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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4721 | 2025-10-06 |
EEG quantization and entropy of multi-step transition probabilities for driver drowsiness detection via LSTM
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110758
PMID:40651200
|
研究论文 | 提出一种结合EEG信号量化和多步转移概率熵特征提取与LSTM网络的驾驶员 drowsiness 检测方法 | 采用EEG信号量化与多步转移概率熵特征提取,结合LSTM网络进行 drowsiness 状态分类 | NA | 通过脑电图检测驾驶员 drowsiness 状态 | 驾驶员脑电图信号 | 机器学习 | NA | 脑电图 | LSTM, HMM | 脑电图信号 | NA | NA | LSTM | 准确率 | NA |
4722 | 2025-10-06 |
Fusion of bio-inspired optimization and machine learning for Alzheimer's biomarker analysis
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110746
PMID:40651201
|
研究论文 | 本研究融合生物启发优化算法与机器学习技术,通过海马体分割和分类实现阿尔茨海默病的早期诊断 | 首次将象群优化算法和乌鸦搜索优化算法与ResNet50分类器结合应用于阿尔茨海默病生物标志物分析 | 未提及研究样本量的具体数据以及外部验证结果 | 开发基于脑部区域分析的阿尔茨海默病早期诊断方法 | 脑部关键区域(胼胝体、灰质、海马体、脑室、白质),重点关注海马体 | 机器学习 | 阿尔茨海默病 | 深度学习,优化算法 | CNN | 医学图像 | NA | NA | ResNet50 | 准确率 | NA |
4723 | 2025-10-06 |
A preprocessing method based on 3D U-Net for abdomen segmentation
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110709
PMID:40652756
|
研究论文 | 提出一种基于3D U-Net的预处理方法用于腹部区域分割 | 开发了专门针对腹部CT图像分割的预处理步骤,既能提高分割性能又能加快分割速度 | 仅使用特定数据集进行验证,需要进一步测试在其他数据集上的泛化能力 | 改进生物医学图像自动分割的预处理方法 | 腹部CT图像中的感兴趣区域 | 数字病理 | 腹部疾病 | CT成像 | 3D U-Net | 3D医学图像 | 训练集6998个切片,测试集1311个切片 | NA | 3D U-Net | Dice系数, Hausdorff距离, HD95, 平均对称表面距离 | NA |
4724 | 2025-10-06 |
Deep siamese residual support vector machine with applications to disease prediction
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110693
PMID:40664125
|
研究论文 | 提出一种名为深度孪生残差支持向量机(DSRSVM)的端到端学习模型,将深度神经网络与支持向量机相结合 | 通过深度残差网络孪生预训练和深度残差支持向量机微调两阶段学习,实现深度学习与支持向量机的协同效应 | NA | 开发一种超越传统深度学习和支持向量机简单组合的协同学习框架 | 医学数据集 | 机器学习 | NA | NA | SVM, 深度神经网络 | 医学数据 | NA | NA | 残差网络 | 准确率, 召回率, F1分数 | NA |
4725 | 2025-10-06 |
Can your brain signals reveal your romantic emotions?
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110754
PMID:40664128
|
研究论文 | 本研究通过分析脑电图信号开发机器学习模型来预测个体在模拟约会应用中的浪漫吸引和拒绝情绪 | 首次基于单试次事件相关电位分析实现对个体内部浪漫情绪的预测 | 使用模拟约会应用而非真实场景,样本量相对有限 | 探索脑信号是否能够揭示浪漫情绪 | 61名参与者(31名女性,30名男性) | 机器学习 | NA | 脑电图(EEG),事件相关电位(ERP) | 机器学习模型,深度学习模型 | 脑电图信号 | 61名参与者 | NA | NA | ROC-AUC | NA |
4726 | 2025-10-06 |
Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning
2025-Sep-01, Drug and alcohol dependence
IF:3.9Q1
DOI:10.1016/j.drugalcdep.2025.112774
PMID:40684523
|
研究论文 | 本研究通过认知任务和生理数据,利用时序融合深度学习模型检测阿片类药物滥用 | 首次使用时序融合变换器模型结合认知任务行为和生理信号数据来检测阿片类药物滥用 | 需要与客观的阿片类药物滥用测量标准进行基准比较,样本量相对有限 | 开发机器学习模型来检测阿片类药物滥用,预防用药过量和阿片使用障碍风险 | 169名使用阿片类镇痛药治疗慢性疼痛的患者 | 机器学习 | 药物滥用障碍 | Current Opioid Misuse Measure (COMM), Dot Probe任务, Go/No-Go任务 | 时序融合变换器 | 生理信号数据, 行为反应数据 | 169名患者,9238个数据点 | NA | Temporal Fusion Transformer | AUC, 特异性, 敏感性 | NA |
4727 | 2025-10-06 |
Automated analysis of mouse rearing using deep learning
2025-Sep, Journal of pharmacological sciences
IF:3.0Q2
DOI:10.1016/j.jphs.2025.06.002
PMID:40713344
|
研究论文 | 开发基于卷积循环神经网络的深度学习模型,用于自动检测小鼠站立行为 | 首次将CRNN模型应用于小鼠站立行为的自动化分析,实现了与人类观察相当的检测灵敏度 | 仅使用C57BL/6小鼠数据,模型在其他品系小鼠上的泛化能力未验证 | 开发自动化工具用于啮齿类动物行为分析 | C57BL/6小鼠 | 计算机视觉 | NA | 视频行为分析 | CRNN | 视频 | C57BL/6小鼠的行为视频数据 | NA | 卷积循环神经网络 | 灵敏度 | NA |
4728 | 2025-10-06 |
A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy
2025-Aug-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113045
PMID:40703442
|
研究论文 | 开发基于深度学习的计算机辅助诊断系统ECCADx,通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌 | 首个将对比学习集成用于宫腔镜下AEH和EC特异性分化的系统 | NA | 提高子宫内膜癌和非典型子宫内膜增生的诊断准确性 | 宫腔镜图像中的非典型子宫内膜增生和子宫内膜癌病变 | 计算机视觉 | 子宫内膜癌 | 宫腔镜检查 | 深度学习 | 图像 | 训练集:49,646张图像来自1,204名患者;验证集:6,228张图像来自190名患者 | NA | 对比学习 | 灵敏度, 特异性 | NA |
4729 | 2025-10-06 |
Deep learning-based breast cancer diagnosis in breast MRI: systematic review and meta-analysis
2025-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11406-6
PMID:39907762
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习模型在乳腺MRI中诊断乳腺癌的性能 | 首次对2015-2024年间深度学习在乳腺MRI诊断乳腺癌的应用进行全面系统评价和定量荟萃分析 | 存在显著的固有变异性,仅有21项研究符合定量分析条件 | 评估深度学习模型在乳腺MRI中诊断乳腺癌的性能表现 | 乳腺癌诊断相关的深度学习研究 | 医学影像分析 | 乳腺癌 | MRI影像分析 | CNN, 混合复合模型 | MRI影像 | 40项研究(其中21项符合定量分析) | NA | NA | AUC, 敏感性, 特异性 | NA |
4730 | 2025-10-06 |
Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma
2025-Aug, Hepatology international
IF:5.9Q1
DOI:10.1007/s12072-025-10793-8
PMID:40089963
|
研究论文 | 开发了一种可解释的注意力增强启发式范式,用于肝细胞癌多视角预后风险评分开发 | 提出新颖的深度学习辅助范式,通过生成可解释的多视角风险评分来补充现有方法,特别设计了注意力激活器(ATAT)启发式识别高预后风险组织 | NA | 开发可解释的多视角预后风险评分系统,用于肝细胞癌患者的风险分层 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 深度学习 | 神经网络 | 病理图像 | 内部数据集510例HCC患者(SYSUCC),外部测试集341例HCC患者(TCGA-LIHC) | NA | 注意力激活器(ATAT) | 风险比(HR), 一致性指数(c-index) | NA |
4731 | 2025-10-06 |
A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans
2025-Aug, 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.2025.02.014
PMID:40186597
|
研究论文 | 开发并验证一种从锥形束CT扫描中自动创建人类牙齿3D表面模型的深度学习算法 | 提出一种用于锥形束CT扫描的多类别牙齿分割深度学习模型,实现牙齿的自动3D建模 | NA | 开发自动牙齿分割的深度学习算法 | 人类牙齿的锥形束CT扫描数据 | 医学影像分析 | 牙科疾病 | 锥形束计算机断层扫描 | 深度学习 | 3D医学影像 | 210例患者扫描(训练集140例,验证集40例,测试集30例) | NA | NA | 准确率 | NA |
4732 | 2025-10-06 |
Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods
2025-Aug, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01781-x
PMID:40343649
|
研究论文 | 研究AI肺结节检测程序在超低剂量CT中不同图像重建方法下的检测性能差异 | 首次系统评估AI肺结节检测程序在超低剂量CT中不同图像重建方法(包括深度学习重建)的性能表现 | 使用胸部体模而非真实患者数据,未检测到3mm磨玻璃结节 | 评估AI肺结节检测程序在超低剂量CT中的性能及其受图像重建方法的影响 | 嵌入人工肺结节(实性结节和磨玻璃结节)的胸部体模 | 医学影像分析 | 肺癌 | CT扫描,图像重建技术(FBP、HIR、MBIR、DLR) | AI检测程序 | CT图像 | 使用6种管电流电压组合扫描的胸部体模数据 | NA | NA | 检测率 | NA |
4733 | 2025-10-06 |
Automated Microbubble Discrimination in Ultrasound Localization Microscopy by Vision Transformer
2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3570496
PMID:40372868
|
研究论文 | 提出一种基于视觉Transformer的自动化微泡鉴别方法,用于超声定位显微镜成像 | 采用高效通道注意力Vision Transformer和渐进式学习策略,无需估计脉冲响应和每帧微泡数量等先验知识 | 主要使用合成数据进行训练,真实数据验证相对有限 | 开发无需先验知识的通用超声定位显微镜流程 | 超声成像中的微泡信号 | 计算机视觉 | NA | 超声定位显微镜 | Vision Transformer | 超声图像 | 合成数据集+5个公共数据集(1个硅基数据集和4个活体数据集) | NA | Vision Transformer | 阳性预测值, 均方根误差 | NA |
4734 | 2025-10-06 |
[AI-based applications in medical image computing]
2025-Aug, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz
DOI:10.1007/s00103-025-04093-7
PMID:40600998
|
综述 | 本文综述了人工智能在医学图像计算中的应用及其临床价值 | 系统总结了深度学习在医学图像分割、配准和生成等任务中的最新进展与应用潜力 | 未涉及具体实验验证和性能对比分析 | 探讨人工智能技术在医学图像分析中的应用与发展前景 | 医学图像数据(CT、MRI、PET等)及相关临床应用 | 医学图像计算 | NA | 深度学习 | 深度神经网络 | 医学图像 | NA | NA | NA | NA | NA |
4735 | 2025-10-06 |
Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS
2025-Aug, Surgical endoscopy
DOI:10.1007/s00464-025-11858-3
PMID:40551029
|
研究论文 | 开发并验证基于SOTA算法的AI辅助内镜超声系统,用于胆胰区域分割和站点识别 | 首次将多种SOTA深度学习算法应用于EUS图像分析,并通过人机竞赛验证系统性能优于中级内镜医师 | 研究样本主要来自单一机构,外部验证集规模相对有限 | 开发AI辅助EUS系统以提高胆胰疾病诊断的准确性和效率 | 胆胰区域的解剖结构分割和站点识别 | 计算机视觉 | 胆胰疾病 | 内镜超声成像 | 深度学习 | 医学图像 | 45,737张EUS图像(来自1,852名患者),其中2,881张用于内部测试,2,747张用于外部验证,340张用于人机竞赛 | NA | Mean Teacher, ResNet-50, YOLOv8-CLS, UNet++, YOLOv8, U-Net v2 | 准确率 | NA |
4736 | 2025-10-06 |
BanglaTaka: A dataset for classification of Bangladeshi banknotes
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111853
PMID:40703564
|
研究论文 | 本文介绍了BanglaNotes数据集,用于孟加拉国纸币面额分类的基准数据集 | 首次发布包含5073张高质量孟加拉国纸币图像的基准数据集,涵盖9种面额 | 仅包含孟加拉国纸币,未涉及其他国家货币或伪钞检测 | 开发纸币自动分类系统以提升金融安全和电子交易效率 | 孟加拉国纸币(2、5、10、20、50、100、200、500和1000 BDT面额) | 计算机视觉 | NA | NA | NA | 图像 | 5073张纸币图像 | NA | NA | NA | NA |
4737 | 2025-10-06 |
Benford's Law in histology
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100458
PMID:40704058
|
研究论文 | 本研究探索将本福特定律应用于数字病理学中的全玻片图像分析,以区分正常肝细胞和癌变肝细胞 | 首次将本福特定律这一统计工具应用于数字病理学领域,用于分析细胞形态学数据的自然分布规律 | QuPath软件无法准确区分所有细胞质边界,导致部分尺寸测量类别数据无法使用 | 开发快速分析大型数字病理数据集的新统计方法 | 肝组织细胞(正常肝细胞与癌变肝细胞) | 数字病理学 | 肝癌 | 定量组织形态计量学,本福特定律分析 | NA | 全玻片图像,细胞形态学数据 | 20张玻片共323,039个细胞(15张癌变组织玻片206,700个细胞,5张正常组织玻片116,339个细胞) | QuPath | NA | 卡方拟合优度检验 | NA |
4738 | 2025-10-06 |
Modelling the liver's regenerative capacity across different clinical conditions
2025-Aug, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101465
PMID:40704068
|
研究论文 | 本研究通过系统生物学和机器学习方法识别了不同临床条件下肝脏再生的关键生物标志物 | 开发了新型对比深度学习框架,整合临床和转录组数据预测再生结果,并识别出跨物种保守的细胞周期调控基因 | 研究基于小鼠模型,人类临床验证仍需进一步研究 | 识别不同临床条件下肝脏再生的关键转录组、蛋白质组和血清生物标志物 | 六种小鼠模型(年轻雄性和雌性、老年小鼠、2期纤维化、脂肪变性、他克莫司暴露) | 机器学习 | 肝脏疾病 | 转录组分析、蛋白质组分析、血清生物标志物检测、SPLiT-seq | 对比深度学习 | 转录组数据、蛋白质组数据、临床数据 | 六种小鼠模型,每种模型接受75%肝切除 | 深度学习框架(具体未指明) | 对比深度学习框架(使用三元组损失) | 准确率87.9% | NA |
4739 | 2025-10-06 |
Self-Supervised Optimization of RF Data Coherence for Improving Breast Reflection UCT Reconstruction
2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3581915
PMID:40549515
|
研究论文 | 本研究提出了一种自监督优化方法,通过三个精心设计的模块提升射频数据相干性,改善乳腺反射超声计算机断层扫描重建质量 | 提出了三个创新模块:自监督盲射频数据分段块、基于状态空间模型的强反射预测块和基于极性的自适应替换细化策略,有效提升RF数据相干性并抑制旁瓣噪声 | 未明确说明样本数量和具体数据来源,且仅在稀疏传输条件下验证性能 | 改善乳腺反射超声计算机断层扫描的重建质量,解决声速变化导致的图像质量问题 | 乳腺组织反射超声数据 | 医学影像处理 | 乳腺癌 | 超声计算机断层扫描 | NA | 射频数据 | NA | NA | NA | PSNR, SSIM, RMSE, CF, Var | NA |
4740 | 2025-10-06 |
Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction
2025-Jul-28, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00856
PMID:40609014
|
研究论文 | 提出基于残基的跨模态图框架,通过结合序列语义特征和空间结构信息增强蛋白质功能属性预测 | 首次将PLM语义特征与空间拓扑结构通过双图网络融合,采用LA-GCN和GVP-GNN分别处理动态残基关联和结构特征 | 未明确说明模型对未知蛋白家族的泛化能力及计算资源需求的具体分析 | 提升细胞功能相关蛋白质属性的预测精度 | 蛋白质的亚细胞定位、溶解度、金属离子结合和热稳定性四种功能属性 | 生物信息学 | NA | 蛋白质语言模型(PLM), 图神经网络 | GCN, GNN | 蛋白质序列数据, 空间结构数据 | NA | NA | Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN) | 预测性能指标, 训练效率指标 | NA |