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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15841 | 2025-10-07 |
A bibliometric analysis of artificial intelligence research in critical illness: a quantitative approach and visualization study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1553970
PMID:40103796
|
文献计量分析 | 通过文献计量学方法对重症医学领域人工智能研究进行定量分析和可视化展示 | 首次系统性地对重症医学AI研究领域进行文献计量分析,识别核心作者、机构和研究热点 | 仅基于文献数据库分析,未涉及具体临床验证和模型性能评估 | 分析人工智能在重症医学领域的研究现状和发展趋势 | 2005-2024年间900篇相关学术文献 | 机器学习 | 重症疾病 | 文献计量分析 | NA | 文献数据 | 900篇文章,涉及6,653位作者和82个国家 | R-bibliometrix, VOSviewer, CiteSpace | NA | NA | NA |
| 15842 | 2025-10-07 |
Evaluating deep learning auto-contouring for lung radiation therapy: A review of accuracy, variability, efficiency and dose, in target volumes and organs at risk
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100736
PMID:40104215
|
综述 | 评估深度学习自动勾画在肺癌放疗中对靶区和危及器官轮廓的准确性、变异性和效率 | 系统评估深度学习自动勾画在肺癌放疗中的综合表现,包括准确性、观察者间变异性、时间效率和剂量体积影响 | 观察者间变异性研究结果不一致,剂量体积评估研究数量有限,需要更多临床验证 | 评估深度学习算法在肺癌放疗计划中自动勾画靶区和危及器官的应用效果 | 肺癌患者的放疗靶区体积和危及器官 | 医学影像分析 | 肺癌 | 深度学习自动轮廓勾画 | 深度学习算法 | 医学影像数据 | 包含40项研究 | NA | NA | 准确性, 观察者间变异性, 勾画时间, 剂量体积指标 | NA |
| 15843 | 2025-10-07 |
Duple-MONDNet: duple deep learning-based mobile net for motor neuron disease identification
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5952
PMID:40104302
|
研究论文 | 提出一种基于双重深度学习的移动网络模型Duple-MONDNet,用于运动神经元疾病的早期识别 | 采用双重特征提取框架,结合局部二值模式纹理特征和颜色信息特征进行疾病分类 | NA | 运动神经元疾病的早期检测 | 运动神经元疾病患者 | 医学影像分析 | 运动神经元疾病 | 弥散张量成像纤维束成像 | 深度学习 | 医学影像 | NA | NA | MobileNet | 检测率,F1分数 | NA |
| 15844 | 2025-10-07 |
Integrated convolutional neural network for skin cancer classification with hair and noise restoration
2025, Turkish journal of medical sciences
IF:1.2Q2
DOI:10.55730/1300-0144.5954
PMID:40104314
|
研究论文 | 提出集成卷积神经网络用于皮肤癌分类,通过头发修复和噪声去除提升诊断准确率 | 提出集成头发去除(IHR)和集成噪声去除(INR)的CNN方法,结合头发修复和图像去噪技术来提升皮肤病变分类性能 | 使用合成数据集进行实验,可能无法完全反映真实临床场景的复杂性 | 研究皮肤病变图像中头发和噪声伪影对分类器性能的影响,并开发去除方法以提高诊断准确性 | 皮肤病变的皮肤镜图像 | 计算机视觉 | 皮肤癌 | 头发模拟、噪声模拟、非局部均值去噪 | CNN | 图像 | HAM10000基准数据集和合成数据集 | NA | ResNet50, DenseNet121, ResNet152, VGG16, VGG19 | 准确率 | NA |
| 15845 | 2025-10-07 |
Deep learning-based analysis of 12-lead electrocardiograms in school-age children: a proof of concept study
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1471989
PMID:40109297
|
研究论文 | 开发并验证基于深度学习的12导联心电图自动分析模型,用于筛查学龄儿童异常心电图 | 首次将深度学习技术应用于学龄儿童12导联心电图的自动分析,相比传统算法在检测多种心电图异常时具有更高的特异性 | 研究样本仅来自日本一家三级转诊医院,需要进一步研究验证模型的普适性 | 开发自动分析儿童心电图的深度学习模型,用于筛查有猝死风险的儿童心脏病 | 6-18岁学龄儿童的心电图数据 | 机器学习 | 心血管疾病 | 心电图信号处理 | 深度学习 | 心电图波形数据 | 1,842份心电图(来自1,062名患者),其中测试组310份心电图(来自177名患者) | NA | NA | 特异性, 敏感性, McNemar检验, 决策曲线分析 | NA |
| 15846 | 2025-10-07 |
PoseRL-Net: human pose analysis for motion training guided by robot vision
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1531894
PMID:40109574
|
研究论文 | 提出PoseRL-Net深度学习模型用于机器人视觉引导下的人体姿态分析,提升复杂动态环境中的人机交互能力 | 集成时空图卷积网络、注意力机制、门控循环单元、姿态优化和对称约束的多组件融合架构 | NA | 解决传统人体姿态识别方法在遮挡、光照变化和运动连续性方面的局限性 | 人体姿态识别与分析 | 计算机视觉 | NA | 深度学习 | STGCN, GRU | 运动姿态数据 | Human3.6M和MPI-INF-3DHP数据集 | NA | Spatial-Temporal Graph Convolutional Network, Gated Recurrent Unit | MPIPE, P-MPIPE | NA |
| 15847 | 2025-10-07 |
Emotion recognition based on multimodal physiological electrical signals
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1512799
PMID:40109659
|
研究论文 | 提出一种基于脑电和心电信号融合的多模态情绪识别方法 | 结合注意力机制、一维卷积神经网络和门控循环单元构建复合神经网络模型,并采用随机森林进行特征筛选 | NA | 实现情绪状态的精确分类,特别关注情绪的三个维度(效价、唤醒度和支配感) | 多模态生理电信号(脑电和心电信号) | 机器学习 | 心理健康问题 | 脑电图,心电图 | CNN, GRU | 生理电信号 | DREAMER和DEAP数据集 | NA | Att-1DCNN-GRU | 准确率 | NA |
| 15848 | 2025-10-07 |
Predicting implicit concept embeddings for singular relationship discovery replication of closed literature-based discovery
2025, Frontiers in research metrics and analytics
DOI:10.3389/frma.2025.1509502
PMID:40110121
|
研究论文 | 提出一种基于相似性学习目标的知识图谱补全方法,用于预测文献中隐含概念关系 | 将知识图谱补全任务重新定义为预测图中互连顶点嵌入,并探索了三种顶点间边连接表示方法 | 在Hallmark of Cancer数据集上仅复制了五个已知发现,样本规模有限 | 改进文献基于发现方法,减少研究人员在提交查询时的领域专业知识需求 | 文献中的隐含概念关系和知识图谱 | 自然语言处理 | 癌症 | 深度学习, 知识图谱 | 深度学习模型 | 文本, 知识图谱 | Hallmark of Cancer数据集中的五个已知发现 | NA | NA | 排名, 模型收敛率, 统计显著性检验 | NA |
| 15849 | 2025-10-07 |
GDP prediction of The Gambia using generative adversarial networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1546398
PMID:40110175
|
研究论文 | 本研究使用生成对抗网络预测冈比亚的国内生产总值 | 首次将生成对抗网络应用于冈比亚GDP预测,展示了深度学习技术在小数据经济体中的优势 | 研究基于1970-2022年的历史数据,可能无法完全捕捉未来经济结构变化 | 预测冈比亚GDP并为政策制定者提供经济决策支持 | 冈比亚的经济指标和政府支出、通货膨胀、官方发展援助、汇款流入和外国直接投资等经济因素 | 机器学习 | NA | 深度学习 | GAN | 数值型经济数据 | 1970-2022年期间的经济数据 | NA | 生成对抗网络 | 决定系数R, 平均绝对误差, 平均绝对百分比误差, 均方根误差, 准确率 | NA |
| 15850 | 2025-10-07 |
Prediction of time averaged wall shear stress distribution in coronary arteries' bifurcation varying in morphological features via deep learning
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1518732
PMID:40110184
|
研究论文 | 本研究开发了一种基于深度学习的冠状动脉分叉处时间平均壁面剪应力分布的快速预测方法 | 首次将深度学习应用于冠状动脉分叉处血流动力学参数的快速预测,相比传统计算流体动力学方法显著提高了计算效率 | 研究基于理想化模型,可能无法完全反映真实冠状动脉的复杂解剖结构 | 开发高效的血流动力学参数预测方法以替代计算成本高的传统CFD模拟 | 冠状动脉分叉处的血流动力学参数 | 计算机视觉 | 心血管疾病 | 计算流体动力学, 深度学习 | CNN | 点云数据 | 1800个具有不同形态参数的理想化模型 | TensorFlow | U-net | 归一化平均绝对误差 | NA |
| 15851 | 2025-10-07 |
DBY-Tobacco: a dual-branch model for non-tobacco related materials detection based on hyperspectral feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1538051
PMID:40110354
|
研究论文 | 提出基于高光谱特征融合的双分支模型DBY-Tobacco,用于实时检测烟草制品中的非烟草杂物 | 结合高光谱成像与改进的YOLOv8模型,采用双分支主干网络和BELFPN模块实现高效特征融合 | 存在高光谱图像中的条纹噪声问题,检测的非烟草杂物类型有待扩展 | 提升烟草制品质量和消费者安全,实现非烟草杂物的实时检测 | 烟草制品中的非烟草杂物 | 计算机视觉 | NA | 高光谱成像 | YOLOv8 | 高光谱图像 | 1000张图像,包含4203个非烟草杂物 | NA | 双分支主干网络,BiFPN-Efficient-Lighting-Feature-Pyramid-Network | F1分数,mAP@50,mAP@50-95,FPS | NA |
| 15852 | 2025-10-07 |
Behavioral tests for the assessment of social hierarchy in mice
2025, Frontiers in behavioral neuroscience
IF:2.6Q3
DOI:10.3389/fnbeh.2025.1549666
PMID:40110389
|
综述 | 本文总结了评估小鼠社会等级的主要行为学方法,探讨了其适用性、局限性及神经机制 | 系统评估现有社会等级评估方法并提出改进方案,强调性别差异研究的重要性 | 现有研究主要关注雄性小鼠,雌性小鼠的社会策略和生理机制研究不足 | 为研究社会行为的神经机制提供系统性参考框架和方法学指导 | 小鼠社会等级行为 | 行为神经科学 | 精神疾病(抑郁、焦虑) | 行为学测试、自动化追踪技术 | NA | 行为数据、生理数据 | NA | NA | NA | NA | NA |
| 15853 | 2025-10-07 |
Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children
2024-Dec-01, Critical care explorations
DOI:10.1097/CCE.0000000000001188
PMID:39688905
|
研究论文 | 开发基于机器学习的预测模型,用于预测儿童和年轻成人接受连续肾脏替代治疗后ICU死亡率 | 首次开发用于预测儿童和年轻成人CRRT患者ICU和医院存活率的机器学习模型 | 样本量有限,输入变量需要扩展,特征选择方法需要优化 | 预测接受连续肾脏替代治疗的儿童和年轻患者的ICU和医院存活率 | 25岁以下因急性肾损伤和/或容量超负荷接受CRRT的儿童和年轻成人患者 | 机器学习 | 肾脏疾病 | 连续肾脏替代疗法 | 逻辑回归,决策树,随机森林,梯度提升机,支持向量机 | 临床数据 | 933名患者(80%训练集,20%测试集) | NA | NA | AUROC, AUPRC | NA |
| 15854 | 2025-10-07 |
Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval
2024-Nov-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.533923
PMID:39546693
|
研究论文 | 提出一种基于深度学习的时序解卷积方法,用于从荧光寿命成像中恢复真实光子飞行时间分布 | 首次将深度学习模型专门应用于荧光寿命成像中的解卷积任务,无需复杂的计算策略和正则化项 | 模型训练和验证主要基于模拟数据,实际应用效果需进一步验证 | 开发准确高效的光子飞行时间分布恢复方法 | 荧光寿命成像中的光子飞行时间分布 | 生物医学成像 | NA | 荧光寿命成像(FLI)、扩散光学成像 | 深度学习模型 | 时间分辨成像数据 | 模拟FLI数据、体外实验、临床前体内研究 | NA | NA | 准确性、鲁棒性、灵活性 | NA |
| 15855 | 2025-10-07 |
A deep profile of gene expression across 18 human cancers
2024-Oct-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.17.585426
PMID:38559197
|
研究论文 | 提出DeepProfile框架,利用无监督深度学习分析18种人类癌症的基因表达数据 | 开发了具有生物可解释性的无监督深度学习框架,能够从大规模基因表达数据中提取有价值的生物学信息 | 未明确说明模型在独立验证集上的性能表现及计算资源需求 | 利用无监督深度学习挖掘癌症基因表达数据中的生物学信息 | 18种人类癌症的50,211个转录组数据 | 机器学习 | 多癌种研究 | 基因表达分析,转录组测序 | 深度学习 | 基因表达数据 | 50,211个转录组样本,涵盖18种癌症类型 | NA | NA | 生物可解释性评估,Kaplan-Meier生存分析 | NA |
| 15856 | 2025-10-07 |
Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning
2024-Oct, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-024-00902-w
PMID:39083144
|
系统综述 | 系统回顾了过去二十年白质高信号分割方法的演变历程和实施情况 | 首次系统性地分析了过去二十年WMH分割工具的方法学演变,特别关注了深度学习技术的兴起趋势 | 仅包含公开可用技术且详细描述方法的文献,可能遗漏部分商业或未公开方法 | 分析白质高信号分割方法的发展趋势和实施差异 | 白质高信号分割工具和方法 | 医学影像分析 | 神经系统疾病 | 系统综述方法 | 深度学习,传统图像分割方法 | 医学影像数据 | 1007个视觉评分量表研究,118个流程开发文章,509个实施文章 | NA | NA | 评估标准 | NA |
| 15857 | 2025-10-07 |
A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.002
PMID:38637240
|
研究论文 | 开发深度学习模型通过融合两个机构的DCE-MRI多序列数据预测乳腺癌分子亚型 | 提出多分支卷积神经网络架构,采用外观变换技术缓解小数据和类别不平衡问题,并探索不同ROI和融合策略 | 样本量相对有限,部分亚型预测结果未达到统计学显著性 | 评估深度学习在利用DCE-MRI预测乳腺癌分子亚型方面的性能 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | DCE-MRI | CNN, CLSTM, MBCNN | 医学影像 | 366例乳腺癌患者(训练集292例,验证集49例,测试集25例) | NA | 多分支卷积神经网络 | AUC, 准确率 | NA |
| 15858 | 2025-10-07 |
Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.035
PMID:38641451
|
研究论文 | 开发并验证结合对比增强光谱乳腺摄影深度学习与临床病理特征的列线图,用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应 | 首次将CESM深度学习特征与临床病理特征结合构建预测新辅助化疗反应的列线图 | 回顾性研究设计,样本量相对有限(265例患者) | 预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应 | ER阳性/HER2阴性乳腺癌患者 | 数字病理 | 乳腺癌 | 对比增强光谱乳腺摄影(CESM) | 深度学习,逻辑回归 | 医学影像(低能量和减影CESM图像),临床病理数据 | 265例乳腺癌患者,按4:1比例分为训练集和测试集 | PyTorch | ResNet34 | ROC曲线下面积,准确率,特异性,召回率,阴性预测值,阳性预测值,平衡准确率,F1分数,决策曲线分析 | NA |
| 15859 | 2025-10-07 |
Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.021
PMID:38290889
|
研究论文 | 评估基于深度学习的重建方法在低剂量CT结肠成像中的图像质量改善效果 | 首次系统比较深度学习重建与迭代重建在低剂量CT结肠成像中的性能表现 | 样本仅来自单一中心,未进行多中心验证 | 评估深度学习重建技术在低剂量CT结肠成像中的图像质量 | 270名成年志愿者(平均年龄47.94岁,115名男性) | 医学影像 | 结直肠癌 | CT结肠成像 | 深度学习 | 医学影像 | 270名志愿者,按BMI分为四组 | NA | NA | 噪声、信噪比(SNR)、对比噪声比(CNR)、主观图像质量评分 | NA |
| 15860 | 2025-10-07 |
Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.003
PMID:38413314
|
综述 | 本文总结分析了人工智能在脑膜瘤分级分类中的研究进展,重点关注影像组学和深度学习的应用 | 系统梳理了AI技术在脑膜瘤分级分类领域的最新研究成果和发展趋势 | 现有研究存在数据样本有限、模型泛化能力不足等问题 | 促进人工智能在脑膜瘤诊疗中的未来应用 | 脑膜瘤患者 | 医学影像分析 | 脑膜瘤 | 影像组学, 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |