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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-06 |
sChemNET: a deep learning framework for predicting small molecules targeting microRNA function
2024-10-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49813-w
PMID:39443444
|
研究论文 | 开发了一个名为sChemNET的深度学习框架,用于基于化学结构和序列信息预测影响miRNA生物活性的小分子 | 通过目标函数克服稀疏化学信息限制,使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间 | 小分子-miRNA数据集规模较小 | 预测靶向miRNA功能的小分子 | 小分子、microRNA、人类和其他哺乳动物生物 | 机器学习 | 癌症、传染性疾病 | 深度学习、体外实验、体内实验 | 神经网络 | 化学结构、序列信息 | 小分子-miRNA数据集 | NA | sChemNET | 实验验证 | NA |
| 202 | 2025-05-31 |
Self-supervised learning for accurately modelling hierarchical evolutionary patterns of cerebrovasculature
2024-10-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53550-5
PMID:39455566
|
研究论文 | 本文首次提出了一种流程,用于探索2841名个体的皮质体积(CVs)和动脉体积(AVs)的联合演化,并利用深度学习技术构建了空间层次脑区域的CVs和AVs的规范模型 | 首次提出了一个流程来联合探索皮质体积和动脉体积的演化,并构建了空间层次脑区域的规范模型 | 研究样本虽然较大(2841名个体),但可能无法涵盖所有人群的多样性 | 理解脑血管的正常演化,以检测早期偏差并实现及时干预 | 2841名个体的皮质体积(CVs)和动脉体积(AVs) | 数字病理学 | 阿尔茨海默病(AD)和中风 | 深度学习 | 深度学习模型(未具体说明) | 图像 | 2841名个体 | NA | NA | NA | NA |
| 203 | 2025-05-31 |
Deep Learning-Based Detection of Carotid Plaques Informs Cardiovascular Risk Prediction and Reveals Genetic Drivers of Atherosclerosis
2024-Oct-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.17.24315675
PMID:39484270
|
research paper | 本研究利用深度学习模型检测颈动脉斑块,评估其在心血管风险预测中的作用,并揭示动脉粥样硬化的遗传驱动因素 | 开发了一个高性能的深度学习模型用于颈动脉斑块检测,发现了两个新的基因组位点,并揭示了颈动脉斑块与心血管事件的关联 | 研究基于UK Biobank数据,可能不适用于其他人群 | 评估颈动脉斑块的流行率、风险因素、预后意义及其遗传结构 | 19,499名UK Biobank参与者的177,757张颈动脉超声图像 | digital pathology | cardiovascular disease | deep learning, GWAS, Mendelian randomization | deep learning model | image | 19,499名参与者,177,757张超声图像 | NA | NA | NA | NA |
| 204 | 2025-05-31 |
Remote Assessment of Eczema Severity via AI-powered Skin Image Analytics: A Systematic Review
2024-10, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102968
PMID:39213813
|
系统综述 | 本文综述了通过AI驱动的皮肤图像分析远程评估湿疹严重程度的研究现状 | 系统评估了现有研究的质量,并提出了提高工具稳健性和可靠性的建议 | 研究质量受限于数据集挑战,包括患者年龄范围和皮肤光型报告不足,以及非公开数据集和开源代码的缺乏 | 提高远程湿疹严重程度评估算法的准确性和可靠性 | 湿疹严重程度的自动评估 | 数字病理学 | 湿疹 | 深度学习,传统机器学习 | 深度学习模型 | 数字相机图像 | 25篇文章,涉及湿疹区域检测(n=13)和严重程度预测(n=12) | NA | NA | NA | NA |
| 205 | 2025-10-07 |
Automated detection and de novo structure modeling of nucleic acids from cryo-EM maps
2024-10-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53721-4
PMID:39477926
|
研究论文 | 提出基于深度学习的EM2NA方法,用于从冷冻电镜图中自动检测和从头建模核酸结构 | 开发首个基于深度学习的核酸从头结构建模方法,在<5 Å分辨率下实现高精度DNA/RNA结构测定 | 方法主要适用于2.0-5.0 Å分辨率的冷冻电镜图 | 解决从冷冻电镜图中准确建模DNA/RNA结构的挑战 | 蛋白质-DNA/RNA复合物和多链DNA/RNA复合物中的核酸结构 | 结构生物学, 计算生物学 | NA | 冷冻电镜(cryo-EM), 深度学习 | 深度学习模型 | 冷冻电镜密度图 | 50个实验图谱(2.0-5.0 Å分辨率)的测试集,263个未建模原始图谱的EMDB数据集 | NA | NA | 残基覆盖率, C4' RMSD, 序列召回率 | NA |
| 206 | 2025-10-07 |
Smartphone-Assisted Nanozyme Colorimetric Sensor Array Combined "Image Segmentation-Feature Extraction" Deep Learning for Detecting Unsaturated Fatty Acids
2024-10-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c01142
PMID:39298721
|
研究论文 | 开发了一种结合智能手机辅助纳米酶比色传感器阵列和深度学习图像分割特征提取技术的智能平台,用于不饱和脂肪酸的检测 | 首次将MnO纳米酶比色传感器阵列与图像分割-特征提取深度学习技术相结合,模拟哺乳动物嗅觉系统进行不饱和脂肪酸检测 | α-亚麻酸(ALA)的测定系数相对较低(0.7393),模型性能有待进一步提升 | 开发一种简便低成本的不饱和脂肪酸智能检测方法 | 油酸(OA)、亚油酸(LA)、α-亚麻酸(ALA)及其混合物,各种食用植物油、不同茶油和掺假茶油 | 计算机视觉 | NA | 比色传感器阵列、密度泛函理论预测、掺杂实验 | 深度学习 | 图像 | 38,868张三种不饱和脂肪酸图像 | TensorFlow, PyTorch | MobileNetV3 small | 决定系数(R²) | 智能手机嵌入式计算 |
| 207 | 2025-10-07 |
Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease
2024-Oct-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599092
PMID:39554095
|
研究论文 | 本研究采用深度学习网络整合方法分析阿尔茨海默病中Aβ与tau蛋白相互作用的调节因子 | 首次应用BIONIC深度学习网络整合方法结合蛋白质组学和蛋白质相互作用数据,发现GPNMB+小胶质细胞是Aβ-tau相互作用的新型调节因子 | 研究基于ROSMAP队列数据,需要在其他独立队列中验证结果的普适性 | 揭示阿尔茨海默病中淀粉样蛋白β与tau蛋白相互作用的调节机制 | 轻度认知障碍和早期阿尔茨海默病患者 | 生物医学信息学 | 阿尔茨海默病 | 蛋白质组学, 蛋白质-蛋白质相互作用分析 | 深度学习 | 蛋白质组数据, 基因表达数据, 组织病理学数据 | ROSMAP队列样本 | BIONIC | 深度学习网络整合模型 | 线性回归分析, 互信息分析, Benjamini-Hochberg校正 | NA |
| 208 | 2025-10-07 |
Thoracic Aortic Three-Dimensional Geometry
2024-Oct-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.09.593413
PMID:38798566
|
研究论文 | 开发了一种基于深度学习的全自动方法,用于量化胸主动脉的三维几何结构参数 | 首次在大规模人群中全面表征胸主动脉的三维几何结构,并开发了全自动的主动脉几何表型提取方法 | 研究主要基于两个生物银行的数据,可能受到数据来源的限制 | 量化胸主动脉的三维几何结构,研究主动脉结构与心血管健康的关系 | 英国生物银行54,241名参与者和宾夕法尼亚医学生物银行8,456名参与者的影像扫描数据 | 医学影像分析 | 心血管疾病 | 医学影像分割,形态学图像处理 | 深度学习架构 | 医学影像扫描数据 | 英国生物银行54,241人,宾夕法尼亚医学生物银行8,456人 | NA | NA | NA | NA |
| 209 | 2025-10-07 |
An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease
2024-10-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75518-7
PMID:39438634
|
研究论文 | 提出一种基于增强堆叠自编码器和优化深度神经网络的干眼病预测方法 | 将混沌映射融入特征选择,使用SLSTM-STSA提升分类精度,并采用增强量子细菌觅食优化算法的自适应量子旋转进行优化 | NA | 开发高效的干眼病早期诊断方法 | 干眼病患者数据 | 机器学习 | 干眼病 | 深度学习 | 堆叠自编码器,深度神经网络 | 医学特征数据 | NA | NA | 增强堆叠自编码器,优化深度神经网络 | 准确率 | NA |
| 210 | 2025-10-07 |
Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer
2024-Oct-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00604-w
PMID:39363031
|
研究论文 | 本研究通过整合H&E染色和免疫组化图像,识别HPV相关口咽癌中的预后免疫亚型 | 首次将H&E与IHC图像配准整合,增强对肿瘤免疫微环境功能特征的表征能力 | 回顾性研究,样本量有限(88例原发肿瘤和70例淋巴结组织) | 改善HPV阳性口咽癌患者分层和预后评估 | HPV阳性口咽鳞状细胞癌患者 | 数字病理学 | 口咽癌 | H&E染色,免疫组化 | 深度学习 | 病理图像 | 88例原发肿瘤和70例淋巴结组织图像 | NA | NA | p值,多变量Cox回归分析 | NA |
| 211 | 2025-10-07 |
Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery
2024-Oct-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000003335
PMID:38959453
|
研究论文 | 开发了一种基于深度学习的实时输尿管识别模型UreterNet,用于腹腔镜结直肠手术中识别输尿管 | 首次将基于语义分割的深度学习算法应用于腹腔镜手术视频中的输尿管识别任务 | 需要验证UreterNet是否能有效降低医源性输尿管损伤的发生率 | 开发一种非侵入性方法在腹腔镜结直肠手术中识别输尿管,提高手术安全性 | 腹腔镜结直肠手术视频中的输尿管 | 计算机视觉 | 结直肠手术相关并发症 | 深度学习语义分割 | CNN | 手术视频图像 | 304个手术视频,14,069张标注图像(训练集9537张,验证集2266张,测试集2266张) | NA | Feature Pyramid Networks | 精确率,召回率,Dice系数 | NA |
| 212 | 2025-05-03 |
Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis
2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery
DOI:10.48729/pjctvs.411
PMID:39820882
|
review | 本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用 | 利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性 | 面临临床验证和数据隐私的挑战 | 提高颈动脉狭窄的诊断准确性和风险分层,改善患者管理 | 颈动脉狭窄患者 | machine learning | cardiovascular disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 213 | 2025-05-02 |
Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning
2024-Oct-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005093
PMID:38975768
|
research paper | 利用基于深度学习的语义分割模型,通过前后位X光片中骨盆小骨盆与闭孔的面积比评估骨盆倾斜 | 首次将深度学习语义分割模型应用于骨盆倾斜的自动测量,通过面积比方法提高了测量的准确性和鲁棒性 | 研究样本量相对较小(20个模拟骨盆和231个临床案例),可能影响结果的普遍性 | 开发一种自动测量骨盆倾斜的方法,以辅助髋关节和脊柱手术 | 骨盆X光片(模拟和临床案例) | digital pathology | geriatric disease | deep learning semantic segmentation | CNN | image | 20个模拟骨盆(10男10女)和231个临床案例 | NA | NA | NA | NA |
| 214 | 2025-10-07 |
An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae029
PMID:38960866
|
研究论文 | 开发基于深度学习的人工智能系统用于锥形束CT数据中根尖周炎的分级诊断 | 提出新型PAINet算法,在根尖周炎分级任务中优于经典ResNet系列及当前主流Transformer和注意力模型 | 仅使用120个CBCT图像样本,样本量相对有限 | 辅助初级医生更准确诊断根尖周炎 | 根尖周炎患者的锥形束CT影像数据 | 计算机视觉 | 根尖周炎 | 锥形束计算机断层扫描(CBCT) | CNN, Transformer | 医学影像 | 120个CBCT图像 | NA | ResNet50, ResNet101, ResNet152, PAINet, Transformer | 准确率, 精确率, 召回率, F1分数, AUC, Cohen's kappa | NA |
| 215 | 2025-10-07 |
Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae028
PMID:38937280
|
研究论文 | 开发并验证基于nnU-Net的深度学习模型,用于锥形束CT中五类颌骨病变的自动分类和分割 | 提出改进的nnU-Net模型实现颌骨病变的多类别分类与分割双重任务,在医生诊断中提供AI辅助 | 研究样本量有限(368例CBCT扫描),未提及外部验证集结果 | 开发能够自动分类和分割多类别颌骨病变的深度学习模型 | 颌骨病变的锥形束CT影像 | 医学影像分析 | 颌骨疾病 | 锥形束CT成像 | 深度学习 | 医学影像 | 368例CBCT扫描(37,168个切片) | nnU-Net | nnU-Net | 灵敏度,特异性,精确度,F1分数,准确率,Dice相似系数,平均对称表面距离 | NA |
| 216 | 2025-10-07 |
Hybrid Deep Learning Approach for Traffic Speed Prediction
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0251
PMID:35108088
|
研究论文 | 提出一种名为HDL4TSP的混合深度学习方法用于城市交通速度预测 | 同时建模交通数据中的空间和时间相关性,通过图卷积网络捕获空间依赖关系,使用ConvLSTM网络建模时间周期性 | NA | 提高交通速度预测的准确性 | 城市各区域的交通速度数据 | 机器学习 | NA | 深度学习 | 图卷积网络, ConvLSTM | 交通速度数据 | 两个真实世界数据集 | NA | HDL4TSP(包含输入层、空间层、时间层、融合层和输出层) | NA | NA |
| 217 | 2025-10-07 |
A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0268
PMID:35704031
|
研究论文 | 提出一种基于混合多层深度学习模型的网络入侵检测系统 | 采用多层卷积神经网络进行特征提取和选择,并结合softmax分类器进行入侵分类,同时使用多层深度神经网络进行进一步分析 | 仅使用NSL-KDD和KDDCUP'99两个基准数据集进行验证,未在其他数据集上测试泛化能力 | 提高网络入侵检测的准确率 | 网络流量数据 | 机器学习 | NA | 深度学习 | CNN, 深度神经网络 | 网络流量数据 | NSL-KDD和KDDCUP'99两个基准数据集 | NA | 多层卷积神经网络, 多层深度神经网络 | 准确率, 召回率, F1分数, 精确率 | NA |
| 218 | 2025-04-25 |
Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis
2024-Oct-15, Research square
DOI:10.21203/rs.3.rs-4889334/v1
PMID:39483897
|
研究论文 | 本文探讨了在系统性硬化症(SSc)患者中使用神经网络分析作为皮肤结果的新方法,并与传统方法进行比较 | 首次将深度学习模型应用于SSc患者的皮肤活检,以量化病理特征,超越了传统的皮肤厚度测量 | 研究样本量较小(仅10名患者),且试验提前终止,可能影响结果的普遍性 | 评估belumosudil在SSc患者中的效果,并探索AI在量化SSc皮肤病理特征中的应用 | 患有弥漫性皮肤SSc的成年患者 | 数字病理学 | 系统性硬化症 | 深度学习 | 深度学习模型 | 图像(皮肤活检切片) | 10名患者(其中5名有配对活检) | NA | NA | NA | NA |
| 219 | 2025-04-25 |
Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology
2024-Oct-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.22.590118
PMID:38712207
|
研究论文 | 本研究提出了一种数据驱动且可解释的方法,用于识别与患者预后相关的肿瘤微环境细胞组织模式 | 引入了双层图模型(细胞图和群体图),通过软Weisfeiler-Lehman子树核捕捉患者间的相似性,从而识别具有独特预后的患者亚群和肿瘤微环境模式 | 方法虽然在乳腺癌患者中验证,但可能在其他癌症类型中的适用性需要进一步验证 | 开发一种可解释的深度学习方法,识别与预后相关的肿瘤微环境模式 | 乳腺癌患者的肿瘤微环境 | 数字病理学 | 乳腺癌 | 深度学习 | 双层图模型(细胞图和群体图) | 数字病理图像 | 乳腺癌患者队列(具体数量未提及)及两个独立验证队列 | NA | NA | NA | NA |
| 220 | 2025-10-07 |
Development and Evaluation of a Learning-Based Model for Real-Time Haptic Texture Rendering
2024 Oct-Dec, IEEE transactions on haptics
IF:2.4Q2
DOI:10.1109/TOH.2024.3382258
PMID:38536688
|
研究论文 | 开发并评估一种基于学习的实时触觉纹理渲染模型 | 提出统一的动作条件触觉纹理渲染模型,无需为每种纹理单独训练模型,能够泛化到未见过的纹理 | NA | 开发可泛化的实时触觉纹理渲染方法,提升虚拟现实环境的触觉体验 | 触觉纹理渲染和人类触觉感知 | 机器学习 | NA | 基于视觉的触觉传感(GelSight) | 深度学习 | 触觉传感器数据 | 通过多部分人类用户研究进行评估 | NA | NA | 感知性能评估 | NA |