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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15441 | 2025-10-07 |
CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT
2024-Sep-12, ArXiv
PMID:39314501
|
研究论文 | 开发了一种基于散射窗口投影和深度学习的无传输扫描衰减补偿方法用于心肌灌注SPECT成像 | 首次提出使用散射能量窗口投影和深度学习网络实现无需CT扫描的SPECT衰减补偿 | 回顾性研究,需要进一步临床评估验证 | 开发无CT扫描的心肌灌注SPECT衰减补偿方法以降低辐射剂量和成本 | 心肌灌注SPECT/CT应力成像数据 | 医学影像分析 | 心血管疾病 | SPECT/CT成像,散射能量窗口投影 | 深度学习 | 医学影像 | 匿名临床SPECT/CT应力心肌灌注图像 | NA | 多通道输入多解码器网络 | AUC,均方根误差,结构相似性指数 | NA |
| 15442 | 2025-10-07 |
CryoTEN: Efficiently Enhancing Cryo-EM Density Maps Using Transformers
2024-Sep-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.06.611715
PMID:39314387
|
研究论文 | 提出一种基于三维U-Net风格Transformer的CryoTEN方法,用于高效增强冷冻电镜密度图质量 | 首次将三维U-Net风格Transformer架构应用于冷冻电镜密度图增强,在保持高质量的同时运行速度比现有最佳深度学习方法快10倍以上且GPU内存需求更低 | NA | 开发高效算法以提升冷冻电镜密度图质量,从而改善蛋白质结构建模 | 冷冻电镜密度图 | 计算机视觉 | NA | 冷冻电镜 | Transformer | 三维密度图 | 1,295个冷冻电镜图作为训练集,150个独立测试图 | NA | U-Net, Transformer | 密度图质量提升,蛋白质结构建模质量 | GPU |
| 15443 | 2025-10-07 |
Automatic Quantitative Assessment of Muscle Strength Based on Deep Learning and Ultrasound
2024-09, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346241255590
PMID:38881032
|
研究论文 | 提出一种基于深度学习和超声技术的肌肉力量自动定量评估方法 | 首次将深度学习与超声技术结合实现肌肉力量的自动化评估,减少对操作者专业经验的依赖 | 仅针对肱二头肌进行测试,样本类型和肌肉种类有限 | 开发自动化的肌肉力量评估方法以辅助运动员康复和力量训练 | 多名运动员在不同力量水平下的肱二头肌 | 计算机视觉 | NA | B型超声 | 深度学习模型 | 超声图像 | 多名运动员的肱二头肌超声数据 | NA | NA | 准确率 | NA |
| 15444 | 2025-10-07 |
Deep learning-based multi-parametric magnetic resonance imaging (mp-MRI) nomogram for predicting Ki-67 expression in rectal cancer
2024-09, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04232-9
PMID:38489038
|
研究论文 | 开发基于深度学习的多参数磁共振成像列线图预测直肠癌Ki-67表达水平 | 首次结合深度学习特征与临床特征构建多中心验证的列线图模型 | 回顾性研究设计,样本量有限(491例) | 预测直肠癌Ki-67表达状态 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 多参数磁共振成像(mp-MRI) | 深度学习模型 | 医学影像 | 491例来自两个中心的直肠癌患者 | NA | NA | AUC, 校准曲线, 决策曲线, 临床影响曲线 | NA |
| 15445 | 2025-10-07 |
CD4+ T cells exhibit distinct transcriptional phenotypes in the lymph nodes and blood following mRNA vaccination in humans
2024-Sep, Nature immunology
IF:27.7Q1
DOI:10.1038/s41590-024-01888-9
PMID:39164479
|
研究论文 | 通过单细胞转录组学分析mRNA疫苗接种后人类CD4+ T细胞在淋巴结和血液中的转录表型差异 | 首次使用深度学习反向表位定位方法Trex预测抗原特异性,并比较疫苗接种与自然感染后CD4 T细胞表型差异 | 样本量相对有限,仅分析了1277个棘突蛋白特异性CD4 T细胞 | 研究mRNA疫苗接种后CD4 T细胞在不同组织部位的转录表型特征 | 接种BNT162b2 mRNA疫苗和SARS-CoV-2感染个体的CD4 T细胞 | 生物医学 | 传染病 | 单细胞转录组学, 深度学习反向表位定位 | 深度学习 | 单细胞转录组数据 | 1277个棘突蛋白特异性CD4 T细胞(包含238个通过Trex定义) | NA | NA | NA | NA |
| 15446 | 2025-10-07 |
Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification
2024-Jul-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.07.03.24309882
PMID:39006425
|
研究论文 | 本研究探索使用对比自监督学习方法对神经退行性疾病进行分类 | 首次将对比自监督学习应用于神经退行性疾病分类,无需大量专家标注数据即可学习有效的特征表示 | 研究样本量相对有限,未与其他自监督方法进行系统比较 | 开发无需标注数据的神经退行性疾病自动分类方法 | 阿尔茨海默病和额颞叶变性患者及认知正常对照组的脑部MRI扫描 | 医学影像分析 | 神经退行性疾病 | T1加权MRI扫描 | CNN, 感知机 | 医学影像 | 2694个T1加权MRI扫描,来自四个数据集:ADNI、AIBL、FTLDNI | NA | 深度卷积神经网络, 单层感知机 | 平衡准确度 | NA |
| 15447 | 2025-10-07 |
Deep Learning-Derived Myocardial Strain
2024-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.01.011
PMID:38551533
|
研究论文 | 开发了一种自动化的深度学习应变分析流程,用于从标准超声心动图B模式图像测量整体纵向应变 | 创建了开源、厂商无关的自动化应变测量方法,显著降低了操作者经验和厂商设备差异带来的变异性 | 与二维GLS的一致性为中等水平(ICC: 0.56),存在-3.31%的偏差 | 开发并验证自动化的深度学习应变分析流程在不同应用和人群中的性能 | 超声心动图B模式图像,包括心脏肥大和晚期心脏淀粉样变性患者 | 医学影像分析 | 心血管疾病 | 超声心动图,斑点追踪技术 | 深度学习 | 医学图像 | 多个患者群体,包括外部验证数据集 | NA | EchoNet-Dynamic | 组内相关系数, 平均绝对误差, 偏差, 一致性界限 | NA |
| 15448 | 2025-10-07 |
Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts
2024-May-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.04.578829
PMID:38370641
|
研究论文 | 本研究使用卷积神经网络分析扩散加权MRI数据,进行脑龄预测和痴呆分类,并在印度和北美人群中验证模型性能 | 首次将扩散加权MRI作为输入数据用于脑龄分析和痴呆分类,并采用3D CycleGAN方法进行数据集协调 | 研究样本主要来自特定人群(北美和印度),可能限制模型的普适性 | 开发基于深度学习的脑龄预测和阿尔茨海默病分类模型 | 阿尔茨海默病患者和健康对照者的大脑MRI数据 | 医学影像分析 | 阿尔茨海默病 | 扩散加权MRI,T1加权MRI | CNN, CycleGAN | 3D医学影像 | 来自ADNI(北美)和NIMHANS(印度)两个队列的样本 | NA | 3D CycleGAN, 卷积神经网络 | 分类性能指标 | NA |
| 15449 | 2025-10-07 |
Cross noise level PET denoising with continuous adversarial domain generalization
2024-Apr-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad341a
PMID:38484401
|
研究论文 | 本文提出一种基于连续对抗域泛化的PET图像去噪方法,能够有效处理不同噪声水平的PET图像 | 首次从域泛化角度解决跨噪声水平去噪性能下降问题,提出使用连续判别器的对抗训练方法 | 研究仅基于特定tau PET数据集,在其他类型PET数据上的泛化能力需进一步验证 | 解决PET图像在不同噪声水平下的去噪泛化问题 | 97F-MK6240 tau PET研究中的60名受试者 | 医学图像处理 | 阿尔茨海默病 | PET成像 | GAN, UNet | 3D医学图像 | 60名受试者,生成1940对3D图像体积(训练1400对,验证120对,测试420对) | NA | 3D UNet | bias, standard deviation, SSIM, PSNR | NA |
| 15450 | 2025-10-07 |
Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach
2024-Feb-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.09.579600
PMID:38405889
|
研究论文 | 本研究提出一种可解释的多模型深度学习方法,用于识别精神分裂症的重要EEG生物标志物 | 提出(1)基于特征交互的可解释性方法和(2)多模型解释汇总的新方法,通过分析训练集和测试集解释来提取可泛化的见解 | NA | 识别精神分裂症的可重现EEG生物标志物 | 精神分裂症患者的脑电图数据 | 机器学习 | 精神分裂症 | 脑电图频谱功率分析 | 深度学习 | EEG频谱功率数据 | NA | NA | NA | NA | NA |
| 15451 | 2025-10-07 |
Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology
2024, Pathobiology : journal of immunopathology, molecular and cellular biology
IF:3.5Q1
DOI:10.1159/000539010
PMID:38718783
|
研究论文 | 开发了一种基于人工智能的全癌种淋巴结转移检测系统 | 提出首个适用于多器官来源的淋巴结癌转移检测系统,能够在49-52种不同器官来源的样本中保持稳定性能 | 未提及模型在罕见癌症类型或特殊病理亚型上的表现 | 开发临床适用的全癌种淋巴结转移人工智能检测系统 | 淋巴结组织切片 | 数字病理学 | 多器官癌症 | 全玻片图像分析 | 深度学习模型 | 病理图像 | 训练集700+张WSI,测试集2,453张WSI(来自两个医疗中心) | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 15452 | 2025-10-07 |
SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104908
PMID:38101298
|
研究论文 | 提出一种名为SAMPLER的无监督快速方法,用于生成全切片组织图像的幻灯片级别表示 | 通过编码多尺度图块级特征的累积分布函数生成幻灯片级别表示,无需监督训练和复杂的注意力模块优化 | 未明确说明方法在更广泛疾病类型或数据集的泛化能力 | 开发无监督的快速方法用于全切片组织图像分析 | 乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像 | 数字病理学 | 多种癌症(乳腺癌、非小细胞肺癌、肾细胞癌) | H&E染色全切片图像分析 | 无监督表示学习方法 | 全切片组织图像 | 来自癌症基因组图谱的乳腺癌、非小细胞肺癌和肾细胞癌WSI样本 | NA | 基于累积分布函数编码的统计方法 | AUC | NA |
| 15453 | 2025-03-12 |
Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning
2024-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104933
PMID:38103513
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15454 | 2025-10-07 |
Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients
2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2023.01.015
PMID:36754100
|
研究论文 | 开发基于视频的深度学习算法EchoNet-Peds,用于自动化评估儿科患者的左心室射血分数 | 首个专门针对儿科人群的大规模超声心动图数据集和深度学习算法,在儿科EF评估上显著优于成人模型 | 仅针对儿科患者开发,可能不适用于成人群体 | 开发儿科专用的自动化左心室功能评估算法 | 儿科患者的超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 4,467例儿科超声心动图 | NA | EchoNet-Peds | Dice相似系数, 平均绝对误差, AUC | NA |
| 15455 | 2025-03-11 |
In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127762
PMID:39999584
|
研究论文 | 本研究开发了一种基于拉曼光谱的原位动态校正方法,用于优化和校正激光诱导击穿光谱(LIBS)动态烧蚀过程中的波动特性 | 结合拉曼光谱和深度学习建模,设计了原位在线反馈校正系统,显著提高了LIBS等离子体温度的分类模型性能 | NA | 提高LIBS作为高精度分析工具的性能 | 金属样品的连续LIBS烧蚀过程 | 机器学习和光谱分析 | NA | 拉曼光谱和激光诱导击穿光谱(LIBS) | 深度卷积神经网络(CNN) | 光谱数据 | NA | NA | NA | NA | NA |
| 15456 | 2025-10-07 |
Two algorithms for improving model-based diagnosis using multiple observations and deep learning
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107185
PMID:39862533
|
研究论文 | 本文提出了两种结合多观测数据和深度学习的模型诊断算法,显著提升了诊断准确率和计算效率 | 首次将多观测数据集成到基于模型的诊断中,并设计了缓存机制消除冗余计算 | 仅在模拟三罐模型上进行实验验证,未在真实复杂系统中测试 | 提升基于模型诊断的准确率和计算效率 | 复杂系统的故障诊断 | 机器学习 | NA | 深度学习 | NA | 多观测数据 | NA | NA | NA | 诊断准确率, 计算时间 | NA |
| 15457 | 2025-10-07 |
Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107152
PMID:39874821
|
研究论文 | 提出一种基于SNR估计的动态权重调制端点感知音视频语音增强系统 | 通过SNR估计模块动态调整音视频端点信息权重,解决高信噪比环境下冗余信息导致的性能下降问题 | 未明确说明具体的数据集规模和实验环境限制 | 提升音视频语音增强系统在不同噪声环境下的性能 | 音视频语音信号 | 语音增强 | NA | 深度学习,注意力机制 | 端点感知网络(EANet) | 音频,视频 | 基准数据集(未明确具体数量) | NA | 端点感知网络(EANet) | 语音质量,语音可懂度 | NA |
| 15458 | 2025-10-07 |
Multi-knowledge informed deep learning model for multi-point prediction of Alzheimer's disease progression
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107203
PMID:39922154
|
研究论文 | 提出一种融合多知识信息的深度学习模型Mul-KMPP,用于阿尔茨海默病多时间点进展预测 | 提出双路径方法提取全局和局部脑特征,结合AAL解剖知识设计诊断模块,并创建包含诊断损失、预测损失和一致性损失的复合损失函数 | NA | 准确预测阿尔茨海默病的进展过程 | 老年人阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 819个样本 | NA | Mul-KMPP | 准确率, 敏感度, 特异度, AUC | NA |
| 15459 | 2025-10-07 |
Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107128
PMID:39817982
|
研究论文 | 提出了一种基于脉冲神经网络的混合神经网络模型Spiking-PhysFormer,用于从面部视频中测量心脏活动和生理信号 | 首次将脉冲神经网络引入远程光电容积描记技术领域,设计了并行脉冲驱动变压器块和简化的脉冲自注意力机制 | NA | 开发能效更高的远程生理信号测量方法,降低移动设备部署的计算资源需求 | 面部视频中的脉搏波、心率和呼吸率等生理信号 | 计算机视觉 | 心血管疾病 | 远程光电容积描记技术 | 混合神经网络,SNN,Transformer | 视频 | 四个数据集:PURE、UBFC-rPPG、UBFC-Phys和MMPD | NA | Spiking-PhysFormer,包含ANN补丁嵌入块、SNN变压器块和ANN预测头 | 功耗降低百分比,性能保持度 | NA |
| 15460 | 2025-10-07 |
Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13385
PMID:39846854
|
研究论文 | 提出基于显微相差图像优化和深度学习的活性污泥微生物自动视觉检测方法 | 提出基于融合方差的相差图像质量优化算法、轻量级YOLOv8n-SimAM模型和IW-IoU损失函数 | NA | 实现活性污泥微生物的快速准确检测 | 活性污泥中的八种微生物 | 计算机视觉 | NA | 显微相差成像 | YOLOv8 | 显微相差图像 | 包含八种微生物的数据集(具体数量未提及) | NA | YOLOv8n-SimAM | 检测精度, 运行速度 | NA |