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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-10-07 |
Multi-modal dataset creation for federated learning with DICOM-structured reports
2025-Mar, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03327-y
PMID:39899185
|
研究论文 | 本研究开发了一个基于DICOM结构化报告的开放平台,用于创建多模态数据集以支持联邦学习 | 利用DICOM结构化报告实现跨机构多模态数据的标准化链接和交互式筛选,简化了联邦学习中患者队列的创建过程 | 研究目前仅在德国八家大学医院联盟内验证,尚未扩展到更广泛的医疗机构 | 解决联邦学习在异构数据集上的挑战,实现多中心多模态数据的协调和标准化 | 接受微创心脏瓣膜置换术的患者数据 | 医学影像分析 | 心血管疾病 | DICOM结构化报告,多模态数据集成 | NA | 影像数据,波形数据,标注数据,元数据 | 德国八家大学医院的跨机构数据集 | Python, highdicom | NA | NA | NA |
| 282 | 2025-10-07 |
Prognostic models for unplanned intensive care unit readmission risk prediction: A systematic review and meta-analysis based on HSROC model
2025-Mar, Nursing in critical care
IF:3.0Q1
DOI:10.1111/nicc.13306
PMID:39995380
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估ICU非计划再入院风险预测模型的性能 | 首次基于HSROC模型对ICU再入院预测模型进行系统比较,区分了机器学习模型与评分系统的性能差异 | 所有研究存在高偏倚风险,模型缺乏外部验证,未充分利用临床文本数据 | 识别ICU非计划再入院预后模型并比较机器学习模型与评分系统的性能 | ICU再入院预测模型 | 机器学习 | 危重症 | 系统综述,荟萃分析,HSROC模型 | 机器学习模型,深度学习模型,评分系统 | 临床数据 | 67项研究,包含335个模型和67个评分系统 | Stata | NA | 敏感性,特异性 | NA |
| 283 | 2025-10-07 |
Skin cancer detection using dermoscopic images with convolutional neural network
2025-Mar-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91446-6
PMID:40021731
|
研究论文 | 提出一种基于FCDS-CNN的深度学习网络,用于皮肤镜图像中的皮肤癌检测 | 提出新型FCDS-CNN架构,结合数据增强和类别加权技术解决医学图像中的类别不平衡问题 | 未明确说明模型在真实临床环境中的泛化能力验证 | 提高皮肤恶性黑色素瘤的早期检测准确率 | 七类皮肤病变的皮肤镜图像 | 计算机视觉 | 皮肤癌 | 皮肤镜成像 | CNN | 图像 | 10015张图像,涵盖7种皮肤病变类别 | NA | FCDS-CNN | 准确率,精确率,召回率,F1分数,AUC | NA |
| 284 | 2025-05-28 |
Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93765-0
PMID:40155444
|
research paper | 该研究探讨了使用人类启发式优化算法(TLBO和SPBO)优化卷积神经网络(CNN)在基于脑电图(EEG)的驾驶员 drowsiness 检测中的应用 | 引入了两种人类启发式优化算法(TLBO和SPBO)来优化CNN架构,提高了EEG信号中 drowsiness 检测的性能 | 存在轻微的过拟合问题 | 提高基于EEG的驾驶员 drowsiness 检测系统的性能 | 驾驶员 drowsiness 检测 | machine learning | NA | EEG | CNN | EEG信号 | NA | NA | NA | NA | NA |
| 285 | 2025-05-28 |
Multimodal medical image fusion combining saliency perception and generative adversarial network
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95147-y
PMID:40148552
|
研究论文 | 本文提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法,以提高诊断准确性 | 提出了一种新颖的深度学习架构Temporal Decomposition Network (TDN),通过特征级时间分析和对抗学习机制优化多模态医学图像融合 | NA | 优化多模态医学图像融合,提高诊断准确性 | 多模态医学图像 | 数字病理 | NA | 生成对抗网络(GAN) | TDN (Temporal Decomposition Network) | 图像 | 多样化的医学图像数据集,包含多种模态和图像维度 | NA | NA | NA | NA |
| 286 | 2025-10-07 |
Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis
2025-Mar-12, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01626-z
PMID:40075328
|
系统综述与荟萃分析 | 评估深度学习模型在曲面断层放射影像中筛查骨质疏松症的准确性 | 首个系统评价和荟萃分析,评估深度学习模型从曲面断层放射影像预测骨质疏松的准确性 | 需要更广泛的多中心研究来验证在高风险群体中的有效性 | 评估深度学习模型在曲面断层放射影像中筛查骨质疏松症的诊断准确性 | 骨质疏松症患者 | 医学影像分析 | 骨质疏松症 | 曲面断层放射影像 | 深度学习 | 放射影像 | 7项研究纳入分析 | NA | AlexNet, ResNet | AUC, 敏感度, 特异度 | NA |
| 287 | 2025-10-07 |
Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics
2025-Mar-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25051576
PMID:40096448
|
研究论文 | 本文探讨基于网格细胞的仿生导航方法在机器人领域的应用,通过深度学习模型从移动机器人轨迹中学习空间表征 | 首次在移动无人地面车辆轨迹训练中成功复现了生物网格细胞的空间周期性和六边形激活模式,同时模拟了边界细胞和头方向细胞的响应特性 | 未提及具体实验规模和数据集的多样性限制 | 开发基于网格细胞仿生原理的机器人导航算法 | 移动无人地面车辆(UGV)机器人 | 机器人导航 | NA | 深度学习 | 网格细胞网络 | 机器人运动轨迹数据 | NA | NA | 网格细胞网络 | 空间周期性激活模式、六边形激活模式、边界细胞响应、头方向细胞响应 | NA |
| 288 | 2025-10-07 |
Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review
2025-Mar, Cancer reports (Hoboken, N.J.)
DOI:10.1002/cnr2.70138
PMID:40103563
|
系统综述 | 系统评估人工智能模型在预测卵巢癌患者生存结局方面的有效性 | 首次系统比较多种机器学习算法在卵巢癌生存预测中的表现,并识别关键预测特征 | 模型准确性和可解释性仍存在挑战,纳入研究数量有限(32项) | 评估机器学习算法预测卵巢癌患者生存结局的有效性 | 卵巢癌患者 | 机器学习 | 卵巢癌 | 机器学习算法 | 随机森林,支持向量机,逻辑回归,XGBoost,深度学习模型 | 临床数据,影像数据,分子数据 | 32项符合纳入标准的研究(来自2400篇文献) | NA | NA | AUC,C-index,准确率 | NA |
| 289 | 2025-10-07 |
Using pretrained models in ensemble learning for date fruits multiclass classification
2025-Mar, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70136
PMID:40135491
|
研究论文 | 本研究使用四种预训练CNN模型和集成学习方法对九种不同椰枣品种进行多分类 | 提出Dirichlet集成方法,结合多个CNN模型的预测结果,在椰枣分类任务中实现最佳性能 | 未探索更先进的集成策略和微调技术,模型泛化能力有待进一步提升 | 提高椰枣品种自动分类的准确性和鲁棒性,用于质量控制和商业应用 | 九种不同品种的椰枣果实 | 计算机视觉 | NA | 深度学习图像分类 | CNN, 集成学习 | 图像 | NA | NA | DenseNet121, MobileNetV2, ResNet18, VGG16 | 准确率, 精确率, 召回率, F1分数 | NA |
| 290 | 2025-10-07 |
Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review
2025-Mar-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57358
PMID:40100249
|
系统性综述 | 本系统性综述评估了利用电子健康记录中顺序诊断代码的深度学习模型在预测患者结局中的应用现状 | 首次系统性地评估了顺序诊断代码在深度学习模型中的应用情况,并分析了样本量与模型性能的关系以及模型泛化能力 | 研究方法和结果的异质性较大,大多数研究存在高偏倚风险 | 评估顺序诊断数据在深度学习模型中的应用情况,分析数据整合方式、样本量对性能的影响以及模型泛化能力 | 使用顺序诊断代码训练深度学习算法预测患者结局的研究 | 医疗人工智能 | 多种疾病 | 电子健康记录数据分析 | RNN, Transformer | 顺序诊断代码 | 84项符合条件的研究 | NA | 循环神经网络及其衍生模型, Transformer | AUC | NA |
| 291 | 2025-10-07 |
Intelligent detection and grading diagnosis of fresh rib fractures based on deep learning
2025-Mar-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01641-0
PMID:40128676
|
研究论文 | 基于改进YOLO深度学习模型实现新鲜肋骨骨折的智能检测与分级诊断 | 开发了改进的YOLO模型用于肋骨骨折自动检测和严重程度分级,并在公开数据集上验证了其优于胸外科医生的性能 | 回顾性研究,样本量相对有限,未提供具体临床实施细节 | 提高肋骨骨折诊断准确性和效率,减轻医生工作负担 | 383例肋骨骨折患者的胸部CT图像及公开RibFrac数据集的50例患者 | 计算机视觉 | 肋骨骨折 | CT影像分析 | CNN | 医学影像 | 433例患者(383例内部数据+50例外部验证) | YOLO | 改进的YOLO模型 | 精确率,召回率,mAP50,F1分数 | NA |
| 292 | 2025-10-07 |
Reasoning-Driven Food Energy Estimation via Multimodal Large Language Models
2025-Mar-24, Nutrients
IF:4.8Q1
DOI:10.3390/nu17071128
PMID:40218886
|
研究论文 | 本文提出通过微调和体积感知推理两种方法改进多模态大语言模型在基于图像的食物能量估计中的性能 | 首次将多模态大语言模型应用于食物能量估计,并提出体积感知推理和细粒度估计提示方法解决食物尺寸识别难题 | 模型在食物尺寸识别方面仍存在局限,这是影响能量估计准确性的关键因素 | 改进基于图像的食物能量估计准确度,支持饮食摄入监测应用 | 食物图像及其能量含量估计 | 计算机视觉,自然语言处理 | NA | 多模态大语言模型 | MLLMs | 图像 | Nutrition5k数据集 | NA | 多模态大语言模型,LoRA | 估计准确度 | NA |
| 293 | 2025-10-07 |
Leveraging large language models for knowledge-free weak supervision in clinical natural language processing
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68168-2
PMID:40064991
|
研究论文 | 提出一种利用大语言模型进行知识无关弱监督的临床自然语言处理方法 | 通过微调LLM生成弱标注数据训练下游BERT模型,无需领域知识即可实现优越性能 | LLM推理计算量较大 | 解决临床自然语言处理中标注数据稀缺的问题 | 临床命名实体识别 | 自然语言处理 | NA | 弱监督学习、上下文学习 | LLM, BERT | 临床文本 | 三个i2b2/n2c2数据集,不超过50份黄金标准病历 | NA | Llama2-13B, PubMedBERT | F1分数 | NA |
| 294 | 2025-10-07 |
Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study
2025-Mar-02, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01355-y
PMID:40025592
|
研究论文 | 开发结合腰椎CT、多序列MRI和临床数据的深度学习影像组学模型,用于预测腰椎融合术后高风险椎间融合器下沉 | 首次将3D视觉变换器深度学习模型与传统影像组学特征、临床特征相结合,构建多中心联合预测模型 | 回顾性研究设计,样本量相对有限(305例患者),需要进一步前瞻性验证 | 预测腰椎融合术后高风险椎间融合器下沉患者 | 接受腰椎融合手术的患者 | 医学影像分析 | 脊柱疾病 | CT、MRI影像学检查 | 深度学习, 逻辑回归 | 医学影像(CT、MRI)、临床数据 | 305例患者(训练集214例,验证集61例,测试集30例)来自三个医疗中心 | NA | 3D视觉变换器 | AUC(曲线下面积) | NA |
| 295 | 2025-10-07 |
KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate From a Smartwatch
2025-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3477275
PMID:39383068
|
研究论文 | 提出一种融合专家知识的知识驱动深度学习模型KID-PPG,用于从智能手表PPG信号中准确提取心率 | 通过自适应线性滤波、深度概率推断和数据增强将医学与信号处理领域的专家知识整合到深度学习模型中 | 仅在PPGDalia数据集上进行评估,未在其他数据集验证泛化能力 | 解决PPG信号中运动伪影和信号质量退化导致的心率提取不准确问题 | 智能手表采集的光电容积脉搏波(PPG)信号 | 生物医学信号处理 | 心血管疾病 | 光电容积脉搏波(PPG) | 深度学习 | PPG信号 | PPGDalia数据集 | NA | KID-PPG | 平均绝对误差(MAE) | NA |
| 296 | 2025-10-07 |
Brain tumour histopathology through the lens of deep learning: A systematic review
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109642
PMID:39787663
|
系统综述 | 系统回顾深度学习在脑肿瘤特别是胶质母细胞瘤组织病理学研究中的应用现状与趋势 | 首次系统梳理了ML/DL技术在GBM组织病理学研究中的应用模式,揭示了组学数据与组织病理数据整合分析的新趋势 | 纳入的GBM相关研究数量有限(仅8篇),且许多研究未能清晰报告模型训练和评估方法 | 调查机器学习/深度学习技术如何推动脑肿瘤特别是胶质母细胞瘤的组织病理学研究进展 | 54项符合条件的研究,重点关注胶质母细胞瘤相关研究 | 数字病理 | 脑肿瘤/胶质母细胞瘤 | 组织病理学与多组学数据整合分析 | SVM, CNN | 组织病理图像, 多组学数据 | 54项研究(其中8项GBM专项研究) | NA | ResNet | NA | NA |
| 297 | 2025-10-07 |
Artificial Intelligence-Guided Lung Ultrasound by Nonexperts
2025-Mar-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.4991
PMID:39813064
|
研究论文 | 评估人工智能引导非专业医护人员获取诊断质量肺部超声图像的能力 | 首次验证AI引导非专业医护人员获取诊断质量肺部超声图像的可行性 | 研究样本量有限,仅包含176名参与者 | 评估AI在指导非专业医护人员获取诊断质量肺部超声图像方面的能力 | 呼吸困难患者和非专业医护人员(医疗助理、呼吸治疗师和护士) | 医学影像分析 | 肺部疾病 | 肺部超声 | 深度学习 | 超声图像 | 176名参与者 | NA | NA | 诊断质量比例 | NA |
| 298 | 2025-10-07 |
Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning
2025-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3490187
PMID:39485690
|
研究论文 | 提出一种基于相似性映射和分层多流深度学习的室性心律失常分类方法 | 开发了相似性映射特征来捕捉ECG信号中的规律性,并提出了分层多流ResNet34架构 | NA | 解决室性心动过速、心室颤动和非室性心律之间的分类问题 | 心电图信号中的室性心律失常 | 数字病理学 | 心血管疾病 | ECG信号分析 | 深度学习 | 心电图信号 | NA | NA | ResNet34 | 灵敏度, 准确率 | NA |
| 299 | 2025-10-07 |
Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy
2025-Mar, BioTechniques
IF:2.2Q4
DOI:10.1080/07366205.2025.2493489
PMID:40264428
|
研究论文 | 开发基于ChatGPT数据分析师的深度学习自动方法用于评估脂肪来源干细胞球体形态质量 | 首次将ChatGPT数据分析师应用于细胞球体形态评估,提供自动化测量解决方案 | 未提及样本量的具体限制和模型泛化能力的验证 | 开发自动化的球体尺寸测量方法以改进细胞球体质量评估 | 脂肪来源干细胞(ADSCs)形成的球体 | 计算机视觉 | 骨关节炎 | 深度学习图像识别与处理 | NA | 图像 | NA | ChatGPT Data Analyst, ImageJ | NA | Bland-Altman分析, 散点图相关系数 | NA |
| 300 | 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 |