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 |
Updates, Applications and Future Directions of Deep Learning for the Images Processing in the Field of Cranio-Maxillo-Facial Surgery
2025-May-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060585
PMID:40564402
|
综述 | 分析深度学习在颅颌面外科医学图像处理中的最新应用、模型类型及未来发展方向 | 系统总结深度学习在颅颌面外科图像处理中的具体应用场景,并首次提出整合多模态数据和开发人机界面的未来发展方向 | 未涉及具体实验验证,主要基于现有文献分析,缺乏定量性能评估 | 探讨深度学习在颅颌面外科医学图像处理中的应用现状和未来趋势 | 颅颌面外科领域的医学图像数据 | 计算机视觉 | 颅颌面外科疾病 | 医学影像分析 | 深度学习模型 | CT扫描、组织学图像、MRI、口腔内病变照片 | NA | NA | NA | NA | NA |
| 142 | 2025-10-06 |
Automated Risser Grade Assessment of Pelvic Bones Using Deep Learning
2025-May-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060589
PMID:40564406
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习模型,用于从骨盆X光片中自动评估Risser分级 | 采用多模态方法结合X光片感兴趣区域与患者年龄和性别信息,并针对左右骨盆分别训练模型 | 较少出现的分级类别存在类别不平衡问题 | 自动化Risser分级评估以减少临床医生工作负担和评估变异性 | 12-18岁脊柱侧弯患者的骨盆X光片 | 计算机视觉 | 脊柱侧弯 | X光成像 | CNN | 图像 | 1619张骨盆X光片 | NA | CNN | 准确率,精确率,召回率,F1分数,ROC AUC | NA |
| 143 | 2025-10-06 |
A Deep Learning Methodology for Screening New Natural Therapeutic Candidates for Pharmacological Cardioversion and Anticoagulation in the Treatment and Management of Atrial Fibrillation
2025-May-28, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13061323
PMID:40564042
|
研究论文 | 开发一种在低资源环境下筛选心房颤动治疗天然候选化合物的深度学习方法 | 在缺乏高性能GPU的低资源环境下开发深度跨模态注意力模型,用于发现新型天然治疗候选物 | 研究在低资源环境下进行,可能限制了模型复杂度和计算效率 | 发现可用于心房颤动药物复律和抗凝治疗的新型天然候选化合物 | 天然化合物与靶点蛋白的相互作用 | 机器学习 | 心血管疾病 | 深度跨模态注意力建模,对比学习 | 深度学习 | 药物-靶点相互作用数据,天然化合物数据 | MINER-DTI数据集包含13,741个DTI对,4,510个药物化合物,2,181个蛋白靶点;NPASS 2018天然化合物数据集 | NA | 深度跨模态注意力模型 | PR AUC | 低资源设置(无高性能NVIDIA GPU) |
| 144 | 2025-10-06 |
A Hybrid Convolutional-Transformer Approach for Accurate Electroencephalography (EEG)-Based Parkinson's Disease Detection
2025-May-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060583
PMID:40564400
|
研究论文 | 提出一种混合卷积-Transformer方法用于基于脑电图的帕金森病检测 | 整合卷积神经网络、Transformer注意力块和长短时记忆层来捕捉脑电图的空间、时间和序列特征 | 样本量较小(仅31名参与者),需要在更大人群中验证泛化能力 | 开发高精度且泛化能力强的帕金森病早期检测方法 | 帕金森病患者和健康对照者的脑电图数据 | 医疗人工智能 | 帕金森病 | 脑电图,谱功率分析,频带比率,小波变换,统计测量 | CNN, Transformer, LSTM | 脑电图信号 | 31名参与者(15名帕金森病患者和16名健康对照) | NA | 卷积Transformer增强序列模型 | 准确率 | NA |
| 145 | 2025-10-06 |
A Comprehensive Review of Deep Learning Applications with Multi-Omics Data in Cancer Research
2025-May-28, Genes
IF:2.8Q2
DOI:10.3390/genes16060648
PMID:40565540
|
综述 | 本文全面综述了深度学习在多组学数据整合分析于癌症研究中的应用进展 | 系统梳理了2020年以来深度学习在多组学癌症研究中的最新方法、模型架构和关键创新 | NA | 概述深度学习在多组学数据分析中的最新发展,特别关注癌症研究应用 | 多组学数据在癌症研究中的应用 | 机器学习 | 癌症 | 多组学数据整合分析 | 深度学习 | 基因组学数据 | NA | NA | NA | NA | NA |
| 146 | 2025-10-06 |
UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells
2025-May-28, Genes
IF:2.8Q2
DOI:10.3390/genes16060655
PMID:40565547
|
研究论文 | 本文提出了一种结合注意力机制的UNet深度学习模型,用于预测HeLa细胞中的DNA甲基化模式 | 首次将注意力机制与UNet结合应用于DNA甲基化预测,在宫颈癌细胞系中实现了高精度预测 | 研究仅限于HeLa宫颈癌细胞系,未在其他细胞类型中验证 | 开发深度学习模型预测DNA甲基化模式,探索表观遗传变量在宫颈癌中的作用 | HeLa宫颈癌细胞系中的DNA甲基化模式 | 机器学习 | 宫颈癌 | DNA甲基化测序 | UNet, Attention Networks, Autoencoders, GAN, CNN | DNA序列数据 | ENCODE数据库数据,五个基因启动子区域验证 | NA | UNet with Attention Networks | 准确率, 灵敏度, 特异性, AUC, p值, Cohen's Kappa | NA |
| 147 | 2025-10-06 |
Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis
2025-May-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060565
PMID:40564382
|
研究论文 | 提出一种基于双分支学习和混合注意力机制的深度学习模型,用于解决眼科图像诊断中特征利用不足和传统单模态模型在数据不平衡时泛化能力有限的问题 | 创新设计了频域变换驱动的混合注意力模块,包含频域注意力、空间注意力和通道注意力,并通过多尺度分组注意力融合机制整合双模态的局部细节和全局结构信息 | NA | 提高眼科多模态图像诊断的准确性和特征利用效率 | 眼科图像(2D图像和3D体积数据) | 计算机视觉 | 眼科疾病 | 深度学习 | 双分支网络 | 图像 | NA | NA | 残差块, 混合注意力机制 | 准确率 | NA |
| 148 | 2025-10-06 |
Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence
2025-May-22, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060558
PMID:40564375
|
研究论文 | 本研究应用可解释人工智能技术评估和改进心音分类模型,探索模型是否像心脏病专家一样关注临床相关特征 | 首次在手动分割数据集上使用XAI客观评估模型行为,并探索将注意力机制与预训练模型结合以提升性能 | 模型诊断准确性仍主要依赖临床医生的专业知识,检测罕见或复杂病症具有挑战性 | 弥合人工智能与临床推理在心音分类领域的差距,验证模型是否基于临床相关特征进行分类 | 心音信号及其生成的声谱图 | 机器学习 | 心血管疾病 | 心音分类,声谱图分析 | CNN, 注意力机制 | 音频信号,图像 | NA | NA | ResNet50 | 准确率,平均交并比 | NA |
| 149 | 2025-10-06 |
Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant
2025-May-19, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.05.052
PMID:40398583
|
研究论文 | 比较机器人辅助与手动全膝关节置换术在实现矢状面目标参数方面的差异 | 开发基于U-Net架构的深度学习模型自动计算膝关节矢状面参数,首次系统比较机器人辅助与手动TKA在矢状面目标达成精度 | 单中心研究,样本量有限,临床相关性需要进一步验证 | 评估机器人辅助与手动全膝关节置换术在实现术前矢状面目标参数方面的差异 | 接受全膝关节置换术的患者 | 医学影像分析 | 骨科疾病 | 膝关节X光片分析 | 深度学习 | 医学影像 | 280例患者(手动TKA 132例,机器人辅助TKA 148例) | NA | U-Net | 平均绝对误差 | NA |
| 150 | 2025-10-06 |
Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia
2025-May-02, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-025-10916-4
PMID:40316929
|
研究论文 | 开发基于机器学习的数据驱动预测模型,用于预测埃塞俄比亚6-23个月儿童肺炎并分层确定因素 | 首次在埃塞俄比亚儿童肺炎预测中应用多种机器学习算法比较,并使用特征重要性评分识别关键预测因子 | 仅使用2016年单一数据集,未应用深度学习算法,样本代表性可能受限 | 构建肺炎预测模型并识别关键影响因素 | 埃塞俄比亚6-23个月儿童 | 机器学习 | 肺炎 | 人口健康调查数据分析 | 随机森林, 多种机器学习算法 | 结构化健康调查数据 | 2035名儿童样本 | Python, Pandas, Seaborn, Numpy, Jupyter Notebook | 多种机器学习算法比较 | 准确率, 混淆矩阵 | NA |
| 151 | 2025-10-06 |
Improving computer vision for plant pathology through advanced training techniques
2025 May-Jun, Applications in plant sciences
IF:2.7Q2
DOI:10.1002/aps3.70010
PMID:40575549
|
研究论文 | 本研究通过先进训练技术提升卷积神经网络在可可树病害检测中的性能 | 提出动态焦点损失函数,采用半监督学习和非可可类别增强模型鲁棒性,创建高质量可可树病害基准数据集 | 未明确说明模型在其他作物病害上的泛化能力,数据集规模相对有限 | 改进计算机视觉技术在植物病理学中的应用,提升农作物病害检测性能 | 可可树病害检测 | 计算机视觉 | 植物病害 | 图像分类 | CNN | 图像 | 7220张病害和健康可可树图像 | NA | ResNet18, PhytNet | 准确性,鲁棒性,计算效率 | NA |
| 152 | 2025-10-06 |
A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making
2025-May-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656671
PMID:40502058
|
研究论文 | 提出多区域脑模型研究海马体在空间嵌入式决策中的作用 | 通过反事实比较揭示特定网格细胞架构能优化学习效率并最好地复现实验观察 | 模型预测需要新的神经生理学实验验证 | 探索结构化记忆回路在空间嵌入式二元决策任务中的规范性作用 | 内嗅皮层和海马体中的网格细胞与位置细胞 | 机器学习 | NA | 强化学习 | 循环神经网络 | 神经信号数据 | NA | NA | 多区域脑模型, 循环神经网络 | 学习效率, 神经表征相似度 | NA |
| 153 | 2025-10-06 |
Large Scale MRI Collection and Segmentation of Cirrhotic Liver
2025-May-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05201-7
PMID:40436863
|
研究论文 | 本研究构建了首个大规模肝硬化MRI数据集CirrMRI600+,并提供深度学习基准测试结果 | 创建了首个包含628例高分辨率腹部MRI扫描的肝硬化综合数据集,提供专家验证的分割标签和临床参数 | 未明确说明数据收集的时间范围和机构来源 | 开发自动化肝硬化分析的计算方法,推进肝硬化视觉分期和个性化治疗规划 | 肝硬化患者的腹部MRI扫描数据 | 数字病理学 | 肝硬化 | MRI(磁共振成像) | 深度学习模型 | 医学影像(MRI扫描) | 628例高分辨率腹部MRI扫描(310个T1加权序列,318个T2加权序列,共近40,000个标注切片) | NA | NA | NA | NA |
| 154 | 2025-10-06 |
Deep learning radiomics fusion model to predict visceral pleural invasion of clinical stage IA lung adenocarcinoma: a multicenter study
2025-May-28, Journal of cardiothoracic surgery
IF:1.5Q3
DOI:10.1186/s13019-025-03488-6
PMID:40437608
|
研究论文 | 开发深度学习影像组学融合模型预测临床IA期肺腺癌脏层胸膜侵犯 | 提出决策级(晚期融合)模型,显著降低过拟合风险并在多中心外部验证中表现优异 | 样本量相对有限(449例患者),仅针对临床IA期肺腺癌 | 预测肺腺癌脏层胸膜侵犯状态并评估其预后价值 | 临床IA期肺腺癌患者 | 医学影像分析 | 肺腺癌 | 影像组学, 深度学习 | 融合模型 | 医学影像 | 449例患者(训练队列289例,外部测试队列160例) | NA | 早期融合模型, 晚期融合模型 | AUC | NA |
| 155 | 2025-10-06 |
Medication versus globus pallidus internus deep brain stimulation in Parkinson's disease with deep learning video analysis of finger tapping
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02098-5
PMID:40394036
|
研究论文 | 通过深度学习视频分析比较药物与GPi脑深部电刺激对帕金森病患者手指敲击运动的影响 | 首次使用深度学习模型从2D手部运动视频重建3D网格并提取21个运动参数来量化评估GPi DBS与药物治疗的差异效果 | 观察性研究设计,样本量相对有限(87名患者),仅针对手指敲击单一运动任务 | 比较帕金森病中药物治疗与GPi靶向脑深部电刺激对运动症状改善的差异机制 | 87名接受GPi DBS手术的晚期帕金森病患者 | 计算机视觉 | 帕金森病 | 视频分析,深度学习运动重建 | 深度学习,机器学习 | 视频 | 87名患者,556个视频 | NA | NA | 准确率 | NA |
| 156 | 2025-10-06 |
Deep learning classification integrating embryo images with associated clinical information from ART cycles
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02076-x
PMID:40399312
|
研究论文 | 开发了一种融合胚胎图像和临床数据的人工智能模型,用于预测单胚胎移植的临床妊娠结局 | 首次将胚胎图像与临床信息融合的AI模型,通过可视化分析明确了影响预测的关键临床和胚胎特征 | 仅使用三个国家的1503个治疗周期数据,样本来源相对有限 | 提高辅助生殖技术中单胚胎移植临床妊娠结局的预测准确性 | 辅助生殖技术治疗周期中的胚胎图像和患者临床数据 | 计算机视觉 | 生殖医学 | 胚胎图像分析 | MLP, CNN | 图像, 临床数据 | 1503个国际治疗周期(来自泰国、马来西亚和印度) | NA | 多层感知器, 卷积神经网络 | 准确率, 平均精确率, AUC | NA |
| 157 | 2025-10-06 |
Predicting cognitive decline: Deep-learning reveals subtle brain changes in pre-MCI stage
2025-May, The journal of prevention of Alzheimer's disease
DOI:10.1016/j.tjpad.2025.100079
PMID:39920001
|
研究论文 | 本研究利用深度学习分析结构MRI图像,预测正常认知向轻度认知障碍转化的风险 | 开发了基于感兴趣区域的深度学习框架(SRNet和MRNet),创建了渐进指数(PI)作为阿尔茨海默病转化的评估指标 | 研究样本主要来自特定数据库(ADNI)和中国纵向老龄化研究,需要更多样化的群体验证 | 发现早期结构性神经影像变化,建立MCI转化的预测模型 | 正常认知个体和主观认知下降患者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN | MRI图像 | 训练集ADNI-1 845例,验证集ADNI-2 321例,CLAS 109例 | NA | SRNet, MRNet | AUC | NA |
| 158 | 2025-10-06 |
Comparison of Manual Versus QuPath Software-based Immunohistochemical Scoring Using Oral Squamous Cell Carcinoma as a Model
2025 May-Jun, The journal of histochemistry and cytochemistry : official journal of the Histochemistry Society
DOI:10.1369/00221554251335698
PMID:40371713
|
研究论文 | 比较手动评估与QuPath软件在口腔鳞状细胞癌免疫组化评分中的表现 | 首次系统比较手动病理评估与开源软件QuPath在口腔鳞癌免疫组化分析中的相关性,并评估评估者间变异性 | 软件分析需要准确且耗时的样本标注,要求使用者具备组织学知识和QuPath专业培训 | 评估数字评估与手动评估的可比性,并检查评估者间变异性 | 口腔鳞状细胞癌患者的肿瘤组织和正常鳞状上皮黏膜标本 | 数字病理学 | 口腔鳞状细胞癌 | 免疫组织化学染色,组织微阵列 | NA | 病理图像 | 309名原发性口腔鳞状细胞癌患者的6个组织微阵列 | QuPath | NA | Spearman相关系数,Bland-Altman图 | NA |
| 159 | 2025-10-06 |
Can Deep Learning-Based Auto-Contouring Software Achieve Accurate Pelvic Volume Delineation in Volumetric Image-Guided Radiotherapy for Prostate Cancer? A Preliminary Multicentric Analysis
2025-May-30, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol32060321
PMID:40558264
|
研究论文 | 评估基于深度学习的自动轮廓勾画软件Limbus® Contour®在前列腺癌放疗中盆腔结构勾画的准确性 | 首次在多中心研究中评估商业深度学习自动轮廓软件在前列腺癌盆腔结构勾画中的性能 | 样本量有限(52例患者),对肠袋和乙状结肠勾画准确性较低,缺乏淋巴结亚区分化功能 | 评估深度学习自动轮廓软件在前列腺癌放疗中危险器官勾画的准确性和临床应用价值 | 前列腺癌患者的盆腔结构(膀胱、直肠、肠袋、乙状结肠和盆腔淋巴结) | 数字病理 | 前列腺癌 | 深度学习自动轮廓勾画 | 深度学习 | 医学影像 | 52例前列腺癌患者 | NA | NA | Dice系数 | NA |
| 160 | 2025-10-06 |
Deep Learning-Based Detection of Honey Storage Areas in Apis mellifera Colonies for Predicting Physical Parameters of Honey via Linear Regression
2025-May-29, Insects
IF:2.7Q1
DOI:10.3390/insects16060575
PMID:40559006
|
研究论文 | 本研究开发了一种基于YOLOv11深度学习模型的自动化方法,用于检测和分类蜂巢中的储蜜区域,并通过线性回归预测蜂蜜物理参数 | 首次将YOLOv11模型应用于蜂巢储蜜区域的自动检测和分类,并探索了图像检测结果与蜂蜜物理特性之间的关联 | 蜂蜜物理特性(电导率和颜色)对储蜜区域估计的预测能力较弱,样本量和数据集划分可能影响模型性能 | 开发自动化的蜂巢储蜜监测技术,提高养蜂生产效率 | 意大利蜜蜂(Apis mellifera)蜂巢中的储蜜区域 | 计算机视觉 | NA | 深度学习图像分析 | YOLO | 图像 | 月度采样期间的蜂巢框架图像 | YOLOv11 | YOLOv11 | mAP@0.5, 相关系数(r) | NA |