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 | 2024-11-07 |
Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29637
PMID:39501638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
13982 | 2025-10-07 |
Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29639
PMID:39501646
|
研究论文 | 开发基于双平面MRI的深度学习模型评估腰椎间盘突出症经椎间孔镜髓核摘除术后1年疗效 | 首次将术前双平面MRI深度学习特征与临床特征相结合评估TMD术后1年疗效 | 回顾性研究设计,样本量有限 | 评估术前双平面MRI深度学习特征结合临床特征对TMD术后1年疗效的预测能力 | 548例接受TMD手术的腰椎间盘突出症患者 | 医学影像分析 | 腰椎间盘突出症 | MRI, 深度学习 | CNN | MRI图像, 临床数据 | 548例患者(训练集305例,内部验证集131例,外部验证集112例) | NA | ResNet50, ResNet101, ResNet152 | AUC | NA |
13983 | 2025-10-07 |
Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29670
PMID:39643475
|
研究论文 | 开发并验证基于动态对比增强MRI的深度学习系统,用于自动分割乳腺肿瘤并区分HER2-zero、HER2-low和HER2-positive状态 | 首次利用深度学习系统基于DCE-MRI自动区分HER2-zero、HER2-low和HER2-positive三种乳腺癌亚型 | 回顾性研究设计,需要进一步前瞻性验证 | 开发自动化系统用于乳腺癌HER2表达状态的术前无创评估 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 动态对比增强MRI | 深度学习 | MRI影像 | 1294名乳腺癌患者(训练集811例,内部测试204例,外部测试279例) | NA | ResNetGN | Dice相似系数, AUC, 准确率, 灵敏度, 特异性 | NA |
13984 | 2025-10-07 |
Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population
2025-May, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112311
PMID:40096786
|
研究论文 | 开发深度学习算法通过数字耳镜图像自动分类儿童鼓膜通气管状态 | 首次使用非专业医生采集的智能手机耳镜图像训练深度学习算法进行鼓膜通气管状态分类 | 排除了有鼓膜成形术、鼓室成形术或胆脂瘤病史的患者,样本量相对较小 | 评估AI算法通过数字耳镜图像准确判断鼓膜通气管状态的能力 | 10个月至10岁有鼓膜通气管史的儿科患者 | 计算机视觉 | 耳科疾病 | 数字耳镜成像 | 深度学习 | 图像 | 69名儿童,296张图像 | NA | NA | 准确率, 灵敏度, 特异性 | NA |
13985 | 2025-03-23 |
Correction to: Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study
2025-May, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04836-9
PMID:40116891
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
13986 | 2025-04-12 |
Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29697
PMID:39776259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
13987 | 2025-04-12 |
Biological characteristics prediction of endometrial cancer based on deep convolutional neural network and multiparametric MRI radiomics
2025-Apr-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04929-5
PMID:40214699
|
研究论文 | 本研究结合多参数MRI、深度学习和机器学习,开发了一种优化的放射组学方案,用于预测子宫内膜癌的多种生物学特征 | 结合多参数MRI、深度学习和机器学习,开发了一种优化的放射组学方案,用于预测子宫内膜癌的多种生物学特征,并在多个预测任务中表现出色 | 回顾性研究,样本量相对较小(201例患者),可能存在选择偏差 | 预测子宫内膜癌的生物学特征,包括肌层浸润、淋巴血管间隙浸润、组织学分级和雌激素受体状态 | 201例子宫内膜癌患者 | 数字病理学 | 子宫内膜癌 | 多参数MRI、放射组学 | 深度卷积神经网络(CNN) | MRI图像 | 201例子宫内膜癌患者 | NA | NA | NA | NA |
13988 | 2025-04-12 |
MLG2Net: Molecular Global Graph Network for Drug Response Prediction in Lung Cancer Cell Lines
2025-Apr-10, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02182-3
PMID:40208442
|
research paper | 该研究提出了一种名为MLG2Net的深度学习模型,用于预测肺癌细胞系的药物反应 | MLG2Net是一种受图神经网络启发的模型,结合了药物的局部和全局图网络描述以及细胞系基因组学数据 | 在肺鳞状细胞癌数据集上表现较低,可能由于数据集规模较小影响了模型能力 | 提高肺癌细胞系药物反应预测的准确性 | 肺癌细胞系(肺腺癌和肺鳞状细胞癌) | machine learning | lung cancer | pharmacogenomics data | graph neural networks (GNN) | multi-omics data | LUAD和LUSC细胞系数据集(具体数量未提及) | NA | NA | NA | NA |
13989 | 2025-04-12 |
A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559909
PMID:40208763
|
研究论文 | 提出了一种基于深度学习的自动化诊断框架BSMRINet,用于从T2加权磁共振图像中诊断布鲁氏菌性脊柱炎 | 首次开发了专门用于检测布鲁氏菌性脊柱炎的深度学习模型BSMRINet,结合了角点检测算法和ResNet、DenseNet架构,并改进了scSE网络 | 研究仅基于582例来自四家医院的数据,可能需要更大规模的多中心验证 | 开发自动化诊断工具以提高布鲁氏菌性脊柱炎的诊断准确性和效率 | 布鲁氏菌性脊柱炎患者的T2加权磁共振图像 | 数字病理学 | 布鲁氏菌病 | 深度学习 | ResNet, DenseNet, scSE网络 | 磁共振图像 | 582例来自四家医院的患者队列 | NA | NA | NA | NA |
13990 | 2025-04-10 |
Author Correction: Advanced predictive machine and deep learning models for round-ended CFST column
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95424-w
PMID:40199925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
13991 | 2025-04-10 |
Editorial Expression of Concern: Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96414-8
PMID:40199974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
13992 | 2025-10-07 |
A synergistic approach for enhanced eye blink detection using wavelet analysis, autoencoding and Crow-Search optimized k-NN algorithm
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95119-2
PMID:40199999
|
研究论文 | 提出一种结合小波分析、自编码器和乌鸦搜索优化的k近邻算法的眼电信号眨眼检测方法 | 首次将乌鸦搜索算法用于优化k-NN超参数,并结合小波分析和自编码器进行特征提取,在EEG眨眼检测中表现优于深度学习模型 | 未明确说明具体数据集规模和采集条件,缺乏跨数据集验证 | 开发高性能的EEG信号眨眼检测方法 | 脑电图信号中的眨眼活动 | 机器学习 | 神经系统疾病 | 脑电图信号处理 | k-NN | EEG信号 | NA | NA | 自编码器 | 准确率, 分类报告, 混淆矩阵 | NA |
13993 | 2025-10-07 |
Leveraging artificial intelligence for diagnosis of children autism through facial expressions
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96014-6
PMID:40200029
|
研究论文 | 本研究开发了一种结合ResNet152和视觉Transformer的混合深度学习模型,用于通过儿童面部表情诊断自闭症谱系障碍 | 首次将ResNet152与视觉Transformer(ViT)结合构建混合模型,在自闭症诊断中实现了91.33%的准确率 | 仅使用RGB图像数据,数据集多样性有限,未来需要纳入多种数据类型 | 开发基于人工智能的自闭症早期诊断方法 | 自闭症谱系障碍(ASD)患儿的面部图像数据 | 计算机视觉 | 自闭症谱系障碍 | 深度学习,迁移学习 | CNN, Transformer | RGB图像 | NA | NA | DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformer | 准确率 | NA |
13994 | 2025-10-07 |
Anesthesia depth prediction from drug infusion history using hybrid AI
2025-Apr-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02986-w
PMID:40200239
|
研究论文 | 提出一种结合LSTM、Transformer和KAN的混合AI模型,用于从药物输注历史预测麻醉深度 | 首次将Kolmogorov-Arnold Networks(KAN)与LSTM和Transformer架构结合,用于麻醉深度预测,通过注意力机制和非线性建模提高预测准确性 | 模型鲁棒性需进一步改进,需探索实时应用并解决预测分析中的潜在偏差 | 提高麻醉深度预测的准确性,优化患者安全和手术结果 | 麻醉患者的药物输注历史和生理数据 | 机器学习 | NA | 麻醉监测 | LSTM, Transformer, KAN | 生理数据序列 | 来自公共麻醉监测数据库VitalDB的患者数据 | NA | LSTM, Transformer, KAN | 均方误差(MSE) | NA |
13995 | 2025-10-07 |
HepatoToxicity Portal (HTP): an integrated database of drug-induced hepatotoxicity knowledgebase and graph neural network-based prediction model
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00992-8
PMID:40200282
|
研究论文 | 开发了肝毒性门户(HTP),整合了专家策划的知识库和基于图神经网络的肝毒性预测模型 | 整合了来自九个主要数据库的肝毒性数据,并利用在PubChem数据库上预训练的GNN基础模型进行微调,预测性能优于现有方法 | NA | 解决药物开发中肝毒性预测的挑战,提供综合的肝毒性知识和预测工具 | 药物诱导的肝毒性 | 机器学习 | 肝毒性 | 图神经网络 | GNN | 化学结构数据 | 知识库包含8,306种化学品,预训练使用约1,000万种化学品 | NA | 基于GNN的基础模型 | AUROC | NA |
13996 | 2025-10-07 |
MIDAA: deep archetypal analysis for interpretable multi-omic data integration based on biological principles
2025-Apr-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03530-9
PMID:40200293
|
研究论文 | 提出基于生物学原理的可解释多组学数据整合框架MIDAA,结合原型分析与深度学习 | 将基于进化权衡和帕累托最优性的原型分析与深度学习相结合,在保留生物相互作用复杂性的同时提供可解释输出 | NA | 开发基于生物学原理的多组学数据整合与解释方法 | 高通量多组学分子谱数据 | 机器学习 | NA | 多组学分析 | 深度学习 | 多组学数据 | NA | NA | 原型分析 | NA | NA |
13997 | 2025-10-07 |
Automatic identification of hard and soft tissue landmarks in cone-beam computed tomography via deep learning with diversity datasets: a methodological study
2025-Apr-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05831-8
PMID:40200295
|
研究论文 | 本研究开发了一种基于深度学习的自动识别锥形束CT中颅面软硬组织标志点的方法 | 首次将深度学习方法应用于多样化错颌畸形患者的CBCT图像中软硬组织标志点的自动定位 | 样本量相对有限(498例CBCT图像),软组织标志点的识别精度略低于硬组织 | 开发自动识别CBCT图像中颅面软硬组织标志点的深度学习算法 | 498例不同类型错颌畸形患者的锥形束CT图像 | 计算机视觉 | 错颌畸形 | 锥形束CT成像 | 深度学习模型 | 医学影像 | 498例CBCT图像 | NA | NA | 平均绝对误差,平均径向误差,成功检测率 | 常规图形处理单元 |
13998 | 2025-10-07 |
A beginner's approach to deep learning applied to VS and MD techniques
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00985-7
PMID:40200329
|
综述 | 本文综述了深度学习在虚拟筛选和分子动力学等分子建模技术中的应用现状与发展前景 | 系统梳理了深度学习在分子建模四个关键环节的创新应用:虚拟筛选流程优化、分子动力学模拟改进、原子间力计算辅助和轨迹数据分析 | 主要面向已有深度学习基础的计算化学家,对初学者门槛较高;且未涉及具体实施细节 | 为计算化学家提供深度学习在分子建模技术中的集成应用指南 | 虚拟筛选(VS)和分子动力学(MD)等分子建模技术 | 机器学习 | NA | 虚拟筛选、分子动力学模拟 | 深度学习 | 分子结构数据、模拟轨迹数据 | NA | NA | NA | NA | NA |
13999 | 2025-10-07 |
Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8566
PMID:39947682
|
研究论文 | 本研究利用物理方法合成MR伪影,并通过深度迁移学习训练GAN网络来减少EPI序列中的伪影 | 采用物理方法合成真实MR伪影,并提出堆叠迁移学习方法训练GAN网络 | 研究主要针对EPI序列的伪影,可能不适用于其他MR序列 | 开发有效的深度学习方法减少EPI神经影像序列中的伪影 | 脑部MR图像和复发性胶质母细胞瘤患者的ADC图 | 医学影像处理 | 脑肿瘤 | MR成像,EPI序列,扩散MRI | GAN | MR图像 | 1,392名患者的4,573个解剖MR序列,49名复发性胶质母细胞瘤患者的ADC图 | NA | Pix2PixGAN, Attention-R2UNet | MSE, SSIM, MS-SSIM, PSNR, Hausdorff距离 | NA |
14000 | 2025-10-07 |
Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8567
PMID:40147833
|
研究论文 | 本研究比较了基于深度学习的加速颈椎MRI与传统MRI在图像质量和诊断性能方面的差异 | 首次前瞻性比较商业化的供应商无关深度学习重建算法在加速颈椎MRI中的应用价值 | 样本量相对较小(50例患者),部分图像质量指标无显著差异 | 评估深度学习重建算法在加速颈椎MRI中的图像质量和诊断性能 | 50例患有退行性颈椎疾病或脊髓病的患者 | 医学影像分析 | 颈椎退行性疾病, 脊髓病 | MRI, 深度学习重建 | 深度学习 | 医学影像 | 50例患者 | NA | NA | SNR, CNR, 敏感性, 特异性, 图像质量评分 | NA |