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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16201 | 2025-10-07 |
Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1506363
PMID:39981086
|
研究论文 | 开发并验证了一种基于深度学习的肺栓塞风险预测模型PE-Mind | 使用卷积神经网络结合三个定制模块增强预测性能,开发了实时临床操作的Web服务器PulmoRiskAI | 未明确说明样本来源和数据收集的时间范围 | 开发精确高效的肺栓塞风险预测模型以改进现有临床工具的局限性 | 急性深静脉血栓形成患者 | 机器学习 | 肺栓塞 | 临床数据分析 | CNN | 临床特征数据 | NA | NA | 卷积神经网络,残差模块 | 准确率,AUC | NA |
16202 | 2025-10-07 |
Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker
2024-10-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76639-9
PMID:39448760
|
研究论文 | 提出基于咳嗽音频信号的COVID-19检测框架Cough2COVID-19,采用多层集成深度学习方法和特征选择算法 | 开发了多层集成深度学习框架和CoughFeatureRanker特征选择算法,首次实现从15个咳嗽音频特征中自动选择最具判别性的特征用于COVID-19检测 | NA | 开发低成本、非侵入式且易于获取的COVID-19检测方法 | 咳嗽音频信号 | 机器学习 | COVID-19 | 音频信号分析 | 集成深度学习 | 音频 | NA | NA | 多层集成深度学习框架 | 特异性, 灵敏度, 准确率, AUC | NA |
16203 | 2025-10-07 |
Deep learning improves physician accuracy in the comprehensive detection of abnormalities on chest X-rays
2024-10-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76608-2
PMID:39448764
|
研究论文 | 开发了一种FDA批准的AI系统,通过深度学习算法辅助医生全面检测和定位胸部X光片异常 | FDA批准的AI系统能显著提高医生检测胸部X光片异常的准确性,特别是使非放射科医生达到放射科医生的诊断水平 | NA | 评估AI系统在辅助医生检测胸部X光片异常方面的效果 | 胸部X光片异常检测 | 计算机视觉 | 胸部疾病 | 深度学习 | 深度学习算法 | 医学影像 | 大型数据集和公开可用数据 | NA | NA | AUC | NA |
16204 | 2025-10-07 |
Generating multi-pathological and multi-modal images and labels for brain MRI
2024-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103278
PMID:39059240
|
研究论文 | 提出一种两阶段生成模型,能够生成脑部MRI的多病理多模态图像及对应的语义标签图 | 首次结合潜在扩散模型和VAE-GAN生成配对的2D/3D语义标签图和多模态图像,支持多种分割任务 | 未明确说明生成图像的质量评估标准和计算资源需求 | 开发能够生成配对图像和分割标签的生成模型,用于下游监督分割任务 | 脑部MRI图像及其语义分割标签 | 医学影像分析 | 脑部疾病 | MRI | 潜在扩散模型, VAE-GAN | 2D/3D医学图像, 分割标签 | NA | NA | 潜在扩散模型, VAE-GAN | 分割性能 | NA |
16205 | 2025-10-07 |
Automated vessel-specific coronary artery calcification quantification with deep learning in a large multi-centre registry
2024-Jun-28, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae045
PMID:38376471
|
研究论文 | 本研究开发了一种基于深度学习的自动化血管特异性冠状动脉钙化量化方法,并在大型多中心注册研究中验证了其准确性和预后价值 | 首次在大型多中心注册研究中验证深度学习模型在门控CT和非门控衰减校正CT上自动量化血管特异性冠状动脉钙化的能力 | 研究仅基于观察性数据,需要进一步前瞻性验证 | 评估深度学习模型在自动量化血管特异性冠状动脉钙化方面的准确性和预后意义 | 冠状动脉及其主要分支(左主干/左前降支、左回旋支、右冠状动脉) | 数字病理 | 心血管疾病 | 心电图门控计算机断层扫描、衰减校正计算机断层扫描 | 深度学习 | CT图像 | 训练集3000例门控CT,测试集2094例门控CT和5969例非门控AC CT | NA | NA | Cohen's Kappa系数, 风险比, 置信区间 | NA |
16206 | 2025-10-07 |
Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography
2024, Frontiers in ophthalmology
DOI:10.3389/fopht.2024.1497848
PMID:39963427
|
研究论文 | 本研究提出一种增强型变分自编码器方法,用于量化视网膜神经节细胞损失的空间模式并追踪其在视神经病变中的进展 | 开发了包含编码器、显示解码器和增强解码器的bVAE架构,能够分解GCL厚度图为显示潜变量和增强潜变量,首次实现对视神经损伤空间模式的动态追踪和病因分类 | 仅使用光学相干断层扫描数据,未来需要整合其他影像模态提升诊断能力 | 开发深度学习模型以可视化和量化视神经病变中视网膜神经节细胞变薄的空间模式 | 822名受试者的10,701个OCT黄斑扫描数据 | 计算机视觉 | 视神经病变 | 光学相干断层扫描 | 变分自编码器,XGBoost | 医学影像 | 10,701个OCT扫描来自822名受试者 | NA | 增强型变分自编码器 | RMSE,SSIM,AUC | NA |
16207 | 2025-10-07 |
Adaptive spatial-channel feature fusion and self-calibrated convolution for early maize seedlings counting in UAV images
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1496801
PMID:39980762
|
研究论文 | 提出基于DINO的RC-Dino深度学习方法,通过自适应空间特征融合和自校准卷积提升无人机图像中早期玉米幼苗计数精度 | 提出新型自校准卷积层RSCconv和自适应空间特征融合模块ASCFF,增强特征表示能力和判别能力 | 未明确说明方法在其他作物或复杂环境下的泛化能力 | 提高无人机图像中早期玉米幼苗计数的准确性和鲁棒性 | 早期玉米幼苗 | 计算机视觉 | NA | 无人机成像技术 | 基于DINO的目标检测模型 | 无人机图像 | 1,233张标注图像,包含83,404个个体标注 | PyTorch(基于DINO实现推断) | DINO, Faster R-CNN, RetinaNet, YOLOX, Deformable DETR | 平均精度(AP), 召回率(Recall), 决定系数(R²) | NA |
16208 | 2025-10-07 |
Efficient and accurate identification of maize rust disease using deep learning model
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1490026
PMID:39980760
|
研究论文 | 开发了一种基于深度学习的玉米锈病识别模型,能够高效准确地区分普通玉米锈病和南方玉米锈病 | 在YOLOv8s主干网络中集成SimAM模块和BiFPN进行尺度融合,并使用DWConv实现简化检测 | NA | 实现玉米锈病的准确识别和分类,支持田间大规模锈病爆发的有效检测和管理 | 玉米锈病图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | NA | NA | YOLOv8s, SimAM, BiFPN, DWConv | 准确率, 平均准确率, 召回率, F1值, 帧率 | 移动手机部署 |
16209 | 2025-10-07 |
Automated classification of fat-infiltrated axillary lymph nodes on screening mammograms
2023-Nov, The British journal of radiology
DOI:10.1259/bjr.20220835
PMID:37751215
|
研究论文 | 开发基于深度学习的自动化流程对筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结进行分类 | 首次使用自动化深度学习方法对脂肪浸润淋巴结进行分类 | 标记数据稀缺可能限制模型泛化能力 | 开发快速可推广的工具辅助数据标注,支持大规模研究 | 筛查性乳腺X线摄影中的脂肪浸润腋窝淋巴结 | 计算机视觉 | 肥胖相关疾病 | 乳腺X线摄影 | 深度学习 | 医学影像 | 886张内部机构乳腺X线片和外部数据库子集 | NA | 两阶段深度学习模型 | 准确率, AUC | NA |
16210 | 2025-10-07 |
Using ensembles and distillation to optimize the deployment of deep learning models for the classification of electronic cancer pathology reports
2022-Oct, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooac075
PMID:36110150
|
研究论文 | 通过集成学习和知识蒸馏优化电子癌症病理报告分类深度学习模型的部署 | 将1000个多任务卷积神经网络的集成知识蒸馏到单一模型中,减少过拟合和模型过度自信 | 在极端类别不平衡和噪声数据集上的应用仍有局限 | 优化癌症病理报告分类模型的部署效果 | 电子癌症病理报告 | 自然语言处理 | 癌症 | 知识蒸馏 | CNN | 文本 | NA | NA | 多任务卷积神经网络(MtCNN) | 准确率,弃权率 | 低计算资源环境 |
16211 | 2025-10-07 |
Deep learning on resting electrocardiogram to identify impaired heart rate recovery
2022-Aug, Cardiovascular digital health journal
IF:2.6Q2
DOI:10.1016/j.cvdhj.2022.06.001
PMID:36046430
|
研究论文 | 本研究开发了一种基于静息心电图的深度学习模型来预测心率恢复能力,并验证其与心血管疾病风险的关联 | 首次使用静息心电图通过深度学习模型预测运动后心率恢复能力,无需实际运动测试 | 研究人群主要为英国生物银行参与者,需要进一步验证在其他人群中的适用性 | 探索基于静息心电图的心率恢复能力预测及其与心血管疾病风险的关联 | 英国生物银行参与者的静息心电图数据和临床结局 | 机器学习 | 心血管疾病 | 心电图 | CNN | 心电图波形 | 56,793名个体(平均年龄57岁,51%女性) | NA | 卷积神经网络 | 相关系数, 风险比, 置信区间 | NA |
16212 | 2025-10-07 |
Deep learning based analysis of dynamic video ultrasonography for predicting cervical lymph node metastasis in papillary thyroid carcinoma
2025-Mar, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-04091-w
PMID:39556263
|
研究论文 | 本研究开发了一种基于深度学习的动态视频超声分析模型,用于预测甲状腺乳头状癌患者的颈淋巴结转移风险 | 首次将深度学习应用于动态超声视频分析来预测颈淋巴结转移,相比传统静态图像方法具有更高准确性和鲁棒性 | 研究为单中心回顾性研究,样本量相对有限(388例患者),需要多中心前瞻性验证 | 开发深度学习模型辅助临床医生更准确预测甲状腺乳头状癌患者的颈淋巴结转移风险 | 甲状腺乳头状癌患者及其甲状腺结节 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 视频,图像 | 388例患者的717个甲状腺结节 | NA | DenseNet121 | AUROC,敏感性,特异性 | NA |
16213 | 2025-10-07 |
Early-Stage Melanoma Cancer Diagnosis Framework for Imbalanced Data From Dermoscopic Images
2025-Mar, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24736
PMID:39573895
|
研究论文 | 提出一种用于皮肤镜图像中早期黑色素瘤诊断的深度学习框架,解决数据不平衡问题 | 结合CNN、DenseNet、批量归一化层、最大池化和ReLU激活函数的新型框架,有效解决过拟合问题 | NA | 开发自动化的黑色素瘤早期诊断方法 | 皮肤镜图像中的黑色素瘤病变 | 计算机视觉 | 黑色素瘤皮肤癌 | 皮肤镜成像 | CNN, DenseNet | 图像 | ISIC-2019数据集和HAM-10000数据集的大量样本 | NA | CNN, DenseNet | 准确率, 微平均准确率 | NA |
16214 | 2025-02-22 |
A New Method Using Deep Learning to Predict the Response to Cardiac Resynchronization Therapy
2025-Feb-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01380-8
PMID:39979759
|
研究论文 | 本研究提出了一种结合临床变量、心电图特征和心脏功能评估参数与门控SPECT MPI极坐标图的深度学习方法,用于预测心脏再同步化治疗(CRT)的响应 | 通过结合预训练的VGG16模型和多层感知器,利用SPECT MPI极坐标图和临床特征、心电图参数、SPECT-MPI衍生参数等表格数据,提高了CRT响应预测的准确性 | 研究样本量较小(218例患者),且仅基于单一中心的患者数据,可能影响模型的泛化能力 | 提高心脏再同步化治疗(CRT)响应预测的准确性 | 218例接受CRT植入的患者 | 机器学习 | 心血管疾病 | 门控单光子发射计算机断层扫描心肌灌注成像(SPECT MPI) | VGG16模型和多层感知器 | 图像和表格数据 | 218例患者 | NA | NA | NA | NA |
16215 | 2025-10-07 |
The Future of Surgical Diagnostics: Artificial Intelligence-Enhanced Detection of Ganglion Cells for Hirschsprung Disease
2025-Feb, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102189
PMID:39577743
|
研究论文 | 开发人工智能增强方法用于术中检测赫希施普龙病中的神经节细胞 | 首次将深度学习模型与热力图定位技术结合应用于术中冰冻切片神经节细胞检测,显著提升诊断准确性和效率 | 研究样本来自3个中心的164名患者,样本来源相对有限 | 开发人工智能辅助诊断系统改善赫希施普龙病的手术决策 | 赫希施普龙病患者组织切片中的神经节细胞 | 数字病理学 | 赫希施普龙病 | 苏木精-伊红染色,全玻片成像 | CNN | 病理图像 | 164名患者的668张玻片(366张冰冻切片,302张FFPE切片) | NA | ResNet-50 | 准确率 | NA |
16216 | 2025-10-07 |
Discovery of anticancer peptides from natural and generated sequences using deep learning
2025-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.138880
PMID:39706427
|
研究论文 | 本研究通过深度学习模型从天然和生成序列中发现抗癌肽,并进行了广泛的实验验证 | 提出基于三通道深度学习架构的CNBT-ACPred预测模型,结合大规模体外和体内实验验证,显著提升预测性能 | NA | 开发高效的抗癌肽预测方法并发现新型抗癌肽 | 抗癌肽(ACPs) | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | Uniprot数据库380万条序列,生成模型10万条序列,最终验证41条候选肽 | NA | 三通道深度学习架构 | 准确率,MCC | NA |
16217 | 2025-10-07 |
Deep proximal gradient network for absorption coefficient recovery in photoacoustic tomography
2025-Jan-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada868
PMID:39788080
|
研究论文 | 提出一种基于深度学习的近端梯度网络方法,用于光声层析成像中光学吸收系数的恢复 | 首次将深度近端梯度下降机制应用于光声层析成像的光学反演问题,通过级联结构单元迭代更新吸收系数 | 仅通过模拟、体模实验和体内研究验证,尚未在临床大规模应用中测试 | 提高光声层析成像中定量恢复光学吸收系数的准确性和效率 | 生物组织的光学吸收特性 | 医学影像处理 | NA | 光声层析成像 | 深度学习 | 声学测量数据 | NA | NA | 级联结构单元网络 | 相对误差, 峰值信噪比, 结构相似性 | NA |
16218 | 2025-10-07 |
Augmenting cybersecurity through attention based stacked autoencoder with optimization algorithm for detection and mitigation of attacks on IoT assisted networks
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81162-y
PMID:39730515
|
研究论文 | 提出一种基于注意力机制堆叠自编码器和鹈鹕优化算法的网络安全方法,用于物联网辅助网络中的攻击检测与缓解 | 结合注意力机制堆叠自编码器和鹈鹕优化算法进行攻击检测,并采用灰雁优化算法进行特征选择 | NA | 识别和缓解物联网辅助网络中的网络安全攻击行为 | 物联网网络中的网络安全攻击 | 机器学习 | NA | 深度学习 | 自编码器 | 网络数据 | NA | NA | 注意力机制堆叠自编码器 | 准确率 | NA |
16219 | 2025-10-07 |
A Novel Deep Learning-based Artificial Intelligence System for Interpreting Urolithiasis in Computed Tomography
2024-Dec, European urology focus
IF:4.8Q1
DOI:10.1016/j.euf.2024.07.003
PMID:38997836
|
研究论文 | 开发基于深度学习的人工智能系统,用于在CT图像中检测尿路结石并实时计算结石参数 | 首个使用YOLOv4架构实现尿路结石实时检测和参数计算的AI系统,显著提升诊断速度 | 训练数据未包含输尿管膀胱连接处结石,不规则结石检测存在遗漏 | 开发用于尿路结石CT图像分析的AI诊断系统 | 接受结石手术患者的CT图像 | 计算机视觉 | 尿路结石 | CT成像 | CNN | 医学图像 | 39,433张CT图像(训练集),5,736张验证图像,100例外部验证患者 | YOLOv4 | YOLOv4 | 准确率 | NVIDIA RTX 4900 GPU |
16220 | 2025-10-07 |
Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging
2024-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06649-2
PMID:38383744
|
研究论文 | 开发基于深度学习的全身PET图像增强技术,实现无镇静儿科快速成像 | 首次将可变形3D U-Net应用于全身PET快速成像质量增强,显著缩短儿科患者扫描时间 | 样本量相对有限(245名成人训练,16名儿童测试,5名儿童前瞻性验证) | 开发无需镇静的儿科PET快速成像技术 | 儿科患者全身PET成像 | 医学影像分析 | 儿科疾病 | 全身PET成像,[18F]FDG示踪剂 | 深度学习 | 3D医学影像 | 245名成人训练,16名儿童回顾性测试,5名儿童前瞻性验证 | NA | 可变形3D U-Net | PSNR, SSIM, SUVmean误差, SUVmax误差 | NA |