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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
5861 | 2025-10-06 |
Analysis of ultrasonographic images using a deep learning-based model as ancillary diagnostic tool for diagnosing gallbladder polyps
2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2023.06.023
PMID:37407319
|
研究论文 | 本研究开发基于深度学习的超声图像分析模型,作为胆囊息肉诊断的辅助工具 | 首次将深度学习模型应用于胆囊息肉的超声图像分类,并评估其对不同经验水平医生的辅助诊断效果 | 回顾性研究设计,样本量相对有限(263名患者),需进一步前瞻性验证 | 评估深度学习模型在鉴别肿瘤性胆囊息肉与非肿瘤性胆囊息肉中的效能 | 胆囊息肉患者的超声图像 | 计算机视觉 | 胆囊疾病 | 超声成像 | 深度学习 | 图像 | 263名患者的3,754张超声图像 | NA | NA | 准确率, 敏感性, 特异性 | NA |
5862 | 2025-10-06 |
Identification of gastric signet ring cell carcinoma based on endoscopic images using few-shot learning
2023-12, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2023.07.005
PMID:37455154
|
研究论文 | 本研究提出了一种基于小样本学习的胃印戒细胞癌内镜图像识别方法 | 采用双重预训练策略(ImageNet和食管内镜图像)结合小样本学习框架解决胃印戒细胞癌样本稀缺问题 | 每类新类别仅使用50个样本,样本量较小 | 开发基于内镜图像的胃印戒细胞癌计算机辅助诊断方法 | 胃良性溃疡、腺癌和印戒细胞癌的内镜图像 | 计算机视觉 | 胃癌 | 内镜成像 | CNN | 图像 | 每类50个样本(胃良性溃疡、腺癌和SRCC),共150个样本 | TensorFlow/PyTorch(未明确指定) | EfficientNetV2-S | 准确率, 灵敏度, 召回率, 精确率, F1-score, 特异性, AUC | NA |
5863 | 2025-10-06 |
Multimodal deep learning improving the accuracy of pathological diagnoses for membranous nephropathy
2025-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2025.2528106
PMID:40659521
|
研究论文 | 开发多模态深度学习系统提高膜性肾病病理诊断准确性 | 首次结合PASM染色、免疫荧光和电镜图像构建多模态诊断系统,在荧光图像分类和沉积物分割方面优于病理医生 | 研究主要针对膜性肾病,尚未验证对其他肾小球疾病的泛化能力 | 开发辅助病理医生诊断膜性肾病的多模态病理诊断系统 | 膜性肾病患者的肾脏活检图像数据 | 数字病理 | 肾脏疾病 | PASM染色、免疫荧光、电子显微镜 | 深度学习模型 | 病理图像 | 138名各种肾脏疾病患者 | NA | NA | 准确率, 召回率, F1分数, Dice系数, IoU | NA |
5864 | 2025-10-06 |
Genotype Prediction from Retinal Fundus Images Using Deep Learning in Eyes with Age-Related Macular Degeneration
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100836
PMID:40661176
|
研究论文 | 使用深度学习模型从年龄相关性黄斑变性患者的视网膜眼底图像预测高风险基因变异 | 首次利用深度学习直接从视网膜眼底图像预测AMD相关高风险基因型,无需基因检测 | 样本量相对有限(1754名参与者),模型性能在不同AMD阶段存在差异 | 开发从视网膜眼底图像预测年龄相关性黄斑变性高风险基因型的深度学习算法 | 年龄相关性黄斑变性患者的视网膜眼底图像 | 计算机视觉 | 年龄相关性黄斑变性 | 视网膜眼底成像 | CNN, Vision Transformer | 图像 | 1754名参与者的31,271张视网膜彩色眼底照片 | NA | Vision Transformer | AUROC, 平衡准确率, 平均精确率 | NA |
5865 | 2025-10-06 |
A deep learning model for accurate segmentation of the Drosophila melanogaster brain from Micro-CT imaging
2025-Sep, Developmental biology
IF:2.5Q2
DOI:10.1016/j.ydbio.2025.05.027
PMID:40447251
|
研究论文 | 开发了一种基于预训练神经网络的深度学习模型,用于从Micro-CT图像中精确分割果蝇大脑 | 仅需1-3张Micro-CT图像即可训练准确的3D深度学习模型,并能适应不同组织对比染色、扫描仪型号和基因型 | 训练数据量有限(仅1-3张图像) | 开发自动化的果蝇大脑分割方法以替代耗时的人工分析 | 成年黑腹果蝇大脑 | 计算机视觉 | NA | Micro-CT成像 | 深度学习 | 3D Micro-CT图像 | 1-3张果蝇大脑Micro-CT图像 | NA | 预训练神经网络 | NA | NA |
5866 | 2025-10-06 |
TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants
2025-Aug, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.019
PMID:39832639
|
研究论文 | 开发了一种基于深度学习的全膝关节置换植入物自动识别工具 | 采用不确定性估计和异常检测作为安全机制,可在多种X射线视图上工作 | 仅针对九种常见的TKA植入物系统进行训练 | 自动识别全膝关节置换术中的主要植入物型号 | 全膝关节置换植入物 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 9,651名患者(共111,519张图像) | NA | EfficientNet | 准确率 | NA |
5867 | 2025-10-06 |
Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty
2025-Aug, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.032
PMID:39880053
|
研究论文 | 开发用于自动标注全髋关节置换术中植入物位置的深度学习模型 | 首次开发能够同时处理X射线和荧光透视图像并自动进行THA相关测量的深度学习模型 | 研究样本量相对有限(仅161例THA手术) | 开发自动化全髋关节置换相关测量的深度学习模型 | 骨盆X射线和荧光透视图像 | 计算机视觉 | 骨科疾病 | 医学影像分析 | 深度学习 | X射线图像, 荧光透视图像 | 161例初次全髋关节置换术的影像数据 | NA | 地标检测模型 | 地标检测准确率 | NA |
5868 | 2025-10-06 |
A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs
2025-Aug, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.038
PMID:39880057
|
研究论文 | 开发了一种基于深度学习的自动化工具,用于在膝关节前后位X光片上计算最小关节间隙宽度 | 开发了端到端算法,结合深度学习分割模型和计算机视觉算法,能够灵活处理自然膝关节和关节置换术后的膝关节 | 样本量相对有限(583张训练图像和330张独立验证图像),需要在更大数据集上进一步验证 | 开发自动化测量膝关节最小关节间隙宽度的算法 | 膝关节前后位X光片,包括自然膝关节和关节置换术后的膝关节 | 计算机视觉 | 骨关节炎 | X光成像 | 深度学习分割模型 | 医学图像(X光片) | 583张图像用于训练深度学习模型,330张独立图像用于算法验证 | NA | NA | Dice系数,平均绝对误差,Bland-Altman图 | NA |
5869 | 2025-10-06 |
AI-Driven Dental Caries Management Strategies: From Clinical Practice to Professional Education and Public Self Care
2025-Aug, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.04.007
PMID:40354695
|
综述 | 概述人工智能在龋齿管理中的应用现状,涵盖临床实践、专业教育和公众自我护理 | 首次系统整合AI在龋齿管理全流程中的应用,包括风险评估、影像诊断、治疗规划、专业培训和公众自我管理 | 未涉及具体临床验证数据和算法性能比较 | 探讨人工智能技术在龋齿个性化管理中的应用前景 | 龋齿患者、牙科专业人员、牙科学生和普通公众 | 机器学习 | 龋齿 | 机器学习,深度学习 | NA | 图像,行为数据,风险因素数据 | NA | NA | NA | NA | NA |
5870 | 2025-04-12 |
Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo
2025-Jul-17, The British journal of dermatology
DOI:10.1093/bjd/ljaf133
PMID:40209097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
5871 | 2025-10-06 |
Artificial intelligence techniques in inherited retinal diseases: a review
2025-Jul-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ade9c7
PMID:40587976
|
综述 | 本文综述了人工智能技术在遗传性视网膜疾病诊断和管理中的应用现状与前景 | 整合了AI在遗传性视网膜疾病领域的碎片化知识,提出可解释AI在临床应用中的重要性,并构建了推进临床应用的系统化路径 | 作为综述文章,不包含原始研究数据,主要基于现有文献进行分析和总结 | 探讨人工智能技术在遗传性视网膜疾病诊断、预后和管理中的应用潜力 | 遗传性视网膜疾病相关研究和临床数据 | 数字病理 | 遗传性视网膜疾病 | NA | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
5872 | 2025-10-06 |
Inverse Design of Manufacturable Infrared Metasurfaces Based on Multimodal Deep Learning Methods
2025-Jul-16, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c07116
PMID:40623946
|
研究论文 | 提出基于多模态深度学习方法的可制造红外超表面逆向设计框架 | 提出多模态神经网络框架解决复合周期性微结构的逆向设计问题,生成速度比传统方法快数个数量级 | NA | 实现复杂光子系统的按需逆向设计 | 复合周期性微结构和红外隐身超表面 | 机器学习 | NA | 红外辐射控制技术 | 深度学习,神经网络 | 光谱数据,结构参数 | NA | NA | 多模态神经网络 | 红外发射率 | NA |
5873 | 2025-10-06 |
The Second Skin: A Wearable Sensor Suite that Enables Real-Time Human Biomechanics Tracking Through Deep Learning
2025-Jul-16, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3589996
PMID:40668712
|
研究论文 | 开发了一种基于深度学习的可穿戴传感器系统,用于实时追踪人体生物力学数据 | 提出了一种用户无关、任务无关的深度学习方法,能够通过可穿戴传感器实时精确估计下肢关节状态 | 研究样本量较小(N=10),仅针对建筑和危险废物清理任务进行验证 | 研究实时确定人体运动学和动力学的方法,推进生物力学研究并实现生物反馈和通用外骨骼控制应用 | 人体下肢关节运动学和动力学 | 机器学习 | NA | 惯性测量单元(IMUs),压力鞋垫 | 深度学习 | 传感器数据 | 10名参与者,收集33种常见任务数据 | NA | NA | 均方根误差(RMSE) | NA |
5874 | 2025-10-06 |
LCwmcaR: Learning Cross-Window Cross-Modality Correlation-Aware Representation for Human Activity Recognition
2025-Jul-16, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3581226
PMID:40668703
|
研究论文 | 提出一种名为LCwmcaR的跨窗口跨模态相关性感知框架,用于人类活动识别任务 | 首次提出同时建模时空依赖的跨窗口跨模态相关性学习框架,设计了可学习时间二维化策略和跨窗口相关性感知特征生成模块 | NA | 解决人类活动识别中空间分布信息建模不足和跨窗口交互学习缺失的问题 | 人类活动识别数据 | 机器学习 | NA | 深度学习 | Mamba, CNN | 传感器序列数据 | 四个公共数据集 | NA | 双分支网络 | 准确率等指标(具体未明确说明) | NA |
5875 | 2025-10-06 |
Multi-View Fused Nonnegative Matrix Completion Methods for Drug-Target Interaction Prediction
2025-Jul-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3589662
PMID:40668724
|
研究论文 | 提出两种多视图融合非负矩阵补全方法用于药物-靶点相互作用预测 | 结合非负矩阵补全框架、线性多视图融合机制和多图拉普拉斯正则化,避免启发式秩选择并确保生物可解释性 | 未明确说明方法在极大规模数据集上的性能表现 | 提高药物-靶点相互作用预测的准确性、可解释性和可扩展性 | 药物-靶点相互作用 | 机器学习 | NA | 多视图数据融合 | 非负矩阵补全 | 异构相似性矩阵 | 四个黄金标准数据集和一个更大的真实世界数据集 | NA | 多视图融合非负矩阵补全 | 准确性, 可解释性, 可扩展性 | NA |
5876 | 2025-10-06 |
VGRF Signal-Based Gait Analysis for Parkinson's Disease Detection: A Multi-Scale Directed Graph Neural Network Approach
2025-Jul-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3589772
PMID:40668723
|
研究论文 | 提出一种基于多尺度有向图神经网络的方法,利用垂直地面反作用力信号进行帕金森病步态检测 | 首次将VGRF信号建模为多尺度有向图,同时考虑足底传感器分布关系和行走过程中的动态压力传导特性 | 未在文中明确说明研究的局限性 | 区分帕金森病患者与健康对照者的步态模式 | 帕金森病患者和健康对照者的垂直地面反作用力信号 | 机器学习 | 帕金森病 | VGRF信号分析 | 图神经网络, 时序卷积网络 | 垂直地面反作用力信号 | 三个广泛使用的数据集 | NA | 多尺度自适应有向图神经网络, 自适应有向图网络单元, 多尺度时序卷积网络单元 | 准确率, F1分数, 几何平均数 | NA |
5877 | 2025-10-06 |
Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions
2025-Jul-16, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11800-0
PMID:40670764
|
研究论文 | 评估超分辨率深度学习重建在儿科先天性心脏病CT血管造影中的图像质量和诊断性能提升效果 | 首次在自由呼吸条件下对儿科患者应用超分辨率深度学习重建技术,显著提升心内结构可视化能力 | 研究样本量有限(91例),仅针对1-10岁儿科患者,未包含其他年龄段患者 | 比较不同重建算法在儿科先天性心脏病CT血管造影中的性能差异 | 91例疑似先天性心脏病的1-10岁儿科患者 | 医学影像分析 | 先天性心脏病 | CT血管造影 | 深度学习 | 医学影像 | 91例儿科患者 | NA | 超分辨率深度学习重建,传统深度学习重建,混合迭代重建 | 准确率,灵敏度,阴性预测值,信噪比,对比噪声比,标准差 | NA |
5878 | 2025-10-06 |
DNA Methylation Recognition Using Hybrid Deep Learning with Dual Nucleotide Visualization Fusion Feature Encoding
2025-Jul-16, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00737-z
PMID:40670806
|
研究论文 | 提出一种名为DeepDNA-DNVFF的新型DNA甲基化预测方法,通过改进的双核苷酸可视化融合特征编码和混合深度学习模型提高预测性能 | 提出双核苷酸可视化融合特征编码方法,并整合CNN、BiLSTM和注意力机制的混合深度学习架构 | 在17个物种数据集中仅在其中10个表现最优,未在所有数据集中达到最佳性能 | 开发稳健的通用DNA甲基化预测方法 | DNA序列和甲基化位点 | 机器学习 | NA | DNA甲基化分析 | CNN, BiLSTM, 注意力机制 | DNA序列数据 | 17个物种数据集 | NA | CNN, BiLSTM, 注意力机制混合架构 | 马修斯相关系数 | NA |
5879 | 2025-10-06 |
AMPred-MFG: Investigating the Mutagenicity of Compounds Using Motif-Based Graph Combined with Molecular Fingerprints and Graph Attention Mechanism
2025-Jul-16, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00742-2
PMID:40670804
|
研究论文 | 提出一种结合分子指纹和基序图的新型深度学习模型AMPred-MFG,用于预测药物分子的致突变性 | 首次将分子指纹特征、分子图特征与基序图相结合,并利用图注意力机制提取关键分子片段特征 | 未明确说明模型对特定类型分子的预测局限性及数据集的潜在偏差 | 开发准确预测化合物致突变性的计算工具以辅助药物早期开发 | 药物分子化合物 | 机器学习 | NA | 深度学习 | 图Transformer, 多层感知机 | 分子图数据, 分子指纹数据 | 未明确说明具体样本数量 | 未明确说明 | 图Transformer, 多层感知机 | AUC, ACC, SEN, NPV, PPV, MCC | NA |
5880 | 2025-10-06 |
Prediction of Epilepsy Seizure Based on Cepstrum Analysis and Deep Learning
2025-Jul-16, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00741-3
PMID:40670805
|
研究论文 | 提出基于倒谱分析和深度学习的癫痫发作预测模型 | 结合梅尔频率倒谱系数和线性预测编码倒谱系数处理EEG信号,并集成CNN和LSTM提取更全面的特征 | NA | 提高癫痫发作预测的准确性和稳定性 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | MFCC, LPCC | CNN, LSTM | 脑电图信号 | CHB-MIT癫痫EEG公开数据集 | NA | CNN, LSTM | 准确率, 灵敏度, 特异性 | NA |