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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6341 | 2025-10-06 |
Three-dimensional digital quantitative analysis of periodontal and peri-implant phenotype-A narrative review
2025-Jul-11, Periodontology 2000
IF:17.5Q1
DOI:10.1111/prd.12639
PMID:40641458
|
综述 | 对牙周及种植体周围表型三维数字化定量分析方法进行系统性评述 | 首次系统比较CBCT和口内扫描等三维数字化技术与传统方法在牙周评估中的优劣,并前瞻性提出人工智能与深度学习整合方向 | 未充分挖掘三维数字化临床数据的全部潜力,需要突破传统评估范式的概念框架 | 验证三维数字化分析在牙周及种植体周围组织评估中的可靠性 | 牙周及种植体周围组织表型 | 数字病理 | 牙周疾病 | CBCT, 口内扫描, 光学表面扫描, 超声成像 | NA | 三维影像数据 | NA | NA | NA | NA | NA |
6342 | 2025-10-06 |
Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field'
2025-Jul-11, Current urology reports
IF:2.5Q2
DOI:10.1007/s11934-025-01283-3
PMID:40643724
|
综述 | 本文提供增强现实在泌尿外科手术中的应用现状、技术原理及发展限制的实用指南 | 系统梳理近五年AR技术在泌尿外科手术中的最新进展,重点关注人工智能和深度学习在解决软组织变形配准挑战中的应用 | 重建外科和男科学等亚专业在研究中代表性不足,技术广泛采用仍存在限制 | 探讨增强现实技术在泌尿外科手术中的当前应用、技术原理和发展前景 | 泌尿外科手术程序,包括机器人辅助根治性前列腺切除术、经皮肾镜取石术和肾移植 | 医学影像与手术导航 | 泌尿系统疾病 | 增强现实(AR)、混合现实(MR)、人工智能、深度学习 | NA | 术前影像、手术导航数据 | NA | NA | NA | NA | NA |
6343 | 2025-10-06 |
BaSbBS4: a record-high-performance birefringent crystal identified by a target-driven closed-loop strategy
2025-Jul-10, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc01983d
PMID:40510313
|
研究论文 | 本研究通过目标驱动的闭环策略发现了一种创纪录高性能红外双折射晶体BaSbBS4 | 开发了结合功能基元筛选、深度学习辅助高通量计算与目标实验的闭环框架,实现了[BS]和[SbS]基元的协同优化组装 | NA | 探索具有大双折射率和宽带隙的红外双折射材料 | 含平面[BS]和/或立体化学活性孤对电子基团的晶体材料 | 材料科学 | NA | 深度学习辅助高通量计算、晶体结构筛选、光学性能计算 | 深度学习 | 晶体结构数据、光学性能数据 | 筛选出9种优异晶体(6种具有巨大双折射率,3种兼具大双折射率和宽带隙) | NA | NA | 双折射率(Δ)、带隙() | NA |
6344 | 2025-10-06 |
An Efficient FoG-M3 Method for Self-Adaptive Labeling and Predicting Freezing of Gait
2025-Jul-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3587734
PMID:40638345
|
研究论文 | 提出一种基于深度学习的步态冻结预测方法FoG-M3,通过自适应标签和混合技术解决帕金森病患者步态冻结预测难题 | 采用非固定长度的Pre-FoG标签方法,结合Mixup数据增强、MoCo对比学习和Mamba模块的U-Net架构 | 未明确说明模型计算复杂度及在更广泛患者群体中的泛化能力 | 开发高精度的步态冻结预测方法,为帕金森病患者提供足够的姿势调整时间 | 帕金森病患者的步态冻结现象 | 机器学习 | 帕金森病 | 深度学习 | U-Net | 运动传感器数据 | Daphnet和BHXC两个数据集 | NA | U-Net with Mamba module | 准确率 | NA |
6345 | 2025-10-06 |
BSN with Explicit Noise-Aware Constraint for Self-Supervised Low-Dose CT Denoising
2025-Jul-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3587639
PMID:40638344
|
研究论文 | 提出一种具有显式噪声感知约束的自监督低剂量CT去噪方法 | 首次在盲点网络中引入显式噪声感知约束机制,摆脱了对相邻噪声独立性假设的依赖 | 未明确说明方法在极端低剂量情况下的性能表现 | 开发自监督深度学习方法来处理低剂量CT图像中的空间相关噪声 | 低剂量CT图像 | 医学图像处理 | NA | 计算机断层扫描(CT) | 盲点网络(BSN) | CT图像 | 多种临床数据集 | NA | 噪声感知盲点网络(NA-BSN) | 噪声减少效果, 图像细节保留能力 | NA |
6346 | 2025-10-06 |
DeepBindi: An End-to-End Fear Detection System Optimized for Extreme-Edge Deployment
2025-Jul-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3587961
PMID:40638343
|
研究论文 | 提出了一种专为极端边缘部署优化的端到端恐惧检测系统DeepBindi | 结合先进特征工程与优化轻量级1D-CNN架构,专门针对极端边缘设备设计 | 仅针对恐惧情绪进行检测,未验证其他情绪识别能力 | 开发适用于可穿戴系统的实时恐惧情绪识别技术 | 基于生理信号的恐惧情绪识别 | 机器学习 | NA | 生理信号分析 | 1D-CNN | 生理信号数据 | WEMAC数据集 | NA | 轻量级1D-CNN | F1-score, 准确率 | ARM Cortex-M4架构(功耗16mW@5V) |
6347 | 2025-10-06 |
Scalable emulation of protein equilibrium ensembles with generative deep learning
2025-Jul-10, Science (New York, N.Y.)
DOI:10.1126/science.adv9817
PMID:40638710
|
研究论文 | 介绍BioEmu深度学习系统,通过生成式深度学习模拟蛋白质平衡系综 | 整合超过200毫秒分子动力学模拟、静态结构和实验蛋白质稳定性数据,使用新型训练算法联合建模结构系综和热力学性质 | NA | 大规模预测功能相关的蛋白质结构变化 | 蛋白质平衡系综 | 机器学习 | NA | 分子动力学模拟,深度学习 | 生成式深度学习模型 | 蛋白质结构数据,分子动力学模拟数据,实验稳定性数据 | 整合超过200毫秒分子动力学模拟数据 | NA | NA | 相对自由能准确度(1 kcal/mol) | 单个GPU |
6348 | 2025-10-06 |
Rapid Fluorescence Lifetime Imaging through One-Dimensional Deep Learning Optimization
2025-Jul-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01984
PMID:40641077
|
研究论文 | 提出一种基于一维通道注意力卷积神经网络的高效荧光寿命成像方法 | 首次将一维通道注意力卷积神经网络应用于荧光寿命成像,实现硬件高效的数据处理 | NA | 开发快速高效的荧光寿命成像计算方法 | 荧光寿命成像数据、阿尔茨海默病小鼠脑切片、STED-FLIM成像数据 | 计算机视觉 | 阿尔茨海默病 | 荧光寿命成像、时间相关单光子计数、STED-FLIM成像 | CNN | 一维时间序列数据 | 实验训练数据集 | NA | 1D CANN | 预测误差 | NA |
6349 | 2025-10-06 |
MRI sequence focused on pancreatic morphology evaluation: three-shot turbo spin-echo with deep learning-based reconstruction
2025-Jul-10, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251355844
PMID:40641210
|
研究论文 | 比较新型三激发涡轮自旋回波深度学习重建序列与传统MRI序列在胰腺成像质量方面的表现 | 开发了结合深度学习重建的三激发涡轮自旋回波序列,提高了胰腺MRI图像的空间分辨率和对比度 | 仅纳入50名健康志愿者,缺乏胰腺癌患者的验证数据 | 评估新型MRI序列在胰腺形态学成像中的性能 | 50名健康志愿者的胰腺MRI图像 | 医学影像 | 胰腺癌 | 磁共振成像,深度学习重建 | 深度学习 | 医学影像 | 50名健康志愿者 | NA | NA | 运动伪影评分,边缘锐度评分,主胰管识别率 | NA |
6350 | 2025-10-06 |
Integrative multimodal ultrasound and radiomics for early prediction of neoadjuvant therapy response in breast cancer: a clinical study
2025-Jul-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14556-4
PMID:40629283
|
研究论文 | 开发整合多模态超声和影像组学的早期预测模型,用于评估乳腺癌新辅助治疗反应 | 首次将多模态超声(B超、剪切波弹性成像、超声造影)与影像组学特征相结合,在治疗两周期后早期预测乳腺癌新辅助治疗反应 | 回顾性研究设计,样本量相对有限(239例患者) | 建立乳腺癌新辅助治疗反应的早期预测模型 | 239例接受新辅助治疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 多模态超声(B超、剪切波弹性成像、超声造影) | U-Net, 逻辑回归 | 超声图像 | 239例乳腺癌患者(训练集167例,验证集72例) | PyRadiomics | U-Net | AUC, 敏感性, 特异性 | NA |
6351 | 2025-10-06 |
ColoViT: a synergistic integration of EfficientNet and vision transformers for advanced colon cancer detection
2025-Jul-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06199-6
PMID:40632312
|
研究论文 | 提出了一种结合EfficientNet和视觉Transformer的混合诊断框架ColoViT,用于结肠癌检测 | 首次将EfficientNet的可扩展特征提取能力与视觉Transformer的全局上下文信息捕捉能力协同整合 | 仅进行了初步评估,需要进一步验证 | 通过深度学习图像分析提高结肠癌早期检测能力 | 结肠镜图像中的癌前病变和早期结肠癌 | 计算机视觉 | 结肠癌 | NA | CNN,Transformer | 图像 | NA | NA | EfficientNet,Vision Transformer | 召回率,精确率,F1分数,AUC | NA |
6352 | 2025-10-06 |
Evolving Blood Pressure Estimation: From Feature Analysis to Image-Based Deep Learning Models
2025-Jul-09, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02228-6
PMID:40632332
|
研究论文 | 提出一种基于单点PPG信号的图像化深度学习框架用于无创血压估计 | 首次将PPG信号及其一阶二阶导数转换为图像,并采用ResNet-50结合多头交叉注意力机制实现多模态特征融合 | 未明确说明模型对运动伪影的鲁棒性及在不同人群中的泛化能力 | 开发更便捷准确的无创血压监测方法 | 光电容积脉搏波信号及其衍生图像 | 计算机视觉 | 心血管疾病 | PPG信号采集与图像转换 | CNN, 注意力机制 | 图像 | 三个独立数据集(未明确具体样本量) | 未明确说明 | ResNet-50, 多头交叉注意力机制 | 符合AAMI和BHS医疗标准 | NA |
6353 | 2025-10-06 |
A hybrid deep learning model EfficientNet with GRU for breast cancer detection from histopathology images
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00930-6
PMID:40634313
|
研究论文 | 提出一种结合EfficientNetV2和GRU的混合深度学习模型,用于乳腺癌组织病理学图像的准确分类 | 集成EfficientNetV2进行多尺度特征提取,并结合带有注意力机制的GRU来建模序列依赖关系 | NA | 开发高性能深度学习框架用于乳腺癌组织病理学图像的准确分类 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 组织病理学图像分析 | CNN, GRU | 图像 | BreakHis和Camelyon17数据集(200倍放大) | NA | EfficientNetV2, GRU | 精确率, 召回率, F1分数, 特异性, IoU, 准确率 | NA |
6354 | 2025-10-06 |
Enhanced detection of Mpox using federated learning with hybrid ResNet-ViT and adaptive attention mechanisms
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05391-5
PMID:40634415
|
研究论文 | 提出一种基于联邦学习的混合ResNet-ViT模型,用于增强猴痘皮肤病变检测 | 结合ResNet和Vision Transformer架构,集成XGBoost和LightGBM分类器,采用联邦学习保护数据隐私 | NA | 开发隐私保护且可扩展的猴痘检测系统 | 猴痘皮肤病变图像 | 计算机视觉 | 猴痘 | 深度学习 | CNN, Transformer | 图像 | 3192张增强图像 | Python | ResNet, Vision Transformer | 准确率, 精确率, 召回率, 鲁棒性 | NA |
6355 | 2025-10-06 |
Leveraging explainable artificial intelligence for early detection and mitigation of cyber threat in large-scale network environments
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08597-9
PMID:40634417
|
研究论文 | 提出一种结合可解释人工智能的网络安全威胁早期检测与缓解方法 | 集成Mayfly优化算法进行特征选择,采用稀疏去噪自编码器结合Hiking优化算法进行超参数调优,并引入LIME增强模型可解释性 | 仅使用NSLKDD2015和CICIDS2017数据集进行验证,未提及其他数据集或真实环境测试 | 实现大规模网络环境中网络安全威胁的早期检测与缓解 | 网络攻击和网络安全威胁 | 机器学习 | NA | 机器学习,深度学习 | 自编码器 | 网络数据 | 使用NSLKDD2015和CICIDS2017数据集 | NA | 稀疏去噪自编码器(SDAE) | 准确率 | NA |
6356 | 2025-10-06 |
Electricity usage prediction using developed human evolutionary optimization algorithm and Xception neural network
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10557-2
PMID:40634445
|
研究论文 | 提出一种结合改进人类进化优化算法和Xception神经网络的新型电力使用预测方法 | 首次将开发的DHEO优化算法与改进的Xception神经网络相结合用于电力使用预测,能够更精确捕捉电力消耗数据中的复杂依赖关系 | NA | 预测电力使用量,优化能源生产,有效预测未来需求 | 电力消耗数据,包括天气条件、人口统计洞察和经济指标等多种因素 | 机器学习 | NA | 时间序列分析 | Xception神经网络 | 时间序列数据 | NA | NA | Xception | NA | NA |
6357 | 2025-10-06 |
Transformer optimization with meta learning on pathology images for breast cancer lymph node micrometastasis
2025-Jul-09, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01833-6
PMID:40634485
|
研究论文 | 开发了一种名为MetaTrans的新型网络,通过元学习在病理图像上识别乳腺癌淋巴结微转移 | 结合元学习技术处理有限数据集,开发了MetaTrans网络,在多个临床场景中表现出优异的跨域适应能力 | 微转移病灶尺寸较小限制了数据集的扩展 | 开发能够有效识别淋巴结微转移的深度学习模型 | 乳腺癌、甲状腺癌和结直肠癌的淋巴结微转移 | 数字病理 | 乳腺癌 | 元学习 | Transformer | 病理图像 | 34类数据集(MT-MCD) | NA | MetaTrans | 零样本任务性能,跨域适应能力 | NA |
6358 | 2025-10-06 |
Deep learning-based automatic detection and grading of disk herniation in lumbar magnetic resonance images
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10401-7
PMID:40634500
|
研究论文 | 开发了一种改进的YOLOv8模型(GE-YOLOv8),用于自动检测和分级腰椎磁共振图像中的椎间盘突出 | 在YOLOv8基础上结合梯度搜索模块和高效通道注意力机制,增强关键结构特征学习能力并提升小目标病变检测灵敏度 | NA | 解决腰椎MR图像解读过程重复耗时及不同经验医师诊断结果不一致的问题 | 腰椎磁共振图像中的椎间盘突出 | 计算机视觉 | 椎间盘疾病 | 磁共振成像 | CNN | 医学图像 | 福建医科大学附属协和医院平潭分院数据集和外部测试数据集 | NA | YOLOv8, GE-YOLOv8 | mAP50 | NA |
6359 | 2025-10-06 |
Real-Time jamming detection using windowing and hybrid machine learning models for pre-saturation alerts
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10567-0
PMID:40634565
|
研究论文 | 提出一种用于GNSS干扰下Ublox-M8T接收机欺骗和压制干扰检测的新型深度学习和机器学习模型 | 集成窗口机制实现预饱和警报和干扰检测早期激活,在静态和动态干扰条件下区分高可信度和低可信度GNSS数据 | NA | 开发实时干扰检测系统以增强GNSS接收机在干扰环境下的可靠性 | Ublox-M8T接收机中的欺骗和压制干扰信号 | 机器学习 | NA | 软件定义无线电 | XGBoost | GNSS信号数据 | 在受控条件下收集的真实GNSS和干扰信号 | XGBoost | XGBoost分类器 | 检测率, 精确度, 马修斯相关系数, 预测时间 | STM32H743微控制器 |
6360 | 2025-10-06 |
Artificial Intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study
2025-Jul-09, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002922
PMID:40638258
|
研究论文 | 开发基于Transformer的深度学习模型COFFEE,用于结直肠癌肝转移组织学生长模式的精确分类 | 首次将Transformer架构与多实例学习框架结合,通过多头自注意力和金字塔位置编码生成器有效聚合全切片图像中的空间和形态学信息 | 样本量相对有限,前瞻性队列仅包含30例患者 | 开发AI辅助工具提升结直肠癌肝转移组织学生长模式的诊断精度和手术评估 | 431例结直肠癌肝转移患者的全切片图像 | 数字病理 | 结直肠癌肝转移 | 全切片图像分析 | Transformer | 图像 | 431例患者(训练297例,测试104例,前瞻性30例),共使用2414张全切片图像 | PyTorch | Vision Transformer, TransMIL | AUC, 准确率, 诊断时间 | NA |