于OCT的靶向微视野检查网格在评估中期年龄相关性黄斑变性(iAMD)局灶性病变中的可行性和实用性 | 使用深度学习算法检测OCT图像中的局灶性病变,并开发了针对病变位置的5点靶向微视野检查网格 | 最终分析仅包含83名患者的93只眼睛,样本量相对有限 | 评估靶向微视野检查网格在iAMD局灶性病变评估中的应用价值 | 中期年龄相关性黄斑变性(iAMD)患者 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描(OCT), 微视野检查 | 深度学习算法 | 医学影像 | 395名55-90岁iAMD患者,最终分析包含83名患者的93只眼睛 | NA | NA | Pearson相关系数, 线性混合模型, 置信区间 | NA |
| 146 | 2025-10-06 |
Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17536
PMID:39589333
|
研究论文 | 开发了一种肿瘤感知的循环深度学习图像配准方法TRACER,用于肺癌患者CT扫描的跨患者可变形图像配准 | 提出结合肿瘤分割信息的循环卷积LSTM网络,通过双向肿瘤刚性约束实现拓扑保持的跨患者图像配准 | 研究仅针对肺癌患者,未验证在其他类型肿瘤或疾病中的适用性 | 开发适用于基于体素分析的跨患者可变形图像配准方法 | 肺癌患者的计算机断层扫描图像 | 医学图像处理 | 肺癌 | 计算机断层扫描 | 3D-CLSTM | 3D医学图像 | 训练集204对3D CT图像,三个测试集分别包含308对、765对和42例患者的图像 | 深度学习框架 | 3D卷积长短期记忆网络 | 肿瘤体积差异百分比,CT强度均方误差,放疗剂量差异 | NA |
| 147 | 2025-10-06 |
Challenges and solutions of deep learning-based automated liver segmentation: A systematic review
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109459
PMID:39642700
|
系统综述 | 系统分析基于深度学习的自动化肝脏分割面临的挑战及解决方案 | 首次将肝脏分割挑战系统分类为五大类别并对应分析解决方案 | 仅纳入2016-2022年Scopus和ScienceDirect数据库的88篇文献 | 分析肝脏分割技术面临的挑战及相应的网络模型改进方法 | 医学影像中的肝脏分割 | 数字病理 | 肝脏疾病 | 医学影像技术 | 深度学习模型 | 医学影像 | 88篇研究文献 | NA | NA | 评估指标 | NA |
| 148 | 2025-10-06 |
Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109530
PMID:39693692
|
系统文献综述 | 本文系统综述了基于深度学习的MRI多发性硬化检测与分析方法 | 首次系统性地总结和比较了深度学习在多发性硬化MRI分析中的应用现状 | 仅纳入82篇相关研究,可能存在文献选择偏差 | 系统评估深度学习技术在多发性硬化MRI检测与分析中的应用效果 | 多发性硬化患者的MRI医学影像数据 | 医学影像分析 | 多发性硬化 | 磁共振成像 | CNN | 医学影像 | 基于82项研究的汇总数据 | NA | NA | NA | NA |
| 149 | 2025-10-06 |
Deep Learning-Based Blood Abnormalities Detection as a Tool for VEXAS Syndrome Screening
2025-Feb, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14368
PMID:39275905
|
研究论文 | 开发基于深度学习的血液异常检测工具用于VEXAS综合征筛查 | 首次利用深度学习自动检测外周血多形核粒细胞中的异常特征来筛查VEXAS综合征 | 样本量相对有限(VEXAS患者仅25例),需多中心验证 | 开发VEXAS综合征的自动化筛查工具 | 外周血多形核粒细胞图像 | 数字病理学 | 血液系统疾病 | 外周血涂片图像分析 | CNN | 图像 | 9514张标注的多形核粒细胞图像,来自64名患者(25例VEXAS,14例骨髓增生异常,25例血细胞减少) | NA | 卷积神经网络 | AUC, F1-score, 敏感性, 特异性 | NA |
| 150 | 2025-10-06 |
Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01876
PMID:39908426
|
研究论文 | 使用深度变分异常生成方法对分子表示进行模糊测试 | 首次使用变分自编码器生成SELFIES分子字符串的异常示例,探索影响分子表示可靠性的因素 | 仅针对SELFIES 2.1.1版本进行研究,未涵盖其他分子表示格式 | 压力测试和验证分子表示的鲁棒性 | SELFIES分子字符串表示 | 机器学习 | NA | 变分自编码器 | VAE | 分子字符串 | NA | NA | 变分自编码器 | NA | NA |
| 151 | 2025-10-06 |
A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110660
PMID:39645201
|
研究论文 | 开发并验证基于深度学习的预后预测模型,用于识别II期鼻咽癌患者中仅需调强放疗的低风险人群 | 首次结合深度学习MRI特征与临床信息构建预测模型,用于识别仅需单纯放疗的II期鼻咽癌患者 | 回顾性研究设计,样本量有限(999例),需要前瞻性验证 | 开发预后预测模型以优化II期鼻咽癌患者的治疗策略选择 | II期鼻咽癌患者 | 医学影像分析 | 鼻咽癌 | MRI影像分析 | 3DResNet, XGBoost | MRI影像, 临床数据 | 999例来自两个中心的II期鼻咽癌患者 | NA | 3DResNet | C-index, AUC, 校准测试 | NA |
| 152 | 2025-06-07 |
Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features
2025-02, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152598
PMID:39613484
|
research paper | 本研究探讨了系统性硬化症(SSc)临床特征与冠状动脉钙化程度及进展之间的关联 | 结合视觉序数评分和深度学习(DeepCAC)方法量化冠状动脉钙化,并探索其与SSc临床特征的关联 | 单中心回顾性研究,样本量有限(86例和171例) | 研究SSc临床特征与冠状动脉钙化进展的关系 | 系统性硬化症患者 | digital pathology | cardiovascular disease | DeepCAC | deep learning | medical imaging | 86例(主要目标)和171例(次要目标)SSc患者 | NA | NA | NA | NA |
| 153 | 2025-06-07 |
PRISM Lite: A lightweight model for interactive 3D placenta segmentation in ultrasound
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047410
PMID:40463735
|
research paper | 提出了一种轻量级交互式分割模型PRISM Lite,用于实时从3D超声图像中分割胎盘 | 设计了一个轻量级模型,适用于临床使用,能够在资源有限的环境中实时运行,并通过人机交互实现迭代改进 | 尽管模型在分割精度上表现优异,但其在低资源环境或移动设备上的实际应用仍需进一步验证 | 开发一种适用于临床的轻量级交互式胎盘分割模型,以提高分割效率和质量 | 3D超声图像中的胎盘 | digital pathology | pregnancy outcomes | 3D ultrasound (3DUS) | lightweight interactive segmentation model | 3D image | NA | NA | NA | NA | NA |
| 154 | 2025-06-06 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
research paper | 本研究探讨了在直肠癌在线自适应放疗中,利用患者特异性先验临床知识提高临床靶区自动分割的泛化能力 | 提出了一种结合患者特异性先验临床知识和基于人群的变异性的深度学习方法,以提高自动分割的泛化能力 | 研究仅针对直肠癌患者,未涉及其他癌症类型 | 提高在线自适应放疗中临床靶区自动分割的泛化能力 | 中危或局部晚期直肠癌患者 | digital pathology | rectal cancer | deep learning | DL | MRI | 来自三个中心的中危或局部晚期直肠癌患者 | NA | NA | NA | NA |
| 155 | 2025-10-06 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2025-Feb-15, The American journal of cardiology
DOI:10.1016/j.amjcard.2024.11.028
PMID:39581517
|
研究论文 | 本研究评估了深度学习心电图模型在监测肥厚型心肌病治疗反应中的应用 | 首次使用AI-ECG技术评估不同疗法(手术/经皮室间隔减容术和口服药物马瓦卡坦)对肥厚型心肌病的生物学反应 | 样本量有限,仅包含三个医疗中心的患者数据,随访时间可能不足 | 评估AI-ECG作为监测肥厚型心肌病治疗反应策略的有效性 | 接受室间隔减容术和马瓦卡坦治疗的肥厚型心肌病患者 | 医疗人工智能 | 肥厚型心肌病 | 人工智能增强心电图 | 深度学习模型 | 12导联心电图图像 | 315名患者(YNHHS 70名,CCF 100名,AHS 145名,另加36名马瓦卡坦治疗患者) | NA | NA | AI-ECG HCM评分,Wilcoxon符号秩检验 | NA |
| 156 | 2025-10-06 |
Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement
2025-Feb, Journal of the Air & Waste Management Association (1995)
DOI:10.1080/10962247.2024.2412708
PMID:39440842
|
研究论文 | 本研究通过改进U-Net卷积神经网络,结合边缘扩展和损失函数优化,实现了农业塑料大棚的高精度遥感提取 | 提出结合Canny算子和高斯核函数进行样本边缘扩展,并使用二元交叉熵和高斯核函数联合约束损失函数,从而提升U-Net模型对农业塑料大棚的提取精度 | NA | 提高农业塑料大棚的位置和数量提取精度,为农业管理和环境监测提供快速准确的方法 | 农业塑料大棚 | 计算机视觉 | NA | 遥感技术 | CNN | 遥感图像 | NA | NA | U-Net | 提取精度 | NA |
| 157 | 2025-10-06 |
Weakly Supervised Multiple Instance Learning Model With Generalization Ability for Clinical Adenocarcinoma Screening on Serous Cavity Effusion Pathology
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100648
PMID:39515585
|
研究论文 | 本研究提出一种弱监督多示例学习模型,用于浆膜腔积液中腺癌细胞的临床筛查 | 首次将细胞块技术与弱监督深度学习模型结合,采用多示例学习方法进行浆膜腺癌筛查 | NA | 提高浆膜腔积液中腺癌细胞的筛查效率和诊断准确性 | 浆膜腔积液中的腺癌细胞 | 数字病理学 | 腺癌 | 细胞块技术,全玻片成像 | 弱监督深度学习,多示例学习 | 病理图像 | NA | NA | NA | NA | NA |
| 158 | 2025-10-06 |
Radiomics-guided generative adversarial network for automatic primary target volume segmentation for nasopharyngeal carcinoma using computed tomography images
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17493
PMID:39535436
|
研究论文 | 提出一种基于瘤周影像组学引导的生成对抗网络,用于鼻咽癌CT图像的原发肿瘤靶区自动分割 | 首次将瘤周影像组学特征作为先验知识融入生成对抗网络,解决CT图像中肿瘤边界不清的分割难题 | 样本量相对有限(157例患者),且仅基于CT图像 | 提高鼻咽癌原发肿瘤靶区在CT图像上的自动分割精度 | 鼻咽癌患者的CT图像 | 医学影像分析 | 鼻咽癌 | CT成像 | GAN | CT图像 | 157例鼻咽癌患者(训练集108例,验证集9例,测试集30例) | NA | 生成对抗网络 | Dice相似系数, 95% Hausdorff距离, 平均对称表面距离 | NA |
| 159 | 2025-10-06 |
Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room
2025-Feb-20, European heart journal. Acute cardiovascular care
DOI:10.1093/ehjacc/zuaf001
PMID:39787045
|
研究论文 | 开发并评估一种利用心电图数据识别急诊室急性心力衰竭患者的深度学习模型 | 首次将常规12导联心电图与临床数据结合,使用CatBoost算法显著提升急性心力衰竭的识别准确率 | 回顾性研究设计,数据来源于三家医院可能限制泛化能力 | 提升急诊室中急性心力衰竭的诊断能力 | 急诊室就诊的急性心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图分析 | CatBoost, XGBoost, Light GBM, 线性回归 | 心电图数据、临床参数 | 19285名急诊患者,其中9119名确诊急性心力衰竭患者 | CatBoost, XGBoost, Light GBM | 梯度提升决策树 | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 160 | 2025-10-06 |
Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109534
PMID:39672015
|
综述 | 本文系统综述了2017年以来机器学习在运动想象脑电信号解码领域的最新研究进展 | 聚焦2017年后的最新研究进展,系统总结了脑机接口中运动想象EEG信号解码的数据集、预处理方法、特征提取技术和深度学习模型 | 作为综述文章,不涉及原始实验研究,主要依赖已有文献的总结和分析 | 通过机器学习和深度学习技术提升运动想象脑电信号的解码能力,改善运动障碍患者的生活质量 | 运动想象脑电图信号和脑机接口系统 | 机器学习 | 运动障碍疾病 | 脑电图 | 深度学习模型 | 脑电信号 | NA | NA | NA | NA | NA |