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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 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 |
| 2022 | 2025-12-01 |
Deep Learning-based Automated Opportunistic Osteoporosis Screening Using Chest LDCT and Lumbar CT: A Multicenter Cohort Study
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.015
PMID:41188157
|
研究论文 | 提出一种基于深度学习的自动化骨质疏松筛查方法,利用胸部低剂量CT和腰椎CT进行骨密度测量 | 首次开发跨厂商CT扫描仪和多中心数据的深度学习自动骨密度测量方法 | 回顾性研究设计,样本来源限于五个医院 | 开发自动化骨质疏松筛查方法并验证其诊断性能 | 接受胸部LDCT和腰椎CT扫描的4305名患者 | 医学影像分析 | 骨质疏松症 | 定量CT(QCT), 低剂量CT(LDCT) | CNN | CT影像 | 4305名患者,来自5家医院的9台CT扫描仪 | NA | 3D VB-Net, SCN, DenseNet, ResNet | R², 平均误差, 95%一致性界限, AUC, 灵敏度, 特异性 | NA |
| 2023 | 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 |
| 2024 | 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 |
| 2025 | 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 |
| 2026 | 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 |
| 2027 | 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 |
| 2028 | 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 |
| 2029 | 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 |
| 2030 | 2025-12-01 |
Image Quality Improvement and Artificial Intelligence Performance in Pulmonary Embolism Detection at Deep Learning Reconstruction-Based Ultra-low Radiation Dose CT Pulmonary Angiography
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.018
PMID:41067972
|
研究论文 | 评估基于深度学习重建的超低剂量CT肺动脉造影图像质量及AI软件对肺栓塞检测性能的提升 | 首次在超低剂量CTPA中结合深度学习重建技术与AI辅助诊断,证实DLR在维持图像质量的同时显著提升AI辅助诊断的准确性和效率 | 样本量有限(144例),仅来自两个中心,需更大规模研究验证 | 评估超低剂量CTPA中深度学习重建的图像质量及AI辅助诊断肺栓塞的性能 | 疑似肺栓塞患者 | 医学影像分析 | 肺栓塞 | CT肺动脉造影 | 深度学习 | CT影像 | 144例患者(其中56例用于AI评估) | NA | NA | 灵敏度, 特异度, 准确率, ICC | NA |
| 2031 | 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 |
| 2032 | 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 |
| 2033 | 2025-12-01 |
AIFS: an efficient face recognition method based on AI and enhanced few-shot learning
2025-Nov-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29992-2
PMID:41318652
|
研究论文 | 提出一种基于人工智能和增强少样本学习的高效人脸识别方法AIFS | 将传统基于特征的学习与现代少样本深度学习在共享孪生网络架构下统一,提出轻量级边缘路径和深度学习云路径的协同方法 | 仅在Kaggle人脸识别数据集上验证,未在更多真实场景数据集测试 | 开发适用于资源受限环境的高效实时人脸识别系统 | 人脸图像 | 计算机视觉 | NA | 人脸识别 | Siamese network | 图像 | Kaggle人脸识别数据集 | NA | EfficientNetV2, InceptionV3 | 准确率 | CPU, Raspberry Pi, GPU |
| 2034 | 2025-12-01 |
HyperFusionNet combines vision transformer for early melanoma detection and precise lesion segmentation
2025-Nov-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30184-1
PMID:41318765
|
研究论文 | 提出HyperFusionNet混合深度学习架构,结合视觉Transformer和注意力U-Net实现皮肤镜图像中的黑色素瘤早期检测和病变分割 | 首次将多路径视觉Transformer与注意力U-Net通过互注意力融合块协同整合,同时实现分类和分割任务 | 仅使用公开数据集进行验证,未涉及临床实时应用环境 | 开发用于黑色素瘤早期诊断和病变精确分割的深度学习模型 | 皮肤镜图像中的黑色素瘤病变 | 计算机视觉 | 黑色素瘤 | 皮肤镜成像 | Transformer, CNN | 图像 | 超过60,000张皮肤镜图像(来自四个公开ISIC数据集) | NA | MPViT, Attention U-Net | 准确率, AUC, Dice系数 | NA |
| 2035 | 2025-12-01 |
Integrating Passive Acoustic Monitoring, Deep Learning, and Social Network Analysis for Wildlife Ecology and Conservation
2025-Nov-30, Integrative zoology
IF:3.5Q1
DOI:10.1111/1749-4877.70040
PMID:41319054
|
综述 | 提出整合被动声学监测、深度学习和社会网络分析的创新框架,用于研究野生动物社会行为与保护 | 首次将被动声学监测、深度学习算法与社会网络分析相结合,揭示动物社会亚群和通讯网络 | 未提及具体实施案例的性能验证和数据规模限制 | 开发研究难以观察物种社会行为的综合方法论 | 难以观察物种的动物社会群体 | 机器学习 | NA | 被动声学监测 | 深度学习 | 音频数据 | NA | NA | NA | NA | NA |
| 2036 | 2025-12-01 |
SMF-DETR: An Efficient Lightweight Detection Transformer for Real-Time Bearing Surface Defect Detection
2025-Nov-30, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70156
PMID:41319189
|
研究论文 | 提出一种基于SMF-DETR的高效轻量级检测Transformer算法,用于实时轴承表面缺陷检测 | 采用元素级乘法操作实现高维特征映射,提出多尺度边缘信息选择机制和频域动态卷积,在降低计算复杂度的同时提升小缺陷检测能力 | NA | 开发高效轻量级的轴承表面缺陷检测算法以满足工业实时检测需求 | 轴承表面缺陷 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 自定义轴承缺陷数据集、公开轴承缺陷检测数据集、PASCAL VOC数据集 | NA | SMF-DETR, StarNet-MEIS-FDConv-detection transformer | mAP@50, 准确率, FPS | 桌面系统, 嵌入式RK3588平台 |
| 2037 | 2025-12-01 |
Deep Transfer Learning Links Benign Glands to Prostate Cancer Progression via Transcriptomics
2025-Nov-29, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf119
PMID:41317378
|
研究论文 | 本研究利用深度迁移学习分析前列腺癌空间转录组数据,揭示形态学良性腺体与癌症进展的关联 | 首次将深度迁移学习框架DEGAS应用于前列腺癌空间转录组分析,发现形态学良性腺体中MSMB表达降低与肿瘤侵袭性的关联 | 研究样本量有限,需要更大规模验证;空间转录组技术分辨率仍有提升空间 | 探索前列腺癌进展中的场效应现象,识别与癌症侵袭性相关的分子特征 | 前列腺癌患者的良性腺体和肿瘤组织 | 数字病理学 | 前列腺癌 | 空间转录组学, 单细胞转录组学, 免疫组织化学 | 深度迁移学习 | 转录组数据, 图像数据 | 包含有和无5年远处转移患者的组织样本 | DEGAS | NA | 蛋白表达定量分析 | NA |
| 2038 | 2025-12-01 |
Inferring Gene Regulatory Networks From Single-Cell RNA Sequencing Data by Dual-Role Graph Contrastive Learning
2025-Nov-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518277
PMID:41317402
|
研究论文 | 提出一种基于双角色图对比学习的深度学习模型RegGAIN,用于从单细胞RNA测序数据推断基因调控网络 | 采用自监督对比学习最大化基因嵌入在扰动图视图间的一致性,并利用双编码器同时学习基因的调控者和目标驱动模式 | 未明确说明模型对数据稀疏性和噪声的具体处理能力限制 | 从单细胞转录组数据准确重建细胞类型特异性基因调控网络 | 基因调控网络和基因调控关系 | 机器学习 | NA | 单细胞RNA测序 | 图对比学习,深度学习 | 单细胞转录组数据 | NA | NA | 双编码器架构 | NA | NA |
| 2039 | 2025-12-01 |
Predicting drug solubility in binary solvent mixtures using graph convolutional networks: a comprehensive deep learning approach
2025-Nov-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28272-3
PMID:41318549
|
研究论文 | 本研究使用图卷积网络预测药物在二元溶剂混合物中的溶解度 | 采用多头部注意力机制、分层分子表征学习和复杂池化策略的GCN架构,专门针对二元溶剂系统优化 | 模型对与训练数据结构相似的化合物预测效果更好,可能对结构差异大的化合物泛化能力有限 | 开发计算模型预测药物在二元溶剂中的溶解度,加速药物制剂开发 | 123个小分子溶质、44种溶剂和110种二元溶剂组合 | 机器学习 | NA | 图卷积网络 | GCN | 分子结构数据 | 27,000个溶解度测量值 | NA | 图卷积网络,多头部注意力机制 | 平均绝对误差(MAE) | NA |
| 2040 | 2025-12-01 |
Attention-Base deep learning for 3D craniofacial soft tissue landmark detection and diagnosis in orthodontics
2025-Nov-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30383-w
PMID:41318682
|
研究论文 | 提出一种基于注意力的两阶段深度学习框架,用于3D颅面软组织标志点检测和正畸诊断分类 | 开发了两种新模块:基于曲率的测地线裁剪模块和动态标志点结构学习模块,结合解剖学先验知识建模空间依赖关系 | NA | 实现3D颅面软组织标志点的自动化定位和正畸治疗难度诊断 | 颅面软组织3D数据 | 计算机视觉 | 错颌畸形 | 3D图像分析 | 深度学习 | 3D点云数据 | NA | PyTorch | PointTransformerV3 | 平均径向误差(MRE), 成功检测率(SDR), 成功分类率(SCR), 诊断准确率 | NA |