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 | 2025-11-15 |
Deep contrastive learning of molecular conformation for efficient property prediction
2023-12, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00560-w
PMID:38177719
|
研究论文 | 提出一种基于深度对比学习的分子构象领域自适应方法LACL,用于高效预测分子性质 | 通过局部原子环境对比学习形成领域无关的潜在空间,规避了几何弛豫瓶颈同时保持量子化学精度 | NA | 解决不同构象生成方法间的领域偏移问题,实现准确的分子性质预测 | 有机小分子、生物和药理学长链分子 | 机器学习 | NA | 对比学习 | 深度学习 | 分子构象数据 | NA | NA | LACL(局部原子环境对比学习) | 量子化学精度 | NA |
| 82 | 2025-11-12 |
Beyond here and now: Evaluating pollution estimation across space and time from street view images with deep learning
2023-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.166168
PMID:37586538
|
研究论文 | 本研究使用深度学习从街景图像评估空气污染和噪声的时空分布 | 首次系统评估基于图像的污染模型在时空维度上的泛化能力,特别是在基础设施有限的中低收入国家 | 模型在未见过的地点表现下降,需要与传统传感器网络集成以提高鲁棒性 | 开发能够从街景图像推断细颗粒物和噪声水平的时空可泛化模型 | 加纳阿克拉市的空气污染(PM)和噪声水平 | 计算机视觉 | NA | 街景图像分析 | CNN | 图像 | 超过160万张图像,在145个代表性地点收集,持续15个月 | NA | 卷积神经网络 | 准确率 | NA |
| 83 | 2025-10-05 |
Improved Peptide Docking with Privileged Knowledge Distillation using Deep Learning
2023-Dec-04, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.01.569671
PMID:38106114
|
研究论文 | 提出了一种基于知识蒸馏的改进蛋白质-肽复合物对接方法DistPepFold | 采用特权知识蒸馏方法,通过教师-学生模型架构从原生相互作用信息中学习,改进蛋白质-肽对接性能 | NA | 改进蛋白质-肽相互作用的计算建模方法 | 蛋白质-肽复合物 | 机器学习 | NA | 深度学习 | 知识蒸馏模型 | 蛋白质结构数据 | 两个蛋白质-肽复合物数据集 | NA | 基于AlphaFold-Multimer的架构 | 对接性能评估指标 | NA |
| 84 | 2025-10-05 |
High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43929-1
PMID:38081829
|
研究论文 | 本研究使用真实世界数据模拟目标临床试验,评估数千种药物对阿尔茨海默病的潜在治疗效果 | 提出基于倾向评分模型的改进选择策略,并在大规模真实世界数据上系统评估深度学习与传统逻辑回归方法在协变量平衡方面的表现 | 基于观察性数据,可能存在未测量的混杂因素 | 通过目标试验模拟方法进行阿尔茨海默病药物再利用研究 | 170多万患者的临床记录和数千种已批准药物 | 医学信息学 | 阿尔茨海默病 | 目标试验模拟,逆概率加权 | 深度学习,逻辑回归 | 真实世界临床数据 | 超过170万患者,覆盖10多年临床记录 | NA | NA | 协变量平衡 | NA |
| 85 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26542
PMID:37357816
|
研究论文 | 开发结合成对结构相似性和深度学习界面接触预测的混合方法用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合用于蛋白质四级结构模型质量评估 | 当大量结构模型质量较低且彼此相似时,成对相似性方法可能失效 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 计算生物学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15组装靶标的模型 | NA | NA | 相关系数, 排序损失 | NA |
| 86 | 2025-10-05 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 介绍UM-TBM和Zheng团队在CASP15蛋白质单体与复合物结构预测中的方法及成果 | 结合深度学习、线程比对和多MSA策略,开发了D-I-TASSER和DMFold-Multimer算法,在传统蒙特卡洛模拟中融合深度学习约束 | 病毒蛋白建模和复合物模型排序方面仍有改进空间 | 提高蛋白质单体与复合物结构预测的准确性 | 蛋白质单体结构和蛋白质复合物结构 | 计算生物学 | NA | 多序列比对(MSA)、深度学习、蒙特卡洛模拟 | 注意力网络、端到端深度学习模型 | 蛋白质序列与结构数据 | 47个自由建模目标(单体)和38个复合物目标 | AlphaFold2, I-TASSER | D-I-TASSER, DMFold-Multimer, DeepMSA2 | TM-score, Interface Contact Score | NA |
| 87 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法,将蛋白质评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非标准碱基对建模、模型排名以及预测冷冻电镜或晶体学解析的多种结构方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 结构生物信息学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA结构数据,冷冻电镜图谱,X射线衍射数据 | 12个含RNA的目标结构,42个预测组参与 | NA | NA | GDT,lDDT,Z-score | NA |
| 88 | 2025-10-05 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文介绍了CASP15-CAPRI蛋白质复合物结构预测挑战赛的结果,评估了AlphaFold对蛋白质复合物结构预测的影响 | 首次系统评估AlphaFold2和AlphaFold2-Multimer在蛋白质复合物结构预测中的表现,展示了深度学习方法的显著进步 | 对缺乏结合伴侣间进化关系的抗体/纳米抗体复合物以及具有构象灵活性的复合物预测性能仍然较差 | 评估蛋白质复合物结构预测的最新进展,特别是AlphaFold技术的影响 | 37个蛋白质复合物靶标,包括同源二聚体、同源三聚体、异源二聚体和大型组装体 | 计算生物学 | NA | 蛋白质结构预测,深度学习 | AlphaFold2, AlphaFold2-Multimer | 蛋白质序列和结构数据 | 37个靶标,21,941个模型,60+参与组 | AlphaFold | AlphaFold2, AlphaFold2-Multimer | CAPRI模型质量指标,DockQ评分 | NA |
| 89 | 2025-10-05 |
Estimation of model accuracy in CASP15 using the ModFOLDdock server
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26532
PMID:37314190
|
研究论文 | 介绍CASP15竞赛中用于多聚体模型质量评估的ModFOLDdock服务器及其三种变体的性能表现 | 开发了三种针对不同质量评估维度的ModFOLDdock变体,在CASP15的EMA类别中均取得领先排名 | NA | 优化多聚体蛋白质结构模型的质量评估方法 | 多聚体蛋白质结构模型 | 生物信息学 | NA | 深度学习, 聚类分析 | 深度学习模型 | 蛋白质结构模型 | 41个组装结构(来自CASP15竞赛) | NA | NA | Pearson相关系数, 寡聚体-lDDT | NA |
| 90 | 2025-10-05 |
Estimating protein complex model accuracy based on ultrafast shape recognition and deep learning in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26564
PMID:37553848
|
研究论文 | 本文报告了在CASP15中基于超快形状识别和深度学习的蛋白质复合物模型精度估计方法的研究成果 | 提出了基于三级特征集成与深度残差/图神经网络的多聚体复合物模型精度估计新方法,设计了整体和单体间超快形状识别特征 | NA | 开发蛋白质复合物模型精度估计方法 | 蛋白质复合物模型 | 生物信息学 | NA | 超快形状识别, 深度学习 | 深度残差网络, 图神经网络 | 蛋白质结构数据 | 39个目标蛋白质 | NA | 深度残差网络, 图神经网络 | Pearson相关系数, lDDT, TM-score | NA |
| 91 | 2025-10-05 |
zPoseScore model for accurate and robust protein-ligand docking pose scoring in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26573
PMID:37606194
|
研究论文 | 提出了一种基于深度学习的配体构象评分模型zPoseScore,用于蛋白质-配体复合物结构预测 | 重新设计了受AlphaFold2启发的zFormer模块,开发了数据增强和采样方法,实现了原子级别的蛋白质-配体特征编码和融合 | NA | 开发准确的蛋白质-配体对接构象评分方法 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | Transformer | 蛋白质结构数据,配体构象数据 | CASP15和CASF-2016数据集 | NA | zFormer | Pearson相关系数,局部距离差异测试(lDDT) | NA |
| 92 | 2025-10-05 |
Breaking the conformational ensemble barrier: Ensemble structure modeling challenges in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26584
PMID:37872703
|
研究论文 | 本文评估了CASP15实验中蛋白质和RNA结构多构象建模的挑战与成果 | 首次在CASP社区实验中系统评估多构象建模方法,展示了AlphaFold2增强采样在蛋白质构象预测中的突破性表现 | 存在处理稀疏或低分辨率实验数据的困难,且目前缺乏有效的RNA/蛋白质复合物建模方法 | 评估蛋白质和RNA结构多构象建模方法的有效性与挑战 | 蛋白质和RNA的三维结构构象 | 计算生物学 | NA | 深度学习增强采样 | AlphaFold2 | 蛋白质和RNA结构数据 | 9个靶标结构 | AlphaFold2 | AlphaFold2 | 构象重现成功率 | NA |
| 93 | 2025-10-05 |
Critical assessment of methods of protein structure prediction (CASP)-Round XV
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26617
PMID:37920879
|
研究论文 | 总结了CASP15蛋白质结构预测社区实验的结果,重点分析了深度学习方法的进展 | 首次在CASP实验中纳入RNA结构和蛋白质-配体复合物的计算评估 | 深度学习在蛋白质复合物预测中的性能尚未完全达到单蛋白质水平,界面区域准确性估计略不可靠 | 评估蛋白质结构预测方法的最新进展 | 蛋白质结构、蛋白质复合物、RNA结构、蛋白质-配体复合物 | 计算结构生物学 | NA | 深度学习 | 深度学习 | 氨基酸序列、蛋白质结构数据 | CASP15实验目标蛋白质 | NA | AlphaFold2 | 结构准确性、局部和全局准确性估计 | NA |
| 94 | 2025-10-05 |
Seizure forecasting using minimally invasive, ultra-long-term subcutaneous electroencephalography: Individualized intrapatient models
2023-12, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17252
PMID:35395101
|
研究论文 | 本研究通过超长期皮下脑电图记录,开发了个体化患者特异性癫痫发作预测模型 | 首次使用微创皮下脑电图设备进行超长期家庭记录,实现个体化癫痫发作预测 | 样本量较小(仅6名患者),需要在更大规模的前瞻性试验中验证 | 评估使用远程微创超长期皮下脑电图进行患者特异性癫痫发作预测的可行性 | 药物难治性局灶性癫痫患者 | 医疗人工智能 | 癫痫 | 皮下脑电图记录 | LSTM | 脑电图信号 | 6名患者,记录时间46-230天,总记录时间>11000小时 | NA | 长短期记忆网络 | AUC, 敏感度, 预警时间 | NA |
| 95 | 2025-10-05 |
Artificial Intelligence-Triaged 3-Dimensional Pathology to Improve Detection of Esophageal Neoplasia While Reducing Pathologist Workloads
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100322
PMID:37657711
|
研究论文 | 提出基于深度学习的人工智能分诊三维病理方法,用于提高食管肿瘤检测灵敏度并减少病理医生工作量 | 开发了能够自动识别三维病理数据集中最关键二维图像切片的深度学习方法,通过生成三维新生瘤风险热图并对图像切片按风险排序 | NA | 改善Barrett食管患者食管肿瘤的早期检测效率 | 食管活检组织 | 数字病理 | 食管肿瘤 | 三维病理学 | 深度学习 | 三维病理图像 | NA | NA | NA | 检测灵敏度 | NA |
| 96 | 2025-10-05 |
Can artificial intelligence help decision-making in arthroscopy? Part 2: The IA-RTRHO model - a decision-making aid for long head of the biceps diagnoses in small rotator cuff tears
2023-12, Orthopaedics & traumatology, surgery & research : OTSR
DOI:10.1016/j.otsr.2023.103652
PMID:37380127
|
研究论文 | 开发用于辅助诊断肩袖小撕裂中肱二头肌长头腱健康状态的AI决策模型 | 首个评估AI分析关节镜图像能力的研究,结合CNN图像分析和MLP临床数据整合 | 需要更多输入数据来限制过拟合,结果需通过进一步研究确认 | 构建能够诊断肱二头肌长头腱健康状态的AI模型 | 肩袖小撕裂患者的肱二头肌长头腱 | 计算机视觉 | 骨科疾病 | 关节镜视频分析 | CNN, MLP | 图像, 临床数据, 影像数据 | 199名患者 | NA | Inception V3, MultiLayer Perceptron | 准确率 | NA |
| 97 | 2025-10-05 |
Predicting Lymph Node Metastasis From Primary Cervical Squamous Cell Carcinoma Based on Deep Learning in Histopathologic Images
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100316
PMID:37634868
|
研究论文 | 基于深度学习开发了一种通过原发性宫颈鳞癌组织病理图像预测淋巴结转移状态的框架 | 首次提出基于多尺度注意力机制的多实例深度卷积神经网络,仅通过原发灶H&E染色病理切片预测宫颈癌淋巴结转移状态 | 回顾性概念验证研究,需要宫颈活检标本和多中心大样本数据进一步验证 | 开发深度学习模型预测宫颈癌淋巴结转移状态 | 宫颈鳞癌患者的原发性肿瘤组织病理图像 | 数字病理 | 宫颈癌 | H&E染色全玻片图像分析 | CNN | 病理图像 | 564名患者的1524张全玻片图像(内部数据集405名患者1161张图像,外部验证集159名患者363张图像) | NA | 多实例深度卷积神经网络(基于多尺度注意力机制) | AUC | NA |
| 98 | 2025-10-05 |
A Novel Deep Learning Algorithm for Human Papillomavirus Infection Prediction in Head and Neck Cancers Using Routine Histology Images
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100320
PMID:37652399
|
研究论文 | 提出一种基于常规H&E染色全切片图像的深度学习算法,用于预测头颈癌中HPV感染状态 | 首次开发仅使用常规H&E染色切片即可预测HPV感染状态的深度学习流程,并生成具有预后价值的Digital-HPV评分 | NA | 开发头颈鳞状细胞癌中HPV感染状态的无创预测方法 | 头颈鳞状细胞癌患者的组织切片 | 数字病理学 | 头颈癌 | 苏木精-伊红染色 | 深度学习 | 全切片图像 | NA | NA | NA | 总体生存率、疾病特异性生存率 | NA |
| 99 | 2025-10-05 |
Automating Ground Truth Annotations for Gland Segmentation Through Immunohistochemistry
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100331
PMID:37716506
|
研究论文 | 提出一种通过免疫组织化学自动生成腺体分割真实标签的方法,用于结直肠活检标本的深度学习模型训练 | 利用IHC标记自动生成腺体分割的真实标签,替代耗时的手动标注,并提出跨数据源适应的简单采样技术 | 方法依赖于IHC与H&E图像的配准质量,且需要特定IHC标记物的可用性 | 开发自动化腺体分割标注方法以降低深度学习模型训练成本 | 结直肠活检标本中的腺体组织 | 数字病理学 | 结直肠癌,炎症性肠病 | 免疫组织化学,苏木精-伊红染色 | 深度学习模型 | 组织病理学图像 | 内部保留的活检标本集和2个公共数据集 | NA | NA | Dice系数 | NA |
| 100 | 2025-10-05 |
Deep-learning prostate cancer detection and segmentation on biparametric versus multiparametric magnetic resonance imaging: Added value of dynamic contrast-enhanced imaging
2023-12, International journal of urology : official journal of the Japanese Urological Association
IF:1.8Q3
DOI:10.1111/iju.15280
PMID:37605627
|
研究论文 | 开发基于深度学习的多序列前列腺MRI癌症检测与分割算法,并比较双参数与多参数成像的性能差异 | 首次系统比较双参数与多参数MRI在深度学习前列腺癌检测中的性能差异,特别评估了动态对比增强成像的附加价值 | 样本量相对有限(332例患者),未进行外部验证 | 开发前列腺癌的深度学习检测与分割算法,评估动态对比增强成像在多参数MRI中的价值 | 前列腺癌患者和非癌患者的前列腺MRI影像 | 医学影像分析 | 前列腺癌 | 磁共振成像(MRI),包括T2加权、动态对比增强成像 | 深度学习模型 | 医学影像数据 | 332例患者的3227个多参数影像集,包括218例癌症患者(291个活检证实病灶)和114例非癌患者 | NA | NA | 灵敏度,阳性预测值,特异性,阴性预测值 | NA |