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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2301 | 2025-10-06 |
Harnessing Artificial Intelligence for Shoulder Ultrasonography: A Narrative Review
2025-Sep-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01661-w
PMID:40940587
|
综述 | 本文探讨人工智能在肩部超声检查中的应用现状与发展前景 | 系统梳理深度学习算法在肩部超声中自动病理检测、图像分割和结果预测的创新应用 | 需要大规模标注数据集、模型在多样化人群中的泛化能力不足、缺乏临床验证 | 评估人工智能技术在肩部超声成像中的整合与应用效果 | 肩部超声图像及相关病理特征 | 医学影像分析 | 肌肉骨骼疾病 | 超声成像 | CNN, 深度学习, 机器学习 | 超声图像 | NA | NA | NA | 准确率 | NA |
2302 | 2025-10-06 |
Using machine learning to automate the collection, transcription, and analysis of verbal-report data
2025-Sep-12, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02800-5
PMID:40940585
|
研究论文 | 开发了一套利用机器学习自动化收集、转录和分析口头报告数据的软件系统 | 结合传统机器学习方法和深度学习(如大语言模型)实现口头报告数据的自动化处理,相比人工编码大幅提升效率 | 未提及具体性能指标和系统验证的局限性 | 降低心理学实验中口头报告数据的收集和分析成本 | 心理学实验中的口头报告数据 | 自然语言处理 | NA | 口头报告数据收集 | 大语言模型, 经典机器学习方法 | 语音, 文本 | NA | jsPsych | NA | NA | NA |
2303 | 2025-10-06 |
Deep learning for automated segmentation of central cartilage tumors on MRI
2025-Sep-12, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00633-7
PMID:40940592
|
研究论文 | 提出基于深度学习的自动化分割方法用于MRI中中央软骨肿瘤的识别 | 首次采用监督边缘注意力引导分割网络(SEAGNET)架构实现长骨软骨肿瘤的自动分割 | 回顾性研究设计,样本量相对有限(164例患者) | 开发自动化分割方法以提高骨骼肿瘤影像组学的可靠性和适用性 | 非典型软骨肿瘤(ACT)和II级软骨肉瘤(CS2)患者 | 医学影像分析 | 骨肿瘤 | MRI | 深度学习 | 医学影像 | 164例患者(第一队列99例,第二队列65例),共1037个包含肿瘤的切片 | NA | SEAGNET | Dice Score, Intersection over Union | NA |
2304 | 2025-10-06 |
Enhancing deep chemical reaction prediction with advanced chirality and fragment representation
2025-Sep-11, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc02641e
PMID:40932372
|
研究论文 | 本研究开发了fragSMILES分子表示法,通过深度学习方法提升有机化学反应预测性能 | 引入了能够编码分子亚结构和手性信息的fragSMILES表示法,在手性识别和立体化学复杂性捕捉方面表现优异 | NA | 改进有机化学反应预测的深度学习方法 | 有机化学反应 | 机器学习 | NA | 深度学习方法 | NA | 分子结构数据 | NA | NA | NA | 正向合成预测准确率,逆向合成预测准确率,立体化学信息识别能力 | NA |
2305 | 2025-10-06 |
Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey
2025-Sep-11, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.103158
PMID:40939270
|
研究论文 | 评估约旦儿科头部CT扫描的辐射剂量并建立国家诊断参考水平 | 首次在约旦建立儿科头部CT扫描的国家诊断参考水平,填补了该国标准化剂量参考的空白 | 患者体重数据在各医院间不一致,限制了基于体重的更精确分析 | 评估约旦儿科头部CT扫描的辐射剂量变异性并建立国家诊断参考水平 | 1550例儿科头部CT检查,患者年龄分为<1岁、1-5岁、5-10岁和10-15岁四个组别 | 医学影像 | 神经系统疾病 | CT扫描 | NA | 医疗影像剂量数据 | 1550例儿科头部CT检查,来自约旦8家医院 | SPSS | NA | CTDIvol、DLP、75百分位数 | NA |
2306 | 2025-10-06 |
The coming era of nudge drugs for cancer
2025-Sep-11, Cancer cell
IF:48.8Q1
DOI:10.1016/j.ccell.2025.08.004
PMID:40939589
|
研究论文 | 提出基于肿瘤微环境渐进式重塑的晚期癌症治疗新策略 | 利用深度学习分析扰动肿瘤的单细胞图谱,设计能够逐步改变肿瘤微环境状态的'推动药物' | NA | 开发通过逐步改造肿瘤微环境实现癌症治疗的新方法 | 肿瘤微环境和单细胞图谱 | 数字病理学 | 癌症 | 单细胞测序 | 深度学习 | 单细胞图谱数据 | NA | NA | NA | NA | NA |
2307 | 2025-10-06 |
Ultrasound Assessment of Muscle Atrophy During Short- and Medium-Term Head-Down Bed Rest
2025-Sep-11, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种结合超声技术和深度学习算法的方法,用于评估头低位卧床休息模型中的肌肉萎缩进展 | 提出双编码器并行深度学习模型,结合坐标注意力机制和像素注意力引导融合模块,融合B型超声图像和射频信号特征 | 研究样本量较小(仅6只恒河猴),需要更大规模验证 | 评估超声技术结合深度学习在微重力环境下监测肌肉萎缩的可行性 | 恒河猴头低位卧床休息模型 | 医学影像分析 | 肌肉萎缩 | 超声成像技术 | 深度学习 | B型超声图像, 射频信号 | 6只恒河猴 | NA | 双编码器并行深度学习模型 | 准确率 | NA |
2308 | 2025-10-06 |
OmicsTweezer: A distribution-independent cell deconvolution model for multi-omics Data
2025-Sep-10, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100950
PMID:40675159
|
研究论文 | 本文提出了OmicsTweezer,一种分布无关的细胞反卷积模型,用于多组学数据分析 | 通过整合最优传输与深度学习技术,在共享潜在空间中对齐模拟和真实数据,有效缓解数据偏移和跨组学分布差异 | NA | 开发能够克服批次效应和数据分布差异的细胞反卷积方法 | 批量RNA测序、批量蛋白质组学和空间转录组学数据 | 机器学习 | 前列腺癌, 结肠癌 | RNA-seq, 蛋白质组学, 空间转录组学 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
2309 | 2025-10-06 |
Artificial intelligence in medical imaging empowers precision neoadjuvant immunochemotherapy in esophageal squamous cell carcinoma
2025-Sep-09, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2025-012468
PMID:40930744
|
研究论文 | 探讨人工智能在医学影像中辅助食管鳞癌新辅助免疫化疗精准治疗的应用 | 结合影像组学和深度学习从临床CT图像中提取高维特征,揭示传统评估难以察觉的生物学异质性 | NA | 开发精准预测食管鳞癌新辅助免疫化疗疗效的工具 | 局部晚期食管鳞状细胞癌患者 | 医学影像分析 | 食管鳞状细胞癌 | CT影像分析 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
2310 | 2025-10-06 |
Two step approach for detecting and segmenting the second mesiobuccal canal of maxillary first molars on cone beam computed tomography (CBCT) images via artificial intelligence
2025-Sep-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06796-4
PMID:40926256
|
研究论文 | 本研究开发了一种基于CNN和U-Net的定制深度学习模型,用于在锥形束CT图像中检测和分割上颌第一磨牙的第二近颊根管 | 采用两步法人工智能方法(分类+分割)处理牙科CBCT图像,专门针对MB2根管的检测与分割任务 | 样本量较小(仅37名患者),测试集AUC值较低(0.57) | 评估定制深度学习模型在CBCT图像中检测和分割上颌第一磨牙第二近颊根管的准确性 | 上颌第一磨牙的第二近颊根管(MB2) | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描(CBCT) | CNN, U-Net | 医学影像 | 37名患者的CBCT扫描数据 | NA | 定制CNN, U-Net | F1分数, 准确率, 召回率, 精确率, AUC, Dice系数 | NA |
2311 | 2025-10-06 |
DG-TTA: Out-of-Domain Medical Image Segmentation Through Augmentation, Descriptor-Driven Domain Generalization, and Test-Time Adaptation
2025-Sep-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25175603
PMID:40943032
|
研究论文 | 提出一种结合增强、描述符驱动领域泛化和测试时适应的新方法,用于解决医学图像分割在跨域场景中的性能下降问题 | 提出SSC描述符与GIN强度增强的组合用于领域泛化,并结合一致性方案的测试时适应方法 | NA | 提升预训练医学分割模型在未见领域图像上的分割质量 | 跨域医学图像分割 | 计算机视觉 | NA | 医学图像分割 | 深度学习分割模型 | 3D CT和MRI图像 | 五个公开数据集,包含腹部、脊柱和心脏成像 | NA | NA | Dice系数 | NA |
2312 | 2025-10-06 |
A Study on Light Preference in Gilts via Behavioral Pattern Analysis
2025-Sep-07, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15172620
PMID:40941415
|
研究论文 | 通过行为模式分析研究后备母猪的光照偏好,为改善动物福利提供依据 | 开发了动态多色自选系统,结合可编程RGBW-LED阵列和实时图像识别技术研究后备母猪的光色偏好 | 样本量较小(24头后备母猪),研究周期为5周 | 确定后备母猪在人工光照下的最佳光照环境 | 后备母猪(未产仔的雌性猪) | 计算机视觉 | NA | 实时图像识别技术 | YOLOv8n | 图像 | 24头后备母猪 | YOLOv8 | YOLOv8n | 时空分布比例、活动水平、采食量 | NA |
2313 | 2025-10-06 |
Deep Learning-Based DNA Methylation Detection in Cervical Cancer Using the One-Hot Character Representation Technique
2025-Sep-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15172263
PMID:40941751
|
研究论文 | 本研究提出了一种基于UNet架构和one-hot字符编码技术的深度学习框架,用于宫颈癌中的DNA甲基化检测 | 首次将UNet架构与创新的one-hot字符编码技术结合用于DNA甲基化预测,并系统比较了单体和二聚体两种编码策略 | 研究仅限于宫颈癌相关基因的启动子区域验证,未在其他癌症类型或基因组区域进行测试 | 开发可靠的DNA甲基化预测工具以改善宫颈癌的早期检测和诊断 | 宫颈癌相关的DNA甲基化位点,特别是五个宫颈癌相关基因的启动子区域 | 生物信息学 | 宫颈癌 | DNA甲基化检测,one-hot字符编码 | UNet | DNA序列数据 | 5000、10000和20000个CG位点,使用100bp、200bp和300bp的序列窗口大小 | NA | UNet | 准确率, 灵敏度, 特异性, AUROC | NA |
2314 | 2025-10-06 |
Maize Kernel Batch Counting System Based on YOLOv8-ByteTrack
2025-Sep-07, Sensors (Basel, Switzerland)
DOI:10.3390/s25175584
PMID:40943013
|
研究论文 | 基于YOLOv8-ByteTrack的玉米籽粒批量计数系统设计与实现 | 创新性地将YOLOv8目标检测框架与ByteTrack多目标跟踪算法集成,建立高效的籽粒轨迹跟踪和计数模型 | NA | 解决玉米籽粒下落计数中目标ID频繁切换、下落速度快和传统方法精度有限的问题 | 玉米籽粒 | 计算机视觉 | NA | 深度学习 | CNN | 视频 | NA | YOLOv8, ByteTrack | YOLOv8 | 计数准确率 | NA |
2315 | 2025-10-06 |
5G High-Precision Positioning in GNSS-Denied Environments Using a Positional Encoding-Enhanced Deep Residual Network
2025-Sep-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25175578
PMID:40943007
|
研究论文 | 提出一种基于位置编码增强深度残差网络的5G高精度定位方法,用于GNSS信号缺失环境 | 提出位置编码多尺度残差网络(PE-MSRN),通过位置编码机制将原始AOA数据转换为丰富空间特征并映射为2D图像,结合多尺度特征提取机制 | 主要基于模拟场景验证,在真实复杂环境中的性能需要进一步测试 | 解决GNSS信号缺失环境下的5G高精度定位问题 | 5G信道状态信息(CSI)和到达角(AOA)数据 | 机器学习 | NA | 5G信道状态信息分析,到达角测量 | CNN, ResNet | 信号数据,2D图像 | 覆盖多种定位场景的数据集 | NA | 多尺度残差网络(MSRN),ResNet | 定位精度,收敛速度 | NA |
2316 | 2025-10-06 |
Prognostic Associations and Functional Implications of Angiogenesis-Related miRNA Variants in Ischemic Stroke
2025-Sep-05, Cells
IF:5.1Q2
DOI:10.3390/cells14171389
PMID:40940802
|
研究论文 | 本研究探讨血管生成相关miRNA基因多态性与缺血性脑卒中风险的关联 | 首次发现rs13137 A>T和rs4636297 G>A多态性与脑卒中易感性显著相关,并应用深度学习模型评估基因-基因和基因-环境相互作用 | 基于人群的病例对照设计可能存在选择偏倚,样本量未明确说明 | 识别缺血性脑卒中的遗传生物标志物,改善早期诊断、风险预测和治疗策略 | 缺血性脑卒中患者和对照人群 | 生物信息学 | 缺血性脑卒中 | 基因分型、深度学习 | 深度学习模型 | 基因分型数据、临床风险因素数据 | NA | NA | NA | 预测准确性 | NA |
2317 | 2025-10-06 |
Efficient Tissue Detection in Whole-Slide Images Using Classical and Hybrid Methods: Benchmark on TCGA Cancer Cohorts
2025-Sep-05, Cancers
IF:4.5Q1
DOI:10.3390/cancers17172918
PMID:40941015
|
研究论文 | 本研究在TCGA癌症队列上对四种全切片图像组织检测方法进行基准测试,提出了一种新型无注释双通混合方法 | 提出了一种无需人工注释、CPU优化的双通混合方法,在保持高精度的同时显著提升处理速度 | 仅在TCGA数据集的九种癌症队列上进行测试,未在其他数据集验证通用性 | 评估和比较全切片图像中组织检测方法的准确性和效率 | 3322个来自TCGA的九种癌症队列的全切片图像 | 数字病理学 | 癌症 | 全切片图像分析 | U-Net++, 传统图像处理方法 | 图像 | 3322个全切片图像 | NA | U-Net++ | mIoU, 处理时间 | CPU |
2318 | 2025-10-06 |
Deep Learning-Driven Intelligent Fluorescent Probes: Advancements in Molecular Design for Accurate Food Safety Detection
2025-Sep-05, Foods (Basel, Switzerland)
DOI:10.3390/foods14173114
PMID:40941229
|
综述 | 探讨深度学习在荧光传感技术中的应用进展,重点关注分子设计优化和复杂信号分析 | 将深度学习与荧光传感技术相结合,实现智能探针设计和复杂信号分析的创新方法 | 未涉及具体实验验证数据,主要基于现有文献分析 | 提升食品安全检测中荧光探针的设计效率和信号分析准确性 | 荧光探针分子和复杂荧光信号 | 机器学习 | NA | 荧光传感技术 | 深度学习 | 分子结构数据,荧光信号数据 | NA | NA | NA | NA | NA |
2319 | 2025-10-06 |
Real-Time Pig Weight Assessment and Carbon Footprint Monitoring Based on Computer Vision
2025-Sep-05, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15172611
PMID:40941406
|
研究论文 | 基于计算机视觉技术开发轻量级深度学习模型实现生猪实时体重评估与碳足迹监测 | 提出集成ShuffleNetV2、线性可变形卷积和ACmix模块的轻量化模型EcoSegLite,在资源受限环境下实现高精度实时体重监测 | 研究仅基于63头生猪样本,样本规模有限;实验周期为6个月,未覆盖完整生长周期 | 通过优化饲喂策略减少生猪生产过程中的碳足迹 | 生猪生长过程中的体重变化与碳足迹 | 计算机视觉 | NA | 深度学习,生命周期评估(LCA) | CNN | 图像 | 63头生猪(偏关农场2024年12月至2025年5月) | NA | ShuffleNetV2, Linear Deformable Convolution, ACmix | mAP50 | 资源受限环境(模型参数仅1.6M) |
2320 | 2025-10-06 |
Integrating Artificial Intelligence and Biotechnology to Enhance Cold Stress Resilience in Legumes
2025-Sep-05, Plants (Basel, Switzerland)
DOI:10.3390/plants14172784
PMID:40941948
|
综述 | 本文综述了人工智能与生物技术整合提升豆类作物耐寒性的研究进展 | 首次系统整合AI技术与多组学数据,提出冷胁迫早期检测准确率超95%的智能监测方案 | 多组学数据标准化不足及资源受限地区的成本限制 | 通过技术整合提升豆类作物的耐寒性与气候适应性 | 鹰嘴豆、大豆、小扁豆和豇豆等主要豆类作物 | 农业生物技术 | 非疾病类(环境胁迫) | 多组学分析、高通量表型分析、基因组选择、高光谱/热成像 | CNN-LSTM混合模型 | 基因组数据、表型图像数据、环境传感器数据 | 基于数十万SNP标记的基因组选择 | 深度学习框架 | CNN-LSTM混合架构 | 准确率、预测精度提升率 | NA |