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 | 2025-11-28 |
Self-Paced Learning for Images of Antinuclear Antibodies
2025-Nov-26, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3637237
PMID:41296939
|
研究论文 | 提出一种用于抗核抗体图像检测的自适应学习框架,解决多示例多标签学习任务中的复杂性问题 | 基于人类标注逻辑设计三组件框架:实例采样器、概率伪标签分配器和自步学习权重系数,实现无需手动预处理的端到端优化 | 仅在一个ANA数据集和三个公共医学MIML基准上进行验证,需要更多临床数据验证泛化能力 | 开发自动化抗核抗体检测系统以辅助自身免疫疾病诊断 | 抗核抗体荧光图像 | 计算机视觉 | 自身免疫疾病 | 荧光显微镜成像 | 深度学习 | 图像 | 一个ANA数据集和三个公共医学MIML基准数据集 | NA | 多示例多标签学习框架 | F1-Macro, mAP, 汉明损失, one-error | NA |
| 2502 | 2025-11-28 |
Deep Learning With Data Privacy Via Residual Perturbation
2025-Nov-26, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3637239
PMID:41296949
|
研究论文 | 提出一种基于随机微分方程的残差扰动方法,用于保护深度学习中的数据隐私 | 在ResNets的每个残差映射中注入高斯噪声,在保证差分隐私的同时减少泛化差距 | NA | 在保护数据隐私的同时维持深度学习模型的效用 | 深度学习模型中的隐私保护机制 | 机器学习 | NA | 差分隐私 | ResNet | NA | NA | NA | ResNet | 效用维护,成员隐私保护 | NA |
| 2503 | 2025-11-28 |
SpectFusion: Cross-modal Spectrum-aware Attention Network for Unsupervised Multimodal Medical Image Fusion
2025-Nov-26, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3637829
PMID:41296957
|
研究论文 | 提出一种名为SpectFusion的无监督跨模态频谱感知融合框架,用于医学图像融合 | 设计了空间-频谱混合模块,通过梯度保留策略提取空间域细粒度局部特征,通过傅里叶卷积在频域捕获全局特征;开发了新颖的跨模态频谱感知注意力机制 | 未明确说明具体的数据集限制或计算复杂度分析 | 提升医学图像融合性能,增强临床诊断效果 | 多模态医学图像 | 计算机视觉 | 脑肿瘤 | 医学图像融合 | Transformer, CNN | 医学图像 | NA | PyTorch | 空间-频谱混合模块,跨模态频谱感知注意力机制 | 定性评估,定量评估 | NA |
| 2504 | 2025-11-28 |
Deep Learning for Clinical Ultrasound Imaging: From Supervised Approaches to Foundation Models
2025-Nov-26, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3636830
PMID:41296965
|
综述 | 本文系统回顾了深度学习在临床超声成像中的应用进展,重点探讨从监督学习到基础模型的技术演变 | 首次系统梳理超声成像领域从传统监督学习向基础模型的范式转变,强调基础模型在提升诊断性能和扩展临床应用范围的潜力 | 基础模型在超声领域的应用仍面临标注数据稀缺、领域特异性变异和用户专业知识需求等挑战 | 探讨深度学习技术在临床超声成像中的应用现状与发展趋势 | 临床超声成像数据和相关深度学习模型 | 计算机视觉 | NA | 超声成像 | 监督学习,自监督学习,判别模型,生成式AI模型,基础模型 | 医学图像 | NA | NA | NA | NA | NA |
| 2505 | 2025-11-28 |
Quantitative Assessment of Basement Membrane Loss in Melasma Using Attenuation Coefficient Estimation Based on Optical Coherence Tomography
2025-Nov-26, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500491
PMID:41297958
|
研究论文 | 本研究开发了一种基于光学相干断层扫描和深度学习的非侵入性定量评估黄褐斑基底膜损伤的方法 | 首次将衰减系数映射与改进的Unet网络(Res-Att-Unet)相结合,实现对黄褐斑基底膜损伤的定量评估 | 样本量有限,需要进一步验证临床应用的可行性 | 开发黄褐斑基底膜损伤的非侵入性定量评估方法 | 黄褐斑患者皮肤组织 | 医学影像分析 | 黄褐斑 | 光学相干断层扫描(OCT) | 深度学习 | 皮肤OCT图像 | 未明确说明具体样本数量 | 未明确说明 | Res-Att-Unet(改进的Unet网络,集成残差和注意力模块) | 准确率,F1分数,IoU | NA |
| 2506 | 2025-11-28 |
Development and validation of a novel multimodal deep learning model integrating histopathology, radiology, and clinical data to predict primary non-response to infliximab in patients with crohn's disease
2025-Nov-26, Journal of Crohn's & colitis
DOI:10.1093/ecco-jcc/jjaf206
PMID:41298328
|
研究论文 | 开发并验证了一种整合组织病理学、放射学和临床数据的多模态深度学习模型,用于预测克罗恩病患者对英夫利昔单抗的初始无应答 | 首次将TabNet模型应用于多模态数据整合,结合组织病理学、放射学和临床特征预测克罗恩病治疗反应 | 回顾性研究设计,样本量相对有限(188例患者) | 提高克罗恩病患者对英夫利昔单抗治疗反应的预测准确性,推进精准医疗 | 克罗恩病患者 | 数字病理学 | 克罗恩病 | 全切片活检图像分析,计算机断层扫描肠道成像 | TabNet, 多示例学习 | 图像, 表格数据 | 188例患者(内部训练集93例,内部验证集38例,外部测试集57例) | NA | TabNet | AUC | NA |
| 2507 | 2025-11-28 |
Mental health assessment model for college students based on facial expression recognition
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29461-w
PMID:41298755
|
研究论文 | 提出一种融合动态和静态面部表情信息的大学生心理健康评估模型 | 采用双分支结构结合滑动窗口Transformer和MobileViT,实现动态与静态表情特征的交叉融合 | NA | 实现大学生心理状态的快速客观识别 | 大学生面部表情数据 | 计算机视觉 | 心理健康问题 | 面部表情识别 | Transformer, CNN | 面部图像序列 | NA | NA | 分层滑动窗口Transformer, MobileViT | 准确率, F1值, AUC, 响应时间, 训练时间 | NA |
| 2508 | 2025-11-28 |
Traditional cloud pattern classification algorithm based on semi-supervision with Random Line Augment
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29225-6
PMID:41298891
|
研究论文 | 提出基于半监督学习和随机线条增强的传统云纹分类算法,解决同类云纹细分类难题 | 针对同类传统云纹细分类问题,提出结合半监督学习和新型数据增强策略RLA的方法,在少量标注数据下实现高精度分类 | 主要适用于具有明显线条特征的云纹图案,对其他特征类型的图案分类效果未验证 | 解决传统云纹图案中同类不同型式的细粒度分类问题 | 传统云纹图案 | 计算机视觉 | NA | 边缘检测算法 | CNN | 图像 | NA | NA | WideResNet | 准确率 | NA |
| 2509 | 2025-11-28 |
Machine Learning Prediction of Protein Adsorption on Drug-delivering Nanoparticles: A Literature Survey and Need for Future Development
2025-Nov-26, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-025-03981-6
PMID:41298984
|
综述 | 本文综述了机器学习在预测药物递送纳米颗粒蛋白质吸附方面的应用现状与发展需求 | 系统比较了随机森林与深度学习在预测蛋白质冠组成中的互补优势,并提出整合多种生物冠成分的未来建模方向 | 当前研究主要集中于蛋白质冠,缺乏对其他生物冠成分的系统考虑,且实验数据质量和多样性有待提升 | 优化纳米颗粒设计以改善药物递送系统的生物功能 | 药物递送纳米颗粒及其表面吸附的蛋白质冠 | 机器学习 | NA | 纳米颗粒分析技术 | Random Forest, Deep Learning | 纳米颗粒特征数据,蛋白质吸附数据 | NA | NA | NA | NA | NA |
| 2510 | 2025-11-28 |
Software cost estimation using TabNet and Harris Hawks Optimization
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29908-0
PMID:41298997
|
研究论文 | 提出结合TabNet和哈里斯鹰优化的混合模型用于软件成本估算 | 首次将专用于表格数据的深度学习架构TabNet与哈里斯鹰优化算法结合,通过特征工程提升软件成本估算性能 | NA | 提高软件成本估算的准确性和可靠性 | 软件开发项目的成本估算 | 机器学习 | NA | 哈里斯鹰优化算法 | TabNet | 表格数据 | 多个标准数据集(COCOMO、NASA、Desharnais、China、Albrecht) | NA | TabNet | 均方误差, 均方根误差, 平均绝对误差, 中位数相对误差, 预测准确率 | NA |
| 2511 | 2025-11-28 |
Deep learning classification of INSV-associated weeds in Monterey county using a curated RGB image dataset
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29552-8
PMID:41299059
|
研究论文 | 本研究利用深度学习技术对加利福尼亚州蒙特雷县与INSV病毒相关的杂草进行图像分类 | 首次建立了蒙特雷县INSV相关杂草的精选高分辨率图像数据集,填补了现有全球植物数据集的空白 | 研究在模拟田间环境的温室条件下进行,尚未在真实田间环境中验证 | 开发基于深度学习的杂草识别系统,支持精准农业中的早期杂草检测和疾病预防 | 苦苣菜(Sonchus oleraceus)和小花锦葵(Malva parviflora)两种INSV相关杂草 | 计算机视觉 | 植物病毒病 | RGB图像采集 | CNN | 图像 | NA | NA | ResNet-50, ResNet-101, DenseNet-121 | 准确率, Cohen's Kappa, F1-score, AUC | NA |
| 2512 | 2025-11-28 |
Deep learning-based prediction of buccal, middle and palatal orientations of impacted maxillary canines using panoramic radiographs: a pilot study
2025-Nov-26, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07395-z
PMID:41299355
|
研究论文 | 本研究使用深度学习模型基于全景X光片预测阻生上颌尖牙的颊侧、中间和腭侧方向 | 首次将YOLO11x和YOLO12x深度学习架构应用于阻生上颌尖牙方向分类 | 样本量较小,全景成像固有局限性,对颊侧和中间方向分类准确性较低 | 比较深度学习模型在检测和分类阻生上颌尖牙方向方面的性能 | 阻生上颌尖牙 | 计算机视觉 | 口腔疾病 | 全景X光摄影 | YOLO | 图像 | 200张全景X光片,通过数据增强扩展到400张图像 | NA | YOLO11x, YOLO12x | 精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95 | NA |
| 2513 | 2025-11-28 |
Ensemble transfer learning for classifying physical examinations in GP consultation: a multi-model approach to human-object and human-to-human activity recognition
2025-Nov-26, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf196
PMID:41299889
|
研究论文 | 开发了一种集成迁移学习框架,用于自动分类全科医生咨询中的体格检查活动 | 提出融合空间和时间特征的多组件集成迁移学习框架,结合CNN-LSTM序列建模和多种CNN架构的集成,并通过注意力机制优化特征融合 | NA | 自动分类全科医生咨询中的体格检查活动,区分人-物交互活动和人-人交互活动 | 全科医生咨询视频中的体格检查活动 | 计算机视觉 | NA | 深度学习 | CNN,LSTM,集成学习 | 视频 | NA | TensorFlow,PyTorch | EfficientNet-B7,DenseNet-121,Inception-v3,CNN-LSTM | 精确率,召回率,F1分数,特异性,Cohen's κ,PR-AUC | NA |
| 2514 | 2025-11-28 |
Development and evaluation of an AI model for dental implant type detection: A comparison of diagnostic accuracy between a deep learning model and dental professionals
2025-Nov-26, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.70064
PMID:41305904
|
研究论文 | 开发用于从根尖周X线片中识别五种牙科种植体品牌的深度学习系统,并与牙科专业人员的诊断准确性进行比较 | 首次系统比较YOLO架构(v7-v12)在牙科种植体识别任务中的性能,并证明AI模型在所有经验水平的临床医生中均表现更优 | 缺乏外部验证和数据集不平衡 | 开发牙科种植体品牌自动识别系统并评估其诊断准确性 | 牙科种植体品牌识别 | 计算机视觉 | 牙科疾病 | 深度学习 | YOLO, DETR | X射线图像 | 5851张根尖周X线片,最终筛选为五个品牌(Adin, Dentium, Noris, OSSTEM, Straumann) | YOLO, DETR | YOLOv7, YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12x, DF-DETR | mAP@50, mAP@50-95, precision, recall, accuracy | NA |
| 2515 | 2025-11-28 |
Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs
2025-Nov-26, Dental traumatology : official publication of International Association for Dental Traumatology
IF:2.3Q2
DOI:10.1111/edt.70034
PMID:41305998
|
研究论文 | 比较YOLOv8、YOLOv11和YOLOv12在儿童全景X光片中自动分割牙科创伤的性能 | 首次系统比较不同版本YOLO模型在牙科创伤自动检测中的性能表现 | 人工智能在牙科创伤学中尚未实现完美性能,需要与专业牙医合作改进 | 评估基于人工智能的深度学习模型在牙科创伤自动检测和分类中的性能 | 6-13岁患有创伤性牙损伤的儿科患者全景X光片 | 计算机视觉 | 牙科创伤 | 全景X光摄影 | CNN | 图像 | 来自加济安泰普大学牙科学院儿科患者的全景X光片 | NA | YOLOv8, YOLOv11, YOLOv12 | AUC, F1-score | NA |
| 2516 | 2025-11-28 |
Artificial intelligence in head and neck cancer: a bibliometric and visualization analysis (1995-2025)
2025-Nov-24, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03992-0
PMID:41284199
|
文献计量分析 | 通过文献计量学方法分析1995-2025年头颈癌人工智能研究的发展态势和热点演变 | 首次系统梳理头颈癌AI研究30年发展历程,识别关键里程碑和新兴研究方向 | 仅基于Web of Science数据库,可能存在文献收录不全的问题 | 分析头颈癌人工智能应用的研究趋势、合作网络和发展方向 | 230篇头颈癌AI相关研究文献 | 医学人工智能 | 头颈癌 | 文献计量分析 | 深度学习 | 文献数据 | 230篇出版物 | CiteSpace, VOSviewer | NA | NA | NA |
| 2517 | 2025-11-28 |
Predicting human mobility flows in cities using deep learning on satellite imagery
2025-Nov-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65373-z
PMID:41285790
|
研究论文 | 开发基于卫星影像的深度学习模型预测城市细粒度人流移动模式 | 提出Imagery2Flow模型,首次利用中等分辨率卫星影像实现低成本、及时的城市人流预测 | 仅在美国前十大都市统计区进行验证,未涵盖更多城市类型 | 探索城市形态与人类移动动态之间的关系 | 城市人类移动流模式 | 计算机视觉 | NA | 卫星遥感 | 深度学习 | 卫星影像 | 美国前十大都市统计区 | NA | Imagery2Flow | 空间-时间泛化能力 | NA |
| 2518 | 2025-11-28 |
Hundred-layer photonic deep learning
2025-Nov-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65356-0
PMID:41285819
|
研究论文 | 本研究开发了一种误差容忍的单层光子计算芯片,突破了光学神经网络深度限制,实现了百层深度光子深度学习 | 通过片上扰动解耦计算相关性,消除传播冗余,实现误差容忍的单层光子计算芯片,将光学神经网络深度从十层扩展到数百层 | NA | 解决光子计算中误差累积问题,突破光学神经网络深度限制 | 光子计算芯片、光学神经网络、大语言模型 | 机器学习 | NA | 光子计算 | 神经网络 | 图像、文本 | NA | NA | SLiM芯片架构 | 误差率、数据速率 | 10GHz数据速率光子计算芯片 |
| 2519 | 2025-11-28 |
A hybrid deep learning framework for fake news detection using LSTM-CGPNN and metaheuristic optimization
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25311-x
PMID:41285851
|
研究论文 | 提出一种结合LSTM-CGPNN和元启发式优化的混合深度学习框架用于虚假新闻检测 | 将LSTM上下文特征提取与CGPNN分类器相结合,并集成MFWO算法进行超参数优化 | NA | 提高虚假新闻检测的准确性和模型鲁棒性 | 社交媒体上的虚假新闻内容 | 自然语言处理 | NA | TF-IDF文本表示 | LSTM, CGPNN | 文本 | 四个基准数据集:ISOT, Fakeddit, BuzzFeedNews, FakeNewsNet | NA | LSTM-CGPNN混合架构 | 准确率, F1分数 | NA |
| 2520 | 2025-11-28 |
AI-driven medical image analysis for sports injury diagnosis and prevention
2025-Nov-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20580-y
PMID:41276514
|
研究论文 | 提出融合深度学习和生物力学建模的AI驱动框架,用于运动损伤诊断、预测和康复优化 | 开发了生物力学信息神经网络(BINN)和自适应运动医学策略(ASMS),通过注意力机制和多模态数据融合实现实时损伤风险评估和个性化康复建议 | 未明确说明模型在临床环境中的验证情况和实际应用限制 | 开发AI驱动的运动损伤诊断、预测和康复优化系统 | 运动员运动损伤数据 | 计算机视觉 | 运动损伤 | 运动捕捉、多模态数据融合 | CNN, RNN, 注意力机制 | 运动捕捉数据、生理数据、运动表现数据 | 使用多个数据集(CamVid、MSRA10K、DUT-OMRON、NYU Depth V2),但未明确样本数量 | NA | Biomechanically-Informed Neural Network (BINN) | 预测准确性、可解释性 | NA |