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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2025-10-05 |
Automatic identification of dental implant brands with deep learning algorithms
2025-Oct-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf054
PMID:40627380
|
研究论文 | 本研究使用深度学习算法在全景X光片上自动识别四种不同品牌的牙科种植体 | 首次将深度学习应用于牙科种植体品牌识别,并比较了多种主流算法的性能 | 仅包含四种种植体品牌,样本来源可能有限 | 解决无法识别牙科种植体品牌带来的问题,实现自动分类 | 牙科种植体品牌 | 计算机视觉 | 牙科疾病 | 对比度受限自适应直方图均衡化 | CNN | 图像 | 5375张裁剪后的全景X光片,包含四种种植体系统(NucleOSS、Medentika、Nobel、Implance) | NA | GoogleNet, ResNet-18, VGG16, ShuffleNet | 准确率, 精确率, 灵敏度, F1分数, ROC曲线, 混淆矩阵 | NA |
| 802 | 2025-10-05 |
A deep learning framework for accurate mammographic mass classification using local context attention module
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18119
PMID:40985504
|
研究论文 | 提出一种结合局部上下文注意力模块的深度学习框架,用于基于双视图乳腺X线摄影的乳腺肿块准确分类 | 引入局部上下文注意力模块(LCAM),通过通道和空间两个维度自适应优化特征表示,提升对乳腺肿块恶性相关影像组学特征的区分能力 | NA | 提高乳腺X线摄影对乳腺癌BI-RADS分类的准确性和一致性 | 乳腺X线摄影图像中的乳腺肿块 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 3020名患者 | NA | 基于CNN的框架,包含局部上下文注意力模块(LCAM) | 灵敏度, 特异度 | NA |
| 803 | 2025-10-05 |
Artificial intelligence for HIV care: a global systematic review of current studies and emerging trends
2025-Oct, Journal of the International AIDS Society
IF:4.6Q1
DOI:10.1002/jia2.70045
PMID:40990267
|
系统综述 | 本系统综述全面评估了人工智能在HIV护理连续过程中的应用现状和新兴趋势 | 首次系统性地将AI在HIV护理中的应用按四个主题领域进行分类分析,并识别了当前研究空白和未来方向 | 数据质量、基础设施限制和伦理考虑等挑战仍需解决,资源有限环境中的可扩展性AI解决方案研究不足 | 系统识别、绘制和综合AI方法在HIV护理连续过程中的应用研究 | HIV护理连续过程,包括HIV检测、治疗监测、护理保留和临床免疫学结果管理 | 机器学习 | HIV/艾滋病 | 机器学习方法 | 随机森林,神经网络,支持向量机,深度学习 | 医疗数据 | 47项研究(从3185条记录中筛选) | NA | NA | 灵敏度,特异性,准确率,AUC | NA |
| 804 | 2025-10-05 |
An overview of reliable and representative DVC measurements for musculoskeletal tissues
2025-Oct, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70008
PMID:40636996
|
综述 | 本文综述了数字体积相关(DVC)技术在肌肉骨骼组织生物力学研究中的可靠性和代表性测量方法 | 重点关注组织界面处理、边界效应和DVC输出不确定性量化等关键技术挑战,并探讨了DVC与计算建模耦合及深度学习等数据驱动方法的整合 | 指出了当前DVC技术在精度、临床转化和自动化工作流程方面的局限性 | 评估和改进DVC技术在肌肉骨骼组织生物力学表征中的可靠性和代表性 | 矿化和软组织等肌肉骨骼组织 | 生物医学工程 | 肌肉骨骼疾病 | 数字体积相关(DVC) | 深度学习 | 3D图像数据 | NA | NA | NA | 测量精度、可靠性 | NA |
| 805 | 2025-10-05 |
Smarter stomata: emergent technologies unlocking yield potential in a changing climate
2025-Oct, AoB PLANTS
IF:2.6Q2
DOI:10.1093/aobpla/plaf048
PMID:40979128
|
综述 | 探讨气孔性状在气候变化背景下作为作物育种靶标的潜力及新兴技术在其中的应用 | 系统整合深度学习、CRISPR、多组学等前沿技术,提出将气孔性状纳入育种策略的新范式 | 未明确具体作物的最佳气孔模型,环境适应性策略存在情景依赖性 | 开发气候适应性作物的气孔性状育种策略 | 作物气孔生理与解剖特征 | 农业生物技术 | NA | 深度学习、孔隙测量、数字显微、遥感、CRISPR、多组学分析 | 深度学习模型 | 图像、生理测量、遥感数据 | NA | NA | NA | NA | NA |
| 806 | 2025-10-05 |
KurdABSA: Kurdish aspect-based sentiment analysis dataset curation using few-shot learning
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112012
PMID:40989237
|
研究论文 | 本研究创建了首个库尔德语索拉尼方言方面级情感分析数据集,并采用少样本学习进行自动标注 | 开发了首个公开的库尔德语方面级情感分析数据集,填补了低资源语言在该领域的空白 | 数据集仅限于餐厅评论领域,可能无法泛化到其他领域 | 为低资源语言开发方面级情感分析资源,促进自然语言处理研究 | 库尔德语索拉尼方言的餐厅评论文本 | 自然语言处理 | NA | 少样本学习 | 提示学习模型 | 文本 | 超过4000个四元组ABSA样本 | NA | NA | NA | NA |
| 807 | 2025-10-05 |
A Combined Model Based on Bone Mineral Density for Noninvasive Prediction of Prognosis in Non-Small Cell Lung Cancer Patients Receiving Immune Checkpoint Inhibitors: A Multicenter Retrospective Study
2025-Oct, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70398
PMID:40989575
|
研究论文 | 开发结合骨密度和临床特征的联合模型用于预测非小细胞肺癌患者免疫治疗的预后 | 首次将基线骨密度和治疗后骨密度下降纳入预后预测模型,并揭示骨密度与肿瘤微环境的关联机制 | 回顾性研究设计,样本来自多个中心可能存在异质性 | 建立非侵入性预后预测模型改善非小细胞肺癌患者免疫治疗的风险分层 | 接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者 | 数字病理 | 肺癌 | 深度学习,转录组分析 | 深度学习 | 医学影像,临床数据,转录组数据 | 2096名患者(模型开发),130名患者(转录组分析) | NA | NA | Harrell's concordance index,风险比,无进展生存期,总生存期 | NA |
| 808 | 2025-10-05 |
Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma
2025-Oct-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2024-0374-OA
PMID:39957180
|
研究论文 | 开发基于人工智能的肾脏嗜酸细胞肿瘤分类模型,从双分类扩展到三分类 | 从肾嗜酸细胞瘤和低级别嗜酸细胞肿瘤的双分类模型扩展到包含嫌色细胞肾细胞癌的三分类模型 | 样本量相对有限,仅包含269张全切片图像 | 开发自动计算分类器对肾脏嗜酸细胞肿瘤进行分层诊断 | 肾脏活检和切除标本的全切片图像 | 数字病理 | 肾癌 | 全切片图像分析 | 深度学习 | 图像 | 269张全切片图像,来自6个机构的125个病例 | NA | 弱监督注意力机制的多示例学习 | 准确率, AUC | NA |
| 809 | 2025-10-05 |
Automated Prediction of Bone Volume Removed in Mastoidectomy
2025-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.1365
PMID:40790912
|
研究论文 | 开发深度学习管道自动化预测乳突切除术中骨体积去除量 | 首次将深度学习应用于虚拟现实乳突切除术模拟中的骨体积去除预测 | 数据集较小且来源单一,部分案例存在骨去除过度或不足的问题 | 通过术前预测骨去除体积来改善外科培训和计算机辅助手术 | 虚拟现实乳突切除术模拟数据 | 计算机视觉 | 耳科手术 | 虚拟现实模拟,计算机断层扫描 | 深度学习 | 医学影像 | 15个去标识化颞骨CT扫描 | NA | NA | Dice分数,Hausdorff距离 | NA |
| 810 | 2025-10-05 |
Enhanced brain tumor classification in MRI using an optimized deep random graph dilated diffusion convolutional attention network
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70028
PMID:40993917
|
研究论文 | 提出一种结合深度学习和优化算法的脑肿瘤MRI图像分类方法 | 提出深度随机图扩张扩散卷积注意力网络(DR2DCAN)与冠豪猪优化器(CPO)相结合的新框架 | NA | 提高脑肿瘤MRI图像分类的准确性和可靠性 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN,注意力机制 | 图像 | 来自Figshare和Kaggle的脑肿瘤数据集,包含非肿瘤胶质瘤、垂体瘤和脑膜瘤病例 | NA | DeepLabV3+, DR2DCAN | 准确率,精确率,召回率,F1分数 | NA |
| 811 | 2025-10-05 |
A multi-modal diffusion model for noise reduction of particle number limited Monte Carlo dose calculation for carbon ion radiotherapy
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70021
PMID:40993914
|
研究论文 | 开发并验证一种多模态扩散模型Diff-MC,用于减少碳离子放射治疗中粒子数受限的蒙特卡罗剂量计算的噪声 | 提出首个用于碳离子放疗的多模态扩散模型,采用混合融合策略整合数据级、特征级和决策级融合,保持蒙特卡罗方法的物理特性 | 模型在高度异质性数据集上验证,但需要进一步临床验证 | 提高碳离子放射治疗中蒙特卡罗剂量计算的效率和准确性 | 碳离子放射治疗的剂量计算 | 医学影像处理 | 癌症 | 蒙特卡罗模拟,深度学习 | 扩散模型 | CT图像,剂量图,束流参数 | 训练验证集:20个CT的15000对束流数据;测试集:5个CT的500对束流数据;泛化测试集:100个CT的500对束流数据 | NA | Diff-MC | gamma通过率,横向剂量,积分深度剂量,百分比深度剂量 | NA |
| 812 | 2025-10-05 |
Multi-scale nested graph transformer with graph operations: Advancing high-resolution chest x-ray classification
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70003
PMID:40995863
|
研究论文 | 提出一种多尺度嵌套图变换器模型,用于高分辨率胸部X射线图像分类 | 结合多尺度嵌套架构、交叉注意力融合和图池化操作,在保持局部细节的同时建模全局上下文关系 | 在小型数据集上可能存在过拟合风险,计算复杂度仍需优化 | 提高高分辨率胸部X射线图像的分类准确率,同时提升计算效率和泛化能力 | 高分辨率胸部X射线图像 | 计算机视觉 | 肺炎 | 医学影像分析 | Transformer, 图神经网络 | 图像 | 三种类型的高分辨率胸部X射线图像数据集 | PyTorch | 多尺度嵌套图变换器 | 准确率, F1分数 | NA |
| 813 | 2025-10-05 |
An exploratory study on ultrasound image denoising using feature extraction and adversarial diffusion model
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70023
PMID:40996343
|
研究论文 | 本研究提出了一种基于扩散模型和生成对抗网络的超声图像去噪方法ADM-ExNet | 将扩散模型的反向过程替换为GAN,并引入结构特征提取网络构建损失函数,增强细节保留能力 | 探索性研究,方法在更广泛数据集和临床场景中的有效性需进一步验证 | 开发超声图像去噪方法以提升图像质量 | 超声图像中的散斑噪声 | 计算机视觉 | NA | 超声成像 | 扩散模型,GAN | 超声图像 | 三个公共数据集:HC18(胎儿头围超声图像)、CAMUS(心脏超声图像)、Ultrasound Nerve(神经超声图像),图像尺寸统一为256×256像素,训练集与验证集按9:1划分 | NA | U-Net | 均方误差(MSE),峰值信噪比(PSNR),结构相似性指数(SSIM),错误发现率(FDR),Cohen's d效应量 | NA |
| 814 | 2025-10-05 |
Transformer-based deep learning for predicting brain tumor recurrence using magnetic resonance imaging
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70016
PMID:40996365
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型,利用多模态MRI数据和放疗剂量信息预测脑肿瘤治疗后复发 | 首次将Transformer架构应用于融合多模态MRI和放疗剂量数据的脑肿瘤复发预测,并在多个临床亚组中验证了模型的泛化能力 | 研究样本来自单一医疗中心,需要多中心验证来进一步确认模型的普适性 | 开发能够预测脑肿瘤放疗后复发的深度学习模型,为个性化放疗提供决策支持 | 接受伽玛刀放射外科治疗的脑转移瘤患者 | 医学影像分析 | 脑肿瘤 | 磁共振成像,放疗剂量分析 | Transformer | 多模态MRI图像,放疗剂量数据 | 来自密西西比大学医学中心的脑转移瘤患者队列 | NA | Transformer | AUROC | NA |
| 815 | 2025-10-05 |
A CT-Based Deep Learning Radiomics Nomogram for Early Recurrence Prediction in Pancreatic Cancer: A Multicenter Study
2025-Oct, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17748-1
PMID:40619487
|
研究论文 | 开发基于CT的深度学习影像组学列线图用于胰腺癌早期复发预测 | 首次结合影像组学和深度学习特征构建多中心预测模型,并整合临床因素开发综合列线图 | 回顾性研究设计,样本量相对有限 | 术前预测胰腺癌患者早期复发风险 | 经组织学确认的胰腺癌切除术患者 | 数字病理 | 胰腺癌 | 增强CT成像 | 随机森林,支持向量机 | CT图像 | 493例患者 | NA | NA | AUC,校准曲线,决策曲线分析 | NA |
| 816 | 2025-10-05 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-Like Magnetic Resonance Spectra
2025-Oct, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70130
PMID:40955682
|
研究论文 | 介绍MRS-Sim开源框架,用于模拟逼真的体内磁共振波谱数据 | 包含两种新型组件:3D场图模拟器模拟场不均匀性,以及半参数生成器模拟未充分表征的残余水区域信号 | NA | 开发用于磁共振波谱研究的合成数据模拟框架 | 磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱(MRS) | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 817 | 2025-10-05 |
The Role of Artificial Intelligence in Advancing Theranostics Dosimetry for Cancer Therapy: a Review
2025-Oct, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00939-9
PMID:40979137
|
综述 | 探讨人工智能在癌症治疗诊断一体化放射药物剂量学中的应用进展 | 系统评估深度学习模型在放射药物剂量学中的创新应用,包括图像合成、质量提升、器官分割和剂量估计 | 面临诊断配对准确剂量估计困难、影像数据缺乏、放射性核素衰变链建模等挑战 | 研究人工智能如何提升治疗诊断一体化放射药物剂量学的精确性和效率 | 放射药物剂量学相关研究文献和方法 | 医学影像分析 | 癌症 | 放射药物疗法 | 深度学习 | 医学影像 | NA | NA | U-Net,生成对抗网络,混合Transformer网络 | NA | NA |
| 818 | 2025-10-05 |
Improving risk stratification and detection of early HCC using ultrasound-based deep learning models
2025-Oct, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101510
PMID:40980161
|
研究论文 | 开发基于超声的深度学习模型STARHE-RISK和STARHE-DETECT,用于肝细胞癌风险分层和早期检测 | 首次提出基于超声视频片段的深度学习模型,分别针对非肿瘤肝实质进行风险分层和针对肿瘤区域进行早期检测 | 样本量相对有限(403例患者),需要进一步多中心验证 | 改善肝细胞癌的监测和早期检测 | 代偿性晚期慢性肝病(cACLD)患者 | 计算机视觉 | 肝细胞癌 | 超声成像 | 深度学习 | 超声视频片段 | 403例成年cACLD患者(152例早期HCC患者,170例无HCC对照) | NA | NA | 准确率, 比值比, 特异性, 灵敏度, mAP10 | NA |
| 819 | 2025-10-05 |
Prediction of Medial Tibiofemoral Joint Reaction Force Using Custom Instrumented Insoles and Neural Networks for Walking and Running Tasks
2025-Oct-01, Journal of applied biomechanics
IF:1.1Q3
DOI:10.1123/jab.2024-0181
PMID:40550501
|
研究论文 | 使用定制仪器鞋垫和神经网络预测行走和跑步时的内侧胫股关节反作用力 | 开发了基于压阻式力传感器的定制仪器鞋垫和任务特异性卷积神经网络,实现了在临床环境中简化测量膝关节内侧接触力 | 研究样本仅包含9名年轻健康女性,未涵盖不同年龄、性别或膝关节疾病患者群体 | 简化膝关节内侧接触力的测量方法,使其适用于临床环境和日常生活 | 年轻健康女性个体在行走和跑步时的生物力学数据 | 生物医学工程 | 膝骨关节炎 | 运动捕捉、测力台、三轴压阻式力传感器 | CNN | 力学传感器数据 | 9名年轻健康女性 | NA | 卷积神经网络 | 相关系数, 平均绝对误差 | NA |
| 820 | 2025-10-05 |
The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review
2025-Oct, The neuroradiology journal
DOI:10.1177/19714009251313511
PMID:39787363
|
综述 | 本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病与额颞叶痴呆鉴别诊断中的潜在作用 | 系统分析比较了机器学习和深度学习在AD与FTD鉴别诊断中的性能表现,发现SVM和ResNet分别在不同方法中表现最佳 | 需要结合临床检查和患者症状评估以确保诊断的全面性和准确性 | 探讨人工智能在阿尔茨海默病与额颞叶痴呆鉴别诊断中的应用潜力 | 阿尔茨海默病(AD)和额颞叶痴呆(FTD)患者 | 医学影像分析 | 神经退行性疾病 | MRI, DTI, fMRI, PET, SPECT | 机器学习, 深度学习 | 医学影像 | 基于31篇文献的综合分析 | NA | SVM, ResNet | 分类性能 | NA |