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 | 2026-11-17 |
Integrated transcriptomic and deep learning analyses define acRG signature for prognosis and therapeutic options in osteosarcoma
2027-Feb, Biochimica et biophysica acta. Molecular basis of disease
DOI:10.1016/j.bbadis.2026.168492
PMID:42826870
|
研究论文 | 该研究整合单细胞RNA测序数据,构建了与ac4C修饰相关的骨肉瘤预后特征(acRGBS),并验证了核心基因S100A13在肿瘤进展及顺铂治疗中的作用 | 首次将ac4C修饰相关基因与单细胞转录组和机器学习结合,构建六基因预后特征acRGBS,并揭示S100A13通过调控线粒体钙稳态影响骨肉瘤进展及化疗敏感性 | 功能实验主要基于细胞和异种移植模型,缺乏大规模临床队列的前瞻性验证,acRGBS的临床转化价值仍需进一步确认 | 构建骨肉瘤ac4C修饰相关预后特征,并探索核心基因S100A13的生物学功能及治疗潜力 | 骨肉瘤患者样本及骨肉瘤细胞系、异种移植小鼠模型 | 数字病理学, 机器学习 | 骨肉瘤 | 单细胞RNA测序, 转录组分析, 机器学习 | 机器学习预后模型 | 基因表达数据, 单细胞转录组数据 | NA | NA | NA | 总体生存预测, 风险分层 | NA |
| 2 | 2026-11-17 |
SynMatch: Rethinking consistency in medical image segmentation with sparse annotations
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109796
PMID:42945865
|
研究论文 | 提出了一种名为SynMatch的新框架,通过合成图像来匹配伪标签,从而避免改进伪标签的需要,用于稀疏标注的医学图像分割 | 利用同一分割模型提取纹理和形状特征合成图像,生成高度一致的合成图像-伪标签对,无需额外可训练组件进行图像合成 | 未明确说明 | 解决医学图像分割中标签稀缺问题,提高稀疏标注下的分割性能 | 医学图像(如息肉分割任务) | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 3 | 2026-11-17 |
Memory dendritic neural P systems for multi-ground type fault line selection in distribution networks
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109795
PMID:42950613
|
研究论文 | 该文提出一种记忆树突神经P系统(MDNP),用于配电网多接地类型故障选线,通过记忆树突因子触发规则、动态可调树突结构和自适应学习机制提升故障特征学习能力,并实现在线优化。 | 引入记忆树突因子触发规则、动态可调树突结构和自适应学习机制,突破传统神经P系统的点神经元计算模式,充分利用生物神经元的多树突分支特性,显著降低计算资源消耗并加速收敛。 | 摘要中未明确说明局限性 | 提高配电网在多种中性点接地类型和不同故障条件下的单相接地故障选线准确性和速度,并实现动态电网中的在线优化。 | 配电网单相接地故障线路 | 电力系统故障诊断 | NA | 神经P系统 | 记忆树突神经P系统(MDNP) | 故障信号数据 | NA | NA | MDNP | 故障选线准确率, 平均选线时间, 计算资源消耗 | NA |
| 4 | 2026-11-17 |
Breathing life into activation functions: the SWIn framework for sustained nonlinearity
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109784
PMID:42966017
|
研究论文 | 提出正弦波集成(SWIn)框架,通过在激活函数上叠加调整后的正弦波来保持持续非线性,从而提升模型性能 | 核心创新在于将调整后的正弦波叠加到激活函数上,确保复合函数在连续基激活函数的所有非饱和区域保持持续非线性特征,同时保留原始单调性和全局趋势 | 对于本身不光滑的函数如PReLU和SELU,SWIn变换倾向于放大现有的梯度不连续性,导致性能提升有限或没有提升 | 解决主流激活函数在输入极大或极小时退化为类线性行为的问题,增强神经网络对复杂非线性关系的建模能力 | 激活函数(SiLU、Mish、GELU等连续函数及PReLU、SELU等非光滑函数) | 计算机视觉, 自然语言处理 | NA | NA | NA | 图像, 文本 | CIFAR-100、ImageNet-1K图像分类数据集及WMT14 DE-EN、CS-EN、RU-EN机器翻译数据集 | NA | NA | NA | NA |
| 5 | 2026-11-17 |
Enhanced P300-based brain-computer interface decoding via region-weighted multiscale temporal-spatial representation learning method
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109768
PMID:42966015
|
研究论文 | 提出区域加权多尺度时空神经网络(RWMTS-Net)用于提升基于P300的脑机接口解码性能 | 引入区域分区模块按生理对齐分组电极,多尺度时空模块捕获多分辨率ERP动态,自适应通道注意力机制动态耦合局部动态与全局网络特征 | 仅在参与者依赖条件下评估,未涉及跨被试泛化;数据集规模有限 | 解决P300识别中低信噪比和非平稳动态导致的时空表征瓶颈,提高BCI解码准确性和鲁棒性 | P300脑电信号(公共数据集和自采集数据集) | 脑机接口 | 严重肢体残疾 | 脑电图(EEG) | CNN | 时序信号(EEG) | 两个数据集(公共数据集和自采集数据集),具体样本量未提及 | NA | RWMTS-Net(包含区域分区模块、多尺度时空模块、自适应通道注意力机制) | 平均字符识别准确率、信息传输率(ITR)、AUC、性能方差 | NA |
| 6 | 2026-11-17 |
Structure-constrained language-assisted diffusion model for unpaired low-dose computed tomography angiography reconstruction
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109801
PMID:42976584
|
研究论文 | 提出结构约束语言辅助扩散模型用于非配对低剂量CT血管造影重建 | 结合结构先验约束与语言辅助策略,利用空间智能实现准确增强,并引入减影血管造影增强模块 | 未明确说明具体局限性 | 解决非配对低剂量对比剂CT血管造影重建中的准确增强问题 | 低剂量对比剂CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | 扩散模型 | 图像 | NA | NA | 扩散模型 | 定性视觉比较和多种定量指标 | NA |
| 7 | 2026-11-17 |
Bayesian nonparametric survival analysis via deep Dirichlet process
2027-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109792
PMID:42976586
|
研究论文 | 提出一种基于深度狄利克雷过程混合模型的贝叶斯非参数生存分析框架DDPSurv,用于处理右删失和高维协变量下的生存数据 | 将深度参数化的狄利克雷过程混合模型引入生存分析,突破Cox模型的比例风险假设和传统参数模型的指数衰减限制,能更好刻画重尾生存分布,并提供理论保证证明模型能以紧的收敛速率逼近真实生存分布 | 摘要中未明确说明 | 解决传统生存分析方法在高维协变量违反比例风险假设以及传统参数模型难以捕捉长尾行为的问题 | 带右删失的生存时间数据,包括标准生存分析基准数据集以及MIMIC-III和MIMIC-IV临床数据集 | 机器学习 | NA | NA | 狄利克雷过程混合模型, 深度神经网络 | 表格数据, 临床数据 | 标准生存基准数据集、MIMIC-III和MIMIC-IV大规模数据集(具体样本量摘要中未给出) | PyTorch | 深度参数化狄利克雷过程混合模型 | NA | NA |
| 8 | 2026-11-17 |
Artificial intelligence-based automated computed tomography segmentation of shoulder muscles: functional muscle volume and post-operative range of motion after arthroscopic rotator cuff repair - A retrospective study
2027-Feb, JSES reviews, reports, and techniques
DOI:10.1016/j.xrrt.2026.100892
PMID:43034676
|
研究论文 | 本研究利用人工智能驱动的深度学习模型在术前CT上自动分割肩部肌肉,并分析定量肌肉特征与关节镜下肩袖修复术后肩关节功能之间的关联 | 采用人工智能驱动的自动分割方法对肩部内在肌和外在肌进行全面的三维定量评估,并首次探讨功能肌肉体积而非脂肪浸润与术后肩关节活动度的关系 | 回顾性研究设计,样本量较小(30例患者31个肩关节),随访时间平均20.2个月,仅使用Pearson相关分析,未进行多因素回归分析 | 评估人工智能驱动的肩部肌肉自动分割在术前CT上的应用,并研究定量肌肉特征与关节镜下肩袖修复术后肩关节功能之间的关联 | 接受关节镜下肩袖修复术的患者(30例患者,31个肩关节) | 数字病理学, 医学影像分析 | 肩袖损伤 | CT扫描 | 深度学习模型 | 图像 | 30例患者(31个肩关节)的术前CT扫描 | NA | NA | NA | NA |
| 9 | 2026-11-17 |
A comprehensive review of underwater image enhancement methods
2027-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109527
PMID:42636719
|
综述 | 本文系统综述了水下图像增强与修复领域的最新进展,涵盖成像机理、方法分类、数据集与评价指标,并对代表性方法进行了实验评估 | 系统性地梳理了从传统图像处理到深度学习的水下图像增强方法,结合物理成像机制进行分类分析,并在公开数据集上对代表性方法进行了定性与定量对比评估 | 现有方法仍难以应对复杂退化模式,泛化能力有限且计算成本较高 | 全面回顾水下图像增强与修复领域的研究进展,分析现有方法的原理、优缺点,并展望未来研究方向 | 水下图像增强与修复方法 | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | 定性分析, 定量分析 | NA |
| 10 | 2026-06-05 |
A Deep Learning Perspective on Preoperative Ultrasound and Intraoperative Discordance in Transcervical Fibroid Ablation
2026-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70325
PMID:42234588
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2026-06-05 |
A Deep Learning-Based Multimodal Nomogram for HLHS Risk Assessment: Practical Considerations
2026-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70323
PMID:42234603
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12 | 2026-06-18 |
Deep Learning for Ultrasound-Guided Prostate Biopsy: Toward Automated Targeting and Complication Prediction
2026-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70337
PMID:42302255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2026-11-17 |
Natural Language Processing Methods Automate Molecular Marker Extraction From Glioma Pathology Reports
2026-Dec-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000004000
PMID:41891708
|
研究论文 | 该研究评估了三种自然语言处理方法(正则表达式、TF-IDF与逻辑回归、BERT)从胶质瘤病理报告中自动提取分子标志物(IDH和ATRX)的效果 | 系统比较了计算复杂度递增的三种NLP方法在分子标志物提取任务上的性能与资源消耗,发现简单方法在外部队列中表现更优且资源需求极低 | 样本量相对有限,仅涉及IDH和ATRX两个标志物,未来需在更大数据集上验证并扩展至更多标志物 | 探讨在计算病理学研究中,更复杂的NLP方法是否比简单方法带来足够的性能收益 | 胶质瘤患者的病理报告 | 数字病理学 | 胶质瘤 | 自然语言处理 | 正则表达式,TF-IDF与逻辑回归,BERT | 文本 | 机构A 404例患者,机构B 197例患者;IDH分析399例(A)和193例(B),ATRX分析361例和130例 | NA | 正则表达式,TF-IDF,逻辑回归,BlueBERT,BERT-large | 准确率,AUC,内存使用量 | BERT方法需1825-1953 MB内存,正则表达式需0.82-5.52 MB,TF-IDF需17.27-34.89 MB |
| 14 | 2026-11-17 |
Systematic Review of the Relationship Between the Presence and Quality of Sidewalks and Children's Physical Health
2026-Dec, Childhood obesity (Print)
DOI:10.1177/21532176261475772
PMID:42605126
|
系统综述 | 系统回顾了人行道的存在和质量与儿童身体健康结果之间关系的研究 | 聚焦于儿童群体,综合了观察性和实验性研究,并提出了利用计算机视觉和深度学习进行自动化图像环境审计的未来方向 | 大多数研究为横断面设计,因果推断有限;与体重相关的结果不一致;研究多集中在北美地区 | 综合现有研究,探讨人行道可用性和质量与儿童身体健康结果之间的关联 | 儿童 | 公共卫生、城市健康、环境健康 | NA | 系统综述 | NA | 文本 | 39篇文章 | NA | NA | NA | NA |
| 15 | 2026-11-17 |
Deep-Learning Based Contrast Boosting: A Multi-Center Multi-Reader Study on Clinical Performance With Standard Contrast Enhanced Brain MRI
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70460
PMID:42608386
|
研究论文 | 评估基于深度学习的对比增强提升算法在常规临床脑MRI检查中的临床表现 | 使用FDA批准的深度学习对比提升算法,在不增加对比剂剂量的情况下,提升标准对比增强脑MRI的病灶可视化和图像质量 | 回顾性研究,证据等级为4,技术效能为第3阶段 | 评估基于深度学习的对比提升算法在常规临床脑MRI检查中的临床表现 | 110名接受临床对比增强脑MRI检查的患者(47±22岁;52名女性,47名男性,11名未提供) | 医学影像 | 脑部疾病 | 深度学习,MRI | 深度学习 | 图像 | 110名患者 | NA | NA | 对比噪声比, 病灶与脑比率, 对比增强百分比, 4分Likert量表评分 | NA |
| 16 | 2026-11-17 |
Image Quality of 1.5 T MRI Using Dual-Type Deep Learning Reconstruction for Pancreatic Cystic Lesions: An Exploratory Comparison With Conventional 3 T MRI Without Deep Learning Reconstruction
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70493
PMID:42627715
|
研究论文 | 评估1.5T MRI使用双类型深度学习重建对不同强度下胰腺囊性病变图像质量的影响,并与无深度学习重建的常规1.5T和3T MRI进行比较 | 首次探索双类型深度学习重建在1.5T MRI中对胰腺囊性病变图像质量的影响,并与3T MRI无深度学习重建进行对比 | 回顾性单中心研究,非同时性比较,样本量有限,且纹理自然性在80%深度学习重建下显著降低,存在图像增强与自然性之间的权衡 | 评估1.5T MRI使用不同强度双类型深度学习重建对胰腺囊性病变图像质量的影响,并与常规1.5T和3T MRI无深度学习重建进行比较 | 胰腺囊性病变患者 | 医学影像 | 胰腺囊性病变 | MRI | 深度学习重建 | 图像 | 99名胰腺囊性病变患者(53名男性,46名女性;年龄范围29.2-93.8岁),其中54名在前2年内接受过3T MRI检查 | NA | NA | 信噪比, 对比噪声比, 边缘上升距离, 5分Likert量表定性评分 | NA |
| 17 | 2026-11-17 |
Deep learning prediction of the knee adduction moment in females with osteoarthritis based on frontal plane data collection
2026-Dec, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2026.113634
PMID:42950572
|
研究论文 | 该研究探讨了基于额面数据采集的深度学习模型预测患有骨关节炎的女性膝关节内收力矩(KAM)的可行性,并评估了膝关节内收角作为额外预测因子的价值 | 提出仅使用额面运动学表示(七个下肢解剖标志点的轨迹)预测KAM,并比较了全连接神经网络(基于时间序列)和卷积神经网络(基于图像表示)两种流程;发现加入膝关节内收角作为额外预测因子可显著提高预测性能 | 样本量较小(共32名女性,其中29名用于模型开发,3名用于独立测试);仅针对女性骨关节炎患者;未使用无标记视频数据,而是基于标记点的运动捕捉数据 | 评估在限制性额面运动学表示下预测骨关节炎女性KAM第一峰值的可能性,并探究膝关节内收角是否提供超越解剖标志点轨迹的额外预测信息 | 32名患有骨关节炎的女性在正常步行时的运动学数据 | 数字病理学, 生物医学工程 | 骨关节炎 | 运动捕捉(Visual3D计算KAM) | 全连接神经网络, 卷积神经网络 | 时间序列数据, 图像化表示数据 | 32名女性(共64条腿),其中29名参与者用于模型开发(重复参与者级交叉验证),3名参与者(6条腿)作为独立测试集 | NA | 全连接神经网络, 卷积神经网络 | 皮尔逊相关系数r, 平均绝对误差(MAE) | NA |
| 18 | 2026-11-17 |
Seeing Beyond the Surgeon's Eye: Artificial Intelligence for Postoperative Monitoring of Free Vascularized Flaps: A Narrative Review
2026-Dec-01, Annals of plastic surgery
IF:1.4Q3
DOI:10.1097/SAP.0000000000004848
PMID:42554452
|
综述 | 本文综述了人工智能在游离血管化皮瓣术后监测中的应用,重点关注技术方法、临床应用、转化意义、当前局限性和未来研究方向 | 系统性地总结了AI辅助游离皮瓣术后监测的最新研究,并提出了标准化数据集、透明模型开发、多中心前瞻性研究和伦理合理的可互操作AI框架等未来发展建议 | 纳入的研究多为回顾性研究,缺乏前瞻性人体临床试验;数据集有限,缺乏外部验证;方法学异质性大;缺乏标准化结局指标;对多样肤色和临床环境的泛化性存在担忧 | 审查AI辅助游离皮瓣术后监测的最新研究,聚焦技术方法、临床应用、转化相关性、当前局限及未来研究方向 | 游离血管化皮瓣术后监测的相关研究 | 数字病理学 | 游离皮瓣缺血 | 可见光成像、红外成像、光电容积描记术、高光谱成像、多模态传感器数据 | 监督机器学习模型 | 图像、传感器数据 | 9项符合纳入标准的研究 | NA | NA | 诊断准确率 | NA |
| 19 | 2026-11-17 |
Designed multiple sequence alignments guide AlphaFold for improved modeling of loop-mediated protein-protein interactions
2026-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70882
PMID:43032903
|
研究论文 | 本文提出一个利用通过ProteinMPNN界面设计生成的合成多序列比对(MSA)来指导AlphaFold预测环介导的蛋白质-蛋白质相互作用的框架,并在纳米抗体、抗体和单抗体-抗原复合物上进行了基准测试 | 利用ProteinMPNN界面设计生成合成MSA,编码界面特异性接触信息,作为可控输入指导AlphaFold2-Multimer和AlphaFold3预测,提高对兼容界面的预测置信度和准确性,并能区分不兼容序列或对接姿势;同时用于结构精修和重排序,改善低置信度情况下的盲结构预测 | 摘要中未明确提及 | 提高对柔性环介导的蛋白质-蛋白质相互作用(如抗体、纳米抗体、单抗体)的建模准确性,并应用于蛋白质设计和盲结构预测 | 纳米抗体-抗原、抗体-抗原、单抗体-抗原复合物 | 计算生物学、蛋白质结构预测 | NA | 蛋白质结构预测、深度学习、MSA生成 | AlphaFold2-Multimer, AlphaFold3, ProteinMPNN | 蛋白质序列和结构数据 | NA | NA | AlphaFold2-Multimer, AlphaFold3, ProteinMPNN | 置信度(pLDDT等)、准确性(RMSD等) | NA |
| 20 | 2026-11-17 |
Biennial versus Annual Screening: Predicting Yearly Progression of Diabetic Retinopathy in a Large Veteran Population from Tabular Data
2026-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101417
PMID:43034723
|
研究论文 | 该研究利用机器学习模型,基于表格数据将糖尿病患者分类为低风险(可两年筛查一次)和高风险(需每年筛查),以预测糖尿病视网膜病变(DR)在1年和2年内的进展 | 仅使用常规收集的表格变量(无需视网膜影像)即可实现DR进展的有效风险分层,并首次在大规模退伍军人队列中比较规则方法、传统机器学习和深度学习架构预测DR逐年进展的能力 | 摘要中未明确说明模型局限性;为回顾性队列研究,数据来源于单一退伍军人电子健康记录系统,外部泛化性有待验证 | 利用机器学习模型预测糖尿病患者DR在1年和2年内进展的风险,以支持两年一次与每年一次筛查策略的个体化选择 | 美国退伍军人健康管理局远程眼科项目中32542名糖尿病患者的去标识化电子健康记录数据(1年队列16606人,2年队列15397人) | 数字病理 | 糖尿病视网膜病变 | 电子健康记录表格数据分析 | BERT, XGBoost, 传统机器学习, 规则方法 | 表格数据 | 32542名糖尿病患者(1年队列16606人,2年队列15397人) | NA | Bidirectional Encoder Representations from Transformers for Healthcare (BEHRT), Extreme Gradient Boosting (XGBoost) | AUROC, 灵敏度, 特异度, 期望校准误差, Brier分数, 95%置信区间 | NA |