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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14221 | 2025-10-07 |
Unsupervised Deep Learning of Electronic Health Records to Characterize Heterogeneity Across Alzheimer Disease and Related Dementias: Cross-Sectional Study
2025-Mar-31, JMIR aging
IF:5.0Q1
DOI:10.2196/65178
PMID:40163031
|
研究论文 | 本研究使用无监督深度学习技术分析电子健康记录,识别阿尔茨海默病及相关痴呆症的临床亚型 | 首次结合非ADRD诊断代码的预训练嵌入和临床笔记的LLM嵌入,通过层次聚类识别具有性别特异性共病表现的ADRD亚型 | 研究为横断面设计,无法建立因果关系;样本仅来自单一记忆诊所 | 识别阿尔茨海默病及相关痴呆症的临床亚型,为精准医疗提供依据 | 3454名来自麻省总医院记忆诊所的ADRD患者 | 自然语言处理 | 阿尔茨海默病及相关痴呆症 | 无监督学习,大型语言模型嵌入 | 层次聚类 | 电子健康记录,临床笔记文本 | 3454名ADRD患者 | NA | NA | 卡方检验,患病比 | NA |
| 14222 | 2025-10-07 |
Continuous and discrete decoding of overt speech with scalp electroencephalography (EEG)
2025-Mar-14, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad8d0a
PMID:39476487
|
研究论文 | 本研究探索使用头皮脑电图解码离散和连续语音特征的可行性 | 首次证明在存在EMG伪影情况下从EEG信号解码离散和连续语音特征的可行性,并识别关键频率带和通道 | 仅纳入9名神经功能完好的参与者,需要进一步验证在目标患者群体中的效果 | 开发基于脑电图的语音脑机接口,为神经系统疾病患者提供更自然的交流机制 | 9名神经功能完好的参与者 | 脑机接口 | 神经系统疾病 | 脑电图 | CNN, RNN | 脑电信号,音频信号 | 9名参与者 | NA | 卷积神经网络,循环神经网络,注意力模块 | 统计显著性解码性能 | NA |
| 14223 | 2025-04-26 |
Intelligent Inter- and Intra-Row Early Weed Detection in Commercial Maize Crops
2025-Mar-11, Plants (Basel, Switzerland)
DOI:10.3390/plants14060881
PMID:40265804
|
研究论文 | 本研究评估了Faster R-CNN、RT-DETR和YOLOv11等先进深度学习架构在商业玉米田中杂草和作物准确识别中的效果 | 首次比较了多种深度学习模型在玉米田杂草检测中的性能,并确定了YOLOv11为最优模型 | 研究仅针对三种主要杂草物种,可能不适用于其他杂草类型 | 提高商业玉米田中杂草检测的准确性和效率 | 商业玉米田中的杂草和作物 | 计算机视觉 | NA | 深度学习 | Faster R-CNN, RT-DETR, YOLOv11 | 图像 | 包含多种田间条件下采集的综合数据集 | NA | NA | NA | NA |
| 14224 | 2025-10-07 |
Electrocardiogram-based deep learning to predict mortality in paediatric and adult congenital heart disease
2025-Mar-03, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae651
PMID:39387652
|
研究论文 | 开发基于心电图和深度学习的人工智能工具,用于预测儿童和成人先天性心脏病患者的死亡率 | 首次在大型多样化先天性心脏病队列中应用卷积神经网络分析心电图数据来预测5年死亡率,并进行了时间验证 | 研究为单中心回顾性研究,需要多中心前瞻性验证 | 开发一种稳健且便捷的先天性心脏病患者风险分层工具 | 儿童和成人先天性心脏病患者 | 医疗人工智能 | 先天性心脏病 | 心电图分析 | CNN | 心电图信号 | 225,379份心电图(79,568名患者,年龄范围0-92岁) | NA | 卷积神经网络 | ROC曲线下面积, PR曲线下面积 | NA |
| 14225 | 2025-04-26 |
Intelligent Deep Learning and Keypoint Tracking-Based Detection of Lameness in Dairy Cows
2025-Mar-02, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci12030218
PMID:40266900
|
研究论文 | 提出了一种结合深度学习和关键点跟踪的奶牛跛行自动评分方法 | 整合DeepLabCut工具提取关键点特征,并结合时间数据构建跛行评分模型,实现实时检测 | 未提及模型在不同光照或复杂环境下的鲁棒性 | 改进奶牛跛行的自动化检测技术 | 奶牛 | 计算机视觉 | NA | DeepLabCut关键点跟踪 | 深度学习模型(未指定具体类型) | 视频 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 14226 | 2025-10-07 |
Artificial Intelligence in Temporal Bone Imaging: A Systematic Review
2025-Mar, The Laryngoscope
DOI:10.1002/lary.31809
PMID:39352072
|
系统综述 | 系统综述人工智能在颞骨影像学中的应用现状 | 首次系统性地总结和评估人工智能在颞骨这一复杂解剖区域影像学中的应用现状 | 纳入研究存在异质性和质量参差不齐的问题,缺乏标准化方法学 | 评估人工智能在颞骨影像学中的当前应用角色 | 颞骨影像学研究 | 医学影像分析 | 前庭神经鞘瘤 | 计算机断层扫描(CT) | 卷积神经网络 | 医学影像 | 72项研究 | NA | 卷积神经网络 | 诊断准确性 | NA |
| 14227 | 2025-10-07 |
Deep Learning-Based Synthetic Computed Tomography for Low-Field Brain Magnetic Resonance-Guided Radiation Therapy
2025-Mar-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.09.046
PMID:39357787
|
研究论文 | 开发基于条件生成对抗网络的合成CT生成方法,用于低场磁共振引导的脑部放射治疗 | 首次将条件生成对抗网络应用于低场磁共振生成合成CT,支持在线自适应放射治疗 | 术后异常区域的表现欠佳,样本量相对较小 | 开发高保真合成CT用于脑部磁共振引导放射治疗的剂量计算 | 胶质瘤患者 | 医学影像分析 | 脑癌 | 磁共振成像,计算机断层扫描 | 条件生成对抗网络 | 医学影像 | 12名患者用于主要训练,9名患者用于二次验证 | NA | 9-block残差网络生成器,PatchGAN判别器 | 平均绝对误差,峰值信噪比,结构相似性指数,剂量体积直方图,三维伽马分析 | NA |
| 14228 | 2025-10-07 |
Prediction of testicular histology in azoospermia patients through deep learning-enabled two-dimensional grayscale ultrasound
2025-Mar-01, Asian journal of andrology
IF:3.0Q1
DOI:10.4103/aja202480
PMID:39363830
|
研究论文 | 开发基于深度学习的二维灰度超声模型预测无精子症患者睾丸组织学类型 | 首次利用深度学习建立睾丸灰度超声图像与睾丸组织学之间的关联,提供无创预测方法 | 回顾性研究,样本来自单一医疗中心 | 开发无创方法预测无精子症患者睾丸组织学,避免不必要的睾丸活检 | 无精子症患者 | 计算机视觉 | 男性不育症 | 二维灰度超声 | 深度学习模型 | 超声图像 | 353名患者,4357张图像 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 14229 | 2025-10-07 |
Evaluation of the accuracy of automated segmentation based on deep learning for prostate cancer patients
2025 Spring, Medical dosimetry : official journal of the American Association of Medical Dosimetrists
IF:1.1Q3
DOI:10.1016/j.meddos.2024.09.002
PMID:39384488
|
研究论文 | 评估基于深度学习的商业算法在前列腺癌患者器官分割中的准确性 | 使用商业深度学习算法MVision AI Contour+对前列腺癌患者的多器官进行自动分割,并与人工分割进行对比评估 | 样本量较小(仅10例患者),未说明算法泛化能力 | 评估深度学习算法在前列腺癌患者器官分割中的准确性 | 前列腺癌患者的前列腺、精囊和危及器官(膀胱、直肠、左右股骨头、阴茎球) | 数字病理 | 前列腺癌 | CT和MR图像融合 | 深度学习 | CT图像, MR图像 | 10例前列腺癌患者 | MVision AI Contour+ | NA | Dice相似系数, 95% Hausdorff距离 | NA |
| 14230 | 2025-10-07 |
Ultrasound-based artificial intelligence model for prediction of Ki-67 proliferation index in soft tissue tumors
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.067
PMID:39406581
|
研究论文 | 本研究开发了一种基于超声的融合模型,结合深度学习、影像组学和临床特征预测软组织肿瘤Ki-67增殖指数 | 首次将深度学习特征与影像组学特征、临床特征进行融合,构建了预测软组织肿瘤Ki-67增殖指数的多模态融合模型 | 回顾性研究设计,样本量相对有限,仅包含两家医院的数据 | 探讨深度学习结合影像组学和临床特征在预测软组织肿瘤Ki-67增殖指数中的价值 | 394例软组织肿瘤患者 | 医学影像分析 | 软组织肿瘤 | 超声成像 | 深度学习,支持向量机 | 超声图像,临床数据 | 394例患者(训练队列323例,验证队列71例) | NA | NA | AUC,校准曲线 | NA |
| 14231 | 2025-10-07 |
Enhancing Radiologists' Performance in Detecting Cerebral Aneurysms Using a Deep Learning Model: A Multicenter Study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.038
PMID:39406577
|
研究论文 | 开发深度学习模型辅助放射科医生检测脑动脉瘤的多中心研究 | 通过多中心数据验证深度学习模型在临床环境中对脑动脉瘤的检测效能,并量化评估模型对放射科医生工作流程的优化效果 | 研究仅涉及11个临床中心的患者数据,模型泛化能力需进一步验证 | 开发基于深度学习的脑动脉瘤检测模型并评估其临床辅助价值 | 脑动脉瘤患者 | 计算机视觉 | 脑血管疾病 | 医学影像分析 | 深度学习模型 | 医学影像 | 训练集3829名患者,测试集484名患者 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 14232 | 2025-10-07 |
A Multicenter Cohort Study on Ultrasound-based Deep Learning Nomogram for Predicting Post-Neoadjuvant Chemotherapy Axillary Lymph Node Status in Breast Cancer Patients
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.065
PMID:39406583
|
研究论文 | 本研究开发了一种基于超声的深度学习列线图模型,用于预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次结合深度学习模型与临床病理特征构建超声列线图,并在多中心验证其预测性能 | 回顾性研究设计,样本量相对有限,仅纳入淋巴结阳性患者 | 评估基于超声的深度学习列线图预测乳腺癌新辅助化疗后腋窝淋巴结状态的能力 | 535例接受新辅助化疗的淋巴结阳性乳腺癌患者 | 医学影像分析 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 535例患者(训练队列288例,内部验证123例,外部验证124例) | NA | ResNet 34, ResNet 50, VGG19, GoogLeNet, DenseNet 121 | AUC | NA |
| 14233 | 2025-10-07 |
Toward Intelligent Head Impulse Test: A Goggle-Free Approach Using a Monocular Infrared Camera
2025-Mar, The Laryngoscope
DOI:10.1002/lary.31848
PMID:39422423
|
研究论文 | 提出了一种无需头戴式眼罩的智能头脉冲测试方法,使用单目红外相机和深度学习进行前庭功能评估 | 首次使用单目红外相机替代传统头戴式眼罩设备,实现了无需设备校准的完全自动化前庭功能测试 | 垂直半规管定性准确率相对较低(79.0%),需要进一步优化 | 开发一种低成本、易操作的无眼罩头脉冲测试系统,用于评估前庭功能 | 头脉冲测试视频片段中的眼动和头部运动数据 | 计算机视觉 | 前庭功能障碍 | 红外视频采集,面部关键点提取 | 深度学习,多模态视频分类网络 | 红外视频 | DiHIT数据集中的头脉冲测试视频片段 | NA | 两阶段多模态视频分类网络 | 准确率 | NA |
| 14234 | 2025-10-07 |
DPI-MoCo: Deep Prior Image Constrained Motion Compensation Reconstruction for 4D CBCT
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3483451
PMID:39423082
|
研究论文 | 提出一种无需配对数据的深度先验图像约束运动补偿框架,用于解决4D CBCT重建中的条纹伪影问题 | 将4D CBCT重建解耦为粗图像恢复和结构细节微调两个子任务,结合先验图像引导、生成对抗网络和对比学习 | 未明确说明计算资源需求和模型训练时间 | 解决4D锥束CT在肺癌放疗中的图像重建质量问题 | 肺癌患者的4D CBCT图像数据 | 医学影像处理 | 肺癌 | 4D锥束CT成像 | GAN, 对比学习 | 医学影像 | 蒙特卡洛模拟数据集和临床肺癌数据集 | NA | DPI-MoCo | 定量性能指标(未具体说明) | NA |
| 14235 | 2025-10-07 |
Grading of diabetic retinopathy using a pre-segmenting deep learning classification model: Validation of an automated algorithm
2025-Mar, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.16781
PMID:39425597
|
研究论文 | 验证一种自主开发的深度学习算法在糖尿病视网膜病变分级中的性能 | 开发了一种结合预分割的深度学习分类模型,用于自动化糖尿病视网膜病变分级 | 自主深度学习算法在某些指标上仅与人工分级相当,存在伪影误检、微动脉瘤漏检和分割与分类不一致等问题 | 验证自主深度学习算法在糖尿病视网膜病变分级中的性能 | 糖尿病视网膜病变患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 深度学习分类模型 | 视网膜图像 | 500张6视野视网膜图像 | NA | 预分割深度学习分类模型 | 加权kappa, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 14236 | 2025-10-07 |
The Microscope and Beyond: Current Trends in the Characterization of Kidney Allograft Rejection From Tissue Samples
2025-Mar-01, Transplantation
IF:5.3Q1
DOI:10.1097/TP.0000000000005153
PMID:39436268
|
综述 | 本文综述了当前和新兴技术对肾脏移植排斥反应组织样本表征的改进潜力 | 整合数字化病理、深度学习、多重免疫组化、单细胞转录组学和空间转录组学等创新工具,提升肾脏移植排斥表征的精确度 | Banff分类系统仍以活检为中心,组织病理学损伤和批量组织转录组学分析在推断排斥发病机制方面存在局限 | 改进肾脏移植排斥反应的诊断和表征方法 | 肾脏移植排斥反应的组织样本 | 数字病理 | 肾脏移植排斥 | 多重免疫组化, 批量组织转录组学, 单细胞转录组学, 空间转录组学 | 深度学习 | 组织切片图像, 转录组数据 | NA | NA | NA | 可重复性, 定量分析精度 | NA |
| 14237 | 2025-10-07 |
Application of a Deep Learning-Based Contrast-Boosting Algorithm to Low-Dose Computed Tomography Pulmonary Angiography With Reduced Iodine Load
2025 Mar-Apr 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001665
PMID:39438307
|
研究论文 | 本研究评估了基于深度学习的图像对比度增强算法在低剂量CT肺动脉造影中减少碘负荷的应用效果 | 首次将深度学习对比度增强算法应用于低剂量CT肺动脉造影,在减少碘负荷的情况下提升图像质量 | 研究样本量相对有限(179例患者),且为单中心研究 | 评估深度学习对比度增强算法在低剂量CT肺动脉造影中的图像质量改善效果 | 接受低剂量CT肺动脉造影检查的179例患者 | 医学影像分析 | 肺动脉血栓 | 计算机断层扫描(CT),单能量CT,双能量CT | 深度学习 | 医学影像数据 | 179例患者,537个重建图像数据集 | 商用深度学习图像重建包(TrueFidelity) | 对比度增强算法(contrast-boosting algorithm) | 信噪比,对比噪声比,定性图像评分,血栓检测数量 | NA |
| 14238 | 2025-10-07 |
Deep learning-based approach for acquisition time reduction in ventilation SPECT in patients after lung transplantation
2025-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00853-3
PMID:39441494
|
研究论文 | 本研究评估了基于卷积神经网络的深度学习方法在肺移植患者通气SPECT成像中缩短采集时间的可行性 | 首次将CNN应用于肺移植后通气SPECT图像的采集时间缩短,同时保持图像质量和诊断性能 | 回顾性研究设计,样本量相对有限(93例患者) | 评估深度学习缩短通气SPECT采集时间的可行性及其对图像质量和诊断性能的影响 | 肺移植术后患者 | 医学影像分析 | 肺移植相关并发症 | SPECT/CT成像 | CNN | 医学影像 | 93例连续肺移植受者 | NA | NA | SSIM, NMSE, 相关系数, Bland-Altman分析, AUC | NA |
| 14239 | 2025-10-07 |
Grade-Skewed Domain Adaptation via Asymmetric Bi-Classifier Discrepancy Minimization for Diabetic Retinopathy Grading
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3485064
PMID:39441682
|
研究论文 | 提出一种通过非对称双分类器差异最小化的方法解决糖尿病视网膜病变分级中的等级偏斜域适应问题 | 首次将糖尿病视网膜病变分级问题建模为等级偏斜域适应挑战,并提出基于非对称双分类器差异最小化的新方法 | 未明确说明方法在更广泛医疗数据集上的泛化能力 | 解决糖尿病视网膜病变分级中的域偏移和等级分布不平衡问题 | 糖尿病视网膜病变图像数据 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 图像 | 两个公共DR数据集和一个私有DR数据集 | NA | 非对称双分类器架构 | NA | NA |
| 14240 | 2025-10-07 |
Anatomical landmark detection on bi-planar radiographs for predicting spinopelvic parameters
2025-Mar, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-024-00990-0
PMID:39443425
|
研究论文 | 提出一种基于深度学习的自动化流程,用于在双平面X光片上检测解剖标志点并预测脊柱骨盆参数 | 开发了无需人工监督的自动化深度学习流程,能够同时处理多个感兴趣区域并预测多种脊柱骨盆参数 | 对于患有严重病理状况和高BMI患者的预测效果有限 | 自动化脊柱骨盆参数测量以支持脊柱畸形的诊断和治疗规划 | 脊柱畸形患者的双平面X光片 | 计算机视觉 | 脊柱畸形 | 双平面X光成像 | CNN | 医学影像 | 555张双平面X光片(455张训练,100张测试) | NA | U-Net | 平均绝对差异, 组内相关系数(ICC), 平均绝对偏差(MAD) | NA |