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 | 
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7041 | 2025-10-06 | Interpretable representation learning for 3D multi-piece intracellular structures using point clouds 
          2024-Aug-13, bioRxiv : the preprint server for biology
          
         
          DOI:10.1101/2024.07.25.605164
          PMID:39091871
         | 研究论文 | 提出一种基于点云和3D旋转不变自编码器的表示学习框架,用于量化细胞内多片段结构的形态特征 | 采用点云和3D旋转不变自编码器,开发了适用于复杂多片段形态的表示学习方法,能够无监督发现亚结构聚类 | NA | 开发客观、鲁棒且可泛化的细胞内多片段结构量化方法 | 具有点状形态(如DNA复制焦点)和多态性形态(如核仁)的细胞内结构 | 计算机视觉 | NA | 3D点云分析 | 自编码器 | 3D点云,图像数据 | 多个细胞内结构数据集,包括具有预定义组织规则的合成数据集 | CytoDL, Python | 3D旋转不变自编码器 | 效率,生成能力,表示表达能力 | NA | 
| 7042 | 2025-10-06 | Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions 
          2024-Jul, Journal of medical imaging (Bellingham, Wash.)
          
         
          DOI:10.1117/1.JMI.11.4.044501
          PMID:38993628
         | 研究论文 | 本研究比较了三种特征提取方法和两种分类模块在低剂量CT筛查发现的肺结节和结直肠息肉病变诊断中的性能 | 首次系统比较了传统图像纹理特征、深度学习抽象特征和组织-能量特异性特征在医学影像诊断中的性能,并发现组织-能量特异性特征提取能显著提升诊断性能 | 研究仅针对低剂量CT筛查发现的特定类型病变,结果可能不适用于其他影像模态或病变类型 | 评估医学影像机器学习中特征提取和分类模块对病变恶性程度预测的个体性能 | 低剂量CT筛查发现的肺结节和结直肠息肉病变 | 医学影像分析 | 肺结节,结直肠息肉 | 低剂量计算机断层扫描(CT) | CNN,随机森林 | 医学影像 | 三个病变图像数据集 | NA | CNN | AUC | NA | 
| 7043 | 2025-10-06 | Projected pooling loss for red nucleus segmentation with soft topology constraints 
          2024-Jul, Journal of medical imaging (Bellingham, Wash.)
          
         
          DOI:10.1117/1.JMI.11.4.044002
          PMID:38988992
         | 研究论文 | 提出一种基于投影池化的损失函数,用于在医学图像分割中引入软拓扑约束 | 通过投影和最大池化操作引入软拓扑约束,避免分割过程中小结构被丢弃 | 未明确说明训练集的具体规模和计算资源限制 | 解决小训练集下的医学图像分割问题并减少解剖结构异常分割 | 红核(red nucleus)以及心脏、脾脏和海马体 | 医学图像分割 | 帕金森综合征 | 定量磁化率成像(QSM) | 深度学习分割模型 | 医学图像 | NA | NA | NA | Dice系数 | NA | 
| 7044 | 2025-10-06 | Lung vessel connectivity map as anatomical prior knowledge for deep learning-based lung lobe segmentation 
          2024-Jul, Journal of medical imaging (Bellingham, Wash.)
          
         
          DOI:10.1117/1.JMI.11.4.044001
          PMID:38988990
         | 研究论文 | 本研究探索将肺血管连通性图谱作为解剖先验知识融入深度学习模型以提升肺叶分割性能 | 首次提出将肺血管连通性图谱作为解剖先验知识融入深度学习框架,用于指导肺叶分割 | 改进效果存在局限性,需要进一步探索其实际应用价值 | 开发结合解剖先验知识的自动化肺叶分割方法 | 胸部CT扫描中的肺叶分割 | 数字病理 | COVID-19 | CT扫描 | U-Net | CT图像 | 10例COVID-19病例 | nnU-Net | U-Net, 多任务U-Net, 级联U-Net | 分割准确度 | NA | 
| 7045 | 2025-10-06 | Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 
          2024-06, Thoracic cancer
          
          IF:2.3Q2
          
         
          DOI:10.1111/1759-7714.15306
          PMID:38682806
         | 研究论文 | 本研究通过深度学习自动量化CT图像中的间质性肺异常,评估其对I期非小细胞肺癌患者预后的预测价值 | 首次基于Fleischner Society定义使用商业化深度学习程序自动量化间质性肺异常,并验证其与I期非小细胞肺癌患者预后的关联 | 回顾性研究设计,样本仅来自单一机构,未包含晚期肺癌患者 | 评估自动量化间质性肺异常对I期非小细胞肺癌患者预后的预测价值 | 948例2009年4月至2022年10月期间接受肺切除术的病理I期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT扫描 | 深度学习 | CT图像 | 948例I期非小细胞肺癌患者(其中99例检测到间质性肺异常) | NA | NA | 风险比, 置信区间, p值 | NA | 
| 7046 | 2025-10-06 | Automated Prediction of Proximal Middle Cerebral Artery Occlusions in Noncontrast Brain Computed Tomography 
          2024-06, Stroke
          
          IF:7.8Q1
          
         
          DOI:10.1161/STROKEAHA.123.045772
          PMID:38787932
         | 研究论文 | 开发基于机器学习的算法JLK-CTL,使用非对比脑CT的手工特征预测大脑中动脉近端大血管闭塞 | 首次结合手工特征提取和深度学习算法,利用非对比CT预测大血管闭塞,无需对比剂增强扫描 | 研究样本来自特定时间段的七家医院,外部验证集样本量相对较小(n=95) | 早期识别缺血性卒中患者的大血管闭塞,为及时干预提供支持 | 缺血性卒中患者 | 医学影像分析 | 缺血性卒中 | 非对比计算机断层扫描,CT血管成像 | ExtraTrees, 随机森林, 极端梯度提升, 支持向量机, 多层感知器, 深度学习 | 医学影像 | 2919名患者(训练集2463,内部验证275,外部验证95) | NA | NA | AUC, 敏感性, 特异性 | NA | 
| 7047 | 2025-10-06 | Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data 
          2024-05, Thoracic cancer
          
          IF:2.3Q2
          
         
          DOI:10.1111/1759-7714.15269
          PMID:38576119
         | 研究论文 | 提出基于真实世界数据定量评估放宽非小细胞肺癌药物临床试验入选标准对风险-获益影响的研究方案 | 首次通过深度学习构建结构化真实世界数据库,结合蒙特卡洛模拟和Shapley值定量评估单个入选标准放宽对患者数量、疗效和安全性的影响 | 研究基于中国非小细胞肺癌数据,结果在其他癌症类型和地区的普适性需要进一步验证 | 为肺癌临床试验人群纳入标准设计提供科学证据,建立可推广的放宽入选标准评估框架 | 非小细胞肺癌患者和临床试验入选标准 | 医疗数据分析 | 肺癌 | 深度学习,蒙特卡洛模拟,倾向性匹配,Shapley值分析 | NA | 真实世界医疗数据 | NA | NA | NA | 患者数量,临床疗效,安全性 | NA | 
| 7048 | 2025-10-06 | Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping 
          2024-Mar-28, bioRxiv : the preprint server for biology
          
         
          DOI:10.1101/2024.03.07.583909
          PMID:38496512
         | 研究论文 | 利用生成式AI模型进行3D生物图像的空间插值和修复以提升组织映射质量 | 将原本用于时间插值的FILM生成式AI模型创新应用于多种3D图像类型的空间插值,显著优于传统线性插值方法 | NA | 解决生物图像中缺失区域、损伤组织和分辨率不足的问题,提升3D组织映射质量 | 多种成像模态的生物图像数据,包括组织学、光片显微镜、磁共振成像等 | 计算机视觉 | NA | 生成式AI、图像插值 | 生成式AI模型 | 3D图像 | 涵盖人类、小鼠的多种组织样本(胰腺、肺、脑部) | NA | FILM | 生物信息保留度、图像质量(对比度、方差、亮度)、细胞计数准确性 | NA | 
| 7049 | 2025-10-06 | The Transformative Potential of AI in Obstetrics and Gynaecology 
          2024-03, Journal of obstetrics and gynaecology Canada : JOGC = Journal d'obstetrique et gynecologie du Canada : JOGC
          
          IF:2.0Q2
          
         
          DOI:10.1016/j.jogc.2023.102277
          PMID:37951574
         | 综述 | 探讨人工智能在妇产科领域的应用潜力及发展方向 | 系统分析AI在妇产科三大重点领域的应用前景,并提出伦理实施和治理建议 | NA | 探索人工智能在妇产科领域的变革潜力 | 妇产科医疗实践 | 医疗人工智能 | 妇产科疾病 | 深度学习,大语言模型 | 深度学习模型,大语言模型 | 医学图像,医疗文本 | NA | NA | NA | NA | NA | 
| 7050 | 2025-10-06 | Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 
          2024-Jan-22, bioRxiv : the preprint server for biology
          
         
          DOI:10.1101/2024.01.18.576252
          PMID:38328179
         | 研究论文 | 提出一种名为TAVAC的新指标,用于评估Vision Transformer模型在图像数据集上的过拟合程度并量化解释的可重复性 | 首次提出TAVAC指标,能够定量评估ViT模型解释的可重复性,并在像素级别监控模型解释的稳定性 | 未明确说明样本量的具体数值和计算资源需求 | 解决Vision Transformer模型在有限标注生物医学图像数据集上容易过拟合导致解释不可靠的问题 | Vision Transformer模型在图像分类任务中的解释可重复性 | 计算机视觉 | 乳腺癌 | 数字病理图像分析 | Vision Transformer (ViT) | 图像 | 四个公开图像分类数据集和两个独立乳腺癌组织学图像数据集 | NA | Vision Transformer | TAVAC, 预测准确率 | NA | 
| 7051 | 2025-10-06 | Deep learning-assisted prostate cancer detection on bi-parametric MRI: minimum training data size requirements and effect of prior knowledge 
          2022-Apr, European radiology
          
          IF:4.7Q1
          
         
          DOI:10.1007/s00330-021-08320-y
          PMID:34786615
         | 研究论文 | 评估基于PI-RADS训练的深度学习算法在前列腺癌检测中的性能,并研究数据量和先验知识对检测效果的影响 | 首次系统评估深度学习算法在前列腺癌检测中的最小训练数据量要求,并量化分析区域分割先验知识对性能的影响 | 研究仅基于两个医疗中心的数据,需要更多外部验证来确认结果的普适性 | 研究深度学习在前列腺癌MRI检测中的性能表现及其影响因素 | 2734名PSA水平升高(≥3 ng/mL)且未进行过活检的可疑前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数MRI(mpMRI)、双参数MRI(bpMRI) | 深度学习 | 医学影像 | 2734名患者(中心1:1952例,中心2:296例),782例测试病例 | NA | NA | 灵敏度,FROC,ROC,AUC,假阳性率 | NA | 
| 7052 | 2025-10-06 | Integrating artificial intelligence in healthcare: applications, challenges, and future directions 
          2025-Dec, Future science OA
          
          IF:2.4Q3
          
         
          DOI:10.1080/20565623.2025.2527505
          PMID:40616302
         | 综述 | 本文探讨人工智能在医疗领域的应用、挑战及未来发展方向 | 系统整合了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗等多元医疗场景的应用现状 | 面临数据隐私、算法偏见和监管问题等挑战 | 分析AI在医疗领域的应用潜力与发展路径 | 医疗诊断系统、医学数据管理和个性化治疗方案 | 医疗人工智能 | 癌症, 脑肿瘤, 口腔疾病 | 机器学习, 深度学习 | NA | 医学影像, 基因数据, 临床数据, 生活方式数据 | NA | NA | NA | 诊断准确率 | NA | 
| 7053 | 2025-10-06 | AI as teacher: effectiveness of an AI-based training module to improve trainee pediatric fracture detection 
          2025-Sep, Skeletal radiology
          
          IF:1.9Q3
          
         
          DOI:10.1007/s00256-025-04927-0
          PMID:40227327
         | 研究论文 | 评估基于AI的无监督训练模块在提高儿科骨折检测能力方面的教育效果 | 首次将开源深度学习骨折检测算法作为教学工具,通过自动生成标注病例实现可扩展的教学方法 | 医学生组未显示显著改善,可能由于任务背景知识不足;样本量相对有限 | 评估AI辅助训练模块对儿科骨折检测准确性的提升效果 | 儿科上肢放射影像和受训医生(医学生和放射科住院医师) | 数字病理 | 儿科骨折 | 放射影像分析 | 深度学习 | 放射影像 | 240例儿科上肢放射检查,8名参与者(4名医学生和4名PGY-2放射科住院医师) | 开源深度学习算法(www.childfx.com) | NA | 准确率,卡方检验 | NA | 
| 7054 | 2025-10-06 | A dataset of microscopic spirometra mansoni for medical image segmentation 
          2025-Sep, Computers in biology and medicine
          
          IF:7.0Q1
          
         
          DOI:10.1016/j.compbiomed.2025.110661
          PMID:40578156
         | 研究论文 | 本文提出了一个专门用于曼氏裂头绦虫显微图像分割的数据集,用于训练和验证语义分割卷积神经网络 | 创建了首个专门针对曼氏裂头绦虫显微图像分割的公开数据集,包含专家标注的分割掩码和定量分析 | 数据集规模相对有限(1420张图像),仅包含确诊感染病例的样本 | 解决计算寄生虫学研究中曼氏裂头绦虫识别训练数据短缺的问题 | 曼氏裂头绦虫成虫及其虫卵的显微图像 | 计算机视觉 | 寄生虫感染 | 光学显微镜成像 | CNN | 图像 | 1420张显微图像,来自确诊感染病例的粪便悬浮液 | NA | 语义分割CNN | 分割性能基准指标 | NA | 
| 7055 | 2025-10-06 | Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 
          2025-Aug, Aging & mental health
          
          IF:2.8Q2
          
         
          DOI:10.1080/13607863.2025.2464704
          PMID:39950960
         | 系统综述与荟萃分析 | 本文系统回顾并荟萃分析了眼动追踪与人工智能在痴呆检测中交叉应用的研究现状 | 首次对眼动追踪与人工智能结合用于痴呆检测的研究进行系统综述和荟萃分析 | 纳入研究数量有限(9项),样本量较小(57-583人),缺乏标准化指南,痴呆类型覆盖不全 | 评估眼动追踪与人工智能技术在痴呆检测中的应用效果 | 痴呆患者(主要为阿尔茨海默病) | 机器学习 | 老年痴呆症 | 眼动追踪技术 | 机器学习模型,深度学习模型 | 眼动数据 | 9项研究,参与者57-583人 | NA | NA | 准确率,灵敏度,特异性 | NA | 
| 7056 | 2025-10-06 | Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease 
          2025-Aug, International journal of laboratory hematology
          
          IF:2.2Q3
          
         
          DOI:10.1111/ijlh.14455
          PMID:40025642
         | 研究论文 | 开发基于深度学习的自动化图像分析流程用于冯·维勒布兰德因子多聚体模式分类 | 首次将YOLOv8深度学习模型应用于VWF多聚体凝胶图像分析,实现自动化分类 | 对罕见亚型的分类性能较低 | 提高VWF多聚体模式分类的可重复性和效率 | 冯·维勒布兰德因子多聚体凝胶图像 | 计算机视觉 | 冯·维勒布兰德病 | 凝胶电泳图像分析 | YOLOv8 | 图像 | 训练集514张图像(6168个标注实例),验证集192张图像(2304个实例),测试集94张图像(1128个实例) | YOLOv8 | YOLOv8 | 准确率, 精确率, 召回率, F1分数, Cohen's kappa系数 | NA | 
| 7057 | 2025-10-06 | Deep Learning-Guided Discovery of Celestolide as a Natural Allosteric Inhibitor Targeting Botrytis cinerea CYP51 and Its Application in Strawberry Preservation 
          2025-Jul-09, Journal of agricultural and food chemistry
          
          IF:5.7Q1
          
         
          DOI:10.1021/acs.jafc.5c05257
          PMID:40576401
         | 研究论文 | 本研究通过深度学习技术发现天然化合物celestolide可作为灰葡萄孢菌CYP51的变构抑制剂,并验证其在草莓保鲜中的应用效果 | 首次将神经关系推理框架与CorrSite2.0深度学习模型结合,主动识别CYP51变构位点,并发现天然变构抑制剂celestolide | 未明确说明样本规模及模型验证的统计显著性 | 开发针对灰葡萄孢菌CYP51的变构抑制剂并应用于果蔬保鲜 | 灰葡萄孢菌CYP51酶、天然化合物celestolide、草莓果实 | 机器学习 | 植物真菌病害 | 深度学习、体外酶抑制实验、抗真菌活性测试 | 神经网络 | 蛋白质结构数据、生物活性数据 | NA | 神经关系推理框架, CorrSite2.0 | 高斯网络模型 | IC50值(133.28 μg/mL)、保鲜效果(延长保质期1周以上) | NA | 
| 7058 | 2025-10-06 | Deep learning generalization study on optical coherence tomography image denoising 
          2025-Jul-09, Physics in medicine and biology
          
          IF:3.3Q1
          
         
          DOI:10.1088/1361-6560/ade840
          PMID:40562073
         | 研究论文 | 本研究提出一种混合训练策略结合多噪声水平数据集,用于提升光学相干断层扫描图像去噪模型的泛化能力 | 提出混合训练策略与多噪声水平数据集相结合的方法,增强模型对未见噪声条件的适应能力 | 仅针对特定噪声水平(4 dB、6 dB、10 dB)进行验证,未涵盖更广泛的噪声范围 | 提升光学相干断层扫描图像去噪模型的泛化性能 | 光学相干断层扫描图像 | 计算机视觉 | NA | 光学相干断层扫描 | CNN | 图像 | 包含0 dB、4 dB、6 dB和10 dB噪声水平的OCT图像数据集 | NA | ResNet, U-Net, DnCNN, ADNet | PSNR, SSIM | NA | 
| 7059 | 2025-10-06 | A Novel Time-Division Multiplexing Architecture Revealed by Reconfigurable Synapse for Deep Neural Networks 
          2025-Jul-09, Advanced materials (Deerfield Beach, Fla.)
          
         
          DOI:10.1002/adma.202420218
          PMID:40630032
         | 研究论文 | 提出一种新型石墨烯/二维钙钛矿/碳纳米管突触晶体管,实现硬件级时分复用神经网络架构 | 首次设计具有三明治结构的突触晶体管,通过二维钙钛矿层的高离子浓度特性增强突触传输效率,实现硬件级时分复用神经网络 | 未明确说明器件制备工艺的复杂性和实际系统集成可能面临的挑战 | 降低神经网络硬件实现的集成复杂度,开发智能纳米电子器件 | 突触晶体管器件和神经网络硬件架构 | 机器学习 | NA | 分子动力学模拟 | 深度神经网络 | NA | NA | NA | 时分复用神经网络 | 规模、功耗、延迟 | NA | 
| 7060 | 2025-10-06 | Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 
          2025-Jul-09, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]
          
          IF:2.5Q1
          
         
          DOI:10.1097/DSS.0000000000004758
          PMID:40631753
         | 研究论文 | 评估基于永久病理切片训练的深度学习模型在莫氏手术冰冻切片中对鳞状细胞癌的分类性能 | 首次探索将永久病理训练的模型迁移至冰冻切片分类任务,并通过定性分析识别模型弱点 | 测试样本量较小(仅15个冰冻切片),模型对冰冻切片中深部解剖结构的识别能力不足 | 评估深度学习模型在莫氏手术冰冻切片中分类鳞状细胞癌的适用性 | 皮肤活检切片(746张永久病理切片)和莫氏手术冰冻切片(15张) | 数字病理 | 鳞状细胞癌 | H&E染色 | 深度学习 | 病理图像 | 746张永久病理切片用于训练,15张冰冻切片用于测试 | NA | NA | AUC-ROC | NA |