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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2025-10-07 |
Evolution of computational techniques against various KRAS mutants in search for therapeutic drugs: a review article
2025-Apr-07, Cancer chemotherapy and pharmacology
IF:2.7Q2
DOI:10.1007/s00280-025-04767-8
PMID:40195161
|
综述 | 本文综述了针对不同KRAS突变体的计算技术演变及其在治疗药物发现中的应用 | 系统总结了计算技术在KRAS抑制剂发现中的突破性进展,特别关注变构口袋识别和人工智能新方法的应用 | NA | 探讨计算技术在KRAS突变体靶向药物研发中的应用与发展 | KRAS蛋白突变体及其抑制剂 | 计算生物学 | 癌症 | 虚拟筛选、分子动力学模拟、分子对接、机器学习、深度学习 | NA | 蛋白质结构数据、化合物数据库 | NA | NA | NA | NA | NA |
| 962 | 2025-10-07 |
scAMZI: attention-based deep autoencoder with zero-inflated layer for clustering scRNA-seq data
2025-Apr-07, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-11511-2
PMID:40197174
|
研究论文 | 提出一种基于注意力自编码器和零膨胀层的深度学习模型scAMZI,用于单细胞RNA测序数据的聚类分析 | 首次将SimAM注意力机制、自编码器和零膨胀负二项模型结合,能同时学习细胞特征表示和细胞间关系,并有效处理数据中的零值 | NA | 开发更有效的单细胞RNA测序数据聚类方法 | 单细胞RNA测序数据 | 机器学习 | NA | scRNA-seq | 自编码器, 注意力机制 | 基因表达数据 | 14个基准数据集,包含数百至数万个细胞 | NA | 自编码器, SimAM | NA | NA |
| 963 | 2025-10-07 |
Visual search and real-image similarity: An empirical assessment through the lens of deep learning
2025-Apr, Psychonomic bulletin & review
IF:3.2Q1
DOI:10.3758/s13423-024-02583-4
PMID:39327401
|
研究论文 | 本研究利用深度卷积神经网络预测人类视觉搜索效率,通过计算物体间相似性为Duncan和Humphreys的相似性原则提供生态学证据 | 首次使用深度卷积神经网络从生态学角度量化验证视觉搜索相似性原则,并发现目标-干扰物和干扰物-干扰物相似性在网络不同层级发挥作用 | 基于计算模型的预测仍需进一步在真实场景中验证,实验室结果到现实世界的泛化能力有待加强 | 验证视觉搜索中的相似性原则并预测人类搜索效率 | 视觉场景中的目标物体和干扰物 | 计算机视觉 | NA | 深度卷积神经网络 | CNN | 图像 | NA | NA | 深度卷积神经网络 | 搜索效率预测 | NA |
| 964 | 2025-10-07 |
Leveraging Deep Learning for Immune Cell Quantification and Prognostic Evaluation in Radiotherapy-Treated Oropharyngeal Squamous Cell Carcinomas
2025-Apr, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104094
PMID:39826685
|
研究论文 | 本研究利用深度学习技术量化放疗前口咽鳞状细胞癌活检组织中的免疫细胞密度并评估其预后价值 | 首次将U-Net深度学习模型应用于口咽鳞状细胞癌免疫微环境的量化分析,并比较了细胞计数法和面积法两种量化方法的预后预测能力 | 样本量相对有限(84例),仅针对口咽鳞状细胞癌特定亚型 | 开发基于深度学习的标准化方法用于肿瘤免疫微环境研究并评估其预后价值 | 接受根治性放疗的口咽鳞状细胞癌患者的治疗前肿瘤活检组织 | 数字病理学 | 头颈鳞状细胞癌 | 免疫组织化学,全玻片成像 | 深度学习 | 病理图像 | 84例口咽鳞状细胞癌患者的治疗前福尔马林固定石蜡包埋肿瘤活检 | NA | U-Net | 准确性,重现性 | NA |
| 965 | 2025-10-07 |
Microsatellite-Stable Gastric Cancer Can be Classified into 2 Molecular Subtypes with Different Immunotherapy Response and Prognosis Based on Gene Sequencing and Computational Pathology
2025-Apr, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104101
PMID:39894411
|
研究论文 | 本研究通过基因测序和计算病理学将微卫星稳定型胃癌分为两种分子亚型,并验证了其与免疫治疗反应和预后的关联 | 首次基于免疫相关基因特征和Vision Transformer深度学习模型对微卫星稳定型胃癌进行分子分型 | 样本量相对有限(105例独立验证队列),需要更大规模研究验证 | 开发微卫星稳定型胃癌的分子分型方法以改善预后预测和治疗决策 | 微卫星稳定型胃癌患者 | 计算病理学 | 胃癌 | RNA测序, 免疫组织化学, 数字病理 | Vision Transformer, 机器学习 | 基因表达数据, 数字病理切片图像, 临床信息 | TCGA和GEO数据库患者数据,外加105例独立验证队列 | NA | Vision Transformer | AUC | NA |
| 966 | 2025-10-07 |
Psychedelic Drugs in Mental Disorders: Current Clinical Scope and Deep Learning-Based Advanced Perspectives
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413786
PMID:40112231
|
综述 | 本文综述了致幻剂在精神障碍治疗中的临床应用现状,并探讨了基于深度学习的药物开发新视角 | 整合了致幻剂的多维药理机制(结构功能、微生物-肠-脑轴、转录组)并首次系统提出深度学习在优化精神药物开发中的应用前景 | 致幻剂的精确处方机制仍不明确,个体差异和复杂神经环路影响药物效果的一致性 | 探索致幻剂在精神障碍治疗中的药理机制并推动精准医疗发展 | 精神障碍患者(包括焦虑症、重度抑郁症、自闭症谱系障碍)和致幻药物(如裸盖菇素、LSD) | 机器学习 | 精神障碍 | 转录组分析, 微生物组分析 | 深度学习 | 大数据 | NA | NA | NA | NA | NA |
| 967 | 2025-10-07 |
An Overview and Comparative Analysis of CRISPR-SpCas9 gRNA Activity Prediction Tools
2025-Apr, The CRISPR journal
DOI:10.1089/crispr.2024.0058
PMID:40151952
|
综述论文 | 对CRISPR-SpCas9 gRNA活性预测工具进行系统性概述和性能评估 | 首次对七种基于机器学习和深度学习的CRISPR-Cas9编辑效率预测工具在九个数据集上进行系统性基准测试 | 仅评估了七种预测工具,未涵盖所有现有方法 | 评估CRISPR基因编辑技术中gRNA活性预测工具的性能 | CRISPR-SpCas9系统的gRNA活性预测工具 | 机器学习 | NA | CRISPR基因编辑技术 | 机器学习,深度学习 | 基因组序列数据 | 九个CRISPR数据集,涵盖六种细胞类型和三个物种 | NA | NA | 准确率,Spearman相关系数 | NA |
| 968 | 2025-10-07 |
Pathomics Image Analysis of Tumor Infiltrating Lymphocytes (TILs) in Colon Cancer
2025-Apr-01, Research square
DOI:10.21203/rs.3.rs-6173056/v1
PMID:40235501
|
研究论文 | 开发深度学习病理影像分析工作流程,用于生成结肠癌中肿瘤浸润淋巴细胞的空间分布图并量化其丰度 | 首次提出基于深度学习的病理影像分析方法,能够可视化并量化结肠癌微环境中肿瘤浸润淋巴细胞的空间分布特征 | 研究局限于结肠癌样本,未验证在其他癌症类型中的适用性 | 评估肿瘤浸润淋巴细胞作为病理影像学生物标志物的预后价值 | 结肠癌患者的H&E染色全切片影像 | 数字病理学 | 结肠癌 | H&E染色全切片影像分析 | 深度学习 | 病理影像 | 结肠癌患者全切片影像样本 | NA | NA | 总体生存期, 无进展间期 | NA |
| 969 | 2025-10-07 |
Rethinking Domain-Specific Pretraining by Supervised or Self-Supervised Learning for Chest Radiograph Classification: A Comparative Study Against ImageNet Counterparts in Cold-Start Active Learning
2025-Apr, Health care science
DOI:10.1002/hcs2.70009
PMID:40241982
|
研究论文 | 比较领域特定预训练与通用预训练在胸部X光分类冷启动主动学习中的性能差异 | 首次系统评估医学领域特定预训练模型在冷启动主动学习中的表现,并与ImageNet预训练模型进行对比 | 仅针对胸部X光图像和两种疾病进行验证,未涵盖其他医学影像模态和疾病类型 | 评估领域特定预训练在冷启动主动学习中的有效性 | 胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 医学影像 | NA | NA | TXRV, REMEDIS | 统计显著性检验 | NA |
| 970 | 2025-10-07 |
Development and external multicentric validation of a deep learning-based clinical target volume segmentation model for whole-breast radiotherapy
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100749
PMID:40242807
|
研究论文 | 开发并外部验证基于深度学习的全乳放疗临床靶区自动分割模型 | 利用大样本单中心数据结合多中心数据开发3D-Unet模型,实现双侧临床靶区的自动分割,并进行多中心外部验证 | 有一个中心(Inst 9)的模型迁移性较差 | 优化放疗治疗并减少毒性,通过自动分割器官风险区和临床靶区 | 乳腺癌患者的临床靶区分割 | 医学影像分析 | 乳腺癌 | 放射治疗计划CT | 3D-Unet | CT图像 | 1822名患者(861名来自单中心用于训练,961名来自8个中心用于验证) | NA | 3D-Unet | Dice相似系数, Hausdorff距离, 95百分位Hausdorff距离, 平均表面距离 | NA |
| 971 | 2025-10-07 |
Improving the cleaning quality of tube lumen instruments by imaging analysis and deep learning techniques
2025-Apr-18, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2023-0527
PMID:40241330
|
研究论文 | 本研究通过成像分析和深度学习技术改进管腔器械的清洁质量检测 | 引入两种注意力机制聚焦重要特征,提出FA-ResNet18模型并采用并发空间和通道压缩激励注意力机制 | NA | 提高可重复使用管腔器械的清洁质量检测水平,确保患者安全和临床可靠性 | 管腔器械 | 计算机视觉 | NA | 电子内窥镜成像,图像预处理技术 | 深度学习 | 图像 | NA | NA | ResNet18, FA-ResNet18 | 准确率, 宏精确率, 宏召回率, 宏F2分数 | NA |
| 972 | 2025-10-07 |
Brain tumour classification and survival prediction using a novel hybrid deep learning model using MRI image
2025-Apr-17, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2486206
PMID:40243150
|
研究论文 | 提出一种名为DRP_Net的新型混合深度学习模型,用于脑肿瘤分类和生存预测 | 融合深度残差网络和金字塔网络构建新型混合模型DRP_Net,结合同态滤波、Haar小波和LDNP特征提取技术 | 仅使用BraTS数据集,未提及外部验证或临床部署可行性 | 开发自动化的脑肿瘤分类和生存预测方法 | 脑肿瘤患者的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN, RNN | 图像 | BraTS数据集(具体数量未明确) | NA | Deep Residual Network, PyramidNet, Deep Recurrent Neural Network | 真阴性率, 准确率, 真阳性率 | NA |
| 973 | 2025-10-07 |
Radiology AI and sustainability paradox: environmental, economic, and social dimensions
2025-Apr-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01962-2
PMID:40244301
|
综述 | 探讨放射学AI在环境、经济和社会维度上的可持续性悖论 | 首次从放射学视角系统分析AI技术的可持续性矛盾,提出平衡创新与可持续性的综合框架 | 未提供具体实证数据支持理论分析,缺乏量化环境影响评估 | 分析AI在放射学领域的可持续性挑战并提出应对策略 | 放射学AI系统的环境足迹、经济可行性和社会影响 | 医疗AI | NA | 深度学习 | NA | NA | NA | NA | NA | NA | 云计算 |
| 974 | 2025-10-07 |
A deep learning model based on self-supervised learning for identifying subtypes of proliferative hepatocellular carcinoma from dynamic contrast-enhanced MRI
2025-Apr-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01968-w
PMID:40244356
|
研究论文 | 本研究开发了一种基于自监督学习的深度学习模型,利用动态对比增强MRI数据识别肝细胞癌的增殖亚型 | 首次将自监督学习与动态影像组学结合,采用两阶段训练方法预测HCC增殖亚型 | 回顾性研究设计,样本量相对有限(381例患者) | 提高肝细胞癌增殖亚型的诊断精度并指导个性化治疗规划 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 动态对比增强MRI | 深度学习模型 | 医学影像 | 381例HCC患者(训练集220例,内部测试集93例,外部测试集68例) | NA | pHCC-SSL模型 | AUC | NA |
| 975 | 2025-10-07 |
Empowering natural product science with AI: leveraging multimodal data and knowledge graphs
2025-Apr-16, Natural product reports
IF:10.2Q1
DOI:10.1039/d4np00008k
PMID:39148455
|
观点文章 | 探讨如何利用人工智能和多模态数据及知识图谱推动天然产物科学研究 | 提出通过构建知识图谱整合分散的天然产物数据,以开发能模拟天然产物科学家决策过程的AI模型 | 天然产物数据存在多模态、不平衡、非标准化和分散存储等挑战,限制了现有深度学习架构的应用 | 推动人工智能在天然产物科学研究中的应用,模拟人类认知决策过程 | 天然产物科学数据和知识 | 自然语言处理, 机器学习 | NA | 知识图谱构建, 多模态数据处理 | NA | 多模态数据, 非关系型数据 | NA | NA | NA | NA | NA |
| 976 | 2025-10-07 |
A deep learning approach for quantifying CT perfusion parameters in stroke
2025-Apr-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc9b6
PMID:40194529
|
研究论文 | 提出一种基于Transformer的深度学习方法,用于从CT灌注图像中准确量化脑卒中相关生理参数 | 首次将Transformer网络应用于CT灌注参数估计,能够学习体素级时间特征并估计局部动脉输入函数 | 方法验证主要基于模拟数据和单一公开数据集(ISLES18),需要更多临床数据验证 | 开发从CT灌注图像准确估计生理参数的方法 | 急性缺血性脑卒中患者的CT灌注图像 | 医学影像分析 | 脑卒中 | CT灌注成像 | Transformer | 医学影像序列数据 | ISLES18数据集和模拟数据 | NA | Transformer | 相关系数, 平均误差 | NA |
| 977 | 2025-10-07 |
Deep Anatomical Federated Network (Dafne): An Open Client-server Framework for the Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation
2025-Apr-16, Radiology. Artificial intelligence
DOI:10.1148/ryai.240097
PMID:40237599
|
研究论文 | 提出并评估了Dafne,一个基于联邦增量学习的免费去中心化协作深度学习系统,用于医学影像语义分割 | 开发了首个开放的客户端-服务器框架,支持通过联邦增量学习实现医学影像分割模型的持续协作改进 | 本地评估仅基于38个下肢MRI数据集,样本规模有限 | 开发一个能够通过联邦学习持续改进医学影像分割性能的协作系统 | 放射学图像的语义分割 | 医学影像分析 | NA | 联邦学习,增量学习 | 深度学习 | 医学影像,MRI | 38个下肢MRI数据集,639个实际使用案例 | NA | NA | Dice相似系数 | 客户端-服务器架构 |
| 978 | 2025-10-07 |
A lightweight Xray-YOLO-Mamba model for prohibited item detection in X-ray images using selective state space models
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96035-1
PMID:40240781
|
研究论文 | 提出一种轻量级Xray-YOLO-Mamba模型,用于X射线图像中的违禁物品检测 | 集成YOLO和Mamba架构,引入CResVSS块增强感受野和特征表示,SDConv下采样块减少信息损失,Dysample上采样块改善分辨率恢复 | NA | 解决X射线图像违禁物品检测中的特征提取、目标遮挡和模型复杂度问题 | X射线图像中的违禁物品 | 计算机视觉 | NA | X射线成像 | YOLO, Mamba | X射线图像 | 三个数据集(CLCXray, OPIXray, SIXray) | NA | YOLO, Mamba, CResVSS, SDConv, Dysample | mAP, FPS | GPU |
| 979 | 2025-10-07 |
Inter-organ correlation based multi-task deep learning model for dynamically predicting functional deterioration in multiple organ systems of ICU patients
2025-Apr-16, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00445-w
PMID:40241105
|
研究论文 | 提出基于器官间相关性的多任务深度学习模型IOC-MT,用于动态预测ICU患者六个器官系统的功能恶化 | 使用图注意力网络模块捕获器官间相关性,并采用自适应调整机制根据其他器官信息调整预测结果 | 研究依赖于三个公共ICU数据库,未在更多数据集上验证模型泛化能力 | 开发多任务深度学习模型同时预测多个器官系统的功能恶化 | ICU患者六个器官系统的功能恶化 | 医疗健康, 深度学习 | 危重症疾病 | 深度学习, 图神经网络 | 多任务深度学习, GAT, LSTM, GRU, Transformer | ICU临床数据 | 三个公共ICU数据库 | NA | Graph Attention Networks, LSTM, GRU, Transformer | AUROC, AUPRC, 校准曲线 | NA |
| 980 | 2025-10-07 |
AI-assisted SERS imaging method for label-free and rapid discrimination of clinical lymphoma
2025-Apr-16, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-025-03339-5
PMID:40241186
|
研究论文 | 开发了一种结合AI和SERS成像的无标记快速淋巴瘤诊断方法 | 首次将表面增强拉曼散射成像与深度学习相结合,实现小视野(30×30μm²)组织切片的快速分子成像诊断 | 目前仅验证了非霍奇金淋巴瘤和正常淋巴组织的识别,未扩展到其他类型淋巴瘤 | 开发微创淋巴瘤诊断的分子成像策略 | 临床正常淋巴组织和非霍奇金淋巴瘤组织样本 | 数字病理 | 淋巴瘤 | 表面增强拉曼散射成像 | CNN | 拉曼光谱图像 | 临床淋巴组织和NHL组织样本 | NA | 深度卷积神经网络 | 识别率 | NA |