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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2025-10-06 |
Application of deep learning models in gastric cancer pathology image analysis: a systematic scoping review
2025-Aug-01, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14662-3
PMID:40750872
|
综述 | 系统评估深度学习模型在胃癌病理图像分析中的应用现状、挑战和未来方向 | 首次系统梳理深度学习在胃癌病理图像分析中的综合应用,明确当前研究空白和发展方向 | 纳入研究存在数据集规模有限、缺乏外部验证、数据多样性不足等局限性 | 评估深度学习在胃癌病理图像分析中的应用价值和发展前景 | 胃癌病理图像 | 数字病理 | 胃癌 | 深度学习 | CNN | 病理图像 | 22项符合纳入标准的研究(初始检索520篇文献) | NA | 卷积神经网络 | 准确率(部分模型超过95%) | NA |
| 622 | 2025-10-06 |
Clinical benefits of deep learning-assisted ultrasound in predicting lymph node metastasis in pancreatic cancer patients
2025-Aug, Future oncology (London, England)
DOI:10.1080/14796694.2025.2520149
PMID:40548666
|
研究论文 | 开发并验证基于超声图像的深度学习放射组学列线图模型,用于预测胰腺癌患者淋巴结转移 | 首次将深度学习特征与放射组学特征结合构建DLRN模型,并证明其能显著提升超声医师(尤其是初级医师)的诊断性能 | 回顾性研究设计,样本量有限(249例病例),需要多中心前瞻性研究进一步验证 | 提高胰腺癌患者淋巴结转移的预测准确性 | 249例经组织病理学确诊的胰腺癌患者(其中78例伴有淋巴结转移) | 医学影像分析 | 胰腺癌 | 超声成像 | 迁移学习, 逻辑回归 | 超声图像 | 249例胰腺癌病例(训练集与测试集按8:2划分) | NA | InceptionV3 | AUC, 校准曲线, 决策曲线分析 | NA |
| 623 | 2025-10-06 |
Cerebral Amyloid Deposition With 18F-Florbetapir PET Mediates Retinal Vascular Density and Cognitive Impairment in Alzheimer's Disease
2025-Aug-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70310
PMID:40757876
|
研究论文 | 本研究探讨脑部淀粉样蛋白沉积通过视网膜血管密度影响阿尔茨海默病认知功能的机制 | 首次揭示脑部Aβ沉积在视网膜血管密度与认知障碍关系中的中介作用,并发现1.0-1.5 PD区域效应最显著 | 样本量相对有限(92名参与者),横断面研究无法确定因果关系 | 探究脑部Aβ沉积、视网膜血管密度与认知衰退之间的相互关系 | 47名AD患者和45名健康对照参与者 | 医学影像分析 | 阿尔茨海默病 | 深度学习眼底摄影,F-florbetapir PET/MRI | 深度学习 | 眼底图像,PET/MRI影像 | 92名参与者(47名AD患者,45名健康对照) | NA | NA | Pearson相关系数,p值 | NA |
| 624 | 2025-10-06 |
Longitudinal image-based prediction of surgical intervention in infants with hydronephrosis using deep learning: Is a single ultrasound enough?
2025-Aug, PLOS digital health
DOI:10.1371/journal.pdig.0000939
PMID:40758672
|
研究论文 | 开发用于预测肾积水婴儿需要肾盂成形术的深度学习模型,比较单次与多次超声检查的预测性能 | 首次开发整合多次超声检查的机器学习模型来预测肾积水严重程度,并与单次检查模型进行系统比较 | 多机构验证显示多访视模型未能显著优于单访视模型 | 预测肾积水婴儿是否需要手术干预(肾盂成形术) | 来自三家医疗机构的794名肾积水婴儿患者 | 医学影像分析 | 肾积水 | 超声成像 | 深度学习,LSTM | 超声图像 | 794名患者(603名来自SickKids,102名来自Stanford,89名来自CHOP) | NA | 卷积池化,长短期记忆网络,时序移位模型 | AUROC,AUPRC | NA |
| 625 | 2025-10-06 |
Updating "BePLi Dataset v1: Beach Plastic Litter Dataset version 1, for instance segmentation of beach plastic litter" with 13 object classes
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111867
PMID:40761540
|
研究论文 | 更新海滩塑料垃圾数据集BePLi v2,包含3722张原始图像和118,572个手动标注,用于海滩塑料垃圾的实例分割 | 从v1版本升级到v2版本,扩展了数据集规模并细分为13个塑料垃圾对象类别 | 数据仅来自日本西北海岸的自然海岸环境,可能缺乏地理多样性 | 开发基于深度学习的自动化图像处理方法,用于监测海滩塑料垃圾分布 | 海滩环境中的宏观塑料垃圾 | 计算机视觉 | NA | 遥感成像(网络摄像头和无人机) | 深度学习 | 图像 | 3722张原始图像,118,572个标注 | NA | NA | NA | NA |
| 626 | 2025-10-06 |
Bridging technology and medicine: artificial intelligence in targeted anticancer drug delivery
2025-Aug-01, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra03747f
PMID:40761897
|
综述 | 探讨人工智能在靶向抗癌药物递送领域中的整合应用与创新方法 | 通过多种AI方法(机器学习、深度学习、强化学习)提升抗癌药物递送的精准度和疗效,推动传统治疗模式向个性化医疗转变 | 数据质量不足、AI模型可解释性有限、临床环境需更稳健验证 | 提升癌症靶向药物治疗的精准度和有效性 | 癌症患者基因组学、蛋白质组学和临床数据 | 机器学习 | 癌症 | 基因组测序、蛋白质组分析、医学影像分析 | 支持向量机, 随机森林, CNN, 强化学习 | 基因组数据, 蛋白质组数据, 临床数据, 医学影像 | NA | NA | NA | NA | NA |
| 627 | 2025-10-06 |
SecProGNN: Predicting Bronchoalveolar Lavage Fluid Secreted Protein Using Graph Neural Network
2025-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3548263
PMID:40042949
|
研究论文 | 提出了一种名为SecProGNN的新型深度学习框架,用于预测支气管肺泡灌洗液中的分泌蛋白 | 首次将图神经网络应用于BALF分泌蛋白预测,通过将蛋白质表示为基于氨基酸相互作用的图结构数据 | 蛋白质复杂性高且存在技术限制,对蛋白质的全面表征仍具挑战性 | 预测支气管肺泡灌洗液中的分泌蛋白并探索肺腺癌潜在生物标志物 | 支气管肺泡灌洗液中的蛋白质 | 生物信息学 | 肺腺癌 | 蛋白质组学分析 | 图神经网络,多层感知机 | 蛋白质序列数据 | 超过三千种BALF蛋白质 | NA | GNN, MLP | NA | NA |
| 628 | 2025-10-06 |
Counterfactual Bidirectional Co-Attention Transformer for Integrative Histology-Genomic Cancer Risk Stratification
2025-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3548048
PMID:40042950
|
研究论文 | 提出一种反事实双向协同注意力Transformer框架,整合组织学全切片图像和基因组数据用于癌症风险分层 | 引入反事实推理和双向协同注意力机制,通过因果关系建模单模态和多模态知识,减少学习偏差并探索特征对生存结果的影响 | 未明确说明模型在临床部署中的实际应用限制和计算效率问题 | 开发整合组织学和基因组数据的深度学习模型,改善癌症患者预后生存预测 | 癌症患者组织学全切片图像和基因组数据 | 数字病理学 | 癌症 | 全切片图像分析,基因组数据分析 | Transformer | 图像,基因组数据 | 来自癌症基因组图谱(TCGA)的八个癌症基准数据集 | NA | CounterFactual Bidirectional Co-Attention Transformer | c-index | NA |
| 629 | 2025-10-06 |
PPA Net: The Pixel Prediction Assisted Net for 3D TOF-MRA Cerebrovascular Segmentation
2025-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3561146
PMID:40293899
|
研究论文 | 提出一种名为PPA Net的深度学习模型用于3D TOF-MRA脑血管分割 | 提出结合VesselMRA Net和VesselConvLSTM的模块化分割框架,通过矩形卷积块融合多尺度特征,利用注意力机制解决类别不平衡问题,并采用像素级预测模型减少个体差异 | NA | 开发精确的脑血管分割方法以辅助脑血管疾病的诊断和治疗 | 3D TOF-MRA图像中的脑血管 | 计算机视觉 | 脑血管疾病 | TOF-MRA | 深度学习 | 3D医学图像 | 三个公开数据集 | NA | PPA Net, VesselMRA Net, VesselConvLSTM | NA | NA |
| 630 | 2025-10-06 |
Virtual Hydrolysis-Based Screening of Wheat-Derived DPP-IV Inhibitory Peptides: A Mechanistic Analysis Integrating Cell Experiments and Molecular Dynamics Simulations
2025-Aug-06, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c03006
PMID:40623964
|
研究论文 | 本研究通过虚拟水解筛选小麦来源的DPP-IV抑制肽,并结合细胞实验和分子动力学模拟分析其作用机制 | 首次将ConPLex深度学习算法与分子动力学模拟相结合筛选DPP-IV抑制肽,并采用tau-RaMD模拟计算肽与DPP-IV的结合停留时间 | 仅筛选了小麦蛋白来源的肽,未验证其他植物蛋白来源的肽;实验样本量有限 | 开发具有DPP-IV抑制活性的肽类健康食品 | 小麦蛋白来源的肽类化合物 | 生物信息学 | 糖尿病 | 虚拟酶解,分子动力学模拟,tau-RaMD模拟,细胞实验 | 深度学习 | 蛋白质序列数据,分子动力学轨迹数据 | 4种鉴定出的肽(TENEWK,NFVSER,LDLPSK,QHEQR) | ConPLex | NA | IC50值 | NA |
| 631 | 2025-10-06 |
Fast Multi-Dimensional Imaging Using the Unsupervised 3D Noise2Void Denoising Network
2025-Aug-06, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01367
PMID:40765279
|
研究论文 | 提出基于3D Noise2Void网络的无监督去噪方法,用于提升拉曼高光谱和3D相位成像数据的质量 | 首次将3D Noise2Void网络应用于多维成像数据去噪,无需高信噪比训练数据且能保持三维空间相关性 | 未明确说明计算资源需求和模型训练时间 | 开发适用于快速多维成像的无监督去噪方法 | 酵母细胞的拉曼数据和COS7细胞的相位断层扫描及动态成像数据 | 计算机视觉 | NA | 拉曼成像、相位成像 | 3D Noise2Void | 三维成像数据、高光谱数据 | NA | NA | 3D Noise2Void | 信噪比、检测限 | NA |
| 632 | 2025-10-06 |
Integrating Physics-Based Simulations with Data-Driven Deep Learning Represents a Robust Strategy for Developing Inhibitors Targeting the Main Protease
2025-Aug-06, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01307
PMID:40767530
|
研究论文 | 提出一种结合深度学习与自由能微扰模拟的计算流程Deep-CovBoost,用于优化冠状病毒主蛋白酶抑制剂 | 首次将深度学习预测模型与物理基础的FEP模拟相结合,系统性地指导抑制剂结构优化 | NA | 开发针对冠状病毒主蛋白酶的高效抑制剂 | 冠状病毒主蛋白酶及其抑制剂 | 计算生物学 | 冠状病毒感染 | 自由能微扰(FEP)模拟, 分子动力学模拟, 深度学习 | 深度学习模型 | 分子结构数据, 模拟数据 | 从已报道的非共价抑制剂出发生成类似物(包括I3C-1, I3C-2, I3C-35等化合物) | NA | NA | 结合亲和力 | NA |
| 633 | 2025-10-06 |
Artificial intelligence in prostate cancer
2025-Aug-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003689
PMID:40629505
|
综述 | 本文综述了人工智能在前列腺癌诊断、治疗和预后预测中的临床应用进展 | 强调基础模型在医疗AI应用中的革命性作用,并从病理学和影像学双视角探讨AI在前列腺癌中的应用 | 讨论了AI在临床应用当前面临的挑战 | 为AI与临床应用的整合提供有价值的参考 | 前列腺癌 | 数字病理学,医学影像分析 | 前列腺癌 | 深度学习 | 基础模型 | 病理图像,医学影像 | NA | NA | NA | NA | NA |
| 634 | 2025-10-06 |
A Deep Learning Model for Predicting the Cement Soil Deformation Modulus
2025-Aug-05, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c03160
PMID:40764282
|
研究论文 | 本研究提出了一种基于改进卷积长短期记忆网络的深度学习模型,用于预测水泥土变形模量 | 结合通道注意力和注意力机制改进ConvLSTM模型,能够区分参数重要性并提取特征间的潜在时空依赖关系 | NA | 提高水泥性能预测精度,特别是弹性模量的预测 | 水泥土变形模量 | 机器学习 | NA | NA | ConvLSTM, LSTM, Random Forest, Support Vector Regression | 工程实验数据 | NA | NA | 改进的ConvLSTM | 预测精度 | NA |
| 635 | 2025-10-06 |
Prediction of protein-protein interaction based on interaction-specific learning and hierarchical information
2025-Aug-04, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02359-9
PMID:40754535
|
研究论文 | 提出一种基于交互特异性学习和层次信息的蛋白质-蛋白质相互作用预测新方法HI-PPI | 首次将PPI网络的层次表示与交互特异性学习相结合,通过双曲空间嵌入结构关系信息并采用门控交互网络提取成对特征 | 未明确说明方法在特定蛋白质类型或复杂生物场景下的适用性限制 | 开发更准确稳健的蛋白质-蛋白质相互作用预测工具 | 蛋白质-蛋白质相互作用网络 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 蛋白质相互作用网络数据 | 多个基准数据集(未指定具体样本数量) | NA | 门控交互网络,双曲空间嵌入模型 | Micro-F1分数 | NA |
| 636 | 2025-10-06 |
Artificial intelligence in orthopedics: fundamentals, current applications, and future perspectives
2025-Aug-04, Military Medical Research
IF:16.7Q1
DOI:10.1186/s40779-025-00633-z
PMID:40754583
|
综述 | 本文系统回顾了人工智能在骨科领域的基础原理、当前应用场景及未来发展方向 | 全面梳理了AI在骨科从基础理论到临床实践的全链条应用,并深入探讨了实际应用中的关键挑战 | 数据质量、模型泛化能力和临床验证是影响AI实际应用的主要限制因素 | 促进人工智能技术在骨科诊疗中的安全有效整合 | 骨科临床诊疗流程及相关研究应用 | 机器学习 | 骨科疾病 | NA | 机器学习,深度学习 | 医学图像,临床数据 | NA | NA | NA | NA | NA |
| 637 | 2025-10-06 |
GAN and LSTM-based collaborative tremor classification approach for next generation healthcare system
2025-Aug-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110836
PMID:40763674
|
研究论文 | 提出一种基于GAN和LSTM的协作式震颤分类方法,用于区分原发性震颤和帕金森震颤 | 首次将GAN、自编码器和LSTM结合用于震颤分类,通过生成合成数据、降维和时序特征提取提升分类性能 | 未提及样本量的具体数值和模型泛化能力的验证 | 解决健康人群和脑卒中后抑郁患者中原发性震颤与帕金森震颤的误诊问题 | 健康人群和脑卒中后抑郁患者的震颤数据 | 机器学习 | 神经系统疾病 | 时间序列分析 | GAN, Autoencoder, LSTM | 时间序列数据 | NA | NA | GAN, Autoencoder, LSTM | 准确率, F1分数, AUC | NA |
| 638 | 2025-10-06 |
A lightweight YOLOv8-based model for gastric cancer detection
2025-Aug-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110689
PMID:40763676
|
研究论文 | 提出一种基于YOLOv8的轻量化胃癌检测模型,旨在在不同性能的处理器上实现实时检测 | 在YOLOv8-n基础上应用Ghost卷积压缩骨干网络,并在颈部与头部引入轻量级通道注意力机制,实现高精度与低计算复杂度的平衡 | 研究主要关注计算效率与检测精度的平衡,未涉及模型在其他医学数据集上的泛化能力验证 | 开发适用于现实医疗环境中不同性能处理器的实时胃癌检测模型 | 胃癌医学图像 | 计算机视觉 | 胃癌 | 深度学习 | YOLO, CNN | 医学图像 | NA | PyTorch | YOLOv8-n, Ghost conv, SE block | mAP, 参数量, GFLOPs, 推理速度 | CPU和四种不同性能的GPU |
| 639 | 2025-10-06 |
Evaluation of deep learning models for anterior segment OCT image segmentation during scleral lens wear
2025-Aug-04, Contact lens & anterior eye : the journal of the British Contact Lens Association
IF:4.1Q1
DOI:10.1016/j.clae.2025.102484
PMID:40764201
|
研究论文 | 评估16种深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的性能 | 首次系统比较四种分割架构与五种编码器组合在巩膜镜佩戴OCT图像分割中的表现 | 仅针对正常角膜进行评估,未包含角膜疾病患者;部分模型在低反射性界面存在误分类问题 | 评估深度学习模型在巩膜镜佩戴期间前段OCT图像分割的准确性和性能 | 巩膜镜佩戴者的前段OCT图像,包括巩膜镜前后表面、角膜上皮前表面、基质前界面和内皮 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 深度学习 | 医学图像 | 15名正常角膜参与者的OCT图像 | NA | U-Net, U-Net++, FPN, MA-Net, EfficientNet-B4, DenseNet201, VGG19, ResNet34, Xception | Dice系数, 平均绝对边界误差 | NA |
| 640 | 2025-10-06 |
Adapting foundation models for rapid clinical response: intracerebral hemorrhage segmentation in emergency settings
2025-Aug-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13742-5
PMID:40754551
|
研究论文 | 本研究开发了一种结合深度学习的自动化方法,用于在急诊场景中快速分割脑出血病灶 | 提出两阶段方法:先使用YOLOv8-S生成精确的病灶边界框,再用医学分割通用模型进行精细分割,实现高精度分割且只需最小监督 | 需要用户提供初始宽松边界框,数据集规模相对有限(252个CT扫描) | 开发快速准确的脑出血自动分割方法,支持急诊临床决策 | 脑出血患者的非增强CT扫描图像 | 计算机视觉 | 脑出血 | CT扫描 | 目标检测模型, 分割模型 | 医学图像 | 252个CT扫描 | NA | YOLOv8-S, Medical Segment Anything Model | 分割准确度, 鲁棒性 | NA |