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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-10-30 |
Leveraging transformers for semi-supervised pathogenicity prediction with soft labels
2025-Jun-01, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0047
PMID:40538169
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型,用于预测遗传变异的致病性 | 采用半监督学习方法处理包含明确标记和模糊标记的遗传变异数据,并利用Feature Tokenizer Transformer架构处理数值和分类基因组信息 | 模型对明确标记变异的预测准确性较高,但对不确定性数据的预测效果仍需改进 | 开发遗传变异致病性预测模型以推进个性化医疗 | 来自NGS输出的遗传变异数据,包括明确标记和模糊标记的变异 | 机器学习 | NA | NGS | Transformer | 基因组数据 | NA | NA | Feature Tokenizer Transformer | 准确率 | NA |
| 22 | 2025-10-30 |
Colon cancer survival prediction from gland shapes within histology slides using deep learning
2025-Jun-01, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0052
PMID:40650530
|
研究论文 | 本研究利用深度学习技术从结直肠癌组织病理图像中分割腺体,并基于腺体形态特征预测患者生存期 | 结合GlaS和CRAG数据集训练模型以增强泛化能力,并首次将腺体形态特征与生存预测相结合 | 模型在特定领域准确性和跨数据集鲁棒性之间存在权衡 | 通过腺体分割和形态特征分析预测结肠癌患者生存期 | 结直肠癌组织病理图像中的腺体结构 | 数字病理学 | 结肠癌 | 组织病理学成像 | CNN | 图像 | GlaS和CRAG数据集及TCGA的全切片图像 | NA | U-Net, DCAN | 一致性指数, log-rank检验p值 | NA |
| 23 | 2025-06-05 |
Geometric Deep Learning for Multimodal Data in CKD
2025-Jun-03, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000778
PMID:40459949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 24 | 2025-10-25 |
Comprehensive molecular impact mapping of common and rare variants at GWAS loci
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.658079
PMID:40501721
|
研究论文 | 介绍DNACipher深度学习模型及其变体影响映射方法DVIM,用于预测遗传变异在多种生物环境中的分子效应 | 开发了能够预测未直接测量生物环境中变异效应的深度学习模型,相比Enformer预测环境数量增加7倍以上 | 模型预测仍受限于训练数据的细胞类型和检测方法范围 | 通过深度学习模型预测遗传变异在多种生物环境中的分子效应,改进GWAS位点的变异精细定位 | 遗传变异,特别是GWAS位点的常见和罕见变异 | 机器学习 | 1型糖尿病 | 单核ATAC-seq,荧光素酶检测 | 深度学习 | 基因组序列 | 38,582个细胞类型-检测组合 | NA | DNACipher | 精细映射可信集大小,后验概率 | NA |
| 25 | 2025-10-15 |
Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches
2025-Jun-22, Caries research
IF:2.9Q1
DOI:10.1159/000546448
PMID:40544827
|
系统综述 | 系统回顾了深度学习在咬翼片X光影像龋齿诊断中的应用进展 | 首次系统评估深度学习在咬翼片龋齿诊断中的模型架构、数据集特征和诊断性能 | 研究方法存在异质性、缺乏标准化、数据集多样性有限、临床验证不足以及存在偏倚和数据透明度问题 | 评估深度学习在咬翼片X光影像龋齿诊断中的应用效果 | 咬翼片X光影像中的龋齿病变 | 计算机视觉 | 龋齿 | 咬翼片X光摄影 | 深度学习 | X光影像 | 23项研究,图像数量从112到8,539张不等 | NA | ResNet, YOLO | 准确率 | NA |
| 26 | 2025-10-15 |
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102195
PMID:40127777
|
研究论文 | 开发基于深度学习的全自动管道,通过CT衰减图分割心脏结构并量化18F-FDG PET活动以检测心脏结节病 | 首次提出基于CT衰减图的全自动深度学习分割方法用于心脏FDG PET定量分析 | 样本量较小(69例患者),需更大规模验证 | 开发自动化方法量化心脏FDG PET活动以改善心脏结节病检测 | 疑似心脏结节病患者 | 数字病理学 | 心脏结节病 | PET/CT成像, 18F-FDG PET | 深度学习 | 医学影像(CT和PET图像) | 69例患者(29例确诊心脏结节病) | NA | NA | AUC, 敏感性, 特异性 | NA |
| 27 | 2025-10-05 |
Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning
2025-Jun-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005280
PMID:40152470
|
研究论文 | 开发并验证用于脊柱侧弯诊断的自动化卷积神经网络测量系统 | 首次提出包含粗分割、关键点定位和精细分割的完整CNN流程,可同时测量多种脊柱参数而不仅限于Cobb角 | 单中心回顾性研究,样本量相对有限,缺乏外部验证 | 开发自动化脊柱参数测量系统以提高脊柱侧弯诊断效率和准确性 | 1682名脊柱侧弯患者的正位和侧位X光片 | 计算机视觉 | 脊柱侧弯 | X光成像 | CNN | 医学影像 | 1682名患者(含87名青少年和26名老年患者测试集) | NA | NA | Dice系数, 平均绝对误差, 正确关键点百分比 | NA |
| 28 | 2025-10-05 |
Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification
2025-Jun-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.10.25328700
PMID:40585079
|
研究论文 | 开发基于深度学习的计算流程,利用多中心组织学图像进行儿童肉瘤亚型分类 | 采用多中心数据集和图像协调方法确保分类器泛化能力,系统评估CNN和ViT架构,并开发轻量级SAMPLER分类器 | 数据集相对有限(867张全切片图像),罕见亚型样本数量不足 | 通过数字组织病理学提高儿童肉瘤分类准确性 | 儿童肉瘤组织学切片图像 | 数字病理学 | 儿童肉瘤 | 组织学成像 | CNN, ViT | 图像 | 867张全切片图像,来自三个医疗中心和儿童肿瘤学组 | NA | UNI, CONCH, 传统Transformer编码器 | AUC | NA |
| 29 | 2025-10-05 |
Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis
2025-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.31.657189
PMID:40501876
|
研究论文 | 本研究提出了一种基于功率-功率跨频耦合的新型颞叶癫痫发作检测方法,并分析了三种常见癫痫发作成分的耦合特征 | 首次将功率-功率跨频耦合方法应用于癫痫发作检测,并揭示了三种癫痫发作成分的独特耦合特征 | 样本量相对有限,仅包含26名患者的120次癫痫发作 | 评估功率-功率跨频耦合方法在癫痫发作检测中的有效性,并分析不同癫痫发作成分的耦合特征 | 颞叶癫痫患者的颅内脑电图数据 | 生物医学信号处理 | 癫痫 | 颅内脑电图记录 | SSAE, LSTM | 脑电图信号 | 26名患者的120次颞叶癫痫发作及背景活动片段 | EEGLAB | 堆叠稀疏自编码器, 长短期记忆网络 | 灵敏度, 特异度, 准确率 | NA |
| 30 | 2025-10-05 |
Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT
2025-Jun-25, ArXiv
PMID:41019216
|
研究论文 | 开发并评估了一种基于深度学习的无透射衰减补偿方法DaT-CTLESS,用于DaT SPECT成像 | 提出首个无需CT扫描的深度学习衰减补偿方法,解决了传统CTAC方法在临床SPECT系统中的局限性 | 研究主要基于计算机模拟试验,需要进一步的临床验证 | 开发无需CT扫描的衰减补偿方法以改进DaT SPECT定量分析 | 多巴胺转运体SPECT图像中的尾状核、壳核和苍白球区域 | 医学影像分析 | 帕金森病 | SPECT成像,深度学习 | 深度学习模型 | SPECT影像数据 | NA | NA | NA | 相关性分析,一致性评估,泛化能力,重复性 | NA |
| 31 | 2025-10-05 |
Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
2025-Jun-27, ArXiv
PMID:41019222
|
综述 | 本文系统回顾了胎儿睡眠的生理特征、测量方法和分类技术,并比较了人类与大型动物模型的睡眠模式差异 | 首次跨物种综合比较胎儿睡眠模式,系统梳理八十年来的研究成果,并提出开发客观多模态非侵入性胎儿睡眠监测技术的方向 | 主要基于文献回顾,缺乏原始实验数据验证 | 为开发胎儿睡眠监测技术提供理论基础,支持产前护理的早期诊断和干预 | 人类胎儿和大型动物模型的胎儿睡眠 | 生物医学工程 | 胎儿发育异常 | 侵入性动物实验技术、非侵入性人类监测方法 | 基于规则的方法、深度学习 | 生理信号数据 | NA | NA | NA | NA | NA |
| 32 | 2025-10-05 |
Improving spliced alignment by modeling splice sites with deep learning
2025-Jun-15, ArXiv
PMID:40980762
|
研究论文 | 通过深度学习建模剪接位点来改进剪接比对方法 | 使用一维卷积神经网络学习剪接信号,首次将深度学习模型整合到剪接比对工具中 | 目前主要针对脊椎动物和昆虫基因组,在其他物种上的适用性有待验证 | 提高剪接比对的准确性,特别是在处理噪声长读长RNA-seq数据和远缘同源蛋白时 | 脊椎动物和昆虫基因组的剪接位点 | 生物信息学 | NA | RNA-seq,蛋白质序列比对 | CNN | 基因组序列,RNA-seq数据,蛋白质序列 | NA | NA | 1D-CNN | 连接点准确率 | NA |
| 33 | 2025-10-05 |
Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation
2025-Jun-12, ArXiv
PMID:40980770
|
研究论文 | 提出一种模态无关图像级联方法用于多模态心脏亚结构分割 | 通过复制nnU-Net编码解码分支实现单一模型处理多模态数据,解决深度学习在跨模态和重叠结构分割中的泛化问题 | 在57%情况下优于对比模型,但统计差异有限 | 开发能够跨模态分割心脏亚结构的深度学习模型 | 20个心脏亚结构(心脏、心腔、大血管、瓣膜、冠状动脉和传导节点) | 数字病理 | 心血管疾病 | CT, MR-Linac, CCTA | U-Net | 医学影像 | 训练集76例,验证集15例,测试集30例 | nnU-Net | U-Net | Dice相似系数, Wilcoxon符号秩检验 | NA |
| 34 | 2025-10-05 |
Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation
2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3562313
PMID:40261767
|
研究论文 | 开发基于深度学习的3D光声点源定位系统,用于手术工具尖端定位与追踪 | 首次实现三维光声点源定位,提出基于目标检测和实例分割的深度学习系统,并建立了点源位置、声速和波形形态的理论关系 | 实验数据量相对有限(模拟4000帧、体模993帧、离体1983帧),声速估计在实验数据中误差较大 | 开发三维光声点源定位系统以提升手术工具尖端定位精度 | 手术工具尖端(视为声学点源) | 医学影像分析 | NA | 光声成像 | 深度学习 | 光声通道数据帧 | 模拟数据4000帧、体模数据993帧、离体数据1983帧 | NA | 目标检测网络、实例分割网络 | F1分数、欧几里得定位误差、声速估计绝对误差 | NA |
| 35 | 2025-10-05 |
Automated Deep Learning Approach for Post-Operative Neonatal Pain Detection and Prediction through Physiological Signals
2025-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms65348.2025.00164
PMID:40978767
|
研究论文 | 提出一种结合生理信号监测与计算机视觉/深度学习的自动化方法,用于新生儿术后疼痛检测和预测 | 首次提出早期疼痛检测方法,可在疼痛发生前5-10分钟预警,为使用伤害较小的疼痛缓解策略创造时间窗口 | NA | 开发自动化的新生儿术后疼痛检测和预测系统 | 新生儿重症监护室中的术后新生儿 | 计算机视觉, 深度学习 | 新生儿疼痛 | 生理信号监测(心率、呼吸频率、血氧饱和度) | 深度学习 | 生理信号数据 | NA | NA | NA | AUC, mAP | NA |
| 36 | 2025-10-05 |
Deep learning and inflammatory markers predict early response to immunotherapy in unresectable NSCLC: A multicenter study
2025-Jun-10, Biomolecules & biomedicine
DOI:10.17305/bb.2025.12324
PMID:40525631
|
研究论文 | 本研究开发了基于CT的深度学习模型结合系统性免疫炎症营养指数,用于早期预测不可切除非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 首次将深度学习放射组学特征与系统性免疫炎症营养指数相结合构建联合预测模型,并通过多中心研究验证其预测性能 | 回顾性研究设计,样本量相对有限,需要进一步扩大验证 | 开发非侵入性生物标志物以早期预测不可切除非小细胞肺癌患者对免疫治疗的疗效 | 265例接受免疫检查点抑制剂治疗的不可切除非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像,实验室检测 | 深度学习 | 医学影像,临床数据 | 265例患者,分为训练集(70%)、内部验证集(30%)和外部验证集 | NA | DenseNet121 | AUC | NA |
| 37 | 2025-10-05 |
An EMG-Based GRU Model for Estimating Foot Pressure to Support Active Ankle Orthosis Development
2025-Jun-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25113558
PMID:40969084
|
研究论文 | 本研究提出了一种基于表面肌电信号和门控循环单元深度学习模型的方法,用于预测行走过程中足底压力分布 | 使用GRU深度学习模型从肌电信号预测足底压力分布,实现了跨受试者的泛化能力和对个体化步态动力学的实时推断 | 仅针对四个关键踝关节肌肉进行肌电信号采集,可能未完全覆盖所有相关肌肉群 | 开发一种可扩展且可解释的预测框架,用于改进主动踝足矫形器的实时控制 | 踝关节功能障碍患者,特别是与足下垂、不稳定和步态适应性降低相关的患者 | 机器学习 | 老年疾病 | 表面肌电信号,力敏电阻系统 | GRU | 时间序列信号 | NA | NA | GRU | 均方根值 | NA |
| 38 | 2025-10-05 |
Power Line Segmentation Algorithm Based on Lightweight Network and Residue-like Cross-Layer Feature Fusion
2025-Jun-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25113551
PMID:40969098
|
研究论文 | 提出一种基于轻量级网络和类残差跨层特征融合的电力线分割算法RGS-UNet | 集成类残差跨层特征融合模块,采用Ghost Module优化卷积计算,嵌入SIMAM注意力机制,使用Mish激活函数 | NA | 解决现有电力线分割算法中小目标尺度、复杂背景和模型参数过多的问题 | 电力线分割 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | UNet, ResNet18 | F1-Score, IoU | NA |
| 39 | 2025-10-05 |
A Deep Learning-Based Model Approach for Quantitative Analysis of Cell Chemotaxis in a Microfluidic Chip
2025-Jun-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25113515
PMID:40969071
|
研究论文 | 提出了一种基于微流控技术和深度学习的细胞趋化性定量分析方法 | 将微流控技术与深度学习相结合,实现细胞趋化性的自动计数和分析 | NA | 开发快速准确的细胞趋化性定量分析方法 | 细胞趋化性 | 计算机视觉 | NA | 微流控技术 | 深度学习 | 细胞图像 | NA | NA | NA | 准确性,可重复性 | NA |
| 40 | 2025-10-05 |
Enhancing Upper Limb Exoskeletons Using Sensor-Based Deep Learning Torque Prediction and PID Control
2025-Jun-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25113528
PMID:40969067
|
研究论文 | 提出一种基于传感器深度学习的扭矩预测与PID控制相结合的上肢外骨骼增强方法 | 将肌电信号扭矩估计与预测模型集成到PID控制回路中,以优化外骨骼机器人扭矩整合并消除系统不确定性 | 研究仅涉及12名健康受试者,未在卒中患者中进行验证 | 增强上肢辅助外骨骼的控制效果,帮助卒中患者改善手臂运动功能 | 上肢外骨骼机器人(肘关节)和健康受试者的上肢肌肉活动 | 机器学习 | 卒中 | 高密度表面肌电图(HD-sEMG) | LSTM, BLSTM, GRU | 二维肌电信号 | 12名健康受试者,采集5个上肢肌肉(肱二头肌、肱三头肌、肘肌、肱桡肌、旋前圆肌)在四种等长任务中的肌电数据 | NA | 长短期记忆网络、双向长短期记忆网络、门控循环单元 | NA | NA |