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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 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 |
| 1002 | 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 |
| 1003 | 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 |
| 1004 | 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 |
| 1005 | 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 |
| 1006 | 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 |
| 1007 | 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 |
| 1008 | 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 |
| 1009 | 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 |
| 1010 | 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 |
| 1011 | 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 |
| 1012 | 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 |
| 1013 | 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 |
| 1014 | 2025-10-06 |
Machine and deep learning methods for epileptic seizure recognition using EEG data: A systematic review
2025-Oct-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149797
PMID:40562194
|
系统综述 | 对基于EEG数据的机器学习和深度学习方法在癫痫发作识别中的应用进行系统性回顾和分析 | 首次全面涵盖癫痫发作检测、分类和预测三大任务,并分析可解释AI、迁移学习和联邦学习等新兴趋势 | 仅基于PubMed数据库2013-2023年的研究,可能未涵盖所有相关文献 | 评估机器学习和深度学习在癫痫发作识别中的效果、可解释性和临床应用性 | 癫痫患者的EEG信号数据 | 机器学习 | 癫痫 | 脑电图 | 机器学习,深度学习 | EEG信号 | NA | NA | NA | 准确率 | NA |
| 1015 | 2025-10-06 |
A Study of Data Augmentation for Learning-Driven Scientific Visualization
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3587685
PMID:40638349
|
研究论文 | 本研究系统评估了九种数据增强技术在科学可视化任务中的有效性 | 首次对多种数据增强技术在科学可视化领域进行系统性比较研究,揭示了数据量增加和单域多样性提升对模型性能的积极影响 | 研究仅针对空间超分辨率和环境光遮蔽预测两个特定任务,结论可能不适用于其他科学可视化任务 | 探索数据增强技术在解决科学可视化中训练数据稀缺问题的有效性 | 科学可视化数据集和深度学习模型 | 科学可视化 | NA | 数据增强技术 | 深度学习模型 | 科学可视化数据 | 多个具有不同特征的科学数据集 | NA | NA | 数据质量,渲染保真度,优化时间,内存消耗 | NA |
| 1016 | 2025-10-06 |
A Comprehensive Survey on 3D Single-View Object Reconstruction
2025-Oct, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3591770
PMID:40699970
|
综述 | 本文系统综述了基于单视图的3D物体重建技术,特别关注了基于新视角合成方法的最新进展,并提出了一种更符合人类视觉感知的评估方法 | 首次全面覆盖基于新视角合成的单视图3D重建方法,提出考虑部件显著性的加权评估方法,开发自动感知重建差异的新技术 | 作为综述文章,主要整合现有研究而非提出全新算法,新评估方法尚未在实际应用中广泛验证 | 填补单视图3D物体重建领域现有综述的空白,特别关注新视角合成方法的发展,改进评估体系以更好反映人类视觉感知 | 单视图3D物体重建技术,特别是基于新视角合成的方法 | 计算机视觉 | NA | 深度学习,新视角合成 | NA | 2D图像,3D形状数据 | NA | NA | NA | 加权评估方法,考虑部件显著性的指标,自动感知重建差异技术 | NA |
| 1017 | 2025-10-06 |
CT-SCOPE: annotated dataset of CT SCans for the automatic semantic segmentation of the Osseous structures of the Paranasal sinusEs
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111962
PMID:40896122
|
研究论文 | 本文介绍了用于鼻旁窦骨结构自动语义分割的CT扫描数据集 | 创建了首个包含多医院、多CT设备采集的鼻旁窦CT扫描注释数据集,并提供了自动生成的伪标签 | 仅40名受试者,其中仅13名有手动注释,样本量相对较小 | 开发用于医学图像分析的深度学习语义分割模型 | 鼻旁窦周围骨结构 | 数字病理 | 鼻窦疾病 | CT扫描 | NA | 医学图像 | 40名受试者(13名手动注释,27名未注释),共696个配对CT切片和掩码 | NA | NA | NA | NA |
| 1018 | 2025-10-06 |
UMATBrush: A dataset of inertial signals of toothbrushing activities
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111980
PMID:40896134
|
研究论文 | 介绍UMATBrush数据集,包含通过智能手表采集的刷牙活动惯性信号数据 | 首个专门针对刷牙活动监测的惯性信号数据集,包含受试者日常生活的长期监测数据 | 仅包含4名实验受试者的数据,样本规模有限 | 开发基于惯性传感器信号的人类活动识别系统,特别关注刷牙活动监测 | 人类刷牙活动 | 机器学习 | 口腔健康 | 惯性传感器信号采集 | NA | 惯性信号(加速度数据) | 4名实验受试者,大量刷牙会话 | NA | NA | NA | NA |
| 1019 | 2025-10-06 |
Stress-strain and fracture acoustic emission dataset of high-strength concrete for metro tunnel lining under different stress states
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111973
PMID:40896120
|
研究论文 | 本文提出了一个包含地铁隧道衬砌高强混凝土在不同应力状态下应力应变行为和断裂声发射特性的新型数据集 | 首次提供了地铁隧道衬砌高强混凝土在多种应力状态下的综合数据集,包含应力应变数据、声发射数据和损伤图像 | NA | 解决地铁隧道衬砌工程问题并促进相关科学研究 | 地铁隧道衬砌高强混凝土 | 材料科学 | NA | 声发射检测、应力应变测试、高分辨率成像 | NA | 图像、应力应变数据、声发射数据 | NA | NA | NA | NA | MTS815.04力学测试系统、AE传感器、应力应变传感器、高分辨率相机 |
| 1020 | 2025-10-06 |
RoseLeafInsight: A high-resolution image dataset for rose leaf disease recognition
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111968
PMID:40896128
|
研究论文 | 本文提出了一个用于玫瑰叶片病害识别的高分辨率图像数据集RoseLeafInsight | 创建了包含四种玫瑰叶片状态的高质量图像数据集,并采用多种数据增强技术提升数据集质量 | 数据集仅包含四种叶片状态类别,可能无法覆盖所有玫瑰病害类型 | 开发用于玫瑰叶片病害早期检测和识别的高精度机器学习模型 | 玫瑰叶片病害图像 | 计算机视觉 | 植物病害 | 图像采集、数据增强 | 迁移学习 | 图像 | 3,228张原始图像(黑斑病409张、虫孔453张、黄花叶病毒680张、健康叶片1,686张) | NA | MobileNetV2 | 准确率 | NA |