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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1761 | 2025-10-05 |
Standard-based personalized healthcare delivery for kidney illness using deep learning
2023-Aug-10, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ace09f
PMID:37343580
|
研究论文 | 本研究使用深度学习技术分析标准化电子健康记录数据,用于诊断肾脏相关疾病 | 首次采用编码器-组合器-解码器(ECD)架构分析标准化医疗数据集,为肾脏疾病诊断提供新方法 | 模型性能需由医疗专业人士在实际医疗机构中进一步评估验证 | 通过深度学习技术改进肾脏疾病的诊断和个性化医疗服务 | 肾脏相关疾病患者 | 机器学习 | 肾脏疾病 | 深度学习 | 深度学习神经网络 | 电子健康记录 | 巴西公共卫生系统提供的ORBDA基准数据集部分数据 | NA | 编码器-组合器-解码器(ECD) | 精确率,召回率,F1分数 | NA |
1762 | 2025-10-05 |
BTCRSleep: a boundary temporal context refinement-based fully convolutional network for sleep staging with single-channel EEG
2023-07-13, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/acdb46
PMID:37267988
|
研究论文 | 提出一种基于边界时序上下文优化的全卷积网络BTCRSleep,用于单通道脑电信号的睡眠分期 | 引入边界时序上下文优化模块,捕获睡眠阶段转换时的脑电波特征,解决传统方法在跨时段脑电波特征提取中的边界信息丢失问题 | NA | 提高单通道脑电信号睡眠分期的性能 | 睡眠脑电信号 | 医疗人工智能 | 睡眠障碍 | 脑电图(EEG) | 全卷积网络 | 单通道脑电信号 | 四个公共数据集:Sleep-EDF Expanded 2013版和2018版、Sleep Heart Health Study、CAP Sleep Database | NA | 全卷积网络 | 准确率,kappa分数 | NA |
1763 | 2025-10-05 |
CS-based multi-task learning network for arrhythmia reconstruction and classification using ECG signals
2023-07-05, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/acdfb5
PMID:37336244
|
研究论文 | 提出一种结合压缩感知与卷积神经网络的多任务网络CSML-Net,用于心电信号的压缩重建与心律失常分类 | 首次将压缩感知与深度学习结合,在压缩域同时实现心电信号重建和心律失常分类的多任务学习框架 | 仅在MIT-BIH心律失常数据集上进行验证,未在其他数据集测试泛化能力 | 解决长期ECG监测产生的大量数据对有限带宽和实时系统的挑战 | 心电图信号和心律失常分类 | 机器学习 | 心血管疾病 | 压缩感知技术 | CNN | 心电信号 | MIT-BIH心律失常数据集 | NA | 多尺度特征模块的多任务网络 | 重建质量, 分类性能 | NA |
1764 | 2025-10-06 |
Application of Raman Spectroscopy Coupled With Chemometrics for the Detection and Quantification of Mancozeb Residues in Collard Green
2025-Dec, Analytical science advances
IF:3.0Q2
DOI:10.1002/ansa.70045
PMID:40959212
|
研究论文 | 本研究利用拉曼光谱结合化学计量学方法检测和定量羽衣甘蓝中的代森锰锌农药残留 | 首次将拉曼光谱与机器学习模型结合用于代森锰锌农药残留的检测和定量分析 | 研究仅在特定浓度范围(0.01-0.5 ppm)内验证,未涵盖所有可能的残留浓度 | 评估拉曼光谱结合数据分析技术在叶菜类蔬菜农药残留监测中的可行性 | 羽衣甘蓝中的代森锰锌农药残留 | 光谱分析 | NA | 拉曼光谱 | 支持向量机,卷积神经网络,集成学习 | 光谱数据 | NA | NA | CNN | 准确率,精确率,训练准确率,测试准确率 | NA |
1765 | 2025-10-06 |
Generalizable deep learning for photoplethysmography-based blood pressure estimation-A benchmarking study
2025-Dec-01, Machine Learning. Health
DOI:10.1088/3049-477X/ae01a8
PMID:40959521
|
研究论文 | 本研究通过基准测试评估深度学习模型在光电容积脉搏波血压估计中的泛化能力 | 首次系统评估深度学习模型在光电容积脉搏波血压估计中的分布外泛化性能,并提出基于样本的域适应方法 | 模型性能受不同数据集间血压分布差异的显著影响,泛化能力仍有待提升 | 研究基于光电容积脉搏波的深度学习血压估计模型的泛化能力 | 光电容积脉搏波信号和对应的血压测量值 | 机器学习 | 心血管疾病 | 光电容积脉搏波 | 深度学习 | 波形信号 | PulseDB数据集及多个外部数据集 | NA | XResNet1d101 | 平均绝对误差 | NA |
1766 | 2025-10-06 |
AI automated radiographic scoring in rheumatoid arthritis: Shedding light on barriers to implementation through comprehensive evaluation
2025-Oct, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2025.152761
PMID:40513204
|
研究论文 | 开发并验证用于类风湿关节炎影像学评分自动化的深度学习模型 | 使用两个外部测试集对深度学习模型进行严格验证,并通过探索性误差分析阐明临床实施障碍 | AI系统性能低于人工评分,无法满足研究或临床应用需求 | 自动化类风湿关节炎的影像学评分 | 类风湿关节炎患者的手部和足部X光片 | 医学影像分析 | 类风湿关节炎 | 深度学习 | 深度学习模型 | X光影像 | 训练集:157名患者,1470张X光片;测试集:253名患者,589张X光片 | NA | NA | 组内相关系数, Spearman相关系数 | NA |
1767 | 2025-10-06 |
Mycophenolate mofetil-induced colitis versus colonic graft-versus-host disease: a comparative histologic study with artificial intelligence model development
2025-Oct, Histopathology
IF:3.9Q1
DOI:10.1111/his.15521
PMID:40703053
|
研究论文 | 比较霉酚酸酯诱导性结肠炎与结肠移植物抗宿主病的组织病理学特征并开发用于嗜酸性粒细胞定量的深度学习模型 | 首次开发基于深度学习卷积神经网络的数字工具用于半自动化定量嗜酸性粒细胞,并系统比较两种疾病的组织学差异 | 样本量相对较小(95例患者),MMF诱导性结肠炎在干细胞移植患者中罕见 | 比较MMF诱导性结肠炎与结肠GVHD的组织病理学特征并开发AI辅助诊断工具 | 结肠活检组织样本 | 数字病理学 | 结肠炎 | 组织病理学分析 | CNN | 病理图像 | 95例患者(GVHD 37例,MMF 25例,GVHD vs MMF 33例) | NA | 卷积神经网络 | 嗜酸性粒细胞计数,凋亡细胞计数 | NA |
1768 | 2025-10-06 |
Muti-band Morlet mutual information functional connectivity for classifying Alzheimer's disease and frontotemporal dementia with a deep learning technique
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111041
PMID:40902468
|
研究论文 | 提出一种基于多频段Morlet小波互信息功能连接和3D-CNN的深度学习框架,用于区分阿尔茨海默病、额颞叶痴呆和健康对照 | 首次将多频段Morlet小波互信息功能连接与改进VGG架构的3D-CNN相结合,并识别出默认模式网络中基于EEG的特定生物标志物 | NA | 通过脑电图功能连接特征准确区分阿尔茨海默病、额颞叶痴呆和健康对照 | 阿尔茨海默病患者、额颞叶痴呆患者和健康对照者 | 数字病理 | 老年疾病 | 脑电图,多频段Morlet小波互信息功能连接 | 3D-CNN | 脑电图功能连接矩阵 | NA | NA | 改进的VGG架构 | 准确率,敏感性,特异性 | NA |
1769 | 2025-10-06 |
CISCA and CytoDArk0: A cell instance segmentation and classification method for histo(patho)logical image Analyses and a new, open, Nissl-stained dataset for brain cytoarchitecture studies
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111018
PMID:40902464
|
研究论文 | 提出一种用于组织病理学图像细胞实例分割与分类的深度学习框架CISCA,并发布新的尼氏染色脑组织数据集CytoDArk0 | 提出具有三头解码器的轻量级U-Net架构,通过边界分类和距离图回归的独特组合实现细胞分割,同时发布首个哺乳动物脑尼氏染色标注数据集 | 方法在多种数据集上验证但未提及特定疾病的临床应用验证 | 开发自动细胞实例分割与分类方法以推动数字病理和脑细胞架构研究 | 组织切片中的单个细胞 | 数字病理 | 神经系统疾病 | 组织染色技术(H&E染色、尼氏染色) | CNN | 图像 | 四个公共数据集(CoNIC、PanNuke、MoNuSeg)及包含近40,000个标注神经元和胶质细胞的CytoDArk0数据集 | NA | U-Net | NA | NA |
1770 | 2025-10-06 |
Automated detection of lameness in dairy cattle through computer vision analysis of back shape characteristics
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111038
PMID:40915069
|
研究论文 | 通过计算机视觉分析奶牛背部形状特征实现跛行自动检测 | 首次将关键点检测算法与深度学习模型相结合,系统分析奶牛背部三个区域(颅部、中部、尾部)的曲率特征与跛行严重程度的关联 | 研究样本仅包含260头荷斯坦-弗里斯兰奶牛,未验证在其他牛种或更大规模群体中的适用性 | 开发基于计算机视觉的自动化奶牛跛行检测方法 | 260头荷斯坦-弗里斯兰奶牛 | 计算机视觉 | 奶牛跛行 | 关键点检测算法、曲率分析 | 深度学习模型 | 图像 | 260头奶牛 | NA | NA | 分类准确率 | 单视角侧视摄像头 |
1771 | 2025-10-06 |
Emulating visual evaluations in the microscopic agglutination test with deep learning
2025-Oct, Journal of microbiological methods
IF:1.7Q4
DOI:10.1016/j.mimet.2025.107249
PMID:40915619
|
研究论文 | 本研究使用深度学习模拟显微镜凝集试验中的人类专家评估,将主观判断转化为可重复的数值输出 | 首次使用预训练DenseNet121网络模拟MAT测试中的专家视觉评估,并通过UMAP可视化技术增强模型可解释性 | 仅使用内部数据集进行验证,缺乏外部验证 | 提高显微镜凝集试验的客观性和可重复性 | 钩端螺旋体病诊断中的显微镜凝集试验图像 | 计算机视觉 | 钩端螺旋体病 | 显微镜凝集试验 | CNN | 图像 | 内部数据集 | NA | DenseNet121 | 凝集率估计准确度 | NA |
1772 | 2025-10-06 |
Self-supervised representation learning with continuous training data improves the feel and performance of myoelectric control
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111029
PMID:40921113
|
研究论文 | 本研究探索了使用连续动态数据和自监督学习技术改进基于模式识别的肌电控制性能 | 首次将连续动态训练数据和自监督学习技术(VICReg)应用于肌电控制领域,显著提升了控制性能 | 研究样本量有限(20名参与者),需要在更广泛人群中验证 | 改进基于表面肌电信号模式识别的肌电控制性能 | 肌电控制系统的分类器性能 | 机器学习 | NA | 表面肌电信号模式识别(sEMG-PR) | LDA, LSTM | 肌电信号数据 | 20名参与者 | NA | LSTM | 目标获取测试性能, 在线性能, 用户体验 | NA |
1773 | 2025-10-06 |
Application of artificial intelligence in microbial drug discovery: Unlocking new frontiers in biotechnology
2025-Oct, Journal of microbiological methods
IF:1.7Q4
DOI:10.1016/j.mimet.2025.107232
PMID:40846079
|
综述 | 本文综述人工智能在微生物药物发现中的应用进展与未来方向 | 系统阐述生成对抗网络用于新化合物发现、强化学习优化抗菌候选物、自然语言处理挖掘生物医学知识等创新AI技术 | 面临数据质量不一致、模型可解释性有限及伦理法律问题等挑战 | 探索人工智能技术在微生物药物发现领域的应用价值与发展前景 | 针对细菌、真菌和病毒病原体的抗菌药物研发 | 机器学习, 计算生物学 | 传染病 | 深度学习, 大数据分析 | GAN, 强化学习, NLP | 生物医学文献, 分子相互作用数据 | NA | NA | 生成对抗网络 | NA | NA |
1774 | 2025-10-06 |
Deep learning-based feature discovery for decoding phenotypic plasticity in pediatric high-grade gliomas single-cell transcriptomics
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110971
PMID:40848317
|
研究论文 | 通过深度学习特征发现方法解析儿童高级别胶质瘤单细胞转录组中的表型可塑性 | 首次使用基于图的机器学习方法识别儿童高级别胶质瘤谱系特异性可塑性的关键决定因素,发现调控胶质瘤形态发生的网络相互作用和过渡基因 | NA | 解码儿童高级别胶质瘤表型可塑性的分子机制 | 儿童高级别胶质瘤(pHGGs)亚型:IDHWT胶质母细胞瘤和K27M突变型弥漫中线胶质瘤 | 机器学习 | 脑肿瘤 | 单细胞转录组测序 | 图机器学习 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
1775 | 2025-10-06 |
Deep learning ensemble for abdominal aortic calcification scoring from lumbar spine X-ray and DXA images
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110961
PMID:40848321
|
研究论文 | 提出一种基于深度学习集成模型的自动化方法,用于从腰椎X射线和DXA图像中量化腹主动脉钙化评分 | 首次将AAC评分建模为正态分布随机变量以考虑人工评分变异性,并开发多模态集成模型同时处理X射线和DXA图像 | 未明确说明模型在不同人群中的泛化能力及临床部署的可行性 | 开发自动化AAC评分系统以辅助心血管疾病风险早期识别 | 腰椎X射线和双能X射线吸收测定法(DXA)图像中的腹主动脉钙化 | 计算机视觉 | 心血管疾病 | X射线成像,双能X射线吸收测定法 | CNN | 医学图像 | NA | NA | 集成卷积神经网络 | 一致性相关系数 | NA |
1776 | 2025-10-06 |
OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110854
PMID:40857816
|
研究论文 | 开发了一种名为OpenSpindleNet的开源深度学习网络,用于在头皮和颅内脑电图中可靠检测睡眠纺锤波 | 采用双头架构的新型自动纺锤波检测方法,在性能和鲁棒性方面优于现有方法 | NA | 开发精确的自动睡眠纺锤波检测方法以促进对睡眠和神经系统疾病的理解 | 睡眠纺锤波(一种发生在轻度非快速眼动睡眠期间的振荡性脑活动) | 数字病理学 | 神经系统疾病 | 脑电图(EEG),颅内脑电图(iEEG) | 深度学习网络 | 脑电图信号 | 具有挑战性的iEEG数据集和公开可用的头皮EEG DREAMS数据集 | 开源框架(具体未指定) | 双头架构 | F1分数 | NA |
1777 | 2025-10-06 |
Squat errors classification based on National Academy of Sports Medicine guidelines using IMU and deep learning algorithms
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110962
PMID:40857817
|
研究论文 | 基于NASM指南使用IMU和深度学习算法对深蹲错误进行分类 | 首次结合NASM指南和混合深度学习架构进行深蹲错误自动分类,并验证单IMU传感器的最优放置位置 | 样本量较小(20名运动员),未测试不同人群的泛化能力 | 开发自动化的深蹲动作错误分类系统以替代主观视觉评估 | 运动员的深蹲动作数据 | 机器学习 | 运动损伤 | 惯性测量单元(IMU) | CNN, GRU, TabNet | 运动学数据 | 20名运动员(10男10女),5种深蹲变式(1正确+4错误) | NA | CNN, CNN-TabNet, GRU, GRU-TabNet, CNN-GRU, CNN-GRU-TabNet | 准确率, 精确率, 召回率, F1分数 | NA |
1778 | 2025-10-06 |
Polyp segmentation in colonoscopy images using DeepLabV3+
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110986
PMID:40876416
|
研究论文 | 提出一种改进的DeepLabV3++模型用于结肠镜图像中的息肉分割 | 在DeepLabV3+架构基础上引入多尺度金字塔池化模块、并行注意力聚合模块和重新设计的解码器,增强多尺度和方向特征捕捉能力 | NA | 提高结肠镜图像中息肉分割的精确度和鲁棒性 | 结肠镜图像中的息肉 | 计算机视觉 | 结直肠癌 | NA | 深度学习 | 图像 | 三个公共数据集(CVC-ColonDB、CVC-ClinicDB、Kvasir-SEG) | NA | DeepLabV3++, EfficientNetV2S | Dice系数 | NA |
1779 | 2025-10-06 |
LUNAR: Periodicity-aware time-series analysis framework for LUNg Auscultation Respiratory detection
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110947
PMID:40876419
|
研究论文 | 提出一种用于肺听诊呼吸周期检测的周期性感知时间序列分析框架LUNAR | 集成新型呼吸周期性感知模块(RPAM)与卷积神经网络,直接处理原始肺听诊信号并显式建模呼吸周期的重复特性 | 需要多机构数据采集以扩展应用,异常呼吸音检测功能有待进一步开发 | 开发自动检测呼吸周期的深度学习框架,减少对专家手动标注的依赖 | 肺听诊呼吸信号 | 数字病理 | 肺部疾病 | 肺听诊信号分析 | CNN | 时间序列信号 | HF_Lung_V1(n=279)、ICBHI(n=126)、SNUCH_Lung(n=203)数据集 | NA | 集成呼吸周期性感知模块的卷积神经网络 | AP, F1-score | NA |
1780 | 2025-10-06 |
Advancements in biomedical rendering: A survey on AI-based denoising techniques
2025-Oct, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110979
PMID:40882480
|
综述 | 通过问卷调查探讨医疗专业人员对基于AI的CT图像去噪技术的感知差异 | 首次通过专业医师问卷调查揭示AI去噪技术在定量指标与主观感知评价之间的不一致性 | 样本量有限(n=74),依赖作者专业网络进行抽样 | 探究AI增强图像在医学可视化中的主观感知与定量指标之间的差异 | 放射科医师、住院医师、骨科外科医师和兽医等医疗专业人员 | 计算机视觉 | NA | 蒙特卡洛路径追踪,深度学习去噪 | NA | CT图像,视频 | 74名医疗专业人员(经验<1年:11人,1-3年:27人,3-5年:12人,>5年:24人) | NA | NA | 峰值信噪比,结构相似性指数 | NA |