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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3701 | 2025-11-15 |
A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery
2025-Nov-14, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf238
PMID:41234118
|
系统综述 | 系统回顾人工智能在整形美容手术中的应用、挑战和未来发展方向 | 首次系统评估AI在整形美容手术中的全流程应用,涵盖术前规划、术中指导和术后监测 | 大多数研究处于早期阶段,外部验证有限,数据集异质性高,结果指标不一致,偏倚风险中等到严重 | 评估人工智能在整形美容手术中的应用现状和未来发展 | 整形美容手术相关研究和AI应用 | 计算机视觉,自然语言处理,机器学习 | 整形美容 | 机器学习,深度学习,计算机视觉,大语言模型 | NA | 医学图像,临床数据,3D模拟数据 | 38项符合纳入标准的研究(从3,941条记录中筛选) | NA | NA | NA | NA |
| 3702 | 2025-11-15 |
Deep Learning Radiomics Model Based on Ultrasound Images Predicts Myometrial Infiltration of Endometrial Cancer
2025-Nov-14, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70134
PMID:41235803
|
研究论文 | 开发并验证基于超声图像的深度学习放射组学模型,用于无创预测子宫内膜癌肌层浸润情况 | 结合深度学习特征和放射组学特征构建DLR模型,在预测子宫内膜癌肌层浸润方面优于单一模型和高级超声医师诊断 | 回顾性研究设计,样本量相对有限(390例患者) | 开发无创预测子宫内膜癌肌层浸润的深度学习放射组学模型 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 超声成像 | 深度学习, 放射组学 | 超声图像 | 390例子宫内膜癌患者(310例来自中心1,80例来自中心2) | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 3703 | 2025-11-15 |
Deep Learning and Object Detection Methods for Scoring Cell Types within the Human Buccal Cell Micronucleus and Cytome Assays for Human Biomonitoring
2025-Nov-14, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf026
PMID:41236179
|
综述 | 探讨深度学习与目标检测方法在人口腔细胞微核细胞组学检测中自动评分细胞类型的应用潜力 | 首次系统评估AI技术在微创口腔微核细胞组学检测中应用的未开发潜力 | 目前AI技术在该领域的实际应用仍处于未充分探索阶段 | 提升基因毒性损伤评估的可靠性、可扩展性和自动化水平 | 人口腔细胞微核检测样本 | 计算机视觉 | 基因毒性损伤 | BMCyt检测 | 深度学习, 目标检测 | 细胞图像 | NA | NA | NA | NA | NA |
| 3704 | 2025-11-15 |
Automatic measurement of pharyngeal contraction ratio during deglutition using 2D cine MRI with deep learning: A pilot study
2025-Nov-14, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00984-1
PMID:41236586
|
研究论文 | 开发基于深度学习的自动分割咽部区域并测量吞咽过程中咽部收缩比的方法 | 首次将2D U-Net与自动计算算法结合,实现从动态MRI自动测量咽部收缩比 | 样本量较小(20名健康成人),仅为初步可行性研究 | 开发自动测量吞咽过程中咽部收缩比的深度学习算法 | 健康成人的咽部区域 | 医学影像分析 | 吞咽功能障碍 | 动态磁共振成像 | CNN | 2D动态MRI图像 | 20名健康成年人(10男10女,年龄22-29岁) | NA | U-Net | Dice系数, 相关系数, Bland-Altman分析 | NA |
| 3705 | 2025-11-15 |
A CT-based 2.5D deep learning model for preoperative T-staging in gastric cancer: a retrospective multicenter study
2025-Nov-14, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05286-z
PMID:41236584
|
研究论文 | 开发并验证基于CT的2.5D多角度深度学习模型用于胃癌术前T分期 | 提出2.5D多角度深度学习模型,整合三个视角(横断面、矢状面、冠状面)和三个角度(0°、+45°、-45°)的CT图像 | 回顾性研究,样本量相对有限(共433例患者) | 胃癌术前T分期和生存预后预测 | 胃癌患者 | 医学影像分析 | 胃癌 | CT影像分析 | 深度学习 | CT图像 | 433例胃癌患者(训练集346例,内部验证集87例,外部测试集41例) | NA | 2.5D多角度深度学习模型 | AUC, 准确率, 敏感度, 特异度, F1分数 | NA |
| 3706 | 2025-11-15 |
Foundation models for EEG decoding: current progress and prospective research
2025-Nov-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae17e9
PMID:41145005
|
综述 | 系统回顾脑电图基础模型的当前进展,分析其在下游任务、数据集、模型架构和预训练技术等方面的表现 | 首次对脑电图基础模型进行全面综述,提出统一范式以克服传统监督学习的任务特定性和数据集依赖性限制 | 在复杂场景如运动想象解码中的性能仍然有限,模型泛化能力有待进一步提升 | 探索脑电图基础模型的发展趋势并为未来研究提供建议 | 脑电图基础模型及相关解码任务 | 机器学习 | 神经系统疾病 | 脑电图信号处理 | Transformer | 脑电图信号 | 最多14,987名受试者,总时长27,062小时 | NA | 基于Transformer的高效架构 | NA | NA |
| 3707 | 2025-11-15 |
A transformer-based deep learning model for preoperative prediction of lympho-vascular invasion in laryngeal squamous cell carcinoma: a multicenter study
2025-Nov-13, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004012
PMID:41231622
|
研究论文 | 开发基于Transformer的深度学习模型用于喉鳞状细胞癌术前淋巴血管侵犯预测 | 首次将Transformer架构与影像组学特征结合用于LVI预测,并在多中心研究中验证其优越性能 | 回顾性研究设计,样本来源仅限于三家医院 | 探索基于CT影像的影像组学模型在喉鳞癌淋巴血管侵犯术前无创预测中的价值 | 喉鳞状细胞癌患者 | 数字病理 | 喉癌 | 对比增强CT成像 | Transformer, 逻辑回归, 随机森林, 多层感知机 | CT影像 | 1024例患者(训练集291例,内部验证126例,外部测试607例) | NA | Transformer | AUC, 决策曲线分析, 混淆矩阵, 校准曲线, NRI, IDI | NA |
| 3708 | 2025-11-15 |
Mapping the Application Landscape of Artificial Intelligence in Prostate Cancer: a Global Bibliometric Analysis
2025-Nov-13, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003828
PMID:41231645
|
文献计量分析 | 通过文献计量学方法分析人工智能在前列腺癌研究领域的全球应用格局和发展趋势 | 采用逐年分析视角展示研究轨迹,首次系统绘制AI在前列腺癌领域的知识图谱 | 仅基于Web of Science数据库,可能存在文献收录偏差 | 探索人工智能在前列腺癌研究中的应用现状和发展趋势 | 2014-2024年间2,581篇AI相关前列腺癌研究文献 | 医学信息学 | 前列腺癌 | 文献计量分析,共现分析,共被引分析 | 传统机器学习,深度学习 | 文献元数据 | 2,581篇出版物 | CiteSpace | NA | NA | NA |
| 3709 | 2025-11-15 |
GATPDD: an Enhanced Deep Learning Framework for Predicting Drug-Parasitic Disease Associations
2025-Nov-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3631560
PMID:41231695
|
研究论文 | 提出一种增强的深度学习框架GATPDD,用于改进药物-寄生虫病关联预测 | 整合增强的深度图信息最大化、多头图注意力网络和邻域交互注意力机制,在有限基准数据集场景下优化特征学习和嵌入聚合 | 生物医学数据稀缺限制了模型训练 | 提高药物-寄生虫病关联预测的准确性和鲁棒性 | 药物与寄生虫病之间的关联关系 | 机器学习 | 寄生虫病 | 深度学习 | 图神经网络 | 图数据 | NA | NA | 多头图注意力网络,深度图信息最大化 | 准确性,鲁棒性 | NA |
| 3710 | 2025-11-15 |
DynaRepo: the repository of macromolecular conformational dynamics
2025-Nov-13, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1130
PMID:41231767
|
研究论文 | 介绍DynaRepo大分子构象动力学数据库,包含约450个复合物和270个单链蛋白质的分子动力学模拟数据 | 首个专注于大分子构象动力学的综合数据库,填补了静态结构研究方法与动态行为研究之间的空白 | 数据来源主要限于PDBbind、SAbDab和基准数据集,可能无法覆盖所有大分子类型 | 为大分子动态行为的深度学习研究提供数据基础 | 蛋白质、RNA、DNA及其复合物 | 计算生物学 | NA | 分子动力学模拟 | NA | 分子动力学轨迹数据 | 约450个复合物和270个单链蛋白质,每个复合物进行三次500纳秒模拟,总计超过1100微秒模拟数据 | NA | NA | NA | NA |
| 3711 | 2025-11-15 |
Ensembling Vision Transformers and ResNet-50 for Interpretable Lung Cancer Diagnosis with Feature Fusion and XAI Techniques
2025-Nov-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01738-6
PMID:41233642
|
研究论文 | 提出一种结合Vision Transformer和ResNet-50的混合集成架构,通过特征融合和可解释AI技术实现肺癌病理图像分类 | 首次将ResNet-50的层次特征提取能力与Vision Transformer的全局上下文理解相结合,并采用多学科XAI策略提供关键可解释性 | NA | 开发准确、透明且临床可行的肺癌诊断系统 | 肺癌病理图像 | 计算机视觉 | 肺癌 | 深度学习 | CNN, Transformer | 图像 | NA | NA | ResNet-50, Vision Transformer | 准确率 | NA |
| 3712 | 2025-11-15 |
Validation of a deep learning approach for epicardial adipose tissue segmentation in computed tomography
2025-Nov-13, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03528-1
PMID:41233698
|
研究论文 | 本研究验证了一种基于深度学习的自动分割方法在心包脂肪组织CT图像分割中的性能 | 开发了基于U-Net架构的深度学习解决方案,仅使用外部公共数据集进行训练,在心包脂肪组织分割中优于商业软件 | EAT分割性能仍低于观察者间变异性,样本量相对有限 | 验证深度学习算法在心脏CT中心包脂肪组织自动分割的准确性和可靠性 | 心包脂肪组织 | 医学影像分析 | 心血管疾病 | 计算机断层扫描 | CNN | 医学影像 | 300例非对比心脏CT扫描 | NA | U-Net | Dice系数, Pearson相关系数 | NA |
| 3713 | 2025-11-15 |
Amide proton transfer-weighted (APTw) CEST MRI in clinical routine for single time point diagnosis of pseudoprogression in IDH-wildtype glioblastoma
2025-Nov-13, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noaf261
PMID:41233976
|
研究论文 | 评估酰胺质子转移加权MRI在临床常规中用于IDH野生型胶质母细胞瘤假性进展单时间点诊断的可行性 | 首次将APTw MRI整合到常规临床工作流程中,并采用基于深度学习的自动量化方法进行肿瘤分割 | 抗血管生成治疗会降低APTw信号,后期随访时间点的诊断准确性下降 | 评估APTw MRI在区分胶质母细胞瘤真性进展与治疗相关效应中的诊断性能 | IDH野生型胶质母细胞瘤患者 | 数字病理 | 胶质母细胞瘤 | APTw MRI, DWI, PWI | 深度学习 | MRI图像 | 626名患者的870次扫描,其中143名胶质母细胞瘤患者的256次MRI扫描 | NA | NA | AUC, ROC分析, logistic回归分析 | NA |
| 3714 | 2025-11-15 |
Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design
2025-Nov-12, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05748e
PMID:41164301
|
综述 | 本文综述了基于结构的药物发现中整合蛋白质结构信息的深度学习方法 | 系统总结了从早期基于形状的方法到最新共折叠模型的发展历程,探讨了如何利用结构信息设计具有增强结合潜力的分子 | NA | 为基于结构的药物发现领域提供深度学习方法的应用见解和未来发展方向建议 | 蛋白质结构信息和药物分子 | 计算药物设计 | NA | 深度学习 | NA | 蛋白质结构数据,分子结构数据 | NA | NA | 共折叠模型 | NA | NA |
| 3715 | 2025-11-15 |
Automatic segmentation and measurement of tongue geometric features using TOSA-Net for obstructive sleep apnoea
2025-Nov-12, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03511-z
PMID:41222764
|
研究论文 | 提出一种基于深度学习的舌体自动分割和几何特征测量方法TOSA-Net,用于阻塞性睡眠呼吸暂停研究 | 首次使用深度学习分割方法量化OSA相关舌体几何特征 | 样本量相对较小(n=207),需要进一步验证 | 开发自动舌体分割和几何特征测量方法以辅助OSA研究 | 舌体图像和几何特征 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 深度学习图像分割 | CNN | 图像 | 207例正面和侧面舌体图像 | NA | U-Net | Dice系数,Pearson相关性,一致性分析 | NA |
| 3716 | 2025-11-15 |
A Spatio-Temporal Dataset for Satellite-Based Landslide Detection
2025-Nov-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06167-2
PMID:41219240
|
研究论文 | 本文介绍了Sen12Landslides数据集,这是一个用于卫星滑坡检测的大规模多模态时空数据集 | 提出了首个包含多时相卫星影像和精确事件时间戳的大规模滑坡检测数据集,支持时空动态分析 | 数据集覆盖区域有限,可能无法完全代表全球所有滑坡类型和地形条件 | 开发用于卫星滑坡检测和时空异常监测的深度学习数据集和方法 | 滑坡现象及其时空变化特征 | 计算机视觉,地球观测 | NA | 卫星遥感, Sentinel-1 SAR, Sentinel-2光学影像, Copernicus DEM | U-ConvLSTM, 3D-UNet, U-TAE | 卫星图像,数字高程模型 | 75,000个滑坡标注,来自全球15个地区,超过12,000个图像块 | NA | U-ConvLSTM, 3D-UNet, U-TAE | F1分数 | NA |
| 3717 | 2025-11-15 |
Sequential Human Assembly and Disassembly Motions in Human-Robot Coexisting Environments
2025-Nov-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06042-0
PMID:41219251
|
研究论文 | 提出一个专注于人机共存环境中顺序人体装配和拆卸动作的新型数据集 | 首个关注人机共存环境中顺序装配/拆卸动作的数据集,包含多视角视频和骨架数据,强调实际挑战如部分遮挡和重复动作 | NA | 研究人机共存环境中的人类行为模式,支持人机协作系统开发 | 人类在装配和拆卸任务中的顺序动作 | 计算机视觉 | NA | 多视角摄像系统,骨架提取技术 | 深度学习模型 | RGB视频,2D和3D人体骨架数据 | 33名参与者,超过10,000个样本 | Python | NA | NA | NA |
| 3718 | 2025-11-15 |
Tracking temporal progression of benign bone tumors through X-ray based detection and segmentation
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23053-4
PMID:41219269
|
研究论文 | 提出一种基于深度学习的框架FusionX-BBTNet,用于从X射线图像中自动检测、分割和分析良性骨肿瘤的时间序列变化 | 结合YOLO目标检测与U-Net分割,引入小波增强数据集提升轮廓精度,开发OCR模块提取比例尺实现毫米级测量,通过质心对齐实现时间序列可视化 | 研究仅基于466张X射线图像验证,在放射学专业知识有限的环境中的实际应用效果需进一步验证 | 开发自动化系统用于良性骨肿瘤的时间序列检测、分割和定量分析 | 良性骨肿瘤的X射线图像 | 计算机视觉 | 骨肿瘤 | X射线成像 | CNN | 图像 | 466张专家标注的X射线图像 | NA | YOLO, U-Net | 平均IoU, 边界F1分数 | NA |
| 3719 | 2025-11-15 |
An explainable deep learning framework for trustworthy arrhythmia detection from ECG signals
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22986-0
PMID:41219304
|
研究论文 | 提出一种可解释的深度学习框架用于心电信号的可靠心律失常检测 | 集成CNN和DNN的先进深度学习架构,结合多策略数据平衡技术和可解释人工智能方法,提供模型决策过程的透明洞察 | 未明确提及具体局限性 | 开发准确可靠的心律失常检测方法 | 心电信号 | 机器学习 | 心血管疾病 | ECG信号分析 | CNN, DNN | 信号数据 | 使用MITDB、PTBDB和NSTDB基准数据集 | NA | CNN, Dense Neural Network | 准确率 | NA |
| 3720 | 2025-11-15 |
A multi-factor data mining and transformer-based predictive modeling approach for career success using educational and behavioral traits
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23078-9
PMID:41219306
|
研究论文 | 本研究提出基于Transformer的多因素数据挖掘方法,通过教育背景和行为特征预测职业成功满意度 | 首次将BERT模型应用于职业满意度预测,通过多层Transformer块整合嵌入层和前馈网络捕捉教育行为特征的复杂非线性关系 | 仅使用单一数据集进行验证,未在不同群体或文化背景下测试模型泛化能力 | 开发准确预测职业满意度的数据挖掘模型,提升学生就业机会和职业满意度 | 学生的学业成绩和行为特征数据 | 自然语言处理, 机器学习 | NA | 数据挖掘 | BERT, SVM, 逻辑回归, 随机森林, GRU | 教育行为数据 | NA | NA | Transformer, BERT, 门控循环单元 | 分类准确率 | NA |