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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2025-10-06 |
DDintensity: Addressing imbalanced drug-drug interaction risk levels using pre-trained deep learning model embeddings
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103202
PMID:40617062
|
研究论文 | 提出一种名为DDintensity的新方法,利用预训练深度学习模型嵌入结合LSTM注意力模型解决药物-药物相互作用风险级别数据不平衡问题 | 首次将多领域预训练深度学习模型嵌入(包括图像、图结构和文本语料)应用于DDI风险级别不平衡数据集,并采用LSTM注意力机制 | 未详细讨论模型在其他类型生物信息学数据不平衡问题上的泛化能力 | 解决药物-药物相互作用风险级别数据集中的类别不平衡问题 | 药物-药物相互作用风险级别数据 | 生物信息学 | NA | 深度学习嵌入技术 | LSTM, 注意力机制 | 药物相互作用数据 | DDinter数据集和MecDDI验证数据集,包含化疗药物DB00398(索拉非尼)和DB01204(米托蒽醌)案例研究 | NA | LSTM-attention, BioGPT | AUC, AUPR | NA |
| 942 | 2025-10-06 |
SimIntestine: A synthetic dataset from virtual capsule endoscope
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103706
PMID:40617135
|
研究论文 | 开发了一种生成带有位置标注的虚拟肠道内窥镜图像数据集的方法 | 创建了包含真实肠道解剖特征(如环状皱襞、绒毛、结肠袋)和生理过程(如蠕动)的虚拟肠道模型 | 基于虚拟模型生成的数据集,与真实内窥镜数据存在差异 | 解决胃肠道图像数据缺乏精确位置标注的问题,改进内窥镜视频分析 | 人类胃肠道系统的小肠和大肠 | 计算机视觉 | 胃肠道疾病 | 虚拟胶囊内窥镜技术 | NA | 图像 | NA | NA | NA | 深度估计和自运动估计性能指标 | NA |
| 943 | 2025-10-06 |
Exploring Complexity-Calibrated morphological distribution for whole slide image classification and difficulty-grading
2025-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103707
PMID:40623354
|
研究论文 | 提出一种复杂度校准的多示例学习方法用于全切片图像分类和难度分级 | 首次基于复杂度因素协同整合构建WSI形态学表征,通过图像-文本对比预训练框架联合学习多种复杂度因素 | 未明确说明方法在不同病理亚型间的泛化能力验证 | 解决全切片图像分类中的形态学拟合瓶颈问题 | 病理全切片图像 | 数字病理 | 肿瘤 | 多示例学习 | MIL | 图像 | 三个大型基准数据集 | NA | CoCaMIL | 分类性能 | NA |
| 944 | 2025-10-06 |
Automated detection and numbering of primary and permanent teeth in digital impressions of children using artificial intelligence
2025-Oct, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105976
PMID:40659080
|
研究论文 | 开发并评估了一种基于人工智能的自动化方法,用于在儿童数字印模中分割和标记乳牙与恒牙 | 结合大范围上下文预测进行牙齿标记与高分辨率预测进行牙齿分割的深度学习模型,在3DTeethSeg22挑战数据集上表现优于顶级提交方案 | 对于异常牙齿状况或模糊牙齿萌出模式的情况会出现错误 | 开发自动化方法区分儿童混合牙列中的乳牙和恒牙 | 儿童数字牙科印模 | 数字病理 | 牙科疾病 | 数字印模技术 | 深度学习 | 3D数字印模图像 | 716个数字印模,来自351名患者 | NA | NA | F1-score, Dice score, macro-F1 | NA |
| 945 | 2025-10-06 |
Automated chart filing on bitewings using deep learning: enhancing clinical diagnosis in a multi-center study
2025-Oct, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105919
PMID:40550354
|
研究论文 | 本研究开发了一种基于深度学习的自动化咬翼片图表归档系统,用于牙齿分割和牙科病症检测 | 提出了分层Mask DINO模型用于多类别分层端到端实例分割,并在多中心研究中验证了其有效性 | 样本量相对有限(总计1261张咬翼片),且仅来自三个欧洲国家 | 开发自动化咬翼片图表归档系统以提高牙科诊断效率和准确性 | 咬翼片X光图像中的牙齿分割和牙科病症检测 | 计算机视觉 | 牙科疾病 | X射线成像 | 深度学习 | 医学图像 | 1045张咬翼片用于训练和验证(来自德国和荷兰),216张用于外部测试(来自斯洛伐克) | NA | Hierarchical Mask DINO, Mask DINO, SparseInst, Mask R-CNN | F1-score, 敏感度, 特异度, 精确度, 平均精度均值(mAP), AUC | NA |
| 946 | 2025-10-06 |
Deep learning for automatic ICD coding: Review, opportunities and challenges
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103187
PMID:40664094
|
综述 | 本文全面回顾了深度学习在自动ICD编码中的应用进展,分析了主要挑战和发展趋势 | 从独特视角系统分析深度学习在ICD编码中的应用,总结了模型设计动机、神经网络架构和辅助数据使用 | 仅涵盖2017-2023年间53篇相关文献,可能存在文献覆盖不全的局限 | 回顾深度学习在自动ICD编码中的最新进展,揭示主要挑战和新兴发展趋势 | 基于深度学习的自动ICD编码方法相关文献 | 自然语言处理 | NA | 深度学习 | CNN, RNN, Transformer, PLM | 临床文本,电子健康记录 | 53篇发表文章(2017-2023年) | NA | CNN, RNN, Transformer, 预训练语言模型 | NA | NA |
| 947 | 2025-10-06 |
Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103220
PMID:40700862
|
系统综述 | 本文对基于深度学习的医学影像报告生成方法进行了系统性综述 | 提供了迄今为止最全面的医学影像报告生成系统综述,涵盖从传统架构到大型语言模型的最新进展 | 综述性质文章,不包含原始实验验证 | 系统总结医学影像报告生成领域的研究现状和发展趋势 | 78项符合条件的研究,包括323篇相关文献 | 医学影像,自然语言处理 | NA | 深度学习 | NA | 医学影像报告 | 分析了22个广泛使用的数据集 | NA | 超过25个视觉骨干网络和30个文本骨干网络 | 14种评估指标 | NA |
| 948 | 2025-10-06 |
Optimizing contrast-enhanced abdominal MRI: A comparative study of deep learning and standard VIBE techniques
2025-Oct, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2025.110581
PMID:40795789
|
研究论文 | 比较深度学习重建技术与标准VIBE技术在腹部MRI中的图像质量和采集时间 | 首次将深度学习重建技术应用于冠状位VIBE序列,显著缩短采集时间的同时提升图像质量 | 深度学习重建技术会增加外周伪影的严重程度 | 验证深度学习重建技术在腹部MRI中的性能表现 | 151名接受上腹部MRI检查的患者 | 医学影像分析 | 肝脏疾病 | MRI, 深度学习重建 | 深度学习 | 医学影像 | 151名患者 | NA | NA | 图像质量评分, 信噪比, 伪影严重程度, 肝脏边缘锐利度, 肝脏血管锐利度, 病灶显着性, 病灶检测率 | 3T MRI扫描仪 |
| 949 | 2025-10-06 |
Artificial intelligence: a new era in prostate cancer diagnosis and treatment
2025-Oct-15, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126024
PMID:40769449
|
综述 | 探讨人工智能在前列腺癌诊断和治疗中的革命性应用及其潜力 | 系统整合AI技术于前列腺癌诊疗全流程,实现从影像分析到个性化治疗策略的智能化决策 | 未具体说明数据标准化、算法泛化能力及临床实施障碍等实际挑战 | 评估AI技术在前列腺癌诊疗领域的应用现状与发展前景 | 前列腺癌患者的诊断与治疗过程 | 数字病理 | 前列腺癌 | MRI, 超声, 基因组测序 | 机器学习, 深度学习 | 影像数据, 临床数据, 基因组数据 | NA | NA | NA | 诊断准确率 | NA |
| 950 | 2025-10-06 |
PixelPrint 4D : A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications
2025-Oct-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001182
PMID:40173424
|
研究论文 | 提出一种名为PixelPrint 4D的3D打印方法,用于制造患者特异性可变形肺部CT体模以模拟呼吸运动 | 开发了能够逐体素复制可变密度的柔性3D打印方法,可创建具有真实组织结构和变形模式的呼吸运动体模 | 仅基于单例肺癌患者的4DCT数据集进行验证,样本量有限 | 开发更真实的呼吸运动体模,用于评估CT成像和放射治疗中的运动补偿技术 | 肺癌患者的肺部结构和呼吸运动模式 | 医学影像 | 肺癌 | 3D打印,CT成像,4DCT | NA | CT图像,4DCT数据集 | 1例肺癌患者的4DCT数据 | PixelPrint软件 | NA | 平均衰减误差,Kolmogorov-Smirnov检验,结构相似性指数(SSIM),位移误差,Jacobian误差 | NA |
| 951 | 2025-10-06 |
Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm
2025-Oct, Clinical neurology and neurosurgery
IF:1.8Q2
DOI:10.1016/j.clineuro.2025.109094
PMID:40780043
|
研究论文 | 开发并验证基于深度学习的AI算法,用于从常规腰椎MRI自动测量椎体骨质量评分 | 首次使用YOLOv8模型自动化VBQ评分计算,实现从常规MRI快速评估骨质量 | 需要进一步外部验证以确保泛化能力和临床适用性 | 开发AI算法改进术前骨质量评估,识别手术风险患者 | 腰椎MRI扫描和接受腰椎手术的患者 | 计算机视觉 | 骨科疾病 | MRI成像 | YOLOv8 | 医学图像 | 257例腰椎T1加权MRI扫描(SPIDER数据集)和47例腰椎手术患者 | NA | YOLOv8 | 精确率,召回率,平均精度,组内相关系数,皮尔逊相关系数,均方根误差,平均误差 | NA |
| 952 | 2025-10-06 |
Spatial distribution of enlarged perivascular spaces as a potential biomarker for distinguishing vascular dementia from Alzheimer's disease in older adults
2025-Oct, Clinical neurology and neurosurgery
IF:1.8Q2
DOI:10.1016/j.clineuro.2025.109098
PMID:40782606
|
研究论文 | 本研究探讨扩大血管周围间隙体积作为区分阿尔茨海默病和血管性痴呆生物标志物的潜力 | 首次使用基于VB-Net的深度学习模型自动量化四个脑区的EPVS体积,并发现EPVS空间分布差异可作为区分两种痴呆亚型的可靠影像生物标志物 | 样本量相对有限(共215名患者),仅纳入65岁以上患者,缺乏外部验证 | 开发区分阿尔茨海默病和血管性痴呆的影像生物标志物 | 93名阿尔茨海默病患者和122名血管性痴呆患者,均为65岁以上老年人 | 数字病理学 | 老年疾病 | 神经影像分析 | 深度学习 | 医学影像 | 215名患者(93名AD,122名VD) | NA | VB-Net | AUC | NA |
| 953 | 2025-10-06 |
A Survey of Deep Learning in Sports Applications: Perception, Comprehension, and Decision
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3554801
PMID:40138241
|
综述 | 本文系统综述了深度学习在体育应用中的研究进展,涵盖感知、理解和决策三个层次 | 首次从算法、数据集与虚拟环境、挑战三个维度系统梳理深度学习在体育领域的应用现状 | 作为综述文章,未提出新的算法模型或实验验证 | 为深度学习在体育应用中的研究提供全面的参考指南 | 深度学习在体育领域的算法、数据集和挑战 | 计算机视觉,自然语言处理,机器学习 | NA | NA | NA | 图像,视频,文本 | NA | NA | NA | NA | NA |
| 954 | 2025-10-06 |
Progressive Knowledge Transfer Network Based on Human Visual Perception Mechanism for No-Reference Point Cloud Quality Assessment
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3532651
PMID:40031145
|
研究论文 | 提出一种基于人类视觉感知机制的无参考点云质量评估深度学习网络PKT-PCQA | 通过渐进式知识转移将粗粒度质量分类知识转换为细粒度质量预测任务,模拟人类视觉系统 | NA | 点云感知质量评估 | 点云数据 | 计算机视觉 | NA | 深度学习 | CNN | 点云 | 三个大型独立点云评估数据集 | NA | 基于空间和通道注意力模块的注意力机制 | NA | NA |
| 955 | 2025-10-06 |
Deep Point Cloud Edge Reconstruction via Surface Patch Segmentation
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3547411
PMID:40031714
|
研究论文 | 提出一种通过表面面片分割实现点云边缘精确重建的两阶段框架 | 首次利用表面面片分割为边缘重建提供额外线索,通过联合优化模块重建完整精确的3D线框模型 | 未明确说明方法在复杂噪声环境下的鲁棒性 | 解决点云数据参数化边缘重建中因边缘点稀疏导致的拟合误差问题 | CAD模型和日常物体(家具)的点云数据 | 计算机视觉 | NA | 点云处理 | 深度学习网络 | 点云数据 | 包含CAD和日常模型的多功能面片-边缘数据集 | NA | PCER-Net | 通过广泛实验和与先前方法的比较评估 | NA |
| 956 | 2025-10-06 |
Single-View 3D Hair Modeling With Clumping Optimization
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3552919
PMID:40111766
|
研究论文 | 提出一种从单张图像重建具有发束效果的三维头发模型的方法 | 将头发发束效果整合到单视角头发重建中,引入分层头发表示和可微分优化框架 | 未明确说明 | 提升单视角头发重建的真实感,特别是发束效果的表现 | 头发几何模型 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | 定性评估,定量评估 | NA |
| 957 | 2025-10-06 |
Fast and Robust Single-Shot Cine Cardiac MRI Using Deep Learning Super-Resolution Reconstruction
2025-Oct-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001186
PMID:40184545
|
研究论文 | 本研究比较了深度学习超分辨率重建的单次激发心脏电影MRI与标准多次激发心脏电影MRI的诊断质量 | 首次将工业开发的深度学习超分辨率算法应用于单次激发心脏电影MRI重建,显著缩短扫描时间的同时保持非劣诊断质量 | 样本量相对较小(45名参与者),缺乏多中心验证 | 评估深度学习重建单次激发心脏电影MRI在临床诊断中的可行性和图像质量 | 具有心脏MRI临床适应症的参与者 | 医学影像分析 | 心血管疾病 | 平衡稳态自由进动序列,压缩感知,深度学习超分辨率重建 | 深度学习超分辨率算法 | 心脏MRI图像 | 45名参与者(平均年龄50±18岁,30名男性) | NA | NA | 主观图像质量评分,边缘上升距离,表观信噪比,对比噪声比,Bland-Altman分析,Pearson相关系数 | NA |
| 958 | 2025-10-06 |
Eliminating Rasterization: Direct Vector Floor Plan Generation With DiffPlanner
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3559682
PMID:40208765
|
研究论文 | 提出一种直接在向量空间生成边界约束平面图的深度学习框架DiffPlanner | 首次在向量空间直接生成平面图,避免了传统方法中矢栅转换造成的信息损失;采用基于Transformer的条件扩散模型,集成对齐机制模拟设计师的迭代设计过程 | NA | 解决边界约束平面图生成问题,直接生成房间的拓扑和几何属性 | 建筑平面图和气泡图 | 计算机视觉 | NA | 深度学习 | 扩散模型, Transformer | 向量数据 | NA | NA | Transformer | 定量比较, 定性评估, 消融实验, 感知研究 | NA |
| 959 | 2025-10-06 |
FLINT: Learning-Based Flow Estimation and Temporal Interpolation for Scientific Ensemble Visualization
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3561091
PMID:40232923
|
研究论文 | 提出一种基于深度学习的FLINT方法,用于科学集成数据的流场估计和时间插值 | 首个从科学集成数据中执行流场估计的方法,能在原始流信息缺失的情况下生成对应流场 | NA | 开发科学集成数据的流场估计和时间插值方法 | 2D+时间和3D+时间的科学集成数据 | 科学可视化 | NA | 深度学习 | CNN | 科学集成数据,标量场 | NA | NA | 卷积层,反卷积层 | 性能,准确性 | NA |
| 960 | 2025-10-06 |
ASight: Fine-Tuning Auto-Scheduling Optimizations for Model Deployment via Visual Analytics
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3574194
PMID:40440148
|
研究论文 | 提出ASight视觉分析系统,帮助工程师理解自动调度生成的底层代码并优化深度学习模型部署性能 | 开发了子图匹配算法识别中间表示中的图同构,并提出增强的可视化方法来分析自动调度的大规模搜索空间 | NA | 通过视觉分析系统改进深度学习模型部署时的自动调度优化 | 深度学习模型的自动调度优化过程 | 机器学习 | NA | 视觉分析,子图匹配算法 | NA | 中间表示,性能指标,计算图 | 两个案例研究(本地机器和数据中心) | NA | NA | 推理延迟 | 本地机器,数据中心 |