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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4541 | 2025-11-04 |
Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling
2025-Nov, The Journal of thoracic and cardiovascular surgery
IF:4.9Q1
DOI:10.1016/j.jtcvs.2025.01.008
PMID:39842544
|
研究论文 | 比较多种创新人工智能算法评估超声心动图视频以开发临床预测模型 | 首次在可变样本量设置下系统比较3D卷积神经网络、视频视觉变换器和混合卷积神经网络-长短期记忆模型在监督学习与半监督学习中的性能 | 研究样本量相对有限(最大800个视频数据集),未在更大规模数据上验证模型泛化能力 | 开发基于视频超声心动图图像的预测模型并评估不同样本量下的最优性能指标 | 超声心动图视频数据 | 计算机视觉 | 心血管疾病 | 超声心动图 | 3D CNN, Video Vision Transformer, CNN+LSTM | 视频 | 200、400、800个视频数据集 | NA | ResNet3D, ResNet+LSTM | 平均绝对误差(MAE), 均方根误差(RMSE) | NA |
| 4542 | 2025-11-04 |
Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents
2025-Nov, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202409-1748OC
PMID:40460372
|
研究论文 | 本研究通过深度学习分析儿童上呼吸道容积与大脑结构及认知功能的关系 | 首次在大型儿科队列中应用深度学习进行上呼吸道分割,揭示上呼吸道容积作为儿童睡眠呼吸障碍认知结果的潜在生物标志物 | 研究为观察性设计,无法确定因果关系 | 探究上呼吸道容积与儿童认知功能和大脑结构的关系 | 11,875名9-10岁儿童 | 医学影像分析 | 睡眠呼吸障碍 | 磁共振成像 | 深度学习 | 磁共振影像切片 | 11,875名儿童,5,552,640个脑部MRI切片 | NA | NA | 置信区间,p值 | NA |
| 4543 | 2025-11-04 |
Deep learning-assisted comparison of different models for predicting maxillary canine impaction on panoramic radiography
2025-Nov, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics
IF:2.7Q1
DOI:10.1016/j.ajodo.2025.05.008
PMID:40673857
|
研究论文 | 本研究使用深度学习辅助的自动标志点检测系统比较不同模型在全景X光片上预测上颌尖牙阻生的准确性 | 首次采用深度学习自动标志点定位系统辅助测量几何参数,并对外部验证的三种现有预测模型进行性能比较 | 最有效的模型仍受逻辑和计算挑战的限制,需要进一步改进 | 比较现有模型在全景X光片上预测上颌尖牙阻生的准确性 | 7-14岁接受全景X光检查并被诊断为尖牙阻生的患者 | 计算机视觉 | 牙科疾病 | 全景X光摄影 | 深度学习 | X光图像 | 102张全景X光片(102颗阻生尖牙和102颗非阻生尖牙) | NA | NA | 准确率, 灵敏度, 特异性, 精确度, AUC | NA |
| 4544 | 2025-11-04 |
An updated patent review of small molecule glucagon receptor antagonists (2020-2024)
2025-Nov, Expert opinion on therapeutic patents
IF:5.4Q1
DOI:10.1080/13543776.2025.2559928
PMID:40968011
|
综述 | 本文系统回顾了2020-2024年间小分子胰高血糖素受体拮抗剂的最新专利进展 | 发现创新主体从制药公司转向学术机构,并采用深度学习和虚拟筛选技术开发新型化学结构 | 仍需临床研究验证这些化合物能否克服当前开发瓶颈并解决安全性问题 | 评估小分子胰高血糖素受体拮抗剂在糖尿病治疗中的最新发展 | 小分子胰高血糖素受体拮抗剂 | 药物研发 | 糖尿病 | 深度学习, 虚拟筛选, 结构研究, 机制研究 | NA | 专利数据, 文献数据, 临床数据 | NA | NA | NA | NA | NA |
| 4545 | 2025-11-04 |
A Multimodal Deep Learning Approach for White Matter Shape Prediction in Diffusion MRI Tractography
2025-Nov, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70396
PMID:41171024
|
研究论文 | 提出一种名为Tract2Shape的多模态深度学习框架,用于从扩散MRI纤维束成像数据中预测白质形状测量指标 | 首次将几何流线特征(点云)与标量数据描述符(表格数据)相结合的多模态深度学习框架,采用连体架构和双编码器设计学习模态特定表示 | 未明确说明模型在更广泛疾病群体中的泛化能力,以及对其他类型白质纤维束的适用性 | 开发高效准确的白质形状测量预测方法,支持大规模白质形状分析 | 人类白质纤维束的形状测量指标 | 医学影像分析 | 神经系统疾病 | 扩散MRI纤维束成像 | 多模态深度学习, Siamese网络 | 点云数据, 表格数据 | 人类连接组计划年轻成人数据集和帕金森病进展标志物倡议数据集 | NA | 双编码器设计, Siamese架构 | Pearson相关系数, 归一化均方误差 | NA |
| 4546 | 2025-11-04 |
Deep learning models for segmentation and quantification of left atrial appendage volume using noncontrast cardiac computed tomography
2025-Nov-01, Journal of cardiovascular imaging
DOI:10.1186/s44348-025-00058-1
PMID:41174789
|
研究论文 | 本研究评估了四种基于U-Net的深度学习架构在非对比心脏CT扫描中对左心耳进行半自动分割和体积测量的性能 | 首次在非对比心脏CT扫描中系统比较多种3D U-Net变体用于左心耳分割和体积量化 | 回顾性研究设计,样本仅来自60岁以上患者,缺乏外部验证 | 开发准确的左心耳自动分割和体积测量方法以支持心血管风险评估 | 452名60岁以上因胸痛评估接受非对比心脏CT扫描的患者 | 医学影像分析 | 心血管疾病 | 非对比心脏计算机断层扫描(NCCT) | CNN | 3D医学影像 | 452名患者 | NA | UNet3D, Residual-UNet3D, 3D Attention-UNet, Res16-PAC-UNet | Dice系数, Pearson相关系数, Bland-Altman分析 | NA |
| 4547 | 2025-11-04 |
Artificial intelligence in the diagnosis of gastro-entero-pancreatic neuroendocrine neoplasms: Potential benefits and current limitations
2025-Nov, Journal of neuroendocrinology
IF:3.3Q2
DOI:10.1111/jne.70087
PMID:40876862
|
综述 | 本文综述了人工智能在胃肠胰神经内分泌肿瘤诊断中的潜在应用与当前局限 | 首次系统探讨AI在GEP-NENs诊断中的具体应用潜力及实施障碍 | 当前AI在NENs领域的研究文献有限,尚未建立临床常规应用标准 | 评估AI在胃肠胰神经内分泌肿瘤诊断中的价值与挑战 | 胃肠胰神经内分泌肿瘤(GEP-NENs) | 数字病理 | 神经内分泌肿瘤 | 机器学习,深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 4548 | 2025-11-04 |
Tackling the issue of confined chemical space with AI-based de novo drug design and molecular optimization
2025-Nov, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2025.2555275
PMID:40887314
|
综述 | 本文探讨了AI在解决化学空间受限问题中的新药设计和分子优化应用 | 利用基于条件的生成式AI技术探索化学空间中受限和未开发区域 | 评估设计分子合成可行性而不损害结构新颖性、基准数据集可用性和多样性不足、设计缺乏大规模实验验证 | 扩展治疗可利用的化学空间区域 | 药物候选分子 | 机器学习 | NA | AI驱动的从头药物设计、分子优化、逆合成预测 | 深度学习架构 | 化学结构数据 | NA | NA | 生成式AI | NA | NA |
| 4549 | 2025-11-04 |
Artificial Intelligence Applications in Musculoskeletal Imaging
2025-Oct-31, Current reviews in musculoskeletal medicine
IF:2.9Q1
DOI:10.1007/s12178-025-09997-0
PMID:41168482
|
综述 | 本文综述了人工智能在肌肉骨骼影像学中的最新应用进展 | 重点关注计算机视觉和深度学习在肌肉骨骼影像中的多样化应用,并探讨基础模型和模型效率提升等新兴技术对临床整合的推动作用 | 模型泛化能力不足、数据质量问题和计算资源需求高等因素阻碍了AI在真实临床环境中的部署应用 | 探索AI在肌肉骨骼影像学中的应用潜力及其临床整合面临的挑战 | 肌肉骨骼影像学研究及其相关临床应用 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 诊断准确性、解读时间、效率 | 高计算需求 |
| 4550 | 2025-11-04 |
OpenSpliceAI provides an efficient modular implementation of SpliceAI enabling easy retraining across nonhuman species
2025-Oct-30, eLife
IF:6.4Q1
DOI:10.7554/eLife.107454
PMID:41165728
|
研究论文 | 本文介绍了OpenSpliceAI,一个基于PyTorch实现的可训练开源剪接预测系统,解决了原SpliceAI在软件框架和物种适用性方面的限制 | 开发了可训练的PyTorch版本SpliceAI,支持从头训练和迁移学习,提升了处理速度并降低了内存使用 | 未明确说明模型在非人类物种上的具体性能表现和验证结果 | 开发一个高效、可扩展的剪接信号预测工具,支持跨物种应用 | DNA序列中的剪接信号 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA序列数据 | NA | PyTorch | SpliceAI架构 | 处理速度,内存使用量,模型一致性,概率估计校准 | 单GPU |
| 4551 | 2025-11-04 |
Photoactivated conductive MOF thin film arrays on micro-LEDs for chemiresistive gas sensing
2025-Oct-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64602-9
PMID:41168193
|
研究论文 | 本研究开发了一种将导电金属有机框架薄膜集成到微型LED平台上的光激活气体传感器 | 首次将cMOF薄膜与μLED平台集成,实现室温下的光激活气体传感,并通过深度学习算法实现快速气体识别 | 仅测试了四种特定气体(乙醇、三甲胺、氨气、二氧化氮),未验证对其他气体的适用性 | 开发高灵敏度、可逆且低功耗的气体传感技术 | 导电金属有机框架薄膜和微型LED集成平台 | 传感器技术 | NA | 层层自组装方法,光激活传感 | 深度学习算法 | 气体传感数据 | 四种气体分析物(乙醇、三甲胺、氨气、二氧化氮) | NA | NA | 分类准确率 | NA |
| 4552 | 2025-11-04 |
A Video Dataset for Nearshore Wave Breaking Type Classification
2025-Oct-30, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06005-5
PMID:41168199
|
研究论文 | 本文提出了首个专门用于近岸波浪破碎类型分类的公开视频数据集 | 首个公开的波浪破碎类型视频数据集,突破了传统静态单帧图像的限制,能够捕捉波浪破碎的动态演化过程 | 数据集仅包含来自6个海岸点的数据,可能无法覆盖所有海岸形态和波浪条件 | 开发用于波浪破碎类型分类的视频数据集和深度学习方法 | 近岸波浪破碎过程 | 计算机视觉 | NA | 岸基视频监测 | CNN, RNN | 视频 | 来自15个摄像机的9,000个标记波浪破碎片段,覆盖6个不同形态的海岸点 | NA | CNN与RNN结合的深度学习架构 | NA | NA |
| 4553 | 2025-11-04 |
In-silico comparison of a diffusion model with conventionally trained deep networks for translating 64mT to 3T brain FLAIR
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21806-9
PMID:41168216
|
研究论文 | 本研究比较了扩散模型与传统深度学习网络在将64mT低场脑FLAIR图像转换为3T高场图像方面的性能 | 首次将生成扩散模型SR3应用于低场到高场MRI图像转换,并与传统CycleGAN和UNet架构进行系统比较 | 使用合成低场MRI数据而非真实采集数据,可能无法完全反映真实临床场景 | 评估扩散模型在低场MRI图像增强和转换方面的潜力 | 脑部FLAIR MRI图像 | 医学影像处理 | 脑部疾病 | MRI成像 | 扩散模型, GAN, CNN | 医学图像 | 基于BraTS 2019数据集的合成64mT FLAIR脑图像 | NA | SR3, CycleGAN, UNet | SSIM, nRMSE, gEn, GE, PIQE | NA |
| 4554 | 2025-11-01 |
Hybrid signal decomposition and deep learning framework for vehicle-vehicle crash forecasting
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21776-y
PMID:41168218
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4555 | 2025-11-04 |
Research on the impact of explosive martial arts training on emotion regulation and attention based on questionnaire data
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21790-0
PMID:41168227
|
研究论文 | 本研究提出融合问卷数据与深度学习框架的心理影响评估方法,分析爆发性武术训练对情绪调节和注意力的影响 | 将问卷数据作为主要监督信号直接整合到模型训练中,而非辅助工具,结合轨迹感知时空感知网络与动态视角诱导优化的创新架构 | 研究基于问卷标注的子集,样本代表性可能存在局限,未提及模型泛化能力验证 | 评估爆发性武术训练对情绪调节和注意力的心理影响 | 参与爆发性武术训练的个体 | 机器学习 | NA | 问卷调查 | 深度学习 | 多模态视频数据 | 问卷标注的子集(具体数量未提及) | NA | 轨迹感知时空感知网络(TASPN), 动态视角诱导优化(DVIO) | 预测性能(具体指标未明确说明) | NA |
| 4556 | 2025-11-04 |
Evaluating large transformer models for anomaly detection of resource-constrained IoT devices for intrusion detection system
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21826-5
PMID:41168224
|
研究论文 | 本研究评估大型Transformer模型在资源受限物联网设备入侵检测系统中的异常检测能力 | 首次将BERT、DistilBERT和RoBERTa等大型Transformer模型应用于物联网入侵检测,通过将网络数据转换为文本格式实现NLP模型的兼容性 | 研究基于RT_IoT2022数据集,可能无法完全代表所有物联网安全场景;资源受限设备的实际部署挑战未充分讨论 | 开发基于大型Transformer模型的实时物联网入侵检测系统,提高威胁检测的准确性和自动化水平 | 资源受限的物联网设备及其网络流量数据 | 自然语言处理 | NA | 深度学习,自然语言处理 | Transformer | 文本格式的网络流量数据 | RT_IoT2022数据集 | Hugging Face | BERT, DistilBERT, RoBERTa | 训练损失,验证损失 | NA |
| 4557 | 2025-11-04 |
DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21337-3
PMID:41168219
|
研究论文 | 提出一种融合病灶特征模拟的混合CNN架构DRCNN-Lesion Proxy,用于糖尿病视网膜病变严重程度分类 | 通过病灶代理模块模拟病灶特征线索,无需显式病灶边界框标注,实现异构特征融合 | 未明确说明样本量的具体数值和模型计算资源需求 | 开发准确且可扩展的糖尿病视网膜病变自动筛查解决方案 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, 混合架构 | 图像 | NA | NA | ResNet34, 混合CNN | 准确率, F1分数, AUC | NA |
| 4558 | 2025-11-04 |
Application of AI and deep learning technology for IPE education under dual track cultivation model
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21875-w
PMID:41168276
|
研究论文 | 探索基于人工智能深度学习模型的双轨培养模式在职业院校思政教育中的有效性 | 将AI深度学习技术与思政教育双轨培养模式相结合,优化模型在思政知识掌握、政治意识、实践能力和学生满意度等方面显著优于传统模式 | NA | 评估AI驱动的双轨培养模式在职业院校思政教育中的效果 | 职业院校学生 | 机器学习 | NA | 深度学习 | 深度学习模型 | 教育评估数据 | NA | NA | NA | 政治信仰得分、理论知识掌握得分、社会实践参与得分、活动满意度得分 | NA |
| 4559 | 2025-11-04 |
Explainable attention-based deep learning for classification and interpretation of heart murmurs using phonocardiograms
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21971-x
PMID:41168299
|
研究论文 | 提出一种基于可解释注意力机制的深度学习框架,用于心音图的心杂音分类和解释 | 采用Transformer架构进行时频特征提取,并结合Grad-CAM生成可视化解释,显著提升诊断准确性和临床可解释性 | 需要在多样化临床环境中进一步验证模型的鲁棒性,未来将探索与多模态数据的整合 | 开发结合高准确性和临床可解释性的心血管疾病诊断方法 | 心音图信号中的心杂音 | 机器学习 | 心血管疾病 | 心音图 | Transformer | 音频信号 | 超过1,300条录音,包含HeartWave、CirCor DigiScope、PhysioNet和深圳数据集 | NA | Transformer | 准确率, 宏F1分数, AUC | NA |
| 4560 | 2025-11-04 |
Evaluation of normalized T1 signal intensity obtained using an automated segmentation model in lower leg MRI as a potential imaging biomarker in Charcot-Marie-Tooth disease type 1 A
2025-Oct-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21901-x
PMID:41168314
|
研究论文 | 评估基于深度学习自动分割模型获取的下肢MRI标准化T1信号强度作为CMT1A疾病影像学生物标志物的潜力 | 首次使用深度学习自动分割模型从下肢MRI四个肌肉区域提取标准化信号强度,并验证其与临床参数的相关性 | 回顾性研究设计,样本量有限(107例患者) | 开发CMT1A疾病的定量影像学生物标志物 | 107名CMT1A患者的下肢MRI数据 | 数字病理 | 神经系统疾病 | MRI T1加权成像 | 深度学习分割模型 | 医学影像 | 107例CMT1A患者 | NA | NA | 相关系数 | NA |