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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
3721 | 2025-10-06 |
Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules: Systematic Review and Meta-Analysis
2025-Aug-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73516
PMID:40811738
|
系统综述与Meta分析 | 通过系统综述和Meta分析评估深度学习算法在甲状腺结节检测和分割中的诊断性能 | 首次对深度学习在甲状腺结节诊断中的性能进行系统性评估,比较了分割与检测任务的差异,并分析了迁移学习对模型性能的影响 | 研究方法设计欠佳、数据集图像质量不一致、外部验证不足可能引入偏倚 | 评估深度学习算法在诊断甲状腺结节恶性程度方面的性能,识别影响诊断效果的关键因素,并与临床医生的诊断准确性进行比较 | 甲状腺结节 | 医学影像分析 | 甲状腺癌 | 深度学习 | 深度学习算法 | 医学影像 | 41项符合条件的研究 | NA | NA | 灵敏度, 特异度, AUC | NA |
3722 | 2025-10-06 |
18F-FDG PET/CT-based deep radiomic models for enhancing chemotherapy response prediction in breast cancer
2025-Aug-11, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02982-0
PMID:40790010
|
研究论文 | 本研究开发了基于18F-FDG PET/CT的深度放射组学模型,用于增强乳腺癌化疗反应预测 | 结合传统放射组学特征与SENet深度学习模型提取的特征,显著提升了化疗反应预测性能 | 样本量较小(60例患者),为单中心回顾性研究 | 提高乳腺癌患者化疗反应预测准确性,实现个性化治疗策略 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 18F-FDG PET/CT成像 | XGBoost, RF, LR, SVM, SENet | 医学影像(PET/CT图像) | 60例乳腺癌患者 | NA | SENet | ROC AUC, 准确率 | NA |
3723 | 2025-10-06 |
Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging
2025-Aug, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0208
PMID:40736409
|
研究论文 | 评估基于深度学习的AI软件对不同经验水平放射科医生在磁敏感图加权成像中识别黑质致密部1区异常诊断性能的影响 | 首次系统评估AI辅助诊断对放射科医生识别帕金森病关键影像学生物标志物(黑质致密部1区)的性能提升效果,并比较不同经验水平医生的获益差异 | 回顾性研究设计,样本量相对有限(139例扫描),仅使用单一AI软件版本 | 评估AI辅助诊断在帕金森病影像学诊断中的临床应用价值 | 59名帕金森病患者和80名健康参与者的139例磁敏感图加权成像扫描 | 医学影像分析 | 帕金森病 | 3T MRI, 磁敏感图加权成像 | 目标检测, 分割模型 | 医学影像 | 139例SMwI扫描(59例PD患者,80例健康对照) | NA | YOLOX, SparseInst | 特异性, Fleiss's kappa, 净重分类指数 | NA |
3724 | 2025-10-06 |
Antimicrobial Peptides Design Using Deep Learning and Rational Modifications: Activity in Bacteria, Candida albicans, and Cancer Cells
2025-Jul-11, Current microbiology
IF:2.3Q3
DOI:10.1007/s00284-025-04346-3
PMID:40643674
|
研究论文 | 本研究利用深度学习和理性修饰设计抗菌肽,并评估其在细菌、白色念珠菌和癌细胞中的活性 | 结合两种深度学习算法生成抗菌肽,并通过生物信息学和AI工具进行理性修饰优化 | 仅对12种合成肽进行了体外测试,样本规模有限 | 开发具有高抗菌活性和生物安全性的新型抗菌肽 | 抗菌肽及其对细菌、白色念珠菌和癌细胞的抑制作用 | 机器学习 | 细菌感染,真菌感染,乳腺癌 | 深度学习,生物信息学分析,体外测试 | 深度学习算法 | 肽序列数据,生物活性数据 | 26个计算机生成的合成肽,其中12个进行体外测试 | NA | NA | 最小抑菌浓度(MIC),半数抑制浓度(IC) | NA |
3725 | 2025-10-06 |
3BTRON: A Blood-Brain Barrier Recognition Network
2025-Jul-04, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08453-6
PMID:40615521
|
研究论文 | 提出一种名为3BTRON的深度学习框架,用于自动分析血脑屏障的电子显微镜图像 | 首次开发专门用于血脑屏障结构分析的深度学习网络,能够通过图像特征识别年龄相关的血脑屏障变化 | 模型仅在359个小鼠样本上训练和验证,尚未在人类数据或更大样本上测试 | 开发自动化工具分析血脑屏障在衰老过程中的结构变化 | 年轻和年老小鼠的血脑屏障电子显微镜图像 | 数字病理 | 老年疾病 | 电子显微镜 | 深度学习 | 图像 | 359个小鼠脑部样本 | NA | 3BTRON | 灵敏度, 特异度 | NA |
3726 | 2025-10-06 |
Report on the quantitative intra-voxel incoherent motion diffusion MRI reconstruction grand challenge
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17998
PMID:40665555
|
研究报告 | 介绍2024年定量体素内不相干运动扩散MRI重建挑战赛的结果和发现 | 首次举办针对IVIM-dMRI重建算法的基准测试挑战赛,比较传统优化和深度学习方法在临床参数估计中的表现 | 基于模拟数据而非真实临床数据,未来需要解决现实世界的复杂性以确保临床适用性 | 评估和改进从扩散MRI数据中提取定量组织参数的重建算法 | 扩散MRI数据中的分数灌注、伪扩散系数和真实扩散系数 | 医学影像 | NA | 扩散MRI,体素内不相干运动模型 | 深度学习,传统优化方法 | 模拟k空间数据,数字体模 | 42个团队参与,7个进入最终阶段 | NA | 级联U-Net | 相对均方根误差 | NA |
3727 | 2025-10-06 |
Machine Learning for Predicting Critical Events Among Hospitalized Children
2025-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发一种机器学习模型用于早期检测住院儿童的病情恶化,实现全院统一风险评估 | 创建了首个覆盖医院所有科室的统一风险评估模型,突破了传统分科室评估的局限性 | 回顾性研究设计,需要在更多医疗机构进行前瞻性验证 | 开发早期检测住院儿童病情恶化的机器学习模型 | 3家三级医院住院的18岁以下儿童患者 | 机器学习 | 儿科疾病 | NA | XGBoost, 深度学习模型 | 临床数据(年龄、生命体征、实验室结果、合并症等) | 135,621名患者 | XGBoost | 极端梯度提升机, 深度学习模型 | C统计量, 灵敏度, 需警示人数 | NA |
3728 | 2025-10-06 |
Artificial intelligence for detection and characterization of focal hepatic lesions: a review
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04597-x
PMID:39369107
|
综述 | 本文综述了基于人工智能的算法在CT和MRI图像中检测和表征局灶性肝脏病变的诊断能力 | 系统评估了AI算法在肝脏病变检测和分类中的应用潜力,特别关注良恶性病变的区分 | 需要扩展数据集、提高模型可解释性并在更广泛的临床环境中验证AI工具 | 评估人工智能在局灶性肝脏病变检测和表征中的诊断能力 | 局灶性肝脏病变(FLL) | 计算机视觉 | 肝脏疾病 | CT, MRI | CNN | 医学影像 | 45项相关研究(2010年1月至2024年4月) | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性, AUC | NA |
3729 | 2025-10-06 |
Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks
2025-Apr, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30113
PMID:39840857
|
研究论文 | 本研究开发了一种基于步态视频和深度学习模型预测小脑性共济失调严重程度的方法 | 首次将姿态估计算法应用于步态视频来预测小脑性共济失调的严重程度 | 研究样本量较小(66名患者),仅针对退行性小脑疾病患者 | 评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度 | 66名退行性小脑疾病患者 | 计算机视觉 | 小脑性共济失调 | 姿态估计算法,视频分析 | 深度学习模型 | 视频 | 66名患者 | NA | NA | 均方根误差,决定系数 | NA |
3730 | 2025-10-06 |
Increase Docking Score Screening Power by Simple Fusion With CNNscore
2025-Mar-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70060
PMID:39981784
|
研究论文 | 提出一种通过将传统分子对接评分与CNN评分简单融合来提高虚拟筛选效能的新策略 | 首次将GNINA的卷积神经网络评分与传统Watvina对接评分通过乘法融合,显著提升了虚拟筛选能力 | 方法仅在特定靶点TYK2上验证,需要更多靶点验证通用性 | 提高结构基虚拟筛选中的分子对接评分函数的筛选能力 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子对接,虚拟筛选 | CNN | 分子结构数据 | 近120亿个分子 | GNINA | 卷积神经网络 | 筛选效能,IC50值 | NA |
3731 | 2025-10-06 |
Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays
2025-Mar, Journal of extracellular vesicles
IF:15.5Q1
DOI:10.1002/jev2.70052
PMID:40098346
|
研究论文 | 通过大规模无偏蛋白质组学分析识别脑源性细胞外囊泡在脑脊液中的特异性标志物 | 首次在脑脊液中系统筛选5416种蛋白质,结合深度学习模型区分跨膜蛋白定位,挑战传统跨膜蛋白均与EV相关的假设 | 仅基于严格的EV分离模式标准进行筛选,需要进一步实验验证候选标志物的特异性 | 识别脑源性细胞外囊泡的特异性捕获标志物和来源验证蛋白 | 人脑脊液中的细胞外囊泡 | 生物信息学 | 神经系统疾病 | 邻近延伸分析,Olink筛查,尺寸排阻色谱 | DeepTMHMM | 蛋白质组数据 | 大规模筛查(5416种蛋白质) | NA | DeepTMHMM | EV分离模式标准 | NA |
3732 | 2025-10-06 |
En masse evaluation of RNA guides (EMERGe) for ADARs
2025, Methods in enzymology
DOI:10.1016/bs.mie.2024.11.030
PMID:39870442
|
研究论文 | 介绍一种名为EMERGe的高通量筛选方法,用于全面评估ADARs的RNA引导链并识别能够促进特定腺苷编辑的引导序列 | 开发了EMERGe体外筛选方法,能够克服当前设计原则在难编辑靶点上的局限性,为充分释放ADARs治疗潜力提供新途径 | 在最大化文库覆盖度方面存在挑战,且尚未与机器学习或深度学习模型完全整合 | 开发高通量筛选方法以识别能够促进ADARs特异性编辑的RNA引导链 | ADARs(RNA腺苷脱氨酶)及其RNA引导链 | 生物技术 | NA | NGS, 体外筛选, 高通量筛选 | NA | RNA序列数据 | NA | NA | NA | NA | NA |
3733 | 2025-10-06 |
Assessing the cardioprotective effects of exercise in APOE mouse models using deep learning and photon-counting micro-CT
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320892
PMID:40208877
|
研究论文 | 本研究使用光子计数显微CT和深度学习技术评估运动对不同APOE基因型小鼠心脏结构和功能的影响 | 首次结合光子计数显微CT和3D U-Net深度学习模型评估运动对不同APOE基因型小鼠的心脏保护作用 | 研究仅限于小鼠模型,样本量相对有限,且未探索长期运动效应 | 评估运动对不同APOE基因型小鼠心脏结构和功能的影响 | 140只不同APOE基因型(APOE2、APOE3、APOE4)的小鼠,按性别和运动方案分组 | 数字病理学 | 心血管疾病 | 光子计数计算机断层扫描(PCCT)、脂质体碘纳米颗粒对比剂 | CNN | 显微CT图像 | 140只小鼠 | NA | 3D U-Net | Dice系数 | NA |
3734 | 2025-10-06 |
UFPF: A Universal Feature Perception Framework for Microscopic Hyperspectral Images
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3594151
PMID:40763051
|
研究论文 | 提出一种用于显微高光谱图像的通用特征感知框架,通过分层结构和双路径模块提升空间-光谱特征提取能力 | 提出分层角到中心Mamba结构捕获空间邻近关系,采用渐进式中心聚焦策略,设计双路径空间-光谱联合感知模块和Mamba注意力混合对齐机制 | NA | 开发能够充分挖掘高光谱数据临床价值的通用特征提取框架 | 显微高光谱图像 | 计算机视觉 | NA | 高光谱成像 | Mamba, 注意力机制 | 高光谱图像 | NA | NA | 分层角到中心Mamba结构,双路径空间-光谱联合感知模块 | 分类性能,分割性能 | NA |
3735 | 2025-10-06 |
RNA language models predict mutations that improve RNA function
2024-12-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54812-y
PMID:39638800
|
研究论文 | 本文开发了GARNET数据库和基于GPT的RNA生成模型,用于预测能提高RNA功能的突变 | 创建了首个将RNA序列与生物表型(最适生长温度)关联的数据库,并开发了序列和结构感知的RNA生成模型 | RNA结构预测仍受限于高质量参考数据的缺乏 | 理解RNA序列、结构和功能之间的联系,预测能提高RNA热稳定性的突变 | 结构化RNA,特别是核糖体RNA | 自然语言处理 | NA | RNA测序,深度学习 | GPT | RNA序列数据,结构数据 | 基于基因组分类数据库(GTDB)参考生物的RNA序列 | NA | GPT-like模型 | NA | NA |
3736 | 2025-10-06 |
Artificial intelligence-assisted grading for tear trough deformity
2024-10, Journal of plastic, reconstructive & aesthetic surgery : JPRAS
DOI:10.1016/j.bjps.2024.07.048
PMID:39151284
|
研究论文 | 本研究开发了一种基于智能手机摄影和人工智能深度学习技术的泪沟畸形数字图像分级模型 | 首次证明可通过智能手机内置摄像头结合AI深度学习程序对泪沟畸形进行分类 | 训练模型敏感度56%、测试模型敏感度49.3%相对较低,样本量有限(504患者983张照片) | 建立可靠精确的泪沟畸形数字图像分级模型,辅助外科医生临床决策 | 泪沟畸形患者的面部照片 | 计算机视觉 | 面部整形 | 智能手机摄影,深度学习 | 深度学习 | 图像 | 504名患者,983张照片 | MAIA™医疗AI助手软件 | NA | 敏感度, 特异度, F1分数, AUROC, 混淆矩阵, 热力图 | NA |
3737 | 2025-10-06 |
Deep-learning features based on F18 fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) to predict preoperative colorectal cancer lymph node metastasis
2024-09, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.05.017
PMID:38955636
|
研究论文 | 基于18F-FDG PET/CT的深度学习特征预测结直肠癌术前淋巴结转移 | 首次将深度学习特征、影像组学特征和临床特征整合构建预测模型 | 样本量相对有限(119例患者),需要更大规模验证 | 开发预测结直肠癌淋巴结转移的预后模型 | 结直肠癌患者 | 医学影像分析 | 结直肠癌 | 18F-FDG PET/CT扫描 | 支持向量机 | 医学影像 | 119例患者(训练集95例,验证集24例),外加33例外部测试数据 | pyradiomics, Scikit-learn | 深度学习迁移学习特征提取 | AUC, 敏感性, 特异性 | NA |
3738 | 2025-10-06 |
Identifying Diabetic Retinopathy in the Human Eye: A Hybrid Approach Based on a Computer-Aided Diagnosis System Combined with Deep Learning
2024-02-05, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10020017
PMID:38393285
|
研究论文 | 提出一种结合计算机辅助诊断系统和深度学习的混合方法用于糖尿病视网膜病变的自动检测 | 采用混合建模策略解决类别不平衡问题,并通过CNN分析和SHAP模型推导结果进行综合比较 | 存在数据集不平衡、标注错误、样本图像不足和性能评估指标不当等问题 | 开发自动化的糖尿病视网膜病变检测系统 | 糖尿病视网膜病变患者眼部医学图像 | 计算机视觉 | 糖尿病视网膜病变 | 医学影像分析 | CNN, 深度学习 | 医学图像 | 三个基准数据集 | NA | CNN | 精确率 | NA |
3739 | 2025-10-06 |
Considerations on brain age predictions from repeatedly sampled data across time
2023-10, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.3219
PMID:37587620
|
研究论文 | 本研究探讨基于重复采样时间序列数据的脑年龄预测表现及其在临床应用中的考量 | 首次使用密集采样的纵向MRI数据分析同一受试者不同时间点的脑年龄预测表现,并验证数据采集参数对预测结果的影响 | 样本量较小(仅4名受试者),年龄范围有限可能未包含成熟效应,扫描质量影响结论不明确 | 验证脑年龄预测模型在纵向数据中的表现及其临床应用可靠性 | 人类大脑MRI数据 | 医学影像分析 | NA | 磁共振成像(MRI),T1加权成像 | 深度学习模型 | 医学影像(MRI) | 4名受试者的密集采样纵向数据+两个横断面验证数据集 | NA | 预训练深度学习模型 | 相关性分析 | NA |
3740 | 2025-10-06 |
Advanced photon counting CT imaging pipeline for cardiac phenotyping of apolipoprotein E mouse models
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291733
PMID:37796905
|
研究论文 | 开发基于光子计数CT的成像流程用于载脂蛋白E小鼠模型的心脏表型分析 | 结合光子计数CT、光谱分解和深度学习心脏分割的综合成像流程,能够分离钙化斑块和碘增强血液 | 研究仅限于小鼠模型,样本量为123只,需要进一步验证在人类中的适用性 | 开发成像流程全面评估不同APOE基因型小鼠的心脏结构和功能 | 123只按APOE基因型(APOE2、APOE3、APOE4、APOE敲除)、性别、人类NOS2因子和饮食分组的小鼠 | 医学影像 | 心血管疾病 | 光子计数CT、对比增强活体成像、固有心脏门控、光谱分解 | 深度学习 | CT图像 | 123只小鼠 | NA | NA | Dice系数 | NA |