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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
12861 | 2025-10-07 |
Deep Learning Architecture to Infer Kennedy Classification of Partially Edentulous Arches Using Object Detection Techniques and Piecewise Annotations
2025-Feb, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.005
PMID:39645471
|
研究论文 | 本研究开发了一种基于深度学习的对象检测架构,用于自动推断部分缺牙牙弓的Kennedy分类 | 采用对象检测技术和分段标注方案,能够同时诊断多种牙齿问题并提供牙弓的详细信息 | 数据集规模较小 | 利用人工智能和深度学习技术自动检测口腔全景X射线图像中的常见牙齿问题 | 口腔全景X射线图像中的牙齿问题,包括断根、牙周病牙齿和部分缺牙牙弓的Kennedy分类 | 计算机视觉 | 牙科疾病 | 口腔全景X射线成像 | 对象检测模型 | X射线图像 | 小型数据集 | NA | NA | 准确率 | NA |
12862 | 2025-10-07 |
Interpretable deep learning architecture for gastrointestinal disease detection: A Tri-stage approach with PCA and XAI
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109503
PMID:39647242
|
研究论文 | 提出一种用于胃肠道疾病检测的三阶段可解释深度学习架构 | 采用三阶段轻量级架构,结合PCA特征选择和多种XAI方法增强模型可解释性 | NA | 开发自动分类胃肠道疾病的计算机辅助诊断系统 | 胃肠道疾病图像 | 计算机视觉 | 胃肠道疾病 | 深度学习 | CNN, DELM | 图像 | GastroVision数据集包含27种胃肠道疾病的8000张图像 | NA | PSE-CNN, PCA, DELM | 准确率, 精确率, 召回率, F1分数, ROC-AUC, AUC-PR | NA |
12863 | 2025-10-07 |
Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110662
PMID:39647528
|
研究论文 | 本研究开发基于深度学习的剂量预测模型,可在数秒内生成接近Erasmus-iCycle计划质量的剂量分布,实现即时治疗计划 | 首次系统研究训练数据集规模和模型规模对剂量预测精度的影响,实现秒级高质量剂量预测 | 即使使用1000例训练患者,预测精度尚未完全收敛,需要进一步研究验证即时计划的适用性 | 实现即时治疗计划,使医生能在勾画轮廓后立即评估和批准治疗计划 | 1250例前列腺癌患者 | 医学影像分析 | 前列腺癌 | 深度学习剂量预测 | U-Net | 3D剂量分布数据 | 1250例前列腺癌患者(训练集:50/100/250/500/1000例,验证集:100例,测试集:150例) | NA | 分层密集连接U-Net(具有2/3/4/5/6个池化层) | PTV V95%, 直肠V75Gy, 膀胱V65Gy的中位预测误差和四分位距 | NA |
12864 | 2025-10-07 |
Classification of speech arrests and speech impairments during awake craniotomy: a multi-databases analysis
2025-Feb, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03301-0
PMID:39652158
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于在清醒开颅手术期间客观评估言语停止和言语障碍 | 首次使用深度学习模型对清醒开颅手术中的言语功能进行客观评估,解决了传统依赖临床医生主观观察的局限性 | 需要进一步评估,样本量相对有限,且跨语言场景下性能有所下降 | 开发客观评估清醒开颅手术中言语功能的方法 | 清醒开颅手术患者的言语音频数据 | 自然语言处理 | 脑肿瘤 | 音频处理,深度学习 | Wav2Vec2 | 音频 | 1883个3秒音频片段,来自25例清醒开颅手术(23例来自日本,2例来自法国) | PyTorch | Wav2Vec2 | F1-score | NA |
12865 | 2025-10-07 |
Domain generalization for mammographic image analysis with contrastive learning
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109455
PMID:39657447
|
研究论文 | 提出一种新型对比学习框架MSVCL+,用于提升乳腺X线图像分析的领域泛化能力 | 开发了多风格多视图对比学习框架MSVCL+,通过无监督自学习获取对风格多样性鲁棒的特征嵌入 | 未明确说明数据收集的具体限制和模型计算资源需求 | 提升乳腺X线图像分析模型在不同扫描设备间的泛化性能 | 乳腺X线图像 | 计算机视觉 | 乳腺癌 | 对比学习 | 深度学习 | 医学图像 | 来自多个供应商风格域和多个公共数据集的乳腺X线图像 | NA | NA | NA | NA |
12866 | 2025-10-07 |
Natural compounds for Alzheimer's prevention and treatment: Integrating SELFormer-based computational screening with experimental validation
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109523
PMID:39657444
|
研究论文 | 本研究开发了一种结合SELFormer和深度学习技术的计算流程,用于预测具有阿尔茨海默病治疗潜力的天然化合物,并通过实验验证其生物活性 | 首次将基于Transformer架构的化学语言模型SELFormer与深度学习技术相结合,构建计算筛选天然化合物的新方法 | 研究仅针对7个AD相关基因,可能未覆盖所有潜在治疗靶点;体外实验模型可能无法完全模拟体内复杂环境 | 开发计算与实验相结合的方法,筛选和验证具有阿尔茨海默病治疗潜力的天然化合物 | 天然化合物及其对阿尔茨海默病相关基因的活性 | 自然语言处理, 机器学习 | 阿尔茨海默病 | SELFormer化学语言模型, QSAR分析, UMAP降维, 分子对接分析, 体外细胞实验 | Transformer, 深度学习模型 | 化学结构数据, 基因表达数据, 细胞实验数据 | 17个高活性天然化合物,使用NGF分化的PC12细胞进行验证 | NA | SELFormer, Transformer | pIC50, 结合能, 细胞活力, AChE活性, 脂质过氧化水平, TNF-α mRNA表达, BDNF mRNA表达 | NA |
12867 | 2025-10-07 |
Development and validation of a deep learning model for morphological assessment of myeloproliferative neoplasms using clinical data and digital pathology
2025-Feb, British journal of haematology
IF:5.1Q1
DOI:10.1111/bjh.19938
PMID:39658953
|
研究论文 | 开发并验证一种结合骨髓全切片图像和临床参数的深度学习模型,用于骨髓增殖性肿瘤的形态学评估 | 首次将深度学习模型与临床参数融合用于MPN的形态学评估,性能相当于资深血液病理学家且优于初级医师 | 研究样本量有限(1051例),外部验证队列数量较少 | 提高骨髓增殖性肿瘤的病理诊断准确性 | 骨髓增殖性肿瘤和非MPN患者 | 数字病理 | 骨髓增殖性肿瘤 | 数字病理,深度学习 | 深度学习模型 | 骨髓全切片图像,临床参数 | 1051例MPN和非MPN患者 | NA | 融合模型(深度学习模型+临床模型) | AUC | NA |
12868 | 2025-10-07 |
Meso Hybridized Silk Fibroin Watchband for Wearable Biopotential Sensing and AI Gesture Signaling
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410702
PMID:39660568
|
研究论文 | 开发了一种基于钼-金丝网和丝素蛋白的智能柔性手表带,用于生物电位传感和AI手势识别 | 采用介观杂化丝素蛋白薄膜和钼-金丝网电极阵列,实现了高信噪比、高灵敏度和显著的运动噪声降低 | NA | 开发用于人机交互的智能可穿戴生物电位传感设备 | 人体生物电位信号(心电图、肌电图)和手势识别 | 机器学习 | NA | 肌电信号传感 | 深度学习 | 生物电位信号 | 20名不同性别的志愿者 | NA | NA | 识别率 | NA |
12869 | 2025-10-07 |
MRI classification of progressive supranuclear palsy, Parkinson disease and controls using deep learning and machine learning algorithms for the identification of regions and tracts of interest as potential biomarkers
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109518
PMID:39662313
|
研究论文 | 本研究开发并比较了基于人工智能的MRI分析算法,用于区分进行性核上性麻痹、帕金森病和健康对照 | 首次结合深度学习和多种机器学习算法识别关键脑区和白质纤维束作为区分神经退行性帕金森综合征的生物标志物 | 数据来自不同场强的扫描仪(3.0T和1.5T),样本量相对有限 | 开发能够区分进行性核上性麻痹、帕金森病和健康对照的MRI人工智能分析算法 | 进行性核上性麻痹患者、帕金森病患者和健康对照者 | 医学影像分析 | 神经退行性疾病 | 扩散张量成像(DTI), T1加权成像 | 深度学习神经网络, 随机森林 | MRI影像数据 | 样本1: 74例PSP患者和63例对照(多中心3.0T);样本2: 66例PSP患者、66例PD患者和44例对照(单中心1.5T) | TensorFlow | 深度学习神经网络 | 准确率, 敏感性, 特异性, Youden指数 | NA |
12870 | 2025-10-07 |
MultiSCCHisto-Net-KD: A deep network for multi-organ explainable squamous cell carcinoma diagnosis with knowledge distillation
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109469
PMID:39662318
|
研究论文 | 提出一种用于多器官鳞状细胞癌诊断的深度神经网络模型,通过知识蒸馏技术实现模型压缩并提高泛化能力 | 首次针对多器官鳞状细胞癌开发低倍镜下结构异常识别的深度网络,结合知识蒸馏和可解释性技术 | 未明确说明样本数量和数据分布的具体细节 | 开发能够跨器官诊断鳞状细胞癌的鲁棒深度学习模型 | 多器官来源的鳞状细胞癌组织病理学图像 | 数字病理学 | 鳞状细胞癌 | 组织病理学成像 | 深度神经网络 | 图像 | NA | NA | MultiSCCHisto-Net, MultiSCCHisto-Net-KD | 准确率 | NA |
12871 | 2025-10-07 |
An interpretable deep learning model for hallux valgus prediction
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109468
PMID:39662315
|
研究论文 | 开发了一种可解释的深度学习模型,用于自动标注足部X射线图像关键点并计算拇外翻角度和跖骨间角度 | 提出了结合AG-UNet和SE-DNN的可解释深度学习模型,能够自动识别足部关键点并计算临床角度,减少人工测量误差 | NA | 提高拇外翻诊断的效率和准确性,减少医疗专家手动计算的时间和错误 | 足部X射线图像 | 计算机视觉 | 拇外翻 | X射线成像 | 深度学习 | 图像 | 2000张足部X射线图像 | NA | AG-UNet, SE-DNN | 平均误差距离, ICC | NA |
12872 | 2025-10-07 |
The influence of a deep learning tool on the performance of oral and maxillofacial radiologists in the detection of apical radiolucencies
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae054
PMID:39656660
|
研究论文 | 评估深度学习模型对口腔放射科医生检测根尖周放射线透亮区能力的影响 | 首次在口腔放射学领域采用交叉阅读实验设计评估AI辅助诊断工具对专业医生性能的影响 | 样本量较小(68张根尖片),仅使用单一深度学习模型测试 | 评估AI辅助工具对口腔放射科医生诊断性能的影响 | 口腔放射科医生和根尖周放射线透亮区 | 数字病理 | 口腔疾病 | 锥形束计算机断层扫描 | 深度学习模型 | 根尖放射线图像 | 68张根尖放射线图像 | NA | Denti.AI | AFROC-AUC, 敏感性, 特异性, ROC-AUC | NA |
12873 | 2025-10-07 |
Detection of periodontal bone loss and periodontitis from 2D dental radiographs via machine learning and deep learning: systematic review employing APPRAISE-AI and meta-analysis
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae070
PMID:39656957
|
系统综述 | 通过系统综述和荟萃分析评估人工智能在牙科X光片中检测牙周骨丧失和牙周炎的应用 | 首次使用APPRAISE-AI工具对AI在牙周病诊断研究进行质量评估,并进行荟萃分析 | 纳入研究质量参差不齐,缺乏高质量研究,AI研究透明度和报告标准有待提高 | 评估人工智能在牙科X光片中检测牙槽骨丧失和牙周炎的应用效果 | 牙科全景片和根尖片 | 医学影像分析 | 牙周炎 | 牙科X光成像 | 机器学习,深度学习 | 2D图像 | 30篇纳入综述,10篇符合荟萃分析条件 | NA | NA | 灵敏度,特异度,准确度 | NA |
12874 | 2025-10-07 |
DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks
2025-Feb, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2291829
PMID:38084744
|
研究论文 | 提出DeepCompoundNet模型,通过整合多模态数据增强化合物-蛋白质相互作用预测 | 首次将分子信息与多种相互作用网络数据整合到深度学习模型中 | NA | 预测化合物与蛋白质之间的相互作用 | 化合物和蛋白质 | 机器学习 | NA | 虚拟筛选 | CNN | 氨基酸序列、化学结构、蛋白质-蛋白质相互作用、药物-疾病相互作用、蛋白质-疾病相互作用 | NA | NA | 多模态卷积神经网络 | NA | NA |
12875 | 2025-10-07 |
A fine-tuning deep residual convolutional neural network for emotion recognition based on frequency-channel matrices representation of one-dimensional electroencephalography
2025-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2286918
PMID:38017703
|
研究论文 | 提出一种基于频率通道矩阵表示和深度残差卷积神经网络的脑电信号情感识别方法 | 结合预训练深度残差网络与迁移学习技术,利用Welch功率谱密度估计将一维脑电信号转换为二维频率通道矩阵表示 | NA | 开发自动高精度情感识别系统以改善人机交互 | 多通道脑电信号 | 机器学习 | NA | 脑电信号分析 | CNN | 脑电信号 | DEAP数据集上的5折交叉验证 | NA | ResNet | 准确率,精确率,灵敏度,特异度,F1分数 | NA |
12876 | 2025-10-07 |
Application of one-class classification using deep learning technique improves the classification of subvisible particles
2025-Feb, Journal of pharmaceutical sciences
IF:3.7Q2
DOI:10.1016/j.xphs.2024.11.023
PMID:39615881
|
研究论文 | 本研究探讨了深度学习技术如何改进亚可见颗粒的单类分类性能 | 将深度学习技术与单类分类方法相结合应用于亚可见颗粒分类,相比传统方法显著提升了分类效果 | 研究仅针对特定类型的蛋白质聚集体(免疫球蛋白G和清蛋白来源)进行了验证,未涵盖所有可能的亚可见颗粒类型 | 评估深度学习技术对亚可见颗粒单类分类性能的改进效果 | 硅油和两种蛋白质聚集体(免疫球蛋白G来源聚集体和清蛋白来源聚集体) | 计算机视觉 | NA | 流式成像显微镜 | 深度学习 | 图像 | NA | NA | NA | 分类得分 | NA |
12877 | 2025-10-07 |
Use of artificial intelligence to detect dental caries on intraoral photos
2025-Jan-30, Quintessence international (Berlin, Germany : 1985)
DOI:10.3290/j.qi.b5857664
PMID:39601186
|
研究论文 | 开发基于多阶段深度学习的人工智能系统,用于口腔内照片中的龋齿检测和分类 | 首次构建针对前牙和后牙的多阶段深度学习管道,能够定位单个牙齿并对不同严重程度的龋齿进行分类 | 后牙白斑检测因位置变异性较高而更具挑战性 | 开发成本效益高的早期龋齿检测工具,适用于非临床环境 | 口腔内牙齿照片 | 计算机视觉 | 龋齿 | 深度学习 | 深度学习模型 | 图像 | 50,179张口腔内牙齿照片(来自智能手机和口腔内相机) | NA | 多阶段深度学习管道 | 灵敏度, 特异性 | NA |
12878 | 2025-10-07 |
The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding
2025-Jan-23, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9957
PMID:39622169
|
研究论文 | 提出名为'Sandwich'的深度隐私保护元框架,结合迁移学习和联邦学习用于非侵入性脑电波解码 | 首次将迁移学习与联邦学习整合为统一框架,解决脑电数据集的变异性和隐私问题 | NA | 解决脑电信号解码中的数据变异性和隐私保护挑战 | 脑电图(EEG)信号和脑机接口应用 | 机器学习 | 神经系统疾病 | 脑电图(EEG) | 深度学习 | 时间序列数据 | NA | NA | Inception, Sandwich元架构 | 准确率 | NA |
12879 | 2025-10-07 |
Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach
2025-Jan-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.278812.123
PMID:39622637
|
研究论文 | 提出一种名为scIDST的弱监督深度学习方法,用于从单细胞转录组数据推断疾病进展阶段 | 开发了首个基于弱监督深度学习的单细胞疾病进展推断方法,能够识别传统患者-健康对照比较分析无法检测的疾病相关基因差异表达 | NA | 解决患者来源组织中细胞异质性问题,准确推断单个细胞的疾病进展水平 | 单细胞转录组数据中的个体细胞 | 生物信息学 | 多种疾病 | 单细胞/细胞核基因组测序 | 深度学习 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
12880 | 2025-10-07 |
An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images
2025-Jan-15, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9dac
PMID:39662047
|
研究论文 | 提出一种通过交替优化稠密视图正弦图和图像的高效深度展开网络,用于稀疏视图CT重建 | 将SVCT重建分解为稠密视图正弦图优化和图像优化两个子问题,采用稠密视图而非全视图正弦图修复,降低计算资源需求并减少误差传播 | NA | 解决稀疏视图CT重建中计算成本高的问题,同时保持重建图像质量 | 临床原始投影数据 | 医学影像重建 | NA | 计算机断层扫描(CT) | 深度展开网络 | 投影数据,图像 | NA | NA | 深度神经网络 | 定量指标,定性结果 | GPU |