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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-10-06 |
Open-Source Manually Annotated Vocal Tract Database for Automatic Segmentation from 3D MRI Using Deep Learning: Benchmarking 2D and 3D Convolutional and Transformer Networks
2025-Mar-05, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2025.02.026
PMID:40050174
|
研究论文 | 本研究评估了四种深度学习架构在3D MRI声道自动分割中的性能,并创建了开源手动标注声道数据库 | 首次系统比较2D和3D卷积网络及Transformer网络在声道分割中的表现,并引入迁移学习策略 | 所有模型在特定声音(如/kõn/)分割和骨性区域(如牙齿附近)存在困难 | 评估深度学习算法在3D MRI声道自动分割中的效果 | 10名法语使用者的53个声道体积,包含21个独特法语音素和3个清音任务 | 医学影像分析 | NA | 3D MRI | CNN, Transformer | 3D MRI图像 | 53个声道体积,来自10名法语使用者 | NA | 2D U-Net, 3D U-Net, 3D U-Net with transfer learning, 3D transformer U-Net (3D U-NetR) | Dice系数, Hausdorff距离, 结构相似性指数 | NA |
| 222 | 2025-10-06 |
Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data
2025-Mar-25, Cancers
IF:4.5Q1
DOI:10.3390/cancers17071092
PMID:40227603
|
研究论文 | 提出一种启发式三阶段机制来管理深度学习网格搜索的运行时间,应用于乳腺癌转移风险预测 | 开发了结合甜点网格搜索和随机网格搜索的三阶段机制,有效管理低预算网格搜索时间并提升模型性能 | 研究基于特定临床数据集,方法在更大规模数据或其他疾病领域的适用性需要进一步验证 | 优化深度学习模型在乳腺癌转移风险预测中的性能 | 乳腺癌患者的电子健康记录临床数据 | 机器学习 | 乳腺癌 | 电子健康记录数据分析 | 深度前馈神经网络 | 临床数据 | NA | NA | 深度前馈神经网络 | 风险预测改进百分比 | 低预算计算资源 |
| 223 | 2025-10-06 |
Machine learning predicts spinal cord stimulation surgery outcomes and reveals novel neural markers for chronic pain
2025-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92111-8
PMID:40102462
|
研究论文 | 本研究应用机器学习方法基于术中脑电图数据预测慢性疼痛患者对脊髓刺激疗法的反应 | 首次结合术中脑电图特征与临床数据构建预测模型,发现α-θ峰值功率比作为新型神经标记物 | 样本量较小(仅20名患者),需要更大规模研究验证 | 预测慢性疼痛患者对脊髓刺激疗法的治疗反应 | 20名接受脊髓刺激手术的慢性疼痛患者 | 机器学习 | 慢性疼痛 | 脑电图,脊髓刺激 | 决策树 | 脑电图信号,临床特征,患者报告结局指标 | 20名慢性疼痛患者 | NA | 决策树 | 准确率,F1分数,AUC | NA |
| 224 | 2025-10-06 |
Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage
2025-Mar-12, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100780
PMID:40020686
|
研究论文 | 应用迁移学习预测转录因子剂量如何影响调控元件的染色质可及性 | 首次结合迁移学习和定量染色质响应测量来解析顺式调控元件的序列特征 | 仅针对TWIST1和SOX9两种剂量敏感转录因子进行研究 | 揭示转录因子剂量定量响应的序列决定因素 | 面部祖细胞中的调控元件 | 机器学习 | NA | 迁移学习, 报告基因检测 | 深度学习 | 染色质可及性数据, 转录因子结合基序 | NA | NA | NA | 准确性 | NA |
| 225 | 2025-10-06 |
Development of a Machine-Learning Algorithm to Identify Cauda Equina Compression on Magnetic Resonance Imaging Scans
2025-03, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.123669
PMID:39826832
|
研究论文 | 开发用于自动检测磁共振成像中马尾神经压迫的机器学习算法 | 首次将卷积神经网络应用于马尾神经压迫的自动检测,并生成梯度下降热力图以突出分类关键区域 | 样本量相对有限(715张图像),需要在更多样化的数据集上进一步验证 | 开发自动化马尾神经压迫检测模型,实现对疑似马尾神经综合征患者的快速分诊 | 疑似马尾神经综合征患者的磁共振成像扫描 | 计算机视觉 | 马尾神经综合征 | 磁共振成像 | CNN | 图像 | 715张磁共振图像(80%训练,20%测试) | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性, 阳性预测值, AUC | NA |
| 226 | 2025-10-06 |
Performance of Machine Learning Models in Predicting BRAF Alterations Using Imaging Data in Low-Grade Glioma: A Systematic Review and Meta-Analysis
2025-03, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.123742
PMID:39914655
|
系统综述与荟萃分析 | 系统评估机器学习模型使用影像数据预测低级别胶质瘤中BRAF基因改变的性能 | 首次系统综述和荟萃分析评估人工智能模型在预测低级别胶质瘤BRAF基因改变方面的表现 | 纳入研究数量有限(6项研究),样本量较小(951例患者),需要更大样本量和更多算法验证 | 评估机器学习和深度学习模型使用影像数据预测低级别胶质瘤中BRAF基因改变的性能 | 低级别胶质瘤患者 | 医学影像分析 | 脑胶质瘤 | 医学影像分析 | 机器学习,深度学习 | 影像数据 | 951例患者 | NA | NA | AUROC,敏感性,特异性 | NA |
| 227 | 2025-10-06 |
The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers
2025-Mar-01, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00767-0
PMID:40025245
|
研究论文 | 本研究探讨胶质母细胞瘤的影像组学特征、空间分布模式与基因突变之间的关系 | 首次系统揭示胶质母细胞瘤突变产生的独特影像特征及其与肿瘤空间分布的关联 | 回顾性研究设计,样本量有限(357例),仅分析IDH野生型胶质母细胞瘤 | 建立胶质母细胞瘤分子组成和致癌驱动因子的临床可及影像生物标志物 | 357例IDH野生型胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | 多参数MRI,靶向基因测序 | 机器学习,深度学习 | 医学影像,基因测序数据 | 357例IDH野生型胶质母细胞瘤 | NA | NA | NA | NA |
| 228 | 2025-10-06 |
Accuracy of deep learning-based upper airway segmentation
2025-03, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.102048
PMID:39244033
|
研究论文 | 本研究评估了基于深度学习的自动分割方法与半自动方法在上气道分割中的准确性 | 首次使用MONAI Label框架训练自动分割模型,并与开源软件ITK-SNAP的半自动方法进行系统性比较 | 研究样本量未明确说明,可能影响结果的普适性 | 评估自动和半自动上气道分割方法在正畸治疗中的准确性 | 锥形束CT图像中的上气道结构 | 数字病理 | 正畸疾病 | 锥形束CT成像 | 深度学习分割模型 | 医学影像 | NA | MONAI Label, ITK-SNAP | NA | Dice相似系数, 精确度, 召回率, 95% Hausdorff距离, 体积差异 | NA |
| 229 | 2025-10-06 |
De novo design of self-assembling peptides with antimicrobial activity guided by deep learning
2025-Mar-14, Nature materials
IF:37.2Q1
DOI:10.1038/s41563-025-02164-3
PMID:40087536
|
研究论文 | 通过深度学习指导从头设计具有抗菌活性的自组装肽材料 | 整合非天然氨基酸增强肽自组装能力,并利用深度学习预测功能活性,实现无需大量实验标注的功能性肽材料设计 | 需要最小化实验标注,可能对某些复杂功能的预测仍存在挑战 | 解决细菌耐药性问题,开发新型抗菌材料 | 自组装肽材料及其抗菌功能 | 机器学习 | 细菌感染 | 深度学习 | 深度学习模型 | 肽序列数据 | 小鼠肠道细菌感染模型 | NA | NA | 体内治疗效果、生物膜清除能力、耐药性诱导 | NA |
| 230 | 2025-10-06 |
A Large Language Model-Powered Map of Metabolomics Research
2025-Mar-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.18.643696
PMID:40166287
|
研究论文 | 使用大型语言模型构建代谢组学研究全景图,整合分析超过80,000篇文献 | 结合PubMedBERT和GPT-4o mini进行主题建模,首次系统揭示代谢组学研究领域的主题结构和演变趋势 | 基于文献摘要分析,可能未涵盖全文细节;主题分类依赖模型性能 | 构建代谢组学研究领域的知识图谱和趋势分析 | 80,000多篇代谢组学相关科学文献 | 自然语言处理 | NA | 文献挖掘,主题建模 | BERT,神经网络主题模型 | 文本 | 80,000+篇文献 | PubMedBERT,GPT-4o mini,t-SNE | BERT,神经网络主题模型 | NA | NA |
| 231 | 2025-10-06 |
Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology
2025-Mar-10, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2025.40.e20
PMID:40065710
|
研究论文 | 本研究通过深度学习技术分析单独使用MMSE与结合其他认知测试在痴呆症诊断中的效果 | 首次使用随机森林模型量化MMSE单独使用时的过度诊断问题,特别关注年轻高学历人群 | 研究样本仅限于有主观认知抱怨的参与者,可能不适用于一般人群 | 提高痴呆症诊断准确性,优化诊断流程 | 2,863名有主观认知抱怨的参与者 | 机器学习 | 老年疾病 | 神经心理学评估 | 随机森林 | 认知测试数据 | 2,863名参与者 | Scikit-learn | 随机森林 | 准确率,精确率,召回率,F1分数,AUC | NA |
| 232 | 2025-10-06 |
actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf107
PMID:40080667
|
研究论文 | 提出了一种改进的AlphaFold2预测置信度度量方法actifpTM,专注于蛋白质相互作用中的关键残基 | 开发了actifpTM指标,解决了传统ipTM评分在柔性区域存在时的局限性,提供了更稳健的相互作用置信度评估 | NA | 改进蛋白质结构预测模型中的相互作用置信度评估方法 | 蛋白质-蛋白质相互作用,特别是涉及柔性区域的相互作用 | 生物信息学 | NA | 蛋白质结构预测 | AlphaFold2 | 蛋白质结构数据 | NA | ColabFold | AlphaFold2 | actifpTM, ipTM | Colab notebook, 本地安装 |
| 233 | 2025-10-06 |
Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3492313
PMID:39504285
|
研究论文 | 本文提出了一种能够模拟脑血管树各组成部分的完整合成模型,用于颅内动脉瘤检测场景的评估 | 开发了能够同时模拟动脉几何形状、动脉瘤形态和背景噪声的完整合成3D血管模型 | NA | 构建合成血管模型以增强颅内动脉瘤检测的深度学习性能 | 脑血管树、颅内动脉瘤 | 计算机视觉 | 脑血管疾病 | 磁共振血管成像、飞行时间原理 | 3D CNN | 3D图像 | NA | NA | NA | NA | NA |
| 234 | 2025-10-06 |
SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study
2025-Mar-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95786-1
PMID:40159513
|
研究论文 | 提出一种结合海鸥优化算法进行特征选择和随机森林分类器的乳腺癌诊断新方法 | 首次将海鸥优化算法应用于乳腺癌诊断中的基因选择,通过系统探索特征空间识别最具信息量的基因子集 | 未集成其他自然启发算法和深度学习模型,临床适用性有待进一步验证 | 提高乳腺癌分类准确率并降低计算复杂度 | 乳腺癌基因数据 | 机器学习 | 乳腺癌 | 基因表达分析 | 随机森林 | 基因数据 | NA | Scikit-learn | 随机森林 | 准确率 | NA |
| 235 | 2025-10-06 |
Deep Learning Models to Predict Diagnostic and Billing Codes Following Visits to a Family Medicine Practice: Development and Validation Study
2025-Mar-07, JMIR AI
DOI:10.2196/64279
PMID:40605560
|
研究论文 | 开发并验证能够从家庭医学实践电子病历笔记中预测诊断和账单代码的深度学习模型 | 首次在家庭医学领域应用深度学习模型自动预测诊断和账单代码,减少计费错误和遗漏 | 模型在诊断代码预测方面的召回率和精确度相对较低,且需要进一步验证在其他家庭医学实践中的泛化能力 | 开发能够从电子病历笔记中自动预测诊断和账单代码的机器学习模型,提高家庭医学实践的计费效率 | 家庭医学实践中的就诊记录和相应的电子病历笔记 | 自然语言处理 | 家庭医学相关疾病 | 电子病历分析 | 深度学习模型 | 文本 | 198,802次就诊记录(来自总共245,045次符合条件的就诊) | NA | NA | 准确率, 召回率, 精确率, F1分数, ROC曲线下面积 | NA |
| 236 | 2025-10-06 |
Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment
2025-Mar-27, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01647-8
PMID:40148785
|
研究论文 | 评估基于自适应压缩感知网络的深度学习重建方法在脑部MRI中的性能表现 | 首次将深度学习重建与压缩感知技术结合应用于三维脑部MRI,实现扫描时间减半而不损失图像质量 | 样本量较小(10名健康志愿者和22名患者),需要更大规模研究验证 | 验证深度学习重建方法在脑部MRI扫描时间优化和图像质量保持方面的效果 | 健康志愿者和临床患者的三维脑部MRI数据 | 医学影像分析 | 脑部疾病 | 磁共振成像,压缩感知技术 | 深度学习重建网络 | 三维脑部MRI图像 | 10名健康志愿者和22名患者 | NA | 自适应压缩感知网络 | 图像质量评分,信噪比,锐度,解剖结构清晰度,伪影评估,体积测量准确性 | NA |
| 237 | 2025-10-06 |
Facial identity recognition using StyleGAN3 inversion and improved tiny YOLOv7 model
2025-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93096-0
PMID:40097614
|
研究论文 | 提出一种结合StyleGAN3反演和改进Tiny YOLOv7模型的面部身份识别方法 | 开发了基于空间变换块和压缩激励空间金字塔池化的Tiny YOLOv7改进模型,在少样本场景下显著提升识别性能 | 数据集仅包含20个独特身份,样本多样性可能有限 | 解决面部属性操纵下的身份识别问题,应用于犯罪预防领域 | 面部属性和身份识别 | 计算机视觉 | NA | StyleGAN3反演 | CNN | 图像 | 11,560张图像,包含20个独特身份和38个面部属性 | NA | Tiny YOLOv7, StyleGAN3 | mAP | NA |
| 238 | 2025-10-06 |
Research on the performance of the SegFormer model with fusion of edge feature extraction for metal corrosion detection
2025-Mar-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92531-6
PMID:40057599
|
研究论文 | 提出一种融合边缘特征提取的SegFormer金属腐蚀检测方法,通过并行提取边缘特征提升腐蚀边界和小腐蚀区域的分割精度 | 引入边缘特征提取模块(EEM)构建网络空间分支,结合特征融合模块(FFM)实现渐进式特征融合,有效解决边界模糊和小目标特征丢失问题 | NA | 提高金属腐蚀检测中边界分割和小腐蚀区域识别的准确性 | 金属腐蚀图像 | 计算机视觉 | NA | 语义分割 | SegFormer | 图像 | 公共金属表面腐蚀图像数据集、BSData缺陷数据集、自建油管腐蚀坑图像数据集 | NA | SegFormer, EEM, FFM | 准确率, mIoU | NA |
| 239 | 2025-10-06 |
Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94741-4
PMID:40133523
|
研究论文 | 本研究利用深度学习算法挖掘乳腺癌超声特征,构建预测Ki-67表达水平的机器学习模型 | 整合肿瘤区域和瘤周区域的深度特征构建融合模型,并在多中心数据集上进行验证 | 回顾性研究设计,样本量相对有限(929例患者) | 开发准确预测乳腺癌Ki-67表达水平的机器学习模型 | 929例乳腺癌患者的临床和超声数据 | 医学影像分析 | 乳腺癌 | 超声成像 | SVM, LightGBM | 超声图像 | 929例乳腺癌患者 | NA | NA | 准确率, ROAUC, 敏感性, 特异性, F1分数 | NA |
| 240 | 2025-10-06 |
Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408451
PMID:39792693
|
研究论文 | 开发基于全切片病理图像的深度学习模型HER2Net,用于预测胃癌HER2状态 | 创新性地通过定量计算HER2高表达区域比例来预测HER2状态 | 回顾性研究,需要进一步前瞻性验证 | 开发经济可行且易于使用的工具来区分胃癌患者的HER2状态 | 胃癌患者的全切片病理图像 | 数字病理 | 胃癌 | 苏木精-伊红染色,全切片成像 | 深度学习模型 | 病理图像 | 内部训练集520名患者的531张WSI,内部测试集111名患者的115张WSI,外部多中心测试集101名患者的102张WSI | NA | HER2Net | 准确率 | NA |