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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-12-04 |
Dengue forecasting and outbreak detection in Brazil using LSTM: integrating human mobility and climate factors
2026-Mar, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.11.002
PMID:41321683
|
研究论文 | 本研究开发了一种基于LSTM的深度学习模型,用于预测巴西的登革热病例并检测疫情爆发,整合了人类移动性和气候因素 | 首次将人类移动性数据整合到基于深度学习的登革热预测框架中,以捕捉病毒传播的空间动态 | 未明确提及模型在更广泛地理区域或不同疾病背景下的泛化能力限制 | 提高登革热病例预测和疫情爆发的检测准确性,以支持早期预警系统和公共卫生干预 | 巴西选定城市的登革热病例数据、气候变量和人类移动性数据 | 自然语言处理 | 登革热 | 深度学习 | LSTM | 时间序列数据 | NA | NA | LSTM | MAE, MAPE, CRPS, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 2 | 2025-12-04 |
LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning
2026-Jan-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.344857
PMID:41330688
|
研究论文 | 本文介绍了一个名为LUMIR的LLM驱动的统一智能体框架,用于在低数据条件下实现多任务红外光谱分析的自动化与增强 | 提出了首个将结构化文献知识库、自动化预处理、特征提取和预测建模集成到统一流程中的LLM驱动框架,通过挖掘同行评审文献中的已验证策略并结合小样本学习,实现了在资源有限条件下的鲁棒光谱分析 | 框架在更广泛的光谱类型和极端数据稀缺场景下的泛化能力仍需进一步验证,且依赖于文献知识库的质量和覆盖范围 | 开发一个数据高效、可自动化的统一框架,以解决红外光谱分析中工作流程构建复杂、泛化能力差的问题 | 红外光谱数据 | 机器学习 | NA | 红外光谱分析 | LLM | 光谱数据 | 多个数据集,包括公开的牛奶近红外数据集、中草药、不同储存时长的陈皮、工业废水COD数据集以及Tecator和Corn两个公共基准数据集 | NA | 基于智能体的统一框架(LUMIR) | 与已建立的机器学习和深度学习模型性能相当(具体指标未明确列出,但涉及分类、回归和异常检测任务) | NA |
| 3 | 2025-12-04 |
REST: Holistic Learning for End-to-End Semantic Segmentation of Whole-Scene Remote Sensing Imagery
2026-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3609767
PMID:40938720
|
研究论文 | 本文提出了一种名为REST的端到端语义分割架构,用于全场景遥感影像的整体分割,解决了GPU内存限制问题 | 首次提出真正端到端的全场景遥感影像整体分割框架,引入空间并行交互机制(SPIM)以克服GPU内存约束并实现全局上下文感知 | 未明确提及具体局限性,但可能涉及对计算资源(如多GPU)的依赖 | 实现全场景遥感影像的精确语义分割,支持从单类到多类、从多光谱到高光谱、从卫星到无人机平台的各种场景 | 全场景遥感影像(WRI),包括多光谱和高光谱图像,来自卫星和无人机平台 | 计算机视觉 | NA | 遥感影像分析 | 深度学习模型 | 图像 | NA | PyTorch, TensorFlow(基于主流语义分割方法的集成) | 多种编码器和解码器(支持插件式集成),包括ResNet, U-Net等(基于主流方法) | 准确性, Dice系数(基于语义分割评估) | 多GPU(支持近线性吞吐量扩展),具体类型未指定 |
| 4 | 2025-12-04 |
Robust Brain Extraction Tool for Nonenhanced CT and CT Angiography: CTA-BET
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.240847
PMID:41147859
|
研究论文 | 开发并评估了一种基于深度学习的脑提取模型CTA-BET,用于CT血管造影和非增强CT图像的精确脑部分割 | 提出了一种专门针对CTA和NCCT图像的深度学习脑提取模型,在两种模态上均优于现有非商业基准工具 | 研究为回顾性研究,训练数据来自多机构但样本量有限(CTA训练集100例),未在更广泛的外部数据集上进行验证 | 开发一种鲁棒的脑提取工具,提升CTA和NCCT图像的自动化成像分析能力 | CT血管造影图像和非增强CT图像中的脑组织 | 数字病理学 | NA | CT血管造影,非增强CT | CNN | 3D医学图像 | 训练集:100例CTA患者(多机构);验证集:50例CTA患者(外部);NCCT验证集:132例患者(CQ500公开数据集) | NA | NA | Dice分数,Hausdorff距离,分数归一化直方图 | NA |
| 5 | 2025-12-04 |
Adnexal Lesion Discrimination Using Deep Learning Analysis of Dynamic Contrast-enhanced US Images
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.240786
PMID:41190943
|
研究论文 | 本研究开发了一种基于动态对比增强超声图像的多模态深度学习模型(OCNet),用于对附件病变进行分类 | 开发了首个基于动态对比增强超声图像的多模态深度学习模型(OCNet),用于附件病变分类,其性能超越了现有的O-RADS US和ADNEX模型,并能提升初级放射科医生的诊断表现 | 研究为回顾性设计,样本量相对有限(395例),且仅在中国14家医院进行,可能存在选择偏倚 | 开发并验证一种深度学习模型,以提高附件病变(特别是良恶性鉴别)的诊断准确性 | 经病理证实的附件病变患者 | 数字病理 | 卵巢癌 | 动态对比增强超声 | 深度学习模型 | 动态对比增强超声图像 | 395名女性患者(252例良性,143例恶性),分为训练集(275例)、内部测试集(57例)和外部测试集(63例) | NA | OCNet | AUC, 特异性 | NA |
| 6 | 2025-12-04 |
AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102931
PMID:41192800
|
综述 | 本文综述了AI驱动的衰老数字孪生在精准老年医学中的临床转化路线图,探讨了其潜力与挑战 | 提出了基于AI和多源异构数据整合的衰老数字孪生技术,用于实时健康监测、预测分析和个性化干预 | 训练数据集中存在年龄分层偏差,老年人群数据质量差异可能限制模型泛化性,数据隐私、算法透明度和临床验证问题尚未解决 | 探讨AI驱动的衰老数字孪生在精准老年医学中的临床转化潜力 | 衰老及相关疾病(如神经退行性疾病、心血管疾病和癌症) | 机器学习 | 老年疾病 | 深度学习 | NA | 多源异构数据 | NA | NA | NA | NA | NA |
| 7 | 2025-12-04 |
Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102948
PMID:41265569
|
综述 | 本文全面综述了面向老年人的跌倒检测技术,重点关注机器学习与深度学习方法,并探讨了未来研究方向 | 整合了AI驱动系统的监管框架,跨工程、计算机科学和老年学等多个领域,并明确了跌倒检测与骨质疏松症、神经系统疾病等病症之间的联系 | NA | 综述老年人跌倒检测技术的最新进展,特别是应对数据稀缺的挑战,并推动稳健AI系统的临床转化与监管批准 | 老年人跌倒检测系统 | 机器学习和计算机视觉 | 老年疾病 | NA | NA | 传感器数据和视觉数据 | NA | NA | NA | NA | NA |
| 8 | 2025-12-04 |
Magnetic resonance imaging analysis for Alzheimer's disease diagnosis using artificial intelligence: Methods, challenges, and opportunities
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102943
PMID:41265570
|
综述 | 本文综述了人工智能在利用磁共振成像诊断阿尔茨海默病领域的最新进展、挑战与机遇 | 系统性地总结了AI在MRI数据分析用于AD诊断中的最新方法、性能评估、临床应用潜力与局限性,并指明了未来研究方向 | 作为一篇综述文章,其局限性在于主要整合现有研究,而非提出新的原创方法或模型 | 为阿尔茨海默病的早期、准确诊断提供人工智能辅助的磁共振成像分析方法概述 | 用于阿尔茨海默病诊断的磁共振成像数据及基于此的人工智能模型 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | 磁共振图像 | NA | NA | NA | NA | NA |
| 9 | 2025-12-04 |
Unsupervised Gaze Representation Learning by Switching Features
2026-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3600680
PMID:40828694
|
研究论文 | 本文提出了一种无监督学习框架,通过切换特征来分离注视相关和注视无关信息,以改进3D注视估计 | 提出了一种无监督学习框架,通过编码图像并切换部分潜在特征来分离注视相关和注视无关信息,并理论证明了其有效性 | 未在摘要中明确说明 | 改进3D注视估计的无监督学习,以处理标注数据稀缺的问题 | 眼图像和面部图像 | 计算机视觉 | NA | 无监督学习 | 编码器-解码器架构 | 图像 | 未在摘要中明确说明 | 未在摘要中明确说明 | Cross-Encoder, Cross-Encoder++ | 未在摘要中明确说明 | 未在摘要中明确说明 |
| 10 | 2025-12-04 |
GAN-Based Domain Adaptation for Image-Aware Layout Generation in Advertising Poster Design
2026-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3602846
PMID:40857181
|
研究论文 | 本文提出了一种基于GAN的域适应方法,用于广告海报设计中的图像感知布局生成 | 引入了CGL-Dataset数据集,并设计了两种GAN模型(CGL-GAN和PDA-GAN),其中PDA-GAN结合了无监督域适应和像素级判别器,以生成基于输入图像视觉纹理的图像感知布局 | 未明确提及模型在处理极端或复杂图像内容时的泛化能力限制 | 研究如何利用深度学习模型生成广告海报的图形布局,特别是基于输入图像的布局生成 | 广告海报的图形布局生成,重点关注产品图像与布局的配对关系 | 计算机视觉 | NA | GAN, 无监督域适应 | GAN | 图像 | 60,548对带注释的修复海报和121,000张干净产品图像 | NA | CGL-GAN, PDA-GAN | 定量评估, 定性评估, 三种新颖的内容感知指标 | NA |
| 11 | 2025-12-04 |
An End-to-End Depth-Based Pipeline for Selfie Image Rectification
2026-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3604574
PMID:40889307
|
研究论文 | 提出一种基于深度学习的端到端自拍图像校正流程,以减轻透视畸变的影响 | 利用可微分渲染器实现深度估计和特征提取网络的端到端训练,并引入辅助模块预测相机水平移动以减少需要修复的区域,无需对脸部进行裁剪和复杂后处理 | 未明确说明在真实世界复杂场景中的泛化能力,且训练数据主要基于合成数据集 | 开发一种自拍图像透视畸变校正方法 | 自拍图像中的人脸 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用虚幻引擎生成的大规模合成人脸数据集,包含多种主体、头部姿态、表情、眼镜、服装和光照条件 | 未明确指定 | 未明确指定 | 定量和定性评估 | 未明确指定 |
| 12 | 2025-12-04 |
Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions
2026-Jan, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.109187
PMID:41092497
|
研究论文 | 本研究开发了可解释的机器学习和深度学习模型,用于预测苦味分子与TAS2R受体之间的相互作用 | 结合传统机器学习和深度学习方法,构建高性能且易于应用的模型,并通过协同集成增强模型的可解释性,促进对苦味化合物分子特性的全面理解 | NA | 预测苦味分子与TAS2R受体之间的相互作用,以辅助实验研究、药物设计及理解苦味受体功能 | 苦味分子与TAS2R(苦味受体)之间的相互作用 | 机器学习 | NA | NA | 机器学习,深度学习 | 实验验证数据 | NA | NA | NA | NA | NA |
| 13 | 2025-12-04 |
A multi-task deep learning model based on transformer for simultaneously evaluating the TVB-N and TVC contents of chicken breasts using two different hyperspectral imaging
2025-Dec-25, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.146725
PMID:41106264
|
研究论文 | 本研究开发了一种基于Transformer的多任务深度学习模型,结合双高光谱成像技术,用于同时预测鸡胸肉的总挥发性盐基氮和总活菌数含量 | 提出了一种新颖的多任务交错组Transformer模型,首次将双高光谱成像数据集成到多任务学习中,有效利用双光谱源的互补信息,在预测精度和稳定性上超越了现有CNN和Transformer模型,同时计算成本降低了50% | 研究仅针对鸡胸肉进行,未涉及其他肉类或食品类型;模型在工业环境中的大规模实时应用效果仍需进一步验证 | 开发一种可靠、无损的鸡肉新鲜度批量检测方法,用于肉类质量评估的工业应用 | 鸡胸肉 | 计算机视觉 | NA | 高光谱成像 | Transformer | 高光谱图像 | NA | NA | 多任务交错组Transformer模型 | 决定系数 | NA |
| 14 | 2025-12-04 |
Characterization of a Novel Mutansucrase (MUT-I) from Leuconostoc pseudomesenteroides G29: Enzymatic Properties and Product Analysis
2025-Dec-03, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c03636
PMID:41258707
|
研究论文 | 本研究对来自Leuconostoc pseudomesenteroides G29的新型突变蔗糖酶MUT-I进行了生化表征,包括其酶学性质、产物分析及其在α-葡聚糖工程中的应用潜力 | 首次对G29菌株的MUT-I酶进行详细生化表征,揭示了其双功能特性(合成葡聚寡糖和引入α-1,3分支),并利用AlphaFold 3深度学习工具识别了关键催化残基 | 研究主要基于体外实验,未涉及体内应用或大规模生产验证 | 表征新型突变蔗糖酶MUT-I的酶学性质,评估其在合成结构明确的α-葡聚糖方面的应用潜力 | 来自Leuconostoc pseudomesenteroides G29的突变蔗糖酶MUT-I及其合成的α-葡聚糖产物 | 生物化学与酶工程 | NA | 酶学表征、产物分析、深度学习结构预测 | 深度学习模型 | 酶学实验数据、结构预测数据 | 单一酶蛋白(重组MUT-I)及其产物 | AlphaFold 3 | AlphaFold 3 | 酶活性参数(Km、kcat)、产物结构分析(链接类型、分子量、热稳定性) | NA |
| 15 | 2025-12-04 |
Towards real-time non-invasive detection of hyperlipidemia through finger pulse image analysis using deep learning
2025-Dec-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae212a
PMID:41259810
|
研究论文 | 本研究开发了一种基于深度学习分析手指脉搏图像的非侵入性高脂血症检测方法 | 首次提出利用深度学习分析手指脉搏图像波形来检测高脂血症,实现非侵入性、实时诊断 | 样本量相对较小(81名患者和65名对照),需要更大规模的外部验证 | 开发一种非侵入性、经济高效的高脂血症诊断方法 | 高脂血症患者和健康对照者的手指脉搏波形 | 计算机视觉 | 心血管疾病 | 脉搏图像采集 | CNN | 图像 | 81名高脂血症患者和65名健康对照者,每组选取700个单脉搏波周期 | TensorFlow, PyTorch, Keras | 自定义CNN, VGG16 | 准确率, 精确率, 召回率, F1分数 | NA |
| 16 | 2025-12-04 |
Deep learning model for activity cliffs prediction: a comprehensive approach to protein kinase inhibitors
2025-Dec-03, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00721-1
PMID:41331397
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2025-12-04 |
Urban expansion identification and change analysis in Panjin China from 1990 to 2020
2025-Dec-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29448-7
PMID:41331411
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18 | 2025-12-04 |
Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets
2025-Dec-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3639477
PMID:41329579
|
研究论文 | 本研究通过系统评估深度学习模型在多个EEG数据集上的脑年龄预测性能,探讨了数据集偏移对模型泛化能力的影响 | 首次在脑年龄预测任务中系统评估深度学习模型对多个EEG数据集的泛化能力,并测试了1805种超参数配置 | 模型性能在不同数据集间差异显著,部分情况下R²出现负值,表明模型泛化能力仍受数据集特性限制 | 评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性和泛化能力 | 五个不同的EEG数据集 | 机器学习 | NA | 脑电图(EEG) | 深度学习模型 | EEG信号 | 五个EEG数据集(具体样本数未说明) | NA | NA | Pearson相关系数, R² | NA |
| 19 | 2025-12-04 |
A Multi-degradation Fundus Image Restoration Network Guided by Frequency Prompt
2025-Dec-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3639308
PMID:41329577
|
研究论文 | 本文提出了一种多退化眼底图像恢复网络(MFR-Net),通过频率感知提示学习统一处理复杂退化场景 | 提出了一种集成频率感知提示学习的全合一恢复框架,能够全面提取不同退化成分的频率域特征,并通过设计的提示生成和交互模块注入主干网络,同时结合无监督域适应以增强模型领域泛化能力 | NA | 开发一种能够处理多组分退化的眼底图像恢复方法,以提高临床诊断中图像质量 | 眼底图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | MFR-Net | 定量指标 | NA |
| 20 | 2025-12-04 |
Accurate Protein-Protein Interaction Prediction: Based on Multiview Heterogeneous Graph Autoencoders and Random Masking
2025-Dec-02, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3632083
PMID:41329588
|
研究论文 | 本文提出了一种基于多视图异构图自编码器和随机掩码的蛋白质-蛋白质相互作用预测模型MEGAE,旨在通过整合蛋白质的物理化学性质、结构细节和序列数据,实现高精度的PPI及相互作用位点预测 | 创新性地引入了多视图随机掩码训练策略,在重建过程中引入受控随机性以增强微环境嵌入的鲁棒性,并利用图神经网络从局部氨基酸相互作用到全局信号网络连接捕获多层次关系 | 未明确提及模型的计算复杂度或对大规模数据集的扩展性限制 | 实现高精度的蛋白质-蛋白质相互作用及其相互作用位点的预测 | 蛋白质-蛋白质相互作用及其相互作用位点 | 机器学习 | NA | 深度学习,图神经网络 | 自编码器,图神经网络 | 序列数据,结构数据,物理化学性质数据 | NA | NA | 向量量化自编码器,图神经网络 | 准确率 | NA |