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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16161 | 2025-10-07 |
Principles of artificial intelligence in radiooncology
2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02272-0
PMID:39105746
|
综述 | 本文为放射肿瘤学领域提供了一份专门定制的深度学习原理综合指南 | 以易于理解的方式系统阐述与放射肿瘤学相关的深度学习技术原理,填补了该领域技术原理综述的空白 | 仅专注于深度学习领域,未涵盖人工智能的其他方法学 | 阐明深度学习在放射肿瘤学中的技术原理,弥合复杂技术概念与临床实践之间的差距 | 深度学习模型及其在放射肿瘤学中的应用 | 机器学习 | NA | NA | MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习 | NA | NA | NA | 多层感知器, 卷积神经网络, 循环神经网络, 变换器, 生成对抗网络, 扩散生成模型 | NA | NA |
| 16162 | 2025-10-07 |
Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives
2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02262-2
PMID:39105745
|
综述 | 本文总结了人工智能在放射治疗计划中自动分割技术的最新进展和应用前景 | 整合数学肿瘤生长模型与AI肿瘤检测技术,提出一站式分割和放疗规划的前沿概念 | 临床实施中面临领域偏移等挑战 | 探索AI自动分割模型在放疗计划中的临床应用 | 危及器官、大体肿瘤体积和临床靶体积的勾画 | 医学影像分析 | 肿瘤放射治疗 | 深度学习 | NA | 医学影像 | NA | NA | NA | 效率、一致性和时间节省 | NA |
| 16163 | 2025-10-07 |
Pressure-Enabled Drug Delivery Significantly Increases Intra-Arterial Delivery of Embolic Microspheres to Liver Tumors in a Porcine Model
2025-Mar, Journal of vascular and interventional radiology : JVIR
IF:2.6Q2
DOI:10.1016/j.jvir.2024.11.014
PMID:39586533
|
研究论文 | 本研究验证了压力驱动药物递送技术相比传统方法能显著提高栓塞微球在猪肝肿瘤模型中的递送效率 | 首次在Oncopig猪模型中使用压力调节微导管装置进行压力驱动药物递送,证明其能显著提升微球在肝肿瘤中的渗透率 | 研究样本量较小(每组n=8),且仅在猪肝肿瘤模型中进行验证 | 比较压力驱动药物递送与传统微导管技术在肝肿瘤治疗中的微球递送效率 | 猪肝肿瘤模型(Oncopig模型) | 医学影像分析 | 肝癌 | 肝动脉灌注、荧光标记、深度学习图像分析 | 深度学习算法 | 组织图像 | 16个猪肝肿瘤样本(传统组8个,PEDD组8个) | Visiopharm | NA | 信号强度定量分析、肿瘤与正常组织比率 | NA |
| 16164 | 2025-10-07 |
Performance and efficiency of machine learning models in analyzing capillary serum protein electrophoresis
2025-Mar-01, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120165
PMID:39875052
|
研究论文 | 本研究开发了用于M蛋白分类和定位的人工智能诊断模型,评估了多种机器学习模型在毛细管血清蛋白电泳分析中的性能和效率 | 首次将U-Net与Transformer结合用于M蛋白分类和定位,并在大规模数据集上验证其性能达到专家水平 | 研究仅基于单一机构的数据集,需要进一步外部验证 | 开发自动化临床血清蛋白电泳工作流程的人工智能诊断模型 | 毛细管血清蛋白电泳数据中的M蛋白 | 机器学习 | M蛋白相关疾病 | 血清蛋白电泳 | XGBoost, U-Net, Transformer | 电泳结果数据 | 85,026个SPEP结果用于训练验证,1,079个样本用于独立测试 | NA | U-Net, Transformer | 灵敏度, 阳性预测值, 特异性, 阴性预测值, F1分数, 准确率, AUC, Matthews相关系数, 交并比 | NA |
| 16165 | 2025-10-07 |
Computational advances in biosynthetic gene cluster discovery and prediction
2025 Mar-Apr, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108532
PMID:39924008
|
综述 | 本文全面介绍了生物合成基因簇发现与预测领域的计算技术进展,重点关注机器学习在BGC挖掘中的应用 | 系统总结了人工智能特别是深度学习算法在BGC挖掘中提升速度和精度的最新进展 | NA | 促进新型天然产物发现和药物开发 | 细菌、真菌及部分动植物中的生物合成基因簇 | 生物信息学 | NA | 基因组挖掘 | 机器学习,深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 16166 | 2025-10-07 |
AI-based approach to dissect the variability of mouse stem cell-derived embryo models
2025-Feb-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56908-5
PMID:39971935
|
研究论文 | 本研究利用深度学习方法提高小鼠干细胞衍生胚胎模型的选择可重复性 | 首次将深度学习应用于干细胞衍生胚胎模型的发育轨迹预测和分类 | 模型在初始细胞接种阶段的准确率相对较低(65%) | 提高干细胞衍生胚胎模型研究的标准化和可重复性 | 小鼠植入后干细胞衍生胚胎样结构(ETiX-胚胎) | 计算机视觉 | NA | 活体成像 | 深度学习 | 图像 | 900个小鼠ETiX-胚胎 | NA | NA | 准确率 | NA |
| 16167 | 2025-10-07 |
An infrared dataset for partially occluded person detection in complex environment for search and rescue
2025-Feb-19, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04600-0
PMID:39971943
|
研究论文 | 本文提出了一个用于复杂环境中部分遮挡人员检测的红外热成像数据集POP | 创建了首个针对部分遮挡人员检测的无人机红外热成像数据集,解决了现有非遮挡人体目标数据集在自动识别遮挡目标方面的不足 | 数据集主要针对室外环境,未涉及室内或其他特殊场景的遮挡情况 | 提升无人机在复杂搜索救援场景中对部分遮挡人员的检测能力 | 部分遮挡的人员目标 | 计算机视觉 | NA | 红外热成像 | 目标检测网络 | 红外热成像图像 | 8768张标注的热成像图像 | NA | NA | 平均精度, 响应时间 | NA |
| 16168 | 2025-10-07 |
LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89651-4
PMID:39971977
|
研究论文 | 提出一种基于人工智能的实时交通管理系统,通过优化救护车路线和交通信号控制来提升紧急医疗服务响应效率 | 结合LSTM和ResNet18的多模态数据融合方法,通过音频和视觉双重检测实现高精度救护车识别 | 未明确说明系统在实际复杂城市环境中的部署挑战和计算资源需求 | 减少紧急医疗服务响应时间,优化城市交通管理 | 救护车检测与交通信号控制系统 | 计算机视觉,自然语言处理 | NA | MFCC特征提取,迁移学习 | LSTM,CNN | 音频,图像 | NA | TensorFlow/PyTorch | ResNet18,LSTM | 准确率,精确率,召回率,F1分数,混淆矩阵 | 树莓派 |
| 16169 | 2025-10-07 |
Lightweight visual localization algorithm for UAVs
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88089-y
PMID:39971988
|
研究论文 | 提出了一种用于无人机的轻量化视觉定位算法Lightv8nPnP | 引入GhostConv构建GDetect检测头模块,采用Wise-IoU作为边界框回归损失函数,并基于无人机航拍数据集特性改进YOLOv8n网络结构创建TrimYOLO | NA | 开发能够实现无人机精确三维定位的高效视觉定位算法模型 | 无人机视觉定位 | 计算机视觉 | NA | 深度学习 | YOLOv8n, Lightv8nPnP | 图像 | NA | NA | YOLOv8n, TrimYOLO, GDetect | 帧率, 定位误差 | NA |
| 16170 | 2025-10-07 |
A skin disease classification model based on multi scale combined efficient channel attention module
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90418-0
PMID:39972014
|
研究论文 | 提出一种基于多尺度通道注意力的皮肤病分类模型,通过改进金字塔分割注意力模块和反向残差结构提升分类性能 | 改进了金字塔分割注意力模块以完整提取图像多尺度特征,并将注意力模块集成到反向残差结构中 | NA | 开发高效的皮肤病自动分类模型以辅助临床诊断 | 皮肤病图像数据 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 图像 | ISIC2019和HAM10000两个皮肤病数据集 | NA | 改进的金字塔分割注意力模块,反向残差结构 | 准确率 | NA |
| 16171 | 2025-10-07 |
Temporal and spatial self supervised learning methods for electrocardiograms
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90084-2
PMID:39972080
|
研究论文 | 提出一种专门针对心电图检测的时空自监督学习方法,有效利用ECG信号的时空特性增强特征表示 | 首次将时空特性同时引入ECG自监督学习,通过时间维度保持个体身份一致性,空间维度捕捉多导联信号关联性 | 未明确说明模型在临床环境中的泛化能力及对罕见心律失常的检测效果 | 解决ECG标注数据稀缺问题,提升自监督学习在心电图分析中的效果 | 心电图信号 | 机器学习 | 心血管疾病 | 自监督学习 | 深度学习 | 时序信号数据 | CPSC2018、Chapman和PTB-XL三个数据库的ECG数据 | NA | TSSL(时空自监督学习架构) | NA | NA |
| 16172 | 2025-10-07 |
Ensemble fuzzy deep learning for brain tumor detection
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90572-5
PMID:39972098
|
研究论文 | 提出一种集成模糊深度学习方法用于脑部MRI图像分析,旨在改善脑组织和异常区域的分割效果 | 结合体积模糊池化、模型融合策略和注意力机制,构建知识库以根据样本相似度选择最佳模型 | NA | 改进脑部MRI图像分割的准确性和效率 | 脑部MRI图像中的组织和异常区域 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 集成深度学习 | 医学图像 | 完整脑部MRI分割数据集 | NA | 多种深度学习架构 | 交并比(IoU) | NA |
| 16173 | 2025-10-07 |
Assessment of hydrological loading displacement from GNSS and GRACE data using deep learning algorithms
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90363-y
PMID:39972111
|
研究论文 | 提出一种基于3D卷积神经网络的水文负载位移估计新方法 | 首次将3D-CNN应用于水文负载位移估计,相比传统格林函数反演方法精度显著提升 | 研究区域仅限于云南省及周边地区,模型在其他地理区域的适用性有待验证 | 精确评估陆地水负载位移对大地测量的影响 | 云南省及周边地区41个GNSS站的垂直位移时间序列数据 | 地球科学 | NA | GNSS观测,GRACE卫星重力测量 | 3D-CNN | 时间序列数据,空间分布数据 | 41个GNSS站点,2019-2022年数据 | NA | 3D-CNN | 最大偏差,绝对最小偏差,绝对平均偏差,标准差 | NA |
| 16174 | 2025-10-07 |
Genetic insights into the shared molecular mechanisms of Crohn's disease and breast cancer: a Mendelian randomization and deep learning approach
2025-Feb-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01978-6
PMID:39964572
|
研究论文 | 本研究通过孟德尔随机化和深度学习探索克罗恩病与乳腺癌之间的遗传联系及潜在治疗靶点 | 首次结合孟德尔随机化分析与深度学习预测方法系统研究克罗恩病与乳腺癌的共享遗传机制和药物靶点 | 研究结果为初步发现,需要进一步实验验证 | 探索克罗恩病与乳腺癌之间的遗传关联并识别可药物化基因 | 克罗恩病和乳腺癌的遗传数据 | 机器学习 | 克罗恩病,乳腺癌 | 孟德尔随机化,基因本体分析,通路富集分析,蛋白质-蛋白质相互作用网络,共定位分析 | 深度学习 | 单核苷酸多态性数据 | NA | NA | NA | NA | NA |
| 16175 | 2025-10-07 |
Sub-1-min relaxation-enhanced non-contrast non-triggered cervical MRA using compressed SENSE with deep learning reconstruction in healthy volunteers
2025-Feb-18, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00560-7
PMID:39966221
|
研究论文 | 本研究评估了使用压缩感知结合深度学习重建技术在健康志愿者中实现亚1分钟无对比剂颈部磁共振血管成像的可行性 | 首次将压缩感知与深度学习重建相结合,在保持图像质量的同时将颈部MRA扫描时间缩短至1分钟以内 | 研究仅针对健康志愿者,需要进一步临床研究评估在狭窄或夹层等病变中的诊断性能 | 开发快速可靠的无对比剂磁共振血管成像技术 | 34名健康志愿者的颈部动脉 | 医学影像分析 | 血管疾病 | 磁共振血管成像(MRA), 压缩感知, 深度学习重建 | 深度学习 | 医学影像 | 34名健康志愿者 | NA | NA | 图像质量评分, 表观信噪比(aSNR), 表观对比噪声比(aCNR), 边缘上升距离(ERD) | NA |
| 16176 | 2025-10-07 |
Integrating D-S evidence theory and multiple deep learning frameworks for time series prediction of air quality
2025-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87935-3
PMID:39966417
|
研究论文 | 本研究提出了一种融合D-S证据理论和多种深度学习模型的框架,用于空气质量时间序列预测 | 首次将D-S证据理论与多种深度学习模型相结合,通过预测结果和可靠性作为证据体构建融合模型 | 研究仅基于中国三个代表性城市的数据,需要在更多地区验证模型的泛化能力 | 提高空气质量时间序列预测的准确性和鲁棒性 | 三个中国代表性城市的空气质量数据 | 机器学习 | NA | 时间序列分析 | MLP,RNN,CNN,LSTM,BI-LSTM,GRU | 时间序列数据 | 三个中国城市的空气质量数据,包含五种污染物指标 | NA | MLP,RNN,CNN,LSTM,BI-LSTM,GRU | MAE,RMSE,MAPE | NA |
| 16177 | 2025-10-07 |
Research on variable-length control chart pattern recognition based on sliding window method and SECNN-BiLSTM
2025-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86849-4
PMID:39966459
|
研究论文 | 提出基于滑动窗口方法和SECNN-BiLSTM的可变长度控制图模式识别方法 | 结合滑动窗口方法和SE注意力机制CNN与双向LSTM网络,解决可变长度控制图识别问题 | NA | 开发可变长度控制图识别方法以满足生产实际需求 | 控制图数据 | 机器学习 | NA | 统计过程控制(SPC) | CNN, Bi-LSTM | 一维时间序列数据 | NA | NA | SE-CNN, BiLSTM, 残差结构 | 效率, 准确率 | 云边端集成系统(无线数字卡尺、嵌入式设备、云计算) |
| 16178 | 2025-10-07 |
Accelerating veterinary low field MRI acquisitions using the deep learning based denoising solution HawkAI
2025-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88822-7
PMID:39966480
|
研究论文 | 开发基于生成对抗网络的HawkAI去噪算法以加速兽医低场MRI采集 | 首次将生成对抗网络应用于兽医低场MRI图像去噪,实现扫描时间减半而不影响诊断质量 | 在空间分辨率和图像对比度方面略逊于标准采集序列 | 通过深度学习技术加速兽医MRI扫描过程同时保持图像质量 | 兽医低场MRI图像 | 医学影像处理 | 兽医疾病 | MRI | GAN | 医学影像 | NA | NA | 生成对抗网络 | 信噪比,伪影存在,诊断相关性,病灶明显度,空间分辨率,图像对比度 | NA |
| 16179 | 2025-10-07 |
Linear regressive weighted Gaussian kernel liquid neural network for brain tumor disease prediction using time series data
2025-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89249-w
PMID:39966518
|
研究论文 | 提出一种新型线性回归加权高斯核液体神经网络模型,用于基于时间序列数据的脑肿瘤疾病预测 | 开发了LRWGKLNN模型,结合线性回归处理缺失值、广义极端学生化偏差检验去除异常值、余弦一致性加权多数算法进行特征选择,以及高斯核化液体神经网络进行分类 | NA | 提高脑肿瘤疾病预测的准确率并降低时间复杂性 | 脑肿瘤疾病 | 机器学习 | 脑肿瘤 | 时间序列数据分析 | 液体神经网络 | 时间序列数据 | 从综合数据集中收集的大量时间序列数据样本 | NA | 线性回归加权高斯核液体神经网络(LRWGKLNN) | 准确率, 精确率, 召回率, F1分数, 疾病预测时间 | NA |
| 16180 | 2025-10-07 |
Applying deep learning and the ecological home range concept to document the spatial distribution of Atlantic salmon parr (Salmo salar L.) in experimental tanks
2025-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90118-9
PMID:39966514
|
研究论文 | 本研究开发了一种结合深度学习与生态学概念的自动化工具,用于分析实验水箱中大西洋鲑鱼苗的空间分布行为 | 首次将生态学中的家域和核心区概念与深度学习姿态估计相结合,开发了自动化鱼类行为分析工具 | 仅基于5天的实验数据作为概念验证,样本规模有限 | 开发自动化鱼类行为监测方法,提升水产养殖研究中动物福利评估效率 | 大西洋鲑鱼苗在实验水箱中的空间分布行为 | 计算机视觉 | NA | 计算机视觉,姿态估计 | 深度学习 | 视频 | 5天的实验数据 | DeepLabCut | NA | NA | NA |