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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-10-05 |
Explainable deep learning for tumor dynamic modeling and overall survival prediction using Neural-ODE
2023-11-18, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-023-00317-1
PMID:37980358
|
研究论文 | 提出基于神经微分方程的肿瘤动态建模方法,用于肿瘤动态建模和总生存期预测 | 克服现有模型在截断数据预测中的偏差问题,提出具有时间广义齐次性的动力学规律表达 | NA | 提高肿瘤动态建模的预测能力,实现个性化治疗并改善决策过程 | 纵向肿瘤尺寸数据 | 机器学习 | 肿瘤 | 神经微分方程 | 神经网络 | 纵向数据 | NA | NA | 编码器-解码器架构, Neural-ODE | 准确率 | NA |
| 82 | 2025-10-05 |
Research hotspots and trends of artificial intelligence in rheumatoid arthritis: A bibliometric and visualized study
2023-11-10, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023902
PMID:38124558
|
文献计量学研究 | 通过文献计量学方法分析人工智能在类风湿关节炎领域的研究热点与发展趋势 | 首次系统性地对人工智能在类风湿关节炎领域的文献进行计量学分析和可视化展示 | 仅基于Web of Science数据库文献,可能存在收录范围限制 | 分析人工智能在类风湿关节炎领域的研究特征和发展趋势 | 2003-2022年间859篇相关学术文献 | 医疗人工智能 | 类风湿关节炎 | 文献计量分析,可视化分析 | 机器学习,深度学习 | 文献元数据 | 859篇文献 | Microsoft Excel, R软件, VOSviewer | NA | NA | 标准计算机工作站 |
| 83 | 2025-10-05 |
Effective multi-class lungdisease classification using the hybridfeature engineering mechanism
2023-11-07, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023896
PMID:38052644
|
研究论文 | 本文提出了一种基于混合特征工程的深度学习模型,用于胸部X射线图像的13种肺部疾病分类 | 提出了改进的Aquila优化卷积神经网络,结合优化CNN和DENSENET121并应用批量均衡化 | 未提及模型可解释性,未来需要探索可解释机器学习方法来理解模型决策 | 开发高效的计算机辅助模型用于肺部疾病分类 | 13种肺部疾病的胸部X射线图像 | 计算机视觉 | 肺部疾病 | 医学影像分析 | CNN, DENSENET121 | 图像 | 112,000张胸部X射线图像 | NA | 改进的Aquila优化CNN, DENSENET121 | 准确率, 精确率, 灵敏度, 特异性, F1分数 | NA |
| 84 | 2025-10-05 |
Artificial intelligence methods in kinase target profiling: Advances and challenges
2023-11, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2023.103796
PMID:37805065
|
综述 | 概述基于机器学习和深度学习的定量构效关系模型在激酶靶点分析中的最新进展 | 总结了激酶分析领域ML/DL-QSAR模型的最新发展趋势,并探讨了实验数据集构建和模型架构设计方面的挑战与未来方向 | NA | 为激酶药物发现中的选择性/特异性挑战提供解决方案,涉及先导化合物优化、药物重定位和药物副作用理解 | 激酶蛋白及其抑制剂 | 机器学习 | NA | 定量构效关系(QSAR) | 机器学习,深度学习 | 化学结构数据 | NA | NA | NA | NA | NA |
| 85 | 2025-10-05 |
TransUFold: Unlocking the structural complexity of short and long RNA with pseudoknots
2023-10-17, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023854
PMID:38052602
|
研究论文 | 提出基于深度学习的TransUFold方法,用于准确预测包含假结的RNA二级结构 | 首次将Vision Transformer架构应用于RNA二级结构预测,能够有效提取RNA序列中的长程相互作用 | 性能依赖于高质量RNA结构数据的可用性 | 解决传统基于自由能最小化方法无法准确预测RNA假结结构的问题 | 包含假结的短链和长链RNA序列 | 生物信息学 | NA | 深度学习 | Transformer, CNN | RNA序列数据 | 基准数据集 | NA | Vision Transformer, 编码器-解码器网络 | 结构预测准确率 | NA |
| 86 | 2025-10-05 |
When will RNA get its AlphaFold moment?
2023-10-13, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad726
PMID:37702120
|
评论 | 讨论RNA结构预测面临的挑战及未来发展路径 | 系统分析了阻碍开发类似AlphaFold的RNA结构预测深度学习方法的根本问题 | 未提出具体的解决方案,主要进行问题分析和方向性建议 | 探讨RNA三维结构预测的发展前景和挑战 | RNA结构预测方法 | 机器学习 | NA | 结构预测 | 深度学习 | 结构数据,序列数据 | NA | NA | AlphaFold | NA | NA |
| 87 | 2025-10-05 |
Reliable interpretability of biology-inspired deep neural networks
2023-10-10, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-023-00310-8
PMID:37816807
|
研究论文 | 本研究探讨生物启发式深度神经网络的可解释性可靠性问题,并提出控制解释稳健性和偏差的方法 | 首次在基于患者突变数据的P-NET模型中系统测试解释性方法的可靠性,并提出了控制解释稳健性和偏差的新方法 | 研究仅针对特定类型的生物启发式深度学习模型,未涵盖所有相关模型类型 | 确保生物启发式深度学习中解释性的稳健性和偏差感知 | 生物启发式深度神经网络,特别是P-NET模型 | 机器学习 | NA | 单细胞转录组测序,突变数据分析 | 深度神经网络 | 基因突变数据,单细胞转录组数据 | NA | NA | P-NET | 解释稳健性,偏差控制,解释特异性 | NA |
| 88 | 2025-10-05 |
Pervasive downstream RNA hairpins dynamically dictate start-codon selection
2023-09, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06500-y
PMID:37674078
|
研究论文 | 本研究通过整合拟南芥模式触发免疫期间的转录组范围翻译和结构分析,揭示下游RNA发夹结构动态调控起始密码子选择的机制 | 首次发现uAUG下游双链RNA结构(uAUG-ds)通过调控扫描前起始复合体来选择性地翻译上游开放阅读框,并证明该机制在人类细胞中具有普适性 | 研究主要基于模式植物拟南芥,在人类细胞中的验证仍需进一步扩展 | 探究翻译重编程中起始密码子选择性起始的分子机制 | 拟南芥mRNA的上游起始密码子(uAUGs)和下游RNA发夹结构 | 计算生物学 | 植物免疫反应 | 转录组范围翻译分析、RNA结构分析、深度学习建模 | 深度学习模型 | 翻译组数据、RNA结构数据 | 拟南芥在模式触发免疫条件下的转录组样本 | NA | NA | 预测准确性 | NA |
| 89 | 2025-10-05 |
Scientific discovery in the age of artificial intelligence
2023-08, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06221-2
PMID:37532811
|
综述 | 探讨人工智能在科学发现中的应用与进展 | 分析自监督学习和几何深度学习等突破性方法,探讨生成式AI在多模态数据中的创新应用 | 存在数据质量和管理方面的挑战,需要更好理解AI方法的改进时机 | 研究人工智能如何增强和加速科学发现过程 | 科学发现过程中的假设生成、实验设计、数据收集与解释 | 机器学习 | NA | 自监督学习,几何深度学习,生成式AI | NA | 图像,序列,多模态数据 | NA | NA | NA | NA | NA |
| 90 | 2025-10-05 |
Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images
2023-04-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad191
PMID:37067486
|
研究论文 | 开发了一种自监督语义分割方法用于视网膜色素上皮细胞的自动分割 | 提出自监督语义分割方法(S4),结合重建损失、成对表示损失和形态学损失,并开发了新的图像增强算法AugCut | NA | 解决视网膜色素上皮细胞分割中标注数据不足的问题 | 视网膜色素上皮细胞 | 计算机视觉 | 老年疾病 | 荧光显微镜成像 | 自监督学习 | 图像 | 大量荧光显微镜图像 | NA | 编码器-解码器架构 | 定性评估,定量评估 | NA |
| 91 | 2025-10-05 |
Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review
2023-Jan-09, Sensors (Basel, Switzerland)
DOI:10.3390/s23020738
PMID:36679535
|
系统综述 | 本文系统综述了使用浅层和深度学习技术进行香蕉成熟度无损检测的研究现状 | 首次系统比较了传统机器学习与深度学习在香蕉成熟度检测中的性能差异,并明确了不同方法适用的数据条件 | 现有研究存在数据集信息不足、数据可用性有限、过度依赖数据增强技术等问题 | 自动化香蕉成熟度检测以减少人工干预 | 香蕉果实 | 计算机视觉 | NA | 传感器相机成像 | CNN, ANN, SVM | 图像 | 从1548项研究中筛选出35项进行最终分析 | NA | NA | 准确率, 决定系数 | NA |
| 92 | 2025-10-05 |
Accelerated Diffusion-Weighted Imaging in 3 T Breast MRI Using a Deep Learning Reconstruction Algorithm With Superresolution Processing: A Prospective Comparative Study
2023-12-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000000997
PMID:37428618
|
研究论文 | 本研究评估了采用深度学习重建算法结合超分辨率处理的扩散加权成像在3T乳腺MRI中的应用,与传统标准成像相比显著缩短了采集时间并改善了图像质量 | 首次在前瞻性临床研究中将深度学习重建算法与超分辨率处理相结合应用于乳腺DWI,实现了扫描时间减半的同时保持图像质量 | 单中心研究,样本量相对有限(65名参与者),需要更大规模的多中心研究验证 | 评估深度学习加速的扩散加权成像序列在乳腺MRI中的采集时间和图像质量 | 浸润性乳腺癌、良性病变和囊肿 | 医学影像分析 | 乳腺癌 | 扩散加权成像,深度学习重建,超分辨率处理 | 深度学习 | 医学影像 | 65名参与者(64名女性,平均年龄54±13岁) | NA | NA | 信噪比,表观扩散系数,对比噪声比,对比度,病变显着性评分 | NA |
| 93 | 2025-10-05 |
Amplifying the Effects of Contrast Agents on Magnetic Resonance Images Using a Deep Learning Method Trained on Synthetic Data
2023-12-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000000998
PMID:37378418
|
研究论文 | 提出一种基于深度学习的磁共振图像对比度增强方法,通过合成数据训练AI模型来放大对比剂效果 | 使用物理模型生成合成数据训练深度学习网络,实现在标准剂量下获得更高对比度的磁共振图像 | 方法依赖于物理模型的准确性,且需要进一步验证在不同疾病类型和扫描仪间的泛化能力 | 开发一种能够增强磁共振图像对比度的AI方法,提高小脑病变的检测灵敏度 | 小鼠脑胶质瘤模型和1990例临床脑部疾病患者(包括胶质瘤、多发性硬化症和转移癌) | 医学影像分析 | 脑部疾病 | 磁共振成像,钆基对比剂 | 神经网络 | 磁共振图像 | 临床研究包含1990例检查,临床前研究使用小鼠模型 | NA | NA | 峰值信噪比,结构相似性指数,对比噪声比,病变-脑比率,定性评分 | NA |
| 94 | 2025-10-05 |
Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa
2023-11-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.14.31
PMID:37988107
|
研究论文 | 本研究利用深度学习模型辅助测量三维光感受器外节指标,评估RPGR相关X连锁视网膜色素变性的纵向变化 | 首次结合深度学习模型对RPGR相关X连锁视网膜色素变性进行三维光感受器外节指标的纵向变化分析 | 样本量较小(34例患者),回顾性研究设计 | 评估RPGR相关X连锁视网膜色素变性中光感受器外节指标的纵向变化及其相关因素 | 34名RPGR相关X连锁视网膜色素变性男性患者 | 数字病理学 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习模型 | 三维光学相干断层扫描图像 | 34名男性患者,具有约2年或更长的随访期 | NA | NA | 线性混合效应模型P值 | NA |
| 95 | 2025-10-05 |
Machine Learning-Based Prediction of Abdominal Subcutaneous Fat Thickness During Pregnancy
2023-11, Metabolic syndrome and related disorders
IF:1.3Q4
DOI:10.1089/met.2023.0043
PMID:37669001
|
研究论文 | 开发基于机器学习的孕期腹部皮下脂肪厚度预测模型 | 首次使用三种机器学习算法(深度学习、随机森林、支持向量机)预测孕妇不同孕期的腹部皮下脂肪厚度 | 样本量有限(354例),未说明模型验证方法 | 预测孕妇腹部皮下脂肪厚度以评估皮下注射安全性 | 孕妇腹部皮下脂肪厚度 | 机器学习 | 妊娠期糖尿病 | NA | 深度学习, 随机森林, 支持向量机 | 临床测量数据 | 354例孕妇 | SPSS, RapidMiner | NA | NA | NA |
| 96 | 2025-10-05 |
Deep learning for metabolic pathway design
2023-11, Metabolic engineering
IF:6.8Q1
DOI:10.1016/j.ymben.2023.09.012
PMID:37734652
|
综述 | 本文评估了深度学习在代谢通路设计中的应用及其对生物基循环经济的推动作用 | 系统探讨了深度学习技术在代谢通路预测和酶发现领域的最新进展 | 未涉及具体实验验证和实际应用案例 | 评估数字策略在代谢通路设计和微生物细胞工厂开发中的应用 | 代谢通路设计工具和微生物细胞工厂 | 机器学习 | NA | 深度学习 | NA | 化学和代谢域数据 | NA | NA | NA | NA | NA |
| 97 | 2025-10-05 |
Design and implementation of a smart Internet of Things chest pain center based on deep learning
2023-10-10, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023840
PMID:38052586
|
研究论文 | 设计并实现了一个基于深度学习的智能物联网胸痛中心系统,通过院前应用、UWB定位和院内治疗实现智能化胸痛管理 | 结合物联网三层架构与BiLSTM-CRF算法,实现胸痛患者电子病历信息的自动提取和智能化管理 | 仅在一家医院(辽宁省人民医院)进行应用验证,缺乏多中心验证数据 | 解决传统胸痛中心数据输入不智能、处理时间长、错误率高的问题 | 胸痛患者及其电子医疗记录 | 自然语言处理 | 心血管疾病 | 物联网技术、UWB定位技术 | BiLSTM, CRF | 电子医疗记录文本数据 | NA | NA | BiLSTM-CRF | NA | NA |
| 98 | 2025-10-05 |
ECA-TFUnet: A U-shaped CNN-Transformer network with efficient channel attention for organ segmentation in anatomical sectional images of canines
2023-10-07, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2023827
PMID:38052573
|
研究论文 | 提出一种结合CNN和Transformer的U型网络ECA-TFUnet,用于犬类解剖断面图像的器官分割 | 在U-Net网络的首个跳跃连接层集成Transformer模块以学习全局依赖关系,并引入高效通道注意力机制关注重要通道信息 | 未明确说明模型在复杂解剖结构或不同犬种间的泛化能力 | 开发自动器官分割方法以替代耗时的人工标注 | 犬类解剖断面图像中的器官 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | NA | NA | U-Net, Transformer, Efficient Channel Attention | IoU | NA |
| 99 | 2025-10-05 |
Microbial carbon use efficiency promotes global soil carbon storage
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06042-3
PMID:37225998
|
研究论文 | 本研究通过多方法整合分析发现微生物碳利用效率是全球土壤碳储存的主要决定因素 | 首次量化证明微生物碳利用效率对全球土壤碳储存的重要性是其他因素的四倍以上 | 微生物碳利用效率与环境依赖性的具体机制仍需进一步研究 | 探究微生物碳利用效率在土壤有机碳储存和持久性中的作用 | 全球土壤碳储存系统 | 环境科学 | NA | 数据同化,深度学习,荟萃分析 | 深度学习 | 全球尺度数据集 | 全球范围数据集 | NA | 微生物过程显式模型 | 相关性分析 | NA |
| 100 | 2025-10-05 |
Displacement of the Lamina Cribrosa With Acute Intraocular Pressure Increase in Brain-Dead Organ Donors
2023-12-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.15.19
PMID:38099735
|
研究论文 | 本研究通过光学相干断层扫描技术探究脑死亡器官捐献者眼压急性升高时视神经头深层组织的变形情况 | 首次在脑死亡器官捐献者中系统量化不同参考平面对筛板位移测量的影响,并发现筛板位移随年龄增长而减小的现象 | 样本量有限(26只眼),研究对象为脑死亡器官捐献者,可能不能完全代表健康人群的生理反应 | 研究急性眼压升高对视神经头深层组织变形的影响 | 脑死亡器官捐献者的眼睛 | 医学影像分析 | 眼科疾病 | 光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 20名脑死亡器官捐献者的26只眼睛(年龄范围22-62岁,中位年龄43岁) | NA | NA | P值 | NA |