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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-10-06 |
Accurate and rapid determination of metabolic flux by deep learning of isotope patterns
2025-Apr-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.06.565907
PMID:37986781
|
研究论文 | 开发了一种名为ML-Flux的机器学习框架,通过深度学习同位素标记模式来快速准确测定代谢通量 | 首创使用神经网络直接解析复杂同位素标记模式,替代传统的间接迭代求解器 | 目前仅涵盖中心碳代谢的26种关键示踪剂,网络覆盖范围有待扩展 | 开发快速准确的代谢通量定量分析方法 | 中心碳代谢中的同位素标记模式 | 机器学习 | NA | 同位素示踪技术 | 神经网络 | 同位素标记模式数据 | 26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂 | NA | NA | 准确性, 计算速度 | NA |
| 82 | 2025-10-06 |
Deciphering epistatic genetic regulation of cardiac hypertrophy
2025-Apr-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.11.06.23297858
PMID:37987017
|
研究论文 | 本研究开发了低信号符号迭代随机森林方法,揭示了心脏肥大的复杂遗传调控机制 | 开发了低信号符号迭代随机森林新方法,首次系统性地揭示了心脏肥大中的上位性遗传调控网络 | 研究主要基于英国生物银行数据,样本来源相对单一,需要在其他人群中进一步验证 | 解析心脏肥大的上位性遗传调控机制 | 人类心脏组织、人类诱导多能干细胞来源的心肌细胞 | 生物信息学 | 心血管疾病 | 深度学习、RNA沉默、微流控单细胞形态分析、转录组网络分析 | 随机森林、深度学习模型 | 心脏MRI图像、基因组数据、转录组数据 | 29,661例英国生物银行心脏MRI,313例人类心脏组织 | NA | NA | NA | NA |
| 83 | 2025-10-06 |
MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia
2025-Apr, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202401-022OC
PMID:39591102
|
研究论文 | 本研究探讨了MUC5B基因型及其他常见变异与通过计算成像分析获得的普通间质性肺炎特征之间的关联 | 首次将遗传风险谱与基于深度学习的计算成像表型相关联,为特发性肺纤维化提供了新的基因型-表型关联分析方法 | 样本量相对有限(329名参与者),且未发现常见变异与计算成像评估的纤维化程度之间的关联 | 确定IPF患者的遗传风险谱是否能识别独特的计算成像表型 | 特发性肺纤维化患者 | 数字病理 | 肺纤维化 | 计算断层扫描, 计算图像分析 | 深度学习 | CT图像 | 329名IPF参与者 | NA | NA | NA | NA |
| 84 | 2025-10-06 |
Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110310
PMID:39710009
|
研究论文 | 提出一种结合深度学习重建与量化的端到端动态对比增强MRI技术 | 开发了新型深度重建网络DCE-Movienet,结合已有的DCE-Qnet量化网络,实现快速定量DCE-MRI | 仅在健康志愿者和一名宫颈癌患者中验证,样本规模有限 | 解决DCE-MRI在采集速度和量化性能方面的挑战 | 动态对比增强MRI数据 | 医学影像分析 | 宫颈癌 | 动态对比增强MRI | 深度学习网络 | 4D MRI数据 | 健康志愿者和一名宫颈癌患者 | NA | DCE-Movienet, DCE-Qnet | 重建时间,图像质量 | NA |
| 85 | 2025-07-22 |
Accurate treatment effect estimation using inverse probability of treatment weighting with deep learning
2025-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf032
PMID:40290454
|
研究论文 | 本研究利用深度序列模型通过逆处理概率加权(IPTW)方法准确估计处理效应,无需特征处理 | 提出使用深度序列模型(如RNN和Transformer)直接从索赔记录中估计倾向得分,无需特征处理,提高了处理效应估计的准确性 | 研究主要基于合成和半合成数据集,未在真实世界数据中广泛验证 | 在存在时间依赖性混杂因素的情况下,准确估计处理效应 | 电子健康记录(EHRs)中的索赔记录 | 机器学习 | NA | 逆处理概率加权(IPTW) | RNN, Transformer | 电子健康记录(EHRs) | 合成和半合成数据集 | NA | NA | NA | NA |
| 86 | 2025-10-06 |
Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation
2025-Apr-23, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000003495
PMID:40267276
|
研究论文 | 本研究通过多中心队列外部验证了一种用于巴雷特食管异型增生组织学诊断的深度学习模型 | 首次在三个外部学术中心对巴雷特食管异型增生诊断深度学习模型进行外部验证,采用cGANs进行染色标准化和YOLO+ResNet101集成方法 | 样本主要来自学术中心,社区病理学家诊断变异性问题未完全解决 | 改善巴雷特食管异型增生的诊断准确性,减少观察者间变异性和过度诊断 | 巴雷特食管患者的组织学切片 | 数字病理学 | 巴雷特食管/食管腺癌 | 全切片图像分析,组织染色标准化 | 集成模型 | 组织病理学图像 | 489个全切片图像(232个非异型增生,117个低度异型增生,140个高度异型增生) | NA | YOLO, ResNet101 | 灵敏度, 特异性, F1分数 | NA |
| 87 | 2025-10-06 |
Dissection of tumoral niches using spatial transcriptomics and deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112214
PMID:40230519
|
研究论文 | 本研究开发了TG-ME计算框架,通过整合空间转录组学数据和形态学图像来解析肿瘤微环境中的生态位 | 首次将Transformer与图变分自编码器(GraphVAE)相结合,构建能够同时分析空间转录组数据和形态学图像的计算框架 | NA | 开发计算框架以解析肿瘤微环境中的空间组织结构 | 肿瘤生态位和肿瘤微环境 | 数字病理学 | 肺癌 | 空间转录组学 | Transformer, GraphVAE | 空间转录组数据, 形态学图像 | NA | NA | Transformer, GraphVAE | NA | NA |
| 88 | 2025-10-06 |
pC-SAC: A method for high-resolution 3D genome reconstruction from low-resolution Hi-C data
2025-Apr-10, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf289
PMID:40226920
|
研究论文 | 提出一种从低分辨率Hi-C数据重建高分辨率3D基因组的新计算方法pC-SAC | 使用自适应重要性采样与序列蒙特卡洛方法生成满足物理约束的3D染色质链集合,实现从低分辨率数据重建高分辨率Hi-C矩阵 | NA | 开发成本效益高的方法增强Hi-C数据分辨率,以深入研究3D基因组组织及其在基因调控和疾病中的作用 | 3D基因组组织、染色质结构 | 计算生物学 | NA | Hi-C技术 | 概率模型、蒙特卡洛方法 | Hi-C交互数据 | NA | NA | probabilistically Constrained Self-Avoiding Chromatin (pC-SAC) | 准确率 | NA |
| 89 | 2025-10-06 |
Enhancing nonlinear transcriptome- and proteome-wide association studies via trait imputation with applications to Alzheimer's disease
2025-Apr, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1011659
PMID:40209152
|
研究论文 | 本研究通过性状插补方法增强非线性转录组和蛋白质组关联研究,应用于阿尔茨海默病风险基因和蛋白的发现 | 将性状插补方法应用于非线性TWAS/PWAS分析,利用深度学习模型捕捉表达量对疾病的非线性效应 | 生物银行参与者年龄相对年轻导致AD病例数量不足,可能影响统计功效 | 识别与阿尔茨海默病风险相关的基因和蛋白质 | 阿尔茨海默病相关基因和蛋白质 | 机器学习 | 阿尔茨海默病 | 转录组测序, 蛋白质组分析 | 深度学习 | 基因表达数据, 蛋白质表达数据 | GTEx项目和UK Biobank参与者数据 | NA | DeLIVR | 统计功效, 假阳性率 | NA |
| 90 | 2025-10-06 |
SuperMRF: deep robust reconstruction for highly accelerated magnetic resonance fingerprinting
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1819
PMID:40235764
|
研究论文 | 提出一种名为SuperMRF的深度学习框架,用于从欠采样的磁共振指纹数据直接重建定量T1和T2图谱 | 首次将三维卷积神经网络同时利用空间和时间信息直接重建MRF定量图谱,绕过传统模式匹配方法 | 网络使用模拟数据进行训练,在真实数据中的泛化能力需要进一步验证 | 开发快速、鲁棒的磁共振指纹重建方法 | 健康志愿者的膝关节磁共振数据 | 医学影像分析 | NA | 磁共振指纹成像 | CNN | 三维笛卡尔磁共振指纹数据 | 4名志愿者 | NA | 3D CNN | SSIM, PSNR, NMSE | NA |
| 91 | 2025-10-06 |
Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth
2025-Apr-25, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70074
PMID:40276961
|
研究论文 | 开发了一种数据驱动的连续睡眠深度测量方法——序数睡眠深度(OSD),用于更精确地评估睡眠质量 | 首次使用深度学习框架结合序数回归方法,将离散的睡眠阶段转化为连续睡眠深度测量 | 研究基于单一数据集,需要进一步验证在其他人群中的适用性 | 开发连续睡眠深度测量方法并评估其与临床变量的关联 | 18,116名独特患者的21,787份多导睡眠图记录 | 机器学习 | 睡眠呼吸障碍,认知障碍 | 多导睡眠图,脑电图分析 | CNN | 脑电图信号 | 21,787份多导睡眠图记录来自18,116名患者 | NA | 卷积神经网络 | Pearson相关系数 | NA |
| 92 | 2025-10-06 |
Enhanced cell tracking using a GAN-based super-resolution video-to-video time-lapse microscopy generative model
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112225
PMID:40230526
|
研究论文 | 提出一种基于GAN的超分辨率延时显微镜视频生成模型tGAN,用于增强细胞追踪性能 | 开发了具有双分辨率架构的GAN模型,能够同时捕捉低分辨率和高分辨率细胞细节,生成具有高时间一致性和精细细节的合成注释延时显微镜视频 | 未明确说明模型在特定细胞类型或成像条件下的泛化能力 | 解决细胞追踪中注释延时数据有限的问题,提升深度学习在生物图像分析中的应用 | 细胞动态行为(生长、分裂、运动、细胞间相互作用) | 计算机视觉 | NA | 延时显微镜成像 | GAN | 视频 | NA | NA | GAN, 双分辨率架构 | 时间一致性, 细节质量 | NA |
| 93 | 2025-10-06 |
New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals
2025-Apr-08, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.035
PMID:40175013
|
研究论文 | 本研究通过深度学习模型分析62,902名UK Biobank参与者的心脏磁共振成像数据,提出了轻度主动脉瓣狭窄的新定义标准 | 首次在大规模人群(62,902人)中使用深度学习模型测量主动脉瓣功能参数,并基于健康亚组数据提出了轻度主动脉瓣狭窄的新诊断阈值 | 研究主要基于UK Biobank数据,外部验证仅使用澳大利亚国家超声数据库,随访时间平均仅为3.9年 | 研究无临床指征人群的主动脉瓣功能流行病学特征,并定义轻度主动脉瓣狭窄的诊断标准 | UK Biobank的62,902名参与者和澳大利亚国家超声数据库的365,870名临床患者 | 医学影像分析 | 心血管疾病 | 速度编码心脏磁共振成像,超声心动图 | 深度学习模型 | 医学影像数据 | UK Biobank 62,902人(健康亚组41,859人),外部验证队列365,870人 | NA | NA | 风险比,P值,置信区间 | NA |
| 94 | 2025-10-06 |
Tumor Bud Classification in Colorectal Cancer Using Attention-Based Deep Multiple Instance Learning and Domain-Specific Foundation Models
2025-Apr-07, Cancers
IF:4.5Q1
DOI:10.3390/cancers17071245
PMID:40227783
|
研究论文 | 提出一种基于注意力深度多示例学习和领域特定基础模型的结直肠癌肿瘤芽自动分类系统 | 首次将注意力机制多示例学习与领域特定基础模型结合用于肿瘤芽分类,通过注意力热图验证特征可解释性 | 数据集规模有限(29张训练WSI,70张测试WSI),未进行大规模临床验证 | 开发自动化肿瘤芽分类系统以提高结直肠癌预后评估准确性 | 结直肠癌组织切片中的肿瘤芽 | 数字病理学 | 结直肠癌 | 全切片图像分析 | 注意力多示例学习 | 病理图像 | 29张训练用全切片图像,70张测试用全切片图像 | NA | ABMIL, Phikon-v2, UNI, CtransPath | AUC, 精确度, 召回率 | NA |
| 95 | 2025-10-06 |
Towards contrast-agnostic soft segmentation of the spinal cord
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103473
PMID:39874684
|
研究论文 | 提出一种基于深度学习的脊髓软分割方法,能够在不同MRI对比度下保持分割稳定性 | 首次实现对比度无关的脊髓软分割,通过平均多个对比度的二值分割生成软真值,结合回归损失函数降低CSA变异性 | 研究主要基于健康参与者数据,在病理情况下的泛化能力仍需进一步验证 | 开发能够在不同MRI对比度下稳定分割脊髓的深度学习方法 | 人类脊髓MRI图像 | 医学图像分析 | 神经退行性疾病 | MRI | CNN | 医学图像 | 267名健康参与者,6种MRI对比度 | NA | U-Net | CSA变异性,Wilcoxon符号秩检验 | NA |
| 96 | 2025-10-06 |
Deep learning informed multimodal fusion of radiology and pathology to predict outcomes in HPV-associated oropharyngeal squamous cell carcinoma
2025-Apr, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105663
PMID:40121941
|
研究论文 | 开发基于Swin Transformer的多模态多区域数据融合框架,整合CT影像和病理全切片图像预测HPV相关口咽鳞状细胞癌的预后 | 首次提出整合原发灶和淋巴结区域的放射学与病理学特征的多模态融合方法,采用跨模态和跨区域的窗口多头自注意力机制 | 样本量相对有限(277例患者),需在更大队列中验证 | 预测HPV相关口咽鳞状细胞癌的生存结果和肿瘤分级 | HPV相关口咽鳞状细胞癌患者 | 医学影像分析 | 头颈癌 | CT影像,全切片病理图像 | Transformer | 影像,图像 | 277例匹配放射学和病理学图像的口咽鳞状细胞癌患者 | NA | Swin Transformer | C-index, AUC, 风险比, 优势比 | NA |
| 97 | 2025-10-06 |
Quantitative molecular imaging using deep magnetic resonance fingerprinting
2025-Apr-01, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-025-01152-w
PMID:40169753
|
研究论文 | 介绍基于深度学习的饱和转移磁共振指纹图谱用于定量分子成像的完整协议 | 提出深度MRF框架解决传统分子MRI技术复杂、半定量和扫描时间长的问题,提供快速定量提取分子信息的方法 | 流程完成时间从48分钟到57小时不等,对复杂多质子池体内成像耗时较长 | 开发定量分子MRI成像方法 | 蛋白质、代谢物和pH值的非侵入性体内成像 | 医学影像分析 | 癌症、神经退行性疾病、中风、心脏病 | 磁共振指纹图谱、化学交换饱和转移、半固体磁化转移 | 深度学习 | 磁共振图像 | 体外样本、动物和人类扫描数据 | NA | NA | NA | NA |
| 98 | 2025-10-06 |
Harnessing AlphaFold to reveal hERG channel conformational state secrets
2025-Apr-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.27.577468
PMID:38352360
|
研究论文 | 本研究利用AlphaFold结合结构模板预测hERG离子通道的不同构象状态,揭示其功能机制和药物结合特性 | 通过精心选择结构模板指导AlphaFold预测特定功能状态,首次揭示了hERG通道失活机制和增强药物结合的分子特征 | 方法依赖于结构模板的选择质量,计算预测仍需实验数据验证 | 预测hERG离子通道的离散构象状态并理解其与药物相互作用的机制 | hERG钾离子通道(Kv11.1)的不同构象状态 | 计算生物学 | 心律失常 | AlphaFold蛋白质结构预测,分子对接,分子动力学模拟 | 深度学习 | 蛋白质结构数据,实验验证数据 | NA | AlphaFold | AlphaFold架构 | 与实验数据一致性,药物亲和力预测准确性 | NA |
| 99 | 2025-10-06 |
Emerging frontiers in protein structure prediction following the AlphaFold revolution
2025-Apr, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2024.0886
PMID:40233800
|
综述 | 本文探讨了AlphaFold引发蛋白质结构预测革命后该领域的新兴前沿应用 | 聚焦深度学习革命后蛋白质结构预测在高级应用中的发展,提出了AlphaFold预测结果的报告指南 | NA | 综述当前最先进的蛋白质结构预测技术及其在复杂生物系统中的应用 | 蛋白质结构及其与生物分子的相互作用 | 计算生物学 | NA | 深度学习 | 深度学习模型 | 蛋白质序列和结构数据 | 数百万个蛋白质结构模型 | NA | AlphaFold | NA | NA |
| 100 | 2025-10-06 |
SegCSR: WEAKLY-SUPERVISED CORTICAL SURFACES RECONSTRUCTION FROM BRAIN RIBBON SEGMENTATIONS
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980662
PMID:40655953
|
研究论文 | 提出一种基于脑MRI带状分割的弱监督皮质表面重建方法SegCSR | 无需依赖传统流程生成的伪标签,直接从脑MRI带状分割重建多个皮质表面 | 在深度脑沟区域仍需正则化处理,性能依赖于分割质量 | 开发弱监督的皮质表面重建方法 | 脑MRI图像中的皮质表面 | 医学图像分析 | 神经科学相关疾病 | 脑MRI成像 | 深度学习 | 医学图像 | 两个大规模脑MRI数据集 | NA | NA | 重建精度、规则性 | NA |