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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4501 | 2025-11-05 |
MRI sequence focused on pancreatic morphology evaluation: three-shot turbo spin-echo with deep learning-based reconstruction
2025-Nov, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251355844
PMID:40641210
|
研究论文 | 开发并评估一种基于深度学习重建的三次激发涡轮自旋回波MRI序列用于胰腺形态评估 | 提出新型3S-TSE-DLR序列,结合高空间分辨率与深度学习重建技术,在胰腺成像中实现优于传统序列的图像质量 | 研究仅纳入50名健康志愿者,缺乏胰腺癌患者的验证数据 | 比较新型MRI序列与传统序列在胰腺成像质量方面的表现 | 健康志愿者的胰腺MRI图像 | 医学影像分析 | 胰腺癌 | 磁共振成像,深度学习重建 | 深度学习 | 医学影像 | 50名健康志愿者 | NA | NA | 运动伪影评分,边缘锐度评分,主胰管识别率 | NA |
| 4502 | 2025-11-05 |
Deep Learning Estimation of 24-2 Visual Field Map From Optic Nerve Head Optical Coherence Tomography Angiography
2025-Nov-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002626
PMID:40923848
|
研究论文 | 本研究开发了基于深度学习的光学相干断层扫描血管成像图像估计24-2视野图的方法 | 首次将深度学习应用于OCTA图像,利用视盘旁区域信息准确估计24-2视野图 | 研究样本量为994名参与者(1684只眼睛),可能存在一定的样本局限性 | 开发从OCTA视盘正面图像估计24-2视野图的深度学习模型 | 视神经头光学相干断层扫描血管成像图像 | 医学影像分析 | 眼科疾病 | 光学相干断层扫描血管成像 | 深度学习模型 | 医学影像 | 994名参与者的1684只眼睛,共3148个视野-OCTA配对 | NA | NA | 平均绝对误差, Pearson相关系数 | NA |
| 4503 | 2025-11-05 |
Decreased parietal epithelial cell density is linked to podocyte depletion and predictors of kidney disease progression in human kidneys
2025-Nov-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00243.2025
PMID:41052018
|
研究论文 | 开发深度学习方法来分析人类肾脏样本中壁层上皮细胞密度与肾小球疾病进展的关系 | 首次使用深度学习技术分析人类肾脏样本中壁层上皮细胞密度与肾小球疾病进展的关联 | 研究样本来自肾切除患者,可能不适用于所有慢性肾病患者群体 | 探究壁层上皮细胞在人类慢性肾小球疾病进展中的作用 | 肾切除样本中的肾小球壁层上皮细胞 | 数字病理学 | 慢性肾脏病 | 深度学习图像分析 | 深度学习 | 肾脏组织图像 | 超过14,000个肾小球 | NA | NA | NA | NA |
| 4504 | 2025-11-05 |
Authentication of forged inked fingerprints utilizing silicone molds
2025-Nov, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70111
PMID:40571990
|
研究论文 | 本研究提出了一种结合拉曼光谱、形态学分析和深度学习的快速无损方法,用于检测伪造的油墨指纹 | 首次将特征金字塔网络(FPN)和多头自注意力机制(MHSA)集成到ResNet中,开发了ResNet50_AuI深度学习模型用于指纹认证 | 拉曼光谱单独使用无法区分真假指纹,各方法在实际应用中的局限性需要进一步验证 | 开发有效的伪造油墨指纹检测方法,提高司法环境中法医证据的可靠性 | 油墨指纹(包括真实和伪造样本) | 计算机视觉 | NA | 拉曼光谱,形态学分析 | CNN | 图像 | 3600个油墨指纹 | NA | ResNet50, FPN, MHSA | 准确率 | NA |
| 4505 | 2025-11-05 |
Self-supervised model-driven deep learning for two-step phase-shifting interferometry
2025-Nov-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.577384
PMID:41185194
|
研究论文 | 提出一种用于两步相移干涉术的自监督模型驱动深度学习方法 | 结合预训练归一化网络和未训练模型驱动网络,通过基于物理的模型驱动方法实现自监督学习,无需真实相位图作为训练标签 | NA | 提高相移干涉术的相位重建精度和鲁棒性 | 干涉图相位重建 | 机器学习和计算成像 | NA | 相移干涉术 | 深度学习网络 | 干涉图图像 | NA | NA | PNNet(预训练归一化网络), UMNet(未训练模型驱动网络) | 误差降低率 | NA |
| 4506 | 2025-11-05 |
Edge-Guided Deep Learning Model to Predict Fetal Brain Age Using MRI
2025 Nov-Dec, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.70099
PMID:41185452
|
研究论文 | 提出一种结合边缘信息的深度学习模型,用于从胎儿脑部MRI预测脑年龄 | 在深度学习模型中引入全局边缘信息,弥补了传统方法忽略局部边缘细节的不足 | 回顾性研究,样本来源单一,需进一步外部验证 | 提高胎儿脑年龄预测的准确性和可靠性 | 207例单胎妊娠的1630张胎儿脑部冠状T2加权MR图像 | 医学影像分析 | 胎儿发育评估 | MRI | 神经网络 | 医学图像 | 1630张胎儿脑部MR图像(来自207个受试者) | NA | 边缘引导深度学习模型 | 平均绝对误差(MAE), 决定系数(R2) | NA |
| 4507 | 2025-11-05 |
Optic disc morphometrics as a potential ocular biomarker for depression: evidence from two cross-sectional cohort studies
2025-Oct-31, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-025-03691-y
PMID:41173843
|
研究论文 | 本研究通过自动眼底形态测量和血浆蛋白质组分析,探索视盘形态作为抑郁症潜在生物标志物的可能性 | 首次将视盘形态测量与血浆蛋白质组关联分析相结合,发现视盘圆度与抑郁症相关蛋白LRRN1和PRL的表达相关 | 横断面研究设计无法确定因果关系,样本量相对有限 | 探索视盘形态特征作为抑郁症客观生物标志物的潜力 | 来自英国生物银行和广东眼科-心理健康研究的412名参与者 | 数字病理学 | 抑郁症 | 自动眼底形态测量,Olink血浆蛋白质组分析,深度学习分割 | 深度学习分割模型 | 眼底图像,血浆蛋白质组数据 | 412名参与者(来自两个独立队列) | NA | NA | 比值比(OR),置信区间(CI),p值 | NA |
| 4508 | 2025-11-05 |
HSSAM-Net: hyper-scale shifted aggregation network for precise colorectal polyp segmentation in endoscopic images
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21954-y
PMID:41173911
|
研究论文 | 提出一种轻量级深度学习框架HSSAM-Net,用于内窥镜图像中结直肠息肉的精确分割 | 集成超尺度偏移聚合模块捕获多尺度上下文信息,提出渐进式重用注意力机制和新型双分支采样方案Max-Diagonal池化/反池化 | NA | 开发实时精确的结直肠息肉分割方法以辅助结肠镜检查 | 内窥镜图像中的结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 五个基准数据集(Kvasir, CVC-ClinicDB, ETIS, CVC-300, EndoCV2020) | NA | HSSAM-Net | Dice系数, mIoU, FPS | NA |
| 4509 | 2025-11-05 |
A multimodal multitask deep learning model for predicting stroke lesion and functional outcomes using 4D CTP imaging and clinical metadata
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21945-z
PMID:41173916
|
研究论文 | 开发了一种多模态多任务深度学习模型CTPredict,用于同时预测卒中病灶和功能结局 | 首个结合4D CTP影像和临床元数据同时预测卒中病灶和功能结局的多模态多任务深度学习模型 | 仅在111名AIS患者的多中心数据集上评估,样本量相对有限 | 预测急性缺血性卒中的病灶结局和功能结局 | 急性缺血性卒中患者 | 医学影像分析 | 卒中 | 4D CT灌注成像 | 深度学习 | 影像, 临床元数据 | 111名AIS患者 | NA | 多模态融合模块, 跨注意力机制 | Dice系数, 准确率 | NA |
| 4510 | 2025-11-05 |
Development and application of a deep learning-based tuberculosis diagnostic assistance system in remote areas of Northwest China
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22037-8
PMID:41173931
|
研究论文 | 开发并应用基于深度学习的结核病诊断辅助系统,以解决新疆喀什地区基层医疗机构诊断能力不足的问题 | 针对偏远地区医疗条件开发定制化的TB-UNET模型,并在多中心真实场景中部署应用 | 研究仅针对喀什地区,模型在其他地区的泛化能力有待验证 | 提高基层医疗机构结核病筛查效率,降低误诊和漏诊率 | 结核病患者胸部X光影像 | 计算机视觉 | 结核病 | 胸部X光成像 | 深度学习 | 医学影像 | 10,897例患者(10,002例训练,895例测试) | NA | TB-UNET | 敏感度, 准确率, 诊断时间 | NA |
| 4511 | 2025-11-05 |
Multi-feature deep learning framework for predicting CO adsorption mechanisms at metal oxide interfaces: a transformer-based approach
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22059-2
PMID:41173954
|
研究论文 | 提出一种集成Transformer架构与分子描述符的多特征深度学习框架,用于预测金属氧化物界面的CO吸附机制 | 首次将Transformer架构与可计算分子描述符结合,通过交叉特征注意力机制捕捉催化过程的多方面特性,无需昂贵DFT计算 | 仅针对七种金属氧化物系统进行验证,未涵盖所有可能的金属氧化物类型 | 开发高效预测CO在金属氧化物界面吸附机制的深度学习方法 | 单金属氧化物界面的CO吸附过程 | 机器学习 | NA | 分子描述符计算,DFT计算 | Transformer | 分子描述符(结构、电子、动力学) | 七种不同的金属氧化物系统 | NA | Transformer | 平均绝对误差,相关系数 | NA |
| 4512 | 2025-11-05 |
Enhancing gesture recognition for assisting visually impaired persons using deep learning in an IoT environment-based improved snake optimisation algorithm
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22070-7
PMID:41173994
|
研究论文 | 提出一种基于深度学习和改进蛇优化算法的手势识别方法,用于在物联网环境中辅助视觉障碍人士 | 结合Sobel滤波器、SqueezeNet特征提取、LSTM分类器和改进蛇优化算法,在物联网环境中实现高效实时手势识别 | 仅在手势数据集上进行实验验证,未提及在真实视觉障碍人群中的实际应用效果 | 开发高效的手势识别系统以辅助视觉障碍人士的日常交流和环境交互 | 视觉障碍人士的手势动作 | 计算机视觉 | 视觉障碍 | 深度学习,手势识别 | LSTM, SqueezeNet | 手势图像数据 | 手势数据集(具体数量未提及) | NA | SqueezeNet, LSTM | 准确率 | NA |
| 4513 | 2025-11-05 |
An intrusion detection system in the Internet of Things with deep learning and an improved arithmetic optimization algorithm (AOA) and sine cosine algorithm (SCA)
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22074-3
PMID:41173998
|
研究论文 | 提出一种结合生成对抗网络、混合优化算法和并行卷积神经网络-长短期记忆网络的物联网入侵检测系统 | 使用博弈论生成对抗网络平衡数据集,结合改进算术优化算法和正弦余弦算法进行特征选择,采用并行CNN-LSTM架构进行攻击检测 | NA | 开发高效的物联网入侵检测系统以应对网络攻击 | 物联网网络流量数据 | 机器学习 | NA | 深度学习 | GAN, CNN, LSTM | 网络流量数据 | NSL-KDD和UNSW-NB15数据集 | NA | PCNN, LSTM | 精确度, 检测准确率 | NA |
| 4514 | 2025-11-05 |
Climate modeling for South Asia: statistical and deep learning for rainfall and temperature prediction
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22149-1
PMID:41174025
|
研究论文 | 本研究通过可重复的预测流程,对南亚七国的月降雨量和温度进行预测,比较了四种水文气象预测方法的性能 | 首次在世纪尺度数据上对经典模型和深度学习模型进行联合跨国比较,采用统一预处理、早停法和交叉验证评估,并开发了混合模型选择指南 | 模型性能随变量和区域变化,未明确说明计算资源限制 | 开发水文气象预测框架以支持农业和水资源管理决策 | 南亚七国的月降雨量和温度数据 | 机器学习 | NA | 水文气象预测 | SARIMA, TDNN, LSTM, XGBoost | 时间序列数据 | 1901-2023年共1,476个月的数据,涵盖七个南亚国家 | NA | TDNN, LSTM | RMSE, MAPE, R², CV-RMSE | NA |
| 4515 | 2025-11-05 |
Enhancing PI control in microgrids using machine-learning techniques
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20781-5
PMID:41174042
|
研究论文 | 提出结合机器学习技术与传统PI控制器的微电网控制框架,提升可再生能源系统的稳定性 | 首次将人工神经网络和强化学习与传统PI控制器结合,实现控制器参数的动态实时调整 | 仅通过仿真验证,未进行实际硬件部署测试 | 提升微电网在可再生能源集成环境下的控制性能 | 包含太阳能和风能等分布式能源的微电网系统 | 机器学习 | NA | 机器学习,深度强化学习 | ANN, RL | 实时运行数据,历史性能指标 | 基于分布式能源的微电网仿真系统 | NA | 人工神经网络,强化学习控制器 | 电压总谐波失真,稳定时间,频率稳定性 | NA |
| 4516 | 2025-11-05 |
Deep learning for motion classification in ankle exoskeletons using surface EMG and IMU signals
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22103-1
PMID:41174104
|
研究论文 | 提出一种结合表面肌电信号和惯性测量单元的运动分类框架,用于踝关节外骨骼的实时控制 | 使用毛巾基纺织电极替代传统凝胶电极提升舒适度和耐用性,并展示仅需少量样本即可适应新用户的迁移学习能力 | 未明确说明具体达到的准确率数值 | 开发高精度、实时且适用于真实环境的踝关节外骨骼运动分类系统 | 踝关节外骨骼使用者 | 机器学习 | 老年疾病 | 表面肌电信号(sEMG)、惯性测量单元(IMU) | CNN | 多通道时间序列信号 | 包含五种日常功能动作的多通道记录 | NA | 卷积神经网络 | 准确率 | NA |
| 4517 | 2025-11-05 |
Integrating event information and multi dimensional relationships for improved financial time series forecasting
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22926-y
PMID:41174155
|
研究论文 | 提出一种融合事件信息和多维关系的双流Alpha因子融合网络(DAFF-Net)用于金融时间序列预测 | 创新性地结合事件驱动时序模式提取与多维关系感知通道软聚类,通过事件感知路由器融合时序数据与上下文事件信息,构建综合资产关系网络 | 主要验证基于亚马逊股票数据,仅对四个不同行业股票进行跨资产验证,样本覆盖范围有限 | 提高金融时间序列预测准确率,解决传统模型难以区分相似价格模式背后不同驱动因素的问题 | 金融时间序列数据,包括股票价格数据和相关事件信息 | 机器学习 | NA | 事件信息编码,多维关系融合 | 深度学习框架 | 时间序列数据,新闻文本,公司公告,宏观经济数据 | 亚马逊2010-2025年股票数据,四个不同行业(医疗保健、金融、能源、电动汽车)股票数据 | NA | DAFF-Net, 事件驱动时序模式提取器, 多维关系感知通道软聚类模块 | MSE, R² | NA |
| 4518 | 2025-11-05 |
Characteristics of brain glucose metabolism in Parkinson's disease patients with freezing of gait: a study based on 18F-FDG PET imaging and deep learning
2025-Oct-31, BMC neurology
IF:2.2Q3
DOI:10.1186/s12883-025-04468-y
PMID:41174540
|
研究论文 | 本研究基于18F-FDG PET成像和深度学习探讨帕金森病冻结步态患者脑葡萄糖代谢特征 | 首次结合18F-FDG PET成像与3D卷积神经网络分析PD-FOG患者特异性脑代谢模式 | 样本量较小(共46名参与者),需更大样本验证 | 探究帕金森病冻结步态患者的脑葡萄糖代谢特征并开发自动识别方法 | 帕金森病伴冻结步态患者、不伴冻结步态患者及健康对照者 | 医学影像分析 | 帕金森病 | 18F-FDG PET成像 | 3D CNN, 传统机器学习模型 | PET影像数据 | 18名PD-FOG患者、11名PD-NFOG患者、17名健康对照 | NA | 3D CNN | 准确率, 均方误差 | NA |
| 4519 | 2025-11-05 |
A novel modality contribution confidence-enhanced multimodal deep learning framework for multiomics data
2025-Oct-31, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06219-9
PMID:41174554
|
研究论文 | 提出一种模态贡献置信度增强的多模态深度学习框架,用于多组学数据分类任务 | 引入非参数高斯过程评估各模态的单模态置信度,并利用KL散度对齐多模态特征,解决了传统方法假设各模态贡献相等的问题 | NA | 改进多模态学习中的特征融合方法,提升多组学数据分类性能 | 多组学数据 | 生物信息学 | NA | 多组学分析 | 深度学习 | 静态信息、DNA、mRNA、miRNA、蛋白质数据 | 四个多组学数据集 | NA | 多模态深度学习框架 | 分类性能指标 | NA |
| 4520 | 2025-11-05 |
Skel-Net: automatic prediction of skeletal pattern on scanned lateral cephalograms using anatomical prior-guided deep learning network
2025-Oct-31, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06771-z
PMID:41174644
|
研究论文 | 提出一种基于解剖先验引导的深度学习网络Skel-Net,用于自动预测侧位头颅X光片上的骨骼模式变化 | 结合头颅测量标志点检测和多通道输入(包括二维热图和ANB先验)的两阶段方法,增强了对儿童和青少年颅面生长动态变化的预测能力 | 样本量相对有限(612张侧位头颅X光片来自245名患者),模型泛化能力需进一步验证 | 开发自动预测8-16岁儿童和青少年五年内ANB角度变化的深度学习模型 | 8-16岁儿童和青少年的侧位头颅X光片 | 计算机视觉 | 正畸疾病 | X光成像 | 深度学习网络 | 医学图像 | 612张侧位头颅X光片来自245名患者 | NA | Skel-Net, DenseNet121, MobileNetV2, ResNet101, VGG16 | 平均绝对误差, 均方根误差, R2值 | NA |