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 | 2025-11-08 |
CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning
2026-Feb, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2025.108896
PMID:41189712
|
研究论文 | 提出一种结合CNN和Autoformer的混合深度学习框架,用于自动检测和定位癫痫发作 | 首次将CNN的空间特征提取能力与Autoformer的时间建模能力相结合,通过自相关机制提取周期性依赖并将信号分解为趋势和季节成分 | 未提及模型在更广泛数据集上的泛化能力及计算效率分析 | 开发自动癫痫检测和定位方法以辅助临床诊断 | 多通道脑电图信号 | 数字病理 | 癫痫 | 脑电图 | CNN, Autoformer | 时序信号 | CHB-MIT公共数据集和SH-SDU专有数据集 | NA | CNN-Autoformer混合架构 | 准确率, 灵敏度, 特异性, 精确率, F1分数, 假阳性检测率 | NA |
| 2 | 2025-11-08 |
AI-powered programmable wetting-delamination μPAD for point-of-care food safety detection
2026-Jan-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118083
PMID:41092667
|
研究论文 | 开发了一种基于可编程润湿脱层定时器的微流控纸基分析装置,用于快速检测食品中的农药残留和转基因蛋白 | 采用可编程润湿脱层定时器实现流体延迟控制,通过预切割辅助浸染策略提高定时器稳定性50%以上,将传统颜色衰减信号转换为颜色增强信号提高灵敏度 | NA | 开发低成本、便携式的食品安全检测技术 | 农药残留(毒死蜱)和转基因蛋白(Cry1Ab/Ac) | 微流控技术 | 食品安全 | 微流控纸基分析装置、侧向流动分析、深度学习图像分析 | 深度学习 | 图像 | 40个真实样品 | NA | NA | 灵敏度、特异性、准确度 | NA |
| 3 | 2025-11-08 |
Feature extraction and intelligent diagnosis of ECG signals based on KANs and xLSTM
2026-Jan-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118105
PMID:41110222
|
研究论文 | 提出基于KAN和xLSTM的深度学习架构用于心电信号特征提取和心律失常智能诊断 | 首次将KAN网络和xLSTM网络应用于心电信号分析,KAN使用可学习的激活函数和样条函数替代传统权重参数,xLSTM引入指数门控机制并改进记忆结构 | NA | 开发更准确的心律失常检测方法以实现心血管疾病的早期预防和治疗 | 心电信号中的心律失常分类 | 机器学习 | 心血管疾病 | 心电信号分析 | KAN, xLSTM | 心电信号 | MIT-BIH数据库109,262个心跳样本,St. Petersburg INCART数据库166,909个心跳样本 | NA | Kolmogorov-Arnold networks, xLSTM | 准确率, F1分数 | NA |
| 4 | 2025-11-08 |
Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models
2025-Dec, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.25633
PMID:39905914
|
研究论文 | 使用2D和3D深度学习模型从微型CT图像中分割皮质骨、骨小梁和髓质孔隙 | 开发了名为BONe的新型深度学习模型,首次在2D和3D空间同时进行骨组织分割,并对比了两种方法的性能差异 | 3D模型计算成本巨大,限制了其可扩展性和实用性;在某些细节标记(如薄骨小梁)上表现不如2D模型 | 开发快速准确的骨组织自动分割方法,替代耗时且易出错的手动分割 | 水獭长骨的微型CT扫描图像 | 计算机视觉 | NA | 微型CT扫描 | CNN | 图像 | NA | NA | BONe (Bone One-shot Network) | NA | NA |
| 5 | 2025-11-08 |
Toxic effects of environmental biotoxin okadaic acid by network toxicology analysis and deep learning prediction
2025-Dec, Aquatic toxicology (Amsterdam, Netherlands)
DOI:10.1016/j.aquatox.2025.107578
PMID:40987019
|
研究论文 | 通过网络毒理学和深度学习策略研究环境生物毒素冈田酸(OA)的神经毒性分子机制 | 首次整合网络毒理学和深度学习方法,在系统生物学和分子相互作用层面实现多维互补分析 | 研究主要基于计算预测,实验验证相对有限 | 探究冈田酸(OA)的神经毒性分子机制及其与腹泻性脑损伤的关联 | 冈田酸(OA)及其相关毒性靶点 | 机器学习 | 神经毒性疾病 | 网络毒理学分析,深度学习预测,分子对接,生物层干涉技术 | 深度学习 | 生物分子相互作用数据 | 95个中枢靶点 | DeepPurpose | NA | 相互作用能量(INTERACTION_ENERGY),结合常数(K) | NA |
| 6 | 2025-11-08 |
Sequence-based chromatin activity modeling and regulatory impact prediction of genetic variants in farmed animals using deep learning
2025-Dec, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf139
PMID:41189647
|
研究论文 | 开发基于深度学习的框架,利用功能基因组数据预测农场动物非编码变异的调控影响 | 首次为多种农场动物构建物种特异性的序列到功能模型,通过染色质活性建模预测遗传变异的调控影响 | 受限于农场动物基因组资源不足,缺乏专门的计算工具 | 预测农场动物非编码遗传变异的调控功能并改进基因组预测 | 牛、鸡、猪和大西洋鲑四种农场动物 | 机器学习 | NA | ATAC-seq, DNase I hypersensitive site sequencing, ChIP-seq | 深度学习网络 | 基因组序列数据,染色质图谱数据 | NA | NA | NA | 序列建模准确度,功能评分预测能力,基因组预测性能提升 | NA |
| 7 | 2025-11-08 |
Upright-Net+: Enhanced Learning of Upright Orientation for 3D Point Clouds
2025-Dec, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3605201
PMID:40892647
|
研究论文 | 提出Upright-Net+模型,通过改进的图卷积网络和位置编码模块增强3D点云的直立方向估计能力 | 引入基于相对距离直方图统计的全局位置编码模块(GPE-RDHS)解决特征平滑问题,增强加权残差损失项惩罚假阳性预测,将连续方向问题转化为离散分类任务 | NA | 解决3D模型姿态对形状分析的影响,提升3D点云直立方向估计的准确性 | 3D点云数据 | 计算机视觉 | NA | 3D点云分析 | 图卷积网络 | 3D点云 | NA | NA | Upright-Net+ | NA | NA |
| 8 | 2025-11-08 |
AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting
2025-Dec, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3618184
PMID:41052120
|
研究论文 | 提出一种高效自适应的单步神经绘画模型AttentionPainter,用于将输入图像分解为参数化笔划序列 | 提出可扩展笔划预测器实现单次前向过程预测大量笔划参数、快速笔划堆叠算法提升13倍训练速度、笔划密度损失函数提升重建质量、笔划扩散模型支持基于笔划的图像修复和编辑 | NA | 解决现有神经绘画方法推理时间长和训练不稳定的问题 | 基于笔划的图像渲染和绘画生成 | 计算机视觉 | NA | 深度学习 | 注意力机制,扩散模型 | 图像 | NA | NA | AttentionPainter,Stroke Diffusion Model | 推理速度,训练效率,重建质量 | NA |
| 9 | 2025-11-08 |
High-level STING expression in tumour and inflammatory cells is linked to microsatellite instability and favourable tumour parameters in a cohort of over 1,900 colorectal cancer patients
2025-Dec, Pathology
IF:3.6Q1
DOI:10.1016/j.pathol.2025.05.008
PMID:40816937
|
研究论文 | 通过多重荧光免疫组化和深度学习算法分析1905例结直肠癌患者中STING表达与临床参数的关系 | 首次在大规模结直肠癌队列中系统评估不同细胞类型(肿瘤细胞与炎症细胞)中STING表达的临床意义 | 研究为回顾性分析,需进一步功能实验验证机制 | 评估STING表达在结直肠癌不同细胞类型中的临床意义 | 1905例结直肠癌患者组织样本 | 数字病理学 | 结直肠癌 | 多重荧光免疫组化,组织芯片 | 深度学习 | 组织图像 | 1905例结直肠癌患者 | NA | NA | p值 | NA |
| 10 | 2025-11-08 |
SFT-HN: a novel spatial-frequency-temporal hybrid network for EEG-based emotion recognition
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10366-3
PMID:41199757
|
研究论文 | 提出一种新颖的空间-频率-时间混合网络用于基于脑电图的情绪识别 | 首次提出结合空间频率残差模块和注意力双向LSTM的混合架构,能够同时提取脑电信号的空间-频率特征和时间上下文信息 | NA | 解决脑电信号中空间、频率和时间信息融合的挑战,充分利用不同情绪间的判别性局部模式 | 脑电图信号 | 脑机接口 | NA | 脑电图 | 深度学习混合模型 | 脑电图信号 | 在DEAP、SEED和FACED三个数据集上进行验证 | NA | 空间频率残差模块,注意力双向LSTM | 准确率 | NA |
| 11 | 2025-11-08 |
Emotion recognition using spatially unidimensional self-attention with fusion feature of brain effective connectivity network and spectral power
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10364-5
PMID:41199759
|
研究论文 | 提出一种融合脑有效连接网络和频谱功率特征的新策略,并设计基于空间一维自注意力的双通道1D-CNN模型用于脑电情绪识别 | 提出保留空间信息的二维脑有效连接网络与一维频谱功率特征融合策略,以及基于空间一维自注意力的双通道1D-CNN架构 | 未明确说明模型计算复杂度和实时性表现,缺乏在其他脑电数据集上的泛化性验证 | 提升基于脑电信号的情绪识别性能 | 脑电信号和情绪状态 | 脑机接口, 机器学习 | NA | 脑电图(EEG), 脑有效连接网络分析 | 1D-CNN, 自注意力机制 | 脑电信号 | SEED和SEED-IV数据集 | NA | 双通道1D-CNN, 空间一维自注意力(SAD-1D-CNN) | 准确率 | NA |
| 12 | 2025-11-08 |
Integrative Omics and AI-Driven Systems Biology: Multilayer Networks Decoding Apis mellifera Health and Resilience
2025-Nov-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00294
PMID:40997916
|
综述 | 本文综述了整合多组学与人工智能方法在解码蜜蜂健康与恢复力分子机制中的应用 | 将多组学整合与人工智能策略相结合,特别是应用深度学习、图神经网络和多层网络模型来解析非模式生物的分子调控网络 | 面临样本输入量有限和跨组学异质性等挑战 | 解码蜜蜂的分子恢复力机制,为系统生物学提供可推广的研究框架 | 蜜蜂及其分子调控网络 | 系统生物学 | NA | 蛋白质组学、代谢组学、脂质组学、空间组学、单细胞平台、质谱技术 | 深度学习、图神经网络、多层网络模型 | 多组学数据 | NA | NA | NA | NA | NA |
| 13 | 2025-11-08 |
Mental health support for schools with wearable biosensor monitoring using deep learning
2025-Nov-07, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae16ae
PMID:41130226
|
研究论文 | 提出基于多模态注意力机制的心理状态网络MAP-Net,通过可穿戴生物传感器监测学生心理健康状态 | 提出多模态行为-生理信号融合方法,设计注意力机制实现多源信号动态加权建模,能更精准捕捉心理状态细微变化 | 样本规模较小(仅36名高中生),未提及模型在其他年龄段或教育环境中的泛化能力 | 开发校园心理健康智能监测与预警系统 | 高中生心理健康状态 | 机器学习 | 心理健康问题 | 微机电系统传感器,多模态信号融合 | 深度学习,注意力机制 | 多模态行为生理信号 | 36名高中生,30天连续监测数据 | NA | MAP-Net,多模态注意力网络 | 准确率,召回率,F1分数,异常检测率,预警准确率 | NA |
| 14 | 2025-11-08 |
Domain generalization for diabetic retinopathy grading with phase augmentation framework
2025-Nov-07, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03469-w
PMID:41199099
|
研究论文 | 提出基于傅里叶变换的领域泛化框架用于糖尿病视网膜病变分级 | 提出包含傅里叶频谱增强、协作师生知识蒸馏和特征融合三个创新要素的领域泛化框架 | NA | 解决糖尿病视网膜病变分级中的领域泛化问题 | 眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 傅里叶变换 | 深度学习,知识蒸馏 | 图像 | 六个临床现实DR数据集 | NA | 双网络架构 | 泛化性能 | NA |
| 15 | 2025-11-08 |
Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging
2025-Nov-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04075
PMID:41199627
|
研究论文 | 提出一种结合模型重建与深度学习的方法来加速质谱成像 | 将光栅扫描前向模型与深度学习先验结合,无需针对不同采集设置重新训练即可重建高分辨率离子图像 | 未明确说明方法在极端稀疏采样情况下的性能边界 | 解决质谱成像中光栅扫描数据采集耗时的问题,实现高效组织成像和3D重建 | 不同MSI仪器、采集设置和组织类型获取的稀疏质谱成像数据 | 计算成像 | NA | 质谱成像 | 深度学习去噪器 | 质谱图像数据 | 多种组织类型(如脑部和肾脏切片) | NA | 基于预训练网络的去噪器 | 图像保真度 | NA |
| 16 | 2025-11-08 |
A Biologically Informed Vision-Guided Framework for Interpretable T Cell Receptor-Epitope Binding Prediction
2025-Nov-07, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512544
PMID:41199631
|
研究论文 | 提出一种生物信息启发的视觉引导深度学习框架DAISY,用于可解释的T细胞受体-表位结合预测 | 通过生物启发的条件自适应融合模块整合分层物理化学特征,联合建模残基级空间相互作用和全局生化背景 | NA | 准确识别T细胞受体与抗原表位之间的相互作用,推动癌症免疫治疗发展 | T细胞受体(TCRs)和主要组织相容性复合体(MHC)分子呈递的抗原表位 | 计算生物学, 生物信息学 | 癌症 | 深度学习, 计算机视觉 | 深度学习框架 | 生物序列数据, 物理化学特征 | NA | 深度学习框架 | 条件自适应融合模块, Score-CAM | ROC-AUC, PR-AUC | NA |
| 17 | 2025-11-08 |
Emerging trends in AI-integrated optical biosensors for point-of-care diagnostics: current status and future prospects
2025-Nov-07, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04899k
PMID:41200923
|
综述 | 本文综述了人工智能集成光学生物传感器在即时诊断领域的发展现状与未来前景 | 系统探讨人工智能技术与光学生物传感器的融合创新,重点关注传感器设计、数据科学和小型化的最新进展 | 面临数据隐私保护、系统集成复杂性和临床验证等挑战 | 分析人工智能集成光学生物传感器在即时诊断领域的发展趋势和应用前景 | 光学生物传感器及其与人工智能的集成系统 | 生物医学工程 | NA | SPR、荧光、比色法、拉曼光谱 | 机器学习、深度学习 | 光学传感信号 | NA | NA | NA | 灵敏度、特异性、多重检测能力 | 物联网、云计算 |
| 18 | 2025-11-08 |
Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology
2025-Nov-07, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000929
PMID:41201255
|
综述 | 美国肾脏病学会提出肾脏病护理中人工智能负责任的临床应用框架 | 首次为肾脏病领域AI应用建立系统性伦理与实践指南,强调医生参与和患者受益原则 | 属于指导性框架文件,未涉及具体技术验证或临床实践数据 | 制定肾脏病护理中AI应用的负责任实施指南 | 肾脏疾病患者群体(包括CKD、AKI、透析和移植患者) | 医疗人工智能 | 肾脏疾病 | 预测分析、机器学习、深度学习、生成式AI | NA | NA | NA | NA | NA | NA | NA |
| 19 | 2025-11-08 |
MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products
2025-Nov-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03958
PMID:41201272
|
研究论文 | 提出基于元结构的可解释框架MSformer,用于天然产物的表示学习 | 首次使用质谱启发的元结构碎片化算法,在有限天然产物数据上实现预训练,并具备分层可解释性 | 预训练数据仅包含40万个天然产物,数据稀缺问题仍存在 | 解决天然产物结构复杂性和数据稀缺问题,加速药物发现 | 天然产物分子及其元结构碎片 | 自然语言处理, 机器学习 | NA | 质谱启发的碎片化算法 | Transformer | 分子结构数据 | 40万个天然产物解构为2.34亿个元结构 | NA | Transformer | 在14个任务上的性能评估 | NA |
| 20 | 2025-11-08 |
Deep learning-driven false-lumen volumes predict adverse remodeling better than diameter in patients with residual aortic dissection on CT
2025-Nov-07, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12116-9
PMID:41201600
|
研究论文 | 本研究开发了一种深度学习分割模型,用于自动测量主动脉夹层患者的假腔体积,并证明局部假腔体积比传统直径测量能更好地预测不良主动脉重塑 | 首次开发深度学习模型自动分割主动脉夹层各组分并计算局部假腔体积,证明局部假腔体积在预测不良重塑方面优于传统直径测量 | 回顾性研究设计,样本量相对有限,外部验证集患者数量较少 | 开发主动脉夹层自动分割模型并评估不同测量指标对不良主动脉重塑的预测价值 | 残余主动脉夹层患者 | 数字病理 | 心血管疾病 | CT血管造影 | 深度学习分割模型 | 医学影像 | 322名患者(训练集120人,内部测试30人,外部测试10人,内部验证83人,外部验证79人) | NA | NA | Dice相似系数, AUC, 敏感性, 特异性 | NA |