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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3961 | 2025-11-13 |
Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma
2025-Nov-11, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500362
PMID:41220170
|
研究论文 | 本研究开发了一种结合可见光-近红外高光谱成像和深度学习的非破坏性基因分型方法,用于快速评估肺腺癌驱动基因突变 | 首次将可见光-近红外高光谱成像与双分支深度学习融合框架相结合,实现对未染色病理切片的非破坏性基因分型 | 研究样本量相对有限(90例临床标本),需要在更大规模数据集中验证 | 开发一种非侵入性、快速评估肺腺癌驱动基因突变的方法 | 肺腺癌患者的临床病理标本 | 生物医学光子学 | 肺腺癌 | 可见光-近红外高光谱成像(400-1000 nm) | 深度学习融合框架,XGBoost | 高光谱图像 | 90例临床标本 | NA | 双分支融合网络 | 准确率,ROC曲线下面积(AUC) | NA |
| 3962 | 2025-11-13 |
Developments in diagnosis and treatment of early hypopharyngeal carcinoma and precancerous lesions: A review
2025-Nov-07, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045617
PMID:41204550
|
综述 | 总结早期下咽癌及癌前病变诊断与治疗的最新进展 | 专门聚焦早期下咽癌的综述,系统整合了窄带成像放大内镜和人工智能等新兴诊断技术以及经口微创手术等治疗进展 | NA | 探讨早期下咽癌及癌前病变的诊断与治疗策略 | 下咽癌患者及癌前病变 | 数字病理 | 下咽癌 | 窄带成像放大内镜(ME-NBI), 深度学习 | 深度学习算法 | 内镜图像 | NA | NA | NA | NA | NA |
| 3963 | 2025-11-13 |
Molecular, metabolic, and histological subtypes of pancreatic ductal adenocarcinoma and its tumor microenvironment: Insights into tumor heterogeneity and clinical implications
2025-Nov-01, Pharmacology & therapeutics
IF:12.0Q1
DOI:10.1016/j.pharmthera.2025.108946
PMID:41183744
|
综述 | 本文系统综述了胰腺导管腺癌的分子、代谢和组织学亚型分类方法及其临床意义 | 整合单细胞/空间转录组学、代谢组学和深度学习病理分析,揭示PDAC亚型异质性和可塑性 | 作为综述文章,未提供原始实验数据和新方法验证 | 建立PDAC多组学亚型分类框架以指导精准医疗 | 胰腺导管腺癌及其肿瘤微环境 | 数字病理 | 胰腺癌 | 单细胞转录组学, 空间转录组学, 代谢组学, 深度学习 | 深度学习 | 基因表达数据, 代谢物数据, H&E染色病理图像 | NA | NA | NA | NA | NA |
| 3964 | 2025-11-13 |
RL-I2IT: Image-to-image translation with deep reinforcement learning
2025-Oct-29, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108264
PMID:41218403
|
研究论文 | 提出基于深度强化学习的图像到图像转换框架RL-I2IT,通过迭代决策过程逐步转换图像 | 将I2IT重新建模为迭代决策问题,引入元策略和低维“概念计划”处理高维连续动作空间 | 未明确说明具体计算效率提升程度和模型参数减少量 | 解决传统单步图像转换模型参数多、易过拟合的问题 | 图像到图像转换任务 | 计算机视觉 | NA | 深度强化学习 | Actor-Critic | 图像 | NA | PyTorch, TensorFlow | Actor-Critic | NA | NA |
| 3965 | 2025-11-13 |
Identification of essential tremor and dystonic tremor using Graph Convolutional Networks with multiple connectivity patterns
2025-Oct-28, Parkinsonism & related disorders
IF:3.1Q2
DOI:10.1016/j.parkreldis.2025.108104
PMID:41218287
|
研究论文 | 本研究利用多连接模式的图卷积网络识别特发性震颤和肌张力障碍性震颤的显著脑区 | 首次将多连接模式图卷积网络应用于震颤疾病的脑功能连接分析,能够同时识别多种脑连接模式下的关键脑区 | 样本量相对有限(共158名参与者),仅使用静息态功能磁共振数据 | 探索特发性震颤和肌张力障碍性震颤的神经病理机制 | 特发性震颤患者、肌张力障碍性震颤患者和健康对照者 | 医学影像分析 | 神经系统疾病 | 静息态功能磁共振成像 | GCN | 脑功能连接矩阵 | 55名ET患者、51名DT患者和52名健康对照 | NA | 四种不同的图卷积网络架构 | 准确率 | NA |
| 3966 | 2025-11-13 |
Comparative investigation into flexible alginate-based hydrogel sponges with excellent biocompatibility and breathability for reliable strain and pressure sensors
2025-Oct-21, Mikrochimica acta
DOI:10.1007/s00604-025-07620-0
PMID:41117919
|
研究论文 | 通过比较研究开发具有优异生物相容性和透气性的柔性藻酸盐基水凝胶海绵传感器 | 采用一锅法定向冷冻工艺制备各向异性多孔结构,实现应变/压力刺激的区分识别,结合深度学习和莫尔斯码实现信息编码转换 | NA | 开发兼具透气性、生物相容性和高灵敏度的柔性应变/压力传感器 | 藻酸盐/丝素蛋白水凝胶海绵材料 | NA | NA | 定向冷冻工艺 | 深度学习模型 | 电阻信号,生理信号 | NA | NA | NA | 灵敏度(1.69),压力灵敏度(-1.10 kPa),循环稳定性(3750次),准确率(99.2%) | 微处理器 |
| 3967 | 2025-11-13 |
Deep learning based retinal hard exudates quantification of optical coherence tomography
2025-Oct-17, International journal of retina and vitreous
IF:1.9Q2
DOI:10.1186/s40942-025-00715-z
PMID:41107968
|
研究论文 | 开发基于深度学习的视网膜硬性渗出物分割模型,用于光学相干断层扫描图像的量化分析 | 采用改进的U-Net架构实现视网膜硬性渗出物的三维体积量化,相比传统二维成像提供更丰富的结构信息 | 训练数据仅来自15名患者,样本量有限;与眼底照片的手动测量结果仅呈现中等相关性 | 开发视网膜硬性渗出物的自动分割和量化方法 | 糖尿病视网膜病变和视网膜分支静脉阻塞患者的视网膜硬性渗出物 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描 | CNN | 图像 | 15名患者的1,811个OCT扫描 | NA | U-Net | Dice系数, 准确率 | NA |
| 3968 | 2025-11-13 |
Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data
2025-Oct-17, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2025.10.004
PMID:41109500
|
研究论文 | 提出一种用于女性盆腔磁共振成像中子宫和膀胱分割的半监督深度学习框架 | 开发了一种结合自监督图像修复任务和伪标签生成的半监督学习方法,显著减少了对标注数据的依赖 | 研究仅针对子宫和膀胱两个器官,样本量相对有限(48名受试者) | 改进盆腔器官的自动分割技术,减少对大量标注数据的依赖 | 女性盆腔磁共振成像中的子宫和膀胱 | 医学影像分析 | 盆腔器官脱垂 | 磁共振成像 | 深度学习 | 磁共振图像 | 48名女性受试者的4103张磁共振图像 | NA | NA | Dice相似系数, 平均表面距离, 95% Hausdorff距离 | NA |
| 3969 | 2025-11-13 |
Machine learning-assisted N-doped carbon dots for sensitive Pd2+ detection and high-performance LED applications in plant cultivation
2025-Oct-13, Mikrochimica acta
DOI:10.1007/s00604-025-07604-0
PMID:41081953
|
研究论文 | 开发了一种氮掺杂碳点用于钯离子检测和植物栽培LED应用 | 结合深度学习算法的智能手机传感平台实现钯离子的现场检测,以及具有植物生长所需光谱的暖白光LED | NA | 开发多功能氮掺杂碳点用于环境监测和光电应用 | 钯离子检测和植物栽培LED | 机器学习和光电材料 | NA | 水热合成法,荧光猝灭检测 | CNN | 智能手机采集的图像 | NA | NA | 卷积神经网络 | 检测限0.058μM,回收率95.3-103.5%,相对标准偏差<1.51% | NA |
| 3970 | 2025-11-13 |
Fully Automatic Volume Segmentation Using Deep Learning Approaches to Assess the Thoracic Aorta, Visceral Abdominal Aorta, and Visceral Vasculature
2025-Aug-12, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.08.025
PMID:40812505
|
研究论文 | 本研究评估了基于深度学习的全自动体积分割技术在胸主动脉、内脏腹主动脉及内脏血管分割中的准确性 | 首次将全自动体积分割技术应用于胸主动脉和内脏主动脉分割的验证研究,并与医师手动分割进行系统比较 | 回顾性研究设计,样本量相对较小(50例CTA),仅针对腹主动脉瘤患者 | 评估深度学习全自动分割技术在主动脉血管影像分析中的准确性和临床应用价值 | 腹主动脉瘤患者的计算机断层扫描血管成像数据 | 医学影像分析 | 腹主动脉瘤 | 计算机断层扫描血管成像 | 深度学习 | 医学影像 | 50例术前CTA扫描 | NA | NA | Dice相似系数, Jaccard指数, 敏感性, 特异性, Bland-Altman一致性界限 | NA |
| 3971 | 2025-11-13 |
AI Opportunistic Coronary Calcium Screening at Veterans Affairs Hospitals
2025-May-16, NEJM AI
DOI:10.1056/aioa2400937
PMID:40746702
|
研究论文 | 开发了一种用于非门控CT扫描自动量化冠状动脉钙化的深度学习算法AI-CAC | 利用来自退伍军人事务部全国医疗系统98个医疗中心的影像数据,捕捉了成像方案、扫描仪和患者的广泛异质性 | NA | 开发自动量化冠状动脉钙化的深度学习算法 | 冠状动脉钙化 | 数字病理 | 心血管疾病 | CT扫描 | 深度学习 | 医学影像 | 446个专家分割用于算法开发,795名患者用于性能验证,8052个低剂量CT用于模拟筛查 | NA | NA | 准确率,F1分数,Cox风险比 | NA |
| 3972 | 2025-11-13 |
A systematic review of decision tools for process selection and performance improvement in manufacturing
2025, The International journal, advanced manufacturing technology
DOI:10.1007/s00170-025-16806-y
PMID:41208918
|
系统综述 | 系统评估制造业中用于工艺选择和性能改进的决策工具 | 提出结构化框架指导未来研究,重点关注数据管理、人工智能集成和工具可扩展性 | 仅包含37篇期刊文章,高级工具在超越工艺层面扩展方面面临挑战 | 比较评估应用于制造业单元工艺层面的决策工具 | 制造业中的工艺选择和特定工艺优化 | 制造业 | NA | 多标准决策分析(MCDA)、生命周期评估(LCA)、直接比较、深度学习、计算模拟 | 深度学习 | NA | 37篇期刊文章 | NA | NA | NA | NA |
| 3973 | 2025-11-13 |
Improving predictions of convective storm wind gusts through statistical post-processing of neural weather models
2025, npj natural hazards
DOI:10.1038/s44304-025-00142-y
PMID:41210164
|
研究论文 | 通过神经天气模型的统计后处理改进对流风暴阵风预测 | 首次将卷积神经网络用于神经天气模型输出的空间模式后处理,在阵风预测中超越直接预测方法 | 研究区域仅限于瑞士五个地区,需要进一步验证在其他地理区域的适用性 | 改进对流风暴引起的极端阵风预测精度 | 瑞士五个地区的每小时阵风分布 | 机器学习 | NA | 统计后处理、深度学习 | CNN | 大气环境数据、空间模式数据 | 瑞士五个区域的三天提前量小时级预测数据 | NA | 卷积神经网络 | 预测准确率、极端值预测性能 | NA |
| 3974 | 2025-11-13 |
Investigation of scatter energy window width and count levels for deep learning-based attenuation map estimation in cardiac SPECT/CT imaging
2024-Nov-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad8b09
PMID:39447603
|
研究论文 | 本研究评估了深度学习在心脏SPECT/CT成像中估计衰减图的性能,重点分析了散射能量窗宽度和计数水平的影响 | 首次全面分析了不同散射窗作为深度学习输入的影响,并评估了在降低计数水平下深度学习的性能表现 | 研究仅针对心脏SPECT成像,结果可能不适用于其他类型的SPECT成像 | 评估深度学习在心脏灌注SPECT成像中生成衰减图的效用,特别是在不同散射窗设置和降低计数水平条件下的表现 | 心脏SPECT/CT成像中的衰减图估计 | 医学影像分析 | 心血管疾病 | SPECT/CT成像,深度学习 | 深度学习模型 | SPECT影像数据 | 1517名受试者(386名测试,1131名训练和验证) | NA | NA | 归一化均方误差(NMSE) | NA |
| 3975 | 2025-11-13 |
Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230917
PMID:37840512
|
研究论文 | 本研究应用人工神经网络对COVID-19患者的临床严重程度进行分类,以改善诊断和治疗决策 | 创新点在于分类不仅针对疾病存在性,还扩展至疾病严重程度分级,为患者分诊提供关键决策支持 | 研究样本仅来自单一医院(波黑Tešanj总医院),可能限制模型的普适性 | 提升病毒感染者(特别是COVID-19)的诊断、预测和个性化治疗水平 | COVID-19患者(轻度、中度和重度三个临床严重程度类别) | 医疗人工智能 | COVID-19 | 深度学习 | 人工神经网络 | 临床诊断和治疗数据 | 1000名患者 | NA | 人工神经网络 | 准确率 | NA |
| 3976 | 2025-11-13 |
Lung cancer detection based on computed tomography image using convolutional neural networks
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230810
PMID:37955065
|
研究论文 | 本研究使用基于GoogLeNet架构的卷积神经网络对CT图像中的良恶性肺部病变进行分类 | 采用深度学习方法和GoogLeNet架构实现肺部CT图像的自动分类,最大程度减少人工干预 | 回顾性病例对照研究设计,样本量相对有限 | 开发基于深度学习的决策支持系统,用于肺癌的早期检测和分类 | 肺部CT扫描图像中的良恶性病变 | 计算机视觉 | 肺癌 | 计算机断层扫描(CT) | CNN | 图像 | 4459个CT扫描(良性2242个,恶性2217个) | NA | GoogLeNet | 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 3977 | 2025-11-13 |
Two-Stage Selective Ensemble of CNN via Deep Tree Training for Medical Image Classification
2022-Sep, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2021.3061147
PMID:33705343
|
研究论文 | 提出一种通过深度树训练的两阶段选择性CNN集成方法用于医学图像分类 | 提出深度树训练策略和两阶段选择性集成方法,通过分层训练CNN隐藏层缓解梯度消失问题并优化集成分类器 | 仅在有限数量的医学图像数据集上进行验证,未涉及大规模多中心数据 | 解决医学图像分类中因数据量有限导致的过拟合、局部最优和梯度消失问题 | 医学图像分类任务 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | CIFAR-10基准数据集和两个特定医学图像数据集 | NA | CNN | 准确率, 敏感度, 特异度, F1分数 | NA |
| 3978 | 2025-11-13 |
Multiparametric Functional MRI of the Kidney: Current State and Future Trends with Deep Learning Approaches
2022-09, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-1775-8633
PMID:35272360
|
综述 | 本文综述了肾脏多参数功能磁共振成像的现状及深度学习应用前景 | 探讨深度学习在多参数fMRI数据分析和后处理中的创新应用 | 目前多参数fMRI在肾脏的应用主要局限于研究领域,缺乏标准化采集和后处理协议 | 评估肾脏功能并优化多参数fMRI在肾脏疾病诊断中的应用 | 肾脏 | 医学影像分析 | 肾脏疾病 | 多参数功能磁共振成像 | 深度学习 | 磁共振影像 | NA | NA | NA | NA | NA |
| 3979 | 2025-11-13 |
Evaluation of deep learning reconstructed high-resolution 3D lumbar spine MRI
2022-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-08708-4
PMID:35322280
|
研究论文 | 评估深度学习重建的高分辨率3D腰椎MRI图像质量与观察者间一致性 | 首次将深度学习重建技术应用于3D T2加权快速自旋回波腰椎MRI,并与标准重建和2D成像进行系统比较 | 样本量较小(35例患者),单中心回顾性研究设计 | 比较不同MRI重建方法在腰椎成像中的性能差异 | 腰椎MRI图像 | 医学影像分析 | 脊柱疾病 | MRI,T2加权快速自旋回波序列 | 深度学习重建算法 | 3D医学影像 | 35例患者(平均年龄58±19岁,26名女性) | NA | NA | Conger's kappa,图像质量评分 | NA |
| 3980 | 2025-11-13 |
Deep learning reconstruction for 1.5 T cervical spine MRI: effect on interobserver agreement in the evaluation of degenerative changes
2022-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-08729-z
PMID:35348861
|
研究论文 | 本研究探讨深度学习重建技术在1.5T颈椎MRI中对退行性病变评估的影响 | 首次在1.5T颈椎MRI中应用深度学习重建技术,证明其能提高图像质量且不增加扫描时间 | 样本量较小(21名志愿者),仅评估了两种采集次数情况 | 评估深度学习重建对1.5T颈椎MRI图像质量和观察者间一致性的影响 | 21名志愿者(17名男性,平均年龄42.4±11.9岁)的颈椎MRI数据 | 医学影像分析 | 脊柱退行性疾病 | MRI, 深度学习重建 | 深度学习 | 医学影像 | 21名志愿者 | NA | NA | Cohen's加权kappa值, p值 | NA |