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 | 2026-07-12 |
High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation
2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127748
PMID:41863219
|
研究论文 | 提出一种基于实验与理论交叉验证的高置信度拉曼光谱方法,用于肿瘤生物标志物蛋白检测 | 结合超滤纯化实验与第一性原理密度泛函理论计算,实现实验光谱与理论光谱的相互验证,并通过理论-实验交叉验证提升AI蛋白质分类准确率7.62% | 仅针对乳腺癌的四种肿瘤生物标志物蛋白进行验证,且需要高计算资源进行DFT理论计算,可能限制其在大规模应用中的效率 | 开发一种快速、准确且低成本的肿瘤生物标志物蛋白检测方法,用于癌症筛查和组织活检病理诊断 | 四种乳腺癌肿瘤生物标志物蛋白 | 机器学习 | 乳腺癌 | 拉曼光谱, 密度泛函理论, 超滤纯化 | 深度学习模型(文中未明确具体类型) | 拉曼光谱数据 | 四种蛋白质样品 | NA | NA | 准确率 | 需要高计算资源进行DFT计算(未具体说明GPU型号) |
| 2 | 2026-07-12 |
Hierarchical attention-assisted feature pyramid network with Variational Sparse Autoencoder for cancer classification using gene data
2026-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种结合分层注意力辅助特征金字塔网络与变分稀疏自编码器的癌症基因分类方法 | 创新地将稀疏感知表征学习、结构诱导空间嵌入与分层多尺度注意力融合在一个框架中,并使用改进梯度下降优化超参数 | 未提及 | 提高基于基因表达数据的癌症分类性能 | 基因表达数据中的癌症类型分类 | 机器学习 | 癌症 | 基因表达数据降维与图像转换 | 变分稀疏自编码器(VSAE)、分层注意力辅助特征金字塔网络(HA-FPN) | 基因表达数据 | 两个公开数据集 | NA | VSAE、HA-FPN | 准确率、精确率、召回率、F1分数 | NA |
| 3 | 2026-07-12 |
A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding
2026-Jul, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500267
PMID:41856938
|
研究论文 | 提出一种轻量级双注意力神经网络DA-EEGNet,用于高效鲁棒的运动想象脑电解码 | 通过集成通道注意力模块和深度注意力模块扩展EEGNet骨干网络,以紧凑参数实现有效空间-时间特征建模,仅含3.97k可训练参数即达到或超越现有深度学习方法 | 未明确提及局限性 | 解决运动想象脑机接口中空间-时间特征建模与模型参数紧凑化的平衡问题 | 运动想象脑电图信号 | 机器学习 | NA | 脑电图 | 卷积神经网络,注意力机制 | 脑电图信号 | 两个广泛使用的运动想象基准数据集 | NA | DA-EEGNet | 分类准确率,消融研究,可视化分析 | NA |
| 4 | 2026-07-12 |
Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings
2026-Jul, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2026.119585
PMID:41861586
|
研究论文 | 提出一种结合GALDIT框架与混合深度学习技术的海水入侵脆弱性评估方法,并在热带低洼沿海地区验证了其准确性 | 首次大规模应用CNN-XGBoost混合模型进行海水入侵脆弱性评估,通过集成土壤介质和井密度层改进GALDIT框架,并使用AHP和Wilcoxon符号秩检验优化参数权重与排序 | 传统GALDIT和修改后的Mod-GALDIT模型无法充分捕捉海水入侵的非线性空间复杂性,且研究可能受限于特定区域(奥里萨邦沿海)的数据和条件 | 提高热带低洼沿海地区海水入侵脆弱性评估的准确性,为地下水枯竭、盐分入侵和沿海水管理提供稳健解决方案 | 奥里萨邦沿海区域的海水入侵脆弱性 | 机器学习 | NA | NA | CNN, XGBoost | 空间数据(地理层、水文数据) | NA | NA | CNN, XGBoost | AUC, R值 | NA |
| 5 | 2026-07-12 |
MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs
2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2026.01.012
PMID:41856821
|
研究论文 | 提出一种基于Transformer的深度学习模型MorphMaskFormer,用于从全景X光片中自动估计第三磨牙Demirjian发育阶段 | 在经典UNet架构中引入轻量级Transformer注意力模块,借鉴Mask2Former设计,同时实现二值分割和A-H多分类分割 | 论文摘要未明确指出具体局限 | 提高牙龄估计的准确性和客观性,应用于法医和临床领域 | 全景X光片中的第三磨牙发育阶段 | 数字病理学 | 口腔疾病 | 深度学习 | CNN、Transformer | 图像 | 888张全景X光片,年龄7至30岁 | PyTorch | UNet、Mask2Former | IoU, Dice系数, 精确度, 召回率, 推理时间 | NA |
| 6 | 2026-07-12 |
Artificial intelligence-based prediction of boar reproductive fitness and health: Current status in research and practice
2026-Jun, Animal reproduction science
IF:2.2Q1
|
综述 | 本文综述了人工智能和机器学习在公猪繁殖健康评估中的研究与实践现状,重点介绍了基于成像数据(如流式细胞术、CASA)和光谱技术(如拉曼光谱、近红外)的精液质量预测方法,以及在实际生产中的应用 | 系统总结了AI/ML技术从传统精液描述性评估向预测性、精确化、整体性繁殖管理转变的进展,涵盖了超声灰度分析、跛行检测和精液运输监控等新应用领域 | 数据标准化不足、模型可解释性差、经济可行性受限是当前主要挑战 | 总结AI和ML技术在公猪繁殖能力和健康预测方面的创新与应用,推动猪业繁殖管理的转型 | 公猪(boar)精液质量、繁殖健康相关数据(如精子形态、活力、运输过程等) | 机器学习 | NA | 深度学习方法应用于成像数据(流式细胞术、CASA)、拉曼/近红外光谱、超声灰度分析 | 深度学习模型(如CNN等)、机器学习模型 | 图像数据(成像流式细胞术、CASA图像)、光谱数据、超声图像数据 | NA | NA | NA | NA | NA |
| 7 | 2026-07-12 |
Reliability of Rectus Femoris Ultrasound Measurements and Relationship With Truncal Muscle Mass in Healthy Individuals Using Concurrent CT Measurements as the Reference Standard: A Pilot Study
2026-Jun-01, Ultrasound quarterly
IF:0.7Q4
DOI:10.1097/RUQ.0000000000000737
PMID:41860417
|
研究论文 | 评估健康个体中股直肌超声测量的可靠性及其与CT躯干肌质量的关系 | 首次评估自动与手动超声测量方法的一致性,并结合深度学习和CT参考标准验证超声在肌质量评估中的可靠性 | 样本量较小(40例),仅针对健康肝脏捐献者,相关性较弱,可能限制临床推广 | 评估股直肌超声测量(横截面积和剪切波弹性成像)的可靠性,并探索其与CT躯干肌质量的关系 | 40名接受腹部CT的健康活体肝脏捐献者 | 机器学习 | NA | 超声成像,CT成像,深度学习 | 深度学习模型 | 图像(超声和CT图像) | 40名健康活体肝脏捐献者 | NA | NA | 组内相关系数,Dice系数,皮尔逊相关系数,调整R² | NA |
| 8 | 2026-07-12 |
Foodie traps within facebook cannabis promotional posts: Deploying multimodal deep learning AIs to monitor audience engagement
2026-Jun-01, Drug and alcohol dependence
IF:3.9Q1
DOI:10.1016/j.drugalcdep.2026.113128
PMID:41861608
|
研究论文 | 利用多模态深度学习AI分析Facebook上大麻推广帖子中的视觉策略与观众互动的关系 | 首次结合多模态大型语言模型(LLaVA和GPT-4o)系统分析社交媒体大麻广告的视觉线索与受众参与度的关联,揭示食物线索和特定颜色(红、黄、橙)对互动的显著影响 | 未提及样本的全面代表性及因果推断的可能性,可能存在平台特异性或时效性限制 | 监测大麻促销内容对青少年和年轻成人的暴露风险,并为公共卫生与监管政策提供依据 | Facebook平台2021至2022年间的大麻促销帖子及其视觉内容 | 自然语言处理, 计算机视觉 | NA | 多模态深度学习 | 多模态大型语言模型 | 图像, 文本 | Facebook帖子数据集,涵盖2021年至2022年期间 | NA | LLaVA, GPT-4o | NA | NA |
| 9 | 2026-07-12 |
Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada
2026-Jun, Annals of epidemiology
IF:3.3Q1
DOI:10.1016/j.annepidem.2026.110076
PMID:41862033
|
研究论文 | 通过比较秘鲁利马和加拿大蒙特利尔两个患者队列,研究基于人工智能的咳嗽声学分析在COVID-19检测中的表现,揭示咳嗽声学特征的人群差异及其对模型泛化能力的影响 | 首次系统比较不同地理人群(利马与蒙特利尔)的咳嗽声学特征差异,并评估基于XGBoost和深度学习的COVID-19筛查模型在跨人群场景下的迁移能力 | 样本仅来自两个城市且规模有限(605例),未涵盖多种流行病学背景,可能导致模型泛化结论的局限性;未探讨声学特征差异背后的具体环境或生理机制 | 评估基于咳嗽声学分析的AI模型在不同人群中的COVID-19检测性能,探索人群特异性对模型迁移性的影响 | 秘鲁利马和加拿大蒙特利尔的COVID-19疑似患者 | 机器学习 | COVID-19 | NAAT诊断、声学特征提取 | XGBoost、深度神经网络 | 咳嗽录音、临床数据 | 605名成年患者 | XGBoost, 深度学习框架(未明确指定) | XGBoost, 深度神经网络(未具体说明结构) | AUC | NA |
| 10 | 2026-07-12 |
Independent evaluation of deep learning models for detecting focal cortical dysplasia
2026-May, Epilepsy research
IF:2.0Q3
DOI:10.1016/j.eplepsyres.2026.107778
PMID:41861767
|
研究论文 | 独立评估三种深度学习工具在磁共振图像中检测局灶性皮质发育不良的性能 | 首次对三种最先进的FCD检测工具(DeepFCD、MELD分类器和MELDGraph)进行独立评估,并校准DeepFCD的预测阈值以提高特异性 | 深度学习模型在FCD诊断中的准确性、可靠性和可解释性有限,测试-重测一致性较低 | 评估深度学习模型在FCD诊断中的临床应用潜力 | 局灶性皮质发育不良(FCD)病变 | 计算机视觉, 机器学习 | 癫痫 | MRI | 深度学习 | 磁共振图像 | 101名FCD阳性癫痫患者和101名FCD阴性癫痫患者,共21人进行重复MRI扫描 | NA | DeepFCD, MELD分类器, MELDGraph | 准确率, 敏感性, 特异性, 阳性预测值, Dice系数 | NA |
| 11 | 2026-07-12 |
Multifunctional Flexible Sensor with Bionic Micro-Nano Hierarchical Structure for Dual-Mode Pressure and Temperature Sensing
2026-May, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.73163
PMID:41858305
|
研究论文 | 提出一种受生物启发的多功能柔性传感器,具有微纳分级结构,可实现压力和温度双模式传感 | 模仿蚂蚁、蜘蛛、蚊子和荷叶的生物结构,设计微纳分级结构,同时实现高疏水性和压力温度双模传感,且传感器性能优异 | 未提及 | 开发一种多功能柔性传感器,用于压力和温度双模式传感,并应用于医疗健康、智能机器人和人机交互 | 多功能柔性传感器 | 机器学习 | NA | MXene涂覆三聚氰胺泡沫和碳纳米管/聚偏氟乙烯纳米纤维膜制备 | 深度学习 | 图像 | NA | NA | NA | 压力灵敏度、温度灵敏度、响应时间 | NA |
| 12 | 2026-07-12 |
LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02883
PMID:41856929
|
研究论文 | 提出一个名为LiBRe的配体感知序列结合残基预测模型,用于虚拟筛选 | 显式结合蛋白质序列残基级信息和配体信息进行结合残基预测,显著优于现有序列和结构基线方法 | NA | 开发一种能考虑配体信息的序列结合残基预测模型,提升虚拟筛选和药物发现中的性能 | 蛋白质-配体结合残基 | 机器学习 | NA | NA | 深度学习模型 | 蛋白质序列和配体信息 | NA | NA | NA | NA | NA |
| 13 | 2026-07-12 |
Leveraging Residual Graph Convolutional Networks with Cross-Attention Mechanisms for High-Accuracy Protein Function Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00101
PMID:41861353
|
研究论文 | 提出RCHGO框架,利用残差图卷积网络和交叉注意力机制从蛋白质序列预测基因本体注释 | 创新性地融合残差图卷积网络与交叉注意力机制,分别利用手工特征和蛋白质语言模型特征进行决策级融合,实现了蛋白质功能的高精度预测 | 未明确说明局限性 | 开发一种从蛋白质序列直接推断基因本体注释的高精度深度学习方法 | 1,493个非冗余蛋白质 | 机器学习 | NA | 蛋白质语言模型 | 残差图卷积网络, 交叉注意力机制 | 蛋白质序列 | 1,493个非冗余蛋白质 | NA | 残差图卷积网络, 交叉注意力机制 | 准确率, 精确率, 召回率, F1值, AUC | NA |
| 14 | 2026-07-12 |
Predicting Recurrence and Outcomes After Stressor-Associated Atrial Fibrillation Using ECG-Based Deep Learning
2026-Apr-07, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.047146
PMID:41859908
|
研究论文 | 利用心电图深度学习模型预测应激相关房颤复发及预后 | 首次将基于心电图的AI模型用于评估应激相关房颤的复发风险,并验证其优于传统临床因素模型 | 研究为回顾性设计,可能存在选择偏倚;ECG模型基于既往验证,未在外部数据集中独立验证 | 评估心电图深度学习模型预测应激相关房颤患者房颤复发风险的能力 | 住院期间出现应激相关房颤的心内科及初级保健患者 | 机器学习 | 心血管疾病(房颤) | 心电图(ECG) | 深度学习模型(AI模型) | 心电图信号数据 | 3371名应激相关房颤患者 | NA | NA | AUC(ROC曲线下面积) | NA |
| 15 | 2026-07-12 |
StructEIT: realistic 3D EIT model generation from CT scans for deep learning applications
2026-Apr-02, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae5587
PMID:41861463
|
研究论文 | 提出了StructEIT框架,用于从CT扫描生成解剖学和生物物理学上真实的3D电阻抗断层成像模拟模型 | 首次整合了结构提取、表面电极附着和组织属性分配三个模块,弥合了CT成像与EIT之间的差距,实现了高保真EIT数据集的灵活生成 | NA | 解决EIT重建中缺乏真实解剖几何和电导率分布数据集的问题,促进监督和数据驱动重建方法的发展 | 人体CT扫描生成的胸部EIT模拟数据集(Chest-EIT) | 计算机视觉, 数字病理学 | NA | CT扫描, 电阻抗断层成像(EIT) | NA | 图像(CT图像)、仿真数据(EIT数据) | 超过1400例公开CT数据 | NA | NA | NA | NA |
| 16 | 2026-07-12 |
EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer
2026-Apr, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.151520
PMID:41861881
|
研究论文 | 提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT | 首次将转录因子结合谱与交叉注意力机制显式整合到Transformer模型中,以捕捉增强子与启动子间的协同调控关系 | 未提及 | 利用DNA序列和转录因子结合信息准确预测增强子-启动子相互作用 | K562和GM12878细胞系中26种转录因子的ChIP-seq信号 | 机器学习 | NA | ChIP-seq | Transformer | 序列数据 | K562和GM12878两种细胞系的转录因子结合谱数据 | PyTorch | Cross-Attention Transformer, 双通道卷积交叉注意力结构 | AUROC, AUPRC | NA |
| 17 | 2026-07-12 |
A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time
2026-Apr, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2026.02.005
PMID:41863188
|
研究论文 | 开发并验证一种基于深度学习的乳腺活检自动分诊系统,通过模拟研究评估其在马来西亚病理工作流中减少资源消耗和诊断周转时间的潜力 | 首次将深度学习分诊系统与离散事件模拟相结合,在马来西亚资源有限环境下评估其对病理工作流效率的实际影响,并使用大规模合成全切片图像数据集进行训练和验证 | 研究基于模拟数据而非真实世界数据,需要临床验证来确认实际效果 | 评估深度学习分诊系统在减轻病理医生工作负担、缩短诊断时间方面的潜在效益 | 马来西亚一个典型医院的乳腺活检病例 | 数字病理学 | 乳腺癌 | 全切片图像模拟 | 卷积神经网络 | 图像 | 大规模合成全切片图像数据集,包括良性和可疑样本 | NA | NA | AUC | NA |
| 18 | 2026-07-12 |
Deep Learning Empowered Microstructure Codebook: New Paradigm for Multi-Parameter Tissue Characterization Estimation
2026-Apr-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70513
PMID:41857810
|
研究论文 | 提出一种基于深度学习微观结构码本的新框架,用于多参数组织特征估计 | 创新性地将球平均技术与混合Mamba-CNN架构及可学习组织隔室核相结合,学习微观结构码本,实现跨协议泛化并适应新的微观指标,增强了可解释性和适应性 | 未明确提及局限性 | 实现精准、快速、多参数的微观结构成像,并克服当前深度学习方法协议泛化能力差和难以扩展至新指标的限制 | 扩散MRI中的微观组织特征,基于8种广泛使用的生物物理扩散模型估计24个微观结构指标 | 机器学习 | NA | 扩散磁共振成像(dMRI),球平均技术(SMT) | 混合Mamba-CNN架构 | MRI图像 | 多个数据集,具体样本规模未提及 | PyTorch | Mamba、CNN | 准确性、泛化性、可迁移性 | NA |
| 19 | 2026-07-12 |
Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data
2026-Mar-31, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c15772
PMID:41861271
|
研究论文 | 提出基于深度学习的同时预测框架DeepMAP,利用地球静止卫星数据量化多种空气污染物的共暴露 | 首次利用深度学习同时预测六种主要空气污染物(PM2.5、PM10、O3、NO2、CO、SO2),并开发共暴露指数以识别污染热点区域 | 未明确提及模型对极端污染事件的预测能力及数据源的时间覆盖限制 | 开发数据驱动框架以高时空分辨率评估多种污染物共暴露,支持空气质量管理和公共卫生决策 | 东亚地区六种空气污染物(PM2.5、PM10、O3、NO2、CO、SO2)的每小时浓度 | 机器学习 | 环境健康(未指定具体疾病) | 地球静止卫星观测数据 | 深度学习 | 时空数据(卫星观测、化学传输模型、地面监测站数据) | 未明确说明样本数量,但覆盖东亚区域及2021年3月事件 | 未明确指定 | DeepMAP(具体架构未描述) | 归一化均方根误差(NRMSE) | NA |
| 20 | 2026-07-12 |
Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study
2026-Mar-20, JMIR formative research
IF:2.0Q4
DOI:10.2196/87962
PMID:41861395
|
研究论文 | 提出一种将长短期记忆网络与GPT-4集成的方法,用于生物医学信号分类并提供可读解释的概念验证研究 | 首次将LSTM与GPT-4显式集成,实现自动化生物医学信号分类及生成人类可读的临床解释,为资源受限环境下的应用奠定技术基础 | 概念验证阶段尚未进行前瞻性临床验证和现场研究,且LSTM模型分类性能在部分数据集上仍有提升空间 | 开发并评估一种集成LSTM与GPT-4的技术框架,用于自动化生物医学信号分类并提供可读解释,作为未来资源受限环境部署的基础 | 公开PhysioNet数据集中的心电图和脑电图信号,包括MIT-BIH、PTB等六个数据集 | 自然语言处理, 机器学习 | 心血管疾病, 神经系统疾病 | NA | LSTM | 信号 | 专家评估共150个测试案例(每个数据集50例),其中MIT-BIH每类30例、PTB每类25例、其他每类20例 | PyTorch | 2层LSTM(128→64单元) | 准确率, F1分数, AUC | NA |