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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13981 | 2025-10-07 |
Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy
2025-Apr, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.17519
PMID:39627947
|
研究论文 | 本研究开发了一种基于机器学习的算法,用于在离体共聚焦激光扫描显微镜图像中检测基底细胞癌 | 首次将卷积神经网络应用于EVCM图像中的基底细胞癌自动检测,为临床决策提供辅助工具 | 概念验证研究,样本量有限(50张训练图像,19张测试图像),需要更大规模验证 | 开发机器学习算法辅助基底细胞癌的检测,促进EVCM技术在临床常规中的应用 | 经组织学确认的基底细胞癌新鲜组织样本 | 计算机视觉 | 基底细胞癌 | 离体共聚焦激光扫描显微镜 | CNN | 图像 | 50张EVCM图像用于训练和评估,19张新图像用于测试(10张含肿瘤,9张无肿瘤) | NA | MobileNet-V1 | 灵敏度, 特异性, AUC, 精确度-召回率曲线 | NA |
| 13982 | 2025-10-07 |
Toward automated detection of microbleeds with anatomical scale localization using deep learning
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103415
PMID:39642804
|
研究论文 | 提出一种用于脑微出血自动检测和脑解剖区域定位的3D深度学习框架 | 开发了包含特征融合模块和困难样本原型学习的新方案,在单一模型中同时实现微出血检测和解剖定位,显著降低假阳性率 | NA | 开发自动化脑微出血检测系统并实现解剖区域定位 | 脑微出血 | 计算机视觉 | 脑血管疾病 | 磁敏感加权成像 | 3D CNN | 3D医学图像 | NA | NA | 3D U-Net, Region Proposal Network | 灵敏度, 假阳性率 | NA |
| 13983 | 2025-10-07 |
Intelligent identification of foodborne pathogenic bacteria by self-transfer deep learning and ensemble prediction based on single-cell Raman spectrum
2025-Apr-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127268
PMID:39644671
|
研究论文 | 提出基于单细胞拉曼光谱的AI模型,用于精确识别食源性致病菌 | 首次将自迁移深度学习和集成预测算法结合应用于单细胞拉曼光谱分析,显著提升训练效率和预测性能 | NA | 开发高精度食源性致病菌识别方法以预防疾病传播 | 食源性致病菌(包括革兰氏阴性菌和阳性菌) | 机器学习 | 食源性疾病 | 单细胞拉曼光谱 | 深度学习 | 光谱数据 | NA | NA | NA | 准确率 | NA |
| 13984 | 2025-10-07 |
Automated segmentation of dental restorations using deep learning: exploring data augmentation techniques
2025-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00794-y
PMID:39652261
|
研究论文 | 本研究使用深度学习模型自动分割全景牙科X光片中的种植体、修复体和填充物,并探索数据增强技术对分割性能的影响 | 系统比较了9种深度学习分割模型和8种数据增强技术在牙科修复体分割任务中的表现,揭示了数据增强策略选择对模型性能和不同牙科结构类型的依赖性 | 未明确说明训练数据的详细来源和样本的具体分布特征 | 开发自动分割牙科修复体的深度学习模型,并评估数据增强技术对分割性能的优化效果 | 全景牙科X光片中的种植体、修复体和填充物 | 计算机视觉 | 牙科疾病 | 深度学习图像分割 | 深度学习分割模型 | 全景牙科X光图像 | NA | NA | NA | IoU, Dice系数 | NA |
| 13985 | 2025-10-07 |
Comparative benchmarking of failure detection methods in medical image segmentation: Unveiling the role of confidence aggregation
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103392
PMID:39657400
|
研究论文 | 本文提出了一个用于评估医学图像分割中失败检测方法的综合基准测试框架 | 揭示了像素置信度聚合在失败检测中的重要作用,并确定集成预测间的配对Dice评分作为简单而鲁棒的基线方法 | 研究仅基于五个公共3D医学图像数据集,可能无法覆盖所有临床场景 | 评估医学图像分割中的失败检测方法并建立基准测试框架 | 医学图像分割失败检测方法 | 计算机视觉 | NA | 深度学习 | NA | 3D医学图像 | 五个公共3D医学图像数据集 | NA | NA | 风险覆盖分析, 配对Dice评分 | NA |
| 13986 | 2025-10-07 |
Evaluation of the mandibular canal and the third mandibular molar relationship by CBCT with a deep learning approach
2025-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00793-z
PMID:39658743
|
研究论文 | 本研究使用CBCT和深度学习技术评估下颌管与第三磨牙的关系,并自动分割相关解剖结构 | 首次将nnU-NetV2架构应用于CBCT图像中下颌管与第三磨牙关系的自动评估和分割 | 研究为回顾性设计,样本量相对有限(300例患者) | 开发深度学习模型自动评估下颌管与第三磨牙的解剖关系,辅助口腔手术规划 | 300名患者的CBCT影像数据,重点关注下颌管、第三磨牙、颏孔和下颌孔 | 计算机视觉 | 口腔疾病 | CBCT成像技术 | 深度学习 | 医学影像 | 300例患者CBCT数据(训练集270例,测试集30例) | nnU-NetV2 | nnU-NetV2 | 准确率, 敏感度, 精确率, Dice系数, Jaccard指数, AUC | NA |
| 13987 | 2025-10-07 |
Cleavage-stage embryo segmentation using SAM-based dual branch pipeline: development and evaluation with the CleavageEmbryo dataset
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae617
PMID:39423150
|
研究论文 | 开发基于SAM的双分支分割管道用于自动分割卵裂期胚胎中的卵裂球和碎片 | 首次提出基于SAM的双分支分割架构,并构建了首个包含碎片像素级标注的人类卵裂期胚胎数据集CleavageEmbryo | 缺乏公开可用数据集,仅使用自建数据集进行验证 | 开发自动化方法分割卵裂期胚胎以改进胚胎选择过程 | 人类卵裂期胚胎 | 计算机视觉 | 生殖医学 | 胚胎图像分析 | SAM-based双分支网络 | 图像 | NA | NA | SAM-based双分支管道 | mAP, Dice系数 | NA |
| 13988 | 2025-10-07 |
Predicting Task Activation Maps from Resting-State Functional Connectivity using Deep Learning
2025-Mar-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.10.612309
PMID:39314460
|
研究论文 | 本研究使用深度学习从静息态功能连接预测任务激活图谱 | 复制了最先进的BrainSurfCNN模型并探索了两种改进架构:添加压缩激励注意力机制的BrainSERF和使用图神经网络的BrainSurfGCN | 未明确说明模型性能的具体提升幅度和计算资源限制 | 推进深度学习在神经影像学中的应用,提高任务激活图谱预测性能 | 人类连接组计划(HCP)的静息态和任务态fMRI数据 | 神经影像分析 | NA | 功能磁共振成像(fMRI) | CNN,图神经网络 | 神经影像数据 | NA | NA | BrainSurfCNN,BrainSERF,BrainSurfGCN | NA | NA |
| 13989 | 2025-10-07 |
Melanoma classification using generative adversarial network and proximal policy optimization
2025 Mar-Apr, Photochemistry and photobiology
IF:2.6Q3
DOI:10.1111/php.14006
PMID:39080818
|
研究论文 | 提出一种结合生成对抗网络和近端策略优化算法的深度学习框架用于黑色素瘤分类 | 引入Off-policy PPO算法处理训练数据不平衡问题,并采用新的正则化技术稳定GAN训练防止模式崩溃 | NA | 开发用于黑色素瘤早期检测的深度学习分类模型 | 黑色素瘤皮肤病变图像 | 计算机视觉 | 黑色素瘤 | 深度学习 | GAN,强化学习 | 医学图像 | SIIM-ISIC黑色素瘤分类挑战赛ISIC-2020数据集 | NA | 扩张卷积网络,GAN | F-measure,几何平均数 | NA |
| 13990 | 2025-10-07 |
Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness
2025-Mar, Radiology. Artificial intelligence
DOI:10.1148/ryai.240032
PMID:39601654
|
研究论文 | 应用保形预测增强深度学习模型在颅内出血检测中的可信度 | 将Mondrian保形预测应用于深度学习模型,开发不确定性感知模型以提高模型可信度 | 回顾性研究,样本量相对有限(491个CT扫描),数据来自单一数据集 | 提高深度学习模型在颅内出血检测中的可信度和不确定性量化能力 | 颅内出血患者的非对比头部CT扫描图像 | 医学影像分析 | 颅内出血 | CT扫描 | 深度学习模型 | 医学影像(CT扫描) | 491个非对比头部CT扫描,包含8401个切片 | NA | NA | F1分数, 准确率 | NA |
| 13991 | 2025-10-07 |
Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model
2025-Mar, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00733-1
PMID:39604646
|
研究论文 | 基于预训练蛋白质语言模型开发了蛋白质重要性计算器(PIC),用于全面预测和分析人类蛋白质必需性 | 首次在人类、细胞系和小鼠三个水平上全面预测蛋白质必需性,并定义了蛋白质必需性评分来量化人类蛋白质必需性 | NA | 开发计算模型预测人类必需蛋白质,克服实验方法成本高、耗时长的问题 | 人类必需蛋白质(HEPs) | 自然语言处理 | 乳腺癌 | 深度学习,蛋白质语言模型 | 预训练语言模型 | 蛋白质序列 | 617,462个人类微蛋白质 | NA | 蛋白质语言模型 | NA | NA |
| 13992 | 2025-10-07 |
3D full-dose brain-PET volume recovery from low-dose data through deep learning: quantitative assessment and clinical evaluation
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11225-1
PMID:39609283
|
研究论文 | 提出一种深度学习方法来从低剂量PET数据恢复3D全剂量PET体积,以降低放射性示踪剂剂量同时保持诊断质量 | 提出空间感知噪声降低网络(SANR)从低剂量PET数据恢复3D全剂量PET体积,相比传统2D方法有显著改进 | 回顾性研究,需要在更广泛的患者群体中进行前瞻性验证 | 降低PET成像中放射性示踪剂剂量同时保持诊断质量 | 456名参与者,使用三种不同PET扫描仪和两种不同示踪剂 | 医学影像分析 | 阿尔茨海默病,脑部病变 | PET成像 | 深度学习 | 3D PET体积数据 | 456名参与者 | NA | 空间感知噪声降低网络(SANR) | 图像质量指标,病变检测准确率,Wilcoxon符号秩检验 | NA |
| 13993 | 2025-10-07 |
Applications of AI-based deep learning models for detecting dental caries on intraoral images - a systematic review
2025-Mar, Evidence-based dentistry
DOI:10.1038/s41432-024-01089-1
PMID:39609513
|
系统综述 | 评估基于人工智能的深度学习模型在口内图像上检测龋齿的有效性 | 首次系统评估AI深度学习模型在龋齿检测中的应用现状和性能表现 | 纳入研究数量有限(23项),仅3项研究使用可解释AI技术,4项研究存在高偏倚风险 | 评估AI深度学习模型在龋齿检测中的有效性 | 口内图像中的龋齿病变 | 计算机视觉 | 龋齿 | 深度学习 | 深度学习模型 | 口内图像 | 23项临床研究 | NA | NA | 准确率, 敏感度, 特异性 | NA |
| 13994 | 2025-10-07 |
MicroRNA signature for early prediction of knee osteoarthritis structural progression using integrated machine and deep learning approaches
2025-Mar, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2024.11.008
PMID:39617204
|
研究论文 | 开发基于微RNA和机器学习/深度学习的膝骨关节炎结构进展早期预测模型 | 首次整合机器学习和深度学习技术,利用血清微RNA特征构建膝骨关节炎结构进展预测模型 | 样本量相对有限(训练集152例,验证集30例),需进一步扩大验证 | 开发膝骨关节炎结构进展的早期预测模型 | 膝骨关节炎患者 | 机器学习 | 骨关节炎 | 微RNA测序,磁共振成像,X射线 | 人工神经网络,Elastic Net | 血清微RNA数据,临床特征数据 | 训练集:152例(91例进展者,61例非进展者);验证集:30例(14例进展者,16例非进展者) | NA | 人工神经网络 | AUC,准确率 | NA |
| 13995 | 2025-10-07 |
BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.018
PMID:39617656
|
研究论文 | 提出了一种基于Mamba和多视角提取的骨转移病灶分割框架BMSMM-Net | 集成了新提出的Bottleneck Gating Mamba层(BGM)、Skip-Mamba(SKM)模块和多视角提取(MPE)模块,增强了深度特征图的远程依赖建模能力 | NA | 开发快速精确的骨转移病灶自动分割方法以改善患者预后 | 骨转移病灶(成骨性、溶骨性或混合性病变) | 计算机视觉 | 骨转移癌 | 深度学习 | CNN, Mamba | 医学图像 | BM-Seg数据集 | NA | BMSMM-Net(包含BGM、SKM、MPE模块) | F1-score, mIoU | NA |
| 13996 | 2025-10-07 |
An Earth Mover's Distance-Based Self-Supervised Framework for Cellular Dynamic Grading in Live-Cell Imaging
2025-Mar, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0672
PMID:39618334
|
研究论文 | 提出一种基于推土距离的自监督框架用于活细胞成像中的细胞动态分级任务 | 利用细胞动态等级与细胞外观变化速度的一致性作为自监督训练的约束条件,通过推土距离构建概率转移矩阵 | 依赖于细胞动态等级与外观变化速度一致性的假设,在医学数据有限的情况下性能可能受限 | 开发自监督学习方法解决活细胞动态分级任务中的数据标注难题 | 活细胞显微镜视频中的细胞动态变化 | 计算机视觉 | NA | 活细胞显微镜成像 | 神经网络 | 视频 | NA | NA | NA | NA | NA |
| 13997 | 2025-10-07 |
Deep learning based super-resolution for CBCT dose reduction in radiotherapy
2025-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17557
PMID:39625126
|
研究论文 | 本研究探索使用增强超分辨率生成对抗网络在投影域和图像域恢复低剂量CBCT图像质量,以实现放疗中CBCT剂量降低 | 首次将深度学习超分辨率技术应用于CBCT剂量降低领域,同时在投影域和图像域进行超分辨率重建 | 图像相似性指标受噪声水平影响,未能完全反映视觉改进效果 | 通过深度学习超分辨率技术降低CBCT成像剂量同时保持图像质量 | 头颈癌患者的CBCT扫描数据 | 医学影像处理 | 头颈癌 | 锥形束计算机断层扫描 | GAN | 医学影像 | 2997例CBCT扫描 | NA | ESRGAN | MAE, ME, PSNR, SSIM, 准确率, 灵敏度, 特异性, 空间分辨率 | NA |
| 13998 | 2025-10-07 |
Breast radiotherapy planning: A decision-making framework using deep learning
2025-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17527
PMID:39625151
|
研究论文 | 开发基于深度学习的决策框架,用于预测乳腺癌放疗剂量分布并辅助选择最佳治疗技术 | 首次将2D U-Net CNN模型应用于乳腺癌放疗计划决策,通过预测剂量分布和DVH指标来优化IMRT和3D-CRT技术选择 | 研究基于回顾性数据,样本量相对有限(346例训练,30例验证),且仅来自两个医疗中心 | 开发深度学习辅助的决策框架,优化乳腺癌放射治疗计划选择 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 放射治疗计划,CT成像 | CNN | CT影像,剂量分布图 | 346例患者用于训练和调优,30例患者用于外部验证 | NA | U-Net | Dice相似系数,准确率,召回率,精确率,DVH分析 | NA |
| 13999 | 2025-10-07 |
Using a flipped classroom teaching and learning approach to promote scientific literacy skill development and retention
2025-Mar, FEBS open bio
IF:2.8Q3
DOI:10.1002/2211-5463.13938
PMID:39625998
|
研究论文 | 本研究探讨翻转课堂教学模式对运动机能学学生科学素养技能发展和保持的影响 | 首次在运动机能学研究方法课程中评估翻转课堂对科学素养技能的长期保持效果(4个月后追踪) | 样本量较小(n=57),仅针对单一学科学生,缺乏对照组比较 | 评估翻转课堂教学方法对科学素养技能发展和保持的效果 | 运动机能学专业二年级学生 | 教育技术 | NA | 翻转课堂教学法,TOSLS问卷调查 | NA | 问卷调查数据,学业成绩数据 | 57名二年级运动机能学学生(学期初末),46名学生(4个月后追踪) | NA | NA | TOSLS评分,相关性系数(r值),统计显著性(P值) | NA |
| 14000 | 2025-10-07 |
SIAM: Spatial and Intensity Awareness Module for cerebrovascular segmentation
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108511
PMID:39626410
|
研究论文 | 提出一种用于脑血管分割的空间和强度感知模块SIAM,通过空间和像素强度扰动增强模型在有限数据下的分割性能 | 提出可插拔的空间和强度感知模块,通过构造匹配数据和协作训练使模型学习脑血管的空间语义和像素强度特征 | 未明确说明在极端数据稀缺情况下的性能表现 | 解决有限标注数据下的3D脑血管分割问题 | 脑血管结构 | 计算机视觉 | 脑血管疾病 | 深度学习 | CNN | 3D医学图像 | 三个不同模态的脑血管数据集 | NA | NA | NA | NA |