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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-11-25 |
Delineation of the Centromedian Nucleus for Epilepsy Neuromodulation Using Deep Learning Reconstruction of White Matter-Nulled Imaging
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8766
PMID:40813213
|
研究论文 | 本研究利用深度学习重建的白质抑制成像技术描绘丘脑中央中核,以改善癫痫神经调控的靶向精度 | 首次将深度学习重建技术与FGATIR序列结合,实现丘脑中央中核的可视化与分割,为深部脑刺激提供直接靶向方法 | 样本量较小(12例患者),为回顾性研究设计 | 评估DLR-FGATIR技术对丘脑中央中核的可视化效果及其与图谱定义边界的一致性 | 12例药物抵抗性癫痫患者接受丘脑神经调控治疗 | 医学影像分析 | 癫痫 | 深度学习重建、FGATIR序列、MRI、术后CT | 深度学习 | 医学影像(MRI、CT) | 12例药物抵抗性癫痫患者 | NA | NA | Sorenson-Dice系数、体积比、对比噪声比 | NA |
| 122 | 2025-11-25 |
Automated Midline Shift Detection in Head CT Using Localization and Symmetry Techniques Based on User-Selected Slice
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8767
PMID:40835418
|
研究论文 | 开发基于深度学习的自动中线移位检测方法,用于头部CT扫描分析 | 提出结合定位和对称性技术的完整严重程度范围检测方法,能够处理严重病例中透明隔消失的情况 | 仅使用单机构981例CT扫描数据,模型性能有待进一步验证 | 实现头部CT扫描中中线移位的快速准确检测 | 头部CT扫描图像中的中线移位病理特征 | 医学影像分析 | 脑部疾病 | CT扫描 | 目标检测 | 医学影像 | 981例患者CT扫描(400例标注训练,581例测试) | YOLO | You Only Look Once | AUC, 敏感度, 特异度 | NA |
| 123 | 2025-11-23 |
Comprehensive aortic stenosis characterization using multi-view deep learning
2025-Sep-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.26.25336778
PMID:41256129
|
研究论文 | 开发了集成多视图深度学习模型EchoNet-AS,通过结合B模式视频和多普勒图像评估主动脉瓣狭窄严重程度 | 首次将结构性信息(瓣膜运动)和功能性信息(主动脉瓣峰值流速)通过端到端集成方法结合,优于仅使用单一视图或多普勒测量的模型 | 未明确说明模型在特定患者亚组中的性能表现 | 开发自动化评估主动脉瓣狭窄严重程度的深度学习模型 | 主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | CNN | 视频,图像 | 训练集:16,076项研究中的210,193张图像;验证集:多个外部数据集共32,248项研究 | NA | 卷积神经网络,分割模型 | AUC | NA |
| 124 | 2025-11-23 |
Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review" by Nogueira et al. (2025)
2025-Sep, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04825-9
PMID:40105945
|
评论 | 对Nogueira等人关于机器学习、深度学习和人工智能在美容整形外科应用的系统性综述的评论文章 | NA | NA | 对相关综述文章进行评论和讨论 | 美容整形外科领域的机器学习、深度学习和人工智能应用 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 125 | 2025-11-23 |
Deep Learning Application of YOLOv8 for Aortic Dissection Screening Using Non-contrast Computed Tomography
2025-Sep-01, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.08.054
PMID:40902929
|
研究论文 | 本研究开发并验证了基于YOLOv8深度学习模型在非对比CT图像中检测主动脉夹层的应用 | 首次将YOLOv8模型应用于非对比CT的主动脉夹层筛查,并通过Grad-CAM实现模型可解释性 | 回顾性研究设计,样本主要来自五个医疗机构 | 开发可靠的主动脉夹层自动筛查工具以提高诊断效率和准确性 | 主动脉夹层患者的非对比CT影像数据 | 计算机视觉 | 心血管疾病 | CT成像 | YOLO | 医学影像 | 1138例CT扫描(569例主动脉夹层,569例对照组) | PyTorch | YOLOv8s | AUC, 敏感度, 特异度, 推理时间 | NA |
| 126 | 2025-11-22 |
Phylogenetic Methods Meet Deep Learning
2025-Sep-30, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf177
PMID:40973626
|
综述 | 探讨深度学习在系统发育学中的应用现状、挑战与未来发展方向 | 提出使用紧凑双射阶梯化向量或Transformer等新型训练数据编码方式处理更大规模的系统发育树和基因组数据 | 主要依赖模拟训练数据存在风险,需要关注计算估计的可重复性和鲁棒性 | 推动深度学习与系统发育学的交叉融合,提升系统发育分析的计算效率 | 系统发育树重建方法和基因组数据集 | 机器学习 | NA | 基因组测序数据 | Transformer | 基因组序列数据 | NA | NA | Transformer | 计算成本评估 | 与传统方法相比显著降低计算需求 |
| 127 | 2025-11-22 |
Analysis of the analgesic mechanism of TENS-WAA in colonoscopy using the EEG-fNIRS system: a study protocol for a randomised controlled trial
2025-Sep-30, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-103681
PMID:41033775
|
研究论文 | 本研究通过随机对照试验探讨基于腕踝针理论的经皮神经电刺激在结肠镜检查中的中枢镇痛机制 | 首次结合脑电图和功能性近红外光谱的多模态方法研究TENS-WAA的镇痛机制,并应用深度学习框架分析神经生理信号与主观疼痛体验的关系 | 单中心研究,样本量较小(60例患者),仅针对非麻醉结肠镜检查患者 | 探究TENS-WAA在结肠镜检查中的中枢镇痛机制 | 接受非麻醉结肠镜检查的患者 | 医疗人工智能 | 结直肠疾病 | EEG-fNIRS多模态神经影像技术 | 深度学习 | 脑电图信号,近红外光谱信号,临床评分 | 60例结肠镜检查患者 | NA | NA | 疼痛预测准确率,VAS评分相关性 | NA |
| 128 | 2025-11-22 |
Deep learning neural network of adenocarcinoma detection in effusion cytology
2025-Sep-09, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqaf067
PMID:40736208
|
研究论文 | 开发基于深度学习的腺癌细胞检测模型用于积液细胞学检查 | 首次将YOLOv8目标检测算法应用于积液细胞学中的腺癌细胞检测 | 细胞标注过程中存在一些问题需要解决 | 开发自动检测积液细胞学中恶性细胞的深度学习模型 | 积液细胞学图像中的腺癌细胞 | 计算机视觉 | 腺癌 | 细胞学检查 | CNN | 图像 | 275例腺癌病例(12182张图像)和188例阴性病例(1980张图像) | Roboflow | YOLOv8 | 精确率,召回率,F1分数,mAP,准确率,灵敏度,特异性,假阳性率 | NA |
| 129 | 2025-11-22 |
Can classical statistics and deep learning converge on explainable, causally driven target discovery?
2025-Sep-02, DNA research : an international journal for rapid publication of reports on genes and genomes
IF:3.9Q1
DOI:10.1093/dnares/dsaf024
PMID:40971794
|
综述 | 探讨传统统计方法与深度学习在复杂疾病因果机制发现中的融合路径 | 提出结合深度学习可扩展性与统计遗传学推断能力的混合模型框架 | 当前深度学习模型存在过拟合风险、可解释性不足及缺乏标准化评估框架 | 开发下一代计算工具以揭示复杂疾病的分子基础并加速遗传发现向有效治疗的转化 | 复杂疾病的遗传变异与多组学数据 | 机器学习 | 复杂疾病 | 多组学数据整合 | 混合模型 | 基因组数据, 多组学数据 | NA | NA | NA | NA | NA |
| 130 | 2025-11-22 |
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14566
PMID:40515626
|
研究论文 | 本研究利用深度学习算法分析视网膜血管特征与青光眼和年龄相关性黄斑变性之间的横断面和纵向关联 | 首次在大规模人群队列中结合深度学习算法和纵向数据分析视网膜血管特征与年龄相关性眼病的时序关系 | 青光眼和黄斑变性为自我报告数据,可能存在测量误差 | 探讨视网膜血管特征与年龄相关性眼病的关联性 | 加拿大老龄化纵向研究中的30,097名参与者 | 数字病理学 | 年龄相关性眼病 | 深度学习,视网膜图像分析 | 深度学习算法 | 视网膜图像,临床测量数据 | 30,097名参与者,92%随访率 | NA | QUARTZ | OR, 95% CI, β系数 | NA |
| 131 | 2025-11-21 |
Diagnostic Accuracy of Artificial Intelligence in Detecting Oral Potentially Malignant Disorders and Oral Cancer: A Meta-Analysis of Imaging-Based Studies (2015-2024)
2025 Sep-Oct, Journal of International Society of Preventive & Community Dentistry
DOI:10.4103/jispcd.jispcd_116_25
PMID:41244656
|
荟萃分析 | 通过荟萃分析评估人工智能在检测口腔潜在恶性疾病和口腔癌中的诊断准确性 | 首次对2015-2024年间基于影像的AI诊断口腔疾病研究进行系统性评估,涵盖多种影像技术和深度学习模型 | 纳入研究数量有限(35项),可能存在发表偏倚,各研究间影像技术和AI方法存在异质性 | 评估AI辅助影像工具在社区和临床环境中检测口腔潜在恶性疾病和口腔癌的诊断准确性 | 口腔潜在恶性疾病和口腔癌的影像数据 | 医学影像分析 | 口腔癌 | 临床摄影、组织病理学、光学相干断层扫描、自体荧光成像 | CNN | 图像 | 超过15,000张图像 | NA | 卷积神经网络 | 灵敏度, 特异度, AUC, 诊断比值比 | NA |
| 132 | 2025-11-20 |
Deep Learning Prediction of Left Atrial Structure and Function from 12-lead Electrocardiograms
2025-Sep-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.29.25336490
PMID:41256128
|
研究论文 | 开发基于12导联心电图的深度学习模型预测左心房结构和功能 | 首次使用深度学习从常规心电图预测心脏结构和功能,优于传统影像学指标和临床风险因素 | 模型训练数据主要来自心脏磁共振扫描,可能受限于特定人群 | 开发低成本、易获取的心房病变筛查工具 | 左心房结构和功能异常(心房病变) | 医学人工智能 | 心血管疾病 | 心脏磁共振成像,12导联心电图 | 深度学习 | 心电图信号,医学影像 | 21,749例心脏磁共振扫描 | NA | NA | 风险预测准确性,临床风险比较 | NA |
| 133 | 2025-11-20 |
Designing proteins with reduced T-cell epitopes through policy optimization
2025-Sep-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.27.678937
PMID:41256383
|
研究论文 | 通过策略优化设计减少T细胞表位的蛋白质 | 开发了整合MHC I类通路中切割、洗脱和结合亲和力预测的统一不确定性估计方法,并采用群体相对策略优化和课程学习框架优化蛋白质免疫兼容性 | NA | 设计具有免疫兼容性的治疗和工业用蛋白质 | 蛋白质序列和结构 | 机器学习 | NA | 蛋白质语言模型, 证据深度学习 | 生成模型 | 蛋白质序列数据 | NA | NA | 蛋白质语言模型 | NA | NA |
| 134 | 2025-11-20 |
Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18406
PMID:40265999
|
研究论文 | 开发并验证基于腕戴加速度计和深度学习可调算法的全身性强直阵挛发作自动检测系统 | 提出集成卷积神经网络架构,通过分位数聚合实现可调灵敏度,首次在独立测试集上验证腕戴设备检测癫痫发作的性能 | 一名患者因传感器手臂被床栏卡住导致漏检,样本量相对有限(训练集37名患者54次发作,测试集347名患者49次发作) | 开发可集成到商用智能手表的癫痫发作自动检测算法 | 384名接受视频脑电图监测的癫痫患者 | 医疗健康监测 | 癫痫 | 三维加速度计传感,视频脑电图监测 | CNN | 加速度计振幅数据 | 384名患者(训练集37名患者54次发作,测试集347名患者49次发作) | NA | 集成卷积神经网络 | 灵敏度,误报率,检测延迟 | NA |
| 135 | 2025-11-19 |
Super-Resolution MR Spectroscopic Imaging via Diffusion Models for Tumor Metabolism Mapping
2025-Sep-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01652-x
PMID:40897835
|
研究论文 | 提出基于条件去噪扩散概率模型的深度学习框架,用于磁共振波谱成像的超分辨率重建,以改善脑胶质瘤代谢成像 | 首次将条件去噪扩散概率模型应用于MRSI超分辨率重建,采用自注意力UNet骨干网络整合全局上下文特征 | 主要针对IDH突变型胶质瘤进行研究,在其他类型神经系统疾病中的适用性需进一步验证 | 开发高分辨率磁共振波谱成像技术以改善肿瘤代谢成像质量 | IDH突变型胶质瘤患者和健康志愿者的磁共振波谱成像数据 | 医学影像分析 | 脑胶质瘤 | 磁共振波谱成像 | 扩散模型 | 医学影像 | 模拟患者数据和体内MRSI数据(包括健康志愿者和胶质瘤患者) | PyTorch | Self-Attention UNet | SSIM, PSNR, LPIPS | NA |
| 136 | 2025-11-18 |
Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion
2025-Sep, The Journal of international medical research
IF:1.4Q4
DOI:10.1177/03000605251376915
PMID:41027655
|
研究论文 | 开发基于多特征融合的可解释ResNet-LSTM模型用于肠鸣音频率分类 | 提出结合ResNet50 V2和长短期记忆网络的多特征融合方法,并采用局部可解释模型无关解释增强模型透明度 | NA | 肠鸣音活动水平的准确客观分类,用于胃肠功能评估 | 肠鸣音音频数据 | 机器学习 | 胃肠疾病 | 音频特征提取 | CNN, LSTM | 音频 | 来自三个医疗机构的前瞻性多中心研究 | NA | ResNet50 V2, LSTM | 准确率, 马修斯相关系数, 加权科恩卡帕系数, 灵敏度, 特异性 | NA |
| 137 | 2025-11-16 |
Early diagnosis of knee osteoarthritis severity using vision transformer
2025-Sep-30, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09137-2
PMID:41029374
|
研究论文 | 本研究利用视觉变换器(ViT)实现膝关节骨关节炎严重程度的早期诊断和KL分级 | 首次将视觉变换器(ViT)应用于膝关节骨关节炎的KL分级,并通过简单的迁移学习技术获得了优于复杂架构的性能 | 未详细说明数据集的具体规模和多样性,缺乏与其他先进方法的全面对比 | 开发基于深度学习的膝关节骨关节炎自动诊断系统以提高临床效率 | 膝关节骨关节炎患者的医学影像数据 | 计算机视觉 | 骨关节炎 | MRI, X-ray | ViT | 医学影像 | NA | NA | Vision Transformer | 准确率 | NA |
| 138 | 2025-11-16 |
Automatic Body Region Classification in CT Scans Using Deep Learning
2025-Sep-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01662-9
PMID:41006721
|
研究论文 | 本研究开发了一种基于深度学习的CT扫描自动身体区域分类方法 | 在多种采集协议和患者群体下实现高精度的全身CT区域分类 | 数据集仅包含45个医疗中心的5485个扫描样本,可能需要更多样化的数据验证泛化能力 | 优化医学影像诊断和分析工作流程中的身体区域自动分类 | 全身CT扫描图像 | 医学影像分析 | NA | CT扫描 | 深度学习 | CT图像 | 5485个匿名NIFTI格式CT扫描,来自45个医疗中心 | NA | NA | 准确率, 精确率, 召回率, F1分数 | NA |
| 139 | 2025-11-15 |
Deep learning-aided optical biopsy achieves whole-chain diagnosis of Correa cascade of gastric cancer: a prospective study
2025-Sep-30, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04310-9
PMID:41029674
|
研究论文 | 开发基于深度学习的pCLE计算机辅助诊断系统,实现胃癌Correa级联的实时全链条诊断 | 首次构建能够实时诊断胃癌Correa级联全链条病变的深度学习辅助系统 | 研究在单一临床中心进行,需要多中心验证 | 开发pCLE计算机辅助诊断系统并评估其在真实临床环境中的诊断性能 | 胃黏膜病变患者 | 数字病理 | 胃癌 | 探头共聚焦激光内镜(pCLE) | 深度学习网络 | 图像,视频 | 5771次检查的47,462张pCLE图像和461段视频用于开发,951名患者的1254个病灶用于前瞻性验证 | NA | NA | 准确率,敏感性,特异性 | NA |
| 140 | 2025-11-15 |
Leveraging MobileNetV2 and deep learning innovation for high accuracy Plasmodium Vivax detection in blood smears
2025-Sep-29, Saudi pharmaceutical journal : SPJ : the official publication of the Saudi Pharmaceutical Society
IF:3.0Q2
DOI:10.1007/s44446-025-00019-1
PMID:41021108
|
研究论文 | 本研究提出了一种基于改进MobileNetV2和YOLOv3的深度学习模型,用于在薄血涂片图像中高精度检测间日疟原虫 | 在YOLOv3的主干网络中引入改进的MobileNetV2,并在瓶颈层使用提出的转换卷积层(TCL),根据不同类别的图像特征计算权重,提高了对感染和未感染疟原虫细胞的分类效果 | 准确率仍然是检测和分类薄血涂片类别的主要缺点之一 | 提高间日疟原虫检测模型的性能和速度,为医疗专业人员提供更好的诊断方法 | 薄血涂片图像中的间日疟原虫细胞 | 计算机视觉 | 疟疾 | 显微镜血液涂片检查 | YOLOv3, CNN | 图像 | NA | NA | YOLOv3, MobileNetV2 | 准确率, 精确率, 召回率, F1分数, 平均精度均值(mAP) | NA |