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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2025-10-06 |
Automated tick classification using deep learning and its associated challenges in citizen science
2025-Jul-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10265-x
PMID:40640390
|
研究论文 | 本研究开发了基于深度学习的自动化蜱虫分类系统,用于公民科学项目中的大规模蜱虫监测 | 首次将AI与公民科学相结合用于蜱虫监测,采用迁移学习和目标检测技术处理公民提交的图像数据 | 面临类别不平衡、物种相似性和形态变异等挑战,模型在分布外数据上的性能有待提升 | 开发自动化蜱虫分类系统以支持公共卫生监测 | 七种蜱虫物种,包括欧洲本土物种和外来入侵物种 | 计算机视觉 | 莱姆病,蜱传脑炎 | 图像分析,目标检测,迁移学习 | 深度学习 | 图像 | 超过15,000张公民提交的蜱虫图像 | NA | EfficientNetV2M | 宏召回率,马修斯相关系数(MCC) | NA |
| 1162 | 2025-10-06 |
Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer
2025-Jul-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01831-8
PMID:40640522
|
研究论文 | 本研究利用深度学习技术分析常规全乳乳腺X线摄影图像,以提升早期乳腺癌术前淋巴结转移预测能力 | 首次将全乳乳腺X线摄影图像与临床变量结合,通过深度学习模型显著提升淋巴结转移预测性能 | 回顾性研究设计,数据来源于三家瑞典机构,样本代表性可能存在局限 | 开发术前淋巴结转移预测模型,为乳腺癌手术降级策略提供依据 | 1265名cN0 T1-T2期乳腺癌患者(接受初次手术,未进行新辅助治疗) | 医学影像分析 | 乳腺癌 | 乳腺X线摄影 | 深度学习 | 医学影像(乳腺X线图像)和临床数据 | 1265名患者,来自三家医疗机构 | NA | NA | ROC AUC, 敏感性, 净收益, 前哨淋巴结活检减少率 | NA |
| 1163 | 2025-10-06 |
Rprot-Vec: a deep learning approach for fast protein structure similarity calculation
2025-Jul-10, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06213-1
PMID:40640710
|
研究论文 | 提出一种基于深度学习的快速蛋白质结构相似性计算方法Rprot-Vec | 结合双向GRU和多尺度CNN层与ProtT5编码,仅使用蛋白质序列数据即可预测结构相似性,参数数量仅为TM-vec的41%但性能更优 | NA | 开发高效的蛋白质结构相似性预测和同源性检测方法 | 蛋白质序列和结构相似性 | 计算生物学 | NA | 深度学习 | GRU, CNN | 蛋白质序列数据 | 三个精心策划的训练数据集(CATH_TM_score_S/M/L) | NA | 双向GRU, 多尺度CNN, ProtT5编码 | 准确相似性预测率, 平均预测误差, TM-score | NA |
| 1164 | 2025-10-06 |
Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer
2025-Jul-10, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06617-w
PMID:40640789
|
研究论文 | 开发基于注意力的多模态深度学习模型,用于预测乳腺癌患者对新辅助化疗的病理完全缓解 | 结合治疗前后MRI影像和非影像临床特征,利用3D CNN和自注意力机制捕捉空间和跨模态交互,提高模型可解释性和跨机构泛化能力 | 样本量相对有限,外部验证仅使用一个独立数据集 | 预测乳腺癌患者对新辅助化疗的病理完全缓解 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | MRI影像分析 | CNN, 自注意力机制 | 医学影像, 临床数据 | I-SPY 2试验660例患者,I-SPY 1数据集114例患者 | NA | 3D卷积神经网络, 自注意力机制 | AUC | NA |
| 1165 | 2025-10-06 |
Noise-inspired diffusion model for generalizable low-dose CT reconstruction
2025-Jul-08, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103710
PMID:40651065
|
研究论文 | 提出一种受噪声启发的扩散模型NEED,用于可泛化的低剂量CT重建 | 提出移位泊松扩散模型匹配预对数LDCT投影的噪声特性,设计双重引导扩散模型利用LDCT图像和初始重建精确定位先验信息 | 未明确说明模型对计算资源的需求和运行效率 | 开发能够泛化到训练数据未见剂量水平的低剂量CT重建方法 | 低剂量CT投影数据和重建图像 | 医学影像重建 | NA | 计算机断层扫描(CT) | 扩散模型 | CT投影数据,CT图像 | 两个数据集(具体数量未说明) | NA | 移位泊松扩散模型,双重引导扩散模型 | 定性评估,定量评估,基于分割的评估 | NA |
| 1166 | 2025-10-06 |
SingleFrag: a deep learning tool for MS/MS fragment and spectral prediction and metabolite annotation
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf333
PMID:40641047
|
研究论文 | 开发了一种名为SingleFrag的深度学习工具,用于预测MS/MS碎片和光谱并进行代谢物注释 | 首次提出单独预测单个碎片而非一次性预测整个碎片谱的方法 | NA | 解决串联质谱中代谢物和小分子鉴定因参考谱库不全面临的挑战 | 代谢物和小分子 | 机器学习 | NA | 串联质谱(MS/MS) | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 1167 | 2025-10-06 |
Chemical space visual navigation in the era of deep learning and Big Data
2025-Jul, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2025.104392
PMID:40456508
|
综述 | 探讨深度学习和大数据时代下化学空间可视化导航算法与工具的最新进展 | 提出应对大数据挑战的化学空间可视化方法,涵盖QSAR/QSPR模型视觉验证、交互式生成方法及化学空间地图的数字艺术应用等非传统应用场景 | NA | 解决药物化学大数据分析中人类认知局限带来的挑战,开发化学空间可视化导航方法 | 化学分子结构数据集 | 机器学习 | NA | 化学空间可视化 | NA | 分子结构数据 | 数百万个分子结构 | NA | NA | NA | 现代计算机 |
| 1168 | 2025-10-06 |
AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis
2025-Jul, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105755
PMID:40479842
|
研究论文 | 本研究基于人工智能技术建立了盆底表面肌电信号参考范围并开发了高精度的盆底功能障碍诊断模型 | 建立了大规模多中心盆底表面肌电信号数据库,开发了AI-Diagnostician-PFD诊断模型,相比传统Glazer标准具有更好的诊断性能 | 研究主要基于中国人群数据,在其他种族人群中的适用性需要进一步验证 | 建立盆底表面肌电信号多维数据库,推导更合理的参考范围,实现盆底功能障碍的精准诊断 | 1605名来自中国21个中心的参与者 | 医疗人工智能 | 盆底功能障碍 | 表面肌电信号采集 | AI诊断模型 | 肌电信号数据 | 1605名参与者,来自21个中心 | NA | AI-Diagnostician-PFD | AUC, 95%置信区间 | NA |
| 1169 | 2025-10-06 |
Deep operator network models for predicting post-burn contraction
2025-Jul, Clinical biomechanics (Bristol, Avon)
|
研究论文 | 本研究开发了一种深度算子网络模型,用于预测烧伤后伤口收缩的演变过程 | 首次将深度算子网络应用于烧伤后伤口收缩预测,通过整合初始伤口形状信息和应用正弦增强来加强边界条件 | 模型仅基于三种基本伤口形状进行训练,可能无法覆盖所有临床伤口形态 | 开发计算高效的替代模型来预测烧伤后伤口收缩演变 | 烧伤后伤口收缩的演变过程 | 机器学习 | 烧伤 | 有限元模拟 | 神经算子 | 模拟数据 | 基于三种不同初始伤口形状的训练数据 | NA | 深度算子网络 | R2分数 | 中央处理器, 图形处理器 |
| 1170 | 2025-10-06 |
Short-horizon neonatal seizure prediction using EEG-based deep learning
2025-Jul, PLOS digital health
DOI:10.1371/journal.pdig.0000890
PMID:40644380
|
研究论文 | 本研究探索基于定量脑电图和深度学习的短时程新生儿癫痫预测方法 | 首次将癫痫预测时间范围从数天缩短至分钟级别,填补了短时程新生儿癫痫预测的研究空白 | 模型校准效果中等,需要进一步验证 | 开发短时程新生儿癫痫预测系统 | 132名新生儿 | 机器学习 | 新生儿癫痫 | 定量脑电图 | ConvLSTM | 脑电图信号 | 132名新生儿,共281小时脑电图数据 | NA | ConvLSTM | AUROC, 敏感度, 错误检测率, 预警时间, 期望校准误差 | NA |
| 1171 | 2025-10-06 |
Enhancing tremor classification: Transformer-based analysis of biomechanics patterns for Parkinson's and essential tremor
2025-Jul, Clinical biomechanics (Bristol, Avon)
|
研究论文 | 本研究开发了一种基于Transformer的深度学习系统,通过分析多传感器运动数据中的生物力学模式来区分原发性震颤、帕金森病和健康对照 | 首次将Transformer模型与多头注意力机制应用于震颤分类,通过比较特征提取和原始信号处理两种方法,在动态运动任务中实现了近乎完美的分类准确率 | 研究样本量未明确说明,且仅针对特定运动协议进行评估 | 开发一个多类别分类系统,用于区分原发性震颤、帕金森病和健康对照 | 原发性震颤患者、帕金森病患者和健康对照参与者 | 机器学习 | 帕金森病 | 多传感器运动数据采集(加速度计) | Transformer | 运动信号数据 | NA | NA | Transformer with multi-head attention | 准确率 | NA |
| 1172 | 2025-10-06 |
Automated assessment of laparoscopic pattern cutting skills using computer vision and deep learning
2025-Jul-10, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2025.109540
PMID:40644739
|
研究论文 | 开发了一种基于计算机视觉和深度学习的自动化系统,用于评估腹腔镜手术中的图案切割技能 | 首次将YOLO深度学习模型应用于腹腔镜手术技能评估,使用合成数据进行训练,并提供全面的误差分析和可视化反馈 | 样本材料形状的畸变会带来一些挑战 | 开发自动化、客观的手术技能评估系统以提高评估效率和标准化程度 | 腹腔镜手术中的图案切割技能 | 计算机视觉 | NA | 深度学习, 计算机视觉 | YOLO | 图像 | 合成测试样本和真实手术标本 | NA | YOLO | 准确率, 平均绝对误差 | NA |
| 1173 | 2025-10-06 |
Tumour nuclear size heterogeneity as a biomarker for post-radiotherapy outcomes in gynecological malignancies
2025-Jul, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100793
PMID:40642183
|
研究论文 | 本研究探讨妇科鳞状细胞癌放疗前肿瘤细胞核大小异质性与放疗后预后的关联 | 首次将肿瘤细胞核大小分布异质性作为生物标志物用于预测妇科恶性肿瘤放疗结局 | 模型预测准确度较低(C统计量0.56-0.57),样本量有限(191例) | 研究肿瘤细胞核大小异质性对妇科恶性肿瘤放疗预后的预测价值 | 191例非转移性妇科鳞状细胞癌患者 | 数字病理学 | 妇科恶性肿瘤 | 全切片图像分析 | 深度学习 | 病理图像 | 191例妇科鳞状细胞癌患者 | NA | NA | C统计量, 风险比, p值 | NA |
| 1174 | 2025-10-06 |
Artificial intelligence system for EUS navigation and anatomical landmark recognition
2025-Jul, VideoGIE : an official video journal of the American Society for Gastrointestinal Endoscopy
DOI:10.1016/j.vgie.2025.03.027
PMID:40642404
|
研究论文 | 开发基于深度卷积神经网络的AI系统,用于EUS导航和实时解剖标志识别 | 首个基于DCNN的实时EUS导航系统,能够识别解剖标志并提供导航提示 | 系统无法识别病理改变(如胰腺肿块或囊性病变),仅测试了3例患者 | 开发AI系统辅助EUS检查中的导航和解剖标志识别 | 接受诊断性EUS检查的患者 | 医学影像分析 | 消化系统疾病 | 超声内镜 | DCNN | EUS图像 | 训练集:超过550例EUS检查;测试集:3例患者 | NA | 深度卷积神经网络 | 解剖标志正确识别率 | NA |
| 1175 | 2025-10-06 |
Screening of bioactive compounds and deep learning-driven quality control of Angong Niuhuang pills
2025-Jul-24, Journal of ethnopharmacology
IF:4.8Q1
DOI:10.1016/j.jep.2025.120095
PMID:40490229
|
研究论文 | 本研究通过深度学习驱动的质量控制方法筛选安宫牛黄丸中的活性化合物并建立质量控制体系 | 首次将BiGRU-MAR深度学习模型与近红外光谱技术结合用于中药复方制剂的质量控制 | NA | 建立安宫牛黄丸的全面质量控制体系,实现大规模质量控制和产量监测 | 安宫牛黄丸中的生物活性化合物 | 数字病理 | 中风 | 液相色谱-质谱联用,网络药理学,偏最小二乘法分析,近红外光谱 | BiGRU | 光谱数据 | NA | NA | BiGRU-MAR | 预测准确度 | NA |
| 1176 | 2025-10-06 |
ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals
2025-Jul-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adebdd
PMID:40609595
|
研究论文 | 提出一种基于结构化状态空间模型的深度学习框架ModelS4Apnea,用于从心电信号中高效检测睡眠呼吸暂停 | 首次将结构化状态空间模型(S4)与卷积神经网络结合用于睡眠呼吸暂停检测,在保持高精度的同时显著减少可训练参数和计算资源需求 | 仅使用单模态ECG数据,未探索多模态数据融合;尚未在真实临床环境中进行大规模验证 | 开发高效准确的睡眠呼吸暂停自动检测方法 | 睡眠呼吸暂停患者的心电信号 | 医疗信号处理 | 睡眠呼吸暂停 | ECG信号分析,深度学习 | CNN,S4 | 心电信号频谱图 | Apnea-ECG数据集 | NA | 卷积神经网络模块,结构化状态空间模块,分类模块 | 准确率, F1分数, 敏感度, 特异度 | NA |
| 1177 | 2025-10-06 |
Three-dimensional digital quantitative analysis of periodontal and peri-implant phenotype-A narrative review
2025-Jul-11, Periodontology 2000
IF:17.5Q1
DOI:10.1111/prd.12639
PMID:40641458
|
综述 | 对牙周及种植体周围表型三维数字化定量分析方法进行系统性评述 | 首次系统比较CBCT和口内扫描等三维数字化技术与传统方法在牙周评估中的优劣,并前瞻性提出人工智能与深度学习整合方向 | 未充分挖掘三维数字化临床数据的全部潜力,需要突破传统评估范式的概念框架 | 验证三维数字化分析在牙周及种植体周围组织评估中的可靠性 | 牙周及种植体周围组织表型 | 数字病理 | 牙周疾病 | CBCT, 口内扫描, 光学表面扫描, 超声成像 | NA | 三维影像数据 | NA | NA | NA | NA | NA |
| 1178 | 2025-10-06 |
BaSbBS4: a record-high-performance birefringent crystal identified by a target-driven closed-loop strategy
2025-Jul-10, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc01983d
PMID:40510313
|
研究论文 | 本研究通过目标驱动的闭环策略发现了一种创纪录高性能红外双折射晶体BaSbBS4 | 开发了结合功能基元筛选、深度学习辅助高通量计算与目标实验的闭环框架,实现了[BS]和[SbS]基元的协同优化组装 | NA | 探索具有大双折射率和宽带隙的红外双折射材料 | 含平面[BS]和/或立体化学活性孤对电子基团的晶体材料 | 材料科学 | NA | 深度学习辅助高通量计算、晶体结构筛选、光学性能计算 | 深度学习 | 晶体结构数据、光学性能数据 | 筛选出9种优异晶体(6种具有巨大双折射率,3种兼具大双折射率和宽带隙) | NA | NA | 双折射率(Δ)、带隙() | NA |
| 1179 | 2025-10-06 |
Scalable emulation of protein equilibrium ensembles with generative deep learning
2025-Jul-10, Science (New York, N.Y.)
DOI:10.1126/science.adv9817
PMID:40638710
|
研究论文 | 介绍BioEmu深度学习系统,通过生成式深度学习模拟蛋白质平衡系综 | 整合超过200毫秒分子动力学模拟、静态结构和实验蛋白质稳定性数据,使用新型训练算法联合建模结构系综和热力学性质 | NA | 大规模预测功能相关的蛋白质结构变化 | 蛋白质平衡系综 | 机器学习 | NA | 分子动力学模拟,深度学习 | 生成式深度学习模型 | 蛋白质结构数据,分子动力学模拟数据,实验稳定性数据 | 整合超过200毫秒分子动力学模拟数据 | NA | NA | 相对自由能准确度(1 kcal/mol) | 单个GPU |
| 1180 | 2025-10-06 |
Rapid Fluorescence Lifetime Imaging through One-Dimensional Deep Learning Optimization
2025-Jul-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01984
PMID:40641077
|
研究论文 | 提出一种基于一维通道注意力卷积神经网络的高效荧光寿命成像方法 | 首次将一维通道注意力卷积神经网络应用于荧光寿命成像,实现硬件高效的数据处理 | NA | 开发快速高效的荧光寿命成像计算方法 | 荧光寿命成像数据、阿尔茨海默病小鼠脑切片、STED-FLIM成像数据 | 计算机视觉 | 阿尔茨海默病 | 荧光寿命成像、时间相关单光子计数、STED-FLIM成像 | CNN | 一维时间序列数据 | 实验训练数据集 | NA | 1D CANN | 预测误差 | NA |