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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7221 | 2025-10-06 |
Artificial intelligence-driven cybersecurity: enhancing malicious domain detection using attention-based deep learning model with optimization algorithms
2025-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99420-y
PMID:40610687
|
研究论文 | 提出一种结合注意力机制深度学习与优化算法的恶意域名检测技术 | 首次将时序卷积网络与双向长短期记忆网络结合挤压激励注意力机制,并采用量子启发萤火虫算法和鹦鹉优化算法进行特征选择和超参数调优 | 仅在一个恶意域名数据集上验证,未说明模型在其他类型网络攻击中的泛化能力 | 提升网络安全领域的恶意域名检测性能 | 互联网域名系统(DNS)中的恶意域名 | 网络安全 | NA | 深度学习,优化算法 | TCN, BiLSTM, 注意力机制 | 域名系统数据 | NA | NA | TCN-BiLSTM-SEA(时序卷积网络-双向长短期记忆网络-挤压激励注意力) | 准确率 | NA |
| 7222 | 2025-10-06 |
Selective identification of polyploid hepatocellular carcinomas with poor prognosis by artificial intelligence-based pathological image recognition
2025-Jul-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00967-8
PMID:40610763
|
研究论文 | 开发基于深度学习的人工智能病理图像识别方法,用于识别肝细胞癌中的多倍体亚型及其预后评估 | 首次利用深度学习模型从H&E染色病理图像中识别多倍体肝细胞癌,无需传统染色体荧光原位杂交技术 | 研究样本量有限(初始训练集仅44例HCC),需要进一步验证和推广 | 开发可临床应用的癌症多倍体诊断方法,实现肝细胞癌的预后分层 | 肝细胞癌患者病理样本 | 数字病理 | 肝细胞癌 | 苏木精-伊红染色,染色体荧光原位杂交 | 深度学习 | 病理图像 | 初始训练集44例HCC,验证集169例肝癌,外加公共数据集 | NA | NA | 预后识别能力,与基因组分析对比 | NA |
| 7223 | 2025-10-06 |
Interpretable and generalizable deep learning model for preoperative assessment of microvascular invasion and outcome in hepatocellular carcinoma based on MRI: a multicenter study
2025-Jul-03, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02035-0
PMID:40610844
|
研究论文 | 开发基于MRI的可解释、泛化性强的深度学习模型用于肝细胞癌微血管侵犯术前评估和预后预测 | 采用对抗网络学习多中心域不变特征,结合生物信息学分析增强模型可解释性 | 回顾性研究设计,样本量相对有限 | 开发可解释且泛化性强的深度学习模型用于肝细胞癌微血管侵犯术前评估 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | MRI, RNA测序分析 | 对抗网络深度学习模型 | MRI图像 | 546例肝细胞癌患者来自五个医疗中心 | NA | 对抗网络深度学习模型 | AUC | NA |
| 7224 | 2025-10-06 |
Advanced deep learning framework for underwater object detection with multibeam forward-looking sonar
2025-Jul, Structural health monitoring
DOI:10.1177/14759217241235637
PMID:40621572
|
研究论文 | 提出一种基于多波束前视声纳的先进深度学习框架用于水下目标检测 | 在YOLOv7网络架构基础上,在数据预处理、特征融合和损失函数三个关键方面进行了独特优化 | 未明确说明具体的数据集规模和多样性限制 | 提高水下目标检测的精度和可迁移性 | 水下基础设施和水下目标 | 计算机视觉 | NA | 多波束前视声纳 | CNN | 声纳图像 | NA | NA | YOLOv7 | 目标分类性能、定位精度、迁移学习能力 | 水下遥控操作车辆 |
| 7225 | 2025-10-06 |
Efficient sparse-view medical image classification for low radiation and rapid COVID-19 diagnosis
2025-Jul, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00478-4
PMID:40621608
|
研究论文 | 提出一种基于深度学习的投影式掩码自编码器(ProMAE),用于稀疏视图CT图像的快速准确COVID-19诊断 | 采用列向掩码策略在预训练中从正弦图中学习关键诊断特征,无需CT图像重建即可直接分类稀疏视图正弦图 | NA | 开发低辐射剂量和快速COVID-19诊断的医学图像分类方法 | 稀疏视图CT图像 | 医学影像分析 | COVID-19 | CT成像 | 自编码器 | CT图像,正弦图 | NA | NA | ProMAE, ResNet, ConvNeXt, MAE | 准确率 | NA |
| 7226 | 2025-10-06 |
A review of hybrid EEG-based multimodal human-computer interfaces using deep learning: applications, advances, and challenges
2025-Jul, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00469-5
PMID:40625554
|
综述 | 本文系统综述了2016-2024年间基于EEG的多模态人机交互系统结合深度学习的应用进展与挑战 | 首次系统整合了基于EEG的多模态HCI系统研究成果,分析了信号组合、网络架构和融合策略的最新进展 | 缺乏实时在线系统、信号同步困难、数据可用性有限、可解释AI方法不足 | 评估深度学习在EEG多模态人机交互系统中的应用现状与发展趋势 | 124篇从Web of Science数据库检索的相关研究论文 | 人机交互 | NA | 脑电图(EEG)、功能性近红外光谱(fNIRS)、脑磁图(MEG)、功能磁共振成像(fMRI)、眼电图(EOG)、肌电图(EMG)、心电图(ECG)、光电容积脉搏波(PPG)、皮电反应(GSR) | CNN | 多模态生物信号 | 124项研究 | NA | 卷积神经网络 | NA | NA |
| 7227 | 2025-10-06 |
Advances in cardiovascular signal analysis with future directions: a review of machine learning and deep learning models for cardiovascular disease classification based on ECG, PCG, and PPG signals
2025-Jul, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00473-9
PMID:40625553
|
综述 | 系统回顾人工智能在心血管信号分析中的进展,重点关注基于ECG、PCG和PPG信号的心血管疾病分类方法 | 全面比较传统机器学习与深度学习模型在心血管信号分析中的性能,提出多模态信号融合和可解释AI的未来方向 | 数据集异质性、预处理方法不一致和计算复杂度高阻碍临床转化应用 | 评估人工智能技术在心血管疾病分类和诊断中的转化应用潜力 | 心电图(ECG)、心音图(PCG)和光电容积脉搏波(PPG)信号 | 机器学习 | 心血管疾病 | 信号处理, 特征提取 | KNN, SVM, RF, CNN, LSTM | 生理信号 | NA | NA | CNN, LSTM, 迁移学习模型 | NA | NA |
| 7228 | 2025-10-06 |
Deep Learning-Based Classification System for Facial Pigmented Lesions to Aid Laser Treatment Decisions
2025-Jun, Cureus
DOI:10.7759/cureus.85428
PMID:40621347
|
研究论文 | 开发基于深度学习的面部色素性皮损分类系统以辅助激光治疗决策 | 首次将迁移学习应用于面部五种色素性皮损的鉴别诊断,并在激光治疗规划背景下与皮肤科专家进行性能比较 | 样本量相对有限(432张图像),仅包含五种特定类型的面部色素性皮损 | 开发并评估深度学习模型在面部色素性皮损分类中的诊断准确性 | 五种面部色素性皮损:黄褐斑、雀斑、获得性真皮黑素细胞增多症、日光性雀斑样痣、恶性雀斑样痣/恶性雀斑样痣黑色素瘤 | 计算机视觉 | 皮肤疾病 | 临床图像分析 | CNN | 图像 | 432张高分辨率临床图像 | TensorFlow, Keras | InceptionResNetV2, DenseNet121 | 准确率, 灵敏度 | NA |
| 7229 | 2025-10-06 |
The Role of Artificial Intelligence and Machine Learning Applications in Emergency Surgery: A Systematic Review of Diagnostic Accuracy and Clinical Outcomes
2025-Jun, Cureus
DOI:10.7759/cureus.85386
PMID:40621368
|
系统综述 | 本文系统评估了人工智能和机器学习在急诊外科中的诊断准确性和临床效果 | 首次系统性地评估AI在急诊外科五个关键领域的应用效果,包括阑尾炎管理、急诊腹部手术风险评估等 | 仅纳入2015-2025年间的英文研究,可能存在发表偏倚 | 评估机器学习在识别急诊患者和AI方法在诊断中的有效性,以及预测并发症和手术需求的能力 | 急诊外科患者 | 机器学习 | 急诊外科疾病 | 深度学习,自然语言处理 | 机器学习模型 | 医疗记录,临床数据 | 从2791篇文献中筛选出19项符合条件的研究 | NA | NA | 准确率 | NA |
| 7230 | 2025-10-06 |
A Fundamental Study on the Removal of Vascular Pulsation Artifacts Using U-Net-Based Deep Neural Network
2025-Jun, Cureus
DOI:10.7759/cureus.85400
PMID:40621369
|
研究论文 | 本研究提出了一种基于U-Net的深度学习网络,用于减少磁共振成像中血管搏动引起的伪影 | 首次将深度学习应用于STIR图像中血管搏动伪影的减少 | 需要进一步详细评估以开发适合临床应用的方法 | 减少磁共振成像中血管搏动引起的伪影 | 15名成年志愿者的小腿STIR图像 | 医学影像处理 | NA | 磁共振成像,短时反转恢复序列 | 深度学习 | 医学图像 | 15名成年志愿者 | NA | U-Net | 峰值信噪比,结构相似性指数,视觉评估 | NA |
| 7231 | 2025-07-09 |
A Commentary on "Deep Learning-Enhanced Hand Grip and Release Test for Degenerative Cervical Myelopathy: Shortening Assessment Duration to 6 Seconds"
2025-Jun, Neurospine
IF:3.8Q1
DOI:10.14245/ns.2550126.063
PMID:40625020
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7232 | 2025-10-06 |
From Surface to Deep Learning: Gamified Mobile Education for Subcutaneous and Intramuscular Injection Skills
2025-Jun, Medical science educator
IF:1.9Q2
DOI:10.1007/s40670-025-02323-w
PMID:40625998
|
研究论文 | 本研究探讨基于游戏的移动应用程序对护生皮下和肌肉注射技能的影响 | 将游戏化移动学习应用于护理教育的实践技能培训,通过HEM-SC-IM应用程序提供互动式学习体验 | 样本规模相对较小(129名护生),研究时间仅限于2021-2022学年 | 评估游戏化移动教育对护生皮下和肌肉注射技能的学习效果 | 护理专业学生 | 教育技术 | NA | 移动应用程序、游戏化学习、模拟训练 | NA | 问卷调查数据、技能评估数据 | 129名护生(实验组64人,对照组65人) | NA | NA | 深度学习分数、皮下注射分数、肌肉注射分数、场景表现分析 | 移动应用程序平台 |
| 7233 | 2025-10-06 |
Carotid plaque segmentation and classification using MRI-based plaque texture analysis and convolutional neural network
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1502830
PMID:40620432
|
研究论文 | 本研究开发了一种结合Mask R-CNN和卷积神经网络的混合深度学习框架,用于颈动脉斑块的自动分割和分类 | 提出融合斑块纹理分析和深度分层模式的混合框架,通过多任务损失函数解决类别不平衡问题,实现全自动斑块分析 | 研究仅使用单一医疗中心的数据集,需要进一步验证在多中心数据上的泛化能力 | 开发自动化的颈动脉斑块分割和分类方法以改进卒中风险评估 | 颈动脉斑块 | 计算机视觉 | 心血管疾病 | MRI, 斑块纹理分析 | CNN, Mask R-CNN | 医学影像(MRI扫描) | 610个专家标注的MRI扫描 | NA | Mask R-CNN, Inception V3, 自定义13层CNN | Dice相似系数, 交并比, 准确率, ROC-AUC | NA |
| 7234 | 2025-10-06 |
Deep learning to predict progression independent of relapse activity at a first demyelinating event
2025, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcaf243
PMID:40620473
|
研究论文 | 开发基于首次脱髓鞘事件常规MRI的深度学习生存模型,用于预测多发性硬化患者独立于复发活动的疾病进展风险 | 首次利用常规MRI和深度学习生存模型在症状出现早期预测多发性硬化患者独立于复发活动的疾病进展风险 | 样本量相对有限(259例患者),外部验证队列样本较小(32例) | 早期准确预测多发性硬化患者独立于复发活动的疾病进展风险 | 50岁以下首次脱髓鞘事件患者 | 医学影像分析 | 多发性硬化 | MRI(T1和T2-Fluid-Attenuated Inversion Recovery序列) | 深度学习生存模型 | 医学影像 | 259例患者(原队列),32例患者(外部验证队列) | NA | EfficientNet | 时间依赖性一致性指数, 准确率, Harrell's C指数 | NA |
| 7235 | 2025-10-06 |
Sentiment analysis in public health: a systematic review of the current state, challenges, and future directions
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1609749
PMID:40620557
|
系统综述 | 本文对公共卫生领域情感分析的当前状态、挑战和未来方向进行了系统性回顾 | 首次系统性地总结了公共卫生领域情感分析的方法论、应用场景和伦理考量,特别关注了深度学习和大语言模型的最新应用趋势 | 研究主要基于83篇文献,可能无法完全覆盖该领域的所有研究;社交媒体数据存在质量、偏见和语言复杂性等问题 | 系统评估公共卫生领域情感分析的方法、应用、数据源、挑战、评估实践和伦理问题 | 公共卫生领域的情感分析研究文献 | 自然语言处理 | NA | 情感分析,自然语言处理 | 深度学习,大语言模型(LLMs) | 文本数据 | 83篇相关研究论文 | NA | NA | NA | NA |
| 7236 | 2025-10-06 |
Utilising artificial intelligence in prehospital emergency care systems in low- and middle-income countries: a scoping review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1604231
PMID:40620558
|
综述 | 本范围综述探讨了人工智能在中低收入国家院前急救系统中的应用现状与发展前景 | 首次系统梳理人工智能在中低收入国家院前急救领域的具体应用模式与实施效果 | 仅纳入英文文献,可能遗漏未明确标注人工智能工具或中低收入国家背景的研究 | 探索人工智能在中低收入国家院前急救服务中的应用方式并评估未来发展潜力 | 中低收入国家的院前急救系统 | 医疗人工智能 | 急救医学 | 深度学习, 机器学习 | 深度学习模型 | 医疗调度数据, 疾病预测数据 | 16篇纳入研究,样本量存在显著差异 | NA | NA | NA | NA |
| 7237 | 2025-10-06 |
Artificial Intelligence and Postpartum Hemorrhage
2025-Jan, Maternal-fetal medicine (Wolters Kluwer Health, Inc.)
DOI:10.1097/FM9.0000000000000257
PMID:40620613
|
综述 | 探讨人工智能在产后出血预测和管理中的应用现状与挑战 | 整合子宫收缩性指标和影像组学特征提升预测准确性,探索可穿戴设备等新型监测手段 | 缺乏外部验证模型,研究多集中于医疗资源充足环境,在资源有限地区的适用性不足 | 评估人工智能技术在产后出血防治中的应用潜力 | 产后出血患者及风险人群 | 数字病理 | 产后出血 | 机器学习, 深度学习 | NA | 临床数据, 生理指标, 医学影像 | NA | NA | NA | NA | NA |
| 7238 | 2025-10-06 |
MDDeep-Ace: species-specific acetylation site prediction based on multi-domain adaptation
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19649
PMID:40620770
|
研究论文 | 提出基于多域自适应深度学习方法的物种特异性乙酰化位点预测工具MDDeep-Ace | 首次将多域自适应方法应用于物种特异性乙酰化位点预测,通过整合多物种数据提升模型泛化能力 | NA | 开发能够准确预测物种特异性赖氨酸乙酰化位点的计算方法 | 赖氨酸翻译后修饰位点 | 机器学习 | NA | 深度学习 | 深度学习 | 蛋白质序列数据 | NA | NA | 多域自适应网络 | 预测准确率 | NA |
| 7239 | 2025-10-06 |
Quantifying social distance using deep learning-based video analysis: results from the BTBR mouse model of autism
2025, Frontiers in behavioral neuroscience
IF:2.6Q3
DOI:10.3389/fnbeh.2025.1602205
PMID:40620906
|
研究论文 | 本研究使用基于深度学习的视频分析技术量化BTBR自闭症模型小鼠的社交距离 | 首次将DeepLabCut深度学习工具应用于BTBR小鼠社交距离的自动量化分析 | 研究样本仅限于BTBR和CBA小鼠,未涉及其他自闭症模型 | 开发自动化方法精确量化自闭症模型小鼠的社交行为 | BTBR T Itpr3/J自闭症模型小鼠和CBA对照小鼠 | 计算机视觉 | 自闭症谱系障碍 | 视频分析, 深度学习追踪 | CNN | 视频 | BTBR和CBA小鼠配对组合 | DeepLabCut | NA | 欧几里得距离 | NA |
| 7240 | 2025-10-06 |
Multi-task deep learning framework for enhancing Mayo endoscopic score classification in ulcerative colitis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251356396
PMID:40621175
|
研究论文 | 提出一种多任务深度学习框架,用于增强溃疡性结肠炎梅奥内镜评分的分类性能 | 受人类大脑从粗到细处理机制启发,提出多任务学习框架解决医学图像数据不平衡问题 | 未整合多种卷积神经网络模型以进一步提升分类准确率 | 开发计算机辅助诊断系统,准确识别溃疡性结肠炎严重阶段 | 溃疡性结肠炎内镜图像 | 计算机视觉 | 溃疡性结肠炎 | 内镜成像 | CNN | 图像 | NA | NA | DenseNet121, MobileNet-v3-large | 分类性能 | NA |