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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
881 | 2025-10-05 |
Artificial Intelligence and Carpal Tunnel Syndrome: A systematic review and contemporary update on imaging techniques
2025-Sep-12, Hand surgery & rehabilitation
IF:0.9Q3
DOI:10.1016/j.hansur.2025.102264
PMID:40947014
|
系统综述 | 本文系统综述了人工智能在腕管综合征影像诊断中的应用现状和前景 | 首次系统评估AI在腕管综合征多模态影像诊断中的整合应用,特别关注深度学习在超声成像中的卓越表现 | 纳入研究数量有限(22篇),缺乏前瞻性验证数据 | 评估人工智能在腕管综合征诊断和管理中的临床应用价值 | 腕管综合征患者影像数据 | 医学影像分析 | 腕管综合征 | 超声成像, 磁共振成像, 红外热成像 | 深度学习 | 医学影像 | 22项符合条件的研究 | NA | NA | 灵敏度, 特异性 | NA |
882 | 2025-10-05 |
Human Activity Recognition with Noise-Injected Time-Distributed AlexNet
2025-Sep-11, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10090613
PMID:41002847
|
研究论文 | 本研究将生物启发的噪声注入与时间分布式AlexNet架构相结合,用于提升人类活动识别系统的性能和鲁棒性 | 将生物启发的噪声注入机制与时间分布式AlexNet架构相结合,用于视频动作分类任务 | 模型性能可能受到过拟合和对未见场景泛化能力差的限制 | 提高人类活动识别系统的性能和鲁棒性 | 视频序列中的人类活动 | 计算机视觉 | NA | 高斯噪声注入 | CNN | 视频 | EduNet、UCF50和UCF101数据集 | NA | AlexNet | 准确率,F1分数 | NA |
883 | 2025-10-05 |
Deep Learning-Based Pattern Recognition for Detecting Penile Abnormalities: Protocol for Developing a Mobile App for Circumcision Eligibility
2025-Sep-10, JMIR research protocols
IF:1.4Q3
DOI:10.2196/65811
PMID:40929720
|
研究论文 | 开发基于深度学习的图像分类系统,通过移动应用检测阴茎异常并评估包皮环切术适用性 | 首次将AI图像识别技术应用于阴茎异常检测和包皮环切术资格评估的移动应用开发 | 研究目前仍在进行中,尚未完成最终验证和部署测试 | 开发AI驱动的图像分类系统,辅助资源有限地区的包皮环切术初步筛查 | 印度尼西亚Cipto Mangunkusumo医院的儿科患者阴茎图像 | 计算机视觉 | 阴茎异常 | 数字图像采集 | 深度学习 | 图像 | 前瞻性收集的儿科患者阴茎图像 | TensorFlow, Keras | 预训练深度学习架构 | 准确率, 灵敏度, 特异性, F1分数 | NA |
884 | 2025-10-05 |
Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models
2025-Sep-10, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109063
PMID:40946520
|
研究论文 | 本研究提出NACHOS框架,通过集成嵌套交叉验证、自动化超参数优化和高性能计算来减少和量化深度学习模型测试性能估计的方差 | 开发了NACHOS和DACHOS框架,首次将嵌套交叉验证、自动化超参数优化与高性能计算相结合,为医学影像深度学习模型提供可扩展、可重复的评估部署方案 | 研究主要基于胸部X射线和光学相干断层扫描数据集,在其他医学影像模态上的适用性需要进一步验证 | 减少和量化深度学习模型在医学影像中测试性能估计的方差,提高模型部署的可信度 | 医学影像深度学习模型 | 医学影像分析 | NA | 深度学习 | 深度学习模型 | 医学影像 | 胸部X射线数据库和光学相干断层扫描数据集 | NA | NA | 测试性能指标方差 | 高性能计算框架 |
885 | 2025-10-05 |
AI Applied to Cardiac Magnetic Resonance for Precision Medicine in Coronary Artery Disease: A Systematic Review
2025-Sep-09, Journal of cardiovascular development and disease
IF:2.4Q2
DOI:10.3390/jcdd12090345
PMID:41002624
|
系统综述 | 系统回顾人工智能在心脏磁共振成像中应用于冠状动脉疾病精准医学的研究进展 | 首次系统综述AI在CMR用于CAD的全面应用,涵盖分类、影像组学和分割三大方向 | 数据集规模较小或存在重叠,可能影响模型泛化能力 | 评估人工智能技术在心脏磁共振成像中辅助冠状动脉疾病诊断和预后的应用价值 | 冠状动脉疾病患者的心脏磁共振影像数据 | 医学影像分析 | 冠状动脉疾病 | 心脏磁共振成像,影像组学 | 机器学习,深度学习 | 医学影像 | 106项研究 | NA | NA | AUC, DSC | NA |
886 | 2025-10-05 |
Deep Learning-Based Diagnosis of Femoropopliteal Artery Steno-Occlusion Using Maximum Intensity Projection Images of CT Angiography
2025-Sep-08, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11090104
PMID:41003487
|
研究论文 | 开发并验证基于深度学习的模型,用于通过下肢CT血管造影的最大强度投影图像检测股腘动脉显著狭窄闭塞 | 首次使用最大强度投影图像开发深度学习模型诊断股腘动脉狭窄闭塞,采用顺序分析方法:单图像筛查后接四段旋转分析 | 回顾性研究设计,样本量相对有限(642名患者),仅使用单一医疗中心数据 | 开发自动检测股腘动脉显著狭窄闭塞的深度学习模型 | 股腘动脉血管及其狭窄闭塞病变 | 计算机视觉 | 心血管疾病 | CT血管造影(CTA),最大强度投影(MIP) | 深度学习,CNN | 医学图像 | 642名患者(平均年龄68.2±13.5岁,472名男性),共56,496个分段图像 | NA | RDNet | AUC | NA |
887 | 2025-10-05 |
FDMNet: A Multi-Task Network for Joint Detection and Segmentation of Three Fish Diseases
2025-Sep-06, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11090305
PMID:41003355
|
研究论文 | 提出一种用于鱼类疾病联合检测与分割的多任务网络FDMNet | 首次实现三种鱼类疾病的同步检测与分割,采用多尺度感知机制和动态特征融合模块解决多尺度特征融合中的信息丢失问题 | 仅在自建数据集上验证,未在公共数据集或更多疾病类型上测试 | 开发能够同时完成鱼类疾病检测和病变分割的多任务深度学习模型 | 三种常见鱼类疾病 | 计算机视觉 | 鱼类疾病 | 深度学习 | CNN | 图像 | 自建鱼类疾病图像数据集 | YOLOv8 | FDMNet, C2DF, 多尺度感知机制 | mAP50, mIoU | NA |
888 | 2025-10-05 |
Deep Learning-Based Evaluation of Postural Control Impairments Caused by Stroke Under Altered Sensory Conditions
2025-Sep-03, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10090586
PMID:41002820
|
研究论文 | 提出一种结合CNN与Type-2模糊逻辑的混合深度学习框架,用于评估脑卒中患者在感觉干扰条件下的姿势控制障碍 | 首次将Type-2模糊逻辑激活函数与CNN结合,增强对姿势控制非线性特征的鲁棒性分类能力 | 研究基于特定设备(EquiTest)采集的数据,未验证在其他平衡评估设备上的泛化能力 | 开发精准检测脑卒中患者姿势控制障碍的自动化评估工具 | 脑卒中患者的姿势控制功能 | 医疗人工智能 | 脑卒中 | 深度学习分析 | CNN, 混合模糊逻辑模型 | 平衡功能测试数据 | 700名参与者的8316个标记样本 | NA | 卷积神经网络 | 准确率97%, 精确率96%, 灵敏度97%, 特异性96% | NA |
889 | 2025-10-05 |
Modular Deep-Learning Pipelines for Dental Caries Data Streams: A Twin-Cohort Proof-of-Concept
2025-Sep-02, Dentistry journal
IF:2.5Q2
DOI:10.3390/dj13090402
PMID:41002675
|
研究论文 | 开发模块化深度学习流程用于分析非对齐的龋齿数据流,并在双胞胎队列中验证其可行性 | 提出模块化深度学习流程整合放射影像、微生物组和转录组数据,在非对齐数据集上实现可复现分析,并首次在双胞胎队列中估计口腔微生物组的遗传性 | 使用随机排列的严重程度评分作为合成目标,模型未展示预测能力;缺乏患者匹配的多组学数据限制临床转化 | 验证模块化深度学习流程在非对齐龋齿数据集上的可复现性,并评估口腔微生物组的遗传性 | 龋齿患者的口腔全景放射影像、龈上微生物组16S rRNA谱、牙龈转录组数据,以及双胞胎队列 | 数字病理 | 龋齿 | 16S rRNA测序,转录组测序,放射影像 | CNN, FNN | 图像,微生物组数据,转录组数据 | 100张标注全景放射影像,81个微生物组样本,247个转录组样本,99对双胞胎(198个个体) | PyTorch, SHAP | U-Net with ResNet-18 encoder, Feed-forward Neural Networks | IoU, precision, recall, 相关系数, Bray-Curtis相异度 | NA |
890 | 2025-10-05 |
Graph neural network and diffusion model for modeling RNA interatomic interactions
2025-Sep-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf515
PMID:40971857
|
研究论文 | 本研究探索使用图神经网络和扩散模型来学习RNA原子间相互作用并预测RNA三维结构 | 首次将图神经网络和去噪扩散概率模型结合用于RNA结构预测,采用粗粒度的五原子表示法建模RNA | 方法在合成或新型RNA家族上的性能可能下降,仅在小RNA子结构数据集上评估 | 开发准确的计算机RNA结构预测工具 | RNA分子及其三维结构 | 机器学习 | NA | 图神经网络,扩散模型 | GNN, DDPM | RNA结构数据 | 训练集包含rRNA和tRNA结构,测试集包含其他RNA家族描述符 | PyTorch | 图神经网络,去噪扩散概率模型 | 结构预测准确性,用户定义约束遵循度 | NA |
891 | 2025-10-05 |
Longitudinal methods for Alzheimer's cognitive status prediction with deep learning
2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70488
PMID:40994414
|
研究论文 | 开发了一种基于深度学习的纵向方法,用于预测3-10年内的阿尔茨海默病认知状态 | 提出了两种新的建模技术:分离标准化基线特征与基线偏差的方法,以及基于线性注意力的新型插补方法 | 3-10年遗忘型轻度认知障碍的预测仍然具有挑战性 | 开发新的机器学习技术来扩展认知状态的长期预测时间范围 | 阿尔茨海默病和遗忘型轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 神经心理学数据、患者病史数据 | NA | NA | 基于线性注意力的架构 | 1vA准确率 | NA |
892 | 2025-10-05 |
Fast-RF-Shimming: Accelerate RF shimming in 7T MRI using deep learning
2025-Sep, Meta-radiology
DOI:10.1016/j.metrad.2025.100166
PMID:40995422
|
研究论文 | 提出一种基于深度学习的快速RF匀场方法Fast-RF-Shimming,用于加速7T MRI中的射频匀场过程 | 提出整体学习框架,相比传统MLS方法实现5000倍加速,结合随机初始化Adam优化器、ResNet映射和非均匀场检测器 | 未明确说明训练数据量、计算资源需求和模型泛化能力 | 解决超高场MRI中射频场不均匀性问题,提高图像质量 | 7T MRI系统中的射频匀场过程 | 医学影像分析 | NA | MRI,射频匀场 | 深度学习,ResNet | 多通道B1场数据 | NA | NA | ResNet | 处理速度,预测精度 | NA |
893 | 2025-10-05 |
Artificial intelligence applications in refractive error management: A systematic review and meta-analysis
2025-Sep, PLOS digital health
DOI:10.1371/journal.pdig.0000904
PMID:40997051
|
系统评价与荟萃分析 | 本文系统回顾和荟萃分析了人工智能在屈光不正管理中的应用效果 | 首次对AI在屈光不正诊断、检测、预测、进展和治疗中的临床应用进行全面系统评价和定量荟萃分析 | 仅纳入英文文献,研究间异质性可能影响结果,部分治疗研究性能指标变异较大 | 评估人工智能技术在屈光不正管理中的有效性和应用价值 | 屈光不正相关临床研究 | 医疗人工智能 | 屈光不正 | 深度学习,机器学习 | 深度学习,机器学习 | 临床数据,医学影像 | 45项研究纳入系统评价,19项研究纳入荟萃分析 | R软件(版本4.5.0) | NA | 灵敏度,特异度,诊断比值比,SROC曲线下面积,AUC,R²,平均绝对误差 | NA |
894 | 2025-10-05 |
Nanopore-Aware Embedded Detection for Mobile DNA Sequencing: A Viterbi-HMM Design Versus Deep Learning Approaches
2025-Sep-01, Biosensors
DOI:10.3390/bios15090569
PMID:41002309
|
研究论文 | 提出了一种基于Viterbi-HMM的嵌入式DNA序列检测框架,用于解决移动纳米孔DNA测序中的能耗问题 | 将Viterbi-HMM算法与定制64位RISC-V核心集成,相比深度学习方案在嵌入式平台上实现显著能效提升 | 未明确说明模型在复杂基因组区域或高错误率情况下的性能表现 | 开发适用于移动DNA测序的低功耗嵌入式检测系统 | 纳米孔DNA测序信号 | 生物信息学 | NA | 纳米孔DNA测序 | HMM | 生物传感信号 | NA | NA | Viterbi-HMM | 能效比, 推理准确率, 吞吐量 | Virtex-7 FPGA, 定制64位RISC-V核心 |
895 | 2025-10-05 |
Deep Learning-Enhanced Nanozyme-Based Biosensors for Next-Generation Medical Diagnostics
2025-Sep-01, Biosensors
DOI:10.3390/bios15090571
PMID:41002311
|
综述 | 探讨深度学习与纳米酶生物传感融合在下一代医疗诊断中的变革性策略 | 首次系统阐述深度学习架构如何增强纳米酶设计、功能优化和预测建模,揭示双原子活性位点等催化机制 | 缺乏标准化生物医学数据集,模型在不同人群中的鲁棒性需提升,AI增强纳米酶系统的临床转化存在挑战 | 推动智能生物传感技术和精准医疗诊断发展 | 纳米酶生物传感器、疾病生物标志物、医疗影像、即时诊断设备 | 机器学习 | NA | 纳米酶生物传感 | 深度学习 | 生物传感信号、医疗影像 | NA | NA | NA | NA | NA |
896 | 2025-10-05 |
AI-Enhanced Electrochemical Sensing Systems: A Paradigm Shift for Intelligent Food Safety Monitoring
2025-Aug-28, Biosensors
DOI:10.3390/bios15090565
PMID:41002305
|
综述 | 探讨人工智能在电化学生物传感系统中的应用及其对食品安全监测的变革性影响 | 系统综述AI与电化学传感的跨学科融合,重点关注机器学习与深度学习在传感器设计、材料优化和信号处理中的创新应用 | 数据质量不足、模型泛化能力有限、算法可解释性待提升 | 构建支持可扩展食品安全监测的智能生物传感系统 | 食源性病原体(如大肠杆菌、沙门氏菌、李斯特菌) | 机器学习 | 食源性疾病 | 电化学传感技术 | 机器学习, 深度学习 | 电化学信号数据 | NA | NA | NA | 灵敏度, 多重检测能力 | NA |
897 | 2025-10-05 |
Test-Time Augmentation for Cross-Domain Leukocyte Classification via OOD Filtering and Self-Ensembling
2025-Aug-28, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11090295
PMID:41003346
|
研究论文 | 提出一种通过OOD过滤和自集成的方法改进测试时增强在跨域白细胞分类中的性能 | 引入OOD样本过滤机制和基于距离的加权策略,结合轻量级自集成方法提升跨域鲁棒性 | 未明确说明方法在极端域偏移情况下的性能边界 | 解决医学图像分析中的域偏移问题,提升白细胞分类的跨域泛化能力 | 白细胞图像数据 | 计算机视觉 | 血液疾病 | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | 分类准确率 | NA |
898 | 2025-10-05 |
Colorectal Polyp Segmentation Based on Deep Learning Methods: A Systematic Review
2025-Aug-27, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11090293
PMID:41003344
|
系统综述 | 本文系统综述了基于深度学习的结直肠息肉分割方法 | 首次系统分析了2018-2024年间146篇息肉分割论文,全面评估了44个模型的性能,并涵盖了Mamba方法和视频息肉分割技术 | 仅涵盖2018-2024年间的文献,可能遗漏早期重要研究 | 系统整理和评估结直肠息肉分割领域的研究进展和方法 | 结直肠息肉分割的深度学习方法和相关数据集 | 计算机视觉 | 结直肠癌 | 深度学习 | NA | 图像, 视频 | 基于146篇论文的分析 | NA | NA | 分割性能指标, 实时分析能力 | NA |
899 | 2025-10-05 |
A Flexible Multi-Channel Deep Network Leveraging Texture and Spatial Features for Diagnosing New COVID-19 Variants in Lung CT Scans
2025-Aug-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11090099
PMID:41003482
|
研究论文 | 提出一种基于双通道CNN的深度学习方法,利用纹理和空间特征从肺部CT扫描中诊断新型COVID-19变异株 | 采用动态学习纹理模式的双通道CNN架构,无需依赖预定义特征,通过改进的LBP技术提取矩阵形式纹理数据 | NA | 开发自动诊断COVID-19变异株的深度学习方法 | COVID-19变异株的肺部CT扫描图像 | 计算机视觉 | COVID-19 | 肺部计算机断层扫描(CT) | CNN | 医学图像 | 两个基准数据集:COVID-349和Italian COVID-Set | NA | 双通道卷积神经网络 | 准确率, 精确率, 召回率 | NA |
900 | 2025-10-05 |
Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach
2025-Aug-27, Journal of global antimicrobial resistance
IF:3.7Q2
DOI:10.1016/j.jgar.2025.08.012
PMID:40882869
|
研究论文 | 本研究使用基于深度学习的因果推断方法评估三种抗生素对ICU患者MRSA血流感染的治疗效果 | 首次将深度学习因果推断模型应用于ICU患者MRSA血流感染的个性化抗生素治疗决策 | 样本量相对有限(270例患者),仅使用MIMIC数据库数据 | 评估万古霉素、达托霉素和利奈唑胺对MRSA血流感染患者住院死亡率的影响 | ICU中MRSA血流感染患者 | 机器学习 | 血流感染 | 深度学习因果推断 | 深度学习模型 | 临床数据 | 270例ICU患者 | NA | NA | 平均处理效应,P值 | NA |