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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2261 | 2025-10-07 |
Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2
2024-Mar-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2023.6454
PMID:38329740
|
研究论文 | 本研究开发了一种基于自监督学习的光学相干断层扫描图像分析方法,用于2型黄斑毛细血管扩张症的自动检测 | 采用自监督学习方法在有限标注数据条件下实现了罕见疾病的准确分类,使用Bootstrap Your Own Latent算法进行预训练 | 研究为回顾性研究,需要进一步研究验证方法的普适性 | 开发在有限标注数据条件下自动检测2型黄斑毛细血管扩张症的方法 | 2型黄斑毛细血管扩张症患者和非患者的OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | CNN | 图像 | 5200张OCT扫描图像,来自2549名患者(780名MacTel患者和1769名非MacTel患者) | NA | ResNet18, ResNet50 | 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, AUPRC, AUROC | NA |
| 2262 | 2025-10-07 |
Cropformer: An interpretable deep learning framework for crop genomic prediction
2024-Dec-16, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2024.101223
PMID:39690739
|
研究论文 | 开发了一个名为Cropformer的可解释深度学习框架,用于作物基因组预测和表型预测 | 将卷积神经网络与多种自注意力机制相结合,提高了基因组选择的准确性和可解释性 | NA | 解决当前基因组选择中深度学习模型鲁棒性低和可解释性差的问题 | 玉米、水稻、小麦、谷子和番茄五种主要作物 | 机器学习 | NA | 基因组选择 | CNN, Transformer | 基因组数据 | 超过20个性状的基因组数据 | NA | Cropformer(CNN与自注意力机制结合) | 预测准确率 | NA |
| 2263 | 2025-10-07 |
De novo designed proteins neutralize lethal snake venom toxins
2024-May-17, Research square
DOI:10.21203/rs.3.rs-4402792/v1
PMID:38798548
|
研究论文 | 利用深度学习方法设计能够中和蛇毒三指毒素的新型蛋白质 | 首次使用深度学习计算设计针对三指毒素家族多种亚型的高亲和力中和蛋白 | 实验筛选规模有限,尚未进行大规模临床验证 | 开发新一代安全、经济、易生产的蛇毒解毒疗法 | 蛇毒三指毒素家族(包括短链和长链α-神经毒素及细胞毒素) | 机器学习 | 蛇咬伤中毒 | 深度学习 | NA | 蛋白质结构数据 | 小鼠实验 | NA | NA | 热稳定性、结合亲和力、结构一致性、中和效果、存活率 | NA |
| 2264 | 2025-10-07 |
Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1
2024-Feb-07, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2023.10.039
PMID:38016472
|
研究论文 | 通过纵向单细胞转录组测序研究SCA1神经退行性疾病过程中不同细胞类型的动态变化 | 首次建立小鼠和人类SCA1小脑组织的连续动态轨迹,发现浦肯野细胞丢失前的精确转录变化,并识别出单极刷细胞和少突胶质细胞的早期转录失调 | NA | 解析异质组织中不同细胞类型在神经退行性疾病发病机制和进展中的作用 | 小鼠和人类脊髓小脑性共济失调1型(SCA1)小脑组织 | 生物信息学 | 神经退行性疾病 | 单核RNA测序, 深度学习 | 深度学习模型 | 单细胞转录组数据 | NA | NA | NA | 疾病状态预测准确度 | NA |
| 2265 | 2025-10-07 |
Ensemble Deep Learning Object Detection Fusion for Cell Tracking, Mitosis, and Lineage
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3288470
PMID:39906165
|
研究论文 | 提出了一种基于集成深度学习的细胞检测、追踪和运动分析方法EDNet | 采用深度架构无关的集成方法进行2D细胞检测,在细胞追踪和谱系分析方面超越YOLO和FasterRCNN等单一模型 | NA | 开发更鲁棒的细胞检测、追踪和运动分析方法 | 细胞检测、追踪、有丝分裂事件和细胞谱系图 | 计算机视觉 | NA | 深度学习 | CNN, 集成学习 | 图像 | CTMCv1数据集和外部肌肉干细胞数据 | NA | YOLO, FasterRCNN | MOTA, TRA | NA |
| 2266 | 2025-10-07 |
Deep learning in microbiome analysis: a comprehensive review of neural network models
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1516667
PMID:39911715
|
综述 | 本文全面回顾了深度学习在微生物组分析中的应用,重点介绍了神经网络模型在微生物组研究中的优势和挑战 | 系统梳理了深度学习在微生物组研究中的最新进展,强调了其在模式识别、特征提取和预测建模方面的独特优势 | 微生物组数据的生物学变异性需要定制化方法,深度学习模型在微生物组研究中仍面临显著挑战 | 回顾深度学习在微生物组研究中的应用现状和发展前景 | 微生物群落及其在不同环境中的组成 | 机器学习 | NA | 组学数据分析 | 深度学习神经网络 | 组学数据 | NA | NA | NA | NA | NA |
| 2267 | 2025-10-07 |
Artificial intelligence in dentistry and dental biomaterials
2024, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2024.1525505
PMID:39917699
|
综述 | 概述人工智能技术在牙科和牙科生物材料领域的应用现状与发展前景 | 系统整合了AI在修复牙科和修复修复学中的多模态应用,包括多模态深度学习融合与神经形态计算等前沿技术 | 未提及具体临床验证数据与算法精度指标 | 探讨人工智能技术在生物医学、牙科及牙科生物材料领域的应用潜力 | 牙科诊断、治疗规划与生物材料开发 | 机器学习 | 口腔疾病 | 数字成像、3D打印 | 深度学习,神经网络 | 根尖周X线片、全景X线片 | NA | NA | NA | NA | NA |
| 2268 | 2025-02-08 |
Physics-guided multistage neural network: A physically guided network for step initial values and dispersive shock wave phenomena
2024-Dec, Physical review. E
DOI:10.1103/PhysRevE.110.065307
PMID:39916289
|
研究论文 | 本文提出了一种物理引导的多阶段神经网络(PgMSNN)模型,用于模拟复杂的色散冲击波现象 | 通过集成残差学习范式并在现有PINN方法中引入色散因子,显著增强了物理信息神经网络(PINNs)描述复杂色散现象的能力,并提出了一种高度自适应的深度Runge-Kutta方法 | NA | 提高物理信息神经网络(PINNs)在色散冲击波现象中的数值模拟精度和稳定性 | 色散冲击波现象 | 机器学习 | NA | 物理引导的多阶段神经网络(PgMSNN) | 物理引导的多阶段神经网络(PgMSNN) | 数值数据 | NA | NA | NA | NA | NA |
| 2269 | 2025-10-07 |
Impact of Deep Learning-Based Computer-Aided Detection and Electronic Notification System for Pneumothorax on Time to Treatment: Clinical Implementation
2024-Nov-19, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2024.11.009
PMID:39566875
|
研究论文 | 评估基于深度学习的计算机辅助检测和电子通知系统对气胸患者治疗时间的影响 | 首次在真实临床环境中评估深度学习CAD结合电子通知系统对气胸治疗时间的影响 | 仅观察到氧疗时间显著改善,其他治疗方式无显著差异 | 评估深度学习辅助检测和通知系统在临床实践中的效果 | 气胸患者的胸部X光片和治疗时间 | 计算机视觉 | 气胸 | 胸部X光摄影 | 深度学习 | 医学影像 | 603,028张胸部X光片,来自140,841名患者,气胸患病率2.0% | NA | NA | 治疗时间差异,置信区间,P值 | NA |
| 2270 | 2025-10-07 |
Role of artificial intelligence in brain tumour imaging
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111509
PMID:38788610
|
综述 | 探讨人工智能在脑肿瘤影像学中的应用及其潜力 | 全面综述AI在脑肿瘤影像中从病灶检测到预后评估的多领域应用,并涵盖神经胶质瘤与非胶质瘤肿瘤 | 数据质量、标准化和系统整合等实施挑战尚未完全解决 | 评估人工智能技术在脑肿瘤影像诊断与治疗中的临床应用价值 | 脑肿瘤影像数据及相关临床病例 | 医学影像分析 | 脑肿瘤 | 机器学习, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2271 | 2025-10-07 |
Demographic bias in misdiagnosis by computational pathology models
2024-Apr, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02885-z
PMID:38641744
|
研究论文 | 本研究揭示了计算病理学模型在不同人口群体中存在的诊断性能差异,并探索了自监督视觉基础模型在减轻这种偏差方面的潜力 | 首次系统评估计算病理学模型在乳腺癌、肺癌和胶质瘤诊断中的人口统计学偏差,并证明自监督视觉基础模型能有效减少群体间性能差异 | 自监督视觉基础模型未能完全消除人口群体间的性能差异,需要进一步开发偏差缓解策略 | 评估计算病理学模型在不同人口群体中的诊断性能差异并探索缓解方法 | 乳腺癌和肺癌亚型分类以及胶质瘤IDH1突变预测 | 计算病理学 | 乳腺癌,肺癌,脑肿瘤 | 全切片图像分析 | 深度学习,自监督视觉基础模型 | 病理全切片图像 | 来自癌症基因组图谱、EBRAINS脑肿瘤图谱和内部患者数据的公共数据集 | NA | NA | AUC | NA |
| 2272 | 2025-10-07 |
Deep learning to decode sites of RNA translation in normal and cancerous tissues
2024-Mar-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.21.586110
PMID:38585907
|
研究论文 | 开发基于Transformer模型的RiboTIE方法,用于绘制正常和癌组织中RNA翻译位点图谱 | 提出首个基于Transformer的RNA翻译位点解码方法,在核糖体分析数据中提供无与伦比的精确度和灵敏度 | 仅应用于正常脑组织和髓母细胞瘤样本,尚未在其他组织或癌症类型中验证 | 解码正常和癌组织中RNA翻译位点的变异 | 正常脑组织和髓母细胞瘤癌症样本 | 生物信息学 | 髓母细胞瘤 | 核糖体分析 | Transformer | 核糖体分析数据 | 正常脑组织和髓母细胞瘤样本(具体数量未明确) | NA | Transformer | 精确度, 灵敏度 | NA |
| 2273 | 2025-10-07 |
Classification of Schizophrenia, Bipolar Disorder and Major Depressive Disorder with Comorbid Traits and Deep Learning Algorithms
2024-Mar-07, Research square
DOI:10.21203/rs.3.rs-4001384/v1
PMID:38496574
|
研究论文 | 本研究利用42种共病性状的多基因风险评分和深度神经网络对精神分裂症、双相情感障碍和重度抑郁症进行分类与区分 | 首次证明仅使用共病性状的PRS(不包含目标疾病PRS)即可有效分类精神障碍,为数据驱动的客观诊断提供新思路 | 样本量相对有限,未在独立队列中验证模型泛化能力 | 探索共享遗传风险在精神障碍分类与鉴别诊断中的应用价值 | 精神分裂症、双相情感障碍和重度抑郁症患者及健康对照 | 机器学习 | 精神疾病 | 全基因组关联研究,多基因风险评分 | DNN | 遗传风险评分数据 | SCZ病例6317例对照7240例,BIP病例2634例对照4425例,MDD病例1704例对照3357例 | NA | 深度神经网络 | 准确率,AUC | NA |
| 2274 | 2025-10-07 |
3D Convolutional Deep Learning for Nonlinear Estimation of Body Composition from Whole-Body Morphology
2024-Feb-13, Research square
DOI:10.21203/rs.3.rs-3935042/v1
PMID:38410459
|
研究论文 | 本研究使用3D卷积深度学习技术从全身形态学数据中非线性估计身体成分 | 首次将深度3D卷积图网络应用于人体成分建模,用非线性参数化和回归模型替代传统线性方法 | 深度形状特征仅改善了男性身体成分的准确性,对两性精度的改善程度不同 | 提高从全身3D光学扫描中估计身体成分的精度和准确性 | 人体身体成分估计 | 计算机视觉 | 代谢综合征 | 3D光学扫描,双能X射线吸收测量法(DXA) | 图卷积自编码器,高斯过程回归 | 3D网格数据,图像 | 4286个拓扑标准化的3D光学扫描,来自四个不同的人体形状数据库 | NA | 3D自编码器,图卷积网络 | 均方根误差,精度,决定系数(R) | NA |
| 2275 | 2025-10-07 |
Robust single-shot 3D fluorescence imaging in scattering media with a simulator-trained neural network
2024-Feb-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.514072
PMID:38439332
|
研究论文 | 开发了一种基于模拟器训练的神经网络方法,用于在散射介质中实现鲁棒的单次3D荧光成像 | 开发了散射模拟器生成合成数据,并仅使用合成数据训练深度神经网络实现单次光场测量的3D重建 | 深度学习模型对超出分布数据的泛化能力存在限制,需要分析网络设计因素对泛化性的影响 | 解决散射介质中荧光成像的深度限制问题,实现高效的三维体积重建 | 散射介质中的荧光发射体 | 计算成像 | NA | 荧光显微镜,光场成像 | 深度神经网络 | 光场测量数据,合成数据 | 不同散射条件下的散射模型 | NA | NA | 信背比(SBR),成像深度 | NA |
| 2276 | 2025-10-07 |
Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling
2024, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0048
PMID:39045139
|
研究论文 | 提出一种基于深度学习和金字塔采样的自动化方法,用于乳腺癌组织图像中HER2状态的自动分类 | 采用金字塔采样策略分析不同空间尺度的形态特征,有效处理HER2表达的组织异质性 | 研究仅基于523个组织芯片核心图像,样本规模有限 | 开发自动化HER2评分系统以提高诊断准确性和效率 | 乳腺癌免疫组织化学染色组织图像 | 数字病理学 | 乳腺癌 | 免疫组织化学染色 | 深度学习 | 组织图像 | 523个组织芯片核心图像 | NA | NA | 准确率 | NA |
| 2277 | 2025-10-07 |
Intelligent cholinergic white matter pathways algorithm based on U-net reflects cognitive impairment in patients with silent cerebrovascular disease
2024-Dec-30, Stroke and vascular neurology
IF:4.4Q1
DOI:10.1136/svn-2023-002976
PMID:38569895
|
研究论文 | 开发基于U-net的智能算法评估静默性脑血管病患者胆碱能白质通路损伤与认知功能障碍的关系 | 首个用于评估胆碱能白质通路的智能算法,相比金标准具有良好准确性 | NA | 建立智能算法评估血管源性白质高信号患者的胆碱能白质通路损伤 | 静默性脑血管病伴血管源性白质高信号患者 | 数字病理 | 脑血管疾病 | 深度学习 | CNN | 医学影像 | 内部训练测试集464例患者,外部验证集100例患者 | NA | U-net | 灵敏度, 特异性, AUC | NA |
| 2278 | 2025-10-07 |
Application of deep learning models on single-cell RNA sequencing analysis uncovers novel markers of double negative T cells
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82406-7
PMID:39732739
|
研究论文 | 本研究应用深度学习模型分析单细胞RNA测序数据,揭示了双阴性T细胞的新型标志物 | 首次使用scVI深度学习模型识别DNT细胞亚群的新型标志物,修正了先前关于CD137表达的错误认知,并发现了CD30和CD153等新标志物 | 研究主要基于小鼠模型,人类DNT细胞的验证相对有限 | 通过深度学习技术识别和验证双阴性T细胞的新型分子标志物 | C57BL/6小鼠和MRL/lpr小鼠的脾脏双阴性T细胞 | 生物信息学 | 自身免疫疾病 | 单细胞RNA测序, 流式细胞术 | 深度学习 | 基因表达数据 | C57BL/6小鼠和MRL/lpr小鼠的脾脏DNT细胞 | scVI | Single Cell Variational Inference | 流式细胞术验证 | NA |
| 2279 | 2025-10-07 |
Predicting RNA Structure and Dynamics with Deep Learning and Solution Scattering
2024-Dec-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.08.598075
PMID:39764023
|
研究论文 | 开发了结合深度学习与溶液散射的SCOPER流程,用于预测RNA在溶液中的结构和动力学 | 整合了基于运动学的构象采样与创新的深度学习模型IonNet,专门预测Mg离子结合位点,解决了RNA构象可塑性和离子效应的问题 | 需要初始足够准确的结构作为输入,可能对实验SAXS数据存在过拟合风险 | 提高RNA在溶液中结构和动力学的预测准确性 | RNA分子及其溶液构象 | 计算生物学 | NA | 小角X射线散射(SAXS), 深度学习 | 深度学习模型 | SAXS剖面数据, 结构数据 | 14个实验数据集 | NA | IonNet | SAXS剖面拟合质量 | NA |
| 2280 | 2025-10-07 |
Automatic detection and counting of wheat spike based on DMseg-Count
2024-11-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80244-1
PMID:39613805
|
研究论文 | 提出基于DMseg-Count的小麦穗自动检测与计数方法,用于产量预测和品种评估 | 在DM-Count模型基础上引入小麦穗局部分割分支,通过逐元素点乘机制融合全局与局部上下文监督信息 | 未明确说明模型在极端遮挡和重叠情况下的性能限制 | 提高复杂田间环境下小麦穗自动检测与计数的准确性 | 小麦穗图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | DMseg-Count, DM-Count | 平均绝对误差(MAE), 均方根误差(RMSE) | NA |