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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2025-11-22 |
iWAX: interpretable Wav2vec-AASIST-XGBoost framework for voice spoofing detection
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24361-5
PMID:41254079
|
研究论文 | 提出一种可解释的语音欺骗检测框架iWAX,结合wav2vec 2.0、AASIST和XGBoost模型 | 利用XGBoost的特征重要性机制识别wav2vec在欺骗检测中关注的时域片段和频带,通过sinc滤波器实现频域可解释性 | 未明确说明模型计算复杂度及在更广泛数据集上的泛化能力 | 开发兼具高性能和可解释性的语音欺骗检测方法 | 语音欺骗攻击检测 | 语音处理 | NA | 语音信号处理 | wav2vec 2.0, AASIST, XGBoost, LightGBM | 音频波形 | ASVspoof 2019 LA数据集 | PyTorch, XGBoost, LightGBM | wav2vec 2.0, AASIST | 准确率, 精确率, 召回率, F1分数 | NA |
| 1062 | 2025-11-22 |
Deep learning-enabled multiphoton microscopy predicts colorectal cancer recurrence from routine FFPE specimens
2025-Nov-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02058-3
PMID:41254110
|
研究论文 | 开发了一种基于双流深度学习的多光子显微镜图像分析模型MPMRecNet,用于预测结直肠癌复发风险 | 首次将多光子显微镜成像与深度学习结合,利用常规FFPE标本进行非破坏性复发预测,采用双流架构和跨模态注意力融合机制 | 研究样本来自两家医院,需要更多外部验证,模型在更广泛人群中的泛化能力有待进一步验证 | 开发准确预测结直肠癌复发的工具,为患者分层和个性化治疗规划提供支持 | 1071名结直肠癌患者的福尔马林固定石蜡包埋组织切片 | 数字病理 | 结直肠癌 | 多光子显微镜成像 | 深度学习 | 显微镜图像 | 1071名患者来自两家医院 | PyTorch | MaxViT, 双流网络架构 | ROC-AUC, PR-AUC, 比值比 | 混合精度优化 |
| 1063 | 2025-11-22 |
Matters arising: Utilizing foundation models for developing clinical tools
2025-Nov-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02065-4
PMID:41254183
|
评论 | 对RETFound增强深度学习模型在眼科疾病检测中泛化能力声明的质疑 | 提出了四个关键质疑点:其他模型细节、泛化能力、微调数据集和统计分析 | 仅提出质疑而未提供替代方案或验证实验 | 评估基础模型在临床工具开发中的应用声明 | RETFound增强深度学习模型与两个商业模型的比较 | 数字病理 | 眼科疾病 | 深度学习 | CNN,基础模型 | 医学影像 | NA | NA | RETFound | 泛化能力 | NA |
| 1064 | 2025-11-22 |
Enhancing automatic diagnosis of thyroid nodules from ultrasound scans leveraging deep learning models
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25780-0
PMID:41254202
|
研究论文 | 本研究利用深度学习模型提升甲状腺结节超声扫描的自动诊断能力 | 系统比较九种预训练CNN模型在甲状腺结节分类中的性能,发现ResNet50表现最优 | 研究仅使用483张公开数据集图像,样本量相对有限 | 探索迁移学习卷积神经网络在甲状腺结节超声图像分类中的可靠性 | 经活检验证的甲状腺结节超声图像 | 计算机视觉 | 甲状腺结节 | 超声成像 | CNN | 图像 | 483张超声图像(197张良性,286张恶性) | NA | ResNet50, ResNet101, VGG16, VGG19, DenseNet121, EfficientNetB0, InceptionV3, InceptionResNetV2, Xception | 准确率, AUC, 精确率, 召回率, F1分数 | NA |
| 1065 | 2025-11-22 |
Diffusion Models for Neuroimaging Data Augmentation: Assessing Realism and Clinical Relevance
2025-Nov-17, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02300-1
PMID:41247615
|
研究论文 | 本研究探索使用去噪扩散概率模型生成合成3D T1加权脑部MRI图像,以解决神经退行性疾病医学影像数据稀缺问题 | 首次将DDPM应用于神经影像数据增强,通过多中心健康受试者数据集生成具有解剖一致性和现实变异性的合成脑部MRI扫描 | 高频细节重建存在局限,分辨率有待进一步提高 | 解决医学影像中训练数据稀缺问题,特别是针对罕见神经退行性疾病 | 3D T1加权脑部MRI图像 | 医学影像分析 | 神经退行性疾病 | 脑部MRI | DDPM | 3D医学图像 | 多中心健康受试者数据集 | NA | 去噪扩散概率模型 | 最大均值差异, 视觉评估 | NA |
| 1066 | 2025-11-22 |
METFAN: Multisource Enhanced Therapeutic Peptide Function Prediction via Adapter Network
2025-Nov-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c07552
PMID:41255570
|
研究论文 | 提出一种名为METFAN的深度学习模型,通过多源特征表示和适配器网络预测多功能治疗肽的功能 | 整合多尺度TextCNN的局部序列特征与ESM2和ProtT5蛋白质语言模型的全局语义嵌入,设计特征优化模块和特征聚合网络 | 未明确说明模型在特定功能类别上的性能差异和计算效率 | 解决多功能治疗肽的多标签特性和严重类别不平衡问题,实现准确的计算预测 | 多功能治疗肽(MTPs) | 生物信息学 | NA | 深度学习,蛋白质语言模型 | CNN, 适配器网络 | 蛋白质序列数据 | NA | NA | TextCNN, ESM2, ProtT5 | 样本级准确率, 标签级F1分数 | NA |
| 1067 | 2025-11-22 |
Machine Learning-Based Rupture Risk Prediction for Intracranial Aneurysms: A Systematic Review and Meta-Analysis
2025-Nov-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003531
PMID:40444989
|
系统综述与Meta分析 | 通过系统综述和Meta分析评估机器学习在颅内动脉瘤破裂风险预测中的应用效果 | 首次系统比较多种机器学习算法与传统PHASES评分在动脉瘤破裂风险预测中的性能差异 | 外部验证集中血流动力学参数未能显著提升模型性能,需要前瞻性研究验证临床实用性 | 评估机器学习在颅内动脉瘤破裂风险预测中的应用价值 | 颅内动脉瘤患者 | 机器学习 | 脑血管疾病 | 机器学习算法 | 深度学习,多种机器学习算法 | 临床数据,血流动力学参数 | 36项研究涉及22462名患者 | NA | 124个模型使用25种算法 | 灵敏度,特异度,准确率,AUC | NA |
| 1068 | 2025-11-22 |
Multi-task and multi-scale attention network for lymph node metastasis prediction in esophageal cancer
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03391-1
PMID:40488960
|
研究论文 | 提出一种创新的多任务多尺度注意力网络用于食管癌淋巴结转移预测 | 提出软扩展节点掩码区域的特征聚合方法和双分支训练策略,增强节点上下文学习 | 仅在177名患者的数据集上进行验证,样本规模有限 | 提高食管鳞状细胞癌淋巴结转移的自动诊断准确性 | 食管癌患者的淋巴结医学影像 | 数字病理 | 食管癌 | 医学影像分析 | 深度学习,注意力机制 | 医学影像 | 177名患者,共577个淋巴结 | NA | 多任务多尺度注意力网络(MANet) | 准确率 | NA |
| 1069 | 2025-11-22 |
Quantifying features from X-ray images to assess early stage knee osteoarthritis
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03405-y
PMID:40616750
|
研究论文 | 提出一种结合预训练深度学习模型和图像处理技术的自动化系统,用于从X射线图像中量化膝关节骨关节炎的影像生物标志物 | 整合预训练DL模型与图像处理技术,无需昂贵训练过程即可自动量化KOA关键影像特征,提供可解释的定量数据 | 系统性能仍需使用标注数据进行验证,分类准确率有待进一步提升 | 开发自动化膝关节骨关节炎严重程度评估系统,实现早期检测 | 膝关节X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | 深度学习 | 医学图像 | NA | NA | DexiNed | 准确率 | NA |
| 1070 | 2025-11-22 |
MTMedFormer: multi-task vision transformer for medical imaging with federated learning
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03404-z
PMID:40627238
|
研究论文 | 提出一种基于Transformer的多任务医学影像模型MTMedFormer,结合联邦学习解决医学数据隐私和标注数据不足的问题 | 首次将Transformer架构与多任务学习结合用于医学影像,并提出新颖的贝叶斯联邦聚合方法 | 仅在乳腺X光片和肺炎数据集上验证,未在其他医学影像任务上测试 | 开发能够同时处理多个医学影像任务的深度学习模型,同时保护患者数据隐私 | 医学影像数据,特别是乳腺X光片和肺炎影像 | 医学影像分析 | 乳腺癌, 肺炎 | 深度学习, 联邦学习 | Transformer | 医学影像 | NA | NA | Transformer, 共享编码器, 任务特定解码器 | 图像分割指标 | NA |
| 1071 | 2025-11-22 |
Increased Expression of Secreted Form A Disintegrin and Metalloproteinase 28 (ADAM28s) in Esophageal Squamous Cell Carcinoma: Implication for Carcinoma Cell Proliferation via Interleukin 6 Receptor Shedding
2025-Nov, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104222
PMID:40744225
|
研究论文 | 本研究探讨ADAM28s在食管鳞状细胞癌中的过表达及其通过白细胞介素6受体脱落促进癌细胞增殖的机制 | 首次揭示ADAM28s在食管鳞癌中的活性形式过表达及其与IL-6信号通路协同促进癌细胞增殖的新机制 | 研究仅涉及有限细胞系(TE-1、KYSE-140、TE-8)和小鼠异种移植模型,临床样本量未明确说明 | 探究ADAM28在食管鳞状细胞癌中的表达特征、临床意义及其介导癌细胞增殖的分子机制 | 食管鳞状细胞癌组织、癌细胞系(TE-1、KYSE-140、TE-8)、小鼠异种移植模型 | 数字病理学 | 食管鳞状细胞癌 | 免疫印迹、免疫组织化学、深度学习人工智能分析、siRNA干扰、异种移植模型 | 深度学习模型 | 蛋白质印迹数据、免疫组织化学图像、细胞增殖数据 | 三种食管鳞癌细胞系和小鼠异种移植模型,临床组织样本数量未明确 | NA | NA | 5年总生存率、疾病特异性生存率、肿瘤生长抑制率 | NA |
| 1072 | 2025-11-22 |
Artificial Intelligence in Autism Spectrum Disorder Diagnosis: A Scoping Review of Face, Voice, and Text Analysis Methods
2025-Nov, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71476
PMID:41255386
|
综述 | 本文系统综述了人工智能在自闭症谱系障碍诊断中面部、声音和文本分析方法的现状与应用 | 首次全面整合了基于面部图像、声音特征和文本分析三种模态的AI诊断方法在自闭症领域的应用进展 | 采用叙述性综合方法,缺乏定量meta分析;未评估不同AI方法的临床适用性 | 评估人工智能在自闭症谱系障碍诊断中的应用效果 | 自闭症诊断相关的面部图像、声音数据和文本资料 | 自然语言处理,计算机视觉,机器学习 | 自闭症谱系障碍 | 深度学习,机器学习,自然语言处理 | CNN,随机森林,混合模型 | 图像,音频,文本 | NA | NA | Xception,VGG16-MobileNet,随机森林 | 准确率 | NA |
| 1073 | 2025-11-22 |
Evaluation of deep learning reconstruction in accelerated knee MRI: comparison of visual and diagnostic performance metrics
2025-Nov, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-025-01464-8
PMID:40548970
|
研究论文 | 评估深度学习重建在加速膝关节MRI中的临床应用价值,比较其与传统序列的视觉质量和诊断性能指标 | 首次系统评估深度学习重建技术在膝关节加速MRI中的临床价值,证实其在保持诊断准确性的同时显著缩短扫描时间 | 样本量相对有限(116例),仅使用1.5T MRI扫描器,未评估其他类型膝关节病变 | 研究深度学习重建在膝关节加速MRI中的临床应用价值 | 116例膝关节损伤患者 | 医学影像分析 | 膝关节损伤 | 磁共振成像,深度学习重建 | 深度学习重建模型 | MRI图像 | 116例膝关节损伤患者 | NA | NA | 信噪比,对比噪声比,图像质量评分,病变检测率,Cohen's kappa | 1.5T MRI扫描器 |
| 1074 | 2025-11-22 |
Development and validation of an artificial intelligence algorithm for cervical vertebral maturation staging using lateral cephalograms
2025 Nov-Dec, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2025.08.012
PMID:41268013
|
研究论文 | 开发并验证基于侧位头颅X光片的颈椎骨成熟度分期人工智能算法 | 首次使用VGG19卷积神经网络实现颈椎骨成熟度的自动分期,显著提升诊断效率和准确性 | 样本量相对有限(525例),仅包含7-17岁人群,模型在CVS1阶段表现相对较差 | 开发自动评估颈椎骨成熟度的人工智能算法,改善传统手动分析的不足 | 7-17岁青少年的侧位头颅X光片 | 医学影像分析 | 骨骼发育评估 | X射线成像 | CNN | 医学影像 | 525例侧位头颅X光片(249名男性,276名女性,平均年龄12.67岁) | PLAINSIGHT | VGG19 | 准确率, F1分数, 混淆矩阵 | NA |
| 1075 | 2025-11-22 |
Artificial intelligence in dermatology: The shifting paradigms
2025 Nov-Dec, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2025.08.016
PMID:41268018
|
观点论文 | 探讨人工智能在皮肤病学领域的现状、挑战及未来发展前景,特别关注印度医疗背景下的应用 | 提出将视觉语言模型与协作学习相结合的新范式,强调在资源有限地区提升皮肤病学知识可及性的独特机遇 | 存在数据集偏差(特别是深色皮肤代表不足)、监管不确定性以及缺乏全面培训计划 | 分析人工智能在皮肤病学中的整合现状并规划未来发展路线 | 皮肤病学诊断方法、治疗方式和患者护理系统 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 皮肤图像 | NA | NA | 卷积神经网络 | 灵敏度, 特异性 | NA |
| 1076 | 2025-11-21 |
Explainable End-to-End Seizure Prediction via Stationary Wavelet Transform-Driven Dynamic Multiscale Fuzzy Clustering
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3633739
PMID:41259173
|
研究论文 | 提出一种基于平稳小波变换的动态多尺度模糊聚类框架,用于可解释的癫痫发作预测 | 结合平稳小波变换与几何注意力机制,开发黎曼流形模糊聚类算法,并采用对比学习和混合监督/自监督策略增强模型鲁棒性 | 未明确说明模型在跨数据集泛化能力及计算复杂度方面的具体限制 | 解决癫痫发作预测中存在的个体差异性和时空耦合复杂性难题,提升特征判别性和模型可解释性 | 癫痫患者的脑电图信号 | 生物医学信号处理 | 癫痫 | 平稳小波变换,脑电图分析 | CNN,模糊聚类 | 脑电图信号 | NA | PyTorch,TensorFlow | 三层卷积网络,多尺度卷积核 | FPR,预测性能指标 | NA |
| 1077 | 2025-11-21 |
A rapidly evolving female-controlled lock-and-key mechanism determines Aedes mosquito mating success
2025-Nov-17, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.09.066
PMID:41161314
|
研究论文 | 本研究揭示了雌性伊蚊通过生殖器尖端伸长行为主动控制交配的锁钥机制 | 首次发现雌性伊蚊通过生殖器尖端伸长行为主动控制交配启动,并揭示这种快速进化的锁钥机制决定交配成功率 | NA | 探究伊蚊交配机制及雌性防止重复交配的生物学基础 | 入侵性埃及伊蚊和白纹伊蚊 | 生物医学 | 蚊媒传染病 | 双色荧光精子系统、行为追踪、深度学习、定量分析 | 深度学习 | 行为视频、图像数据 | NA | NA | NA | 交配成功率统计(86%-96%单次交配率) | NA |
| 1078 | 2025-11-21 |
An intelligent brain tumor detection model using lightweight hybrid twin attentive pyramid convolutional network
2025-Nov-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23813-2
PMID:41249242
|
研究论文 | 提出一种用于脑肿瘤检测的轻量级混合双注意力金字塔卷积网络模型 | 结合双层级注意力模块和混合金字塔卷积块,采用恒星振荡优化器进行超参数调优,并集成Grad-CAM实现检测区域可视化 | NA | 开发高效的脑肿瘤早期检测方法 | 脑部MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | BT Detection 2020数据集 | Python | ResNet, LHTA-PCNet, TwinL-A, HPC | 准确率 | NA |
| 1079 | 2025-11-21 |
CT-based radiomics and deep learning models for predicting thyroid cartilage invasion and patient prognosis in laryngeal carcinoma
2025-Nov-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23809-y
PMID:41249227
|
研究论文 | 本研究比较了基于CT的影像组学和深度学习模型在预测喉鳞状细胞癌甲状腺软骨侵犯及患者预后方面的性能 | 首次系统比较二维深度学习模型与影像组学模型在预测甲状腺软骨侵犯方面的性能,并构建了结合深度学习特征和临床风险因素的列线图 | 在外部验证队列中未发现模型性能存在显著差异,样本量相对有限 | 预测喉鳞状细胞癌患者的甲状腺软骨侵犯情况并评估预后价值 | 经病理证实的喉鳞状细胞癌患者 | 医学影像分析 | 喉癌 | CT成像 | 深度学习, 影像组学 | CT图像 | 418例来自两个中心的患者(训练队列247例,内部验证110例,外部验证61例) | NA | 2D深度学习模型 | AUC, 疾病无进展生存期 | NA |
| 1080 | 2025-11-21 |
Explainable convolutional neural network architectures for high-performance taxonomic classification of gasteroid macrofungi
2025-Nov-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23974-0
PMID:41249260
|
研究论文 | 本研究提出了一种基于深度学习的高性能胃菌类大型真菌分类框架 | 首次将可解释AI技术应用于胃菌类真菌分类,实现了高精度且可解释的深度学习模型 | 仅针对六种胃菌类真菌物种,样本多样性有限 | 开发高精度且可解释的真菌分类方法 | 六种胃菌类大型真菌:Battarrea phalloides, Crucibulum laeve, Cyathus olla, C. striatus, Tulostoma brumale, T. fimbriatum | 计算机视觉 | NA | 图像分析 | CNN | 图像 | 1200张高分辨率图像 | NA | DenseNet121, ResNeXt, RepVGG, ShuffleNetV2 | 准确率, F1分数, AUC, 推理时间, 能效 | NA |