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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2025-10-07 |
stDyer enables spatial domain clustering with dynamic graph embedding
2025-Feb-20, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03503-y
PMID:39980033
|
研究论文 | 提出了一种名为stDyer的端到端深度学习框架,用于空间转录组数据的空间域聚类 | 结合高斯混合变分自编码器与图注意力网络,通过动态图自适应连接单元,改进了聚类效果并产生更平滑的域边界 | NA | 开发有效的空间转录组数据空间域聚类方法 | 空间转录组数据 | 机器学习 | NA | 空间转录组技术 | 变分自编码器,图注意力网络 | 空间转录组数据 | NA | PyTorch,TensorFlow | 高斯混合变分自编码器,图注意力网络 | 聚类性能,多切片分析能力,大规模数据集处理能力 | 多GPU支持 |
| 822 | 2025-10-07 |
Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification
2025-Feb-20, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251316563
PMID:39980256
|
研究论文 | 本研究利用热成像技术和深度学习对糖尿病患者进行足部溃疡风险分层 | 首次将热成像技术与深度学习相结合用于糖尿病足风险分类 | 样本量较小(153张热图像),模型特异性相对较低(64.0%) | 开发基于热成像和深度学习的糖尿病足溃疡风险筛查方法 | 接受糖尿病足筛查的成年糖尿病患者 | 计算机视觉 | 糖尿病足 | 热成像技术 | 深度学习 | 热图像 | 153张足底热图像(训练集98张,测试集55张) | NA | 神经网络 | 准确率, 灵敏度, 特异性, Matthews相关系数 | NA |
| 823 | 2025-10-07 |
UAS-based MT-YOLO model for detecting missed tassels in hybrid maize detasseling
2025-Feb-19, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01341-4
PMID:39972352
|
研究论文 | 本研究提出基于无人机系统和深度学习的MT-YOLO模型,用于杂交玉米去雄过程中遗漏雄穗的精准检测 | 针对早期雄穗被叶片部分包裹的检测难点构建专用数据集,开发了在检测精度和速度上均优于现有主流模型的MT-YOLO模型 | 未明确说明模型在不同环境条件下的泛化能力及长期稳定性 | 提升杂交玉米种子生产中去雄作业的效率和纯度 | 杂交玉米去雄过程中遗漏的雄穗 | 计算机视觉 | NA | 无人机航拍,深度学习 | YOLO | 图像 | 包含不同光照条件、种植密度和生长阶段的多样化雄穗图像数据集 | NA | MT-YOLO, YOLO v5s, Faster R-CNN, SSD | 平均精度,精确率,召回率,F1分数,漏检率,检测速度 | NA |
| 824 | 2025-10-07 |
A deep learning approach: physics-informed neural networks for solving a nonlinear telegraph equation with different boundary conditions
2025-Feb-19, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-025-07142-1
PMID:39972356
|
研究论文 | 提出一种基于物理信息神经网络的深度学习方法求解具有不同边界条件的非线性电报方程 | 使用物理信息神经网络解决具有Dirichlet、Neumann和周期性边界条件的双曲非线性电报方程 | 需要大量超参数调优来选择最佳模型配置 | 开发有效的计算方法解决具有不同边界条件的非线性物理问题 | 非线性电报方程 | 机器学习 | NA | 物理信息神经网络 | 前馈深度神经网络 | 数值模拟数据 | 三个计算示例 | Python | 密集连接神经网络 | 相对误差分析, 统计性能度量分析 | NA |
| 825 | 2025-10-07 |
A novel generative model for brain tumor detection using magnetic resonance imaging
2025-Feb-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种结合YOLOv8框架、智能计算单元和大语言模型的脑肿瘤检测与分割新方法 | 结合智能计算单元进行精细分割,采用数据融合技术整合多个数据集,并引入大语言模型生成预诊断 | NA | 开发基于人工智能的脑肿瘤计算机辅助诊断方法 | 脑部磁共振成像图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN, LLM | 图像 | NA | YOLOv8 | YOLOv8 | 准确率, 分割时间 | NA |
| 826 | 2025-10-07 |
Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients
2025-Feb-19, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105843
PMID:39986123
|
研究论文 | 开发并验证一种基于心电图数据的深度学习人工智能模型,用于预测射血分数降低型心力衰竭患者的一年死亡率 | 首次利用大规模心电图数据开发深度学习AI模型预测HFrEF患者一年死亡率 | 研究仅基于两家医院的数据,需要外部验证 | 开发人工智能模型预测心力衰竭患者死亡率 | 射血分数降低型心力衰竭患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图数据 | 3,894名HFrEF患者,包含16,228份独立心电图 | NA | NA | AUROC, 敏感性, 阳性预测值, 阴性预测值, 风险比 | NA |
| 827 | 2025-10-07 |
Structure-Based Deep Learning Framework for Modeling Human-Gut Bacterial Protein Interactions
2025-Feb-17, Proteomes
IF:4.0Q2
DOI:10.3390/proteomes13010010
PMID:39982320
|
研究论文 | 提出基于结构的深度学习框架预测人类与肠道细菌蛋白质相互作用 | 结合图结构蛋白质表示与变分自编码器,采用双向交叉注意力模块进行特征融合,并利用焦点损失解决类别不平衡问题 | 实验数据稀疏,蛋白质相互作用数据有限 | 预测人类与肠道细菌蛋白质相互作用网络 | 人类宿主蛋白质与肠道细菌蛋白质 | 机器学习 | 肠道微生物相关疾病 | 蛋白质结构分析 | VAE, 深度学习 | 蛋白质结构数据 | NA | NA | 变分自编码器, 双向交叉注意力模块 | 精确率, 召回率 | NA |
| 828 | 2025-10-07 |
Specific glycomacropeptide detection via polyacrylamide gel electrophoresis with dual imaging and signal-fusion deep learning
2025-Feb-12, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143293
PMID:39986063
|
研究论文 | 开发了一种结合双成像和信号融合深度学习的SDS-PAGE方法,用于特异性检测牛奶样品中的糖巨肽 | 采用双成像(固有荧光成像和银染)产生互补检测信号,并结合信号融合深度学习模型提高定量分析性能 | 仅适用于具有独特固有荧光特性的蛋白质/肽的分析 | 开发特异性检测和定量分析糖巨肽的方法 | 牛奶样品中的糖巨肽和β-乳球蛋白 | 计算机视觉 | NA | SDS-PAGE, 固有荧光成像, 银染 | 深度学习 | 图像 | NA | NA | 信号融合深度学习模型 | 分类准确率 | NA |
| 829 | 2025-10-07 |
Advancing Privacy-Preserving Health Care Analytics and Implementation of the Personal Health Train: Federated Deep Learning Study
2025-Feb-06, JMIR AI
DOI:10.2196/60847
PMID:39912580
|
研究论文 | 本研究提出并验证了一种名为个人健康列车(PHT)的联邦学习基础设施,用于在保护隐私的前提下实现跨机构的医疗数据分析 | 开发了包含安全聚合服务器的PHT联邦学习框架,能够在不可信环境中进行模型平均,防止数据泄露 | 仅进行了概念验证研究,需要进一步在实际临床环境中验证 | 开发保护隐私的联邦学习基础设施,促进医疗领域深度学习的广泛应用 | 肺癌患者的胸部CT图像中的肿瘤体积分割 | 数字病理 | 肺癌 | 联邦学习,深度学习 | 深度学习神经网络 | CT医学影像 | 来自8个国家12家医院的跨机构数据 | Vantage6 | NA | NA | 分布式计算基础设施 |
| 830 | 2025-10-07 |
Deep Learning Model for Predicting Immunotherapy Response in Advanced Non-Small Cell Lung Cancer
2025-Feb-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2024.5356
PMID:39724105
|
研究论文 | 开发基于深度学习的免疫检查点抑制剂治疗反应预测模型,用于晚期非小细胞肺癌患者 | 首次利用全切片H&E染色图像开发深度学习模型预测NSCLC患者免疫治疗反应,并在多中心队列中验证其独立预测价值 | 回顾性研究设计,样本主要来自欧美中心,缺乏其他种族人群验证 | 开发并验证深度学习模型以预测晚期非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 接受免疫检查点抑制剂单药治疗的晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 全切片H&E染色图像分析 | 深度学习 | 病理图像 | 958名患者(美国614名,欧盟344名),共295,581个图像块 | NA | NA | AUC, 特异性, 风险比, 客观缓解率 | NA |
| 831 | 2025-10-07 |
AI-based approach to dissect the variability of mouse stem cell-derived embryo models
2025-Feb-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56908-5
PMID:39971935
|
研究论文 | 本研究利用深度学习方法提高小鼠干细胞衍生胚胎模型的选择可重复性 | 首次将深度学习应用于干细胞衍生胚胎模型的发育轨迹预测和分类 | 模型在初始细胞接种阶段的准确率相对较低(65%) | 提高干细胞衍生胚胎模型研究的标准化和可重复性 | 小鼠植入后干细胞衍生胚胎样结构(ETiX-胚胎) | 计算机视觉 | NA | 活体成像 | 深度学习 | 图像 | 900个小鼠ETiX-胚胎 | NA | NA | 准确率 | NA |
| 832 | 2025-10-07 |
An infrared dataset for partially occluded person detection in complex environment for search and rescue
2025-Feb-19, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04600-0
PMID:39971943
|
研究论文 | 本文提出了一个用于复杂环境中部分遮挡人员检测的红外热成像数据集POP | 创建了首个针对部分遮挡人员检测的无人机红外热成像数据集,解决了现有非遮挡人体目标数据集在自动识别遮挡目标方面的不足 | 数据集主要针对室外环境,未涉及室内或其他特殊场景的遮挡情况 | 提升无人机在复杂搜索救援场景中对部分遮挡人员的检测能力 | 部分遮挡的人员目标 | 计算机视觉 | NA | 红外热成像 | 目标检测网络 | 红外热成像图像 | 8768张标注的热成像图像 | NA | NA | 平均精度, 响应时间 | NA |
| 833 | 2025-10-07 |
LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89651-4
PMID:39971977
|
研究论文 | 提出一种基于人工智能的实时交通管理系统,通过优化救护车路线和交通信号控制来提升紧急医疗服务响应效率 | 结合LSTM和ResNet18的多模态数据融合方法,通过音频和视觉双重检测实现高精度救护车识别 | 未明确说明系统在实际复杂城市环境中的部署挑战和计算资源需求 | 减少紧急医疗服务响应时间,优化城市交通管理 | 救护车检测与交通信号控制系统 | 计算机视觉,自然语言处理 | NA | MFCC特征提取,迁移学习 | LSTM,CNN | 音频,图像 | NA | TensorFlow/PyTorch | ResNet18,LSTM | 准确率,精确率,召回率,F1分数,混淆矩阵 | 树莓派 |
| 834 | 2025-10-07 |
Lightweight visual localization algorithm for UAVs
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88089-y
PMID:39971988
|
研究论文 | 提出了一种用于无人机的轻量化视觉定位算法Lightv8nPnP | 引入GhostConv构建GDetect检测头模块,采用Wise-IoU作为边界框回归损失函数,并基于无人机航拍数据集特性改进YOLOv8n网络结构创建TrimYOLO | NA | 开发能够实现无人机精确三维定位的高效视觉定位算法模型 | 无人机视觉定位 | 计算机视觉 | NA | 深度学习 | YOLOv8n, Lightv8nPnP | 图像 | NA | NA | YOLOv8n, TrimYOLO, GDetect | 帧率, 定位误差 | NA |
| 835 | 2025-10-07 |
A skin disease classification model based on multi scale combined efficient channel attention module
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90418-0
PMID:39972014
|
研究论文 | 提出一种基于多尺度通道注意力的皮肤病分类模型,通过改进金字塔分割注意力模块和反向残差结构提升分类性能 | 改进了金字塔分割注意力模块以完整提取图像多尺度特征,并将注意力模块集成到反向残差结构中 | NA | 开发高效的皮肤病自动分类模型以辅助临床诊断 | 皮肤病图像数据 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 图像 | ISIC2019和HAM10000两个皮肤病数据集 | NA | 改进的金字塔分割注意力模块,反向残差结构 | 准确率 | NA |
| 836 | 2025-10-07 |
Temporal and spatial self supervised learning methods for electrocardiograms
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90084-2
PMID:39972080
|
研究论文 | 提出一种专门针对心电图检测的时空自监督学习方法,有效利用ECG信号的时空特性增强特征表示 | 首次将时空特性同时引入ECG自监督学习,通过时间维度保持个体身份一致性,空间维度捕捉多导联信号关联性 | 未明确说明模型在临床环境中的泛化能力及对罕见心律失常的检测效果 | 解决ECG标注数据稀缺问题,提升自监督学习在心电图分析中的效果 | 心电图信号 | 机器学习 | 心血管疾病 | 自监督学习 | 深度学习 | 时序信号数据 | CPSC2018、Chapman和PTB-XL三个数据库的ECG数据 | NA | TSSL(时空自监督学习架构) | NA | NA |
| 837 | 2025-10-07 |
Ensemble fuzzy deep learning for brain tumor detection
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90572-5
PMID:39972098
|
研究论文 | 提出一种集成模糊深度学习方法用于脑部MRI图像分析,旨在改善脑组织和异常区域的分割效果 | 结合体积模糊池化、模型融合策略和注意力机制,构建知识库以根据样本相似度选择最佳模型 | NA | 改进脑部MRI图像分割的准确性和效率 | 脑部MRI图像中的组织和异常区域 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 集成深度学习 | 医学图像 | 完整脑部MRI分割数据集 | NA | 多种深度学习架构 | 交并比(IoU) | NA |
| 838 | 2025-10-07 |
Assessment of hydrological loading displacement from GNSS and GRACE data using deep learning algorithms
2025-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90363-y
PMID:39972111
|
研究论文 | 提出一种基于3D卷积神经网络的水文负载位移估计新方法 | 首次将3D-CNN应用于水文负载位移估计,相比传统格林函数反演方法精度显著提升 | 研究区域仅限于云南省及周边地区,模型在其他地理区域的适用性有待验证 | 精确评估陆地水负载位移对大地测量的影响 | 云南省及周边地区41个GNSS站的垂直位移时间序列数据 | 地球科学 | NA | GNSS观测,GRACE卫星重力测量 | 3D-CNN | 时间序列数据,空间分布数据 | 41个GNSS站点,2019-2022年数据 | NA | 3D-CNN | 最大偏差,绝对最小偏差,绝对平均偏差,标准差 | NA |
| 839 | 2025-10-07 |
Genetic insights into the shared molecular mechanisms of Crohn's disease and breast cancer: a Mendelian randomization and deep learning approach
2025-Feb-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01978-6
PMID:39964572
|
研究论文 | 本研究通过孟德尔随机化和深度学习探索克罗恩病与乳腺癌之间的遗传联系及潜在治疗靶点 | 首次结合孟德尔随机化分析与深度学习预测方法系统研究克罗恩病与乳腺癌的共享遗传机制和药物靶点 | 研究结果为初步发现,需要进一步实验验证 | 探索克罗恩病与乳腺癌之间的遗传关联并识别可药物化基因 | 克罗恩病和乳腺癌的遗传数据 | 机器学习 | 克罗恩病,乳腺癌 | 孟德尔随机化,基因本体分析,通路富集分析,蛋白质-蛋白质相互作用网络,共定位分析 | 深度学习 | 单核苷酸多态性数据 | NA | NA | NA | NA | NA |
| 840 | 2025-10-07 |
Sub-1-min relaxation-enhanced non-contrast non-triggered cervical MRA using compressed SENSE with deep learning reconstruction in healthy volunteers
2025-Feb-18, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00560-7
PMID:39966221
|
研究论文 | 本研究评估了使用压缩感知结合深度学习重建技术在健康志愿者中实现亚1分钟无对比剂颈部磁共振血管成像的可行性 | 首次将压缩感知与深度学习重建相结合,在保持图像质量的同时将颈部MRA扫描时间缩短至1分钟以内 | 研究仅针对健康志愿者,需要进一步临床研究评估在狭窄或夹层等病变中的诊断性能 | 开发快速可靠的无对比剂磁共振血管成像技术 | 34名健康志愿者的颈部动脉 | 医学影像分析 | 血管疾病 | 磁共振血管成像(MRA), 压缩感知, 深度学习重建 | 深度学习 | 医学影像 | 34名健康志愿者 | NA | NA | 图像质量评分, 表观信噪比(aSNR), 表观对比噪声比(aCNR), 边缘上升距离(ERD) | NA |