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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21161 | 2025-11-21 |
A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes
2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13770
PMID:38881051
|
研究论文 | 提出一种整合影像学和基因组数据的深度学习框架用于黑色素瘤的准确诊断 | 首次将卷积神经网络和图神经网络结合,融合多模态数据(皮肤镜图像、组织病理切片和基因组图谱)进行黑色素瘤诊断 | 需要在更大规模上进行验证,需要更多临床试验来确认该诊断方法的有效性和可行性 | 开发一种新的黑色素瘤分类方法,提供比当前医学方法更可靠的诊断 | 黑色素瘤患者的多模态数据 | 计算机视觉, 自然语言处理 | 黑色素瘤 | 皮肤镜成像, 组织病理学, 基因组分析 | CNN, GNN | 图像, 基因组数据 | NA | NA | 定制多模态深度神经网络 | 准确率, AUC | NA |
| 21162 | 2025-11-21 |
Magnetic Resonance Imaging-Based Assessment of Pancreatic Fat Strongly Correlates With Histology-Based Assessment of Pancreas Composition
2024-02-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002288
PMID:38194643
|
研究论文 | 本研究评估了基于磁共振成像的胰腺脂肪估计与基于组织学的胰腺成分测量之间的关系 | 首次使用深度学习算法在胰腺切除组织学中标记11种组织成分,并建立MRI脂肪估计与组织成分的线性相关模型 | 样本量较小(27例患者),回顾性研究设计 | 评估MRI基于胰腺脂肪估计与组织学胰腺成分测量的相关性 | 高风险个体和胰腺正常疾病对照的术前MRI图像及后续胰腺切除组织学样本 | 数字病理 | 胰腺癌 | 磁共振成像, 组织学分析 | 深度学习算法, 线性模型 | 医学影像, 组织学图像 | 27例患者(平均年龄64.0±12.0岁,15名女性) | NA | NA | 相关系数r, P值 | NA |
| 21163 | 2025-11-21 |
Noninvasive Computed Tomography-Based Deep Learning Model Predicts In Vitro Chemosensitivity Assay Results in Pancreatic Cancer
2024-01-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002270
PMID:38019604
|
研究论文 | 基于CT图像的深度学习模型预测胰腺癌体外化疗敏感性检测结果 | 首次使用CT图像和深度学习非侵入性预测胰腺癌体外化疗敏感性检测结果 | 样本量较小(33例患者),需要更大规模验证 | 优化胰腺导管腺癌的化疗方案选择 | 胰腺导管腺癌患者 | 计算机视觉 | 胰腺癌 | 计算机断层扫描,组织培养药物反应测定 | CNN | 医学图像 | 33例PDAC患者 | NA | 残差卷积神经网络 | 准确率,AUC | NA |
| 21164 | 2025-11-21 |
Comment on 'Intelligent cataract surgery supervision and evaluation via deep learning'
2023-06-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000419
PMID:37131327
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21165 | 2025-11-21 |
Intelligent cataract surgery supervision and evaluation via deep learning
2022-Aug, International journal of surgery (London, England)
DOI:10.1016/j.ijsu.2022.106740
PMID:35760343
|
研究论文 | 开发基于深度学习算法DeepSurgery的白内障手术视频实时监督与评估系统 | 首次实现白内障手术12个关键步骤的自动识别、时序监控和错误步骤预警功能 | 训练数据量有限(186个标准手术视频),外部验证集规模较小 | 建立智能化的白内障手术监督与评估系统 | 白内障超声乳化联合人工晶体植入手术视频 | 计算机视觉 | 白内障 | 深度学习视频分析 | 深度学习算法 | 手术视频 | 186个训练视频,121个验证视频,54个实时测试视频 | NA | DeepSurgery | 准确率, Kappa系数 | NA |
| 21166 | 2025-11-20 |
Advanced microstructure imaging at high b-values and high resolution combining ultra-high performance gradient diffusion imaging and model-based deep learning demonstrated using 3D multi-slab acquisition
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70046
PMID:40851334
|
研究论文 | 本研究结合超高性能梯度扩散成像和模型驱动深度学习,展示了3D多片层采集在高b值和高分辨率下进行高级微结构成像的能力 | 利用高性能梯度系统缩短回波时间,结合优化的3D k空间欠采样方法显著减少采集时间,实现全脑高分辨率微结构成像 | 需要高性能梯度硬件支持(>200 mT/m,>300 T/m/s),研究主要关注大脑白质区域 | 开发加速的3D多片层扩散加权成像方法,支持活体人脑高级微结构建模 | 人脑白质微结构 | 医学影像 | 神经系统疾病 | 3D多片层扩散加权成像,扩散加权MRI,室模型分析 | 三室扩散模型 | 扩散加权MRI图像 | 多受试者人脑数据(具体数量未明确说明) | 基于模型的迭代重建算法 | 基于导航的运动补偿正则化迭代算法 | 变异系数 | 高性能梯度MRI系统(>200 mT/m,>300 T/m/s) |
| 21167 | 2025-11-20 |
Motion-robust T 2 ∗ $$ {\mathrm{T}}_2^{\ast } $$ quantification from low-resolution gradient echo brain MRI with physics-informed deep learning
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70050
PMID:40843481
|
研究论文 | 提出PHIMO+方法,通过物理信息深度学习实现运动鲁棒的低分辨率梯度回波脑MRI T2*定量分析 | 扩展了原有的PHIMO方法,利用采集知识增强对挑战性运动模式的重建性能,提高对脑内不同强度磁场不均匀性的鲁棒性 | NA | 开发运动鲁棒的T2*定量方法,解决梯度回波磁共振成像中因运动导致的信号丢失问题 | 脑部梯度回波磁共振成像数据 | 医学影像分析 | NA | 梯度回波磁共振成像 | 深度学习 | 磁共振图像 | 模拟和真实运动数据 | NA | 物理信息深度学习 | 线检测精度, 图像质量 | NA |
| 21168 | 2025-11-20 |
Liver fat quantification at 0.55 T enabled by locally low-rank enforced deep learning reconstruction
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70057
PMID:40883956
|
研究论文 | 开发了一种基于局部低秩深度学习重建的方法,用于在0.55T低场MRI中实现肝脏脂肪定量 | 提出了一种结合局部低秩约束和深度学习的新型重建方法(LLR-DL),能够在低场MRI中显著提升信噪比和图像质量 | 研究样本量较小(10名志愿者),需要在更大规模人群中验证方法的普适性 | 提高低场MRI中质子密度脂肪分数(PDFF)定量的准确性和可靠性 | 铁脂肪体模和人类志愿者 | 医学影像分析 | 脂肪肝 | MRI质子密度脂肪分数定量,多回波Dixon算法 | 深度学习 | MRI图像,复杂值数据 | 1个体模和10名志愿者 | NA | U-Net | 峰值信噪比,结构相似性指数,线性回归,t检验,Bland-Altman分析 | NA |
| 21169 | 2025-11-20 |
Novel deep learning framework for simultaneous assessment of left ventricular mass and longitudinal strain: clinical feasibility and validation in patients with hypertrophic cardiomyopathy
2025-Dec, Journal of echocardiography
IF:1.4Q3
DOI:10.1007/s12574-025-00694-y
PMID:40650815
|
研究论文 | 提出一种基于人工智能的超声心动图分析框架SMART,用于自动评估左心室质量和纵向应变 | 首次结合运动追踪和心肌分割技术实现左心室质量和纵向应变的同步自动评估 | 仅在肥厚型心肌病患者中验证,样本量有限(111例) | 开发并验证用于心脏功能评估的自动化人工智能系统 | 肥厚型心肌病患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图(TTE), 心脏磁共振成像(CMR) | 深度学习 | 医学影像 | 111例肥厚型心肌病患者(中位年龄58岁,69%男性) | NA | NA | Pearson相关系数, 平均差异, AUC | NA |
| 21170 | 2025-11-20 |
Dose reduction in radiotherapy treatment planning CT via deep learning-based reconstruction: a single‑institution study
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00967-2
PMID:40987935
|
研究论文 | 本研究评估深度学习重建算法在放疗计划CT中的剂量降低效果 | 首次在放疗计划CT中系统比较深度学习重建算法与传统迭代重建算法的剂量降低效果 | 单中心回顾性研究,样本量有限 | 量化深度学习重建算法在放疗计划CT中的剂量降低效果 | 放疗计划CT扫描(头部、头颈部、肺部和盆腔) | 医学影像 | 肿瘤放疗 | CT扫描,深度学习重建 | 深度学习 | CT影像 | IR重建820例,DLR重建854例 | AiCE | NA | CTDI, DLP, 剂量降低率 | NA |
| 21171 | 2025-11-20 |
GAN-MRI enhanced multi-organ MRI segmentation: a deep learning perspective
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00938-7
PMID:40779148
|
研究论文 | 提出一种集成GAN的MRI图像增强与多器官分割的端到端深度学习框架 | 结合GAN-MRI图像增强与注意力残差U-Net分割模型,能处理多扫描仪数据并显著提升图像质量与分割精度 | 脑部分割指标提升不明显,样本量相对有限(共117例扫描) | 通过深度学习缩短MRI扫描时间并提升多器官分割精度 | 脑部、腹部和大腿的MRI图像 | 医学影像分析 | 多器官解剖分析 | 磁共振成像 | GAN, CNN, U-Net | 医学影像 | 30例脑部扫描(5400切片)、32例腹部扫描(1920切片)、55例大腿扫描(2200切片) | NA | GAN-MRI, AssemblyNet, 注意力残差U-Net | SNR, CNR, 肌肉分割提升21%, IMAT分割提升9%, SSAT分割提升1%, DSAT分割提升2%, VAT分割提升12% | NA |
| 21172 | 2025-11-20 |
Automatic segmentation of cone beam CT images using treatment planning CT images in patients with prostate cancer
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00946-7
PMID:40813534
|
研究论文 | 本研究提出一种结合高斯噪声和傅里叶域适应的混合方法,用于提升基于治疗计划CT的锥形束CT图像自动分割精度 | 通过生成人工伪CBCT数据集桥接tpCT与CBCT图像质量差异,无需改变原始tpCT图像或其轮廓 | 仅使用80例tpCT数据集,样本量有限;未与其他深度学习方法进行对比 | 改进前列腺癌患者锥形束CT图像的分割精度 | 男性骨盆区域的临床靶区、膀胱和直肠 | 数字病理 | 前列腺癌 | 锥形束CT,治疗计划CT,傅里叶域适应 | 深度学习分割模型 | 医学影像 | 80例治疗计划CT数据集 | NA | NA | Dice相似系数 | NA |
| 21173 | 2025-11-20 |
OrnAsia: A dataset of asian ornaments for image classification and cultural identification
2025-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112195
PMID:41255856
|
研究论文 | 本文介绍了一个包含1088张亚洲传统饰品高分辨率图像的数据集,用于图像分类和文化识别研究 | 填补了饰品相关数据集在文化背景和图像多样性方面的空白,提供了平衡的传统饰品类型和经过验证的标注 | 数据采集仅限于孟加拉国米尔普尔地区,可能无法完全代表整个亚洲地区的饰品多样性 | 支持计算机视觉和人工智能技术在文化饰品分类识别中的应用 | 六种亚洲传统饰品:手镯、戒指、耳环、头饰、项链和脚链 | 计算机视觉 | NA | 智能手机摄影 | 深度学习模型 | 图像 | 1088张高分辨率原始图像,分为6个类别 | NA | NA | NA | NA |
| 21174 | 2025-11-20 |
Patent analysis of mRNA therapy using deep learning
2025-Nov-19, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04734-3
PMID:41258061
|
研究论文 | 基于深度学习方法的mRNA治疗专利分析研究 | 首次结合深度学习和社会网络分析方法对mRNA治疗专利进行定量分析和未来预测 | 仅基于Derwent专利数据库,时间跨度为27年 | 通过专利分析阐明mRNA技术竞争格局,为技术创新和产业发展提供依据 | mRNA治疗相关专利 | 自然语言处理 | 传染病,癌症 | 专利分析,社会网络分析 | 深度学习,机器学习 | 专利文本 | 27年的mRNA治疗专利数据 | NA | NA | NA | NA |
| 21175 | 2025-11-20 |
FaceAge as a biomarker for prognosis and treatment stratification in large-scale oncology cohort
2025-Nov-19, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaf323
PMID:41259012
|
研究论文 | 本研究探讨FaceAge(基于面部照片估计生物年龄的深度学习系统)与实足年龄的极端差异在预测28种癌症类型患者生存期和早期死亡率中的预后价值 | 首次在大规模癌症队列中验证FaceAge与实足年龄的极端差异作为生存期和早期死亡率的独立预测因子 | 研究仅纳入接受放射治疗的老年患者(≥60岁),可能限制结果的普适性 | 评估FaceAge作为癌症预后生物标志物的临床价值 | 24,556名年龄≥60岁的癌症患者 | 数字病理 | 癌症 | 深度学习 | CNN | 面部照片 | 24,556名癌症患者,涵盖28种癌症类型 | NA | FaceAge | 风险比(HR), 比值比(OR), P值 | NA |
| 21176 | 2025-11-20 |
Enhancing deep chemical reaction prediction with advanced chirality and fragment representation
2025-Nov-18, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc02641e
PMID:40932372
|
研究论文 | 本研究通过引入fragSMILES分子表示方法,在深度学习有机反应预测中实现了对分子手性和子结构的更好表征 | 开发了能够同时编码分子子结构和手性信息的fragSMILES表示法,在立体化学反应信息识别方面表现优异 | NA | 改进有机反应预测的深度学习模型性能,特别是立体化学复杂性的捕捉能力 | 有机化学反应 | 机器学习 | NA | 深度学习 | NA | 分子结构文本表示 | NA | NA | NA | 正向合成预测准确率,逆向合成预测准确率 | NA |
| 21177 | 2025-11-20 |
Deep Learning-Assisted Prediction of Air-Bone Gap Using Tympanic Membrane Perforation Image Features
2025-Nov-18, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70074
PMID:41252627
|
研究论文 | 开发基于深度学习的鼓膜穿孔图像分析方法,用于预测气骨导差 | 首次使用Mask R-CNN自动分割鼓膜和穿孔区域,并基于分割特征预测气骨导差 | 样本量有限(150张穿孔鼓膜图像),模型性能仍有提升空间 | 解决特定人群或环境下听力测试设备不足的问题,提供替代评估方法 | 鼓膜穿孔患者的耳镜图像 | 计算机视觉 | 听力损失 | 耳镜成像 | CNN, Mask R-CNN | 图像 | 1014张完整鼓膜图像,150张穿孔鼓膜图像(模型开发),75张术中穿孔图像(独立测试) | NA | Mask R-CNN | 类别像素准确率,交并比,Dice系数,R²,均方根误差,10dB内预测比例 | NA |
| 21178 | 2025-11-20 |
Harnessing artificial intelligence to advance CRISPR-based genome editing technologies
2025-Nov-18, Nature reviews. Genetics
DOI:10.1038/s41576-025-00907-1
PMID:41254174
|
综述 | 本综述探讨人工智能如何推动CRISPR基因编辑技术的发展与应用 | 系统总结AI在优化基因编辑器、指导工具工程化和发现新型编辑酶方面的创新应用,并提出AI驱动的虚拟细胞模型等新兴机遇 | NA | 总结人工智能方法在基因编辑技术中的应用进展并展望未来发展方向 | CRISPR基因编辑技术(包括核酸酶编辑、碱基编辑和引物编辑)及人工智能方法 | 机器学习 | 遗传疾病 | CRISPR基因编辑 | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
| 21179 | 2025-11-20 |
HPCSMN: A Classification Method of Chemotherapy Sensitivity of Hypopharyngeal Cancer Based on Multimodal Network
2025-Nov-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00783-7
PMID:41254314
|
研究论文 | 提出基于多模态融合网络的喉咽癌化疗敏感性分类方法HPCSMN,通过整合3D CT图像和影像组学特征提高预测准确率 | 首次将3D CT图像空间特征与LASSO筛选的影像组学特征通过多模态网络融合,利用互补优势捕获复杂空间依赖关系和详细影像特征 | 样本量相对有限(仅102例),仅基于单中心数据验证 | 开发喉咽癌化疗敏感性分类方法以支持个性化治疗 | 喉咽癌患者 | 数字病理 | 喉咽癌 | CT成像,影像组学分析 | 多模态融合网络,3D CNN | 3D CT图像,影像组学特征,临床数据 | 102例喉咽癌CT图像(NKU-TMU-hphc数据集) | NA | 3D ResNet,全连接网络 | 准确率,多评价指标 | NA |
| 21180 | 2025-11-20 |
Subtype-HM: A Novel Cancer Subtype Identification Method Based on Hypergraph Learning and Multi-omics Data
2025-Nov-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00789-1
PMID:41254315
|
研究论文 | 提出基于超图学习和多组学数据的癌症亚型识别新方法Subtype-HM | 使用多级超图建模复杂生物结构,设计超图传播网络捕获组学内外相关性,引入并行判别器引导的注意力模块提取组学特异性特征,提出多组学对比熵对齐方法 | NA | 提高癌症亚型识别的准确性和生物可解释性 | 癌症患者的多组学数据 | 机器学习 | 癌症 | 多组学数据分析 | 超图学习网络 | 多组学数据 | TCGA癌症数据集 | NA | 超图传播网络 | 生存分析p值, 临床参数富集分数 | NA |