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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1681 | 2025-10-07 |
TransAnno-Net: A Deep Learning Framework for Accurate Cell Type Annotation of Mouse Lung Tissue Using Self-supervised Pretraining
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108809
PMID:40315689
|
研究论文 | 提出一种基于自监督预训练和Transformer架构的深度学习框架TransAnno-Net,用于小鼠肺组织单细胞RNA测序数据的细胞类型注释 | 采用自监督预训练策略利用未标记数据学习基因-基因相似性,通过迁移学习在小规模标注数据上微调,显著降低标注成本并提升模型效率与可迁移性 | 方法主要针对小鼠肺组织数据,在其他器官或物种的泛化能力需进一步验证 | 开发高效准确的小鼠肺组织单细胞RNA测序数据细胞类型注释方法 | 小鼠肺器官单细胞RNA测序数据 | 生物信息学 | 肺部疾病 | 单细胞RNA测序(scRNA-seq) | Transformer | 基因表达数据 | 约100,000个细胞 | NA | Transformer | AUC | NA |
| 1682 | 2025-10-07 |
Deep learning modelling to forecast emergency department visits using calendar, meteorological, internet search data and stock market price
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108808
PMID:40315688
|
研究论文 | 本研究使用深度学习模型结合日历、气象、互联网搜索数据和股票市场价格预测急诊科就诊量 | 首次将股票市场价格与互联网搜索数据结合日历和气象数据用于急诊科就诊量预测,并比较了多种混合深度学习架构的性能 | 研究仅基于2010-2012年新加坡综合医院的数据,可能缺乏泛化性 | 提高急诊科患者就诊量的预测准确性以优化医疗资源分配 | 新加坡综合医院急诊科每日就诊患者 | 机器学习 | NA | 深度学习时间序列预测 | LSTM, 1D CNN, CNN-LSTM混合模型 | 时间序列数据 | 2010-2012年新加坡综合医院急诊科每日就诊数据 | NA | LSTM, 1D CNN, stacked 1D CNN-LSTM, CNN-LSTM混合模块 | 平均绝对百分比误差(MAPE) | NA |
| 1683 | 2025-10-07 |
Integrating prior knowledge with deep learning for optimized quality control in corneal images: A multicenter study
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108814
PMID:40319841
|
研究论文 | 开发并评估了一种基于混合人工智能的角膜图像质量控制系统,用于分类裂隙灯图像 | 提出了一种新颖的混合先验网络(HP-Net),将基于ResNet的分类分支与利用霍夫圆变换和频域模糊检测的先验知识分支相结合 | NA | 开发用于裂隙灯图像分类的混合AI图像质量控制系统,提高诊断准确性和效率 | 角膜裂隙灯图像 | 计算机视觉 | 眼科疾病 | 霍夫圆变换,频域模糊检测 | 深度学习,CNN | 图像 | 内部数据集2982张图像,外部数据集23507张图像(AGEH 13554张,新疆阿克苏地区第一人民医院9853张) | NA | ResNet,HP-Net | 准确率,精确率,召回率,特异性,F1分数 | NA |
| 1684 | 2025-10-07 |
ConnectomeAE: Multimodal brain connectome-based dual-branch autoencoder and its application in the diagnosis of brain diseases
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108801
PMID:40294455
|
研究论文 | 提出基于多模态脑连接组的双分支自编码器ConnectomeAE,用于脑部疾病诊断 | 首次将多模态脑连接组信息与区域影像组学特征相结合,通过双分支自编码器分别学习节点特征和连接特征 | NA | 开发深度学习方法来整合多模态脑连接组信息和区域影像组学特征以增强脑部疾病诊断 | 脑部疾病患者的多模态脑网络数据 | 医学影像分析 | 脑部疾病 | 结构磁共振成像, 功能磁共振成像 | 自编码器 | 医学影像, 脑网络数据 | 两个公开数据集 | NA | 双分支自编码器 | 准确率 | NA |
| 1685 | 2025-10-07 |
A method for evaluating the degree of Adipogenic differentiation of porcine cells cultured in suspension based on deep learning
2025-Jul, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116324
PMID:40382025
|
研究论文 | 提出基于深度学习评估悬浮培养猪细胞脂肪生成分化程度的方法 | 首次将高通量技术与深度学习结合用于悬浮脂肪细胞分化评估,替代传统荧光染色和分子生物学方法 | 仅针对猪细胞验证,未提及其他物种的适用性 | 开发快速准确的脂肪细胞分化评估技术 | 悬浮培养的猪脂肪细胞 | 计算机视觉 | NA | 高通量明场成像 | 深度学习 | 图像 | 96孔板中的12个孔 | NA | NA | RMSE, R | NA |
| 1686 | 2025-10-07 |
Worldwide research trends on artificial intelligence in head and neck cancer: a bibliometric analysis
2025-Jul, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.02.014
PMID:40155307
|
文献计量分析 | 通过文献计量分析探索人工智能在头颈癌研究中的全球趋势 | 首次对人工智能在头颈癌领域的文献进行系统性文献计量分析,揭示了该领域的研究热点和发展趋势 | 仅基于Web of Science数据库,可能未涵盖所有相关文献;分析结果受数据库收录范围限制 | 分析人工智能在头颈癌研究中的全球发展趋势和研究热点 | 1995-2024年间发表的1,019篇人工智能相关头颈癌研究文献 | 医学信息学 | 头颈癌 | 文献计量分析 | 深度学习 | 文献数据 | 1,019篇论文 | VosViewer, Biblioshiny/Bibiometrix for R Studio | NA | NA | NA |
| 1687 | 2025-10-07 |
Deep learning algorithm enables automated Cobb angle measurements with high accuracy
2025-Jul, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04853-7
PMID:39688663
|
研究论文 | 开发深度学习算法自动测量脊柱侧弯患者的Cobb角 | 首次使用深度学习算法在全身脊柱X光片上实现自动Cobb角测量,达到高精度 | 研究样本量相对有限(345例),成人患者的测量误差高于儿童患者 | 评估深度学习算法在脊柱X光片上自动测量Cobb角的准确性 | 脊柱侧弯患者的全身脊柱X光片 | 计算机视觉 | 脊柱侧弯 | X射线成像 | 深度学习 | 医学影像 | 345例患者(179例儿童,166例成人) | NA | NA | 平均绝对误差 | NA |
| 1688 | 2025-05-17 |
SagMSI: A graph convolutional network framework for precise spatial segmentation in mass spectrometry imaging
2025-Jul-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.344098
PMID:40374250
|
研究论文 | 提出了一种基于图卷积网络(GCN)的无监督分割策略SagMSI,用于质谱成像(MSI)数据的精确空间分割 | 结合了MSI数据的空间感知图构建与GCN模块,能够灵活、有效且精确地进行空间分割 | 未提及具体局限性 | 解决MSI数据在空间分割中的复杂性问题,提升分割精度 | 质谱成像(MSI)数据 | 数字病理 | NA | 质谱成像(MSI) | 图卷积网络(GCN) | 图像 | 模拟数据和多种MSI实验数据集 | NA | NA | NA | NA |
| 1689 | 2025-05-17 |
PursuitNet: A deep learning model for predicting competitive pursuit-like behavior in mice
2025-Jul-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149634
PMID:40210144
|
research paper | 介绍了一种名为PursuitNet的深度学习模型,用于预测小鼠在竞争性追逐行为中的实时动态 | PursuitNet采用轻量级架构,结合图卷积网络(GCN)和时序卷积网络(TCN),显式建模动态交互和空间关系,融合速度和加速度数据以预测变化 | 该框架专注于快速变化的轨迹,可能不适用于其他类型的运动行为 | 研究捕食者-猎物动态,为交互式机器人和自主系统的设计提供信息 | 实验室小鼠追逐磁控机器人诱饵的行为 | machine learning | NA | deep learning | Graph Convolutional Networks (GCN), Temporal Convolutional Networks (TCN) | trajectory data | Pursuit-Escape Confrontation (PEC) dataset | NA | NA | NA | NA |
| 1690 | 2025-10-07 |
Rapid diagnosis of lung cancer by multi-modal spectral data combined with deep learning
2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125997
PMID:40073660
|
研究论文 | 提出基于深度学习的多模态光谱信息融合网络用于肺腺癌细胞检测 | 提出自适应深度卷积(ADConv)和跨模态交互融合(CMIF)模块,实现多模态光谱数据的深度特征挖掘与融合 | NA | 开发快速诊断肺癌的新方法 | 正常细胞和肺腺癌患者细胞 | 计算机视觉 | 肺癌 | 傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱 | CNN, Transformer | 光谱文本数据、光谱图像 | NA | NA | ResNet, Transformer, 一维卷积神经网络 | 准确率 | NA |
| 1691 | 2025-10-07 |
Zero-shot and few-shot multimodal plastic waste classification with vision-language models
2025-Jul, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.114815
PMID:40273572
|
研究论文 | 本研究探索利用视觉语言模型进行建筑和拆除塑料废物的树脂类型分类 | 首次将视觉语言模型应用于塑料废物分类,支持零样本和小样本学习,显著减少对标注数据的依赖 | 零样本分类准确率仍有提升空间,模型性能可能受限于语言描述的质量 | 开发数据高效且可扩展的塑料废物分类方法 | 建筑和拆除过程中产生的塑料废物 | 计算机视觉 | NA | 视觉语言模型 | VLM | 图像, 文本 | NA | NA | 视觉语言模型 | 准确率 | NA |
| 1692 | 2025-05-14 |
Sepsis Important Genes Identification Through Biologically Informed Deep Learning and Transcriptomic Analysis
2025-Jul, Clinical and experimental pharmacology & physiology
DOI:10.1111/1440-1681.70031
PMID:40356040
|
研究论文 | 通过生物信息学深度学习和转录组分析识别脓毒症重要基因 | 使用P-NET(一种生物信息学可解释人工智能模型)评估脓毒症基因重要性,并识别出688个重要基因,这些基因在炎症和免疫调节通路中富集 | 未提及样本量大小及具体实验验证步骤 | 识别调控脓毒症免疫反应的关键基因 | 脓毒症患者基因表达数据 | 生物信息学 | 脓毒症 | 转录组分析、单细胞分析 | P-NET | 基因表达数据 | NA | NA | NA | NA | NA |
| 1693 | 2025-05-13 |
From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction
2025-Jul, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2025.03.004
PMID:40147701
|
review | 本文探讨了胰腺导管腺癌(PDAC)风险分层的演变,比较了传统流行病学框架与AI驱动的方法 | 提出将AI技术整合到PDAC风险分层中,以动态模型整合多种数据集,发现新的相互作用和风险特征 | 临床转化中的挑战包括数据稀缺、模型可解释性和外部验证 | 开发可扩展的个性化预测工具,以改善PDAC的早期检测和患者预后 | 胰腺导管腺癌(PDAC) | machine learning | pancreatic cancer | genome-wide association studies, polygenic risk scores, radiomics | machine learning, deep learning | genetic, clinical, lifestyle, imaging data | NA | NA | NA | NA | NA |
| 1694 | 2025-05-13 |
Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet)
2025-Jul, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108048
PMID:40252392
|
研究论文 | 本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素 | 首次应用TabNet模型分析农用设备车辆事故严重性因素,并比较县道与非县道差异,提供特征重要性和SHAP图的可解释性 | 研究基于特定数据集,可能无法完全代表所有地区的农用设备车辆事故情况 | 评估农用设备车辆在不同类型道路上的碰撞风险因素,为制定针对性安全措施提供依据 | 涉及农用设备车辆的交通事故 | 机器学习 | NA | TabNet, SMOTE, SHAP | TabNet | 表格数据 | 未明确说明具体样本量(农用设备车辆事故数据) | NA | NA | NA | NA |
| 1695 | 2025-05-12 |
Deformable image registration with strategic integration pyramid framework for brain MRI
2025-Jul, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110386
PMID:40122188
|
research paper | 提出了一种基于金字塔结构的战略集成配准网络,用于脑部MRI的可变形图像配准 | 设计了CNN编码器和Transformer解码器,有效提取和增强全局与局部特征,并在金字塔结构的最低尺度引入渐进优化迭代以减少误差积累 | 未提及具体的数据集大小或多样性限制 | 提高脑部MRI图像配准的准确性和鲁棒性 | 脑部MRI图像 | digital pathology | NA | deep learning-based deformable registration | CNN, Transformer | image | 多个脑部MRI数据集(未提及具体数量) | NA | NA | NA | NA |
| 1696 | 2025-05-09 |
A review of denoising methods in single-particle cryo-EM
2025-Jul, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2025.103817
PMID:40164016
|
review | 本文全面回顾了单粒子冷冻电镜图像去噪方法的最新进展,涵盖了从传统滤波方法到最新的基于深度学习的策略 | 通过分析和比较主流去噪方法,推动单粒子冷冻电镜去噪领域的发展,促进获取更高质量的图像 | 未提及具体方法的局限性 | 提高冷冻电镜图像的信噪比,使下游分析更准确可靠 | 冷冻电镜图像 | digital pathology | NA | 冷冻电镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1697 | 2025-05-08 |
A lightweight spatial and spectral CNN model for classifying floating marine plastic debris using hyperspectral images
2025-Jul, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117965
PMID:40252351
|
研究论文 | 提出了一种轻量级的空间和光谱CNN模型(LSS-HCNN),用于利用高光谱图像对漂浮的海洋塑料垃圾进行分类 | LSS-HCNN模型通过空间和光谱卷积提取特征,并结合Squeeze-and-Excitation(SE)块提高可解释性,显著降低了计算复杂度和参数数量 | 未提及具体局限性 | 开发高效且自动化的海洋塑料垃圾检测方法,以应对海洋塑料污染问题 | 漂浮的海洋塑料垃圾 | 计算机视觉 | NA | 高光谱成像 | CNN | 高光谱图像 | 三个高光谱数据集和四个专门的漂浮塑料数据集,包括一个新的塑料垃圾数据集 | NA | NA | NA | NA |
| 1698 | 2025-10-07 |
Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli
2025-Jul-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.03.155
PMID:40187420
|
研究论文 | 通过情感刺激实验开发结合面部表情和身体姿势的多模态抑郁症识别模型 | 首次将面部表情单元分析与身体姿势变化结合,通过情感刺激实验构建端到端多模态抑郁症识别模型 | 样本量相对有限(146名受试者),仅验证了初步筛查效果 | 开发基于深度学习的多模态抑郁症识别模型,实现快速初步筛查 | 抑郁症患者和健康对照者(各73名) | 计算机视觉 | 抑郁症 | 情感刺激实验,视频分析 | CNN | 视频,图像 | 146名受试者(73名患者,73名对照) | OpenFace | ResNet-50 | 准确率,F1分数 | NA |
| 1699 | 2025-10-07 |
Interpretable machine learning and graph attention network based model for predicting PAMPA permeability
2025-Jul, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.109050
PMID:40245571
|
研究论文 | 本研究使用机器学习和深度学习模型预测化合物的PAMPA渗透性 | 结合可解释机器学习与图注意力网络预测PAMPA渗透性,并比较不同模型性能 | GAT模型在验证集上准确率相对较低(74%) | 开发预测药物化合物PAMPA渗透性的计算模型 | 5447种具有PAMPA渗透性评分的化合物 | 机器学习 | NA | PAMPA(平行人工膜渗透性测定) | Random Forest, Explainable Boosting Machine, Adaboost, Graph Attention Network | 化学化合物数据 | 5447种化合物 | NA | GAT(图注意力网络) | 准确率 | NA |
| 1700 | 2025-05-03 |
Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton
2025-Jul, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2025.109791
PMID:40048988
|
研究论文 | 本研究提出了一种新颖的嗅觉可视化图像数据增强方法,结合深度学习准确预测冷藏羊肉中的总挥发性盐基氮(TVB-N)含量 | 提出滑动窗口方法增强嗅觉可视化图像,结合深度学习模型提高TVB-N含量预测的准确性 | NA | 准确预测冷藏羊肉中的TVB-N含量,用于现场评估羊肉新鲜度 | 冷藏羊肉 | 计算机视觉 | NA | 嗅觉可视化传感器阵列 | InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF | 图像 | NA | NA | NA | NA | NA |