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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7361 | 2025-07-23 |
[Progress on prediction models for temporomandibular disorders]
2025-Jul-02, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
综述 | 本文全面评估了颞下颌关节紊乱病(TMD)预测模型的实现与性能,并分析了不同计算方法的优缺点及未来研究方向 | 比较了传统统计方法、机器学习和深度学习在TMD预测中的应用,指出了各自的创新点和局限性 | 传统统计方法依赖先验知识和假设,机器学习依赖数据质量且泛化能力有限,深度学习需要大量训练数据且存在可解释性问题 | 探讨TMD预测模型的研究进展及其在早期预测和治疗中的应用 | 颞下颌关节紊乱病(TMD)患者 | 机器学习 | 颞下颌关节紊乱病 | 传统统计方法、机器学习、深度学习 | NA | 时间序列数据 | NA | NA | NA | NA | NA |
| 7362 | 2025-10-06 |
Multi-skin disease classification using hybrid deep learning model
2025-Jul, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241312628
PMID:39973858
|
研究论文 | 提出一种结合优化区域生长分割和MobileSkinNetV2深度学习模型的多皮肤疾病分类方法 | 将改进的蜜獾优化器与区域生长分割相结合,并使用MobileSkinNetV2模型进行皮肤病变分类 | 仅使用ISIC数据集进行验证,未提及在其他数据集上的泛化能力 | 开发计算机辅助诊断技术以帮助放射科医生早期检测和分类皮肤癌 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 图像分割, 深度学习分类 | CNN | 图像 | ISIC数据集 | NA | MobileSkinNetV2 | 准确率, 精确率 | NA |
| 7363 | 2025-10-06 |
Deep learning-based AI model for sinusitis diagnosis
2025-Jul, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241309799
PMID:39973859
|
研究论文 | 开发基于深度学习的AI模型用于鼻窦炎诊断,提高诊断准确性和可及性 | 使用sigmoid函数替代softmax函数,采用二元交叉熵函数评估模型预测准确性,在鼻窦炎诊断中超越不同资质医生的准确率 | 采用回顾性研究方法,样本来源单一(仅来自同一医院),缺乏外部验证 | 开发AI辅助诊断模型以提高鼻窦炎诊断准确性和可及性 | 经CT诊断的慢性鼻窦炎患者和正常患者 | 计算机视觉 | 鼻窦炎 | CT扫描 | 深度学习 | CT图像 | 5000张鼻窦CT图像(包括4000张四种鼻窦炎图像和1000张正常图像) | NA | NA | 准确率 | NA |
| 7364 | 2025-10-06 |
MANSHIP: Mobile-based assistive notification service for hearing-impaired people using a hybrid deep learning model
2025-Jul, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241309702
PMID:39973861
|
研究论文 | 本研究开发了一种基于混合深度学习模型的移动辅助通知系统MANSHIP,用于帮助听力受损人群检测环境声音并预警潜在危险 | 提出结合VGG16和ResNet-50的混合深度学习模型,在声音分类准确率上达到97.14%,超越了现有最先进方案 | 未明确说明模型在复杂噪声环境下的泛化能力以及移动设备上的实时性能表现 | 开发辅助听力受损人群的环境声音检测与预警系统,提升安全性和生活质量 | 全球听力受损人群(包括成人和儿童),特别是重度或完全听力损失者 | 机器学习 | 听力障碍 | 深度学习声音分析 | CNN | 音频 | 基于综合城市声音数据集(具体数量未说明) | NA | VGG16, ResNet-50 | 准确率 | NA |
| 7365 | 2025-10-06 |
DABiG: Breath pattern classification using the hybrid deep learning with optimal feature selection
2025-Jul, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241303368
PMID:39973879
|
研究论文 | 提出一种结合自适应黑猩猩优化算法和混合深度学习的呼吸模式分类方法DABiG | 提出自适应黑猩猩优化算法(AdCO)进行特征选择,并开发了结合双向门控循环单元和时空注意力机制的混合深度学习模型DABiG | NA | 开发高效的呼吸模式分类系统 | 通过陀螺仪和加速度计采集的六种不同呼吸模式数据 | 机器学习 | NA | 传感器数据采集 | BiGRU, 注意力机制 | 传感器时序数据 | NA | NA | 双向门控循环单元(BiGRU), 时空注意力机制 | 分类准确率 | NA |
| 7366 | 2025-10-06 |
FHD deep learning prognosis approach: Early detection of fetal heart disease (FHD) using ultrasonography image-based IROI combined multiresolution DCNN
2025-Jul, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241310981
PMID:40007382
|
研究论文 | 提出一种基于超声图像的胎儿心脏病早期检测深度学习方法 | 采用增强自适应中值滤波预处理、强化感兴趣区域分割和多分辨率深度卷积神经网络分类的三阶段自动化分层网络 | 未提及具体的数据集规模和外部验证结果 | 胎儿心脏病的早期自动化诊断 | 胎儿心脏超声图像(四腔心和血管畸形) | 计算机视觉 | 胎儿心脏病 | 超声2D成像 | CNN, MDCNN | 图像 | NA | MATLAB | 多分辨率深度卷积神经网络 | 混淆矩阵, 准确率 | MATLAB R2023b |
| 7367 | 2025-10-06 |
Development and validation of ultrasound-based radiomics deep learning model to identify bone erosion in rheumatoid arthritis
2025-Jul, Clinical rheumatology
IF:2.9Q2
DOI:10.1007/s10067-025-07481-1
PMID:40389785
|
研究论文 | 开发并验证基于超声图像的深度学习放射组学融合模型,用于识别类风湿关节炎患者的骨侵蚀 | 结合手工放射组学特征和深度迁移学习特征构建融合模型,在内部和外部测试集均表现出优越性能 | 研究样本来自两个医疗中心,可能限制模型的泛化能力 | 开发能够准确识别类风湿关节炎骨侵蚀的辅助诊断工具 | 类风湿关节炎患者 | 医学影像分析 | 类风湿关节炎 | 超声成像 | 深度学习, 机器学习 | 超声图像 | 432名患者(312名来自中心1,124名来自中心2) | NA | 深度迁移学习网络 | AUC, ROC, DCA | NA |
| 7368 | 2025-10-06 |
Spatiotemporal distributions and regional disparities of rheumatoid arthritis in 953 global to local locations, 1980-2040, with deep learning-empowered forecasts and evaluation of interventional policies' benefits
2025-Jul, Annals of the rheumatic diseases
IF:20.3Q1
DOI:10.1016/j.ard.2025.04.009
PMID:40527715
|
研究论文 | 分析全球953个地区类风湿关节炎的时空分布和区域差异,并利用深度学习预测长期疾病负担 | 首次结合深度学习管道进行长期疾病负担预测和干预政策效益评估,涵盖全球到地方的多个地理尺度 | 研究依赖于现有数据质量,预测结果存在不确定性区间 | 调查类风湿关节炎的全球社会经济驱动分布和 inequalities,预测长期疾病负担 | 全球953个地区的类风湿关节炎患者 | 机器学习 | 类风湿关节炎 | 深度学习 | 深度学习管道 | 流行病学数据 | 953个全球地区,包括652个次国家级区域 | NA | NA | 不确定性区间 | NA |
| 7369 | 2025-10-06 |
Equitable Deep Learning for Diabetic Retinopathy Detection Using Multidimensional Retinal Imaging With Fair Adaptive Scaling
2025-Jul-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.7.1
PMID:40590781
|
研究论文 | 本研究开发了一种公平自适应缩放模块,用于减少糖尿病视网膜病变检测中深度学习模型的群体性能差异 | 提出了公平自适应缩放(FAS)模块,能够同时提升模型整体性能和跨群体公平性 | NA | 研究糖尿病视网膜病变检测中深度学习模型的公平性,并开发减少群体性能差异的公平模型 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像,光学相干断层扫描 | 深度学习 | 图像 | NA | NA | EfficientNet,DenseNet121 | AUC,公平性调整AUC | NA |
| 7370 | 2025-10-06 |
Research on dimension measurement algorithm for parcel boxes in high-speed sorting system
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07730-y
PMID:40593050
|
研究论文 | 提出基于深度学习的矩形包装箱三维定位算法和轻量级包裹箱检测模型EODNet | 设计线性注意力机制实现高效特征选择,采用高低层特征融合结构和C2f-GhostCondConv实现小参数量下的多层级特征选择性融合 | NA | 解决高速分拣系统中包裹箱尺寸测量问题,平衡识别效率、精度和部署成本 | 矩形包装箱 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 包装箱数据集和公共数据集 | NA | EODNet | 平均误差 | 低成本计算资源 |
| 7371 | 2025-10-06 |
An adaptive deep learning approach based on InBNFus and CNNDen-GRU networks for breast cancer and maternal fetal classification using ultrasound images
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03402-z
PMID:40593964
|
研究论文 | 提出一种基于InBNFus和CNNDen-GRU网络的自适应深度学习方法,用于超声图像中的乳腺癌和母胎分类 | 提出新型自适应深度学习框架,可同时处理乳腺癌和母胎超声数据集;开发两种新架构InBnFUS(结合初始模块和倒置瓶颈模块)和CNNDen-GRU(密集架构集成GRU层) | NA | 开发计算机化技术来自动分类乳腺癌和母胎超声图像中的异常 | 乳腺癌超声图像数据集和母胎超声图像数据集 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, GRU | 图像 | NA | NA | Inception, Inverted Bottleneck, DenseNet, GRU | 准确率, 精确率, 召回率, F1分数 | NA |
| 7372 | 2025-10-06 |
Trees vs neural networks for enhancing tau lepton real-time selection in proton-proton collisions
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04767-x
PMID:40594382
|
研究论文 | 本文比较决策树和神经网络在质子-质子对撞机中τ轻子实时选择性能的改进 | 首次在τ轻子触发器中系统比较传统机器学习决策树与先进深度学习模型的性能表现 | 未详细说明具体的数据集规模和实验配置细节 | 提升质子-质子对撞中τ轻子实时选择触发器的性能 | 强子衰变τ轻子 | 机器学习 | NA | 监督学习技术 | 决策树,多层感知机,残差神经网络 | 粒子对撞数据 | NA | NA | 多层感知机,残差神经网络 | 选择能量阈值,灵敏度 | NA |
| 7373 | 2025-10-06 |
Deep learning framework for hourly air pollutants forecasting using encoding cyclical features across multiple monitoring sites in Beijing
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05472-5
PMID:40594555
|
研究论文 | 提出一种基于深度学习的综合系统,用于预测北京多个监测站点的小时空气污染物浓度 | 开发了结合编码循环特征的DNN和CNN模型,用于多站点多污染物的时间序列预测 | 仅使用北京10个监测站点的数据,时间范围限于2013-2017年 | 建立空气污染预警系统,预防健康问题并实施有效的预防策略 | 一氧化碳(CO)、二氧化氮(NO)、臭氧(O)、二氧化硫(SO)、细颗粒物(PM)、粗颗粒物(PM)六种空气污染物 | 机器学习 | NA | 时间序列分析 | DNN, CNN | 时间序列数据 | 北京10个国家级空气质量监测站点2013年3月1日至2017年2月28日的小时数据 | NA | 深度神经网络, 卷积神经网络 | 准确率 | NA |
| 7374 | 2025-10-06 |
EmoTrans attention based emotion recognition using EEG signals and facial analysis with expert validation
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98404-2
PMID:40594901
|
研究论文 | 提出基于注意力的EmoTrans模型,通过EEG信号和面部视频分析进行情绪识别 | 提出注意力机制架构,整合EEG信号的时域、频域和小波域特征以及面部视频数据,并通过心理学家调查进行专家验证 | 使用DEAP数据集,样本量相对有限(32名参与者的EEG数据和22名参与者的面部视频) | 开发更准确的情绪识别模型,提升人机交互和情感计算的生态效度 | 人类情绪状态(效价、唤醒度、支配度和喜好度) | 情感计算 | NA | EEG信号分析,面部视频分析 | 注意力机制模型 | EEG信号,面部视频 | 32名参与者的EEG数据(40个电影片段),22名参与者的面部视频数据 | NA | EmoTrans(基于注意力的架构) | 准确率,配对t检验,留一被试交叉验证 | NA |
| 7375 | 2025-10-06 |
Hybrid transfer learning and self-attention framework for robust MRI-based brain tumor classification
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09311-5
PMID:40595383
|
研究论文 | 提出一种结合迁移学习和自注意力机制的混合模型用于MRI脑肿瘤分类 | 首次将预训练DenseNet201 CNN与Transformer架构结合,并集成多头自注意力和压缩激励注意力机制 | 仅使用Br35H数据集进行验证,样本量相对有限 | 开发鲁棒的计算机辅助诊断系统以提高脑肿瘤分类准确性 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN,Transformer | 图像 | 3000张MRI图像 | TensorFlow,PyTorch | DenseNet201,Transformer,VGG19,InceptionV3,Xception,MobileNetV2,ResNet50V2 | 准确率,AUC,F1-score,Cohen's Kappa | NA |
| 7376 | 2025-10-06 |
Attention residual network for medical ultrasound image segmentation
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04086-1
PMID:40595803
|
研究论文 | 提出一种用于医学超声图像分割的注意力残差网络模型ARU-Net | 在U-Net编码器中引入残差连接增强模型学习能力,集成空间混合卷积模块提升全局信息提取能力,在跳跃连接特征融合阶段分别引入通道注意力机制和多卷积自注意力机制抑制噪声 | 未明确说明模型计算复杂度及在不同类型超声设备上的泛化能力 | 提高医学超声图像中病灶边界分割的准确性 | 乳腺和甲状腺超声图像中的病灶区域 | 医学图像分析 | 乳腺疾病,甲状腺疾病 | 超声成像 | CNN,注意力机制 | 医学超声图像 | 公开的乳腺超声和甲状腺超声数据集 | NA | U-Net,ARU-Net | mIoU,准确率,F1-score | NA |
| 7377 | 2025-10-06 |
Long-wave infrared computational multispectral metasurface and spectral reconstruction method
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06599-1
PMID:40596247
|
研究论文 | 提出一种基于3×3光子晶体阵列架构的长波红外计算多光谱超表面及其光谱重建方法 | 采用硬件-算法协同设计框架,通道间透射率相关系数仅0.17,光谱区分能力优于传统光栅系统 | 未明确说明实验验证的具体应用场景和外部验证数据集 | 开发新一代红外多光谱系统的集成化解决方案 | 长波红外光谱(8-11.5μm)范围内的多光谱成像 | 计算成像 | NA | 光子晶体阵列,光谱重建 | 深度学习网络 | 透射光谱数据 | NA | NA | NA | 均方误差(2.86) | NA |
| 7378 | 2025-10-06 |
Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study
2025-Jul-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01787-x
PMID:40596910
|
研究论文 | 本研究开发了一种基于多模态深度学习的影像组学模型,用于预测脑膜瘤的质地 | 首次将T1和T2 MRI与深度学习和影像组学特征相结合,在多中心研究中预测脑膜瘤质地 | 回顾性研究,样本量相对有限(204例患者) | 提高脑膜瘤质地预测的准确性以改善术前评估和手术规划 | 脑膜瘤患者 | 医学影像分析 | 脑膜瘤 | MRI(T1和T2加权成像) | 深度学习模型 | 医学影像(MRI) | 204例脑膜瘤患者来自两个医疗中心 | NA | NA | AUC, 准确率, 敏感度, 特异度, 精确率 | NA |
| 7379 | 2025-10-06 |
An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions
2025-Jul, Developmental neurobiology
IF:2.7Q3
DOI:10.1002/dneu.22983
PMID:40620110
|
研究论文 | 提出一种基于图卷积神经网络的高效癫痫发作检测框架 | 通过图卷积神经网络显式编码EEG电极间的空间依赖性,捕获更全面的时空特征 | NA | 开发可扩展且临床适用的自动化癫痫发作检测解决方案 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图 | GCNN | 脑电图信号 | CHB-MIT头皮EEG数据库和SH-SDU数据库 | NA | 图卷积神经网络 | 准确率, 灵敏度, 特异性, FDR | NA |
| 7380 | 2025-10-06 |
Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury
2025-Jun-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf116
PMID:40241659
|
研究论文 | 本研究探讨结合冠状动脉CT血管成像和T1加权MRI的混合策略对预测经皮冠状动脉介入治疗术后心肌损伤的改进效果 | 首次提出结合CCTA和MRI的混合策略,并证明该策略在预测PMI方面优于单独使用CCTA | 样本量相对有限(120名患者,132个病灶),且为前瞻性多中心研究设计 | 改进经皮冠状动脉介入治疗后心肌损伤的无创预测方法 | 计划接受择期PCI治疗的冠状动脉粥样硬化患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像,T1加权磁共振成像 | 深度学习 | 医学影像数据 | 120名患者,132个病灶 | NA | NA | C-statistic | NA |