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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11421 | 2025-10-07 |
Comparison of Deep Learning-Based Auto-Segmentation Results on Daily Kilovoltage, Megavoltage, and Cone Beam CT Images in Image-Guided Radiotherapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251344198
PMID:40397131
|
研究论文 | 比较基于深度学习的自动分割模型在不同在线CT成像模态(kVCT、kV-CBCT、MVCT)上对图像引导放疗中危及器官的分割效果 | 首次系统比较深度学习自动分割模型在三种常用放疗CT成像模态(kVCT、kV-CBCT、MVCT)上的性能差异 | 自动分割后仍需人工校正,特别是对于与周围组织对比度有限的器官 | 评估基于深度学习的自动分割模型在不同在线CT成像模态上的分割效果 | 60名患者的盆腔和胸部区域CT图像 | 医学影像分析 | 肿瘤放疗 | CT成像(kVCT、kV-CBCT、MVCT) | CNN | CT图像 | 60名患者(盆腔区域30名,胸部区域30名) | NA | NA | Dice相似系数,Jaccard相似系数,敏感度指数,包容性指数,95百分位Hausdorff距离 | NA |
| 11422 | 2025-10-07 |
Classification of fashion e-commerce products using ResNet-BERT multi-modal deep learning and transfer learning optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324621
PMID:40403022
|
研究论文 | 本研究提出了一种基于多模态深度学习和迁移学习的时尚电商产品分类方法 | 提出ResNet-BERT多模态深度学习框架,并开发了14种迁移学习策略来优化模型性能 | 未明确说明具体的数据集规模和模型计算资源需求 | 解决时尚电商平台产品分类不准确的问题,提高分类精度 | 时尚电商平台的产品数据 | 计算机视觉,自然语言处理 | NA | 多模态深度学习,迁移学习 | CNN,Transformer | 图像,文本 | NA | NA | ResNet,BERT | NA | NA |
| 11423 | 2025-10-07 |
EFCRFNet: A novel multi-scale framework for salient object detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323757
PMID:40403088
|
研究论文 | 提出一种新颖的多尺度显著目标检测框架EFCRFNet,通过增强条件随机场和边缘特征增强模块提升复杂场景下的检测性能 | 引入两个创新模块:增强条件随机场(ECRF)通过空间注意力机制增强多模态特征融合,边缘特征增强模块(EFEM)专门优化边缘特征以提升边界识别精度 | NA | 解决显著目标检测中边缘特征提取不足和复杂场景下检测精度不高的问题 | 图像中的显著区域 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | 标准基准数据集 | NA | EFCRFNet, ECRF, EFEM | MAE, Fm, Em, Sm | NA |
| 11424 | 2025-10-07 |
Artificial intelligence in vaccine research and development: an umbrella review
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1567116
PMID:40406131
|
综述 | 本文通过伞状综述整合了人工智能在疫苗研发、优化、临床试验、供应链物流和公众接受度等方面的应用证据 | 首次通过伞状综述系统整合AI在疫苗全生命周期中的应用证据,识别了从计算机模拟到现实转化的关键行动领域 | 纳入的27篇综述存在数据异质性、算法偏倚、监管框架有限和伦理问题等挑战 | 系统评估人工智能在疫苗研究与发展中的具体作用和有效性 | 疫苗发现、优化、临床测试、供应链物流和公众接受度 | 机器学习 | 传染病 | 多组学整合、预测分析、情感分析 | 随机森林, 支持向量机, 梯度提升, 逻辑回归, CNN, RNN, GAN, 变分自编码器 | 多组学数据, 供应链数据, 社交媒体数据 | 27篇系统综述、范围综述、叙述性综述和荟萃分析 | NA | NA | 标准化性能指标 | NA |
| 11425 | 2025-10-07 |
Artificial intelligence-based automated breast ultrasound radiomics for breast tumor diagnosis and treatment: a narrative review
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1578991
PMID:40406239
|
综述 | 本文综述了基于人工智能的自动乳腺超声影像组学在乳腺肿瘤诊断和治疗中的应用现状与发展前景 | 整合人工智能技术与自动乳腺超声影像组学,通过机器学习和深度学习算法提升乳腺肿瘤诊断和治疗评估能力 | 分析数据存在固有变异性,需要进一步评估模型在临床应用中的可靠性 | 探讨AI驱动的ABUS影像组学在乳腺癌诊断和治疗评估中的应用价值 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 自动乳腺超声(ABUS), 影像组学 | 机器学习(ML), 深度学习(DL) | 医学影像数据 | NA | NA | NA | NA | NA |
| 11426 | 2025-10-07 |
Development and validation of a predictive model combining radiomics and deep learning features for spread through air spaces in stage T1 non-small cell lung cancer: a multicenter study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1572720
PMID:40406248
|
研究论文 | 开发并验证结合影像组学和深度学习特征预测T1期非小细胞肺癌气腔播散的联合模型 | 首次比较多种深度学习模型(2D/3D/2.5D)与影像组学模型(INTRA/Peri2mm/Fusion2mm)的性能,并开发出性能最优的联合预测模型 | 研究样本量相对有限(480例患者),且为回顾性多中心研究 | 开发最优预测模型用于T1期非小细胞肺癌气腔播散的术前预测,辅助临床手术规划 | T1期非小细胞肺癌患者 | 医学影像分析 | 肺癌 | CT影像分析 | 深度学习, 机器学习 | 医学影像 | 480例来自4个中心的患者 | NA | ResNet50, XGBoost | AUC | NA |
| 11427 | 2025-10-07 |
Critical review of OCT in clinical practice for the assessment of oral lesions
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1569197
PMID:40406268
|
综述 | 本文系统回顾了光学相干断层扫描(OCT)在口腔病变临床评估中的应用现状与挑战 | 首次全面评估OCT在口腔鳞状细胞癌(OSCC)和口腔潜在恶性疾病(OPMDs)中的临床应用价值,并特别关注人工智能辅助分析的进展 | 研究方法存在显著异质性,结果严格依赖操作者,样本扩展和制备影响AI算法性能,设备成本高昂限制广泛应用 | 评估OCT技术在口腔肿瘤学中的临床应用价值,特别关注其在早期检测、手术边缘评估和AI辅助诊断方面的潜力 | 口腔鳞状细胞癌(OSCC)和口腔潜在恶性疾病(OPMDs)患者 | 数字病理 | 口腔癌 | 光学相干断层扫描(OCT) | 机器学习,深度学习 | OCT图像 | NA | NA | NA | 诊断敏感性,准确性 | NA |
| 11428 | 2025-10-07 |
Deep ensemble learning-driven fully automated multi-structure segmentation for precision craniomaxillofacial surgery
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1580502
PMID:40406586
|
研究论文 | 开发基于深度集成学习的全自动多结构分割模型CMF-ELSeg,用于颅颌面外科手术 | 提出粗到细级联架构和集成学习方法,整合三种3D U-Net模型的优势 | 仅使用143个CT扫描进行训练和验证,样本量有限 | 实现颅颌面结构和单个牙齿的精确分割,推进计算机辅助颅颌面外科手术 | 颅颌面CT扫描图像 | 计算机视觉 | 颅颌面疾病 | CT扫描 | 3D CNN | 3D医学图像 | 143个颅颌面CT扫描 | NA | 3D U-Net, V-Net, nnU-Net, 3D UX-Net | Dice score, IoU | NA |
| 11429 | 2025-10-07 |
Automatic diagnosis and measurement of intracranial aneurysms using deep learning in MRA raw images
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1544571
PMID:40406704
|
研究论文 | 本研究开发了一种基于深度学习的全自动模型,用于颅内动脉瘤的诊断和尺寸测量 | 首次基于原始MRA图像开发一键式全自动深度学习模型,实现颅内动脉瘤的自动诊断和测量 | 模型在不同医院的独立验证集上性能略有下降,需要进一步扩大数据集验证泛化能力 | 开发自动化的颅内动脉瘤诊断和测量方法,提高临床工作效率 | 颅内动脉瘤患者和正常对照者 | 医学影像分析 | 脑血管疾病 | MRA成像 | 深度学习 | 医学影像 | 医院1:852名患者的1,014个动脉瘤;医院2:315名患者(179例有动脉瘤,136例无动脉瘤) | NA | 3D U-Net | 召回率, 敏感度, 特异性, AUC, 真阳性, 假阳性, 假阴性 | NA |
| 11430 | 2025-10-07 |
Audio-visual source separation with localization and individual control
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321856
PMID:40408322
|
研究论文 | 提出一种专为视频会议和远程呈现机器人设计的音视频源分离框架,用于在嘈杂环境中分离和增强个体参与者的语音 | 结合音频引导的视觉注意力机制和深度多分辨率网络模块,实现基于视频帧定位的个体音量控制 | 在AVE和Music 21数据集上的测试准确率为71.88%,仍有提升空间 | 解决多参与者视频会议环境中的音频质量管理和说话人识别问题 | 视频会议和远程呈现机器人应用中的音频信号 | 计算机视觉,自然语言处理 | NA | 音视频信号处理 | 深度学习神经网络 | 音频,视频 | AVE和Music 21数据集 | NA | DPRNN-TasNet,Deep Multi-Resolution Network | 准确率 | NA |
| 11431 | 2025-10-07 |
Detecting eavesdropping nodes in the power Internet of Things based on Kolmogorov-Arnold networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321179
PMID:40408323
|
研究论文 | 提出一种基于Kolmogorov-Arnold网络的电力物联网窃听节点检测方法 | 利用KAN网络逼近任意非线性函数的能力,通过样条函数的灵活组合构建从异构节点特征到窃听位置的端到端映射 | NA | 电力物联网环境下的窃听节点定位 | 电力物联网中的网络节点 | 物联网安全 | NA | Kolmogorov-Arnold网络 | KAN | 异构节点特征数据 | 真实电网数据 | NA | Kolmogorov-Arnold网络 | 定位精度、泛化能力、计算效率 | NA |
| 11432 | 2025-10-07 |
An intelligent framework for crop health surveillance and disease management
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324347
PMID:40408612
|
研究论文 | 提出一个集成深度学习、云计算和物联网技术的智能农作物健康监测与病害管理框架 | 结合多种先进深度学习模型(MobileNet-1、MobileNet-2、ResNet-50、InceptionV3)与物联网技术实现实时农作物健康监测 | NA | 提高农作物病害早期检测精度并推荐有效的病害管理策略 | 农作物健康状态和病害情况 | 计算机视觉 | 植物病害 | 物联网(IoT)、深度学习 | CNN | 图像、环境传感器数据(温度、湿度、水位) | NA | NA | MobileNet-1, MobileNet-2, ResNet-50, InceptionV3 | NA | 云计算、嵌入式设备 |
| 11433 | 2025-10-07 |
Forecasting monthly runoff in a glacierized catchment: A comparison of extreme gradient boosting (XGBoost) and deep learning models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321008
PMID:40408639
|
研究论文 | 比较极端梯度提升(XGBoost)与深度学习模型在冰川流域月径流预测中的性能 | 采用新颖统计方法评估预测模型在径流数据转折点检测中的有效性,并首次在冰川流域系统比较XGBoost与LSTM、随机森林模型的预测性能 | 研究仅针对瑞士Lotschental单一流域,模型在其他地理区域的适用性有待验证 | 提高冰川流域月径流预测精度,支持水资源管理和气候变化适应 | 瑞士Lotschental冰川流域的月径流数据 | 机器学习 | NA | 时间序列分析 | XGBoost, LSTM, RF | 时间序列数据 | 20年径流数据(2002-2021),其中14年训练校准,6年测试 | NA | 极端梯度提升, 长短期记忆网络, 随机森林 | R², RMSE, NSE, Willmott指数 | NA |
| 11434 | 2025-10-07 |
Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12804
PMID:38799270
|
研究论文 | 开发了一种先验知识感知迭代去噪神经网络,用于降低光子计数探测器CT中高分辨率虚拟单能图像中的噪声 | 提出利用低噪声虚拟单能图像作为先验输入,并通过迭代构建精炼训练数据集来提升神经网络去噪性能 | 研究仅包含10例患者数据,样本量有限 | 降低光子计数探测器CT中高分辨率虚拟单能图像的噪声 | 光子计数探测器CT扫描的虚拟单能图像 | 医学影像处理 | 心血管疾病 | CT血管造影 | 神经网络 | 医学影像 | 10例患者冠状动脉CT血管造影检查 | NA | PKAID-Net | 图像噪声、空间细节保留、定量准确性 | NA |
| 11435 | 2025-10-07 |
Local Mean Suppression Filter for Effective Background Identification in Fluorescence Images
2024-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614955
PMID:39386682
|
研究论文 | 提出一种用于荧光显微镜图像背景识别的非线性滤波器 | 基于局部均值比较的像素级滤波方法,通过变化邻域尺寸生成多重标签并累积决策 | NA | 开发有效的荧光图像背景识别方法 | 具有密集低对比度前景的荧光显微镜图像 | 计算机视觉 | NA | 荧光显微镜成像 | NA | 图像 | NA | Python 3 | 局部均值抑制滤波器 | NA | NA |
| 11436 | 2025-10-07 |
Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms
2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.)
DOI:10.1097/FM9.0000000000000236
PMID:40406277
|
研究论文 | 比较深度学习算法在预测早产方面的性能 | 首次在早产预测中比较Transformer模型与传统机器学习算法的表现 | 回顾性研究,数据来自单一医疗机构 | 评估深度学习算法预测早产的适用性 | 医院分娩数据 | 机器学习 | 产科疾病 | NA | Transformer, logistic regression, random forest, support vector machine | 临床数据 | 30,965例分娩数据(训练验证集24,770例,测试集6,195例) | NA | Transformer | AUC, sensitivity, specificity, PPV, NPV, accuracy | NA |
| 11437 | 2025-10-07 |
Artificial Intelligence and Machine Learning in Rotator Cuff Tears
2023-Sep-01, Sports medicine and arthroscopy review
IF:2.5Q2
DOI:10.1097/JSA.0000000000000371
PMID:37976127
|
综述 | 本文评估人工智能在肩袖撕裂管理中的当前应用与未来潜力 | 系统评估深度学习在肩袖撕裂诊断和预后预测中的创新应用 | 数据集规模较小,部分厚度撕裂分类存在复杂性 | 探索人工智能在肩袖撕裂诊疗管理中的应用价值 | 肩袖撕裂患者 | 医学影像分析 | 肩袖撕裂 | 磁共振成像,放射影像分析 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 诊断准确率 | NA |
| 11438 | 2025-10-07 |
A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds
2025-Aug, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108087
PMID:40328008
|
研究论文 | 提出一种融合成本敏感学习和动态阈值的实时交通风险预测框架 | 将交通风险细分为四个等级并引入误分类成本考量,结合动态阈值解决多分类任务性能下降问题 | NA | 提升实时交通风险预测的可靠性 | 车辆轨迹数据 | 机器学习 | NA | 车辆轨迹数据分析 | 机器学习/深度学习模型 | 轨迹数据 | HighD数据集 | NA | CSL-DTs集成模型 | 精确率, 计算时间 | 遗传算法优化 |
| 11439 | 2025-10-07 |
Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish
2025-Aug, Life science alliance
IF:3.3Q1
DOI:10.26508/lsa.202503319
PMID:40399066
|
研究论文 | 本研究使用深度学习模型通过斑马鱼皮肤细胞图像预测其整体生长尺寸 | 首次证明仅需少量细胞图像即可预测宏观生物体尺寸,建立了微观细胞特征与宏观生长状态的联系 | 研究仅针对斑马鱼幼虫,样本数量相对有限(722张图像) | 探索微观细胞特征与宏观动物生长状态之间的关联性 | 斑马鱼幼虫的皮肤细胞 | 计算机视觉 | NA | 显微成像 | Vision Transformer (ViT) | 图像 | 722张皮肤细胞图像及对应的斑马鱼尺寸数据 | NA | Vision Transformer | F-score | NA |
| 11440 | 2025-10-07 |
Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation
2025-Jul, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.04.016
PMID:40306473
|
综述 | 本文系统综述了2021-2024年间深度学习在脑部病变分割领域的最新进展、挑战与未来发展方向 | 基于250余篇最新综述论文的系统性分析,提出了针对类别不平衡和多模态数据的解决方案,并首次系统探讨了隐私保护学习框架在脑病变分割中的应用前景 | 作为综述性论文,未包含原始实验验证,主要依赖已有文献的二次分析 | 为脑部病变检测和卒中分割任务的研究人员和系统设计者提供技术指南和发展方向 | 脑肿瘤和卒中病变的医学影像分割 | 计算机视觉 | 脑部疾病 | 医学影像分析 | 深度学习 | 医学影像 | NA | NA | 轻量级神经网络,多层架构 | NA | NA |