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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18841 | 2025-10-07 |
Unveiling the power of artificial intelligence for image-based diagnosis and treatment in endodontics: An ally or adversary?
2025-Feb, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14163
PMID:39526945
|
综述 | 本文综述了人工智能在牙髓病学中基于图像的诊断与治疗应用,探讨其作为辅助工具或潜在挑战的双重角色 | 系统评估AI在2D和3D影像中的表现,首次在牙髓病学领域对比AI与专家放射科医生的诊断精度,并探讨放射组学与AI结合的潜力 | 部分研究依赖体外或离体数据集训练AI模型,这些数据集无法复现临床环境的复杂性,可能影响AI应用的可靠性 | 评估人工智能在牙髓病学影像诊断和治疗中的应用价值与发展前景 | 牙髓病学中的二维和三维影像数据,包括根尖周病变、根尖周X线片、全景X线片和锥形束CT扫描 | 计算机视觉 | 牙髓疾病 | 深度学习,影像组学 | CNN | 图像 | NA | NA | 卷积神经网络 | 准确率,灵敏度,特异性 | NA |
| 18842 | 2025-10-07 |
MRI-Seed-Wizard: combining deep learning algorithms with magnetic resonance imaging enables advanced seed phenotyping
2025-Jan-10, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/erae408
PMID:39383098
|
研究论文 | 开发结合深度学习与磁共振成像的新型种子表型分析工具MRI-Seed-Wizard | 首次将深度学习算法与非侵入性磁共振成像结合应用于植物MRI领域,实现种子内部结构的三维无损评估 | 未明确说明样本数量限制或算法在其它作物上的泛化能力 | 开发自动化种子表型分析工具,实现种子形态和内部特征的无损量化 | 小麦和大麦谷物种子 | 计算机视觉 | NA | 磁共振成像 | 深度学习算法 | MRI图像 | NA | NA | NA | NA | NA |
| 18843 | 2025-10-07 |
Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology
2025-Jan-10, World journal of urology
IF:2.8Q2
DOI:10.1007/s00345-025-05440-8
PMID:39792275
|
研究论文 | 开发基于深度学习的模型从肌肉浸润性膀胱癌组织病理学图像预测淋巴结转移状态并验证其预后价值 | 首次使用深度学习直接从H&E染色组织学图像预测MIBC淋巴结转移状态,并验证aiN评分的独立预后价值 | 需要在前瞻性研究中进一步验证,样本量相对有限 | 预测肌肉浸润性膀胱癌淋巴结转移状态并评估其预后价值 | 肌肉浸润性膀胱癌患者 | 数字病理学 | 膀胱癌 | H&E染色组织病理学 | 深度学习 | 组织病理学图像 | 训练集323例(TCGA),外部验证集139例(武汉大学人民医院) | NA | UNI | AUC, 风险比 | NA |
| 18844 | 2025-10-07 |
Machine learning assisted plasmonic metascreen for enhanced broadband absorption in ultra-thin silicon films
2025-Jan-09, Light, science & applications
DOI:10.1038/s41377-024-01723-8
PMID:39779674
|
研究论文 | 提出一种数据驱动的等离子体元屏幕,通过深度学习框架优化设计,实现超薄硅薄膜中宽带光吸收的显著增强 | 结合双纳米环银阵列与深度学习逆向设计策略,在20纳米超薄非晶硅层中实现超过100%的光吸收增强 | 未明确说明实验样本数量和深度学习模型的泛化能力 | 提高超薄硅薄膜的光吸收效率而不增加活性层厚度 | 等离子体元屏幕和超薄非晶硅薄膜 | 机器学习 | NA | 等离子体共振技术,深度学习逆向设计 | 深度学习 | 吸收光谱数据,设计参数 | NA | NA | NA | 吸收增强百分比 | NA |
| 18845 | 2025-10-07 |
A hybrid machine learning approach for the personalized prognostication of aggressive skin cancers
2025-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01329-9
PMID:39779875
|
研究论文 | 开发了一种名为DeepMerkel的混合机器学习方法,用于默克尔细胞癌的个性化预后预测 | 结合深度学习特征选择与改进的XGBoost框架,开发了首个针对默克尔细胞癌的个性化预后工具 | NA | 开发个性化预后工具以改善默克尔细胞癌的临床管理 | 默克尔细胞癌患者 | 机器学习 | 皮肤癌 | 机器学习 | 深度学习, XGBoost | 临床信息 | NA | XGBoost | 混合架构(深度学习特征选择+XGBoost) | 预测性能 | 基于网络的工具 |
| 18846 | 2025-10-07 |
Effective BCDNet-based breast cancer classification model using hybrid deep learning with VGG16-based optimal feature extraction
2025-Jan-08, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01538-4
PMID:39780045
|
研究论文 | 提出基于BCDNet的乳腺癌分类模型,使用VGG16进行特征提取并通过混合深度学习实现肿瘤良恶性分类 | 提出新型BCDNet深度学习模型,采用RPAOSM-ESO算法优化权重参数,结合VGG16特征提取和AHDNAM分类方法 | 仅使用超声图像数据,未与其他成像方式对比;模型在泛化性方面仍需进一步验证 | 设计有效的乳腺癌早期诊断模型,准确分类肿瘤良恶性以降低死亡率 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习,CNN,注意力机制 | 图像 | NA | NA | VGG16,ASPP,DTCN,1DCNN | 准确率 | NA |
| 18847 | 2025-10-07 |
Hybrid natural language processing tool for semantic annotation of medical texts in Spanish
2025-Jan-08, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05949-6
PMID:39780059
|
研究论文 | 开发了一种基于深度学习和词典的混合自然语言处理工具,用于西班牙语医学文本的语义标注 | 结合了基于词典的系统和Transformer模型,专门针对西班牙语医学文本进行命名实体识别和标准化 | 仅针对西班牙语医学文本,未在其他语言上进行验证 | 开发西班牙语医学文本的语义标注工具 | 西班牙语医学文本,包括临床试验和临床病例 | 自然语言处理 | NA | 自然语言处理,命名实体识别 | Transformer | 文本 | 1200个标注文本,200个新文本用于外部验证 | Hugging Face | RoBERTa, mBERT, mDeBERTa | F1分数 | NA |
| 18848 | 2025-10-07 |
Feasibility of occlusal plane in predicting the changes in anteroposterior mandibular position: a comprehensive analysis using deep learning-based three-dimensional models
2025-Jan-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-05345-9
PMID:39780117
|
研究论文 | 本研究通过深度学习重建三维模型,分析咬合平面倾斜度与前後下颌位置变化的关系 | 首次使用深度学习重建CBCT三维模型,系统比较七种咬合平面倾斜度对下颌位置变化的预测能力 | 样本量相对有限(115个三维模型),需要更大样本验证 | 探索咬合平面倾斜度预测前後下颌位置变化的可行性 | 115个基于CBCT重建的三维下颌模型 | 医学影像分析 | 颌面畸形 | 锥形束计算机断层扫描(CBCT),口内扫描 | 深度学习 | 三维医学影像 | 115个三维模型 | NA | NA | AUC, 相关系数, P值 | NA |
| 18849 | 2025-10-07 |
Skin image analysis for detection and quantitative assessment of dermatitis, vitiligo and alopecia areata lesions: a systematic literature review
2025-Jan-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02843-2
PMID:39780145
|
系统文献综述 | 对皮肤图像分析技术在皮炎、白癜风和斑秃病变检测与定量评估中的研究进行系统性回顾 | 首次系统性地综述了计算机视觉技术在多种良性皮肤病变中的检测和定量评估应用 | 依赖现有文献质量,缺乏原始实验验证 | 评估计算机视觉技术在皮肤疾病检测和定量评估中的应用现状 | 白癜风、斑秃、特应性皮炎和淤积性皮炎等皮肤病变 | 计算机视觉 | 皮肤病 | 皮肤图像分析 | 深度学习, 图像处理算法 | 皮肤图像 | NA | NA | NA | NA | NA |
| 18850 | 2025-10-07 |
Deep learning based approaches for intelligent industrial machinery health management and fault diagnosis in resource-constrained environments
2025-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79151-2
PMID:39774953
|
综述 | 本文对资源受限环境下的工业机械健康管理与智能故障诊断深度学习方法进行了系统性综述 | 首次从数据处理方法、模型构建方法和训练优化方法三个维度对智能故障诊断方法进行分类,并填补了剩余使用寿命预测、边缘架构和完整智能故障诊断流程研究视角的空白 | 作为综述性文章,不包含原始实验数据和具体模型验证 | 研究工业4.0背景下资源受限环境中的工业机械健康管理与智能故障诊断方法 | 工业机械的健康监测、故障诊断和预测性维护系统 | 机器学习 | NA | 深度学习,工业物联网,边缘计算 | NA | 工业机械传感器数据 | NA | NA | NA | NA | 资源受限环境,边缘计算设备 |
| 18851 | 2025-10-07 |
3D DenseNet with temporal transition layer for heart rate estimation from real-life RGB videos
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241104
PMID:39058471
|
研究论文 | 提出一种基于3D DenseNet和时间过渡层的心率估计算法,用于从真实RGB视频中估计心率 | 结合3D卷积神经网络和3D时间过渡层,能够在无预定义感兴趣区域的真实场景视频中同时提取时空特征 | 在非受控场景下的性能表现依赖于训练数据集和模型架构 | 开发深度学习模型从RGB视频中准确估计心率 | 真实场景下的RGB视频数据 | 计算机视觉 | 心血管疾病 | RGB视频分析 | 3DCNN | 视频 | 大规模医院样真实场景视频数据集 | NA | 3D DenseNet | RMSE, MAE | NA |
| 18852 | 2025-10-07 |
Revolutionizing health monitoring: Integrating transformer models with multi-head attention for precise human activity recognition using wearable devices
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241064
PMID:39269866
|
研究论文 | 提出一种结合预训练CNN和Transformer模型的可穿戴设备人体活动识别方法 | 集成预训练CNN、密集残差Transformer网络和多头多级注意力机制,通过自适应注意力融合特征 | NA | 开发精确的人体活动识别模型以革新健康监测 | 人体日常活动 | 机器学习 | NA | 深度学习 | CNN, Transformer | 频谱图数据 | 三个数据集:HARTH、KU-HAR、HuGaDB | NA | MobileNetV2, 密集残差Transformer网络, 多头多级注意力架构 | 准确率 | NA |
| 18853 | 2025-10-07 |
SwinDFU-Net: Deep learning transformer network for infection identification in diabetic foot ulcer
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241444
PMID:39269872
|
研究论文 | 提出一种结合CNN和Swin Transformer的深度学习模型用于糖尿病足溃疡感染识别 | 首次将CNN与Swin Transformer架构结合用于DFU感染分类,集成局部和全局特征提取能力 | 仅使用单一数据集进行验证,未在更广泛的临床场景中测试 | 开发准确识别糖尿病足溃疡感染的深度学习模型 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足溃疡 | 深度学习 | CNN, Transformer | 图像 | DFUC Challenge数据集 | NA | SwinDFU-Net, CNN, Swin Transformer | 灵敏度, 特异度, 准确率, Matthews相关系数 | NA |
| 18854 | 2025-10-07 |
Periodontitis diagnosis: A review of current and future trends in artificial intelligence
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241169
PMID:39302402
|
综述 | 本文综述了人工智能在牙周炎诊断中的当前应用与未来发展趋势 | 系统评估了2018-2023年间AI在牙周炎诊断领域的最新进展,特别关注卷积神经网络在牙周骨丧失检测中的应用效果 | 仅纳入12项研究,样本量有限;AI模型的可靠性和泛化能力仍需进一步验证 | 评估人工智能在牙周炎诊断中的现状和未来发展方向 | 牙周炎诊断相关的医学影像数据和临床研究 | 医学影像分析 | 牙周炎 | 全景X光片分析 | CNN | 医学影像 | 基于12项研究的汇总数据 | NA | 卷积神经网络 | 准确率 | NA |
| 18855 | 2025-10-07 |
Enhancing stereotactic ablative boost radiotherapy dose prediction for bulky lung cancer: A multi-scale dilated network approach with scale-balanced structure loss
2025-Jan, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14546
PMID:39374302
|
研究论文 | 提出一种基于多尺度扩张网络和尺度平衡结构损失的深度学习方法,用于预测大体积肺癌立体定向消融增量放疗的3D剂量分布 | 设计了3D多尺度扩张网络并集成尺度平衡结构损失函数,在有限数据条件下显著提升剂量预测精度 | 研究样本量有限(74例患者),需要在更大数据集上进一步验证 | 提高大体积肺癌立体定向消融增量放疗计划的规划效率 | 大体积肺癌患者 | 医学影像分析 | 肺癌 | 立体定向消融放疗 | 深度学习 | 3D医学影像数据 | 74例患者(51例训练集,7例验证集,16例测试集) | NA | 3D多尺度扩张网络 | 平均剂量评分,剂量学指标平均绝对差异,剂量-体积直方图 | NA |
| 18856 | 2025-10-07 |
Clinical target volume (CTV) automatic delineation using deep learning network for cervical cancer radiotherapy: A study with external validation
2025-Jan, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14553
PMID:39401180
|
研究论文 | 本研究开发了一种基于深度学习的临床靶区自动勾画方法,用于宫颈癌放射治疗,并进行了外部验证 | 提出了ResCANet网络,在跳跃连接中引入级联多尺度卷积以消除特征层间的语义差异,并在最深特征层使用空洞空间金字塔池化结合不同感受野的语义信息 | 样本量相对有限,需要进一步的多中心验证 | 探索深度学习算法在宫颈癌放疗临床靶区勾画中的准确性和可行性 | 宫颈癌和子宫内膜癌患者 | 数字病理 | 宫颈癌 | 深度学习 | CNN | 医学影像 | 332例患者(236例宫颈癌用于训练验证,54例宫颈癌和42例子宫内膜癌用于外部验证) | NA | ResNet-UNet, ResCANet | Dice相似系数, 敏感度, 阳性预测值, 95% Hausdorff距离, 临床评分 | NA |
| 18857 | 2025-10-07 |
Widespread use of ChatGPT and other Artificial Intelligence tools among medical students in Uganda: A cross-sectional study
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313776
PMID:39787055
|
研究论文 | 评估乌干达医学生对ChatGPT及其他AI工具使用情况的横断面研究 | 首次在乌干达医学生群体中系统调查AI工具使用现状及影响因素 | 横断面研究设计无法确定因果关系,样本仅来自四所公立大学 | 评估医学生对AI工具的使用情况及相关影响因素 | 乌干达四所公立大学的医学生 | 自然语言处理 | NA | 问卷调查,统计分析 | NA | 问卷调查数据 | 564名医学生 | Stata | 改良泊松回归模型 | 调整患病率比(aPR),95%置信区间 | NA |
| 18858 | 2025-10-07 |
Multi-region infectious disease prediction modeling based on spatio-temporal graph neural network and the dynamic model
2025-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012738
PMID:39787070
|
研究论文 | 基于图变换神经网络和动态模型开发多区域传染病预测模型 | 将图变换神经网络和图学习机制融入元种群SIR模型,构建混合框架M-Graphormer,有效解决动态图结构中隐藏空间依赖关系丢失的问题 | NA | 预测由人口流动引起的多区域传染病传播动态 | 多区域传染病传播数据 | 机器学习 | 传染病 | 深度学习 | 图神经网络, Transformer | 时空数据, 流行病学数据 | 基于真实疫情数据的多区域多波次预测 | NA | Graph Transformer Neural Network, 元种群SIR模型 | 参数估计准确性, 传播动态预测精度 | NA |
| 18859 | 2025-10-07 |
Automatic anal sphincter integrity detection from ultrasound images via convolutional neural networks
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240569
PMID:39213111
|
研究论文 | 开发基于卷积神经网络的深度学习工具,通过盆底超声图像自动检测肛门括约肌完整性 | 首次提出使用CNN从盆底超声图像中获取诊断肛门括约肌损伤所需平面并进行初步诊断 | NA | 开发自动诊断肛门括约肌完整性的工具,减少对超声医师经验的依赖 | 肛门括约肌复合体及其在盆底超声图像中的表现 | 计算机视觉 | 肛门括约肌损伤 | 盆底超声 | CNN | 图像 | NA | NA | 2D检测网络, 2D分类网络 | 平均精度, 交并比, ROC曲线下面积 | NA |
| 18860 | 2025-10-07 |
Detection and recognition of foreign objects in Pu-erh Sun-dried green tea using an improved YOLOv8 based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312112
PMID:39775324
|
研究论文 | 本研究提出一种基于改进YOLOv8的深度学习模型,用于普洱茶晒青毛茶中异物的检测与识别 | 采用MPDIoU优化损失函数、引入EfficientDet高效目标检测网络架构、集成BiFormer双向注意力机制,并结合切片辅助超推理技术 | NA | 快速检测和准确识别普洱茶晒青毛茶中的微小异物,提升茶叶生产质量与安全 | 普洱茶晒青毛茶中的异物 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA | NA | YOLOv8, EfficientDet, BiFormer | 精确率, 召回率, mAP, F1分数 | NA |