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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-10-05 |
Deep Learning-Enhanced Robotic Subretinal Injection with Real-Time Retinal Motion Compensation
2025-Aug, IEEE International Conference on Automation Science and Engineering (CASE) : [proceedings]. IEEE Conference on Automation Science and Engineering
DOI:10.1109/case58245.2025.11163942
PMID:41000371
|
研究论文 | 开发了一种集成深度学习和实时视网膜运动补偿的自主机器人视网膜下注射系统 | 首次将LSTM神经网络用于预测视网膜内界膜运动,并开发了实时配准框架和动态比例速度控制策略 | 仅在模拟和猪眼实验中验证,尚未进行人体临床试验 | 提高视网膜下注射手术的安全性和精确性 | 视网膜疾病患者(特别是遗传性视网膜疾病和年龄相关性黄斑变性患者) | 计算机视觉, 机器人技术 | 视网膜疾病 | 术中光学相干断层扫描成像 | LSTM | 医学影像序列 | 猪眼实验 | NA | LSTM | 平均跟踪误差 | NA |
| 122 | 2025-10-05 |
scBCN: deep learning-based batch correction network for integration of heterogeneous single-cell data
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf503
PMID:40991329
|
研究论文 | 提出基于深度学习的单细胞批次校正网络scBCN,用于整合异质性单细胞数据 | 结合跨批次相似聚类识别与深度残差神经网络,在校正批次效应的同时保留生物变异 | NA | 开发单细胞数据批次校正方法以准确识别细胞类型 | 单细胞数据 | 生物信息学 | NA | 单细胞测序 | 深度残差神经网络 | 单细胞基因表达数据 | 多种模拟和真实数据集 | NA | ResNet | 批次校正效果, 生物变异保护 | NA |
| 123 | 2025-10-05 |
3D localization of retrovirus assembly in the presence of structured background with deep learning
2025-Aug-29, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2025.08.028
PMID:40883991
|
研究论文 | 本文提出了一种结合深度学习和双螺旋点扩散函数的3D定位显微技术,用于分析活细胞顶部质膜上的HIV-1病毒组装过程 | 首次将双螺旋点扩散函数的3D成像与深度学习流程相结合,解决了顶部质膜成像中结构化背景干扰的挑战 | 研究主要针对贴壁细胞的顶部质膜,成像环境仍存在一定局限性 | 开发能够分析具有异质结构化背景图像的3D定位显微技术,以研究病毒组装过程 | 人类免疫缺陷病毒1型(HIV-1)Gag结构多蛋白在活细胞中的组装过程 | 计算机视觉 | HIV感染 | 双螺旋点扩散函数3D成像、荧光显微镜 | 深度学习 | 3D荧光显微镜图像 | NA | NA | NA | NA | NA |
| 124 | 2025-10-05 |
PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist
2025-Aug-27, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.004
PMID:40892627
|
方法学论文 | 提出心血管影像AI评估更新版标准化框架PRIME 2.0 | 针对传统机器学习向深度学习、大语言模型和多模态生成式AI的快速发展进行更新,整合心血管影像特异性挑战 | NA | 标准化心血管影像人工智能应用的开发、评估和报告 | 心血管影像AI应用 | 医学影像分析 | 心血管疾病 | 改良德尔菲法 | 深度学习, 大语言模型, 多模态生成式AI | 医学影像 | 国际临床与技术专家小组 | NA | NA | NA | NA |
| 125 | 2025-10-05 |
Development of Privacy-preserving Deep Learning Model with Homomorphic Encryption: A Technical Feasibility Study in Kidney CT Imaging
2025-08-27, Radiology. Artificial intelligence
DOI:10.1148/ryai.240798
PMID:40862694
|
研究论文 | 本研究开发了一种基于同态加密的隐私保护深度学习模型,用于肾脏CT图像的分类分析 | 首次在同态加密框架下实现肾脏CT图像分析的深度学习模型,通过多项式近似替换ReLU和平均池化替换最大池化来适配加密要求 | 加密显著增加了存储和计算需求,图像大小从65KB扩展到32MB,CPU推理时间长达50分钟 | 评估同态加密在深度学习模型中实现隐私保护的技术可行性 | 肾脏CT图像中的肾脏囊肿、正常肾脏和肾脏肿瘤 | 医学影像分析 | 肾脏疾病 | CT成像 | CNN | CT图像 | 12,446张CT图像(3,709张肾脏囊肿,5,077张正常肾脏,2,283张肾脏肿瘤) | NA | ResNet | AUC, AUPRC | CPU, GPU加速 |
| 126 | 2025-10-05 |
Characterizing the Impact of Training Data on Generalizability: Application in Deep Learning to Estimate Lung Nodule Malignancy Risk
2025-08-20, Radiology. Artificial intelligence
DOI:10.1148/ryai.240636
PMID:40833260
|
研究论文 | 本研究探讨训练数据量对深度学习AI算法评估肺结节恶性风险性能的影响 | 系统分析了训练数据规模与AI算法泛化性能的关系,确定了达到临床水平所需的最小数据量 | 回顾性研究,使用特定筛查试验数据,可能影响结果的普适性 | 研究训练数据量对肺结节恶性风险评估AI算法性能的影响 | 肺结节 | 数字病理 | 肺癌 | 低剂量CT扫描 | 深度学习 | CT图像 | NLST数据集16077个标注结节(1249恶性,14828良性),DLCST外部测试集883个结节(65恶性,818良性) | NA | NA | AUC | NA |
| 127 | 2025-10-05 |
DeepAIPs-SFLA: Deep Convolutional Model for Prediction of Anti-Inflammatory Peptides Using Binary Pattern Decomposition of Novel Multiview Descriptors with an SFLA Approach
2025-Aug-19, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c02422
PMID:40852276
|
研究论文 | 提出一种基于深度学习的抗炎肽预测模型DeepAIPs-SFLA,通过多视图特征描述符和混合优化算法提升预测性能 | 结合进化信息和结构特征,采用图像编码和局部二值模式分解构建新型多视图描述符,并应用改进的混合蛙跳算法进行特征选择 | 未明确说明模型在更广泛数据集上的泛化能力测试 | 开发高性能的抗炎肽预测计算方法 | 抗炎肽序列 | 生物信息学 | 炎症性疾病 | RECM嵌入、PSSM嵌入、LBP分解、CLBP分解 | CNN | 蛋白质序列数据 | 训练序列和独立验证集(Ind-426和Ind-1049) | NA | 深度残差卷积神经网络(RCNN) | 准确率,AUC | NA |
| 128 | 2025-10-05 |
The Expanding Landscape of Neural Architectures and Their Impact in Biomedicine
2025-08, Annual review of biomedical data science
IF:7.0Q1
|
综述 | 本文从神经网络架构的特定视角探讨生物医学领域的深度学习和人工智能应用 | 系统分析神经网络架构设计原则及其在生物医学应用中的隐含假设,探讨神经架构搜索技术和新兴架构(如图网络、Transformer、可解释神经网络)的独特优势 | NA | 探讨神经网络架构在生物医学深度学习和人工智能中的发展与影响 | 神经网络架构及其在生物医学领域的应用 | 机器学习 | NA | 神经架构搜索 | 图网络, Transformer, 可解释神经网络 | 多模态数据 | NA | NA | 图网络, Transformer | NA | NA |
| 129 | 2025-10-05 |
SageTCR: a structure-based model integrating residue- and atom-level representations for enhanced TCR-pMHC binding prediction
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf496
PMID:40984702
|
研究论文 | 提出一种基于结构的双层次图神经网络模型SageTCR,用于增强TCR-pMHC结合预测 | 整合残基级和原子级表征的双层次图神经网络框架,通过注意力机制融合双模态表示,并探索数据增强策略保持特征性TCR-pMHC对角线结合模式 | 实验结构数据缺乏 | 准确预测TCR-pMHC结合可能性 | T细胞受体与肽-MHC复合物 | 机器学习 | 免疫相关疾病 | 图神经网络,预训练语言模型 | GNN | 结构数据 | NA | NA | 双层次图神经网络 | NA | NA |
| 130 | 2025-10-05 |
Ten years later: how is AI impacting retina care today?
2025-Aug-27, Current opinion in ophthalmology
IF:3.0Q1
DOI:10.1097/ICU.0000000000001167
PMID:40862502
|
综述 | 回顾人工智能在视网膜疾病护理中的最新临床应用进展 | 总结了FDA批准的首个自主AI系统后视网膜护理领域的最新发展,包括家庭OCT平台和符合欧洲标准的AI技术 | AI的成功仍依赖于持续验证、基于结果的指标和改进的工作流程整合 | 评估人工智能在视网膜护理领域的影响和进展 | 糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD)患者 | 数字病理 | 视网膜疾病 | 光学相干断层扫描(OCT) | 深度学习 | 医学影像 | NA | NA | NA | 筛查依从性,诊断准确性 | NA |
| 131 | 2025-10-05 |
A Deep Learning Tool for Hip Minimum Joint Space Width Calculation on Antero-posterior Pelvis Radiographs
2025-Aug-21, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.08.023
PMID:40848813
|
研究论文 | 开发了一种用于在骨盆前后位X光片上自动测量髋关节最小关节间隙宽度的深度学习工具 | 结合深度学习分割模型与计算机视觉算法实现端到端的自动化mJSW测量,相比传统分类系统提供连续变量评估 | 训练数据量有限(300张标注X光片),分割模型在测试集上的平均Dice分数为0.71尚有提升空间 | 开发自动化算法测量髋关节最小关节间隙宽度以评估骨关节炎进展 | 骨盆前后位X光片中的髋关节结构 | 计算机视觉 | 骨关节炎 | X射线成像 | 深度学习分割模型 | 医学影像(X光片) | 300张训练验证标注图像 + 375张独立测量图像 + 75张外部验证图像 | NA | NA | 平均绝对误差, Bland-Altman图, Dice系数 | NA |
| 132 | 2025-10-05 |
A Deep Learning Framework for Using Search Engine Data to Predict Influenza-Like Illness and Distinguish Epidemic and Nonepidemic Seasons: Multifeature Time Series Analysis
2025-Aug-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/71786
PMID:40789146
|
研究论文 | 提出一种基于百度搜索数据和流感样病例百分比(ILI%)的深度学习框架,用于预测流感样疾病并区分流行季和非流行季 | 首次将卷积长短期记忆网络(CLSTM)应用于流感预测,并区分流行季和非流行季进行多特征时间序列分析 | 研究时间范围有限(2013-2024年),仅基于中国地区的百度搜索数据 | 开发能够准确预测流感样疾病并区分不同流行状态的深度学习框架 | 中国国家法定传染病报告系统(NIDRIS)中的流感样病例百分比数据和百度搜索指数 | 自然语言处理, 机器学习 | 流感 | 网络搜索数据分析, 时间序列分析 | CLSTM, LSTM, Transformer | 时间序列数据, 搜索指数数据 | 2013-2024年的每周官方ILI%数据和对应时期的百度搜索指数 | NA | 卷积长短期记忆网络(CLSTM) | MAPE, MSE, MAE, RMSE, R2 | NA |
| 133 | 2025-10-05 |
Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP)
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3559467
PMID:40208770
|
研究论文 | 开发了一种计算高效的三维螺旋投影磁共振指纹成像优化框架,通过联合优化图像重建、参数估计和k空间采样轨迹来提高扫描效率和定量准确性 | 提出了端到端的联合优化框架,同时优化三维螺旋轨迹、图像重建和参数估计,并利用解剖特异性时空稀疏性进行数据驱动的轨迹优化 | 研究主要基于模拟和体内数据验证,需要进一步在更大规模临床数据上验证 | 提高高分辨率三维螺旋轨迹磁共振指纹成像的扫描效率和计算效率 | 健康受试者和患者的磁共振指纹成像数据 | 医学影像分析 | NA | 磁共振指纹成像(MRF) | 基于模型的深度学习(MBDL) | 磁共振图像 | 健康受试者和患者的模拟与体内MRF数据 | NA | NA | 归一化均方根误差(NRMSE), 重建时间 | NA |
| 134 | 2025-10-05 |
Vertex Correspondence and Self-Intersection Reduction in Cortical Surface Reconstruction
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3562443
PMID:40249681
|
研究论文 | 提出V2CC方法改进皮层表面重建中的顶点对应关系并减少网格自相交 | 用L1损失替代传统Chamfer损失改善顶点对应关系,并提出新型Self-Proximity损失处理主要自相交问题 | 未明确说明方法在其他脑区或疾病类型中的泛化能力 | 优化皮层表面重建中的顶点对应关系并减少网格自相交 | 皮层表面网格 | 医学图像处理 | 神经影像 | 深度学习 | NA | 脑部MRI图像 | NA | NA | Vox2Cortex扩展 | 自相交比例 | NA |
| 135 | 2025-10-05 |
Uncertainty Quantification and Quality Control for Heatmap-Based Landmark Detection Models
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3564267
PMID:40279223
|
研究论文 | 提出一种针对基于热图的解剖标志点检测模型的端到端不确定性量化方法,旨在提高临床应用的可靠性和可控性 | 结合Dempster-Shafer理论和主观逻辑理论,通过单次前向传播实现概率分配和不确定性量化,并引入证据图和不确定性图的交叉注意力机制 | 主要针对热图基础的标志点检测模型,在其他类型检测任务中的适用性需进一步验证 | 开发医学图像解剖标志点检测中的不确定性量化方法,提升模型在临床环境中的可靠性和可信度 | 解剖标志点检测模型 | 计算机视觉 | NA | 深度学习 | 基于热图的检测模型 | 医学图像 | NA | NA | 交叉注意力机制 | 检测精度, 不确定性量化效果, 质量控制能力 | NA |
| 136 | 2025-10-05 |
Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3564458
PMID:40279227
|
研究论文 | 提出一种基于元学习的少样本学习框架,用于解决组织病理学图像中细胞核实例分割的标注效率问题 | 将少样本学习范式引入细胞核实例分割任务,提出广义少样本实例分割(GFSIS)概念和结构引导机制,构建统一的SGFSIS框架 | 需要依赖外部完全标注的数据集,在目标数据集上仅使用约10%标注时性能与完全监督学习相当但仍存在差距 | 开发标注高效的细胞核实例分割方法,减少对专家标注的依赖 | 组织病理学图像中的细胞核实例 | 数字病理 | NA | 深度学习 | 少样本学习,元学习 | 组织病理学图像 | 多个公开可用的数据集 | NA | Structurally-Guided Generalized Few-Shot Instance Segmentation (SGFSIS) | 与完全监督学习对比的性能指标 | NA |
| 137 | 2025-10-05 |
Deep Rib Fracture Instance Segmentation and Classification From CT on the RibFrac Challenge
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3565514
PMID:40305244
|
研究论文 | 介绍基于CT扫描的肋骨骨折实例分割与分类的RibFrac挑战赛及其基准数据集 | 提供了包含5,000多个肋骨骨折的大规模标注数据集,并建立了首个肋骨骨折检测与分类的评估基准 | 当前肋骨骨折分类方案的临床适用性仍然有限 | 开发AI辅助的肋骨骨折诊断方法 | CT扫描中的肋骨骨折 | 计算机视觉 | 骨科损伤 | CT扫描 | 深度学习 | 医学图像 | 660例CT扫描,包含5,000多个肋骨骨折 | NA | NA | FROC, F1-score | NA |
| 138 | 2025-10-05 |
LLM-Guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3566105
PMID:40310742
|
研究论文 | 提出一种基于大语言模型引导的解耦概率提示方法,用于医学图像诊断中的持续学习 | 首次将大语言模型引入医学图像持续学习,提出解耦概率提示池和导向提示池机制,能够动态提供多样化的图像描述 | 方法依赖于大语言模型生成专家知识,可能受限于语言模型的知识准确性和完整性 | 解决医学图像诊断中持续学习新疾病时的灾难性遗忘问题 | 医学图像诊断模型 | 计算机视觉 | NA | 持续学习,提示调优 | 深度学习模型 | 医学图像 | NA | NA | LLM引导的解耦概率提示架构 | 类增量设置下的性能指标 | NA |
| 139 | 2025-10-05 |
An End-to-End Deep Learning Generative Framework for Refinable Shape Matching and Generation
2025-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3562756
PMID:40323742
|
研究论文 | 提出一种端到端深度学习生成框架,用于可精细化形状匹配与生成 | 开发了无监督几何深度学习模型,在潜在空间中建立可精细化形状对应关系,并扩展为联合形状生成-聚类多图谱框架 | NA | 为计算机医学中的虚拟临床试验构建能生成逼真合成解剖形状的生成模型 | 肝脏和左心室三维表面网格模型 | 计算机视觉 | NA | 几何深度学习 | 生成模型 | 3D表面网格 | NA | NA | 多图谱框架 | 比较分析 | NA |
| 140 | 2025-10-05 |
READRetro web: A user-friendly platform for predicting plant natural product biosynthesis
2025-Aug, Molecules and cells
IF:3.7Q2
DOI:10.1016/j.mocell.2025.100235
PMID:40466944
|
研究论文 | 开发了一个用户友好的网络平台READRetro web,用于预测植物天然产物的生物合成路径 | 将先进的机器学习逆合成模型集成到易于使用的网络平台中,消除了复杂环境配置和命令行操作的需求 | 未提及平台在特定类型天然产物预测方面的局限性或验证范围 | 促进植物天然产物的大规模生产和药物发现 | 植物天然产物及其生物合成路径 | 机器学习 | NA | 逆合成预测 | 机器学习模型 | 化学结构数据 | NA | NA | READRetro | 预测准确性, 计算效率 | 网络平台技术 |