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 | 2025-11-29 |
Accurate de novo design of high-affinity protein-binding macrocycles using deep learning
2025-Dec, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-01929-w
PMID:40542165
|
研究论文 | 介绍了一种基于深度学习的从头设计高亲和力蛋白质结合大环化合物的新方法 | 首次开发了基于去噪扩散模型的蛋白质结合大环化合物从头设计流程,无需大规模筛选即可获得高亲和力结合物 | 仅测试了四种不同蛋白质靶点,样本规模相对有限 | 开发高效的大环化合物设计方法用于诊断和治疗应用 | 蛋白质靶点和大环化合物结合物 | 机器学习 | NA | 深度学习,去噪扩散模型 | 扩散模型 | 蛋白质结构数据 | 针对4种不同蛋白质各测试不超过20个大环化合物设计 | NA | RFpeptides | 结合亲和力(K值),Cα均方根偏差 | NA |
| 2 | 2025-11-29 |
Reducing motion artifacts in the aorta: super-resolution deep learning reconstruction with motion reduction algorithm
2025-Dec, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01849-8
PMID:40782239
|
研究论文 | 评估结合运动减少算法的超分辨率深度学习重建技术在减少主动脉运动伪影方面的效果 | 首次将超分辨率深度学习重建与运动减少算法结合,显著提升主动脉CT图像质量 | 回顾性研究,样本量有限(86例患者),仅针对主动脉夹层诊断进行评估 | 比较不同深度学习重建算法在减少主动脉运动伪影方面的性能 | 接受胸部增强CT扫描的86例患者(平均年龄65.0±14.1岁,53例男性) | 医学影像处理 | 心血管疾病 | 对比增强CT扫描 | 深度学习重建 | CT医学影像 | 86例患者 | NA | 超分辨率深度学习重建 | 定量噪声、边缘上升斜率、边缘上升距离、伪影评分、锐利度评分、噪声评分、结构描绘评分、诊断可接受度评分 | NA |
| 3 | 2025-11-29 |
A hybrid deep learning model for O3 forecasting and explaining in the Yangtze River Delta Region of China
2025-Dec-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180901
PMID:41232287
|
研究论文 | 本研究开发了一种混合深度学习模型用于长三角地区臭氧浓度预测和解释分析 | 结合注意力机制序列到序列模型与层间相关性传播方法,首次在臭氧预测中量化不同特征的时空贡献 | 研究区域限于长三角地区,时间跨度仅为2020-2023年 | 开发可解释的臭氧浓度预测模型并分析特征贡献机制 | 长三角地区臭氧浓度及其影响因素 | 环境科学, 机器学习 | NA | 随机森林校正, 层间相关性传播, 潜在源贡献函数分析 | 注意力机制序列到序列模型, 随机森林 | 网格化臭氧数据, 气象参数, 地面观测数据 | 2020-2023年长三角地区9公里网格化数据 | NA | seq2seq with attention | 相关系数R, 均方根误差RMSE | NA |
| 4 | 2025-11-29 |
Self-supervised learning for MRI reconstruction: a review and new perspective
2025-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01274-y
PMID:40569542
|
综述 | 本文系统回顾了自监督深度学习在MRI重建领域的最新进展,探讨其克服全采样k空间数据依赖性的潜力 | 提出了自监督学习作为有监督方法替代方案的新视角,仅需欠采样k空间数据即可训练模型 | 方法在不同解剖结构的鲁棒性存在挑战,验证标准缺乏统一性,临床整合仍需完善 | 推动MRI重建技术发展,解决数据稀缺问题并缩短扫描时间 | 磁共振成像重建方法和技术 | 医学影像 | NA | 磁共振成像 | 深度学习 | k空间数据 | NA | NA | NA | 图像质量 | NA |
| 5 | 2025-11-29 |
Toward an Unbiased Deep Learning Classifier of Pediatric Middle Ear Disease
2025-Dec, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70031
PMID:40955059
|
研究论文 | 开发基于深度学习的儿科中耳疾病分类器,使用消费级耳镜图像准确识别中耳积液类型 | 首次使用廉价消费级耳镜图像训练深度学习模型,针对儿科中耳疾病分类,并采用多样化年龄代表性数据集 | 样本量相对有限(219名儿童),仅包含麻醉状态下的儿童图像,未在实时临床环境中验证 | 开发准确预测儿科患者中耳积液存在和性质的人工智能算法,改善抗生素合理使用 | 6个月至10岁儿童的中耳图像 | 计算机视觉 | 中耳炎 | 数字耳镜成像 | 深度学习 | 图像 | 219名儿童,737张图像(AOM 73张,OME 190张,无积液274张,无鼓膜200张) | NA | NA | 加权准确率 | NA |
| 6 | 2025-11-29 |
Development and evaluation of deep learning models for estimating the organ at-risk dose constraint from two-dimensional cine magnetic resonance imaging scans during irradiation
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70403
PMID:41310917
|
研究论文 | 开发并评估基于二维电影磁共振成像的深度学习模型,用于预测放疗期间危及器官的剂量限制 | 首次利用MR-Linac系统中的二维电影MRI实时图像预测膀胱V37Gy剂量约束 | 结果仅显示有限改进,存在若干局限性 | 开发能够从二维电影MRI估计危及器官剂量约束的深度学习模型 | 91名接受MR-Linac治疗的前列腺癌患者 | 数字病理 | 前列腺癌 | 二维电影磁共振成像,MR-Linac放射治疗 | 深度学习模型 | 二维MRI图像,三维MRI数据 | 91名患者,381个治疗分次 | NA | NA | 相关系数,平均绝对误差,曲线下面积,灵敏度,特异度 | NA |
| 7 | 2025-11-29 |
Paired PET-MRI Deep Learning Model for Translating [11C]PiB to [18F]Florbetaben Amyloid Images
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70168
PMID:41310910
|
研究论文 | 提出基于可变形卷积网络的U-Net模型,用于将[11C]PiB淀粉样蛋白PET图像转换为[18F]Florbetaben图像 | 首次将可变形卷积网络(DCNv3)与U-Net架构结合用于PET图像转换,能够捕捉长程依赖关系并提高计算效率 | 未明确说明样本量大小和具体计算资源配置 | 解决不同淀粉样蛋白示踪剂图像间的互换性问题,支持长期临床试验和多中心比较 | 阿尔茨海默病患者的淀粉样蛋白PET图像 | 医学影像分析 | 阿尔茨海默病 | PET-MRI成像 | U-Net | PET图像,MRI图像 | NA | NA | DCNv3-based U-Net | NA | NA |
| 8 | 2025-11-29 |
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密集小目标检测难题 | 仅使用620张RGB图像,数据规模相对有限;未在更多作物病害上验证方法通用性 | 开发自动化的小麦赤霉病病小穗率测量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 | 植物病害 | RGB图像分析 | CNN | 图像 | 620张高分辨率RGB图像,包含5222个小穗级标注 | PyTorch | FHBDSR-Net(包含多尺度特征增强、尺度感知注意力模块等自定义架构) | 平均精度,Pearson相关系数 | 资源受限的移动设备(轻量级设计,720万参数) |
| 9 | 2025-11-29 |
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 | 开发了一种基于计算机视觉和深度学习的拟南芥表型性状估计系统APTES,用于从照片中自动提取叶片和角果的性状参数 | 使用增强的Cascade Mask R-CNN和DetectoRS模型进行叶片和角果分割,在精度、召回率和F1分数上相比基线模型有显著提升 | 未明确说明模型在其他植物物种上的泛化能力限制 | 开发高通量植物表型性状估计系统 | 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 | 精度, 召回率, F1分数, 决定系数, 平均绝对百分比误差 | NA |
| 10 | 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 |
| 11 | 2025-11-29 |
Durative Monitoring of Sulfur Hexafluoride Characteristic Gases under Hydrogen Interference Using a Time2Vec-Encoded CNN-Transformer-LSTM Model Based on a Heterogeneous Gas Sensor Array
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02740
PMID:41165229
|
研究论文 | 提出一种基于异质气体传感器阵列和Time2Vec编码的CNN-Transformer-LSTM深度学习模型,用于六氟化硫分解气体的持续监测 | 首次将Time2Vec编码与CNN-Transformer-LSTM混合模型结合,并设计异质气体传感器阵列来降低交叉敏感性干扰 | 实验数据仅采集两天,数据量相对有限,需进一步验证长期监测性能 | 开发准确在线监测GIS系统中六氟化硫分解产物的方法 | 六氟化硫分解产生的HS、SO、CO和H₂四组分混合气体 | 传感器技术 | NA | 异质气体传感器阵列(金属氧化物半导体传感器、电化学传感器、Pd-Au合金氢传感器) | CNN, Transformer, LSTM | 气体传感器时序数据 | 连续两天采集的实验数据集,第一天数据进行了增强 | NA | Time2Vec-CNN-Transformer-LSTM混合架构 | 准确率, F1分数, R², RMSE | NA |
| 12 | 2025-11-29 |
Synergistic Integration of Frequency-Dependent Impedance and Machine Learning in Semiconductor Metal Oxide-Based Breath Sensors for High-Performance Gas Discrimination
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02656
PMID:41178758
|
研究论文 | 本研究结合频率依赖性阻抗谱和机器学习技术,开发了一种用于高性能气体识别的半导体金属氧化物呼吸传感器 | 通过结构组成改性的单传感器结合频率依赖性阻抗特征,在潮湿环境下实现了对化学性质相似气体混合物的高精度识别 | 研究仅针对丙酮和乙醇两种气体的混合物,且浓度范围有限(0.5-2.5 ppm) | 开发用于呼吸疾病检测的高性能气体识别传感器 | 铂负载二氧化锡传感材料对丙酮和乙醇混合物的识别 | 机器学习 | 呼吸系统疾病 | 频率依赖性阻抗谱 | DNN | 阻抗数据 | 丙酮和乙醇混合物在干燥和潮湿环境下的测试数据 | NA | 深度神经网络 | 准确率 | NA |
| 13 | 2025-11-29 |
Fuel-Free Rolosense: Viral Sensing Using Diffusional Particle Tracking
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02311
PMID:41191496
|
研究论文 | 介绍一种无需燃料的Rolosense病毒检测方法,利用微颗粒布朗运动进行机械力传感 | 采用机械力传感作为基本转导机制,利用微颗粒同时作为传感和转导元件,无需荧光报告基因或酶扩增 | NA | 开发高灵敏度病毒诊断方法 | 完整病毒颗粒,包括SARS-CoV-2变种BA.1和BA.5,以及流感A、HCoV OC43和229E等其他病毒病原体 | 生物传感 | 病毒感染 | 扩散粒子追踪,布朗运动传感 | 深度学习 | 粒子运动轨迹数据,图像数据 | NA | NA | NA | 检测限(10拷贝/mL),特异性 | 3D打印明场显微镜 |
| 14 | 2025-11-29 |
From multi-omics to deep learning: advances in cfDNA-based liquid biopsy for multi-cancer screening
2025-Nov-28, Biomarker research
IF:9.5Q1
DOI:10.1186/s40364-025-00874-z
PMID:41310905
|
综述 | 本文综述了基于cfDNA的液体活检在多癌筛查中的最新进展,重点介绍了多组学标志物与深度学习技术的整合应用 | 整合多模态cfDNA生物标志物并通过机器学习方法增强癌症检测性能,同时强调可解释AI模型的发展方向 | 存在肿瘤异质性、数据处理标准化、模型可解释性和成本限制等挑战 | 推进基于cfDNA的液体活检技术在多癌筛查中的临床应用 | 循环游离DNA(cfDNA)及其相关生物标志物 | 机器学习 | 多癌种筛查 | 液体活检, cfDNA分析, 多组学分析 | 机器学习, 深度学习 | 基因组数据, 表观遗传数据 | NA | NA | NA | NA | NA |
| 15 | 2025-11-29 |
Computational design of protein complexes: influence of binding affinity
2025-Nov-28, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04821d
PMID:41311232
|
综述 | 本文综述了蛋白质复合物结合亲和力的计算预测与设计策略 | 系统总结了机器学习在蛋白质复合物亲和力预测与设计中的最新进展,并展望了AI与高通量筛选结合的未来方向 | 未提供具体的实验验证数据,主要基于现有文献综述 | 探讨蛋白质复合物结合亲和力的计算预测与理性设计方法 | 蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物 | 计算生物学 | NA | 结构预测、亲和力预测、突变效应分析 | 机器学习、深度学习 | 三维结构数据、序列数据 | NA | NA | NA | NA | NA |
| 16 | 2025-11-29 |
Clinical applications of artificial intelligence in the histopathology of lymphoma: diagnosis, treatment and prognosis
2025-Nov-28, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03970-6
PMID:41313419
|
综述 | 本文综述人工智能在淋巴瘤病理学中的临床应用,涵盖诊断、治疗和预后评估 | 创新性总结AI在淋巴瘤三维病理学中的前沿应用,系统分析AI在淋巴瘤诊疗全流程的临床应用 | NA | 促进淋巴瘤精准诊疗,为AI在淋巴瘤领域的应用提供理论基础 | 淋巴瘤病理切片和PET/CT影像 | 数字病理学 | 淋巴瘤 | HE病理切片,PET/CT成像 | 深度学习,决策树,回归模型 | 图像 | NA | NA | NA | NA | NA |
| 17 | 2025-11-29 |
Global and regional accuracy of deep learning-based tumor segmentation from whole-body [18F]fluorodeoxyglucose PET/CT images
2025-Nov-28, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01333-4
PMID:41313553
|
研究论文 | 本研究评估基于深度学习的肿瘤分割方法在全身[¹⁸F]FDG-PET/CT图像中的全局和区域准确性 | 首次系统评估nnU-Net在全身FDG-PET/CT肿瘤分割中的性能,并分析肿瘤背景比(TBR)与分割准确性的关系 | 仅针对三种特定癌症类型(肺癌、淋巴瘤、黑色素瘤),样本来源单一 | 测试深度学习算法预测体积与手动分割体积的关系,评估预测准确性与正常背景摄取的关联 | 1334例经组织学确诊的肺癌、淋巴瘤和黑色素瘤患者的[¹⁸F]FDG-PET/CT扫描图像 | 数字病理 | 肺癌,淋巴瘤,黑色素瘤 | [¹⁸F]FDG-PET/CT成像 | CNN | 医学图像 | 1334例PET/CT扫描(训练集933例,验证集267例,测试集134例) | MONAI | nnU-Net | Dice score,F1 score,线性相关系数 | NA |
| 18 | 2025-11-29 |
Accuracy comparative study of automatic landmarking and diagnostic models on lateral cephalograms
2025-Nov-27, Progress in orthodontics
IF:3.5Q1
DOI:10.1186/s40510-025-00598-8
PMID:41307859
|
研究论文 | 比较自动标志点定位模型和自动诊断模型在侧位头颅X光片上的性能差异 | 首次在同一外部测试数据集上直接比较自动标志点定位模型和自动诊断模型的性能、泛化能力和迁移能力 | 研究中的比较是间接的,未直接整合两种模型的优势 | 评估和比较两种深度学习模型在头影测量分析中的性能 | 侧位头颅X光片 | 医学影像分析 | 口腔颌面畸形 | 头影测量分析 | 深度学习模型 | X光影像 | 基于中国北方人群外部测试数据集和IEEE 2015 ISBI挑战赛数据集 | NA | NA | 准确率 | NA |
| 19 | 2025-11-29 |
Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes
2025-Nov-27, Science (New York, N.Y.)
DOI:10.1126/science.adi8577
PMID:41129612
|
研究论文 | 提出一种利用转录组学数据的主动深度学习框架,用于高效识别调控疾病表型的化合物 | 开发了结合组学数据的主动深度学习框架,相比现有方法在表型命中率上实现13-17倍提升,并引入实验室闭环签名优化步骤 | NA | 开发可扩展、可优化的计算方法来识别诱导复杂表型的化合物 | 调控疾病表型的化合物 | 机器学习 | 血液疾病 | 转录组学 | 深度学习 | 组学数据 | NA | NA | NA | 召回率, 表型命中率 | NA |
| 20 | 2025-11-29 |
Deep learning-based quality control and diagnosis of bronchial images
2025-Nov-27, Respiration; international review of thoracic diseases
DOI:10.1159/000548342
PMID:41308068
|
研究论文 | 本研究探讨深度学习技术在支气管图像质量控制和诊断中的应用前景 | 系统分析AI在医学内窥镜领域的技术迁移潜力,为支气管图像分析提供新路径 | 模型泛化能力需通过多中心临床验证进一步优化,实时决策支持系统的临床应用尚待探索 | 提高支气管镜检查的标准化水平和诊断效率 | 支气管镜图像 | 计算机视觉 | 肺部疾病 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |