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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1821 | 2025-12-02 |
Paired PET-MRI Deep Learning Model for Translating [11C]PiB to [18F]Florbetaben Amyloid Images
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70168
PMID:41310910
|
研究论文 | 本文提出了一种基于可变形卷积网络的U-Net模型,用于将[11C]PiB PET图像转换为[18F]Florbetaben淀粉样蛋白图像,以增强数据集并解决视觉评估与Centiloid量表不一致的问题 | 结合可变形卷积网络(DCNv3)与U-Net架构,实现长距离依赖捕捉和高效计算,用于PET图像间的跨示踪剂翻译 | 未明确提及模型在更广泛数据集或不同临床环境中的泛化能力限制 | 开发一种深度学习模型,用于标准化不同淀粉样蛋白PET示踪剂图像,以支持长期临床试验和多中心比较 | 阿尔茨海默病患者的淀粉样蛋白PET图像,具体为[11C]PiB和[18F]Florbetaben示踪剂图像 | 医学影像分析 | 阿尔茨海默病 | PET-MRI成像 | U-Net | 图像 | NA | NA | 基于DCNv3的U-Net | NA | NA |
| 1822 | 2025-12-02 |
A 25-year journey with protein blocks: Unveiling the versatility of a structural alphabet
2025-Dec, Biochimie
IF:3.3Q2
DOI:10.1016/j.biochi.2025.08.007
PMID:40789363
|
综述 | 本文回顾了蛋白质块作为一种结构字母表在25年发展历程中的广泛应用,包括其在蛋白质结构、动力学和功能分析中的关键作用 | 通过引入基于熵的指数(N)来区分蛋白质的刚性、柔性和无序区域,并结合深度学习显著提升了预测性能 | NA | 总结蛋白质块作为一种结构字母表在结构生物信息学中的多功能性和应用进展 | 蛋白质结构、动力学和功能 | 结构生物信息学 | NA | 蛋白质块分析、分子动力学分析、深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 1823 | 2025-12-02 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2025-Dec-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能(特别是深度学习)如何重塑心血管磁共振成像的各个方面,从规划、采集到重建、分析及临床报告生成 | 全面概述了人工智能在心血管MRI领域的应用进展,包括提升采集速度、空间分辨率、抑制伪影和运动校正,以及自动化后处理和临床数据整合 | 作为综述文章,未提出具体的新模型或实验,主要基于现有文献总结,缺乏原创性研究数据 | 探讨人工智能在心血管磁共振成像中的应用,以提升成像效率、分析精度和临床管理能力 | 心血管磁共振成像技术及其在心血管疾病诊断与管理中的应用 | 计算机视觉 | 心血管疾病 | 磁共振成像(MRI) | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1824 | 2025-12-02 |
New chapter in pediatric medicine: technological evolution, application, and evaluation system of large language models
2025-Dec-01, European journal of pediatrics
IF:3.0Q1
DOI:10.1007/s00431-025-06602-x
PMID:41324732
|
综述 | 本文综述了基于深度学习的大语言模型在儿科医学领域的技术演进、应用及评估体系 | 重点探讨了通用模型的发展与规模化、医学专用模型的定制训练、以及多模态与专家混合架构的出现,并突出了在儿科剂量计算、专科临床决策支持和病历结构化等具体应用 | 讨论了评估指标、伦理法律挑战以及多语言与低资源环境下的考量,但未具体说明模型在真实临床环境中的验证局限 | 回顾大语言模型技术的最新进展,并探讨其在儿科医学领域的应用潜力与挑战 | 大语言模型及其在儿科医学中的应用 | 自然语言处理 | NA | 深度学习 | 大语言模型 | 文本 | NA | NA | NA | 评估指标(未具体说明) | NA |
| 1825 | 2025-12-01 |
Functional blepharoptosis screening with generative augmented deep learning from external ocular photography
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2497460
PMID:40304715
|
研究论文 | 开发并验证基于外部眼部照片的功能性上睑下垂深度学习筛查模型,并评估生成式数据增强对模型性能的影响 | 首次将生成对抗网络(StyleGAN)生成的合成图像用于增强功能性上睑下垂检测模型的训练数据 | 样本量相对有限(771只眼睛),且来自单一三级眼科诊所,可能影响模型泛化能力 | 开发能够从外部眼部照片中检测功能性上睑下垂的深度学习模型 | 21岁及以上患者的眼部照片,包括639例临床诊断的功能性上睑下垂和132例正常对照 | 计算机视觉 | 眼科疾病 | 外部眼部摄影 | 深度学习, GAN | 图像 | 771只眼睛(训练集539,验证集76,测试集156),增强后训练集增加2000张合成图像 | NA | StyleGAN | 敏感度, 特异度, AUC | NA |
| 1826 | 2025-12-01 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-Dec, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 本研究开发了一种基于深度学习的全身CT分割方法,用于评估接受PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者的身体组成及其预后价值 | 首次使用深度学习从标准PSMA-PET-CT中自动分割身体组成成分,超越传统的PSMA-PET评估,发现新的预后指标 | 回顾性研究,样本量较小,需要在更大规模的前瞻性数据集中验证 | 开发基于深度学习的身体组成评估方法,探索其在mCRPC患者预后预测中的价值 | 86名接受[177Lu]Lu-PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA-PET-CT, [68 Ga]Ga-PSMA-PET-CT扫描 | 深度学习分割模型 | CT图像 | 86名前列腺癌患者 | NA | NA | Cox回归分析p值, Kaplan-Meier分析, log-rank检验 | NA |
| 1827 | 2025-12-01 |
Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2521868
PMID:40591440
|
研究论文 | 开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型 | 首次在四级转诊中心证明轨道CT深度学习模型在视神经病变预测方面与医学专家表现相当,并揭示了骨壁结构的影响 | 样本量相对有限(126名患者),研究时间跨度较长(2002-2017年) | 开发用于甲状腺眼病患者视神经病变预测的深度学习模型 | 甲状腺眼病患者,包括伴有和不伴有视神经病变的病例 | 医学影像分析 | 甲状腺眼病 | 轨道CT成像 | 深度学习模型 | CT图像(2D和3D) | 126名甲状腺眼病患者,252个轨道,其中36个轨道确诊视神经病变 | NA | NA | 敏感度, 特异性, AUC | NA |
| 1828 | 2025-12-01 |
Automated Kidney Tumor Segmentation in CT Images Using Deep Learning: A Multi-Stage Approach
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.020
PMID:40908232
|
研究论文 | 开发基于DeepMedic 3D卷积神经网络的自动化流程用于CT图像中肾脏和肾肿瘤分割 | 采用多尺度特征提取和三维卷积神经网络实现全自动肾脏肿瘤分割 | 研究依赖于单一机构的382例CT扫描数据,需要更多外部验证 | 开发自动化分割工具以提升肾肿瘤诊断工作流程和临床决策支持 | 肾脏和肾肿瘤 | 医学影像分析 | 肾肿瘤 | CT扫描 | CNN | CT图像 | 382例对比增强CT扫描 | DeepMedic | 3D CNN | Dice系数,精确率,召回率 | NA |
| 1829 | 2025-12-01 |
A Fusion Model of ResNet and Vision Transformer for Efficacy Prediction of HIFU Treatment of Uterine Fibroids
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.054
PMID:40935773
|
研究论文 | 提出融合ResNet和Vision Transformer的深度学习模型,用于预测高强度聚焦超声治疗子宫肌瘤的疗效 | 首次将ResNet的局部纹理特征与ViT的全局空间特征通过并行架构融合,用于量化子宫肌瘤异质性 | 研究样本量相对有限,仅来自两个医疗中心 | 提高HIFU治疗子宫肌瘤疗效预测的准确性 | 子宫肌瘤患者 | 计算机视觉 | 子宫肌瘤 | T2加权磁共振成像 | CNN, Transformer | 医学图像 | 训练集272例,内部验证集92例,外部测试集125例 | NA | ResNet-18, Vision Transformer, Res-ViT | AUC | NA |
| 1830 | 2025-12-01 |
Comprehensive Assessment of Tumor Stromal Heterogeneity in Bladder Cancer by Deep Learning and Habitat Radiomics
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.029
PMID:40987672
|
研究论文 | 本研究开发了基于CT的深度学习和栖息地影像组学模型,用于术前预测膀胱癌肿瘤间质比并评估其预后价值 | 首次将栖息地影像组学与深度学习相结合,通过多亚区域分析评估膀胱癌肿瘤间质异质性,并验证其在免疫治疗反应预测中的应用 | 回顾性研究设计,样本量有限(477例),仅使用CT影像数据 | 开发术前预测膀胱癌肿瘤间质比的机器学习模型,并评估其在预后和免疫治疗反应预测中的价值 | 膀胱尿路上皮癌患者 | 数字病理 | 膀胱癌 | CT影像分析 | 深度学习, 影像组学 | 医学影像 | 477例来自两个中心的膀胱癌患者 | NA | 迁移学习模型 | 准确率, 校准度, 临床效用 | NA |
| 1831 | 2025-12-01 |
Automated Coronary Artery Calcium Scoring Using Deep Learning: Validation Across Diverse Chest CT Protocols
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.009
PMID:40998657
|
研究论文 | 开发并验证一种基于深度学习的全自动冠状动脉钙化评分模型,适用于不同胸部CT扫描协议 | 开发了首个工作流就绪、协议无关的深度学习模型,可在常规非门控胸部CT上实现全自动冠状动脉钙化量化 | 单中心回顾性研究,需要进一步外部验证 | 开发自动化冠状动脉钙化评分工具以改善心血管疾病风险分层 | 无已知动脉粥样硬化性心血管疾病患者的胸部CT扫描 | 数字病理 | 心血管疾病 | 胸部CT扫描 | 深度学习 | 医学影像 | 2132例胸部CT扫描(常规、CT-CAC和CT-COVID) | NA | NA | 组内相关系数, Cohen's kappa, 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数 | NA |
| 1832 | 2025-12-01 |
Prediction of the risk of diabetic foot from corneal nerve images using deep learning algorithms
2025-Dec, Diabetes research and clinical practice
IF:6.1Q1
DOI:10.1016/j.diabres.2025.112991
PMID:41205876
|
研究论文 | 开发基于角膜神经图像的深度学习算法预测糖尿病足风险 | 首次将角膜神经图像与HbA1c或血清肌酐结合开发混合深度学习算法用于糖尿病足风险预测 | 使用定量角膜神经参数未能提升模型性能 | 预测糖尿病足风险分类 | 糖尿病患者的角膜神经图像 | 医学影像分析 | 糖尿病足 | 角膜神经成像 | 深度学习算法 | 图像 | 471名参与者的942只眼睛共23,550张图像 | NA | NA | AUC | NA |
| 1833 | 2025-12-01 |
FHBDSR-Net: automated measurement of diseased spikelet rate of Fusarium Head Blight on wheat spikes
2025-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-025-00245-0
PMID:41312098
|
研究论文 | 提出一种自动化测量小麦赤霉病病小穗率的轻量级深度学习框架FHBDSR-Net | 构建首个包含5222个小穗级标注的数据集,提出多尺度特征增强架构、Inner-EfficiCIoU损失函数和尺度感知注意力模块来解决小目标检测和密集排列问题 | NA | 开发自动化测量小麦赤霉病病小穗率的方法以支持抗病育种 | 小麦穗部图像中的病小穗 | 计算机视觉 | 小麦赤霉病 | RGB图像分析 | CNN | 图像 | 620张高分辨率RGB小麦穗图像,包含5222个小穗级标注 | PyTorch | FHBDSR-Net | 平均精度, Pearson相关系数 | 资源受限的移动设备 |
| 1834 | 2025-12-01 |
APTES: a high-throughput deep learning-based Arabidopsis phenotypic trait estimation system for individual leaves and siliques
2025-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-025-00239-y
PMID:41312108
|
研究论文 | 开发基于计算机视觉和深度学习的拟南芥表型性状自动估计系统APTES,用于叶片和角果的高通量表型分析 | 使用增强的Cascade Mask R-CNN和DetectoRS模型分别实现叶片和角果的精确分割,相比基线模型性能提升1-2个百分点 | 未明确说明模型在不同光照条件和生长阶段下的泛化能力 | 开发高通量植物表型性状自动估计系统 | 拟南芥叶片和角果 | 计算机视觉 | NA | 计算机视觉,深度学习 | CNN | 图像 | 166个拟南芥种质 | NA | Cascade Mask R-CNN, DetectoRS | 精确率, 召回率, F1分数, 决定系数, 平均绝对百分比误差 | NA |
| 1835 | 2025-11-29 |
A lightweight deep learning model with attention mechanisms for hypertensive retinopathy classification
2025-Dec, International journal of cardiology. Cardiovascular risk and prevention
DOI:10.1016/j.ijcrp.2025.200541
PMID:41312542
|
研究论文 | 提出一种结合注意力机制的轻量级深度学习模型MA-DNet用于高血压视网膜病变分类 | 将DenseNet与通道和空间注意力机制相结合,采用特征增强和数据平衡技术提高分类精度 | NA | 开发自动化的高血压视网膜病变分类方法以辅助临床诊断 | 眼底图像中的高血压视网膜病变特征 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | OIA-ODIR数据集 | NA | DenseNet | 准确率 | NA |
| 1836 | 2025-12-01 |
Deep Learning-Enhanced Single Breath-Hold Abdominal MRI at 0.55 T-Technical Feasibility and Image Quality Assessment
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.013
PMID:40846585
|
研究论文 | 本研究评估深度学习增强的0.55T低场强腹部MRI在单次屏气下的技术可行性和图像质量 | 首次在0.55T低场强MRI中应用深度学习重建技术实现单次屏气腹部成像,并证明其图像质量优于传统方法 | 研究仅纳入健康志愿者,样本量较小(33例),缺乏病理证实 | 评估深度学习增强的低场强腹部MRI的技术可行性和图像质量 | 健康志愿者 | 医学影像分析 | NA | MRI, 深度学习图像重建 | 深度学习 | 医学影像 | 33名健康志愿者 | NA | NA | 图像质量评分, 图像噪声, 空间分辨率, 观察者间一致性 | NA |
| 1837 | 2025-12-01 |
Ultrafast Multi-tracer Total-body PET Imaging Using a Transformer-Based Deep Learning Model
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.015
PMID:40885633
|
研究论文 | 提出基于Transformer的深度学习框架,用于从超快速扫描中合成多示踪剂全身PET图像 | 首次将3D SwinUNETR-V2架构应用于多示踪剂全身PET成像,开发了仅PET输入和PET+CT融合输入两种模型变体 | 回顾性单中心研究,样本量有限,需进一步验证 | 减少PET扫描时间以最小化运动伪影并改善患者舒适度 | 临床uEXPLORER PET/CT数据集,包括[18F]FDG、[18F]FAPI和[68Ga]FAPI三种示踪剂 | 医学影像分析 | NA | PET/CT成像,列表模式数据截断 | 深度学习 | 3D医学影像 | 155例患者([18F]FDG 50例,[18F]FAPI 45例,[68Ga]FAPI 60例) | NA | 3D SwinUNETR-V2 | 峰值信噪比(PSNR), 图像质量主观评价, 病灶检测能力 | NA |
| 1838 | 2025-12-01 |
Multi-DECT Image-based Interpretable Model Incorporating Habitat Radiomics and Vision Transformer Deep Learning for Preoperative Prediction of Muscle Invasion in Bladder Cancer
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.018
PMID:40887351
|
研究论文 | 开发基于多能谱CT图像的融合栖息地影像组学和视觉Transformer的可解释模型,用于术前预测膀胱癌肌层浸润 | 首次将栖息地影像组学与3D视觉Transformer深度学习相结合,构建可解释的多能谱CT图像预测模型 | 回顾性研究,样本量相对有限(200例患者) | 术前预测膀胱癌肌层浸润状态 | 膀胱癌患者 | 医学影像分析 | 膀胱癌 | 双能谱CT(DECT)成像 | Vision Transformer(ViT), ResNet, 影像组学模型 | CT图像 | 200例膀胱癌患者(训练集140例,测试集60例) | NA | Vision Transformer, ResNet 18 | AUC, 校准曲线, 决策曲线分析(DCA), 净重分类指数(NRI), 综合判别改善指数(IDI) | NA |
| 1839 | 2025-12-01 |
Image Quality Variation with Gantry Rotation Time and Reconstruction Algorithm in Ultra-high-resolution CT
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.027
PMID:41073176
|
研究论文 | 评估超高清CT中机架旋转时间和重建算法对图像质量的影响 | 首次系统比较深度学习重建在超高清CT中随旋转时间变化的图像质量表现 | 研究基于体模实验,未涉及临床患者数据 | 评估机架旋转时间对三种重建算法图像质量的影响 | CT体模 | 医学影像 | NA | 超高清CT扫描 | 深度学习重建 | CT图像 | 4个剂量水平和4个机架旋转时间的扫描数据 | NA | NA | 噪声功率谱,噪声幅度比,中心频率比,高对比度分辨率 | NA |
| 1840 | 2025-12-01 |
Frequency-aware domain randomization for single-source domain generalization in medical image segmentation
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70118
PMID:41318360
|
研究论文 | 提出一种频率感知域随机化方法RandDG,用于医学图像分割中的单源域泛化 | 结合频率域全局依赖建模和双空间随机化框架,通过ULoFT滤波器增强特征空间扰动多样性,解决纹理偏差和风格多样性受限问题 | 仅针对单源域泛化场景,未考虑多源域泛化情况 | 提升医学图像分割模型在未见目标域上的泛化能力 | 腹部多器官分割和前列腺分割 | 医学图像分割 | 腹部疾病, 前列腺疾病 | 傅里叶变换, 频率域分析 | CNN | 医学图像(CT, MRI) | 腹部CT-MRI数据集和跨中心前列腺数据集 | PyTorch | GUNet, U-Net | DSC, HD | NA |