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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
3861 | 2025-10-06 |
A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis
2025-Aug-26, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115608
PMID:40628176
|
研究论文 | 开发并验证基于基因组特征的深度学习模型PanScore,用于胰腺导管腺癌术前肝转移风险分层 | 首次基于基因组特征开发深度学习模型进行PDAC术前肝转移风险分层,识别出8个关键基因组预测因子 | 回顾性研究设计,需要前瞻性验证 | 改善胰腺导管腺癌术前风险分层,识别肝转移高风险患者 | 胰腺导管腺癌患者 | 数字病理学 | 胰腺癌 | 基因组测序 | 深度学习 | 基因组数据 | 训练队列1779例(MSK-MET),验证队列2181例(MSK-IMPACT) | H2O AutoML | 6层深度神经网络 | AUC, 风险比, 中位总生存期 | NA |
3862 | 2025-10-06 |
A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics
2025-Aug-09, Expert review of proteomics
IF:3.8Q1
DOI:10.1080/14789450.2025.2545828
PMID:40772544
|
观点论文 | 对机器学习在临床蛋白质组学生物标志物发现中应用的批判性视角分析 | 强调算法新颖性不足以解决临床蛋白质组学中的实际问题,提倡简单可解释的建模方法而非复杂深度学习架构 | 这是一篇观点性文章,未提供具体的实验验证或数据支持 | 探讨机器学习在临床蛋白质组学生物标志物发现中的实际应用挑战和解决方案 | 临床蛋白质组学数据和生物标志物发现过程 | 机器学习 | NA | 临床蛋白质组学 | NA | 蛋白质组学数据 | NA | NA | NA | NA | NA |
3863 | 2025-10-06 |
DDoS classification of network traffic in software defined networking SDN using a hybrid convolutional and gated recurrent neural network
2025-Aug-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13754-1
PMID:40781265
|
研究论文 | 本文提出了一种混合CNN-GRU模型用于SDN环境中的DDoS攻击检测 | 提出结合一维卷积神经网络和门控循环单元的混合模型,用于网络流量时空特征提取 | 仅使用单一数据集进行验证,未在更广泛网络环境中测试 | 开发高精度的SDN网络流量分类方法以检测DDoS攻击 | 软件定义网络中的网络流量数据 | 机器学习 | NA | SMOTE过采样技术 | CNN, GRU, LSTM, RNN, MLP | 网络流量数据 | 24,500个样本(12,250个正常流量,12,250个攻击流量) | NA | 1D-CNN, GRU, 混合CNN-GRU | 准确率, 精确率, 召回率, F1分数, ROC AUC | NA |
3864 | 2025-10-06 |
Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation
2025-Aug-09, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04991-6
PMID:40782188
|
研究论文 | 开发并验证用于肩关节置换术患者肩袖肌肉自动3D分割的深度学习模型 | 首次在纵向CT扫描中实现肩袖肌肉和脂肪的自动3D分割,显著减少肌肉体积和脂肪分数分析时间 | 样本量相对有限,仅包含53名患者用于模型训练验证 | 开发自动化工具量化肩关节置换术患者的肩袖肌肉体积和脂肪分数 | 接受全肩关节置换术的患者 | 医学影像分析 | 肩关节疾病 | CT扫描 | 深度学习 | 3D CT图像 | 53名患者用于模型开发,172名患者用于应用分析 | NA | DeepLabV3+, ResNet50 | Dice相似系数, 平均对称表面距离, 95%豪斯多夫距离, 相对绝对体积差异 | NA |
3865 | 2025-10-06 |
Reducing motion artifacts in the aorta: super-resolution deep learning reconstruction with motion reduction algorithm
2025-Aug-09, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01849-8
PMID:40782239
|
研究论文 | 评估结合运动减少算法的超分辨率深度学习重建技术在减少主动脉运动伪影方面的效果 | 首次将超分辨率深度学习重建与运动减少算法结合应用于主动脉CT图像重建 | 回顾性研究,样本量有限(86例患者),仅评估主动脉夹层诊断 | 比较不同深度学习重建算法在减少主动脉运动伪影方面的性能 | 接受胸部增强CT扫描的患者主动脉图像 | 医学影像处理 | 主动脉夹层 | 对比增强CT | 深度学习重建 | CT图像 | 86例患者(平均年龄65.0±14.1岁,53名男性) | NA | 超分辨率深度学习重建 | 定量噪声, 边缘上升斜率, 边缘上升距离, 伪影评分, 锐度评分, 噪声评分, 结构描绘评分, 诊断可接受性评分 | NA |
3866 | 2025-10-06 |
Multi-scale Autoencoder Suppression Strategy for Hyperspectral Image Anomaly Detection
2025-Aug-08, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3595408
PMID:40779374
|
研究论文 | 提出一种多尺度自编码器抑制策略用于高光谱图像异常检测 | 结合局部特征提取器与全局特征提取器实现多尺度特征提取,并设计自注意力抑制模块降低异常像素影响 | 未明确说明计算复杂度与实时性能表现 | 提高高光谱图像异常检测的准确性 | 高光谱图像数据 | 计算机视觉 | NA | 高光谱成像 | 自编码器 | 高光谱图像 | 八个数据集 | NA | Transformer, ODConv | NA | NA |
3867 | 2025-10-06 |
An Anisotropic Cross-View Texture Transfer with Multi-Reference Non-Local Attention for CT Slice Interpolation
2025-Aug-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3596957
PMID:40779378
|
研究论文 | 提出一种基于多参考非局部注意力的各向异性跨视图纹理传递方法,用于CT切片插值 | 充分利用3D CT体积的各向异性特性,将高分辨率平面内纹理细节作为参考传递到低分辨率穿平面图像 | NA | 提高CT切片插值质量,改善医学图像各向异性分辨率问题 | CT医学图像 | 计算机视觉 | NA | CT成像 | 深度学习 | 3D CT图像 | 公共CT数据集,包括真实配对基准数据集 | NA | 多参考非局部注意力模块 | NA | NA |
3868 | 2025-10-06 |
Automatic Choroid Segmentation and Thickness Measurement Based on Mixed Attention-guided Multiscale Feature Fusion Network
2025-Aug-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3597026
PMID:40779377
|
研究论文 | 提出基于混合注意力引导的多尺度特征融合网络实现脉络膜自动分割和厚度测量 | 提出MAMFF-Net网络,集成混合注意力编码器、可变形多尺度特征融合路径和多尺度金字塔层聚合模块 | 公共OCT数据集中涉及脉络膜厚度变化的疾病类型较少且缺乏公开标注数据集 | 实现OCT图像中脉络膜的精确分割和厚度测量 | 正常和八种脉络膜相关疾病的OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | CNN | 图像 | 徐州医科大学附属医院(XZMH)-脉络膜数据集,包含正常和八种脉络膜相关疾病的标注OCT图像 | NA | MAMFF-Net, Mixed Attention Encoder(MAE), Deformable Multiscale Feature Fusion Path(DMFFP), Multiscale Pyramid Layer Aggregation(MPLA) | mDice, mIoU, mAcc | NA |
3869 | 2025-10-06 |
A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens
2025-Aug-08, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013345
PMID:40779582
|
研究论文 | 开发了一种名为DeepTangleCrawl的神经网络模型,用于在复杂条件下追踪秀丽隐杆线虫的姿势 | 将原本用于游泳线虫的DeepTangle算法改进应用于爬行线虫追踪,显著降低了追踪失败率并产生更连续的轨迹 | 未明确说明模型在极端复杂环境下的性能限制 | 提高线虫在复杂环境下的姿势追踪能力 | 秀丽隐杆线虫 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA | NA | DeepTangle | 失败率,轨迹连续性 | NA |
3870 | 2025-10-06 |
A Deep Learning Model to Detect Acute MCA Occlusion on High Resolution Non-Contrast Head CT
2025-Aug-08, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8954
PMID:40780878
|
研究论文 | 开发一种深度学习模型用于在高分辨率非对比头部CT上检测急性大脑中动脉闭塞 | 首次使用3D深度学习模型直接从高分辨率非对比CT进行逐体素血栓分割,无需对比剂即可检测急性MCA闭塞 | 仅使用单中心回顾性数据,需要前瞻性多中心验证 | 评估深度学习模型在非对比CT上识别急性大脑中动脉闭塞的可行性和准确性 | 大脑中动脉血栓 | 医学影像分析 | 脑血管疾病 | 高分辨率非对比CT,CTA | 3D深度学习模型 | 医学影像 | 训练验证集4,648例检查,独立测试集1,011例检查 | NA | NA | AUROC, 准确率, 敏感度, 特异度 | NA |
3871 | 2025-10-06 |
Land use classification using multi-year Sentinel-2 images with deep learning ensemble network
2025-Aug-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12512-7
PMID:40781103
|
研究论文 | 本研究提出了一种名为IRUNet的深度学习集成网络,用于多年度Sentinel-2影像的土地利用分类 | 集成InceptionResNetV2与UNet框架,采用多尺度特征融合和测试时增强技术提升预测鲁棒性 | 虽然数据跨越多个年份,但每年数据作为独立输入处理,未建模时间序列关系 | 开发高性能、可推广的多年度土地利用分类框架 | Katpadi地区2017-2024年的Sentinel-2卫星影像 | 计算机视觉 | NA | 卫星遥感 | 深度学习集成网络 | 多光谱卫星图像 | Katpadi地区2017-2024年多年度Sentinel-2影像数据 | NA | IRUNet, InceptionResNetV2, UNet | 准确率, Dice相似系数, 精确率, 召回率, F1分数, Kappa系数 | NA |
3872 | 2025-10-06 |
Deep neural network approach integrated with reinforcement learning for forecasting exchange rates using time series data and influential factors
2025-Aug-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12516-3
PMID:40781102
|
研究论文 | 提出一种结合长短期记忆网络和深度Q网络的混合框架,用于汇率预测 | 首次将强化学习机制引入汇率预测,通过实时反馈实现自适应优化 | 仅使用USD/INR汇率数据进行验证,未测试其他货币对 | 提高汇率预测的准确性和适应性 | 汇率时间序列数据和影响因素 | 机器学习 | NA | 时间序列分析 | LSTM, DQN | 时间序列数据 | USD/INR汇率数据集 | TensorFlow, PyTorch | LSTM, Deep Q-Network | 均方误差, 均方根误差 | NA |
3873 | 2025-10-06 |
Advanced dynamic ensemble framework with explainability driven insights for precision brain tumor classification across datasets
2025-Aug-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14917-w
PMID:40781137
|
研究论文 | 提出一种新型集成深度学习系统,用于基于MRI数据的精确脑肿瘤分类 | 采用动态集成框架结合自适应权重分配策略,并集成多种可解释AI技术提供预测依据 | 未明确说明数据来源的具体限制和临床验证的充分性 | 开发高精度、可解释的脑肿瘤自动诊断系统 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | NA | NA | ResNet-50, EfficientNet-B5 | 准确率, 熵值 | NA |
3874 | 2025-10-06 |
Towards scalable screening for the early detection of Parkinson's disease: validation of an iPad-based eye movement assessment system against a clinical-grade eye tracker
2025-Aug-08, NPJ Parkinson's disease
DOI:10.1038/s41531-025-01079-9
PMID:40781252
|
研究论文 | 本研究验证了基于iPad的眼动评估系统在帕金森病早期筛查中的应用价值 | 开发了基于iPad的便携式眼动评估系统,使用深度学习算法提取眼跳指标,并与临床级眼动仪进行对比验证 | 样本量较小(25名参与者),需要更大规模的研究验证 | 开发可扩展的帕金森病早期筛查工具 | 帕金森病患者和健康对照者 | 医疗人工智能 | 帕金森病 | 眼动追踪技术 | 深度学习算法 | 眼动数据 | 25名参与者(10名帕金森病患者,15名健康对照) | NA | NA | 眼跳潜伏期误差、眼跳幅度误差、眼跳间期速率误差 | iPad设备 |
3875 | 2025-10-06 |
Deep learning approach for automated hMPV classification
2025-Aug-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14467-1
PMID:40781468
|
研究论文 | 提出一种基于卷积神经网络的深度学习框架hMPV-Net,用于人类偏肺病毒的自动检测和分类 | 开发专门针对hMPV分类的深度学习模型,通过数据增强、加权损失函数和dropout正则化等技术解决数据集不平衡问题,计算效率显著优于现有先进模型 | 使用模拟图像数据集而非真实患者数据,可能影响模型在真实临床场景中的泛化能力 | 开发自动化hMPV分类系统以改善呼吸道病毒诊断 | 人类偏肺病毒(hMPV)感染病例 | 医学影像分析 | 呼吸道病毒感染 | 深度学习 | CNN | 图像 | 10,000个样本(hMPV阳性和阴性各半) | NA | hMPV-Net | 准确率,精确率,召回率,F1分数 | 3.2 GFLOPs计算量,适合资源受限的医疗环境部署 |
3876 | 2025-10-06 |
Deep learning-based image enhancement for improved black blood imaging in brain metastasis
2025-Aug-08, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11920-7
PMID:40781512
|
研究论文 | 评估基于深度学习的图像增强技术在改善脑转移瘤黑血磁共振成像质量和诊断性能方面的效用 | 首次将深度学习图像增强技术应用于3D对比增强T1加权黑血磁共振成像,特别针对小尺寸脑转移瘤的检测灵敏度提升 | 回顾性研究设计,未与其他深度学习处理方法进行对比,样本量有限 | 提高脑转移瘤磁共振成像的图像质量和诊断准确性 | 脑转移瘤患者(126例)和非脑转移瘤患者(121例) | 医学影像分析 | 脑转移瘤 | 3D对比增强T1加权黑血磁共振成像 | 深度学习 | 磁共振图像 | 247例患者(126例脑转移瘤,121例非脑转移瘤) | 商用深度学习软件 | NA | 信噪比, 对比噪声比, 灵敏度, 特异性, 假阳性计数 | NA |
3877 | 2025-10-06 |
ADAM-DETR: an intelligent rice disease detection method based on adaptive multi-scale feature fusion
2025-Aug-08, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01429-x
PMID:40781641
|
研究论文 | 提出一种基于改进RT-DETR的自适应多尺度特征融合水稻病害检测方法ADAM-DETR | 创新设计三个核心模块:自适应视觉网络骨干网、双域增强Transformer模块和自适应多尺度特征融合模型,实现时空频域协同特征提取 | NA | 解决复杂田间环境下现有深度学习方法特征提取不足和多尺度病害适应性差的问题 | 水稻病害 | 计算机视觉 | 植物病害 | 深度学习 | DETR | 图像 | RiDDET-5数据集包含9,303张图像,涵盖5种主要病害类别;Kamatis公共数据集 | NA | RT-DETR, AdaptiveVision Network, Dual-Domain Enhanced Transformer, Adaptive Multi-scale Feature Model | mAP@50 | NA |
3878 | 2025-10-06 |
Predicting expression-altering promoter mutations with deep learning
2025-Aug-07, Science (New York, N.Y.)
DOI:10.1126/science.ads7373
PMID:40440429
|
研究论文 | 开发了PromoterAI深度学习模型来预测非编码启动子突变对基因表达的影响 | 首次使用深度神经网络系统性地识别导致基因表达失调的非编码启动子变异 | 仅关注启动子区域变异,未涵盖其他非编码区域 | 识别罕见遗传疾病中未被发现的功能性非编码变异 | 人类启动子区域的遗传变异 | 机器学习 | 罕见遗传疾病 | 深度神经网络,报告基因检测 | 深度神经网络 | 基因组序列数据,RNA表达数据,蛋白质表达数据 | 数千名个体 | NA | PromoterAI | 表达异常预测准确性,负选择强度 | NA |
3879 | 2025-10-06 |
Enhancing image retrieval through optimal barcode representation
2025-Aug-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14576-x
PMID:40770058
|
研究论文 | 本研究通过优化特征序列排序来提升图像检索中二进制条形码表示的性能 | 提出基于检索性能指标优化特征序列排序的方法,解决了传统差异二值化方法对输入特征顺序高度依赖的组合挑战 | 未明确说明方法在超大规模数据集上的扩展性,也未详细讨论计算复杂度 | 优化二进制条形码表示以提升图像检索的准确性和效率 | 医学和非医学图像数据集 | 计算机视觉 | 肺癌, COVID-19 | 深度条形码技术 | 深度学习特征提取 | 图像 | TCGA数据集、COVID-19胸部X光数据集、CIFAR-10、CIFAR-100、Fashion-MNIST | NA | NA | 检索准确率 | NA |
3880 | 2025-10-06 |
MedCLIP-SAMv2: Towards universal text-driven medical image segmentation
2025-Aug-07, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103749
PMID:40779830
|
研究论文 | 提出MedCLIP-SAMv2框架,通过集成CLIP和SAM模型实现基于文本提示的医学图像分割 | 提出解耦硬负样本噪声对比估计损失和多模态信息瓶颈方法,在零样本和弱监督设置下实现文本驱动的医学图像分割 | NA | 开发数据效率高、泛化能力强的医学图像分割方法 | 医学图像中的解剖结构和病理区域 | 计算机视觉 | 乳腺肿瘤, 脑肿瘤, 肺部疾病 | 医学影像分析 | CLIP, SAM | 医学图像 | NA | PyTorch | BiomedCLIP, Segment-Anything-Model | 准确率 | NA |