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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1321 | 2025-10-07 |
EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108553
PMID:39667144
|
研究论文 | 提出一种轻量级深度学习模型EpiBrCan-Lite,用于基于DNA甲基化数据的乳腺癌亚型分类 | 通过将传统Transformer编码器中的MLP模块替换为GRU模块,显著减少可训练权重参数数量同时保持对输入特征长程依赖关系的捕捉能力 | 未提及模型在其他独立数据集上的验证结果 | 开发轻量级乳腺癌亚型分类模型以解决现有方法参数过多和性能不足的问题 | 乳腺癌亚型分类 | 机器学习 | 乳腺癌 | DNA甲基化数据 | Transformer, GRU | 表观基因组数据 | TCGA乳腺癌数据集 | NA | TransGRU(改进的Transformer编码器) | 准确率, 精确率, 召回率, F1分数, 假正率, 假负率 | 适用于低计算能力设备 |
| 1322 | 2025-10-07 |
Improving real-time detection of laryngeal lesions in endoscopic images using a decoupled super-resolution enhanced YOLO
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108539
PMID:39689500
|
研究论文 | 提出一种名为SRE-YOLO的深度学习方法,用于实时检测喉镜图像中的喉部病变 | 将超分辨率分支与YOLOv8n基线耦合训练并在推理时解耦,在保持实时性的同时提升小病变检测精度 | NA | 开发高效的深度学习决策支持系统,为经验不足的医务人员提供喉部病变实时检测辅助 | 喉部病变 | 计算机视觉 | 喉癌 | 白光内窥镜成像,窄带成像 | YOLO | 图像 | 多中心数据集,包含多种喉部病理和采集模式 | NA | YOLOv8n | 平均精度,推理速度 | NA |
| 1323 | 2025-10-07 |
Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108560
PMID:39693791
|
研究论文 | 本研究提出将自监督学习整合到血细胞分类流程中,以解决数据稀缺和模型泛化性差的问题 | 首次将自监督学习应用于血细胞分类,实现了骨髓和外周血细胞领域间的知识迁移,仅需少量标注样本即可高效适应新数据集 | 研究基于公开数据集,在实际临床环境中的验证仍需进一步研究 | 开发鲁棒可靠的血细胞自动分类系统,克服数据稀缺和模型泛化性限制 | 骨髓和外周血细胞图像 | 计算机视觉 | 血液系统疾病 | 自监督学习 | 深度学习 | 单细胞图像 | 四个公开血液学数据集(一个骨髓数据集和三个外周血数据集),每类仅需50个标注样本 | NA | 自监督学习特征提取器+轻量级机器学习分类器 | 平衡分类准确率 | NA |
| 1324 | 2025-10-07 |
Multimodal autism detection: Deep hybrid model with improved feature level fusion
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108492
PMID:39700689
|
研究论文 | 提出了一种基于深度学习的多模态自闭症检测模型,融合脑电图和面部图像特征 | 提出了改进的特征级融合方法和深度混合模型架构,结合CNN和Bi-GRU进行自闭症检测 | NA | 开发准确的自闭症检测模型以辅助早期诊断 | 自闭症谱系障碍患者 | 机器学习 | 自闭症谱系障碍 | 脑电图分析,图像处理 | CNN, Bi-GRU, 混合模型 | 脑电图信号,面部图像 | NA | NA | CNN, Bi-GRU | 准确率 | NA |
| 1325 | 2025-10-07 |
Robust multi-modal fusion architecture for medical data with knowledge distillation
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108568
PMID:39709743
|
研究论文 | 提出一种基于知识蒸馏的鲁棒多模态融合架构,用于处理医学数据中的模态缺失问题 | 提出池化瓶颈注意力多模态融合模块,结合知识蒸馏和梯度调制方法,有效应对模态缺失和不平衡优化问题 | 仅在MIMIC-IV数据集上验证,未在其他医学数据集上测试泛化能力 | 开发能够处理模态缺失的鲁棒多模态融合框架 | 胸部X光片、现病史文本、人口统计学和实验室检查表格数据 | 医学人工智能 | 院内死亡风险预测 | 多模态融合、知识蒸馏 | 深度学习 | 图像、文本、表格数据 | MIMIC-IV数据集 | NA | 池化瓶颈注意力融合架构 | AUROC, AUPRC | NA |
| 1326 | 2025-10-07 |
A novel lightweight deep learning based approaches for the automatic diagnosis of gastrointestinal disease using image processing and knowledge distillation techniques
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108579
PMID:39798279
|
研究论文 | 提出一种基于知识蒸馏的轻量级深度学习模型,用于胃肠道疾病的自动诊断 | 集成模型压缩技术、ConvLSTM层和ConvNext块,并通过知识蒸馏优化,显著降低计算需求 | NA | 解决深度神经网络在临床环境中的计算效率问题 | 胃肠道疾病 | 计算机视觉 | 胃肠道疾病 | 图像处理 | 深度学习 | 图像 | 6000张内窥镜图像 | NA | ConvLSTM, ConvNext | 准确率, 计算成本, 磁盘空间使用量 | NA |
| 1327 | 2025-10-07 |
Bidirectional f-Divergence-Based Deep Generative Method for Imputing Missing Values in Time-Series Data
2025-Mar, Stats
IF:0.9Q3
DOI:10.3390/stats8010007
PMID:39911165
|
研究论文 | 提出一种基于f-散度的双向生成对抗插补网络tf-BiGAIN,用于时间序列数据中的缺失值填补 | 使用f-散度作为目标函数提供灵活的优化框架,并采用双向门控循环单元同时利用前向和后向时间信息 | 未明确说明在高缺失率下的具体性能边界和计算效率 | 解决高维时间序列数据中缺失值插补的挑战 | 时间序列数据 | 机器学习 | NA | NA | GAN, 双向门控循环单元 | 时间序列数据 | 两个真实世界时间序列数据集 | NA | tf-BiGAIN | 准确率, 鲁棒性 | NA |
| 1328 | 2025-10-07 |
HistoColAi: An open-source web platform for collaborative digital histology image annotation with AI-driven predictive integration
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108577
PMID:39813900
|
研究论文 | 开发了一个用于数字组织学图像标注的开源Web平台,集成了AI驱动的预测功能 | 首个将AI预测功能集成到开源Web平台的数字病理学图像标注工具,为非技术背景的病理学家提供了深度学习模型的使用途径 | 主要针对TIFF格式的Whole Slide Imaging,对其他图像格式支持有限 | 解决数字病理学中缺乏直观开源标注工具的问题,促进计算机辅助诊断系统的发展 | 数字组织学图像,特别是全玻片图像 | 数字病理学 | 梭形细胞皮肤肿瘤 | Whole Slide Imaging | 深度学习模型 | 图像 | NA | NA | NA | 可用性研究 | Web平台 |
| 1329 | 2025-10-07 |
The Role of Artificial Intelligence in Obesity Medicine
2025-Mar, Endocrinology and metabolism clinics of North America
IF:4.8Q1
DOI:10.1016/j.ecl.2024.10.008
PMID:39919876
|
综述 | 本文探讨人工智能在肥胖医学领域的变革性作用及其应用潜力 | 系统阐述机器学习、深度学习、自然语言处理和大语言模型在肥胖管理中的综合应用 | 面临数据隐私、算法偏见、AI幻觉、透明度和实施障碍等伦理挑战 | 分析人工智能技术在肥胖预防、诊断、治疗和长期管理中的应用价值 | 肥胖医学领域的AI技术应用 | 自然语言处理, 机器学习 | 肥胖症 | 机器学习, 深度学习, 自然语言处理, 大语言模型 | NA | 多模态数据集 | NA | NA | NA | NA | NA |
| 1330 | 2025-10-07 |
Deep Learning-Based Techniques in Glioma Brain Tumor Segmentation Using Multi-Parametric MRI: A Review on Clinical Applications and Future Outlooks
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29543
PMID:39074952
|
综述 | 本文全面回顾了深度学习在多参数MRI胶质瘤脑肿瘤分割中的应用现状与未来展望 | 系统梳理了从早期CNN到最新注意力机制和Transformer模型的技术演进,并探讨了基因组数据整合等未来方向 | 存在数据质量、梯度消失和模型可解释性等挑战 | 探讨深度学习在多参数MRI胶质瘤分割中的临床应用与发展前景 | 胶质瘤脑肿瘤 | 数字病理 | 脑肿瘤 | 多参数磁共振成像 | CNN, Transformer | 医学影像 | NA | NA | CNN, 注意力机制, Transformer | NA | NA |
| 1331 | 2024-08-07 |
Editorial for "Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases"
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29509
PMID:39016471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1332 | 2025-10-07 |
Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29574
PMID:39167019
|
研究论文 | 本研究开发了一种基于多参数MRI的深度学习放射组学模型,用于评估非肌层浸润性膀胱癌的5年复发风险 | 首次将多参数MRI的放射组学特征、深度学习特征与临床因素整合,构建了优于传统EORTC模型的复发风险评估模型 | 回顾性研究设计,样本量相对有限(191例患者) | 改进非肌层浸润性膀胱癌的5年复发风险评估方法 | 非肌层浸润性膀胱癌患者 | 数字病理 | 膀胱癌 | 多参数MRI,包括T2加权成像、扩散加权成像和动态对比增强序列 | 深度学习模型 | 医学影像 | 191例患者(训练队列115例,验证和测试队列各38例) | NA | NA | AUC, Harrell's concordance index | NA |
| 1333 | 2025-10-07 |
Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review
2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.09.010
PMID:39701860
|
系统综述 | 系统评估人工智能在基于3D成像的颌骨矫正手术治疗方案制定和结果预测中的应用 | 首次系统综述AI在颌骨矫正手术规划与预后预测中的角色,重点关注3D成像技术的应用 | 纳入研究存在显著异质性且数据报告不足,无法进行荟萃分析 | 评估AI在颌骨矫正手术治疗规划和结果预测中的应用效果 | 颌骨矫正手术患者 | 医学影像分析 | 颌面畸形 | 3D成像,CT扫描 | 深度学习,机器学习 | 3D医学影像,CT数据 | 14项研究(11项使用深度学习,3项使用机器学习) | NA | NA | 预测误差,Dice分数,准确率 | NA |
| 1334 | 2025-02-08 |
Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images
2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.11.002
PMID:39725588
|
研究论文 | 本研究旨在开发基于CT图像的三种模型,用于区分颅面纤维性发育不良(CFD)患者的病变进展状态 | 结合了放射组学和深度学习的混合模型(Model Rad+DL),在评估CFD病变进展方面表现出优越性 | 研究为回顾性分析,样本量有限(148例患者) | 开发并评估基于CT图像的模型,以区分CFD患者的病变进展状态 | 148名CFD患者的术前CT扫描图像 | 数字病理学 | 颅面纤维性发育不良 | 3D-Slicer软件用于图像分割和特征提取 | 混合模型(放射组学和深度学习) | CT图像 | 148名CFD患者 | NA | NA | NA | NA |
| 1335 | 2025-02-08 |
Editorial for "Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer"
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29592
PMID:39258759
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1336 | 2025-10-07 |
Deep Learning-Based Artificial Intelligence Can Differentiate Treatment-Resistant and Responsive Depression Cases with High Accuracy
2025-Mar, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594241273181
PMID:39251228
|
研究论文 | 本研究使用基于GoogleNet卷积神经网络的深度学习方法和EEG信号数据,实现了对治疗抵抗性抑郁症与治疗敏感性抑郁症的高精度分类 | 首次将深度学习方法和EEG信号结合用于治疗抵抗性抑郁症的检测,并采用类激活映射技术识别分类的关键脑区特征 | 临床样本量有限且研究为回顾性设计 | 开发能够区分治疗抵抗性抑郁症和治疗敏感性抑郁症的人工智能系统 | 77名治疗抵抗性抑郁症患者、43名非治疗抵抗性抑郁症患者和40名健康对照者 | 机器学习 | 抑郁症 | EEG信号分析 | CNN | EEG信号 | 160名参与者(77名TRD患者、43名非TRD患者、40名健康对照) | NA | GoogleNet | 准确率 | NA |
| 1337 | 2025-10-07 |
Artificial intelligence for left ventricular hypertrophy detection and differentiation on echocardiography, cardiac magnetic resonance and cardiac computed tomography: A systematic review
2025-Mar-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.132979
PMID:39798885
|
系统性综述 | 本文系统综述了人工智能在心脏影像中检测和鉴别左心室肥厚的诊断性能 | 首次系统评估AI在三种心脏影像技术(超声心动图、心脏磁共振、心脏CT)中检测和鉴别左心室肥厚的应用现状 | 纳入研究数量有限(30项),缺乏真实世界验证和成本效益分析 | 评估AI模型在诊断左心室肥厚及其常见病因方面的诊断性能 | 心脏影像数据(超声心动图、心脏磁共振、心脏CT) | 医学影像分析 | 心血管疾病 | 心脏影像技术(超声心动图、心脏磁共振、心脏CT) | 深度学习,传统机器学习,CNN | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 1338 | 2025-10-07 |
Evaluation of GPT-4 concordance with north American spine society guidelines for lumbar fusion surgery
2025-Mar, North American Spine Society journal
DOI:10.1016/j.xnsj.2024.100580
PMID:39911377
|
研究论文 | 评估GPT-4与北美脊柱协会腰椎融合手术指南的一致性 | 首次系统评估GPT-4在脊柱外科临床决策中与循证医学指南的符合程度 | 仅使用17个临床案例,样本量有限;仅针对腰椎融合手术单一术式 | 评估人工智能模型在脊柱外科临床决策中遵循循证医学指南的能力 | GPT-4模型对腰椎融合手术适应证的判断 | 自然语言处理 | 脊柱疾病 | 深度学习 | GPT-4 | 文本临床案例 | 17个经过验证的临床案例 | NA | Transformer | 卡方检验, Fleiss' Kappa统计量 | NA |
| 1339 | 2025-10-07 |
Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo
2025-Mar-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116982
PMID:39616900
|
研究论文 | 本文探讨了将人工智能与智能手机成像系统相结合用于体内癌症检测的技术 | 整合智能手机成像与AI算法,为资源有限地区提供便携、经济、可及的早期癌症检测方案 | 智能手机系统存在成像质量较低和计算能力受限的问题 | 开发基于智能手机和AI的早期癌症检测工具 | 不同癌症类型的体内检测 | 计算机视觉 | 癌症 | 智能手机成像 | 深度学习 | 图像 | NA | NA | NA | NA | 智能手机 |
| 1340 | 2025-10-07 |
Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms
2025-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100925
PMID:39901943
|
研究论文 | 提出一种基于两阶段深度学习的全自动方法,用于定位前列腺高剂量率近距离放射治疗导管 | 首次结合pix2pix GAN和GOTURN两种深度神经网络,实现前列腺近距离放射治疗针的自动分割与轨迹追踪 | 仅使用25名患者的数据进行训练和测试,样本量有限 | 自动化定位前列腺高剂量率近距离放射治疗导管轨迹 | 前列腺高剂量率近距离放射治疗患者的CT图像 | 计算机视觉 | 前列腺癌 | CT成像 | GAN, CNN | 医学图像 | 25名患者,592个测试切片,8764根针 | NA | pix2pix GAN, GOTURN | Dice相似系数, IoU, F1分数, 召回率, 精确度 | NA |