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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12441 | 2025-10-06 |
Deep learning approach to the estimation of the ratio of reproductive modes in a partially clonal population
2025-Jun, Vavilovskii zhurnal genetiki i selektsii
IF:0.9Q3
DOI:10.18699/vjgb-25-50
PMID:40556975
|
研究论文 | 本研究开发了一种基于深度学习的卷积神经网络模型,用于估计部分克隆种群中有性生殖与无性生殖的比例 | 首次将深度学习技术应用于估计混合生殖策略种群的生殖模式比例,能够有效处理小样本量带来的复杂性 | 模型假设生殖比例在具有双重生殖策略和稳定种群规模的种群中随时间保持恒定 | 探索单一物种内有性生殖和无性生殖的共存模式,分析具有混合生殖策略种群在变化环境中的动态 | 具有混合生殖策略的生物种群,特别是通过孤雌生殖产生的克隆生物与有性生殖起源的种群成员 | 机器学习 | NA | 微卫星重复序列等中性多等位基因标记特征 | CNN | 遗传标记数据 | 小样本量数据集 | NA | 卷积神经网络 | 准确率 | NA |
| 12442 | 2025-10-06 |
Diagnostic Performance of ChatGPT-4o in Detecting Hip Fractures on Pelvic X-rays
2025-Jun, Cureus
DOI:10.7759/cureus.86654
PMID:40557058
|
研究论文 | 评估ChatGPT-4o在骨盆X光片上诊断髋部骨折的诊断性能 | 首次评估ChatGPT-4o在髋部骨折影像诊断中的表现,探索大型语言模型在医学影像分析中的应用潜力 | 对非移位性骨折的敏感性较低(68.2%的假阴性病例为非移位性骨折),模型识别细微影像学表现的能力有限 | 评估人工智能模型在髋部骨折诊断中的性能 | 髋部骨折患者的骨盆X光影像 | 医学影像分析 | 骨科疾病 | X射线成像 | 大型语言模型 | X光图像 | 200张骨盆前后位X光片(100例手术确认的髋部骨折患者,100例软组织创伤无骨折患者) | NA | ChatGPT-4o | 敏感性, 特异性, 准确率, 阳性预测值, 阴性预测值, ROC曲线, AUC, Cohen's kappa, F1分数, 卡方检验, McNemar检验 | NA |
| 12443 | 2025-10-06 |
Can Deep Learning-Based Auto-Contouring Software Achieve Accurate Pelvic Volume Delineation in Volumetric Image-Guided Radiotherapy for Prostate Cancer? A Preliminary Multicentric Analysis
2025-May-30, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol32060321
PMID:40558264
|
研究论文 | 评估基于深度学习的自动轮廓勾画软件Limbus® Contour®在前列腺癌放疗中盆腔结构勾画的准确性 | 首次在多中心研究中评估商业深度学习自动轮廓软件在前列腺癌盆腔结构勾画中的性能 | 样本量有限(52例患者),对肠袋和乙状结肠勾画准确性较低,缺乏淋巴结亚区分化功能 | 评估深度学习自动轮廓软件在前列腺癌放疗中危险器官勾画的准确性和临床应用价值 | 前列腺癌患者的盆腔结构(膀胱、直肠、肠袋、乙状结肠和盆腔淋巴结) | 数字病理 | 前列腺癌 | 深度学习自动轮廓勾画 | 深度学习 | 医学影像 | 52例前列腺癌患者 | NA | NA | Dice系数 | NA |
| 12444 | 2025-10-06 |
Deep Learning-Based Detection of Honey Storage Areas in Apis mellifera Colonies for Predicting Physical Parameters of Honey via Linear Regression
2025-May-29, Insects
IF:2.7Q1
DOI:10.3390/insects16060575
PMID:40559006
|
研究论文 | 本研究开发了一种基于YOLOv11深度学习模型的自动化方法,用于检测和分类蜂巢中的储蜜区域,并通过线性回归预测蜂蜜物理参数 | 首次将YOLOv11模型应用于蜂巢储蜜区域的自动检测和分类,并探索了图像检测结果与蜂蜜物理特性之间的关联 | 蜂蜜物理特性(电导率和颜色)对储蜜区域估计的预测能力较弱,样本量和数据集划分可能影响模型性能 | 开发自动化的蜂巢储蜜监测技术,提高养蜂生产效率 | 意大利蜜蜂(Apis mellifera)蜂巢中的储蜜区域 | 计算机视觉 | NA | 深度学习图像分析 | YOLO | 图像 | 月度采样期间的蜂巢框架图像 | YOLOv11 | YOLOv11 | mAP@0.5, 相关系数(r) | NA |
| 12445 | 2025-10-06 |
Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence
2025-May-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01740-y
PMID:40419973
|
研究论文 | 本研究开发并验证了一种结合左心耳深度学习影像组学和临床变量的房颤消融术后复发预测模型 | 首次将nnUNet分割模型应用于左心耳形态分析,并整合深度学习影像组学特征与临床变量预测房颤复发 | 回顾性多中心研究,样本量相对有限(480例患者) | 预测房颤射频导管消融术后的复发风险 | 接受射频导管消融治疗的房颤患者 | 医学影像分析 | 心血管疾病 | CT血管造影 | 深度学习 | 医学影像 | 480例房颤患者,来自三家三级医院(2016-2022年) | nnUNet | nnUNet | Dice系数, AUC | NA |
| 12446 | 2025-10-06 |
A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R
2025 May-Jun, Multivariate behavioral research
IF:5.3Q1
DOI:10.1080/00273171.2025.2455497
PMID:39949325
|
教程 | 介绍如何使用R语言中三种人工智能工具进行面部情绪识别的教程 | 首次系统比较R语言中三种主流AI情绪识别工具并提供实用代码示例 | 仅介绍三种工具,未涉及其他可能的面部情绪识别方法 | 为研究人员提供面部情绪识别AI工具的实用指南 | 面部情绪识别工具 | 计算机视觉 | NA | 面部情绪识别 | 深度学习,机器学习 | 图像 | NA | Google Cloud Vision, Amazon Rekognition, Py-Feat | NA | NA | 云平台(Google Cloud, AWS) |
| 12447 | 2025-10-06 |
Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning
2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology
DOI:10.1002/wnan.70015
PMID:40391396
|
综述 | 本文系统综述了表面增强拉曼散射纳米标签的设计策略、生物医学应用及与机器学习的融合 | 重点探讨了机器学习与深度学习算法在提升SERS纳米标签液体活检效能方面的创新应用 | 面临临床转化挑战,需克服相关技术障碍 | 推动SERS纳米标签在生物医学领域的应用发展 | SERS纳米标签及其在疾病诊断、生物成像和液体活检中的应用 | 生物医学工程 | 癌症、SARS-CoV-2感染 | 表面增强拉曼散射、液体活检 | 机器学习、深度学习 | 光谱数据、生物医学图像 | NA | NA | NA | NA | NA |
| 12448 | 2025-10-06 |
[Segmentation and validation of mandibular canal and its bifurcation on cone beam CT based on deep learning]
2025-Apr, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:40550761
|
研究论文 | 基于深度学习开发并验证下颌管及其分叉的CBCT自动分割方法 | 采用伪标签方法辅助标注,结合形态学后处理提升下颌管及分叉的分割精度 | 样本量有限(290例CBCT扫描),仅针对清晰分叉病例验证 | 建立下颌管及其分叉的自动检测与分割方法 | 下颌管及分叉解剖结构 | 计算机视觉 | 口腔颌面疾病 | 锥形束CT(CBCT)成像 | CNN | 医学影像(CBCT扫描) | 290例CBCT扫描(训练集200例,测试集90例) | 3D Slicer | 3D U-Net | Dice相似系数,Hausdorff距离,Kappa值,检测率 | NA |
| 12449 | 2025-10-06 |
Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation
2025-Mar-31, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003185
PMID:40164487
|
研究论文 | 本研究通过整合心电图、心率变异性和人口统计学数据,开发了一种改进心房颤动检测的多模态深度学习方法 | 首次将心电图数据与心率变异性和人口统计学数据相结合,采用多模态方法提升心房颤动检测性能 | 需要进一步的临床验证 | 提高心房颤动的早期检测准确率 | 心房颤动患者 | 机器学习 | 心血管疾病 | 心电图分析 | CNN, Transformer | 心电图信号, 心率变异性数据, 人口统计学数据 | 35,634份12导联心电图记录 | NA | AlexNet, VGG-16, ResNet, Transformer | AUROC, 敏感性 | NA |
| 12450 | 2025-10-06 |
Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study
2025-Mar-31, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01646-9
PMID:40165094
|
研究论文 | 基于Gd-EOB-DTPA增强MRI开发结合双区域特征和两种机器学习算法的影像组学模型,用于预测肝细胞癌微血管侵犯 | 首次结合传统影像组学特征和深度学习特征的双区域模型,采用多中心数据验证 | 回顾性研究设计,样本量相对有限,模型性能在测试队列中有所下降 | 术前预测肝细胞癌微血管侵犯状态 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | Gd-EOB-DTPA增强MRI | 支持向量机, 3D ResNet | MRI图像 | 304例HCC患者(训练队列216例,测试队列88例)来自三家医院 | FeAture Explorer, PyTorch(推断) | ResNet-18 | AUC, 准确率, 敏感度, 特异性 | NA |
| 12451 | 2025-10-06 |
Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing
2025-Mar-31, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-025-07485-4
PMID:40165135
|
研究论文 | 开发并验证基于人工智能的早孕期胎儿超声图像质量审核系统 | 首次将YOLOv7目标检测网络与多分支图像质量回归网络结合,实现自动化的超声图像质量审核 | 研究仅针对早孕期四个关键切面,未涵盖其他孕期或切面类型 | 开发自动化超声图像质量审核系统以替代耗时的人工审核 | 早孕期胎儿超声图像 | 计算机视觉 | 产科超声 | 超声成像 | CNN | 图像 | 567例由4名不同经验水平放射科医师扫描的病例 | NA | YOLOv7, 多分支图像质量回归网络 | 准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数 | NA |
| 12452 | 2025-10-06 |
Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.004
PMID:39438175
|
研究论文 | 基于多参数MRI的深度学习模型预测直肠癌肿瘤沉积及预后结果 | 首次将多参数MRI的深度放射组学特征与临床特征结合构建诺莫图模型,用于术前预测直肠癌肿瘤沉积 | 回顾性研究设计,样本量相对有限(529例患者) | 预测直肠癌患者术前肿瘤沉积状态并分析预后结果 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 多参数MRI | 深度学习 | 医学影像 | 529例直肠癌患者(中心一:379例,中心二:150例) | NA | ResNet-101 | AUC, ROC曲线, 决策曲线分析, 临床影响曲线, deLong检验 | NA |
| 12453 | 2025-10-06 |
Detection of Auto-Immune Disease using Deep Learning Techniques
2025-Mar, Mediterranean journal of rheumatology
DOI:10.31138/mjr.060624.doa
PMID:40557183
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法,用于通过HEp-2细胞和分裂细胞实例分割检测自身免疫疾病 | 整合深度学习、先进图像处理、引导式HEp-2细胞和分裂细胞实例分割的创新自动化方法 | 数据集存在不平衡问题,分裂细胞数量显著少于HEp-2同质细胞 | 开发可靠的自动化方法用于自身免疫疾病诊断 | HEp-2细胞和分裂细胞 | 计算机视觉 | 自身免疫疾病 | 间接免疫荧光检测 | 深度学习 | 图像 | ICPR 2016数据集 | Detectron2 | YOLOv8n | 平均精度均值 | NA |
| 12454 | 2025-10-06 |
Deep learning in surgical process modeling: A systematic review of workflow recognition
2025-Feb, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104779
PMID:39832608
|
综述 | 系统回顾深度学习在手术流程建模中用于工作流识别的研究进展 | 系统分析深度学习在微创手术工作流识别中的应用,强调时间与空间序列对手术阶段识别的关键作用 | 手术标注过程缺乏详细描述,不同手术程序的标注过程存在显著差异,公开数据集常缺乏临床知识 | 研究深度学习在识别手术工作流和从微创手术数据集中提取可靠模式的作用 | 使用腹腔镜和显微镜进行的微创手术视频数据 | 计算机视觉 | NA | 深度学习 | RNN, TCN, Transformer | 手术视频 | 59篇经过全文评审的文章(从2937篇初筛文章中筛选) | NA | Transformer | NA | NA |
| 12455 | 2025-10-06 |
Smartphone image dataset for radish plant leaf disease classification from Bangladesh
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111263
PMID:39850369
|
研究论文 | 构建了一个用于萝卜叶病分类的智能手机图像数据集 | 创建了首个针对孟加拉国萝卜叶病的智能手机图像数据集,包含四种常见病害类型 | 数据集仅包含2801张图像,可能不足以训练更复杂的深度学习模型 | 通过深度学习技术精确识别萝卜叶部病害 | 萝卜植物的叶片 | 计算机视觉 | 植物病害 | 智能手机图像采集 | 深度学习模型 | 图像 | 2801张萝卜叶片图像(包含健康叶片和四种病害类型) | NA | NA | NA | NA |
| 12456 | 2025-10-06 |
Classroom Behavior Recognition Using Computer Vision: A Systematic Review
2025-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25020373
PMID:39860742
|
系统综述 | 对基于计算机视觉的课堂行为识别研究进行系统性文献综述 | 首次系统梳理计算机视觉在课堂行为识别领域的研究现状、技术方法和未来挑战 | 仅纳入80篇同行评审期刊文章,可能存在发表偏倚 | 分析计算机视觉支持的课堂行为识别研究现状和未来趋势 | 教师和学生的课堂行为 | 计算机视觉 | NA | 深度学习 | YOLO系列 | 视频 | 80篇期刊文章 | NA | YOLO | NA | NA |
| 12457 | 2025-10-06 |
A Comprehensive Review of Artificial Intelligence (AI) Applications in Pulmonary Hypertension (PH)
2025-Jan-07, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61010085
PMID:39859065
|
综述 | 本文系统回顾了人工智能在肺动脉高压领域的应用现状与潜力 | 首次系统性地综述了AI在肺动脉高压诊疗中的全面应用,涵盖诊断、分类和预后预测等多个方面 | 存在研究偏倚风险,AI工具仍需进一步探索和完善 | 评估人工智能在肺动脉高压诊疗管理中的转化应用价值 | 肺动脉高压患者及相关医学数据 | 医疗人工智能 | 肺动脉高压 | 机器学习、深度学习 | NA | 医学数据 | 45项相关研究(从500多篇初选文章中筛选) | NA | NA | NA | NA |
| 12458 | 2025-10-06 |
Data-driven identification of urgent surgical procedures for use in trauma outcomes measurement
2025, Trauma surgery & acute care open
IF:2.1Q2
DOI:10.1136/tsaco-2025-001783
PMID:40406235
|
研究论文 | 提出一种基于常规管理数据识别创伤患者紧急手术程序的数据驱动方法 | 开发了无需专家共识的灵活数据驱动方法,通过手术时间框架自动识别紧急手术程序 | 研究基于单家医院数据,方法尚未在其他机构验证 | 建立标准化的创伤紧急手术程序列表以促进创伤系统评估比较 | 创伤患者的手术程序数据 | 医疗数据分析 | 创伤 | 管理数据链接分析 | NA | 围手术期和住院管理数据 | 4737例创伤入院,6750次手术,567种独特手术程序 | NA | NA | 紧急协议分类标准(75%手术在4小时内完成),紧急共识分类标准(50-75%手术在4小时内完成且共识度低于0.7) | NA |
| 12459 | 2025-10-06 |
LOD-PCAC: Level-of-Detail-Based Deep Lossless Point Cloud Attribute Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578760
PMID:40526560
|
研究论文 | 提出一种基于细节层次结构的无损点云属性压缩框架LOD-PCAC | 利用细节层次结构实现密度鲁棒压缩,提出比特级残差编码器和参考集构建方法 | 未明确说明计算复杂度和实时性能表现 | 解决稀疏或不均匀分布点云的无损属性压缩问题 | 点云属性数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 多种点云数据集 | NA | NA | 压缩性能 | NA |
| 12460 | 2025-10-06 |
Fast 3D Room Layout Estimation Based on Compact High-Level Representation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578785
PMID:40531646
|
研究论文 | 提出一种基于紧凑高层表示的快速3D房间布局估计方法 | 使用仅29个实数的紧凑高层表示替代传统高分辨率2D表示,显著提升推理速度并降低内存消耗 | 未明确说明在复杂场景或非平面结构房间中的适用性 | 实现从室内RGB图像快速重建整体3D结构 | 室内场景的3D房间布局 | 计算机视觉 | NA | 深度学习 | 通用回归网络 | RGB图像 | NA | NA | NA | 推理速度,布局估计性能 | NA |