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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
10281 | 2025-10-07 |
Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence
2025-Jun-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003248
PMID:39508594
|
研究论文 | 本研究通过人工智能方法识别用于诊断成人脑积水的关键神经影像学生物标志物 | 首次结合多种机器学习模型和SHAP特征重要性分析,识别出5个易于测量的1维形态测量生物标志物 | 研究样本量有限,仅针对非正常压力脑积水患者 | 开发实用准确的脑积水诊断工具 | 成人非正常压力脑积水患者和健康受试者 | 医学影像分析 | 脑积水 | 神经影像学测量,手动图像处理 | 机器学习,集成学习,深度学习 | 神经影像数据 | NA | NA | 梯度提升(Gradient Boosting) | 准确率,AUC(曲线下面积) | NA |
10282 | 2025-10-07 |
AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B
2025-Jun, Journal of hepatology
IF:26.8Q1
DOI:10.1016/j.jhep.2024.12.029
PMID:39710148
|
研究论文 | 开发了一种基于CT成像生物标志物和临床变量的人工智能模型,用于预测慢性乙型肝炎患者的肝细胞癌风险 | 首次将深度学习自动分割的CT成像生物标志物与临床变量结合,开发出性能优于传统模型的肝细胞癌预测模型 | 研究中未明确说明模型在其他人群或不同影像设备上的泛化能力 | 开发高性能的肝细胞癌预测模型,改善慢性乙型肝炎患者的风险分层 | 慢性乙型肝炎患者 | 医学影像分析 | 肝细胞癌 | CT成像,深度学习自动分割 | 梯度提升机 | CT图像,临床数据 | 推导队列5,585例患者,外部验证队列2,883例患者 | DeepFore(深度学习CT自动分割软件) | 梯度提升机 | c-index,Hosmer-Lemeshow检验 | NA |
10283 | 2025-10-07 |
A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform
2025-Jun-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.01.028
PMID:39921109
|
研究论文 | 介绍了一种新型双能计算机断层扫描引导的智能放射治疗平台,整合了先进成像和人工智能技术以优化放射治疗流程 | 开发了结合双能CT、新型双层多叶准直器、深度学习自动分割算法和自动化计划能力的智能放射治疗平台 | 仅对99个风险器官中的每个器官测试了5个案例,样本量相对有限 | 开发智能放射治疗平台以提升放射治疗的精确性和效率 | 放射治疗系统和患者 | 医学影像分析 | 癌症 | 双能计算机断层扫描(DECT), 锥形束CT | 深度学习 | CT图像, 电子密度图像 | 99个风险器官各5个案例 | NA | NA | Dice相似系数, 伽马通过率, 剂量体积直方图, 剂量适形指数 | NA |
10284 | 2025-10-07 |
A deep learning and statistical shape modeling-based method for assessing intercondylar notch volume in anterior cruciate ligament reconstruction
2025-Jun, The Knee
DOI:10.1016/j.knee.2025.02.009
PMID:40022961
|
研究论文 | 本研究开发了一种基于深度学习和统计形状建模的方法,用于评估前交叉韧带重建中的髁间窝体积 | 结合深度学习和统计形状建模技术实现髁间窝的快速三维建模和自动分割 | NA | 深入了解髁间窝这一复杂三维解剖区域,为前交叉韧带重建提供更精确的解剖评估 | 前交叉韧带损伤患者的髁间窝解剖结构 | 医学影像分析 | 前交叉韧带损伤 | 三维体积分析,统计形状建模 | CNN | 医学影像 | NA | NA | SegResNet | Dice相似系数,Hausdorff距离,相对误差 | NA |
10285 | 2025-10-07 |
Deep learning for tibial plateau fracture detection and classification
2025-Jun, The Knee
DOI:10.1016/j.knee.2025.02.001
PMID:40023913
|
研究论文 | 开发用于胫骨平台骨折检测和Schatzker分类的深度学习模型 | 首个使用Schatzker分类系统开发胫骨平台骨折计算机视觉模型的研究 | Schatzker分类系统在常规X光片上的观察者间一致性较低,影响分类准确性 | 开发用于胫骨平台骨折检测和分类的深度学习模型 | 胫骨平台骨折患者的膝关节X光片 | 计算机视觉 | 骨折 | X射线成像 | CNN | 图像 | 753名患者的1506张膝关节X光片(368例胫骨平台骨折,385例健康膝盖) | NA | GoogleNet, ResNet | 敏感度, 准确率, 阳性预测值 | NA |
10286 | 2025-10-07 |
Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets
2025-Jun, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3539990
PMID:40168238
|
综述 | 本文全面回顾了基于深度学习的海洋预报研究在模型架构、时空多尺度和可解释性方面的最新进展 | 系统评估了结合理论驱动与数据驱动模型的混合架构可行性,并全面分析了数据集、基准测试和云计算在海洋预报中的应用 | 讨论了当前研究的局限性,包括物理过程表示不清晰、观测同化应用不足和模型参数化不准确等问题 | 探索深度学习在海洋预报领域的应用潜力与方法论 | 海洋预报相关的深度学习模型、数据集和应用场景 | 机器学习 | NA | 深度学习 | NA | 海洋时空数据 | NA | NA | NA | NA | 云计算 |
10287 | 2025-10-07 |
Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus
2025-Jun, Journal of bioscience and bioengineering
IF:2.3Q3
DOI:10.1016/j.jbiosc.2025.03.001
PMID:40189954
|
研究论文 | 利用深度学习算法优化链球菌培养基以提高透明质酸生产效率 | 首次将深度学习算法应用于链球菌培养基优化过程,通过算法自动生成候选培养基配方 | 研究仅针对特定菌株进行优化,未验证在其他菌株或工业条件下的适用性 | 提高透明质酸的生产效率 | 兽疫链球菌及其透明质酸生产过程 | 机器学习 | NA | 深度学习,正交阵列实验设计,分批培养,补料分批培养 | 深度学习 | 实验数据,培养基成分数据,产量数据 | 18个初始训练样本(OA01-18)和54个候选优化培养基(OM01-54) | NA | NA | 透明质酸产量(g/L),生产效率(g/L/h) | NA |
10288 | 2025-10-07 |
Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma
2025-Jun, Oral oncology
IF:4.0Q2
|
研究论文 | 本研究探讨头颈部鳞状细胞癌新辅助放化疗后肿瘤免疫微环境变化及组织学肿瘤坏死对患者生存的预测价值 | 首次发现治疗前肿瘤坏死是预测新辅助放化疗不良预后的有效生物标志物,并成功开发基于深度学习的AI方法自动识别组织病理标本中的肿瘤坏死 | 样本量有限(新辅助治疗组53例),为回顾性研究设计 | 研究新辅助放化疗对HNSCC肿瘤免疫景观的影响及其与患者生存的关系 | 头颈部鳞状细胞癌患者 | 数字病理 | 头颈部鳞状细胞癌 | 免疫组织化学染色,深度学习 | 深度学习 | 组织病理图像 | 新辅助治疗组53例,验证组171例,共分析588个全切片染色 | NA | NA | 风险比,置信区间,p值,5年总生存率 | NA |
10289 | 2025-10-07 |
SSA-sMLP: A venous thromboembolism risk prediction model using separable self-attention and spatial-shift multilayer perceptrons
2025-Jun, Thrombosis research
IF:3.7Q1
DOI:10.1016/j.thromres.2025.109334
PMID:40344789
|
研究论文 | 提出一种结合可分离自注意力和空间移位多层感知器的深度学习模型SSA-sMLP,用于静脉血栓栓塞症风险预测 | 通过可分离自注意力模块实现动态跨维度特征交互建模,改进的S-MLPv2架构通过无参数移位操作和分割注意力机制精确捕捉局部非线性关联 | NA | 开发静脉血栓栓塞症风险预测模型,提升临床决策支持能力 | 基于113,836份临床记录构建的静脉血栓栓塞症数据集 | 机器学习 | 静脉血栓栓塞症 | 深度学习 | 自注意力机制,多层感知器 | 临床记录 | 113,836份临床记录 | NA | SSA-sMLP, S-MLPv2 | 准确率, F1分数 | NA |
10290 | 2025-10-07 |
Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations
2025-Jun, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70062
PMID:40386872
|
研究论文 | 本研究探讨深度学习模型在脑肿瘤影像中预测虚拟对比增强效果的泛化能力 | 首次系统分析脑肿瘤虚拟对比预测模型在不同肿瘤类型和患者群体中的泛化局限性 | 模型在特定肿瘤类型和数据集上表现良好,但难以泛化到其他肿瘤类型和多样化患者群体 | 研究神经网络在脑肿瘤非对比MRI扫描中预测全对比增强能力的泛化特性 | 脑肿瘤患者和不同类型的脑肿瘤 | 医学影像分析 | 脑肿瘤 | 磁共振成像(MRI),钆基对比剂(GBCAs) | 神经网络 | 医学影像(MRI扫描) | NA | NA | NA | NA | NA |
10291 | 2025-10-07 |
Baseline correction of Raman spectral data using triangular deep convolutional networks
2025-May-19, The Analyst
DOI:10.1039/d5an00253b
PMID:40384579
|
研究论文 | 提出一种基于三角深度卷积网络的新型拉曼光谱基线校正方法 | 设计了一种新颖的深度卷积网络架构,在保持峰值强度和形状方面表现更优 | NA | 提升拉曼光谱基线校正的准确性和效率 | 拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | NA | NA | 三角深度卷积网络 | 校正精度, 计算时间, 峰值强度保持度, 峰值形状保持度 | NA |
10292 | 2025-10-07 |
Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study
2025-May-19, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.23595
PMID:40387008
|
研究论文 | 开发并验证一种集成深度学习模型,用于辅助嗜酸性慢性鼻窦炎的术前诊断 | 首次结合CT影像特征和临床参数构建集成深度学习模型,并探索模型预测的生物学基础 | 样本量相对有限,仅包含1098名患者 | 开发非侵入性术前预测方法用于嗜酸性慢性鼻窦炎的诊断 | 慢性鼻窦炎患者 | 计算机视觉 | 慢性鼻窦炎 | 计算机断层扫描(CT),蛋白质组学分析 | 3D-ResNet, 3D-Xception, HR-Net, 支持向量机 | CT影像,临床参数 | 1098名患者来自两家医院 | NA | 3D-ResNet, 3D-Xception, HR-Net | AUC, 敏感度, 特异度, 准确度 | NA |
10293 | 2025-10-07 |
The Application of Anisotropically Collapsing Gels, Deep Learning, and Optical Microscopy for Chemical Characterization of Nanoparticles and Nanoplastics
2025-May-19, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c00769
PMID:40387864
|
研究论文 | 开发结合各向异性塌陷凝胶、深度学习与光学显微镜的纳米颗粒表面化学表征方法 | 首次整合各向异性塌陷凝胶固定技术与荧光显微镜和酸碱滴定法,实现单颗粒水平羧基定量 | 对低信噪比纳米颗粒需荧光染色,纳米颗粒浓度和滴定条件对检测性能有显著影响 | 建立纳米颗粒表面化学基团的精确量化方法 | 上转换纳米颗粒(UCNPs)和聚苯乙烯纳米颗粒(PNs) | 材料科学 | NA | 各向异性塌陷凝胶固定、荧光显微镜、酸碱滴定、尼罗红荧光染色 | NA | 荧光图像、化学滴定数据 | 两种模型纳米颗粒(UCNPs和PNs) | NA | NA | 检测限(LOD)、定量限(LOQ) | NA |
10294 | 2025-10-07 |
DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning
2025-May-19, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf165
PMID:40388205
|
研究论文 | 本文介绍了DeepProtein,一个专为蛋白质相关任务设计的全面且用户友好的深度学习库 | 开发了专门针对蛋白质序列学习的深度学习库,建立了多任务基准评估体系,并提出了基于Prot-T5的DeepProt-T5模型系列 | NA | 为蛋白质科学研究提供深度学习工具和基准评估 | 蛋白质序列和相关属性 | 生物信息学 | NA | 深度学习 | 基于Prot-T5的模型 | 蛋白质序列数据 | NA | 基于DeepPurpose构建 | Prot-T5 | 基准任务性能评估 | NA |
10295 | 2025-10-07 |
Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification
2025-May-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01966-y
PMID:40377781
|
研究论文 | 开发并验证基于MRI的临床-影像组学深度学习模型,用于子宫内膜癌分子亚型分类 | 结合临床特征、手工影像组学特征和自监督学习提取的深度学习特征,构建多中心验证的集成模型 | 回顾性研究设计,样本量相对有限,需要更大数据集进一步验证 | 子宫内膜癌分子亚型的准确分类 | 子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | MRI, 分子病理诊断 | 深度学习, 机器学习 | 医学影像 | 526名患者(来自三个机构的训练、内部和外部验证队列) | MoCo-v2 | 对比自监督学习 | AUC | NA |
10296 | 2025-10-07 |
Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01063-6
PMID:40379665
|
研究论文 | 开发并验证基于术前CT图像的深度学习模型,用于预测晚期胃癌患者转化治疗的临床反应 | 首次将渐进式蒸馏方法应用于预测胃癌转化治疗反应,相比传统知识蒸馏方法性能更优 | 回顾性研究、样本量有限(140例患者)、需要进一步临床验证 | 通过非侵入性早期筛查识别适合转化治疗的晚期胃癌患者 | 晚期胃癌患者 | 计算机视觉 | 胃癌 | CT成像 | 深度学习 | 医学影像 | 140例患者(训练集112例,测试集28例) | NA | 渐进式蒸馏 | 准确率, 敏感度, 特异度, AUC | NA |
10297 | 2025-10-07 |
Lightweight hybrid transformers-based dyslexia detection using cross-modality data
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01235-4
PMID:40379688
|
研究论文 | 提出一种基于轻量级混合Transformer的阅读障碍检测模型,利用多模态数据实现高效诊断 | 首次将混合Transformer架构应用于阅读障碍检测,结合SWIN-Linformer、LeViT-Performer和图Transformer网络处理多模态数据,并采用量化感知训练降低计算开销 | 模型在资源受限环境下的优化仍需改进,未来需要更先进的特征融合和量化技术 | 开发高效准确的阅读障碍自动检测方法 | 阅读障碍患者的多模态生物医学数据 | 医疗人工智能 | 阅读障碍 | 磁共振成像(MRI)、脑电图(EEG)、手写图像分析 | Transformer, CNN, XGBoost | 医学图像(MRI)、生理信号(EEG)、手写图像 | 来自五个公共数据库的多模态数据 | PyTorch, XGBoost | SWIN-Linformer, LeViT-Performer, Graph Transformer Networks, 多模态注意力融合网络 | 准确率 | 量化感知训练技术降低计算开销,具体硬件未明确说明 |
10298 | 2025-10-07 |
The application of suitable sports games for junior high school students based on deep learning and artificial intelligence
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01941-z
PMID:40379705
|
研究论文 | 本研究开发了一种基于深度学习和人工智能的动作检测算法,用于识别初中生在体育活动中的动作表现 | 结合MediaPipe框架和时空图卷积网络(ST-GCN),实现了对初中生体育动作的精准识别和即时反馈 | NA | 提高体育教育的适应性和教学质量,促进学生个性化发展 | 初中生的体育活动表现,特别是仰卧起坐等运动项目 | 计算机视觉 | NA | 姿态估计技术,动作识别技术 | 图卷积网络 | 视频数据,人体骨骼点序列数据 | HMDB51数据集 | MediaPipe | 时空图卷积网络(ST-GCN) | 平均检测准确率,平均绝对误差,平均关节位置误差 | NA |
10299 | 2025-10-07 |
Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02045-4
PMID:40379764
|
研究论文 | 开发结合影像组学、剂量组学和深度学习的列线图模型预测非小细胞肺癌患者放射性肺炎风险 | 首次将基于模拟定位CT和剂量图像的影像组学、剂量组学与深度学习特征结合临床参数构建综合预测模型 | 回顾性研究且样本量有限(245例患者) | 提高非小细胞肺癌患者≥2级放射性肺炎的预测能力 | 接受放疗的非小细胞肺癌患者 | 医学影像分析 | 肺癌 | CT影像, 剂量测定 | 深度学习, 列线图 | 医学影像(CT和剂量图像) | 245例患者(162例来自医院I,83例来自其他两家医院) | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
10300 | 2025-10-07 |
Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen
2025-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02299-y
PMID:40379807
|
研究论文 | 提出一种基于残差自注意力视觉变换器的新型方法,用于自动检测获得性卵黄样病变和黄斑玻璃膜疣 | 使用残差自注意力模块替代标准自注意力机制,提出RS-A ViT模型在视网膜疾病分类中表现优于传统深度学习方法 | NA | 开发高精度的视网膜疾病自动检测方法 | 获得性卵黄样病变(AVL)、黄斑玻璃膜疣和正常病例 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT) | Vision Transformer | 图像 | 结合两个研究中心AVL数据和OCT数据集的玻璃膜疣及正常病例,使用数据增强方法扩充样本 | NA | Residual Self-Attention Vision Transformer (RS-A ViT) | 准确率 | NA |