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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10541 | 2025-11-28 |
Comparative Analysis of Transformer Architectures and Ensemble Methods for Automated Glaucoma Screening in Fundus Images from Portable Ophthalmoscopes
2025-Nov-03, Vision (Basel, Switzerland)
DOI:10.3390/vision9040093
PMID:41283577
|
研究论文 | 本研究比较多种Transformer架构和集成方法在便携式眼底镜图像中自动筛查青光眼的性能 | 首次系统评估Transformer集成方法在低质量便携设备图像上的青光眼检测性能,通过患者级聚合显著提升准确度 | 研究主要基于特定数据集,在更广泛设备类型和人群中的泛化能力仍需验证 | 开发适用于便携设备的鲁棒青光眼自动筛查方法 | 眼底图像 | 计算机视觉 | 青光眼 | 深度学习 | Transformer | 图像 | Brazil Glaucoma数据集和私有D-Eye数据集 | NA | Swin-Tiny, ViT-Base, MobileViT-Small, DeiT-Base | 准确率, F1分数, 敏感度 | NA |
| 10542 | 2025-11-28 |
Artificial intelligence-based metal artefact correction algorithm for radiotherapy patients with dental hardware in head and neck CT: towards precise imaging
2025-Nov-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf038
PMID:40366748
|
研究论文 | 本研究评估基于人工智能的金属伪影校正算法在头颈部CT中对牙科金属植入物患者图像质量的改善效果 | 首次在体内研究中证明基于深度学习的AI-MAC算法在金属伪影校正方面优于传统插值法MAC | 回顾性研究设计,样本量较小(41例患者),仅针对头颈部放疗患者 | 评估AI-MAC算法在头颈部CT中减少牙科金属伪影的临床效能 | 41例带有不可移除牙科金属植入物并接受头颈部CT扫描的放疗患者 | 医学影像处理 | 头颈部肿瘤 | CT扫描,深度学习 | 深度学习模型 | CT图像 | 41例患者 | NA | NA | 信噪比,伪影指数,Dice相似系数,Hausdorff距离 | NA |
| 10543 | 2025-11-28 |
Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research
2025-Nov, The Laryngoscope
DOI:10.1002/lary.32292
PMID:40421828
|
研究论文 | 开发并验证用于鼻窦CT自动分割的开源算法 | 提供首个专门针对鼻窦腔的公开可用的深度学习分割算法 | 样本量相对较小(100个扫描),需要进一步验证 | 为耳鼻喉科研究社区开发开源分割算法 | 鼻窦CT扫描 | 数字病理 | 鼻窦疾病 | CT扫描 | 深度学习 | 医学影像 | 100个鼻窦扫描,7300个切片 | NA | UNet++ | Dice相似系数, IoU, Hausdorff距离, 敏感度, 特异度, 视觉相似度评分 | NA |
| 10544 | 2025-11-28 |
Automated Detection and Grading of Renal Cell Carcinoma in Histopathological Images via Efficient Attention Transformer Network
2025-Nov-01, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci13040257
PMID:41283258
|
研究论文 | 提出EAT-Net双流深度学习模型,用于自动检测和分级肾细胞癌组织病理学图像 | 结合EfficientNet局部特征提取和Vision Transformer全局上下文依赖捕获,集成SE模块重新校准特征图 | NA | 自动化肾细胞癌组织病理学分级 | 肾细胞癌组织病理学图像 | 数字病理学 | 肾细胞癌 | 组织病理学成像 | CNN, Transformer | 图像 | 两个公开数据集KMC-RENAL和RCCG-Net | NA | EfficientNetB0, Vision Transformer, Squeeze-and-Excitation | 准确率, 精确率, 召回率, F1分数 | NA |
| 10545 | 2025-11-28 |
Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study
2025-Nov, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70958
PMID:41284376
|
研究论文 | 本研究开发了一种基于PANoptosis相关病理组学的卵巢癌预后深度学习模型 | 首次探索PANoptosis在卵巢癌预后中的作用,并开发了结合多组学数据的病理组学预后模型 | 研究基于公开数据库数据,需要进一步实验验证 | 阐明PANoptosis在卵巢癌预后中的作用并开发预后模型 | 卵巢癌患者 | 数字病理 | 卵巢癌 | scRNA-seq, 空间转录组, 病理图像分析 | 深度学习 | 基因表达数据, 空间数据, 病理图像 | TCGA、GTEx和GEO数据库的卵巢癌数据 | NA | ResNet-50 | 预后预测准确性 | NA |
| 10546 | 2025-11-28 |
Few-shot learning for the classification of colorectal neuroendocrine tumors and polyps on endoscopic images
2025-Nov, The Journal of international medical research
IF:1.4Q4
DOI:10.1177/03000605251395564
PMID:41285115
|
研究论文 | 提出一种基于小样本学习的结直肠神经内分泌肿瘤和息肉内镜图像分类方法 | 首次将小样本学习应用于结直肠神经内分泌肿瘤与息肉的分类,解决了罕见病数据稀缺问题 | 样本量相对有限(总计195张图像),且为回顾性研究 | 开发能够准确分类结直肠神经内分泌肿瘤和息肉的计算机辅助诊断系统 | 结直肠神经内分泌肿瘤、锯齿状病变和息肉、传统腺瘤的内镜图像 | 计算机视觉 | 结直肠癌 | 内镜成像 | 小样本学习 | 图像 | 195张内镜图像(56张锯齿状病变和息肉,86张腺瘤,53张神经内分泌肿瘤) | TensorFlow, Keras | ResNet50 V2 | AUC, F1-score, Matthews相关系数, Cohen's kappa, 准确率, 灵敏度, 精确率 | NA |
| 10547 | 2025-11-28 |
Recent Advances and Application of Machine Learning for Protein-Protein Interaction Prediction in Rice: Challenges and Future Perspectives
2025-Oct-27, Proteomes
IF:4.0Q2
DOI:10.3390/proteomes13040054
PMID:41283644
|
综述 | 本文综述了机器学习在水稻蛋白质-蛋白质相互作用预测中的最新进展、应用及未来展望 | 重点关注蛋白质异构体对PPI动态和特异性的影响,并系统总结机器学习方法在水稻PPI预测中的算法创新、特征提取和计算资源发展 | 面临数据限制和模型泛化性等关键挑战 | 为研究人员提供使用机器学习生成水稻PPI网络预测性和机制性见解的路线图 | 水稻蛋白质-蛋白质相互作用 | 机器学习 | 植物胁迫响应 | 机器学习,多组学整合 | 深度学习,人工智能 | 蛋白质序列数据,相互作用数据 | NA | NA | NA | NA | NA |
| 10548 | 2025-11-28 |
Integrating deep learning and radiomics for preoperative glioma grading using multi-center MRI data
2025-Oct-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20711-5
PMID:41120521
|
研究论文 | 提出融合深度学习和影像组学的双流框架,用于术前胶质瘤分级 | 首次将3D卷积神经网络与影像组学特征通过集成模型结合,并在多中心数据中验证其优越性能 | 回顾性研究设计,需要前瞻性验证 | 提高术前胶质瘤分级的准确性 | 经组织病理学确诊的胶质瘤患者 | 医学影像分析 | 胶质瘤 | 多参数MRI | CNN, 集成学习 | 医学影像 | 847例训练患者(来自5个神经外科中心)+213例外部队列验证 | NA | 3D CNN | AUC, 敏感性, 特异性 | NA |
| 10549 | 2025-11-28 |
Bio-inspired neutrosophic-enzyme intelligence framework for pediatric dental disease detection using multi-modal clinical data
2025-Oct-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21923-5
PMID:41107487
|
研究论文 | 开发了一种基于生物启发的神经模糊-酶智能框架,用于儿科牙科疾病的多模态临床数据检测 | 整合生物原理与不确定性量化的神经模糊深度学习框架,模仿唾液酶动力学的特征提取和蝾螈再生愈合预测机制 | NA | 提高儿科牙科疾病诊断的精确度和效率 | 儿科牙科疾病患者 | 数字病理 | 儿科牙科疾病 | 多模态临床数据整合 | 深度学习 | 临床检查、放射影像、遗传生物标志物、行为评估 | 18,432名3-17岁儿科患者,来自六个国际中心 | NA | 神经模糊深度学习 | 准确率、敏感性、特异性 | NA |
| 10550 | 2025-11-28 |
PARSEbp: Pairwise Agreement-based RNA Scoring with Emphasis on Base Pairings
2025-Oct-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.13.682106
PMID:41279467
|
研究论文 | 提出一种基于配对一致性的RNA评分方法PARSEbp,整合构象集合中的结构一致性和碱基配对一致性 | 结合3D层面的全局结构一致性和2D层面的碱基配对一致性,构建共识相似度矩阵计算结构精度得分 | NA | 开发高效的RNA三维结构评分方法 | RNA三维结构 | 计算生物学 | NA | RNA结构预测 | 多模型评分方法 | RNA三维结构数据 | CASP16 RNA靶标数据集 | NA | 共识相似度矩阵 | 多种互补评估指标 | NA |
| 10551 | 2025-11-28 |
The Evolution of Machine Learning and Its Applications in Orthopaedics: A Bibliometric Analysis
2025-Oct, Cureus
DOI:10.7759/cureus.95296
PMID:41287693
|
文献计量分析 | 通过文献计量分析探讨机器学习在骨科领域的应用现状和发展趋势 | 首次对骨科领域机器学习应用的100篇高被引文献进行系统性文献计量分析 | 仅纳入英文文献且样本量有限,缺乏高质量证据支持的研究 | 分析机器学习在骨科领域的应用现状、方法学质量和研究趋势 | Web of Science数据库中骨科机器学习应用的100篇高被引文献 | 机器学习 | 骨科疾病 | 文献计量分析 | CNN,深度学习 | 文献数据 | 100篇高被引文献,总计10886次引用 | NA | 卷积神经网络 | 引用次数,证据等级 | NA |
| 10552 | 2025-11-28 |
Accuracy and Reliability of Artificial Intelligence in Surgical Decision-Making: A Literature Review
2025-Oct, Cureus
DOI:10.7759/cureus.95337
PMID:41287740
|
文献综述 | 本文通过文献综述评估人工智能在手术决策中的准确性和可靠性 | 系统评估AI在不同外科专科中的性能表现,并首次综合比较实时引导技术的基准 | 仅采用叙述性综合方法,未进行数据验证或纳入研究质量评估,缺乏系统评价验证 | 评估AI在手术决策中的准确性和可靠性,识别数据与伦理问题,比较不同专科模型性能 | 28项来自不同地理和学科背景的外科AI应用研究 | 医疗人工智能 | 外科手术 | 机器学习,深度学习 | CNN, GAN | 手术相关数据 | 28项研究 | NA | 卷积神经网络,生成对抗网络 | AUC, 准确率 | NA |
| 10553 | 2025-11-28 |
Optimizing Dam Detection in Large Areas: A Hybrid RF-YOLOv11 Framework with Candidate Area Delineation
2025-Sep-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25175507
PMID:40942937
|
研究论文 | 提出一种结合地理因素分析和深度学习检测的水坝提取框架,用于优化大区域水坝识别 | 首次将随机森林算法生成的水坝存在概率图与YOLOv11深度学习检测模型相结合,通过候选区域划分显著提升识别效率 | 研究仅在巴基斯坦信德省验证,需要进一步测试在其他地区的适用性 | 改进水坝空间数据库,实现水坝动态监测和灾害应急响应 | 中小型水坝基础设施 | 计算机视觉 | NA | 遥感识别,动态阈值分割 | Random Forest, YOLOv11 | 高分辨率遥感影像,OpenStreetMap水体数据 | 信德省区域,识别出16个未记录水坝 | NA | YOLOv11 | 精度0.90,召回率0.76,AUC 0.86,mAP50 0.85 | NA |
| 10554 | 2025-11-28 |
Optimizing Deep Learning-Based Crack Detection Using No-Reference Image Quality Assessment in a Mobile Tunnel Scanning System
2025-Sep-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25175437
PMID:40942868
|
研究论文 | 本研究提出了一种基于无参考图像质量评估的数据质量保证框架,用于优化移动隧道扫描系统中基于深度学习的裂缝检测性能 | 首次系统研究水平运动模糊对裂缝检测CNN性能的影响,并建立NR-IQA指标与检测性能的定量关联 | 主要关注水平方向的运动模糊,未考虑其他类型的图像质量问题 | 优化移动隧道扫描系统中基于深度学习的裂缝检测可靠性 | 隧道裂缝检测 | 计算机视觉 | NA | 无参考图像质量评估 | CNN | 图像 | 公共数据集和真实世界MTSS数据集 | NA | ResNet, VGG, AlexNet | F1分数 | NA |
| 10555 | 2025-11-28 |
Detection of maxillary sinus pathologies using deep learning algorithms
2025-Sep, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09451-4
PMID:40394252
|
研究论文 | 本研究开发了一种基于深度学习的人工智能方法,用于从锥形束计算机断层扫描图像中自动分割上颌窦病变 | 首次将卷积神经网络应用于CBCT图像中上颌窦病变的自动分割,实现了高精度的病理检测 | 研究仅基于500名患者的数据,样本量相对有限,需要更大规模的数据验证 | 评估人工智能算法在检测上颌窦病变方面的准确性 | 上颌窦病理变化 | 计算机视觉 | 上颌窦疾病 | 锥形束计算机断层扫描(CBCT) | CNN | 医学影像 | 500名患者的1000个上颌窦 | NA | 卷积神经网络 | Dice相似系数, IoU, 召回率, F1分数, 精确率 | NA |
| 10556 | 2025-11-28 |
An ensemble deep learning model for author identification through multiple features
2025-Jul-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11596-5
PMID:40691694
|
研究论文 | 提出一种结合多种特征的自注意力加权集成深度学习框架,用于提高作者身份识别的准确性和稳定性 | 通过自注意力机制智能整合多种写作风格特征表示,动态学习不同类型特征的重要性 | 仅在包含4位和30位作者的数据集上测试,未验证在大规模作者群体上的性能 | 提高自然语言处理中作者身份识别的准确性和鲁棒性 | 文本作者身份识别 | 自然语言处理 | NA | TF-IDF, Word2Vec | CNN, 自注意力机制 | 文本 | 两个数据集:数据集A(4位作者)和数据集B(30位作者) | NA | 卷积神经网络, 自注意力加权集成框架 | 准确率 | NA |
| 10557 | 2025-11-28 |
Transformer-Based Decomposition of Electrodermal Activity for Real-World Mental Health Applications
2025-Jul-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25144406
PMID:40732534
|
研究论文 | 本研究提出了一种基于Transformer架构的EDA信号分解方法,用于分离皮肤电活动的相位和紧张成分 | 首次将Transformer架构应用于EDA信号分解,设计了具有池化和趋势去除机制的无监督分解模型 | 未明确说明模型在极端噪声条件下的性能表现和计算效率 | 开发适用于真实世界数据的EDA信号分解方法,用于心理健康应用 | 皮肤电活动信号 | 机器学习 | 心理健康 | 皮肤电活动信号采集 | Transformer | 生物信号时间序列数据 | NA | PyTorch或TensorFlow(未明确指定) | Autoformer | SCR频率、SCR幅度、紧张斜率 | NA |
| 10558 | 2025-11-28 |
Coalescence and Translation: A Language Model for Population Genetics
2025-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.24.661337
PMID:40666889
|
研究论文 | 开发了一种基于Transformer的语言模型cxt,用于从基因组数据中推断群体遗传学中的溯祖时间 | 将溯祖时间推断重新定义为两种生物语言之间的翻译问题,并首次将仅解码器Transformer架构应用于群体遗传学推断 | 模型训练依赖于模拟数据,在真实数据上的表现可能需要进一步验证 | 开发能够灵活、可扩展地从基因组数据推断谱系历史的深度学习方法 | 基因组数据中的突变模式和祖先重组图 | 自然语言处理, 机器学习 | NA | 基因组测序, 溯祖模拟 | Transformer | 基因组序列数据 | 基于stdpopsim目录的模拟数据,可产生超过百万个溯祖预测 | PyTorch, TensorFlow | 仅解码器Transformer | 与最先进的MCMC似然模型相当,包括分布内和分布外场景 | GPU(具体型号未指定),可在几分钟内完成大规模推断 |
| 10559 | 2025-11-28 |
Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation
2025-Jun-12, ArXiv
PMID:40980770
|
研究论文 | 提出并验证了一种模态无关的图像级联方法用于多模态心脏亚结构分割 | 通过复制nnU-Net编码解码分支实现单一模型处理多模态数据,解决了深度学习模型在跨模态和重叠结构分割中的泛化问题 | 在57%的情况下优于对比模型,但统计差异有限 | 开发能够跨多种影像模态准确分割心脏亚结构的深度学习模型 | 20个心脏亚结构(心脏、心腔、大血管、瓣膜、冠状动脉和传导节点) | 数字病理 | 心血管疾病 | 医学影像分割 | 深度学习 | 医学影像 | 训练集76例,验证集15例,测试集30例,来自三种模态(模拟CT、低场MR-Linac、心脏CT血管造影) | nnU-Net | U-Net | Dice相似系数, Wilcoxon符号秩检验 | 轻量级模型设计,简化计算需求 |
| 10560 | 2025-11-28 |
Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis
2025-Jan-03, Research square
DOI:10.21203/rs.3.rs-5743704/v1
PMID:39801521
|
研究论文 | 提出多尺度细胞间交互空间转录组学分析方法MCIST,整合多尺度拓扑表示与空间深度学习技术 | 首次在空间转录组分析中考虑多尺度细胞间相互作用,结合多尺度拓扑表示与先进空间深度学习技术 | NA | 改进空间转录组数据分析方法,更准确地识别空间域和细胞间相互作用 | 空间转录组数据中的细胞间相互作用模式 | 生物信息学 | NA | 空间转录组学 | 深度学习 | 空间转录组数据 | 37个基准空间转录组数据集 | NA | NA | 聚类评分 | NA |