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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4101 | 2025-10-06 |
Artificial intelligence in orthopedics: fundamentals, current applications, and future perspectives
2025-Aug-04, Military Medical Research
IF:16.7Q1
DOI:10.1186/s40779-025-00633-z
PMID:40754583
|
综述 | 本文系统回顾了人工智能在骨科领域的基础原理、当前应用场景及未来发展方向 | 全面梳理了AI在骨科从基础理论到临床实践的全链条应用,并深入探讨了实际应用中的关键挑战 | 数据质量、模型泛化能力和临床验证是影响AI实际应用的主要限制因素 | 促进人工智能技术在骨科诊疗中的安全有效整合 | 骨科临床诊疗流程及相关研究应用 | 机器学习 | 骨科疾病 | NA | 机器学习,深度学习 | 医学图像,临床数据 | NA | NA | NA | NA | NA |
4102 | 2025-10-06 |
GAN and LSTM-based collaborative tremor classification approach for next generation healthcare system
2025-Aug-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110836
PMID:40763674
|
研究论文 | 提出一种基于GAN和LSTM的协作式震颤分类方法,用于区分原发性震颤和帕金森震颤 | 首次将GAN、自编码器和LSTM结合用于震颤分类,通过生成合成数据、降维和时序特征提取提升分类性能 | 未提及样本量的具体数值和模型泛化能力的验证 | 解决健康人群和脑卒中后抑郁患者中原发性震颤与帕金森震颤的误诊问题 | 健康人群和脑卒中后抑郁患者的震颤数据 | 机器学习 | 神经系统疾病 | 时间序列分析 | GAN, Autoencoder, LSTM | 时间序列数据 | NA | NA | GAN, Autoencoder, LSTM | 准确率, F1分数, AUC | NA |
4103 | 2025-10-06 |
A lightweight YOLOv8-based model for gastric cancer detection
2025-Aug-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110689
PMID:40763676
|
研究论文 | 提出一种基于YOLOv8的轻量化胃癌检测模型,旨在在不同性能的处理器上实现实时检测 | 在YOLOv8-n基础上应用Ghost卷积压缩骨干网络,并在颈部与头部引入轻量级通道注意力机制,实现高精度与低计算复杂度的平衡 | 研究主要关注计算效率与检测精度的平衡,未涉及模型在其他医学数据集上的泛化能力验证 | 开发适用于现实医疗环境中不同性能处理器的实时胃癌检测模型 | 胃癌医学图像 | 计算机视觉 | 胃癌 | 深度学习 | YOLO, CNN | 医学图像 | NA | PyTorch | YOLOv8-n, Ghost conv, SE block | mAP, 参数量, GFLOPs, 推理速度 | CPU和四种不同性能的GPU |
4104 | 2025-10-06 |
Deep Learning-Enabled Ultrasound for Advancing Anterior Talofibular Ligament Injuries Classification: A Multicenter Model Development and Validation Study
2025-Aug-04, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.013
PMID:40764200
|
研究论文 | 开发基于超声的深度学习模型ATFLNet用于前距腓韧带损伤分类,并通过多中心研究验证其性能 | 首次开发专门针对前距腓韧带损伤分类的深度学习模型,并验证AI辅助策略在真实临床场景中的诊断价值 | 研究为回顾性设计,需要进一步前瞻性验证;模型性能在特定医疗机构验证 | 提升前距腓韧带损伤的超声分类准确性,探索AI辅助放射科医生诊断的潜力 | 健康对照者和急性前距腓韧带损伤患者(轻度拉伤、部分撕裂、完全撕裂和撕脱骨折) | 医学影像分析 | 韧带损伤 | 超声成像 | 深度学习 | 超声图像 | 训练集2566例,内部验证642例,外部验证1210例(717+493),前瞻验证472例 | NA | ATFLNet | AUC, 准确率 | NA |
4105 | 2025-10-06 |
Evaluation of deep learning models for anterior segment OCT image segmentation during scleral lens wear
2025-Aug-04, Contact lens & anterior eye : the journal of the British Contact Lens Association
IF:4.1Q1
DOI:10.1016/j.clae.2025.102484
PMID:40764201
|
研究论文 | 评估16种深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的性能 | 首次系统比较四种分割架构与五种编码器组合在巩膜镜佩戴OCT图像分割中的表现 | 仅针对正常角膜进行评估,未包含角膜疾病患者;部分模型在低反射性界面存在误分类问题 | 评估深度学习模型在巩膜镜佩戴期间前段OCT图像分割的准确性和性能 | 巩膜镜佩戴者的前段OCT图像,包括巩膜镜前后表面、角膜上皮前表面、基质前界面和内皮 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 深度学习 | 医学图像 | 15名正常角膜参与者的OCT图像 | NA | U-Net, U-Net++, FPN, MA-Net, EfficientNet-B4, DenseNet201, VGG19, ResNet34, Xception | Dice系数, 平均绝对边界误差 | NA |
4106 | 2025-10-06 |
Adapting foundation models for rapid clinical response: intracerebral hemorrhage segmentation in emergency settings
2025-Aug-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13742-5
PMID:40754551
|
研究论文 | 本研究开发了一种结合深度学习的自动化方法,用于在急诊场景中快速分割脑出血病灶 | 提出两阶段方法:先使用YOLOv8-S生成精确的病灶边界框,再用医学分割通用模型进行精细分割,实现高精度分割且只需最小监督 | 需要用户提供初始宽松边界框,数据集规模相对有限(252个CT扫描) | 开发快速准确的脑出血自动分割方法,支持急诊临床决策 | 脑出血患者的非增强CT扫描图像 | 计算机视觉 | 脑出血 | CT扫描 | 目标检测模型, 分割模型 | 医学图像 | 252个CT扫描 | NA | YOLOv8-S, Medical Segment Anything Model | 分割准确度, 鲁棒性 | NA |
4107 | 2025-10-06 |
The dosimetric impacts of ct-based deep learning autocontouring algorithm for prostate cancer radiotherapy planning dosimetric accuracy of DirectORGANS
2025-Aug-02, BMC urology
IF:1.7Q3
DOI:10.1186/s12894-025-01875-8
PMID:40753235
|
研究论文 | 评估基于CT的深度学习自动勾画算法DirectORGANS在前列腺癌放疗计划中的剂量学影响 | 评估新一代自动勾画算法在CT模拟器中直接识别器官并勾画的能力,并与传统手动勾画进行剂量学比较 | 样本量较小(仅10例患者),缺乏多中心验证 | 评估自动勾画算法在前列腺癌放疗计划中的剂量学准确性和临床应用可行性 | 前列腺癌患者的CT图像和器官轮廓 | 数字病理 | 前列腺癌 | CT成像,深度学习自动勾画 | 深度学习 | CT图像 | 10例患者 | NA | DirectORGANS | CI, HI, V60, V65, V70, V75, V80, 最大剂量 | NA |
4108 | 2025-10-06 |
Transfer learning based deep architecture for lung cancer classification using CT image with pattern and entropy based feature set
2025-Aug-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13755-0
PMID:40753351
|
研究论文 | 提出一种基于迁移学习的混合深度学习架构ILN-TL-DM,用于CT图像的肺癌分类 | 结合改进的注意力机制ResU-Net分割模型、多模态特征提取(LGTrP/PHOG/深度特征/改进熵特征)以及集成改进LeNet与迁移学习的混合分类架构 | NA | 通过CT图像实现肺癌的精确分类 | CT扫描图像中的肺部和肿瘤区域 | 计算机视觉 | 肺癌 | CT扫描 | CNN, Transfer Learning, DeepMaxout | 医学图像 | NA | NA | Improved Attention-based ResU-Net, Improved LeNet, DeepMaxout | 准确率, 特异性, NPV | NA |
4109 | 2025-10-06 |
Automatic restoration and reconstruction of defective tooth based on deep learning technology
2025-Aug-02, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06576-0
PMID:40753409
|
研究论文 | 提出基于深度学习的创新框架,实现缺损牙齿的自动修复与三维重建 | 提出三阶段深度学习框架,改进ResNet50的Pixel2Mesh模型显著提升重建精度 | 未提及数据集规模和多样性限制 | 开发自动化的牙齿形态修复与重建方法 | 缺损牙齿的二维图像和三维模型 | 计算机视觉 | 牙科疾病 | 深度学习图像处理 | CNN | RGB图像,灰度图像,3D网格模型 | NA | NA | ResNet50, Pixel2Mesh | F-Score, CD(倒角距离), EMD(地球移动距离), 推理速度 | NA |
4110 | 2025-10-06 |
Deep learning for retinal vessel segmentation: a systematic review of techniques and applications
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03324-y
PMID:39964659
|
系统综述 | 本文系统综述了2020-2024年间基于深度学习的视网膜血管分割技术及其应用 | 首次系统性地分析比较了U-Net和Transformer架构在视网膜血管分割中的性能表现,并提出了结合U-Net、Transformer和GAN的混合模型作为未来研究方向 | 仅纳入了2020-2024年间四个特定数据库的79项研究,可能未涵盖所有相关文献 | 系统评估深度学习在视网膜血管分割领域的技术发展和应用现状 | 视网膜血管图像 | 计算机视觉 | 眼科疾病 | 深度学习 | CNN, Transformer, GAN | 视网膜图像 | 79项研究 | NA | U-Net, Transformer | NA | NA |
4111 | 2025-10-06 |
Brain-Inspired Meta-Learning for Few-Shot Bearing Fault Diagnosis
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3503658
PMID:40030581
|
研究论文 | 提出一种受大脑启发的元学习策略,用于解决少量样本下的轴承故障诊断问题 | 基于生物神经系统学习机制设计脉冲神经网络的学习算法,并结合元学习策略应用于少量样本故障诊断 | NA | 解决工业场景中少量样本下的轴承故障诊断难题 | 轴承故障诊断 | 机器学习 | NA | 元学习 | SNN | NA | 少量样本 | NA | 脉冲神经网络 | NA | NA |
4112 | 2025-10-06 |
Distributed Deep Learning With Gradient Compression for Big Remote Sensing Image Interpretation
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3517535
PMID:40030610
|
研究论文 | 提出一种用于高光谱图像目标检测的分布式深度学习方法,通过梯度压缩技术解决边缘设备通信瓶颈问题 | 提出基于质心的梯度压缩方法(GCC),通过压缩冗余梯度减少通信开销,同时保持检测精度 | 仅在两个大型高光谱数据集上验证,未在其他类型遥感数据上测试 | 解决边缘设备上大规模高光谱图像目标检测的计算和通信瓶颈 | 高光谱图像中的感兴趣目标 | 计算机视觉 | NA | 高光谱成像 | 深度神经网络 | 高光谱图像 | 两个总计约3.2GB的大型高光谱数据集 | NA | NA | 目标检测精度, 速度 | 基于Ring All-reduce的分布式系统, IoT/边缘设备 |
4113 | 2025-10-06 |
Causal Disentanglement-Based Hidden Markov Model for Cross-Domain Bearing Fault Diagnosis
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3513329
PMID:40030705
|
研究论文 | 提出基于因果解缠的隐马尔可夫模型用于跨领域轴承故障诊断 | 构建时间序列结构因果模型,将振动信号解耦为故障相关和故障无关表示,实现因果解缠学习与跨领域迁移学习的优化目标对齐 | 未明确说明模型在极端工况下的性能表现 | 解决复杂工况下轴承故障诊断的鲁棒泛化问题 | 轴承振动信号 | 机器学习 | NA | 振动信号分析 | 隐马尔可夫模型,变分自编码器 | 时间序列数据 | CWRU、IMS和PU三个数据集 | NA | 隐马尔可夫变分自编码器 | NA | NA |
4114 | 2025-10-06 |
Multiview Deep Learning-Based Molecule Design and Structural Optimization Accelerates Inhibitor Discover
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3506619
PMID:40030719
|
研究论文 | 提出多视图深度生成模型MEDICO,用于分子生成、结构优化和SARS-CoV-2抑制剂发现 | 首个多视图图生成模型,能通过多视图表示学习框架自适应学习目标分子的拓扑和几何结构语义 | NA | 加速SARS-CoV-2抑制剂发现和药物设计 | 小分子药物和SARS-CoV-2主要蛋白酶(Mpro)抑制剂 | 机器学习 | COVID-19 | 分子对接 | 图生成模型 | 分子图数据 | NA | NA | 多视图深度生成模型 | 有效性, 新颖性, 独特性, 结合亲和力 | NA |
4115 | 2025-10-06 |
Conditional Mutual Information Constrained Deep Learning for Classification
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3540014
PMID:40031861
|
研究论文 | 提出一种基于条件互信息约束的深度学习框架,通过优化分类神经网络在输出概率分布空间中的类内聚集和类间分离性能 | 引入条件互信息(CMI)和归一化条件互信息(NCMI)作为分类神经网络性能评估指标,并提出CMI约束的深度学习框架(CMIC-DL) | NA | 提升深度神经网络分类性能及对抗攻击鲁棒性 | 深度神经网络在图像分类任务中的输出概率分布 | 机器学习 | NA | 深度学习 | 深度神经网络 | 图像 | CIFAR-100和ImageNet数据集 | NA | NA | 准确率, 对抗攻击鲁棒性 | NA |
4116 | 2025-10-06 |
Paradigms and methods of noninvasive brain-computer interfaces in motor or communication assistance and rehabilitation: a systematic review
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03340-y
PMID:40059266
|
系统综述 | 系统回顾非侵入式脑机接口在运动或沟通辅助与康复领域的范式、方法和应用发展 | 采用PRISMA指南系统梳理2016年以来223篇研究文献,重点关注EEG和fNIRS等非侵入式技术在BCI领域的最新进展 | 电极设计便利性、解码精度与效率、患者适用系统设计等方面仍存在挑战 | 总结非侵入式脑机接口在运动或沟通辅助与康复领域的发展现状 | 脑机接口相关研究文献和临床应用 | 脑机接口 | 运动功能障碍, 沟通障碍 | 脑电图(EEG), 功能性近红外光谱(fNIRS), 稳态视觉诱发电位(SSVEP), P300, 运动想象(MI) | 深度学习 | 神经生理信号 | 223篇研究文章 | NA | NA | 解码精度, 效率 | NA |
4117 | 2025-10-06 |
Partial Differential Equations Meet Deep Neural Networks: A Survey
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3545967
PMID:40085460
|
综述 | 本文系统综述了深度神经网络在偏微分方程求解中的应用进展 | 提供了比以往专注于特定方法(如PINNs)更广泛的分类体系,并分析了跨科学、工程和医学领域的应用 | 作为综述文章,不包含原创性实验验证 | 系统分类和回顾深度神经网络在偏微分方程求解中的研究进展 | 偏微分方程和深度神经网络方法 | machine learning | NA | 深度学习 | DNN, PINNs | NA | NA | NA | NA | NA | NA |
4118 | 2025-10-06 |
NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3538335
PMID:40085464
|
研究论文 | 提出一种结合注意力机制的非迭代脉冲神经网络用于运动想象脑电信号分类 | 首次将注意力机制集成到脉冲神经网络框架中,并提出非迭代泄漏积分发放神经元模型解决传统SNN在长时间步中的梯度问题 | 仅在两个公开MI EEG数据集上进行了验证,需要更多数据集验证泛化能力 | 开发高精度、低能耗的运动想象脑电信号分类方法 | 运动想象脑电信号 | 机器学习 | NA | 脑电图 | SNN | 脑电信号 | 两个公开数据集:OpenBMI和BCIC IV 2a | NA | NiSNN-A, NiLIF | 准确率 | NA |
4119 | 2025-10-06 |
Protein Language Pragmatic Analysis and Progressive Transfer Learning for Profiling Peptide-Protein Interactions
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3540291
PMID:40100664
|
研究论文 | 提出一种可解释的深度学习模型IIDL-PepPI,通过语用分析和渐进式迁移学习来剖析肽-蛋白质相互作用 | 采用数据驱动和可解释的语用分析方法,构建双向注意力模块表征肽和蛋白质的上下文信息,并采用渐进式迁移学习框架实现多层级深度剖析 | NA | 开发深度学习模型以准确预测肽-蛋白质相互作用并识别结合残基 | 肽-蛋白质相互作用 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质复合物结构数据,肽和蛋白质序列 | NA | NA | 双向注意力模块 | NA | NA |
4120 | 2025-10-06 |
A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability
2025-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3543926
PMID:40111782
|
研究论文 | 提出了一种结合深度学习和稳定性先验信息的统一动力学建模与控制设计框架 | 首次在深度学习框架中同时学习系统动力学、稳定反馈控制器和闭环系统Lyapunov函数,显式保证学习模型的稳定性 | NA | 开发既能从数据中学习又具有控制理论保证的动力学建模与控制设计方法 | 动力系统与控制设计 | 机器学习 | NA | 深度学习 | 神经网络 | 系统动态数据 | NA | NA | NA | 稳定性, 控制性能 | NA |