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 | 2025-12-22 |
GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy
2026-Jan, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2025.07.030
PMID:40749857
|
研究论文 | 本研究介绍了GastroNet-5M,一个包含约500万张内窥镜图像的多中心数据集,用于开发胃肠道内窥镜基础模型 | 提出了一个大规模、多中心的内窥镜图像数据集GastroNet-5M,并基于此通过自监督学习开发了基础模型,该模型在多项下游AI应用中表现出优越性能 | 数据集主要来自2012年至2020年荷兰的8家医院,可能在地域和时间上存在局限性 | 开发用于胃肠道内窥镜的基础模型,以提升AI系统的诊断准确性、数据效率和鲁棒性 | 胃肠道内窥镜图像 | 数字病理学 | 胃肠道疾病 | 内窥镜成像 | 深度学习模型 | 图像 | 4,820,653张内窥镜图像,来自约500,000次检查 | NA | NA | 分类准确率, 分割准确率 | NA |
| 2 | 2025-12-22 |
Identification of essential tremor and dystonic tremor using Graph Convolutional Networks with multiple connectivity patterns
2026-Jan, 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(MCGCN)分析静息态功能磁共振成像数据,以识别原发性震颤和肌张力障碍性震颤的关键脑区 | 结合图卷积网络与多种连接模式,首次用于区分原发性震颤和肌张力障碍性震颤,并识别其神经病理机制中的关键脑区 | 样本量相对较小(共158名参与者),且仅基于静息态功能磁共振成像数据,可能未涵盖所有相关神经特征 | 探索原发性震颤和肌张力障碍性震颤的神经病理机制,并开发基于脑连接模式的分类方法 | 原发性震颤患者、肌张力障碍性震颤患者和健康对照者 | 机器学习 | 神经系统疾病 | 静息态功能磁共振成像 | 图卷积网络 | 功能连接矩阵 | 55名原发性震颤患者、51名肌张力障碍性震颤患者和52名健康对照者,共158名参与者 | NA | 图卷积网络 | 准确率 | NA |
| 3 | 2025-12-22 |
Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC
2026-Jan, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70068
PMID:41410015
|
研究论文 | 本研究开发了一种基于人工智能的双标记免疫组化图像分析流程,用于验证成纤维细胞活化蛋白和α平滑肌肌动蛋白作为前列腺癌预后生物标志物的价值 | 开发了首个针对FAP和αSMA双标记免疫组化的AI辅助图像分析流程,实现了组织区室特异性的自动化生物标志物定量 | 研究基于组织微阵列样本,可能无法完全代表完整肿瘤异质性;部分预后关联仅在特定亚组(如MRI可见肿瘤)中观察到 | 验证FAP和αSMA作为前列腺癌预后生物标志物的临床价值,并开发标准化定量方法 | 前列腺癌组织样本 | 数字病理学 | 前列腺癌 | 双标记免疫组化 | 深度学习模型 | 高分辨率全切片数字图像 | 来自835名患者的4,097个组织微阵列核心 | 未明确说明 | 未明确说明 | 准确性 | 未明确说明 |
| 4 | 2025-12-22 |
Real-time construction safety monitoring using a drone based deep hybrid attention model
2025-Dec-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31392-5
PMID:41422095
|
研究论文 | 本文提出了一种基于无人机和深度混合注意力模型的实时建筑工地安全监控系统,用于检测个人防护装备(PPE)的使用情况 | 创新性地结合了离散膨胀余弦因果卷积多头自注意力(DCCMSA)和离散余弦-Krawtchouk-Tchebichef变换(DCKTKT),并利用猩猩优化算法(OOA)调整模型参数,实现了在变化环境下的稳定高性能检测 | 未明确说明模型在极端天气或复杂遮挡条件下的鲁棒性,以及大规模部署时的计算成本 | 提高建筑工地个人防护装备(PPE)检测的准确性和鲁棒性,以实现实时安全监控 | 建筑工地工人及其个人防护装备(如头盔、安全带、生命线) | 计算机视觉 | NA | 无人机实时监控、图像预处理(熵滤波和τ-Kendall相关分析) | 混合注意力模型(2D-3CKO-MTHSAN) | 图像 | 来自实际建筑工地和受控实验室环境的实时视觉数据 | NA | 离散膨胀余弦因果卷积Krawtchouk猩猩多头Tchebichef自注意力网络(2D-3CKO-MTHSAN)、自适应因果决策变换器 | 检测准确率 | NA |
| 5 | 2025-12-22 |
Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance
2025-Dec-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32954-3
PMID:41422307
|
研究论文 | 本研究提出了一种集成多物理场编码的异构图神经网络,用于大跨度斜拉桥有限元模型参数的精确更新 | 提出IMPFE-HGNN架构,通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑,以捕获传统架构无法访问的高阶多物理场语义 | 研究基于单一案例(大跨度斜拉桥)进行验证,其普适性有待在不同类型和规模的桥梁上进一步测试 | 提高大跨度桥梁结构性能评估中有限元模型参数更新的精度和可靠性 | 大跨度斜拉桥 | 机器学习 | NA | NA | 异构图神经网络 | 多物理场传感器数据(应变、挠度、温度、索力、加速度) | NA | NA | IMPFE-HGNN | 参数修正率(泊松比、弹性模量)、应变预测误差减少率、挠度预测精度提升率 | NA |
| 6 | 2025-12-22 |
Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders
2025-Dec-20, World journal of methodology
DOI:10.5662/wjm.v15.i4.107166
PMID:40900875
|
综述 | 本文综述了人工智能(AI)在眼科疾病筛查和诊断中的应用,特别是针对糖尿病视网膜病变等常见眼病 | 全面总结了AI在眼科的应用现状,并探讨了AI与远程医疗结合的未来前景 | 实施AI算法仍面临挑战,尤其是在发展中国家 | 探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景 | 糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病 | 机器学习 | 糖尿病视网膜病变 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 7 | 2025-12-22 |
Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions
2025-Dec-20, World journal of methodology
DOI:10.5662/wjm.v15.i4.105516
PMID:40900876
|
综述 | 本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值 | 整合多组学数据和先进影像技术,利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力 | 纳入研究的时间范围限定在2010-2024年,且样本量要求较大(≥500),可能遗漏早期或小样本的重要研究 | 评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用 | 2010年至2024年间发表的、关注牙周病与系统性疾病(如2型糖尿病、心血管疾病等)相互作用的研究 | 自然语言处理, 机器学习, 数字病理学 | 牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症 | 多组学数据整合, 锥形束计算机断层扫描, 磁共振成像 | 机器学习, 深度学习, 自然语言处理 | 结构化临床数据, 影像数据, 临床笔记文本 | ≥500名参与者,部分研究样本量为1000-1500 | NA | NA | 诊断准确率, 特异性, 敏感性 | NA |
| 8 | 2025-12-22 |
Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications"
2025-Dec-20, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.001
PMID:41421880
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2025-12-22 |
Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning
2025-Dec-20, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-25998-7
PMID:41421987
|
研究论文 | 本研究基于环境因素和深度学习,构建了常州市常见肠道传染病的短期发病率预测模型 | 提出了一种结合季节性趋势分解(STL)、Transformer和LSTM的先进混合模型(STL-T-L),并利用贝叶斯优化进行超参数调优,以提升预测性能 | 研究仅针对常州市,模型在其他地区的泛化能力未经验证,且依赖历史数据和环境因素,可能受数据质量和完整性的影响 | 构建常州市常见肠道传染病的短期日发病率预测模型,以用于疾病监测和预警 | 手足口病和其他感染性腹泻的日发病率数据,以及同期的气象和空气污染物数据 | 机器学习 | 肠道传染病 | 深度学习 | LSTM, Transformer, 混合模型 | 时间序列数据(发病率、气象、污染物) | 2014年5月13日至2024年12月31日的日数据 | NA | LSTM, Transformer, STL-T-L(季节性趋势分解-Loess、Transformer、LSTM混合模型) | RMSE, MAE, MAPE, MASE | NA |
| 10 | 2025-12-22 |
Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x
2025-Dec-20, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07486-x
PMID:41422004
|
研究论文 | 本研究评估了集成YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性 | 首次将YOLOv8x模型应用于真实口腔内照片进行龋齿检测,并与牙医诊断效率进行对比验证 | 类别特异性精度存在差异,罕见病变类别的检测率和特异性有待提高 | 评估人工智能模型在龋齿诊断中的效果,以替代传统耗时且依赖专业人员的诊断方法 | 印度尼西亚Cimahi地区小学生的口腔内照片 | 计算机视觉 | 龋齿 | 口腔内摄影 | CNN | 图像 | 3221张JPG照片(训练集2266张,验证集635张,测试集320张) | YOLOv8 | YOLOv8x | 平均精度均值(mAP), 交并比(IoU), 精确率, 召回率, 敏感性, 特异性 | NA |
| 11 | 2025-12-22 |
Smart room occupancy detection using neural networks and the puma optimization algorithm
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29938-8
PMID:41422073
|
研究论文 | 本研究提出了一种基于神经网络和PUMA优化算法的智能房间占用检测方法,旨在提高检测准确性和效率 | 采用PUMA优化器正弦余弦优化器(POSC)元启发式优化技术来增强神经网络模型的训练,实现了探索与利用之间的动态平衡,从而获得更快的收敛速度和更好的分类性能 | 研究基于公开数据集,可能未涵盖所有实际环境变化;优化算法在动态环境中的泛化能力有待进一步验证 | 开发一种高精度的房间占用检测方法,以支持智能建筑系统的能源高效管理、安全提升和舒适度改善 | 房间占用状态 | 机器学习 | NA | 环境传感器数据采集 | 神经网络 | 传感器数据(温度、湿度、光照强度、CO2水平) | 公开数据集 | NA | 神经网络 | 准确率、精确率、召回率、F1分数 | NA |
| 12 | 2025-12-22 |
Evidential deep learning for interatomic potentials
2025-Dec-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67663-y
PMID:41422077
|
研究论文 | 本文提出了一种基于证据深度学习的原子间势能模型框架,用于分子模拟中的不确定性量化 | 提出了一种物理启发的证据深度学习框架,在不显著增加计算开销或降低预测精度的情况下实现不确定性量化,在多种数据集上表现优于现有方法 | NA | 开发一种高效且准确的不确定性量化方法,以提高机器学习原子间势能在分子模拟中的可靠性 | 原子间势能模型、分子模拟系统 | 机器学习 | NA | 证据深度学习 | 深度学习 | 原子配置数据 | NA | NA | NA | 预测精度、不确定性量化效果 | NA |
| 13 | 2025-12-22 |
Advanced customer churn prediction for a music streaming digital marketing service using attention graph-based deep learning approach
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28357-z
PMID:41422130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2025-12-22 |
Interpretable deep learning for multicenter gastric cancer T staging from CT images
2025-Dec-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02002-5
PMID:41422179
|
研究论文 | 本文开发了一种可解释的深度学习框架GTRNet,用于从CT图像中自动进行胃癌T分期,并在多中心研究中验证了其性能 | 提出了一种无需手动分割或标注的端到端深度学习框架GTRNet,用于胃癌T分期,并引入了可解释性热图(Grad-CAM)来定位关注区域,结合临床特征构建了诺模图以提高临床决策支持 | 研究为回顾性设计,可能存在选择偏倚;模型在外部验证队列中的性能虽好,但需进一步前瞻性验证 | 开发一种自动化、可解释的深度学习方法来提高胃癌术前T分期的准确性和一致性,以支持治疗决策 | 胃癌患者的CT图像 | 计算机视觉 | 胃癌 | CT成像 | 深度学习 | 图像 | 1792名患者 | 未指定 | GTRNet | AUC, 准确率 | NA |
| 15 | 2025-12-22 |
Generalizable and scalable protein stability prediction with rewired protein generative models
2025-Dec-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67609-4
PMID:41422228
|
研究论文 | 本文提出了一种名为SPURS的深度学习框架,通过重新连接和整合蛋白质生成模型,用于预测蛋白质热稳定性变化 | SPURS框架创新性地将蛋白质语言模型和逆折叠模型结合,并通过大规模热稳定性数据进行监督微调,实现了对未见蛋白质和突变的泛化预测 | NA | 提高蛋白质稳定性预测的准确性、效率和可扩展性,并推广至蛋白质信息学的其他应用 | 蛋白质热稳定性变化,特别是由氨基酸替换引起的变化 | 机器学习 | NA | 深度学习,蛋白质生成模型 | 蛋白质语言模型,逆折叠模型 | 蛋白质序列数据,热稳定性数据 | 大规模热稳定性数据 | NA | NA | NA | NA |
| 16 | 2025-12-22 |
Deep learning to predict emergency department revisit using static and dynamic features (Deep Revisit): development and validation study
2025-Dec-20, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00509-x
PMID:41422240
|
研究论文 | 本研究开发并验证了一个结合静态和动态特征的深度学习模型,用于预测急诊科再就诊风险 | 提出了一个结合时间卷积网络和特征标记化Transformer的混合深度学习模型,首次有效整合了静态特征和短期动态生命体征数据用于急诊再就诊预测 | 研究基于单一医疗中心的数据,模型在外部验证和不同医疗环境中的普适性尚未验证 | 开发一个能够准确预测急诊科患者再就诊风险的深度学习模型,以支持临床决策 | 急诊科就诊患者 | 机器学习 | 急诊医学 | 临床数据挖掘 | 深度学习, 混合模型 | 结构化临床数据 | 台湾大学医院2016-2022年的急诊就诊数据 | NA | 时间卷积网络, Transformer | AUROC, AUPRC, 精确率 | NA |
| 17 | 2025-12-22 |
Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33010-w
PMID:41422297
|
研究论文 | 本研究开发了一种基于常规二维超声的AI框架,用于标准化辅助生殖技术中的卵巢储备评估,通过融合放射组学和深度学习模型来预测窦卵泡计数和抗缪勒管激素水平 | 首次提出结合放射组学和深度学习(基于ResNet50)的融合模型,利用常规二维超声图像标准化卵巢储备评估,克服了传统AFC评估的观察者间变异性和AMH检测的局限性 | 研究为回顾性设计,样本量相对有限(共395名患者),且仅来自两家附属医院,外部验证队列规模较小(n=94) | 开发一个AI驱动的框架,以标准化辅助生殖技术中的卵巢储备评估,并实现个性化的卵巢刺激方案优化 | 395名不孕症女性患者 | 数字病理学 | 生殖系统疾病 | 常规二维超声成像 | CNN | 图像 | 395名患者(训练队列210人,内部测试队列91人,外部测试队列94人) | NA | ResNet50 | R², AUC, 敏感性, 特异性 | NA |
| 18 | 2025-12-22 |
An AI-driven multi-omics framework identifies lactylation-mediated therapeutic targets to overcome drug resistance in ovarian cancer
2025-Dec-20, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01150-x
PMID:41422325
|
研究论文 | 本研究开发了一个AI驱动的多组学框架,用于识别卵巢癌中与乳酸化相关的基因、分层患者药物反应并建立预后标志 | 首次将乳酸化生物学与AI驱动的多组学分析整合,开发了一个精准肿瘤学框架,以发现可药物靶点并增强患者分层 | 传统分析方法往往无法整合多组学的复杂性,限制了可操作的乳酸化相关弱点的发现 | 开发一个AI驱动的多组学框架,以识别卵巢癌中乳酸化相关的治疗靶点并克服耐药性 | 卵巢癌患者的多组学数据,包括转录组、表观基因组、药物基因组、突变和临床结果数据 | 机器学习 | 卵巢癌 | 多组学分析,包括转录组学、表观基因组学、药物基因组学、突变分析 | VAE, LSTM, MLP | 多组学数据(转录组、表观基因组、药物基因组、突变、临床结果) | 来自TCGA、GDSC和独立卵巢癌队列的数据 | NA | 变分自编码器, 长短期记忆网络, 多层感知器 | 精确度 | NA |
| 19 | 2025-12-22 |
Advances in machine learning-enhanced microfluidic cell sorting
2025-Dec-19, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aea6007
PMID:41417905
|
综述 | 本文综述了机器学习增强的微流控细胞分选技术的最新进展,探讨了微流控与机器智能的协同作用及其在精准医疗中的应用前景 | 系统性地整合了微流控技术与机器学习(特别是计算机视觉和深度学习)的融合,提出了嵌入式自适应生物传感平台的发展路线图,以推动精准医学 | 模型泛化能力和硬件-软件集成方面仍存在挑战 | 探讨机器学习如何增强微流控细胞分选技术,以提高分选准确性、加速诊断并支持临床决策 | 微流控细胞分选系统及其产生的成像数据 | 计算机视觉, 机器学习 | NA | 微流控技术 | 深度学习 | 成像数据 | NA | NA | NA | NA | NA |
| 20 | 2025-12-22 |
Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data
2025-Dec-19, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/68438
PMID:41418282
|
研究论文 | 本研究利用自然语言处理和深度学习方法分析The Phoenix应用程序中用户生成的数据,以探索其在物质使用恢复过程中的社区支持作用 | 首次结合BERT主题建模和VADER情感分析来评估物质使用恢复应用程序的用户体验,揭示了该平台在促进积极社交连接方面的独特性 | 样本量有限且未与其他恢复论坛进行直接比较分析,需要更大数据集验证结果 | 评估The Phoenix应用程序在物质使用恢复过程中的核心用途和情感基调 | The Phoenix应用程序的用户生成帖子 | 自然语言处理 | 物质使用障碍 | 自然语言处理, 深度学习 | BERT, VADER | 文本 | 17617条帖子 | NA | Bidirectional Encoder Representation from Transformers | 主题一致性得分, 情感分析均值与标准差 | NA |