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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2521 | 2025-10-07 |
Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs
2024-Dec-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.07.627102
PMID:39713468
|
研究论文 | 开发基于深度迁移学习的模型用于筛选靶向A类GPCRs的安全药物 | 结合迁移学习和自然语言处理技术,针对单个A类GPCRs分别构建低效能激动剂和偏向性激动剂预测模型 | 高质量数据可用性有限 | 预测具有低内在效能或配体偏向性的安全化合物以推进药物开发 | A类G蛋白偶联受体及其配体 | 自然语言处理 | NA | 深度迁移学习 | 神经网络 | 受体序列、配体数据集 | 所有A类GPCRs的受体序列和配体数据集 | NA | NA | NA | NA |
| 2522 | 2025-10-07 |
Deep learning prediction of error and skill in robotic prostatectomy suturing
2024-Dec, Surgical endoscopy
DOI:10.1007/s00464-024-11341-5
PMID:39433583
|
研究论文 | 本研究利用深度学习技术从机器人前列腺切除术缝合视频中自动预测手术技能和错误 | 首个在真实机器人手术视频中应用详细错误检测方法和深度学习模型的研究 | 预测准确率有待提升,技能评估的Spearman相关系数仅为0.36-0.37 | 验证手术技能评级和错误标注,为AI模型开发提供基准评估 | 机器人辅助根治性前列腺切除术(RARP)缝合手势 | 计算机视觉 | 前列腺癌 | 视频分析 | 深度学习 | 手术视频 | 54个RARP视频(总时长266分钟) | NA | NA | Spearman相关系数, 平均绝对误差, 准确率, 精确率, AUC, Macro-F1 | NA |
| 2523 | 2025-10-07 |
Acupuncture indication knowledge bases: meridian entity recognition and classification based on ACUBERT
2024-08-30, Database : the journal of biological databases and curation
DOI:10.1093/database/baae083
PMID:39213389
|
研究论文 | 基于ACUBERT模型进行针灸适应症知识库的经络实体识别与分类研究 | 开发了具有中医特色的针灸适应症知识库(ACU-IKD)和ACUBERT模型,基于八纲辨证和脏腑辨证作为基础标签训练经络辨证模型 | NA | 探索ACUBERT模型在针灸适应症经络实体识别与分类中的有效性及差异原因 | 从82部针灸医籍中选取的54,593个不同实体 | 自然语言处理 | NA | BERT预训练 | BERT, SVM, Random Forest | 文本 | 54,593个实体 | NA | BERT | 精确率, 召回率, F1分数 | NA |
| 2524 | 2025-10-07 |
Integrating deep learning architectures for enhanced biomedical relation extraction: a pipeline approach
2024-08-28, Database : the journal of biological databases and curation
DOI:10.1093/database/baae079
PMID:39197056
|
研究论文 | 提出一种增强型端到端流水线方法,用于生物医学关系抽取和新颖性检测 | 整合最先进的深度学习方法,将BERT模型适配为双向和文档级抽取,并采用混合实体链接方法 | 关系抽取和新颖性检测任务在文档级别仍然具有挑战性,数据集需要进一步改进 | 生物医学关系抽取和新颖性检测 | 科学出版物中的生物医学实体和关系 | 自然语言处理 | NA | 生物医学文本挖掘 | BERT, CNN | 文本 | 基于BioRED基准语料库 | NA | BERT, PURE, 卷积神经网络 | NER: 93.53, EL: 83.87, RE: 46.18, ND: 38.86 | NA |
| 2525 | 2025-10-07 |
Dataset of miRNA-disease relations extracted from textual data using transformer-based neural networks
2024-08-05, Database : the journal of biological databases and curation
DOI:10.1093/database/baae066
PMID:39104284
|
研究论文 | 提出基于深度学习的方法从生物医学文献中提取标准化的miRNA-疾病关联 | 使用基于Transformer的神经网络从文本数据中提取miRNA-疾病关系,并通过远程监督扩展训练语料库 | NA | 从生物医学文献中自动提取miRNA-疾病关联关系 | miRNA与疾病之间的关联关系 | 自然语言处理 | 神经退行性疾病 | 文本挖掘 | Transformer | 文本 | NA | NA | Transformer | AUC | NA |
| 2526 | 2025-10-07 |
Artificial intelligence systems in dental shade-matching: A systematic review
2024-Jul, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.13805
PMID:37986239
|
系统综述 | 系统评估人工智能在牙科修复中牙齿颜色匹配的准确性 | 首次对人工智能在牙科颜色匹配领域的应用进行系统性综述 | 仅纳入观察性和干预性研究,排除非AI研究和非修复牙科相关研究 | 评估人工智能在预测牙齿颜色方面的准确性 | 牙科修复中的牙齿颜色匹配 | 机器学习 | NA | NA | 模糊逻辑,遗传算法,反向传播神经网络,卷积神经网络,人工神经网络,支持向量机,K近邻,决策树,随机森林,深度学习,YOLO | 牙齿颜色数据 | 15篇符合纳入标准的研究(2008年至2023年3月) | NA | 决策树回归模型,XG Boost,YOLO | 准确率 | NA |
| 2527 | 2025-10-07 |
A Learnable Prior Improves Inverse Tumor Growth Modeling
2024-Nov-06, ArXiv
PMID:38495563
|
研究论文 | 提出一种结合深度学习和进化采样的新型框架,用于改进脑肿瘤生长逆建模 | 通过深度学习集成提供初始参数估计作为先验,显著约束采样参数空间,实现快速收敛和高精度 | 仅针对脑肿瘤细胞浓度估计进行验证,未提及其他疾病类型的适用性 | 解决生物物理建模中的逆问题,提高肿瘤生长建模的效率和精度 | 脑肿瘤细胞浓度 | 医学影像分析 | 脑肿瘤 | 磁共振成像 | 深度学习集成 | 医学影像 | NA | NA | NA | Dice系数 | NA |
| 2528 | 2025-10-07 |
Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation
2024-Jul-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50114-5
PMID:39009568
|
研究论文 | 通过将光感受器适应的生物物理机制嵌入卷积神经网络,提升神经网络对动态视网膜计算的预测能力 | 在传统CNN前端引入光感受器适应的生物物理机制,首次实现了对动态自然刺激下视网膜神经节细胞活动的更准确预测 | 仅针对视网膜特定神经回路进行研究,未验证在其他神经系统的适用性 | 探索将神经适应机制嵌入人工神经网络是否能提升其预测神经动态响应的能力 | 灵长类和鼠类的视网膜神经节细胞 | 计算神经科学 | NA | 深度学习建模 | CNN | 神经电生理响应数据 | 灵长类和鼠类视网膜神经节细胞 | NA | 基于Deep Retina改进的卷积神经网络 | 神经响应预测准确率 | NA |
| 2529 | 2025-10-07 |
Automated detection of incidental abdominal aortic aneurysms on computed tomography
2024-02, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04119-1
PMID:38091064
|
研究论文 | 开发全自动深度学习软件用于在CT扫描中检测和评估无症状成年患者的腹主动脉瘤 | 首次使用全自动深度学习模型在大规模无症状人群中进行腹主动脉瘤的自动化检测,并与钙化动脉粥样硬化斑块进行关联分析 | 研究基于特定筛查人群,模型在其他患者群体中的泛化能力需要进一步验证 | 开发自动化工具用于腹主动脉瘤的早期检测和评估 | 无症状成年患者群体 | 数字病理 | 心血管疾病 | CT结肠造影 | 深度学习 | CT图像 | 训练集66例手动分割的腹部CT扫描,外部验证集9172例无症状门诊患者 | NA | NA | 灵敏度, 特异度, AUC, p值 | NA |
| 2530 | 2025-10-07 |
DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications
2024-Mar-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.122094
PMID:38646063
|
研究论文 | 提出一种名为DeepSeeded的新型3D细胞分割方法,通过级联深度学习架构改进密集细胞群体的体积分割 | 提出级联深度学习架构,结合欧几里得距离变换增强细胞内部和边界信息,并通过体素级分类检测细胞种子 | 主要针对密集细胞群体(如细菌生物膜)的分割,在其他细胞类型上的适用性未验证 | 开发精确的3D细胞自动分割方法以量化细胞属性 | 细菌生物膜中的密集细胞群体 | 计算机视觉 | NA | 显微镜成像 | 级联深度学习架构 | 3D显微镜图像 | 合成数据集和两个真实生物膜数据集 | NA | 级联神经网络 | 分割精度 | NA |
| 2531 | 2025-10-07 |
An artificial intelligence-driven scoring system to measure histological disease activity in ulcerative colitis
2024-10, United European gastroenterology journal
IF:5.8Q1
DOI:10.1002/ueg2.12562
PMID:38590110
|
研究论文 | 开发了一种基于人工智能的评分系统,用于测量溃疡性结肠炎的组织学疾病活动度 | 首次将人工智能系统应用于基于Nancy指数的溃疡性结肠炎组织学疾病活动度评估 | 样本量相对较小(200张图像),需要更大规模验证 | 开发能够自动评估溃疡性结肠炎组织学疾病活动度的人工智能系统 | 溃疡性结肠炎患者的组织学图像 | 数字病理学 | 溃疡性结肠炎 | 图像处理,深度学习,特征提取 | 深度学习 | 组织学图像 | 200张溃疡性结肠炎组织学图像 | NA | NA | 组内相关系数 | NA |
| 2532 | 2025-03-16 |
Deep-learning generated B-line score mirrors clinical progression of disease for patients with heart failure
2024-Sep-16, The ultrasound journal
DOI:10.1186/s13089-024-00391-4
PMID:39283362
|
研究论文 | 本研究探讨了深度学习算法生成的B线严重程度评分与肺充血和疾病严重程度之间的关系,并评估了治疗过程中评分的变化 | 利用深度学习算法生成B线评分,为临床提供了一种客观评估肺充血和疾病严重程度的方法 | B线评分与Rothman指数无显著关联,可能限制了其在某些临床评估中的应用 | 确定深度学习生成的B线评分是否与肺充血和疾病严重程度相关,并评估治疗过程中的评分变化 | 疑似充血性心力衰竭的患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习算法 | 超声图像 | 110名独特受试者(3379个超声片段) | NA | NA | NA | NA |
| 2533 | 2025-03-16 |
CryoSamba: self-supervised deep volumetric denoising for cryo-electron tomography data
2024-Aug-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.11.603117
PMID:39071256
|
研究论文 | 本文介绍了CryoSamba,一种基于自监督深度学习的模型,用于去噪冷冻电子断层扫描(cryo-ET)图像 | CryoSamba通过深度学习插值平均运动补偿的邻近平面,模仿增加曝光,增强连贯信号并减少高频噪声,显著提高断层扫描对比度和信噪比,且无需预录图像、合成数据、标签或注释、噪声模型或配对体积 | NA | 提高冷冻电子断层扫描图像的信噪比和对比度,以便更好地进行3D断层扫描视觉解释 | 冷冻电子断层扫描图像 | 计算机视觉 | NA | 深度学习 | 自监督深度学习模型 | 3D体积图像 | NA | NA | NA | NA | NA |
| 2534 | 2025-10-07 |
Epiretinal membranes in patients with uveitis: an update on the current state of management
2024-Jun-28, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03199-2
PMID:38940960
|
综述 | 总结葡萄膜炎患者中视网膜前膜的临床特征、诊断方法和治疗策略的最新进展 | 整合了OCT生物标志物、深度学习和机器人手术等新兴技术在视网膜前膜管理中的应用前景 | 缺乏统一疾病模型,治疗方法存在争议且需个体化考量 | 更新葡萄膜炎相关视网膜前膜的临床管理知识体系 | 葡萄膜炎患者的视网膜前膜 | 数字病理 | 葡萄膜炎 | OCT成像技术 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2535 | 2025-03-15 |
Magnetic resonance imaging-based machine learning classification of schizophrenia spectrum disorders: a meta-analysis
2024-Dec, Psychiatry and clinical neurosciences
IF:5.0Q1
DOI:10.1111/pcn.13736
PMID:39290174
|
meta-analysis | 本文通过元分析方法评估了基于磁共振成像的多变量模式识别在区分精神分裂症谱系障碍(SSD)患者与健康对照组(HCs)中的可靠性 | 采用多变量模式识别方法克服了传统单变量方法的局限性,并评估了研究特征对分类性能的影响 | 研究存在临床异质性,且分类性能受患者相关和方法学因素的影响 | 评估基于神经影像的生物标志物在区分SSD患者与HCs中的可靠性 | 精神分裂症谱系障碍(SSD)患者和健康对照组(HCs) | machine learning | schizophrenia | magnetic resonance imaging (MRI) | multivariate pattern analysis | neuroimaging data | 12,723 SSD患者和13,196 HCs | NA | NA | NA | NA |
| 2536 | 2025-10-07 |
Video-Based Kinematic Analysis of Movement Quality in a Phase 3 Clinical Trial of Troriluzole in Adults with Spinocerebellar Ataxia: A Post Hoc Analysis
2024-Aug, Neurology and therapy
IF:3.9Q1
DOI:10.1007/s40120-024-00625-6
PMID:38814532
|
研究论文 | 本研究通过视频分析和机器学习方法评估三鲁鲁唑对脊髓小脑性共济失调患者步态质量的疗效 | 开发了基于深度学习的姿态分散指数,量化步态对称性、平衡性和稳定性,为传统临床评估提供补充 | 样本量有限(仅67例串联步态和56例自然步态视频可用),自然步态评估结果未达统计学显著性 | 评估三鲁鲁唑对脊髓小脑性共济失调患者步态质量的影响 | 脊髓小脑性共济失调成人患者 | 计算机视觉 | 脊髓小脑性共济失调 | 视频分析,深度学习姿态提取 | 深度学习 | 视频 | 218名随机化参与者中,67名有可解释的串联步态视频,56名有自然步态视频 | NA | 姿态提取算法 | p值,置信区间,泊松系数 | NA |
| 2537 | 2025-03-15 |
Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma
2024-Jul-29, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01189-3
PMID:39075240
|
研究论文 | 本文开发了一种基于transformer的机器学习模型,用于多发性骨髓瘤患者的综合评估,包括预测无进展生存期、总生存期和不良事件,预测关键疾病生物标志物,以及评估不同治疗策略的效果 | 该模型首次联合预测多发性骨髓瘤患者的生存期、不良事件和生物标志物,并评估不同治疗策略的效果,提供了一种全面的患者疾病状态评估方法 | 模型仅在TOURMALINE试验数据上进行了训练和验证,可能在其他数据集上的表现尚不明确 | 开发一种能够全面评估多发性骨髓瘤患者疾病状态的机器学习模型,以辅助医生决策 | 新诊断和复发/难治性多发性骨髓瘤患者 | 机器学习 | 多发性骨髓瘤 | transformer-based机器学习模型 | transformer | 临床试验数据 | 新诊断患者703例,复发/难治性患者720例 | NA | NA | NA | NA |
| 2538 | 2025-10-07 |
Novel Domain Knowledge-Encoding Algorithm Enables Label-Efficient Deep Learning for Cardiac CT Segmentation to Guide Atrial Fibrillation Treatment in a Pilot Dataset
2024-Jul-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14141538
PMID:39061675
|
研究论文 | 提出一种新型领域知识编码算法,实现小样本下的心脏CT自动分割,用于指导心房颤动治疗 | 开发了领域知识编码(DOKEN)算法,通过编码心脏几何特征和利用公开数字左心房模型来减少对大规模标注数据的依赖 | 仅在房颤消融研究的试点数据集中验证,样本量相对较小 | 开发小样本下的高性能心脏CT自动分割方法,用于指导房颤治疗 | 心房颤动患者的左心房结构 | 医学影像分析 | 心血管疾病 | CT成像 | 深度学习神经网络 | CT图像 | 训练集20例患者,测试集100例患者 | nnU-Net | nnU-Net | Dice系数, 表面距离误差, 质心-边界距离 | NA |
| 2539 | 2025-10-07 |
Efficient deep learning-based automated diagnosis from echocardiography with contrastive self-supervised learning
2024-Jul-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00538-3
PMID:38971887
|
研究论文 | 开发基于对比自监督学习的心动图视频自动诊断方法EchoCLR | 首个针对心动图视频的自监督对比学习方法,结合患者识别和帧重排序任务 | 主要针对左心室肥厚和主动脉瓣狭窄两种心脏疾病 | 开发标签高效的心动图视频自动诊断方法 | 心动图视频数据 | 计算机视觉 | 心血管疾病 | 心动图 | 深度学习 | 视频 | 519项研究(10%训练数据)和53项研究(1%训练数据) | NA | NA | AUROC | NA |
| 2540 | 2025-03-15 |
Cough-DL: A Deep Learning Model for Ear-Worn Cough Detection
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782702
PMID:40039966
|
研究论文 | 本文介绍了一种名为Cough-DL的深度学习模型,用于通过耳戴设备检测咳嗽 | 通过信号处理增强、创新的数据增强技术和精细的建模方法,提高了模型在环境中的鲁棒性,特别是在降低误报率和背景噪声干扰方面 | 未提及具体的研究限制 | 开发一种能够在实际环境中准确检测咳嗽的自动检测系统 | 咳嗽检测 | 机器学习 | 肺部疾病 | 深度学习 | 深度学习模型 | 音频信号 | 未提及具体样本数量 | NA | NA | NA | NA |