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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11021 | 2025-11-22 |
Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1632169
PMID:41255818
|
研究论文 | 本研究开发了一种基于深度学习的MRI分割方法,用于精确测量神经退行性疾病小鼠模型的脑体积 | 采用深度学习分割方法在7特斯拉MRI上实现快速(4.3分钟)高分辨率脑体积测量,显著减少采集时间并提高动物福利 | 需要麻醉可能影响采集参数,研究主要聚焦小鼠模型 | 开发可靠的小鼠脑体积定量方法以评估神经退行性疾病进程和治疗干预 | 健康C57BL/6J小鼠和肌萎缩侧索硬化、铜宗诱导脱髓鞘、多发性硬化疾病模型小鼠 | 数字病理 | 神经退行性疾病 | MRI, T1加权成像 | 深度学习分割模型 | 医学影像 | 健康C57BL/6J小鼠和疾病模型小鼠 | NA | NA | 重现性 | NA |
| 11022 | 2025-11-22 |
Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1684104
PMID:41255824
|
研究论文 | 本研究开发了一种基于深度学习的超声图像诊断模型,用于术前区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节 | 首次建立能够同时区分三种甲状腺结节类型(BTN、NMTN、MMTN)的AI诊断模型,并在多中心数据上验证其性能优于放射科医生 | 样本量相对较小(195例患者),且各类别样本数量不均衡(MMTN样本最多,NMTN样本最少) | 开发AI辅助诊断工具以提高甲状腺结节超声诊断的准确性和一致性 | 甲状腺结节患者的超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 195名患者(BTN=60,NMTN=15,MMTN=120),共3,537张超声图像 | NA | NA | AUC, 准确率, ROC曲线, 混淆矩阵 | NA |
| 11023 | 2025-11-22 |
Prospects and challenges of deep learning in gynecologic malignancies
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1592078
PMID:41256318
|
综述 | 概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战 | 系统探讨深度学习在妇科肿瘤影像分析中的多任务应用潜力及多组学数据整合方向 | 未涉及具体临床验证数据与实际部署障碍的量化分析 | 评估深度学习技术在妇科恶性肿瘤诊疗中的发展前景 | 妇科恶性肿瘤的影像与病理数据 | 数字病理学 | 妇科肿瘤 | 医学影像分析(X射线、CT、MRI、SPECT) | 深度学习模型 | 影像数据 | NA | NA | NA | NA | NA |
| 11024 | 2025-11-22 |
Predicting alcohol use disorder risk in firefighters using a multimodal deep learning model: a cross-sectional study
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1643552
PMID:41256950
|
研究论文 | 开发并验证了一种融合结构磁共振成像和神经心理学评估的多模态深度学习框架,用于预测消防员的酒精使用障碍风险 | 首次将结构MRI与神经心理学评估相结合,通过多模态深度学习实现酒精使用障碍的客观风险分层,避免了传统自我报告方法的系统性漏报问题 | 横断面研究设计无法建立因果关系,样本主要为男性消防员可能限制结果的普适性 | 开发客观的酒精使用障碍风险预测模型,用于高风险职业人群的早期筛查 | 689名现役消防员 | 数字病理 | 酒精使用障碍 | 结构磁共振成像, 神经心理学评估 | CNN, Transformer, 多层感知机 | 图像, 临床数据 | 689名现役消防员(平均年龄43.3±8.8岁,93%为男性) | PyTorch, TensorFlow | ResNet-50, Vision Transformer | 准确率, AUC, ROC曲线 | NA |
| 11025 | 2025-11-22 |
Deep learning-based classification of colorectal cancer in histopathology images for category detection
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf077
PMID:41256969
|
研究论文 | 本研究开发基于深度学习的结直肠癌组织病理图像分类系统,用于自动识别不同癌症类别 | 提出两阶段预测框架,先进行异常检测再进行多类别分类,显著提升对代表性不足和形态复杂类别的分类鲁棒性 | Swin Transformer模型计算需求较高,部分类别样本量可能不足 | 开发自动化的结直肠癌分类系统以辅助病理学家诊断 | 结直肠癌组织病理图像 | 数字病理 | 结直肠癌 | 苏木精-伊红染色组织病理学成像 | CNN, Transformer | 图像 | NA | NA | ResNet-34, ResNet-50, Swin Transformer V2 | 准确率, ROC AUC, F1-score | NA |
| 11026 | 2025-11-22 |
The role of health monitoring technologies in optimising athletes' self-regulation
2025, Wiadomosci lekarskie (Warsaw, Poland : 1960)
DOI:10.36740/WLek/209507
PMID:41075206
|
研究论文 | 开发结合可穿戴设备、云计算和深度学习的智能系统来监测运动员表现和健康 | 整合最新可穿戴设备与深度学习技术实现运动员健康状态的实时监测和预测 | NA | 分析当前运动员表现和健康监测方法,开发智能监测系统 | 运动员的健康监测和训练优化 | 机器学习 | NA | 可穿戴设备监测 | 深度学习 | 生理参数数据 | NA | NA | NA | 预测准确率 | 云计算 |
| 11027 | 2025-11-22 |
Deep learning estimation of proton stopping power with photon-counting computed tomography: a virtual study
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12809
PMID:39574807
|
研究论文 | 本研究通过深度学习模型从光子计数计算机断层扫描图像估计质子阻止本领 | 首次将光子计数CT与U-Net深度学习网络结合用于质子阻止本领估计,相比传统单能和双能CT方法显著提高了精度 | 基于虚拟仿真研究,尚未在真实患者数据上验证 | 提高质子放射治疗中质子阻止本领的估计精度 | 头部XCAT体模的仿真PCCT图像和质子阻止本领图 | 医学影像分析 | 癌症治疗 | 光子计数计算机断层扫描(PCCT) | 深度学习 | 医学影像 | 基于XCAT体模的仿真数据 | NA | U-Net | 均方根误差(RMSE) | NA |
| 11028 | 2025-11-22 |
Applications of Deep Learning Techniques in Healthcare Systems: A Review
2024-Nov, Journal of clinical practice and research
DOI:10.14744/cpr.2024.25381
PMID:41257169
|
综述 | 本文综述了深度学习技术在医疗保健系统中的应用研究 | 系统梳理了卷积神经网络、堆叠自编码器和循环神经网络等主流深度学习方法在医疗领域的应用现状 | 未涉及具体实验验证和性能对比分析 | 探讨深度学习技术在医疗保健领域的应用前景 | 医疗图像分析、药物研发和远程患者监测 | 机器学习 | NA | 深度学习 | CNN, SAE, RNN | 图像, 时间序列数据 | NA | NA | 卷积神经网络, 堆叠自编码器, 循环神经网络 | NA | NA |
| 11029 | 2025-11-22 |
Quantization of extraoral free flap monitoring for venous congestion with deep learning integrated iOS applications on smartphones
2023-11-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000626
PMID:37462988
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11030 | 2025-11-21 |
Gene expression and protein abundance: Just how associated are these molecular traits?
2026 Jan-Feb, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108720
PMID:41038299
|
综述 | 本文系统回顾了基因表达与蛋白质丰度关联性的研究方法、影响因素及在生物技术中的应用前景 | 整合了单细胞分析最新进展,系统比较不同实验环境下分子特征关联性研究方法 | 主要依赖相关性分析方法,受限于蛋白质定量技术发展滞后 | 探讨基因表达与蛋白质丰度的关联程度及其在生物技术中的应用潜力 | 转录组学与蛋白质组学数据关联性研究 | 生物信息学 | NA | 转录组学, 蛋白质组学, 单细胞分析 | NA | 基因表达数据, 蛋白质丰度数据 | NA | NA | NA | 相关性指标 | NA |
| 11031 | 2025-11-21 |
Enhanced CT image classification for kidney stones using pruned ConvNeXt and two-tier optimization
2025-Dec, Acta clinica Belgica
IF:1.1Q2
DOI:10.1080/17843286.2025.2586626
PMID:41217965
|
研究论文 | 提出一种用于肾脏结石CT图像分类的两层优化深度学习模型 | 结合动态通道剪枝的改进ConvNeXt架构和河豚优化算法的特征选择方法 | NA | 提高肾脏结石在CT图像中的检测准确率和效率 | 肾脏CT图像 | 计算机视觉 | 肾脏结石 | CT成像 | CNN, LightGBM | 医学图像 | NA | NA | ConvNeXt | 准确率 | NA |
| 11032 | 2025-11-21 |
A comparative deep learning methodology for plant insect image classification: Assessment of CNN architectures and augmentation techniques
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103680
PMID:41246037
|
研究论文 | 提出一种用于植物昆虫图像分类的深度学习方法,评估不同CNN架构和数据增强技术 | 在小型野外采集数据集上系统比较了四种CNN架构、六种单因素数据增强技术和三种优化器的组合效果 | 研究基于有限的小型数据集,未在大规模数据集上验证方法的普适性 | 开发适用于数据稀缺场景的鲁棒昆虫识别方法,为农业决策提供支持 | 植物昆虫图像 | 计算机视觉 | NA | 图像分类 | CNN | 图像 | BAU-Insectv2数据集中的植物昆虫图像 | NA | ResNet101V2, EfficientNet-B1, InceptionV3, InceptionResNetV1 | 准确率, 精确率, 召回率, F1分数 | NA |
| 11033 | 2025-11-21 |
Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study
2025-Nov-20, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c05780
PMID:41212638
|
研究论文 | 本研究结合深度学习和分子动力学模拟评估碳纳米管与SARS-CoV-2主蛋白酶的结合性能 | 首次系统评估深度学习在纳米结构-蛋白质对接中的性能,并揭示DL生成构象为局部能量最小值的亚稳态结构 | 深度学习模型未能完全处理结合口袋附近柔性环的结构变化 | 开发SARS-CoV-2主蛋白酶的碳纳米管抑制剂 | 碳纳米管与SARS-CoV-2主蛋白酶(Mpro) | 机器学习 | COVID-19 | 分子动力学模拟, 分子对接 | 深度学习模型 | 分子结构数据 | NA | NA | DeepRMSD + Vina | 结构一致性, 能量势垒分析 | NA |
| 11034 | 2025-11-21 |
Frequency-Aware B-Line and Pleural Line Analysis in Lung Ultrasound Videos
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3634433
PMID:41259172
|
研究论文 | 提出一种集成小波增强和时序注意力建模的肺超声视频分析框架,用于准确识别B线和胸膜线 | 引入离散小波变换的双组分频率特征增强方法和自适应注意力模块,有效抑制噪声并建模长程时序依赖 | 肺超声视频数据标注有限,模型在多诊断特征开发方面存在数据限制 | 开发自动分析肺超声视频中B线和胸膜线的深度学习框架 | 肺超声视频中的B线和胸膜线 | 计算机视觉 | 肺间质疾病 | 肺超声 | 深度学习 | 视频 | 2,149个超声视频(193,410帧),外加Covid-BLUES公共数据集 | PyTorch | 时序注意力模型 | AUC, ACC | NA |
| 11035 | 2025-11-21 |
Cardiac Arrhythmia Classification From Lead I ECG Recorded in a Free-Living Environment
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3634307
PMID:41259171
|
研究论文 | 提出基于深度学习的框架CARE-I,使用单导联心电图在自由生活环境中进行心律失常分类 | 开发了新的数据相似性评估指标以增强迁移学习和外部数据集验证,并测试了在真实噪声环境下的鲁棒性 | 仅使用单导联心电图数据,可能无法捕捉某些需要多导联的心律失常特征 | 开发能够在自由生活环境中准确检测心律失常的AI模型 | 心律失常患者的心电图数据 | 机器学习 | 心血管疾病 | 心电图记录 | 深度学习 | 心电图信号 | 超过60,000份心电图来自PhysioNet Challenge 2021数据集 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 11036 | 2025-11-21 |
Explainable End-to-End Seizure Prediction via Stationary Wavelet Transform-Driven Dynamic Multiscale Fuzzy Clustering
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3633739
PMID:41259173
|
研究论文 | 提出一种基于平稳小波变换的动态多尺度模糊聚类框架,用于可解释的癫痫发作预测 | 结合平稳小波变换与几何注意力机制,开发黎曼流形模糊聚类算法,并采用对比学习和混合监督/自监督策略增强模型鲁棒性 | 未明确说明模型在跨数据集泛化能力及计算复杂度方面的具体限制 | 解决癫痫发作预测中存在的个体差异性和时空耦合复杂性难题,提升特征判别性和模型可解释性 | 癫痫患者的脑电图信号 | 生物医学信号处理 | 癫痫 | 平稳小波变换,脑电图分析 | CNN,模糊聚类 | 脑电图信号 | NA | PyTorch,TensorFlow | 三层卷积网络,多尺度卷积核 | FPR,预测性能指标 | NA |
| 11037 | 2025-11-21 |
Interpretable End to End Epileptic Seizure Detection via Linear and Nonlinear Filtering Networks
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3633726
PMID:41259168
|
研究论文 | 提出一种结合线性和非线性滤波网络的可解释癫痫发作检测对比学习框架 | 首次通过双分支解耦网络分离EEG信号的线性和非线性成分,并采用混合监督与自监督对比学习策略 | 未提及模型在不同癫痫亚型间的泛化能力及计算效率分析 | 开发可解释的端到端癫痫发作检测方法 | 头皮和颅内脑电图数据中的六种癫痫发作类型与非发作状态 | 医疗人工智能 | 癫痫 | 脑电图分析 | CNN, 对比学习 | 脑电图信号 | NA | PyTorch | 三层卷积架构,双分支解耦网络,多尺度卷积模块 | 准确率 | NA |
| 11038 | 2025-11-21 |
Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control
2025-Nov-19, Science robotics
IF:26.1Q1
DOI:10.1126/scirobotics.ads8652
PMID:41259448
|
研究论文 | 提出一种深度域适应框架,利用生物力学模型模拟传感器数据解决可穿戴机器人控制中的数据稀缺问题 | 通过构建中间域将易获取数据转换为数据受限域,无需昂贵设备特定标注数据 | 模型误差仍比使用完整设备特定数据集的最佳情况高11-44% | 开发可实时部署的深度学习模型,用于任务无关的可穿戴机器人控制 | 髋膝关节力矩估计和可穿戴外骨骼控制 | 机器学习 | NA | 深度域适应 | 深度神经网络 | 生物力学传感器数据,模拟传感器数据 | 8名外骨骼使用者 | NA | 深度域适应网络 | 力矩估计误差(Nm/kg),代谢成本降低百分比 | NA |
| 11039 | 2025-11-21 |
A rapidly evolving female-controlled lock-and-key mechanism determines Aedes mosquito mating success
2025-Nov-17, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.09.066
PMID:41161314
|
研究论文 | 本研究揭示了雌性伊蚊通过生殖器尖端伸长行为主动控制交配的锁钥机制 | 首次发现雌性伊蚊通过生殖器尖端伸长行为主动控制交配启动,并揭示这种快速进化的锁钥机制决定交配成功率 | NA | 探究伊蚊交配机制及雌性防止重复交配的生物学基础 | 入侵性埃及伊蚊和白纹伊蚊 | 生物医学 | 蚊媒传染病 | 双色荧光精子系统、行为追踪、深度学习、定量分析 | 深度学习 | 行为视频、图像数据 | NA | NA | NA | 交配成功率统计(86%-96%单次交配率) | NA |
| 11040 | 2025-11-21 |
An intelligent brain tumor detection model using lightweight hybrid twin attentive pyramid convolutional network
2025-Nov-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23813-2
PMID:41249242
|
研究论文 | 提出一种用于脑肿瘤检测的轻量级混合双注意力金字塔卷积网络模型 | 结合双层级注意力模块和混合金字塔卷积块,采用恒星振荡优化器进行超参数调优,并集成Grad-CAM实现检测区域可视化 | NA | 开发高效的脑肿瘤早期检测方法 | 脑部MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | BT Detection 2020数据集 | Python | ResNet, LHTA-PCNet, TwinL-A, HPC | 准确率 | NA |