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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6921 | 2025-10-06 |
A deep learning-based computed tomography reading system for the diagnosis of lung cancer associated with cystic airspaces
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05986-y
PMID:40596379
|
研究论文 | 提出基于深度学习的CT影像阅读系统LungSSFNet,用于辅助诊断囊性气腔相关肺癌 | 开发了基于nnUnet的新型深度学习模型LungSSFNet,在囊性气腔相关肺癌的识别和分割任务中表现优于现有多个模型 | 回顾性研究,样本量有限(342个CT序列),需要进一步前瞻性验证 | 探索深度学习模型在囊性气腔相关肺癌辅助诊断中的性能 | 囊性气腔相关肺癌和肺大泡患者的CT影像 | 计算机视觉 | 肺癌 | 计算机断层扫描(CT) | 深度学习 | 医学影像 | 342个CT序列(272个LCCA,70个肺大泡) | nnUnet | LungSSFNet, UNet, M2Snet, TANet, MADGNet, nnUnet | 交并比, Dice相似系数, 准确率, 精确率, 灵敏度 | NA |
6922 | 2025-10-06 |
Clinical validation of AI assisted animal ultrasound models for diagnosis of early liver trauma
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91900-5
PMID:40596647
|
研究论文 | 开发并验证用于早期肝创伤识别的AI辅助超声模型 | 结合巴马小型猪动物数据和北京患者临床数据开发深度学习模型,在内部测试中表现优于初级和高级超声医师 | 外部测试中模型性能略低于高级超声医师 | 开发AI辅助超声模型用于早期肝创伤识别 | 巴马小型猪和北京患者 | 医学影像分析 | 肝创伤 | 超声成像 | 深度学习 | 超声图像 | 巴马小型猪和北京患者数据 | NA | NA | Dice相似系数,真阳性率,阳性预测值,Hausdorff距离 | NA |
6923 | 2025-10-06 |
Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net
2025-Jul-02, Current medical imaging
IF:1.1Q3
|
研究论文 | 使用半孪生U-Net架构从肺部电阻抗断层扫描重建心脏相关成像 | 提出新型半孪生U-Net架构,通过共享编码器和双解码器设计独立分割肺部和心脏区域 | 目前结果仅限于真实数据的定性评估和基于模拟的训练 | 从肺部EIT中重建心脏相关阻抗成像,改善心脏监测能力 | 肺部电阻抗断层扫描数据 | 医学影像分析 | 心血管疾病 | 电阻抗断层扫描(EIT) | U-Net | 医学影像数据 | 基于FEM的EIT模拟数据和真实人类EIT数据 | NA | 半孪生U-Net | Dice系数, MAE | NA |
6924 | 2025-10-06 |
3MT-Net: A Multi-Modal Multi-Task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3445952
PMID:39163184
|
研究论文 | 提出一种基于多中心研究的乳腺癌多模态多任务分类模型3MT-Net | 首次将临床数据与B超、彩色多普勒超声图像融合,采用AM-CapsNet提取特征和级联交叉注意力机制进行数据融合 | 回顾性数据收集,未提及外部验证结果 | 开发乳腺癌良恶性分类及病理亚型分类的深度学习模型 | 乳腺病变患者 | 数字病理 | 乳腺癌 | 超声成像 | Capsule Network, 集成学习 | 临床数据, B超图像, 彩色多普勒超声图像 | 来自9个医疗中心的多中心数据 | NA | AM-CapsNet, 3MT-Net | AUC | NA |
6925 | 2025-10-06 |
Fewer medullary pyramids in the living kidney donor are associated with graft failure in the recipient
2025-Jul, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons
IF:8.9Q1
DOI:10.1016/j.ajt.2025.01.041
PMID:39892790
|
研究论文 | 本研究通过CT和组织学分析发现活体供肾中肾锥体数量较少与移植肾失败风险增加相关 | 首次发现肾锥体数量可作为预测移植肾失败的预捐赠生物标志物 | 研究限于ABO相容的活体供肾移植,样本量3098例 | 确定与活体供肾移植失败相关的肾实质结构特征 | 活体肾移植受者 | 数字病理 | 肾脏疾病 | 计算机断层扫描, 组织形态计量学, 深度学习 | 深度学习模型 | CT图像, 组织活检图像 | 3098名肾移植受者 | NA | NA | 发病率(每100人年), 肾小球滤过率 | NA |
6926 | 2025-10-06 |
Exploring an Innovative Deep Learning Solution for Acupuncture Point Localization on the Weak Feature Body Surface of the Human Back
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3511128
PMID:40030421
|
研究论文 | 提出一种基于自注意力模块的深度学习网络,用于人体背部弱特征体表的穴位定位与识别 | 采用自注意力模块进行图像特征全局提取,解决了传统CNN在弱特征图像任务中因过度裁剪和缩放导致的分类模糊问题 | 仅针对人体背部穴位进行研究,未涉及其他身体部位 | 探索高效可靠的穴位定位与识别解决方案,解决当前依赖医师主观经验的问题 | 人体背部弱特征体表的84个穴位 | 计算机视觉 | 中医诊疗 | 深度学习 | CNN, 自注意力网络 | 图像 | 自建人体背部穴位数据集,由专业中医师标注 | NA | 自注意力模块 | 定位准确度(平均误差小于1cm) | NA |
6927 | 2025-10-06 |
Class-Agnostic Feature-Learning-Based Deep-Learning Model for Robust Melanoma Prediction
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3535536
PMID:40031346
|
研究论文 | 提出一种基于类无关激活映射的深度学习模型,用于提高黑色素瘤预测的鲁棒性和诊断准确性 | 使用类无关激活映射(CAAMs)解决皮肤病变图像因成像条件和病变位置变化导致的模型激活不一致问题 | NA | 开发鲁棒的黑色素瘤预测深度学习模型 | 皮肤病变图像中的黑色素瘤和痣 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | ISIC 2017和ISIC 2019数据集 | NA | ConvNeXt, ResNet | AUROC, Dice系数 | NA |
6928 | 2025-10-06 |
Respiratory Anomaly and Disease Detection Using Multi-Level Temporal Convolutional Networks
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3545156
PMID:40031640
|
研究论文 | 提出一种基于多级时序卷积网络的呼吸音分析框架,用于呼吸异常和疾病检测 | 首次将空间特征提取与时序卷积网络结合,通过多级时序卷积网络捕捉呼吸音的时空相关性 | 基于公开数据集验证,在临床实际应用中的泛化能力有待进一步验证 | 开发呼吸音自动分析系统以实现肺部疾病的早期检测 | 呼吸音音频数据 | 数字病理 | 肺部疾病 | 深度学习 | TCN, CNN | 音频 | ICBHI 2017挑战数据集 | NA | 多级时序卷积网络(ML-TCN) | 准确率, 敏感度, 特异度, Score指标 | NA |
6929 | 2025-10-06 |
Optimal Electroencephalogram and Electrooculogram Signal Combination for Deep Learning-Based Sleep Staging
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3541453
PMID:40031834
|
研究论文 | 本研究通过深度学习模型探索脑电图和眼电图信号组合在自动睡眠分期中的最优性能 | 首次系统比较不同EEG和EOG信号组合对深度学习自动睡眠分期性能的影响 | 研究仅针对疑似阻塞性睡眠呼吸暂停患者,未涵盖其他睡眠障碍类型 | 识别用于深度学习自动睡眠分期的最优EEG和EOG信号组合 | 876名疑似阻塞性睡眠呼吸暂停患者 | 机器学习 | 睡眠障碍 | 多导睡眠图 | 深度学习 | 生理信号 | 876名受试者 | NA | NA | 准确率, Cohen's kappa | NA |
6930 | 2025-10-06 |
DSleepNet: Disentanglement Learning for Personal Attribute-Agnostic Three-Stage Sleep Classification Using Wearable Sensing Data
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3541851
PMID:40031837
|
研究论文 | 提出一种基于解耦学习的睡眠分期分类方法DSleepNet,通过分离个人属性相关和无关特征提升模型泛化能力 | 引入双概率编码器将特征空间解耦为个人属性相关和无关组件,并提出独立激励机制消除两类特征间的相关性 | 未提及具体样本量限制或跨中心验证的局限性 | 开发对个人属性不敏感的三阶段睡眠分期分类模型 | 可穿戴传感器采集的睡眠监测数据 | 机器学习 | 睡眠障碍 | 可穿戴传感技术 | CNN, 概率编码器 | 传感器时序数据 | NA | NA | DSleepNet | F1分数, Cohen's Kappa | NA |
6931 | 2025-10-06 |
Beyond the Ground Truth, XGBoost Model Applied to Sleep Spindle Event Detection
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3544966
PMID:40031867
|
研究论文 | 提出基于XGBoost的新型睡眠纺锤波检测框架SpinCo,通过可解释特征实现接近深度学习方法的性能 | 开发基于滑动窗口特征提取和XGBoost算法的检测框架,提出对称性事件评估指标和基于专家间一致性的泛化能力测试方法 | 性能略低于最先进的深度学习技术 | 开发可解释的自动睡眠纺锤波检测方法 | 脑电图中的睡眠纺锤波微事件 | 机器学习 | 睡眠障碍 | 脑电图分析 | XGBoost | 脑电图信号 | NA | XGBoost | NA | 对称性事件指标, 概率解释指标, 专家间一致性评估 | NA |
6932 | 2025-10-06 |
Enhancing Image Retrieval Performance With Generative Models in Siamese Networks
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3543907
PMID:40036556
|
研究论文 | 本研究评估生成式深度学习模型如何提升基于内容的图像检索系统性能,特别在前列腺癌诊断领域 | 首次在文献中使用针对CBIR优化的潜在表示训练注意力机制进行WSI的Gleason评分 | NA | 提升前列腺癌诊断中基于内容的图像检索系统性能 | 前列腺癌组织图像 | 计算机视觉 | 前列腺癌 | 生成对抗网络 | Siamese Network, GAN | 医学图像 | SiCAPv2数据集 | ProGleason-GAN | Siamese Network | NA | NA |
6933 | 2025-10-06 |
Contrastive Learning With Transformer to Predict the Chronicity of Children With Immune Thrombocytopenia
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3551365
PMID:40085458
|
研究论文 | 提出一种结合对比学习和Transformer的方法来预测儿童免疫性血小板减少症的慢性化 | 首次将对比学习与Transformer结合处理小样本和不平衡数据问题,通过随机掩码和过采样技术增强数据 | 数据量小且类别不平衡,可能影响模型泛化能力 | 预测儿童免疫性血小板减少症的慢性化趋势 | 患有免疫性血小板减少症的儿童患者 | 机器学习 | 免疫性血小板减少症 | 深度学习 | Transformer | 异质表格数据 | 真实世界ITP儿童数据(具体数量未提及) | NA | FT-Transformer | NA | NA |
6934 | 2025-10-06 |
High Sensitivity Photoacoustic Imaging by Learning From Noisy Data
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3552692
PMID:40106247
|
研究论文 | 提出一种自监督深度学习方法,仅使用噪声数据提高光声图像的信噪比 | 无需昂贵真实标签数据,仅使用噪声数据进行自监督训练,可泛化应用于不同光声成像系统 | 未明确说明方法在极端噪声条件下的性能表现 | 提高光声成像的信噪比和成像深度 | 光声图像中的血管细节和深部肿瘤 | 医学影像处理 | 肿瘤 | 光声成像 | 深度学习 | 图像 | NA | NA | NA | 信噪比,成像深度 | NA |
6935 | 2025-10-06 |
Multi-Modal Deep Representation Learning Accurately Identifies and Interprets Drug-Target Interactions
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3553217
PMID:40111772
|
研究论文 | 提出一种名为UnitedDTA的可解释深度学习框架,通过整合多模态生物分子数据提升药物-靶标结合亲和力预测性能 | 首次通过对比学习和交叉注意力机制实现多模态数据的自动对齐与整合,在预测未知药物-靶标对时展现更好的泛化能力和可解释性 | 未明确说明模型在处理特定类型多模态数据时的具体限制条件 | 改进药物-靶标相互作用预测,特别是针对新型(未见过)药物和靶标的结合亲和力预测 | 药物-靶标复合物及其结合亲和力 | 机器学习 | NA | 多模态数据整合(序列、图结构、三维结构) | 深度学习 | 多模态生物分子数据(序列、图、三维结构) | 多个基准数据集(未指定具体样本数量) | NA | 对比学习,交叉注意力机制 | 结合亲和力预测精度,泛化能力 | NA |
6936 | 2025-10-06 |
Generative T2*-weighted images as a substitute for true T2*-weighted images on brain MRI in patients with acute stroke
2025 Jul-Aug, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.03.004
PMID:40113490
|
研究论文 | 验证深度学习算法从弥散加权图像生成T2*加权图像,并比较其与真实T2*加权图像在急性卒中患者脑出血检测中的性能 | 首次使用生成对抗网络从弥散加权图像生成T2*加权图像,并证明其在脑出血检测中可与真实T2*加权图像相媲美 | 单中心回顾性研究,样本量有限(939例患者),需多中心前瞻性研究进一步验证 | 验证生成T2*加权图像在急性卒中患者脑出血检测中的诊断价值 | 急性卒中患者的脑部MRI图像 | 医学影像分析 | 急性卒中 | MRI成像 | GAN | 医学图像 | 939例患者(487名女性,452名男性),共1491组MRI数据 | NA | 生成对抗网络 | 敏感性, 特异性, 准确率, Kappa系数 | NA |
6937 | 2025-10-06 |
PhysCL: Knowledge-Aware Contrastive Learning of Physiological Signal Models for Cuff-Less Blood Pressure Estimation
2025-Jul, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3554495
PMID:40131744
|
研究论文 | 提出一种用于无袖带血压估计的生理信号对比学习方法PhysCL,通过知识感知增强和特征重建减少对标注数据的依赖 | 引入知识感知增强库解决对比学习中的语义一致性问题,并提出对比特征重建方法增强特征多样性 | 研究仅基于106名受试者数据,需要更大规模验证 | 开发减少标注数据依赖的生理信号模型用于无袖带血压估计 | 光电容积脉搏波(PPG)信号 | 机器学习 | 心血管疾病 | 光电容积脉搏波(PPG) | 对比学习 | 生理信号 | 106名受试者,来自MIMIC III、MIMIC IV和UQVS数据集 | NA | 对比学习框架 | 平均绝对误差(MAE) | NA |
6938 | 2025-10-06 |
Towards Better Cephalometric Landmark Detection With Diffusion Data Generation
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3557430
PMID:40178956
|
研究论文 | 提出一种基于扩散模型的头影测量X射线图像生成方法,用于提升头影测量标志点检测性能 | 开发了无需人工干预的多样化头影测量X射线图像及标注生成方法,并引入提示头影测量X射线图像数据集实现精确的样本属性控制 | NA | 解决头影测量标志点检测中数据稀缺和标注困难的问题 | 头影测量X射线图像 | 计算机视觉 | 口腔正畸 | 扩散模型 | 扩散模型, 大规模视觉检测模型 | X射线图像, 文本提示 | NA | NA | 扩散模型 | 成功检测率 | NA |
6939 | 2025-10-06 |
Multiparametric Ultrasound Breast Tumors Diagnosis Within BI-RADS Category 4 via Feature Disentanglement and Cross-Fusion
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3558786
PMID:40198287
|
研究论文 | 提出一种集成多参数超声信息的新型框架,用于辅助诊断BI-RADS 4类乳腺肿瘤 | 基于双分支Transformer-CNN编码器实现多参数特征解耦,并提出特征解耦损失函数确保特征互补性和一致性 | 未明确说明研究的具体局限性 | 解决BI-RADS 4类乳腺肿瘤良恶性诊断的不确定性问题 | BI-RADS 4类乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 多参数超声成像(B型图像、Nakagami参数图像) | Transformer, CNN | 图像, 语义属性 | 多中心多参数数据集(具体样本数量未说明) | NA | Transformer-CNN双分支编码器 | NA | NA |
6940 | 2025-10-06 |
DistAL: A Domain-Shift Active Learning Framework With Transferable Feature Learning for Lesion Detection
2025-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3558861
PMID:40227902
|
研究论文 | 提出一种结合主动学习与域不变特征学习的框架,用于解决医学图像病灶检测中的域偏移问题 | 提出DistAL框架,结合对比一致性训练学习域不变特征,并设计RUDY样本选择策略同时考虑代表性、不确定性和多样性 | NA | 解决医学图像病灶检测中的域偏移问题,降低标注成本 | 来自不同医院的医学图像病灶检测 | 计算机视觉 | 多器官病灶 | 医学影像分析 | 深度学习 | 医学图像 | 8个来自不同医院的数据集,仅需标注目标域1.7%的样本 | NA | NA | 病灶检测性能比较 | NA |