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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 2025-10-05 |
Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18463
PMID:40411529
|
研究论文 | 开发了一种基于深度学习的框架U-IEDNet,用于多通道脑电图记录中发作间期癫痫样放电的分类和分割 | 提出结合卷积层、双向门控循环单元和Transformer网络的U型架构,同时保留空间信息和通道间交互特征,并基于脑网络理论分析注意力权重增强模型可解释性 | NA | 开发高精度的发作间期癫痫样放电自动检测方法 | 多通道脑电图记录中的发作间期癫痫样放电 | 医疗人工智能 | 癫痫 | 脑电图 | CNN, BiGRU, Transformer | 多通道脑电图信号 | 公共数据库370例患者记录和自建数据库43例患者记录 | NA | U-IEDNet(U型架构) | 召回率, 精确率, F1分数, 假阳性率 | NA |
| 682 | 2025-10-05 |
Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice
2025-Sep, La Radiologia medica
DOI:10.1007/s11547-025-02038-3
PMID:40613973
|
研究论文 | 评估深度学习加速膝关节MRI协议在临床实践中的诊断准确性 | 首次系统评估不同加速因子(2倍、4倍、6倍)的深度学习重建膝关节MRI协议对多种病理的诊断性能 | 样本量相对较小(71例患者),DL6协议对细微病变敏感性降低,特别是经验较少的阅片者 | 评估深度学习加速MRI协议在膝关节成像中的诊断性能 | 71例连续接受膝关节MRI检查的患者 | 医学影像 | 膝关节疾病 | 深度学习重建MRI | 深度学习 | MRI图像 | 71例患者 | NA | NA | 敏感性, 特异性, 观察者间一致性 | NA |
| 683 | 2025-10-05 |
Diurnal variation mapping of urban NO2 concentrations at high spatial resolution using mobile phone signaling data
2025-Sep, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109758
PMID:40886398
|
研究论文 | 利用手机信令数据开发新型深度学习模型,实现高时空分辨率城市NO₂浓度日变化监测 | 首次实现基于手机信令数据的250米/1小时时空分辨率NO₂浓度连续估算,开发了专门针对环境变量建模的新型深度学习架构 | 研究仅在中国宁波市进行验证,模型在其他城市的适用性有待进一步测试 | 解决高时空分辨率亚日尺度NO₂浓度监测的技术难题 | 城市大气NO₂浓度分布与日变化特征 | 环境信息学 | NA | 手机信令数据分析,深度学习建模 | 深度学习模型 | 手机信令数据,环境监测数据,气象数据 | 宁波市区域数据 | NA | 新型深度学习架构 | R²,5折交叉验证,空间预测验证 | NA |
| 684 | 2025-10-05 |
An Ensemble Approach to Emergency Medicine Skill Assessment
2025-Sep-01, Military medicine
IF:1.2Q2
DOI:10.1093/milmed/usaf327
PMID:40984092
|
研究论文 | 开发一种集成方法用于急诊医学技能的形成性评估,利用多模态数据和可解释深度学习模型 | 首次将脑成像、眼动追踪和头戴式视频记录相结合,通过集成方法客观评估急诊医学技能 | 研究专注于气管插管技能评估,可能不适用于其他急诊医学程序 | 开发客观的急诊医学技能评估方法,解决当前主观评估的局限性 | 急诊医学培训学员的气管插管技能表现 | 机器学习 | 急诊医学 | 脑成像、眼动追踪、视频记录 | 可解释深度学习模型 | 多模态数据(脑成像、眼动追踪、视频) | NA | NA | NA | 准确率 | NA |
| 685 | 2025-10-05 |
Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model
2025-Sep-22, Journal of aquatic animal health
IF:1.5Q2
DOI:10.1093/jahafs/vsaf001
PMID:40662570
|
研究论文 | 开发改进的YOLOV5深度学习模型用于检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类 | 在YOLOV5基础上进行改进,采用预训练模型进行迁移学习,并将模型部署到树莓派开发板 | NA | 及时检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类,防止疾病传播 | 水产养殖鱼类 | 计算机视觉 | 水产疾病 | 深度学习 | YOLO | 图像 | NA | PyTorch | YOLOV5 | 精确率, 召回率, mAP50, mAP50-95 | 树莓派开发板 |
| 686 | 2025-10-05 |
3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network
2025-Sep-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00645
PMID:40903277
|
研究论文 | 本文提出了一种用于多时间溶液系统中吸附能预测的3D空间学习方法,包括MTSS数据集和基于GCN的网络 | 引入了首个包含时间分辨配置的MTSS数据集,并提出双通道图网络SEP-Net,整合旋转不变几何学习和分子SMILES嵌入 | 在未知溶剂上的预测误差较大(MAE 507.37 kJ/mol),模型泛化能力有待提升 | 解决复杂溶液系统中吸附能的预测问题 | 多时间溶液系统中的分子配置和吸附能 | 机器学习 | NA | 几何深度学习,分子SMILES嵌入 | GCN | 3D原子坐标,吸附能标签 | 500,000个时间分辨配置,涵盖五种溶剂 | NA | SEP-Net(双通道图网络) | MAE(平均绝对误差) | NA |
| 687 | 2025-10-05 |
Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites
2025-Sep-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01054
PMID:40914877
|
研究论文 | 提出一种多视角深度学习框架MDNet-TFP,用于精确预测转录因子结合位点 | 开发了双向反向互补模块(BiRC-Mamba)和多尺度卷积循环注意力网络(MCRAN),能够有效建模DNA序列的双向特性和多维度特征 | NA | 提高转录因子结合位点预测的准确性 | DNA序列中的转录因子结合位点 | 生物信息学 | NA | ChIP-seq | 深度学习 | 基因组序列数据 | 165个ChIP-seq数据集(主要评估),690个ChIP-seq数据集(扩展验证) | NA | BiRC-Mamba, MCRAN | 准确率, ROC-AUC, PR-AUC | NA |
| 688 | 2025-10-05 |
SERS mapping combined with explainable deep learning for exosome analysis to enhance lung cancer detection
2025-Sep-22, The Analyst
DOI:10.1039/d5an00685f
PMID:40859702
|
研究论文 | 本研究结合表面增强拉曼散射图谱与可解释深度学习模型,通过全面分析外泌体表面和内部生物标志物来提升肺癌检测准确率 | 首次将Grad-CAM增强的深度学习模型应用于外泌体SERS信号分析,同时检测表面和内部生物标志物,并提供模型决策的可视化解释 | 未明确说明样本来源的具体肺癌亚型及临床分期信息,模型在独立验证集上的性能有待进一步验证 | 开发一种结合SERS图谱和可解释深度学习的方法,提高肺癌检测的准确性和可解释性 | 肺癌细胞来源的外泌体生物标志物 | 生物医学工程 | 肺癌 | 表面增强拉曼散射,金纳米立方体超晶格自组装 | 深度学习 | SERS光谱图谱 | 正常细胞和肺癌细胞来源的外泌体SERS信号数据 | NA | Grad-CAM增强的深度学习模型 | 准确率 | NA |
| 689 | 2025-10-05 |
From AI-Driven Sequence Generation to Molecular Simulation: A Comprehensive Framework for Antimicrobial Peptide Discovery
2025-Sep-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00892
PMID:40879040
|
研究论文 | 提出结合深度学习和分子模拟的综合计算框架,用于系统性设计和筛选新型抗菌肽 | 首次将基于字符序列的生成对抗网络与分子动力学模拟相结合,建立从序列生成到功能验证的完整AMP发现流程 | 仅生成50个候选序列,样本规模有限;分子模拟时间范围受限 | 开发新型抗菌肽以解决细菌耐药性问题 | 抗菌肽(AMPs) | 机器学习 | 细菌感染 | 分子动力学模拟, 体外合成测试 | GAN, 判别网络 | 氨基酸序列, 分子结构数据 | 50个候选序列,最终验证2个肽 | NA | GAN, PGAT-ABPp | 抗菌活性验证 | NA |
| 690 | 2025-10-05 |
Deep Raman Quantitative Profiling and Augmented Features for Biologically Interpretable GI Cancer Detection
2025-Sep-22, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04073
PMID:40977515
|
研究论文 | 开发结合拉曼光谱和深度学习的胃肠道癌症检测框架,通过定量光谱分解实现生物可解释的癌症诊断 | 提出协同框架整合拉曼光谱和CNN进行定量光谱分解,引入生物可解释的比率特征,并应用SMOTE解决类别不平衡问题 | 样本数量相对有限(927个组织样本),恶性样本较少(82例),需更大规模验证 | 开发基于拉曼光谱的胃肠道癌症早期诊断方法 | 胃肠道组织样本(恶性和良性) | 医学影像分析 | 胃肠道癌症 | 拉曼光谱,合成少数类过采样技术 | CNN, LightGBM | 光谱数据 | 927个胃肠道组织样本(82个恶性,845个良性),平衡后1090个样本(545良性 vs 545 SMOTE恶性) | LightGBM | CNN | 准确率,灵敏度,特异性,AUC | NA |
| 691 | 2025-10-05 |
COLDLNA: Enhancing long-range node features extraction to improve robust generalization ability of drug-target binding affinity prediction in cold-start scenarios
2025-Sep-20, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500131
PMID:40977369
|
研究论文 | 提出一种名为COLDLNA的新型药物-靶点结合亲和力预测模型,通过增强长程节点特征提取提升冷启动场景下的鲁棒泛化能力 | 设计了长程节点注意力模块优化药物结构表征,并利用卷积注意力模块从蛋白质氨基酸序列中提取关键长程信息以阐明结合位点 | 未明确说明模型在更广泛生物数据集上的性能表现及计算效率分析 | 提升冷启动场景下药物-靶点结合亲和力预测的鲁棒泛化能力 | 药物分子结构和蛋白质氨基酸序列 | 机器学习 | NA | 深度学习 | 图神经网络,注意力机制 | 分子图数据,蛋白质序列数据 | Davis数据集,KIBA数据集,Human数据集,C. elegans数据集 | NA | 长程节点注意力模块,卷积注意力模块 | MSE | NA |
| 692 | 2025-10-05 |
Deep learning approach for flow visualization in background-oriented schlieren
2025-Sep-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.572042
PMID:40981953
|
研究论文 | 提出一种基于深度学习的背景纹影法流场可视化方法,用于提高条纹图案解调的鲁棒性 | 开发了深度学习辅助的子空间方法,能够在严重噪声和不均匀条纹畸变情况下实现可靠的条纹图案解调 | NA | 提高背景纹影法中条纹图案解调的准确性和鲁棒性 | 背景纹影法记录的条纹图案 | 计算机视觉 | NA | 背景纹影法,衍射光学元件 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 693 | 2025-10-05 |
Cascade deep polarization network for precise image semantic segmentation
2025-Sep-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.561465
PMID:40981975
|
研究论文 | 提出一种级联深度偏振网络,通过将预处理模块集成到端到端深度学习框架中,提升光学偏振图像的语义分割精度 | 首次将图像去噪、融合和增强等预处理模块直接集成到端到端深度学习网络中,通过自监督损失函数协同训练预处理模块和骨干网络 | 未明确说明具体的数据集规模和计算资源需求 | 提高光学偏振图像的语义分割性能 | 光学偏振图像,包括线性偏振角、线性偏振度和斯托克斯参数 | 计算机视觉 | NA | 光学偏振成像技术 | 深度学习网络 | 偏振图像 | NA | NA | 级联深度偏振网络(CDPN) | 分割精度,计算速度 | NA |
| 694 | 2025-10-05 |
Deep learning-enhanced holographic wavefront sensor for high-order aberration sensing
2025-Sep-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.574070
PMID:40981974
|
研究论文 | 提出一种深度学习增强的全息波前传感器,用于高精度波前像差检测 | 采用深度神经网络处理计算机生成全息图产生的多幅偏置图像,克服传统全息模态波前传感器的测量误差和模式限制 | DLHWS-p方法需要更多计算资源 | 开发高精度波前传感技术以检测高阶像差 | 波前像差,特别是大气湍流引起的高阶像差 | 计算机视觉 | NA | 全息波前传感,计算机生成全息图 | CNN, UNet | 图像 | NA | NA | 轻量级CNN, UNet | 精度,推理速度 | 需要较多计算资源(针对DLHWS-p方法) |
| 695 | 2025-10-05 |
MorphoITH: a framework for deconvolving intra-tumor heterogeneity using tissue morphology
2025-Sep-19, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01504-x
PMID:40968388
|
研究论文 | 提出了一种利用组织形态学解析肿瘤内异质性的新框架MorphoITH | 开发了首个通过常规组织病理切片量化表型多样性来推断分子水平肿瘤内异质性的框架 | 方法验证主要基于透明细胞肾细胞癌,在其他癌症类型中的适用性有待验证 | 开发可扩展的方法来量化肿瘤内异质性,支持精准肿瘤学 | 透明细胞肾细胞癌(ccRCC)的组织病理切片 | 数字病理 | 肾癌 | 组织病理学分析,多区域测序 | 深度学习 | 组织病理切片图像 | NA | NA | 自监督深度学习模型 | 与遗传进化模式的对应性验证 | NA |
| 696 | 2025-10-05 |
Optimized deep learning-accelerated single-breath-hold abdominal HASTE with and without fat saturation improves and accelerates abdominal imaging at 3 Tesla
2025-Sep-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01838-3
PMID:40968371
|
研究论文 | 评估深度学习加速的单次屏气腹部HASTE序列(含与不含脂肪抑制)在3特斯拉磁共振中的图像质量和可行性 | 首次系统比较深度学习加速HASTE序列在有无脂肪饱和条件下的技术可行性和图像质量 | 样本量相对有限(10名健康志愿者和50名患者),未包含更多病理情况 | 评估深度学习加速单次屏气T2加权腹部成像的技术性能和图像质量 | 健康志愿者和患者的上腹部磁共振成像 | 医学影像分析 | 腹部疾病 | 磁共振成像(MRI),深度学习加速单次激发快速自旋回波 | 深度学习模型 | 磁共振图像 | 10名健康志愿者和50名患者 | NA | NA | 图像质量评分,器官轮廓清晰度评分,伪影评分,脂肪饱和效果评分 | 3特斯拉磁共振设备 |
| 697 | 2025-10-05 |
An Efficient Neuro-framework for Brain Tumor Classification Using a CNN-based Self-supervised Learning Approach with Genetic Optimizations
2025-Sep-18, Current neuropharmacology
IF:4.8Q1
|
研究论文 | 提出一种基于自监督学习和遗传算法优化的高效深度学习框架用于脑胶质瘤MRI图像分类 | 结合SimCLR自监督学习、深度嵌入聚类、加权集成模型和差分进化优化的遗传算法进行多阶段优化 | 需要大量计算资源且需要进一步的临床验证 | 开发用于脑胶质瘤MRI图像分类的鲁棒高效深度学习框架 | 脑胶质瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | NA | NA | EfficientNet-B7, ResNet-50, DenseNet-121 | 准确率 | NA |
| 698 | 2025-10-05 |
Multi-filter stacking in inception V3 for enhanced Alzheimer's severity classification
2025-Sep-16, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种结合多滤波器堆叠与Inception V3架构的新方法,用于增强阿尔茨海默病严重程度分类 | 首次将多滤波器堆叠技术与Inception V3架构结合,能够捕获多尺度空间特征以检测不同疾病阶段的细微结构变化 | NA | 开发更准确和高效的阿尔茨海默病严重程度自动分类技术 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | MRI | CNN | 图像 | NA | NA | Inception V3 | 准确率 | NA |
| 699 | 2025-10-05 |
Estimation of variable optical feedback coupling factor for self-mixing interferometry by signal-to-image translation
2025-Sep-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.567935
PMID:40981854
|
研究论文 | 提出一种基于深度学习的方法,通过信号到图像的转换来估计自混合干涉测量中的可变光学反馈耦合因子 | 首次将一维自混合干涉信号转换为二维图像表示,利用卷积神经网络提取上下文丰富特征来增强参数估计性能 | NA | 开发一种可靠估计可变光学反馈耦合因子的方法,提升自混合干涉传感器的性能 | 自混合干涉信号 | 机器学习和信号处理 | NA | 自混合干涉测量技术 | CNN | 信号数据和图像数据 | NA | NA | 卷积神经网络 | 鲁棒性评估 | NA |
| 700 | 2025-10-05 |
Deep learning-enhanced spectral ghost imaging with accelerated and high-fidelity reconstruction
2025-Sep-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.573030
PMID:40981855
|
研究论文 | 提出一种结合深度学习框架的计算光谱鬼成像方法,显著提高重建保真度并减少测量采集时间 | 将深度学习与光谱鬼成像相结合,仅需8000次测量即可实现高保真重建,比传统方法减少10倍以上采集时间 | 模型仅使用模拟数据进行训练,未在真实实验数据上验证 | 改进光谱鬼成像技术的重建质量和效率 | 光谱鬼成像系统 | 计算机视觉 | NA | 光谱鬼成像 | CNN | 光谱数据 | 8000-100000次测量实现 | NA | 编码器-解码器 | 重建保真度, 图像质量 | NA |