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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2501 | 2025-10-06 |
Tools to analyze the organization and formation of the germline cyst in zebrafish oogenesis
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201349
PMID:37272421
|
研究论文 | 本文提供了用于斑马鱼卵巢中生殖细胞囊三维结构和功能分析的工具集 | 开发了结合连续块面扫描电子显微镜、深度学习分析流程和激光消融技术的综合方法,首次实现生殖细胞囊的三维超微结构解析和体内功能操作 | 方法主要针对斑马鱼模型,在其他物种中的适用性需要进一步验证 | 研究脊椎动物生殖细胞囊的形成机制和功能 | 斑马鱼卵巢中的生殖细胞囊 | 发育生物学 | NA | 连续块面扫描电子显微镜(SBF-SEM), 激光消融技术, 共聚焦显微镜 | 深度学习 | 三维电子显微镜图像, 三维共聚焦图像 | NA | NA | NA | NA | NA |
2502 | 2025-10-06 |
Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models
2023-03, Health policy (Amsterdam, Netherlands)
DOI:10.1016/j.healthpol.2023.104709
PMID:36725380
|
研究论文 | 本研究使用深度学习模型和传统逻辑回归模型预测注册护士的长期护理保险购买决策 | 首次将深度神经网络应用于预测医疗专业人员保险决策,并与传统统计方法进行对比 | 样本仅来自单一医疗中心,缺乏时间序列数据的充分训练 | 预测注册护士的长期护理保险购买决策行为 | 台湾某大型医疗中心的1,373名注册护士 | 机器学习 | NA | 问卷调查 | DNN, MLR | 调查数据 | 1,373名注册护士(615名已购买保险,332名无购买意向,426名有购买意向) | NA | 深度神经网络 | 准确率,精确率,召回率,F1分数 | NA |
2503 | 2025-10-06 |
GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction
2022-Oct, Computational statistics & data analysis
IF:1.5Q2
DOI:10.1016/j.csda.2022.107528
PMID:39257897
|
研究论文 | 提出一种GPU加速的共享随机效应联合模型估计方法,用于动态预测临床终点事件风险 | 结合新颖的两阶段估计算法和GPU编程技术,显著加速联合模型的估计过程 | 未明确说明模型在特定疾病类型或小样本场景下的适用性 | 解决纵向和生存数据联合模型计算效率低的问题,提高动态预测准确性 | 纵向队列研究中具有临床终点事件风险的受试者 | 机器学习 | NA | 纵向数据分析,生存分析 | 共享随机效应联合模型 | 纵向数据,生存数据 | NA | PyTorch | NA | 预测准确度 | GPU |
2504 | 2025-10-06 |
An Interpretable Deep Hierarchical Semantic Convolutional Neural Network for Lung Nodule Malignancy Classification
2019-Aug-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2019.01.048
PMID:31296975
|
研究论文 | 提出一种可解释的深度分层语义卷积神经网络用于肺结节恶性分类 | 通过结合低级语义特征和高级恶性预测的双层输出架构,提供专家可理解的模型解释 | NA | 开发可解释的深度学习模型用于肺结节恶性分类 | CT扫描中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | 使用Lung Image Database Consortium (LIDC)数据库 | NA | 分层语义卷积神经网络(HSCNN), 3D CNN | NA | NA |
2505 | 2025-09-12 |
Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study
2025-Dec-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133744
PMID:40784375
|
研究论文 | 本研究开发了一种基于深度学习的自动化冠状动脉分割和组织表征方法,用于检测脂质丰富斑块 | 首次将7层U-Net++深度学习模型应用于IVUS图像的自动冠状动脉分割和组织表征,实现了高精度的斑块成分量化 | LRP检测的敏感性相对较低(62%),样本量有限(67名训练患者,88名验证患者) | 评估深度学习模型在冠状动脉斑块分割、组织表征和脂质丰富斑块识别中的可行性和诊断准确性 | 人类冠状动脉血管和斑块组织 | 医学影像分析 | 心血管疾病 | 集成背向散射血管内超声(IB-IVUS) | U-Net++ | 医学图像(IVUS图像) | 训练组:67名患者的1098张IVUS图像;验证组:88名患者的1100张IVUS图像(来自100条血管) | NA | NA | NA | NA |
2506 | 2025-09-12 |
PitVis-2023 challenge: Workflow recognition in videos of endoscopic pituitary surgery
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103716
PMID:40769094
|
研究论文 | 介绍PitVis-2023挑战赛,专注于内窥镜垂体手术视频中的工作流程识别任务 | 首次针对内窥镜垂体手术视频的步骤和器械识别挑战,提出适用于狭小手术空间和频繁步骤切换的时序模型架构 | 仅使用25个视频进行训练和评估,样本规模有限 | 开发自动识别内窥镜垂体手术步骤和手术器械的计算机视觉系统 | 内窥镜垂体手术视频 | 计算机视觉 | 垂体疾病 | 深度学习 | Transformer, 空间编码器+时序编码器 | 视频 | 25个手术视频 | NA | NA | NA | NA |
2507 | 2025-09-12 |
SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103733
PMID:40769095
|
研究论文 | 提出一种基于基础模型的半监督医学图像分割框架SemiSAM+,通过专家-通用模型协作学习提升有限标注数据下的分割性能 | 利用可提示分割基础模型(如SAM)生成位置提示与伪标签,实现专家模型与通用模型的协同学习范式 | NA | 降低医学图像分割对标注数据的依赖,提升半监督学习在临床场景中的适用性 | 医学图像分割任务 | 计算机视觉 | NA | 半监督学习(SSL) | 基础模型(如SAM)与任务特定分割模型 | 医学图像 | 三个公共数据集和一个内部临床数据集(具体数量未明确说明) | NA | NA | NA | NA |
2508 | 2025-09-12 |
Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103715
PMID:40769097
|
研究论文 | 提出一种基于深度学习的交互式关键点估计方法,用于通过侧位头颅X光片分析颈椎形态以评估骨龄 | 引入Attend-and-Refine Network (ARNet),结合交互引导的重新校准网络和形态感知损失函数,显著减少手动标注工作量 | NA | 预测儿童正畸中的生长潜力,确定最佳治疗时机 | 儿童颈椎 | 数字病理 | 儿科正畸 | 侧位头颅X光成像 | ARNet (基于CNN的深度学习模型) | 医学影像(X光片) | 多个数据集验证(具体数量未说明) | NA | NA | NA | NA |
2509 | 2025-09-12 |
Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103771
PMID:40857854
|
研究论文 | 提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络方法 | 结合高信噪比b0图像设计神经网络,实现亚秒级快速重建并提升图像质量评估指标 | NA | 解决多激发扩散加权成像中图像伪影抑制和噪声控制的挑战 | 扩散加权成像数据 | 医学影像处理 | 肿瘤诊断 | 扩散加权成像(DWI),多激发采样 | 神经网络 | 医学影像数据 | 模拟数据和体内数据(具体数量未说明) | NA | NA | NA | NA |
2510 | 2025-09-12 |
Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103769
PMID:40865329
|
研究论文 | 提出一种基于部分独立生成建模和复数差稀疏约束的无监督4D流MRI重建方法 | 结合深度图像先验框架,设计部分独立网络提升参数效率,引入复数差稀疏约束改善相位恢复精度,并提出联合优化算法 | NA | 开发无需全采样训练数据的无监督4D流MRI重建算法以提升泛化能力 | 主动脉和脑血管的4D流MRI数据 | 医学影像重建 | 血管疾病 | 4D-flow MRI | CNN(基于深度图像先验框架) | 4D MRI影像数据(时空血流速度) | 两个内部采集数据集(主动脉数据集和脑血管数据集) | NA | NA | NA | NA |
2511 | 2025-09-12 |
MSARAE: Multiscale adversarial regularized autoencoders for cortical network classification
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103775
PMID:40865328
|
研究论文 | 提出一种多尺度对抗正则化自编码器(MSARAE),用于大脑皮层结构连接网络的增强和分类 | 结合拉普拉斯特征向量增强拓扑信息,采用多尺度图卷积层作为编码器,并引入对抗正则化机制减小潜在空间分布差异 | NA | 从数据增强角度解决大脑皮层研究中的样本量限制问题,提升深度学习模型的泛化能力 | 大脑皮层结构连接网络 | 机器学习 | 抑郁症和阿尔茨海默病 | 图卷积网络,变分自编码器,对抗训练 | MSARAE(多尺度对抗正则化自编码器) | 图数据(结构连接网络) | 基于MDD、HCP和ADNI三个数据集进行实验 | NA | NA | NA | NA |
2512 | 2025-09-12 |
Supervised white matter bundle segmentation in glioma patients with transfer learning
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103766
PMID:40876100
|
研究论文 | 本研究探索利用迁移学习将基于健康人群训练的深度学习模型应用于胶质瘤患者的白质束分割 | 首次研究迁移学习在胶质瘤患者白质束分割中的有效性,并系统区分了领域偏移中的系统性和肿瘤特异性成分 | 学习模型微调无法适应肿瘤引起的大范围白质变形 | 提升临床人群中白质束自动分割的准确性和应用性 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 迁移学习 | 深度学习 | 影像数据 | 涉及五个白质束和三种输入模态的测试 | NA | NA | NA | NA |
2513 | 2025-09-12 |
HarmonicEchoNet: Leveraging harmonic convolutions for automated standard plane detection in fetal heart ultrasound videos
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103758
PMID:40876099
|
研究论文 | 提出轻量级深度学习模型HarmonicEchoNet,用于胎儿心脏超声视频中标准切面的自动检测 | 引入谐波卷积块(HCBs)和空间通道压缩激励模块(hscSE),结合离散余弦变换进行特征分解,提升模型效率和准确性 | 使用两个私有数据集(PULSE和CAIFE),可能限制模型泛化能力 | 实现胎儿心脏超声标准切面的自动化检测 | 胎儿心脏超声视频 | 计算机视觉 | 心血管疾病 | 超声成像,离散余弦变换(DCT) | CNN(谐波卷积网络) | 视频(超声图像序列) | 四个数据集(来自PULSE和CAIFE两个研究) | NA | NA | NA | NA |
2514 | 2025-09-12 |
Completing spatial transcriptomics data for gene expression prediction benchmarking
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103754
PMID:40885036
|
研究论文 | 本文介绍了一个用于基因表达预测基准测试的系统性数据库SpaRED和一个基于Transformer的基因表达补全模型SpaCKLE | 提出了首个系统性整理的26个公共数据集标准化资源,并开发了基于Transformer的先进补全模型,将均方误差降低82.5% | NA | 解决空间转录组学数据获取成本高、技术门槛高和数据丢失问题,建立标准化基准测试平台 | 空间转录组学数据,特别是Visium技术产生的组织学图像和基因表达数据 | 数字病理学 | NA | 空间转录组学,Visium技术,深度学习 | Transformer | 图像,基因表达数据 | 26个公共数据集 | NA | NA | NA | NA |
2515 | 2025-09-12 |
Leveraging sparse annotations for leukemia diagnosis on the large leukemia dataset
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103760
PMID:40897065
|
研究论文 | 提出大规模白血病数据集LLD及稀疏标注方法,用于白细胞检测与形态属性分析 | 构建首个大规模多任务白血病数据集,并提出基于稀疏标注的属性分析方法以减少标注负担 | 数据集仅包含48名患者,样本多样性可能仍有限 | 提升白血病诊断的可解释性和现实应用性 | 白细胞(WBC)的定位、分类及形态属性评估 | 数字病理学 | 白血病 | 外周血涂片(PBF)显微成像,多显微镜/多相机/多放大倍数采集 | 多任务模型 | 显微图像 | 48名患者的外周血涂片数据 | NA | NA | NA | NA |
2516 | 2025-09-12 |
Short- and long-term captivity impacts on bird memory, corticosterone level, and oxidative stress genes: Perspectives on deep learning analysis
2025-Nov-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2025.115064
PMID:40816474
|
研究论文 | 研究短期和长期圈养对鸟类记忆、皮质酮水平和氧化应激基因的影响,并利用深度学习分析鸟类行为 | 首次结合深度学习(VGG16神经网络)分析鸟类器官运动,并综合评估圈养压力对多种鸟类行为、激素及基因表达的跨物种影响 | 研究仅针对三种鸟类(冠小嘴乌鸦、家八哥、牛背鹭),样本多样性有限,且未涉及野外对照组的长期追踪 | 探究圈养压力对鸟类认知行为、生理指标及基因表达的短期与长期影响 | 冠小嘴乌鸦(Corvus cornix)、家八哥(Acridotheres tristis)、牛背鹭(Bubulcus ibis)三种鸟类 | 动物行为学与计算生物学交叉 | NA | qRT-PCR(基因表达分析)、深度学习视频分析 | VGG16(CNN架构) | 视频(鸟类行为记录)、分子生物学数据(激素与基因表达) | 三种鸟类物种(未明确个体数量),通过视频片段进行行为分析 | NA | NA | NA | NA |
2517 | 2025-09-12 |
Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT
2025-Oct, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00831-4
PMID:40445488
|
研究论文 | 本研究开发了一种基于深度学习的新型框架,用于在锥束CT图像上自动分割特定解剖结构 | 采用nnUNetv2框架实现高精度解剖结构分割,在牙科CBCT图像处理中表现出色 | 样本量相对较小(70名患者),且下颌管分割性能相对较低 | 通过深度学习算法自动预测CBCT图像中的解剖结构,以增强诊断和治疗规划流程 | 70名患者的CBCT图像数据,包含鼻腔、上颌窦、腭前管、下颌管等解剖结构 | 计算机视觉 | NA | 锥束CT成像,深度学习分割 | nnUNetv2 | 医学影像 | 70名患者的CBCT数据,共28,350个切片(每例405个切片) | NA | NA | NA | NA |
2518 | 2025-09-12 |
Beyond explainable AI: Enhancing trust and robustness in machine learning for sleep apnea diagnosis
2025-Oct, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2025.102152
PMID:40819476
|
评论 | 本文扩展了对睡眠呼吸暂停诊断中机器学习可解释性工具的批判,提出结合无监督ML和非线性非参数统计方法的综合策略以增强临床信任 | 主张超越传统XAI方法,通过无监督学习和统计方法结合来验证特征重要性并减少模型偏差 | 未提供具体实验验证或实际临床数据支持所提出方法的有效性 | 提升机器学习在睡眠呼吸暂停诊断中的可信度和鲁棒性 | 睡眠呼吸暂停诊断的机器学习模型及其特征解释方法 | machine learning | 睡眠呼吸暂停 | 无监督ML(特征聚合、高变基因选择),非线性非参数统计方法(如Spearman相关) | NA | NA | NA | NA | NA | NA | NA |
2519 | 2025-09-12 |
Clinical Implementation of Inspiratory-Expiratory Chest CT: Defining Quality Criteria for Diagnostic Quality and Detection of Concurrent FEV1 Decline following Lung Transplantation
2025-Oct, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240468
PMID:40932379
|
研究论文 | 本研究通过定义呼气CT诊断质量评估标准,探讨定量空气潴留对肺移植后慢性移植物功能障碍(CLAD)的预测性能 | 首次提出基于气管形态的呼气CT质量评估标准,并验证其与肺功能测量的相关性 | 敏感性较低(34.0%),样本仅来自单一机构 | 评估呼气CT质量对定量空气潴留预测CLAD进展的影响 | 肺移植术后患者 | 数字病理 | 肺移植相关并发症 | CT扫描、肺功能检测 | 深度学习算法 | CT图像、肺功能数据 | 192例肺移植患者的603次吸呼气CT扫描 | NA | NA | NA | NA |
2520 | 2025-09-12 |
Application of Convolutional Neural Network Image Analysis and Machine Learning to Basic Blood Tests for Intelligent Diagnostic Assistance
2025-Sep-11, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14550
PMID:40932175
|
研究论文 | 开发基于卷积神经网络和机器学习的血液细胞图像识别与诊断辅助系统,用于智能血液疾病诊断 | 结合外周血细胞形态图像识别与全血细胞计数数据,构建诊断辅助深度学习系统,实现高精度细胞分类和疾病区分 | 研究仅基于特定血液分析仪(Sysmex XN-9000)数据,未涉及其他设备或多中心验证 | 评估血液细胞图像识别深度学习系统及诊断辅助系统在常规检查中的临床性能 | 健康受试者及ALL、AML、ML、MPN、MDS患者的血液样本 | 计算机视觉 | 血液疾病 | 深度学习图像分析、血液细胞形态学识别 | CNN | 图像、数值数据 | 1,476,727张血液细胞图像用于训练,128,716张图像(来自589份涂片)用于评估 | NA | NA | NA | NA |