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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4821 | 2025-10-06 |
Supervised contrastive loss helps uncover more robust features for photoacoustic prostate cancer identification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1592815
PMID:40703547
|
研究论文 | 本研究将监督对比学习引入光声光谱分析,用于前列腺癌识别 | 提出SCL-adjust模型,在光声光谱特征提取中应用监督对比损失函数,显著提升特征鲁棒性和模型迁移性能 | 个体异质性仍然是影响判别性能的重要因素 | 从复杂生物组织中提取更可靠特征,提升前列腺癌的判别准确率 | 前列腺癌的光声光谱数据 | 医学影像分析 | 前列腺癌 | 光声光谱分析 | CNN, 监督对比学习 | 光谱数据 | NA | NA | CNN-based模型, SC模型, SCL-adjust模型 | 准确率 | NA |
4822 | 2025-10-06 |
Using deep learning to screen OCTA images for hypertension to reduce the risk of serious complications
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1581785
PMID:40703652
|
研究论文 | 使用深度学习分析OCTA图像筛查高血压以降低严重并发症风险 | 首次结合Xception卷积神经网络和多Swin Transformer架构分析高血压患者的眼底微血管变化 | 样本量有限(422张OCTA图像),模型准确率有待进一步提升 | 通过深度学习分析OCTA图像筛查高血压及其并发症风险 | 高血压患者和健康受试者的眼底血管 | 计算机视觉 | 心血管疾病 | 光学相干断层扫描血管成像(OCTA) | CNN, Transformer | 图像 | 422张OCTA图像(来自136名高血压患者和85名健康受试者) | NA | Xception, Swin Transformer | 准确率, 灵敏度 | NA |
4823 | 2025-10-06 |
Construction of crown profile prediction model of Pinus yunnanensis based on CNN-LSTM-attention method
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1567131
PMID:40703862
|
研究论文 | 基于CNN-LSTM-Attention混合深度学习方法和新型树冠竞争指数构建云南松树冠轮廓预测模型 | 首次将CNN-LSTM-Attention混合深度学习模型与新型树冠轮廓竞争指数(CPCI)相结合,有效捕捉树冠空间异质性和垂直结构 | 研究仅基于云南大理苍山5个年龄分层固定样地的629棵树数据,样本来源地域有限 | 提高云南松树冠轮廓预测精度,更好地理解森林结构和竞争关系 | 云南松(Pinus yunnanensis)树冠轮廓 | 计算机视觉 | NA | 深度学习建模 | CNN, LSTM, Attention机制 | 树冠轮廓数据 | 629棵树,来自5个年龄分层固定样地 | NA | CNN-LSTM, CNN-LSTM-Attention, Vanilla LSTM | MSE, RMSE, MAE, R² | NA |
4824 | 2025-10-06 |
Design and development of an efficient RLNet prediction model for deepfake video detection
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1569147
PMID:40704217
|
研究论文 | 提出一种结合ResNet和LSTM的RLNet深度学习框架,用于高精度检测深度伪造视频 | 同时利用空间和时间特征进行深度伪造检测,结合ResNet捕捉帧级空间异常和LSTM分析视频序列的时间不一致性 | 未明确说明数据集的具体规模和多样性限制 | 开发高效的深度伪造视频检测方法以增强数字内容的安全性和真实性 | 真实视频和深度伪造视频 | 计算机视觉 | NA | 深度学习 | CNN, LSTM | 视频 | 包含真实视频和深度伪造视频的多样化数据集(具体数量未说明) | NA | ResNet, LSTM | 准确率 | NA |
4825 | 2025-10-06 |
Application of deep learning for diagnosis of shoulder diseases in older adults: a narrative review
2025-Jan, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.e6
PMID:40704206
|
综述 | 探讨深度学习在老年人肩部疾病诊断中的应用现状与潜力 | 系统综述深度学习在肩部疾病自动化诊断中的创新应用,包括图像分割、运动分析和骨质疏松量化 | 需要大规模前瞻性验证研究来确保通用性和临床工作流程整合 | 评估深度学习技术在老年人肩部疾病诊断与管理中的应用价值 | 老年人肩部疾病患者 | 计算机视觉 | 老年疾病 | MRI, CT, X射线 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
4826 | 2025-10-06 |
Automatic sleep staging based on 24/7 EEG SubQ (UNEEG medical) data displays strong agreement with polysomnography in healthy adults
2024-Dec, Sleep health
IF:3.4Q2
DOI:10.1016/j.sleh.2024.08.007
PMID:39406630
|
研究论文 | 基于24/7皮下脑电图数据的自动睡眠分期与多导睡眠图在健康成人中表现出高度一致性 | 首次使用UNEEG医疗的24/7皮下脑电图设备和深度学习模型U-SleepSQ进行自动睡眠分期 | 研究样本仅包含22名健康成年人,未涉及睡眠障碍患者 | 评估双通道皮下脑电图自动睡眠分期的性能 | 22名健康成年人,每人1-6次记录 | 医疗人工智能 | 睡眠医学 | 皮下脑电图(SubQ EEG), 多导睡眠图(PSG) | 深度学习 | 脑电图信号 | 22名健康成年人,共1-6次记录/人 | NA | U-SleepSQ(基于U-Sleep的微调模型) | 准确率, 特异性, 敏感性, kappa系数, F1分数, Cohen's κ系数, 宏F1分数, Bland-Altman分析 | NA |
4827 | 2025-10-06 |
Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction
2024-Nov, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06850-3
PMID:39060373
|
研究论文 | 本研究开发了一种基于多模态深度学习的[68Ga]Ga-DOTA-FAPI-04 PET极坐标图生成方法,用于检测心肌梗死后反应性纤维化 | 提出融合多模态图像补偿PET图像中心脏结构信息丢失的深度学习方法,提高极坐标图生成准确性 | 样本量相对有限(87例患者),需要进一步验证 | 提高[68Ga]Ga-DOTA-FAPI-04 PET极坐标图生成准确性,探索其在检测心肌梗死后反应性纤维化中的价值 | 87例ST段抬高型心肌梗死患者 | 医学影像分析 | 心血管疾病 | PET/MR成像,深度学习 | 深度学习模型 | 多模态医学影像(PET/MR图像) | 87例患者的133对[68Ga]Ga-DOTA-FAPI-04 PET/MR图像,其中26例用于纵向分析 | NA | NA | 准确性,相关系数(LVESV%, LVEDV%, LVEF%) | NA |
4828 | 2024-10-02 |
Clarifications on the Differentiation of Vertebral Fractures Using Deep Learning Models
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241162
PMID:39352286
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
4829 | 2025-10-06 |
Predicting the severity of mood and neuropsychiatric symptoms from digital biomarkers using wearable physiological data and deep learning
2024-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108959
PMID:39089109
|
研究论文 | 本研究利用可穿戴设备采集的生理数据和深度学习技术,预测轻度认知障碍老年患者的神经精神症状和情绪障碍严重程度 | 结合传统数字生物标志物与自监督卷积自编码器提取的深度学习特征,实现对神经精神症状严重程度的日常预测 | 研究仅针对轻度认知障碍老年人群,样本代表性有限 | 开发基于可穿戴设备和深度学习的心理健康症状连续评估方法 | 轻度认知障碍老年患者 | 机器学习 | 老年疾病 | 可穿戴传感器数据采集 | 自监督卷积自编码器 | 生理数据 | 轻度认知障碍老年人群 | NA | 卷积自编码器 | 相关系数 | NA |
4830 | 2025-10-06 |
A deep learning-driven discovery of berberine derivatives as novel antibacterial against multidrug-resistant Helicobacter pylori
2024-07-08, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-024-01895-0
PMID:38972904
|
研究论文 | 利用图神经网络深度学习模型发现新型小檗碱衍生物作为抗耐药幽门螺杆菌的抗菌剂 | 首次采用图神经网络深度学习模型预测并验证具有3,13-二取代烯烃结构的小檗碱衍生物8作为新型抗幽门螺杆菌候选药物 | 研究主要聚焦于临床前验证,尚未进行人体临床试验 | 开发针对多重耐药幽门螺杆菌的新型抗菌药物 | 幽门螺杆菌(包括药物敏感和耐药菌株) | 药物发现 | 幽门螺杆菌感染 | 化学蛋白质组学技术 | 图神经网络 | 分子结构数据 | 13,638个分子组成的训练集 | NA | 图神经网络 | 最小抑菌浓度 | NA |
4831 | 2025-10-06 |
Enhancing Hypotension Prediction in Real-time Patient Monitoring Through Deep Learning: A Novel Application of XResNet with Contrastive Learning and Value Attention Mechanisms
2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- )
DOI:10.1007/978-3-031-66538-7_5
PMID:39155989
|
研究论文 | 本研究提出了一种基于XResNet架构的深度学习模型,通过对比学习和值注意力机制增强实时患者监测中的低血压预测性能 | 首次将XResNet架构与对比学习和值注意力机制相结合,专门针对动脉血压波形信号分析进行优化 | NA | 提高实时患者监测中低血压预测的准确性和可靠性 | 动脉血压波形信号 | 医疗健康监测 | 低血压 | 深度学习 | XResNet | 生理信号波形数据 | NA | NA | XResNet | NA | NA |
4832 | 2025-10-06 |
Dev-ResNet: automated developmental event detection using deep learning
2024-05-15, The Journal of experimental biology
IF:2.8Q2
DOI:10.1242/jeb.247046
PMID:38806151
|
研究论文 | 提出一种名为Dev-ResNet的小型高效3D卷积神经网络,用于自动检测发育生物学中的发育事件 | 开发了首个能够同时检测空间和时间特征的发育事件检测深度学习模型 | NA | 实现发育生物学中发育事件的自动化检测 | 大池塘蜗牛(Lymnaea stagnalis)的胚胎发育过程 | 计算机视觉 | NA | 生物成像 | CNN | 3D图像序列 | 10种不同的功能事件 | NA | ResNet | NA | NA |
4833 | 2025-10-06 |
An accurate pediatric bone age prediction model using deep learning and contrast conversion
2024-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2024.e23
PMID:40703683
|
研究论文 | 本研究开发了一种结合深度学习模型和对比度转换技术的儿科骨龄预测模型 | 首次系统比较多种深度学习架构与对比度增强技术在儿科骨龄预测中的综合性能 | 仅使用左手X射线图像,未考虑其他影响因素;样本来源单一 | 提高儿科生长评估的准确性和临床决策支持 | 儿科患者左手X射线图像 | 计算机视觉 | 儿科发育疾病 | X射线成像,对比度转换技术 | CNN | 图像 | 包含骨龄和性别标注的儿科左手X射线图像数据集 | NA | ResNet50, VGG19, Inception V3, Xception | MAE, RMSE, PSNR, MSE, 变异系数, 对比噪声比 | NA |
4834 | 2025-10-06 |
What is the role of artificial intelligence in general surgery?
2024-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2024.e22
PMID:40703691
|
综述 | 分析人工智能在普通外科中的应用现状及其与其他医学领域的差异 | 首次系统比较AI在普通外科与其他医学专科(如病理学、放射学、肿瘤学)应用差异,并提出针对普通外科的AI工具定制化路径 | 手术室中AI应用研究严重不足,缺乏足够证据支持,存在伦理责任问题需要解决 | 探讨人工智能在普通外科各阶段(术前、术中、术后)的应用潜力和挑战 | 普通外科临床实践流程及相关已发表研究 | 医学人工智能 | 外科疾病 | 深度学习 | 神经网络 | 临床数据 | NA | NA | NA | NA | NA |
4835 | 2025-10-06 |
Validation of a Deep Learning Algorithm for Continuous, Real-Time Detection of Atrial Fibrillation Using a Wrist-Worn Device in an Ambulatory Environment
2023-10-03, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.123.030543
PMID:37750558
|
研究论文 | 验证一种基于深度学习算法的手腕穿戴设备在动态环境中连续实时检测房颤的性能 | 开发了首个结合光电容积脉搏波和卷积神经网络的手腕穿戴设备,实现医疗级连续房颤监测 | 研究仅纳入阵发性房颤患者,样本量相对有限(117例) | 验证手腕穿戴设备在动态环境中连续监测房颤的临床性能 | 阵发性房颤患者 | 数字病理 | 心血管疾病 | 光电容积脉搏波,lead-I ECG | CNN | 生理信号数据 | 117名阵发性房颤患者,111名提供有效数据,共91,857个15分钟间隔 | NA | 卷积神经网络 | 灵敏度,特异性,R²,平均差异 | NA |
4836 | 2025-10-06 |
Multivariate longitudinal data for survival analysis of cardiovascular event prediction in young adults: insights from a comparative explainable study
2023-01-25, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-023-01845-4
PMID:36698064
|
研究论文 | 本研究通过比较六种建模策略,探讨了纵向数据在年轻成人心血管事件预测中的价值,并比较了不同模型解释方法 | 开发了统一可扩展的框架,比较了纵向数据与横截面数据在心血管风险预测中的性能差异,并系统评估了模型特定和模型无关的解释方法 | 研究仅基于CARDIA队列的3539名参与者,需要扩展到更多变量和其他纵向建模方法 | 评估纵向数据在心血管事件生存分析预测中的附加价值 | 年轻成人心血管事件风险预测 | 机器学习 | 心血管疾病 | 生存分析,纵向数据分析 | 随机生存森林,深度学习模型 | 纵向临床数据 | 3539名参与者,包含6次检查访视的35个变量,随访时间15年 | NA | 时间序列大规模特征提取,轨迹聚类 | C-index,时间依赖性AUC | NA |
4837 | 2025-10-06 |
Emphysema Progression at CT by Deep Learning Predicts Functional Impairment and Mortality: Results from the COPDGene Study
2022-09, Radiology
IF:12.1Q1
DOI:10.1148/radiol.213054
PMID:35579519
|
研究论文 | 本研究使用深度学习算法评估吸烟者连续CT扫描中肺气肿严重程度的变化,并分析其与功能损害和死亡率的关系 | 首次使用深度学习算法自动评估Fleischner肺气肿分级系统在连续CT扫描中的进展,并验证其与临床预后的关联 | 研究为对已有前瞻性研究的二次分析,可能存在选择偏倚 | 评估基于深度学习的肺气肿严重程度分级在连续CT扫描中的临床和影像学意义 | COPDGene研究中的吸烟者参与者 | 医学影像分析 | 慢性阻塞性肺疾病 | CT扫描 | 深度学习 | 医学影像 | 5056名参与者(平均年龄60岁±9,2566名男性) | NA | NA | 风险比, 统计显著性 | NA |
4838 | 2025-10-06 |
Differential Privacy Enabled Robust Asynchronous Federated Multitask Learning: A Multigradient Descent Approach
2025-Aug, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3571953
PMID:40531632
|
研究论文 | 提出一种结合差分隐私的鲁棒异步联邦多任务学习方法,通过多梯度下降解决数据异构和拜占庭攻击问题 | 首次将联邦学习重构为多目标优化问题,提出联邦多梯度下降算法,并开发半异步聚合方法和分布式差分隐私技术 | 未明确说明具体应用场景下的性能限制和计算开销分析 | 解决联邦学习中的数据异构、设备异构、隐私泄露和非凸损失等实际问题 | 边缘计算设备和分布式数据源 | 机器学习 | NA | 联邦学习,差分隐私 | 深度学习模型 | 分布式数据 | NA | NA | NA | 收敛性分析 | 边缘计算设备 |
4839 | 2025-10-06 |
A Deep Learning Multimodal Fusion-Based Method for Cell and Nucleus Segmentation
2025-Jul-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3592625
PMID:40711898
|
研究论文 | 提出一种基于深度学习多模态融合的细胞和细胞核分割方法 | 通过多模态提示模块结合图像和文本信息,无需在新数据上重新训练即可完成分割任务 | 依赖预训练模型的质量和自然图像与细胞图像的领域差异 | 解决细胞图像标注数据稀缺问题,开发无需重新训练的分割方法 | 细胞和细胞核的图像分割 | 数字病理学 | NA | 多模态数据融合 | 深度神经网络 | 图像, 文本 | NA | NA | NA | NA | NA |
4840 | 2025-10-06 |
A Multi-Modal Pelvic MRI Dataset for Deep Learning-Based Pelvic Organ Segmentation in Endometriosis
2025-Jul-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05623-3
PMID:40707497
|
研究论文 | 本研究提出了用于子宫内膜异位症盆腔器官分割的多模态MRI数据集,并评估了两种自动分割方法的性能 | 首次公开提供专门针对子宫内膜异位症的多中心盆腔MRI数据集,包含多结构手动标注和评估者间一致性分析 | 数据集规模相对有限,卵巢分割在子宫内膜异位症MRI中存在挑战 | 开发子宫内膜异位症盆腔MRI的自动分割方法 | 子宫内膜异位症患者的盆腔MRI影像 | 数字病理 | 子宫内膜异位症 | 磁共振成像 | CNN | 医学影像 | 多中心数据集51例(3名标注者),单中心数据集81例(1名标注者) | nnU-Net | nnU-Net, RAovSeg | 分割性能评估 | NA |