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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2025-11-13 |
LKE-DTA: predicting drug-target binding affinity with large language model representations and knowledge graph embeddings
2025-Nov-12, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11394-1
PMID:41222841
|
研究论文 | 提出融合大语言模型和知识图谱的LKE-DTA框架,用于预测药物-靶点结合亲和力 | 首次将大语言模型与知识图谱协同集成,并提出双多头注意力机制动态融合异质嵌入 | NA | 提高药物-靶点结合亲和力预测的准确性 | 药物和蛋白质 | 机器学习 | NA | 深度学习 | 注意力机制 | 分子表示,知识图谱嵌入 | 基准数据集(Davis、KIBA)和独立测试集 | NA | 双多头注意力机制 | MSE, MAE, CI, r | NA |
| 1342 | 2025-11-13 |
SAFT: Real-Time Tracking and Mapping With Self-Supervised Robust Stereo Matching for Underwater Vehicles
2025-Nov-11, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3618666
PMID:41217922
|
研究论文 | 提出一种基于自监督鲁棒立体匹配的水下机器人实时跟踪与建图框架SAFT | 提出三种关键创新:集成成本聚合与迭代优化的立体匹配网络、利用时空约束的自监督损失函数、集成自监督模型的实时跟踪建图算法 | NA | 解决水下机器人因视觉质量退化、特征模糊和计算资源有限而面临的鲁棒高效跟踪与建图挑战 | 水下机器人 | 计算机视觉 | NA | 立体匹配 | 深度学习网络 | 立体图像 | 公共和定制水下数据集 | PyTorch | SAFT-Stereo, SAFT-DSOL | 泛化性能, 推理时间, 跟踪稳定性, 重建质量 | 实时计算资源 |
| 1343 | 2025-11-13 |
Developments in diagnosis and treatment of early hypopharyngeal carcinoma and precancerous lesions: A review
2025-Nov-07, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045617
PMID:41204550
|
综述 | 总结早期下咽癌及癌前病变诊断与治疗的最新进展 | 专门聚焦早期下咽癌的综述,系统整合了窄带成像放大内镜和人工智能等新兴诊断技术以及经口微创手术等治疗进展 | NA | 探讨早期下咽癌及癌前病变的诊断与治疗策略 | 下咽癌患者及癌前病变 | 数字病理 | 下咽癌 | 窄带成像放大内镜(ME-NBI), 深度学习 | 深度学习算法 | 内镜图像 | NA | NA | NA | NA | NA |
| 1344 | 2025-11-12 |
ReMLP-NET: A Neural Network Interaction Potential for Molecular Energy Prediction
2025-Nov-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01453
PMID:41143577
|
研究论文 | 提出一种名为ReMLP-NET的神经网络相互作用势,用于预测分子能量 | 使用遗传算法选择对称函数超参数,相比ReANI-2x模型在分子能量预测性能上有显著提升 | 仅适用于包含H、C、N、O、F、S、Cl元素的分子结构 | 开发计算效率更高的分子能量预测方法以替代量子力学计算 | 来自GDB13和DUD-E数据集的分子结构 | 机器学习 | NA | 机器学习算法 | MLP | 分子结构数据 | 来自Retrievium存储库的优化结构和总能量数据 | NA | 多层感知机神经网络 | MAE, RMSE | NA |
| 1345 | 2025-11-12 |
Enabling Weather-Independent Gas Detection through Deep Learning on Light-Activated Sensors
2025-Nov-11, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c10308
PMID:41144602
|
研究论文 | 通过将铋掺杂氧化铟纳米纤维与微发光二极管平台集成,并采用深度学习分析瞬态传感信号,实现天气无关的NO和H₂O气体检测 | 首次将铋掺杂氧化铟纳米纤维直接集成到μLED平台,结合CNN算法分析瞬态信号,实现天气无关的气体传感 | NA | 开发能够在环境变化条件下稳定工作的实时环境监测气体传感器 | 一氧化氮(NO)和水分(H₂O)气体 | 传感器技术 | NA | 光激活气体传感,蓝色光照激活 | CNN | 瞬态传感信号 | NA | NA | 卷积神经网络 | 分类准确率, 回归误差 | NA |
| 1346 | 2025-11-12 |
Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI
2025-Nov-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05249-4
PMID:41217478
|
研究论文 | 开发用于动态对比增强MRI中肝细胞癌自动检测的深度学习模型 | 使用注意力U-Net模型在肝细胞癌检测中显著优于当前最先进的nnU-Netv2模型 | 回顾性研究设计,样本量相对有限 | 开发肝细胞癌自动检测的深度学习模型并分析其在患者和病灶水平的性能 | 肝细胞癌患者和阴性对照患者的动态对比增强MRI图像 | 医学影像分析 | 肝细胞癌 | 动态对比增强MRI,T1加权成像 | 深度学习 | 医学影像 | 363名患者(284名男性,58±11岁),247个病灶 | NA | 注意力U-Net, nnU-Netv2 | 敏感度, 特异度, 平均每患者假阳性数, PPV, NPV, FROC AUC, ROC AUC | NA |
| 1347 | 2025-11-12 |
GFANet: Global Feature Attention Network for Polyp Segmentation
2025-Nov-10, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01734-w
PMID:41214244
|
研究论文 | 提出一种用于息肉分割的全局特征注意力网络GFANet | 集成三个创新模块:全局特征方向编码器(GFDE)捕获垂直和水平方向的全局上下文,特征注意力模块(FAM)增强息肉区域特征表示,多尺度信息聚合(MIA)模块提升多尺度特征融合能力 | NA | 解决息肉自动分割中边界模糊、小息肉检测灵敏度低和多尺度信息融合不足的挑战 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 医学图像 | 五个公开数据集(包括CVC-300和ETIS-LaribPolypDB) | NA | GFANet(包含GFDE、FAM、MIA模块) | 平均Dice系数(mDice),平均交并比(mIoU) | NA |
| 1348 | 2025-11-12 |
Illuminating Research Dynamics: Medical Ultrasound and Deep Learning
2025-Nov-10, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70131
PMID:41215539
|
研究论文 | 本研究首次通过文献计量学方法系统分析医学超声与深度学习领域的研究动态和发展趋势 | 首次对医学超声与深度学习研究进行文献计量学概览,揭示了该领域的国际合作模式、核心主题演变和新兴趋势 | 仅基于Web of Science数据库,可能遗漏其他重要文献来源;文献计量学方法主要关注宏观趋势而非具体技术细节 | 通过文献计量学分析医学超声与深度学习领域的研究现状、发展趋势和合作网络 | 2004年至2025年4月期间Web of Science核心合集中收录的3386篇医学超声与深度学习相关出版物 | 医学影像分析 | NA | 文献计量学分析 | CNN, U-Net, 注意力网络, 视觉Transformer | 文献元数据 | 3386篇出版物 | Bibliometrix, VOSviewer, CiteSpace | U-Net, 注意力网络, 视觉Transformer | 出版物数量, 年均增长率, 引用率, 影响因子 | NA |
| 1349 | 2025-11-12 |
Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics
2025-Nov-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64928-4
PMID:41198693
|
研究论文 | 本研究开发了Carafe工具,通过直接在DIA数据上训练深度学习模型来生成高质量的计算光谱库 | 首次直接在DIA数据上训练深度学习模型生成光谱库,相比基于DDA数据的传统方法具有更好的性能 | NA | 提高数据非依赖性采集蛋白质组学中计算光谱库的生成质量 | 质谱数据中的肽段碎片离子强度预测 | 计算蛋白质组学 | NA | 数据非依赖性采集质谱,数据依赖性采集质谱 | 深度学习 | 质谱数据 | 多种DIA数据集 | NA | NA | 碎片离子强度预测准确度,肽段检测率 | NA |
| 1350 | 2025-11-12 |
AI-Assisted Capsule Endoscopy for Detection of Ulcers and Erosions in Crohn's Disease: A Multicenter Validation Study
2025-Nov-05, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2025.09.036
PMID:41076040
|
研究论文 | 验证人工智能辅助胶囊内镜在克罗恩病患者中检测溃疡和糜烂的多中心研究 | 首次在多中心研究中验证AI模型在不同胶囊内镜设备上检测溃疡和糜烂的性能 | 研究仅针对两种胶囊内镜设备,样本量相对有限 | 验证AI辅助阅读在胶囊内镜中检测溃疡和糜烂的诊断性能 | 克罗恩病患者的胶囊内镜检查数据 | 医学影像分析 | 克罗恩病 | 胶囊内镜检查 | 深度学习模型 | 内镜图像 | 259例胶囊内镜检查 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率 | NA |
| 1351 | 2025-11-11 |
Enhancing Dental Caries Classification with Adversarial Training on Bitewing Radiographs
2025-Nov-10, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01737-7
PMID:41212346
|
研究论文 | 本研究通过将投影梯度下降对抗训练应用于ResNet模型,提升咬翼片X光影像中龋齿分类的准确性和鲁棒性 | 首次将投影梯度下降对抗训练技术应用于龋齿分类任务,通过引入轻微扰动增强数据集,显著提升模型性能 | 仅使用单一类型影像数据(咬翼片X光),未考虑其他影像模态;模型性能仍有提升空间 | 提高基于深度学习的龋齿分类模型的准确性和鲁棒性 | 咬翼片X光影像中的龋齿病变 | 计算机视觉 | 龋齿 | X光影像分析 | CNN | 医学影像 | NA | NA | ResNet-50 | 准确率, 敏感度, 特异性 | NA |
| 1352 | 2025-11-11 |
OralSegNet: An Approach to Early Detection of Oral Disease Using Transfer Learning
2025-Nov-09, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.70135
PMID:41207876
|
研究论文 | 提出基于深度学习的口腔疾病早期检测分割系统OralSegNet,使用YOLOv11架构变体从口腔内摄影图像中自动检测和定位口腔疾病 | 首次将YOLOv11架构的三个变体应用于口腔疾病分割任务,采用渐进式数据集增强策略解决类别不平衡问题,并开发了完全客户端响应的Web应用 | 数据集规模相对较小(582张初始图像),模型性能仍有提升空间(mAP@50约0.5),使用免费计算资源可能限制模型复杂度 | 开发自动化口腔疾病检测和定位系统,实现口腔疾病的早期发现 | 口腔内摄影图像中的口腔疾病病变区域 | 计算机视觉 | 口腔疾病 | 深度学习分割 | YOLO | 图像 | 初始582张像素级标注图像,通过数据增强扩展到v2和v3版本 | PyTorch, ONNX Runtime Web | YOLOv11n-seg, YOLOv11s-seg, YOLOv11m-seg | box mAP@50, mask mAP@50 | Google Colab免费版(Intel Xeon CPU, 13GB RAM, T4 GPU 15GB, 120GB存储) |
| 1353 | 2025-11-11 |
Rapid consistent reef surveys with DeepReefMap
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20795-z
PMID:41203649
|
研究论文 | 介绍使用DeepReefMap进行快速珊瑚礁调查的创新方法,通过神经网络实现3D语义映射 | 首次在红海进行大规模跨国珊瑚礁调查,开发了基于深度学习的实用3D水下测绘和语义分割系统 | NA | 开发高效、标准化、可扩展且经济的珊瑚礁监测策略 | 红海珊瑚礁生态系统 | 计算机视觉 | NA | 水下摄像技术 | 神经网络 | 视频 | 365个视频样带,来自45个地点,184小时视频素材,200,000个标注多边形 | NA | NA | 鲁棒性评估 | NA |
| 1354 | 2025-11-11 |
A hybrid approach leveraging meta-heuristic and ensemble learning for time-sensitive prediction of pollutant concentrations
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23940-w
PMID:41203671
|
研究论文 | 提出一种结合元启发式算法和集成学习的混合深度学习模型,用于污染物浓度的时间敏感预测 | 首次将爬行动物搜索算法(RSA)与CNN、LSTM和XGBoost集成,通过特征优化和重要性评分提升预测性能 | 研究仅针对印度城市环境,未验证在其他地理区域的适用性 | 开发高精度的污染物浓度预测模型,支持空气质量长期预报 | 大气污染物包括PM2.5、CO、SO2和NO2 | 机器学习 | NA | 时间序列分析 | CNN, LSTM, XGBoost, RSA | 时间序列数据 | NA | NA | CNN, LSTM, Transformer, BiLSTM, BiRNN, ANN, BiGRU | 准确率, 鲁棒性, 误差指标, R²分数 | NA |
| 1355 | 2025-11-11 |
Deep learning models simultaneously trained on multiple datasets improve base-editing activity prediction
2025-Nov-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65200-5
PMID:41203686
|
研究论文 | 通过同时训练多个数据集的深度学习模型提高碱基编辑活性预测准确性 | 首次开发能够同时训练多个不同数据集的深度学习模型,并支持数据集感知预测 | NA | 提高CRISPR碱基编辑系统中gRNA设计的准确性 | 碱基编辑gRNA效率预测 | 机器学习 | NA | CRISPR碱基编辑技术 | 深度神经网络 | gRNA序列数据 | 约20,000个gRNAs(包含A•T to G•C和C•G to T•A转换) | NA | 深度神经网络 | NA | NA |
| 1356 | 2025-11-11 |
Task optimized vision transformer for diabetic retinopathy detection and classification in resource constrained early diagnosis settings
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25399-1
PMID:41203681
|
研究论文 | 提出一种任务优化的视觉Transformer模型,用于资源受限环境下的糖尿病视网膜病变检测和分类 | 设计了专门针对糖尿病视网膜病变的任务优化视觉Transformer模型,集成了分层学习率调度、注意力头调优和嵌入维度优化策略,并通过结构化剪枝和8位量化实现模型压缩 | 研究主要针对资源受限环境,可能在更复杂临床场景下的泛化能力需要进一步验证 | 开发适用于资源受限早期诊断环境的糖尿病视网膜病变自动检测和分类系统 | 糖尿病视网膜病变患者的视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | Vision Transformer | 图像 | 三个大规模公共数据集 | NA | Task-Optimized Vision Transformer (TOViT) | 准确率, F1分数 | 树莓派4硬件, 支持实时部署 |
| 1357 | 2025-11-11 |
Improving surgical phase recognition using self-supervised deep learning
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23697-2
PMID:41203699
|
研究论文 | 本研究探索自监督学习在垂体内窥镜手术阶段识别中的应用,通过比较SimCLR和BYOL框架的性能 | 首次将自监督学习应用于内窥镜垂体手术阶段识别,并引入注意力加权池化算子增强空间特征提取 | 仅针对垂体内窥镜手术进行验证,未在其他手术类型中测试泛化能力 | 开发智能系统为外科医生提供实时决策支持,通过手术阶段识别改善工作流程 | 内窥镜垂体手术视频数据 | 计算机视觉 | 垂体疾病 | 自监督学习 | 深度学习 | 手术视频 | 未明确具体样本数量,但涉及完整数据集和50%标注数据缩减的对比实验 | SimCLR, BYOL | 集成注意力加权池化算子的深度神经网络 | F1-score | NA |
| 1358 | 2025-11-11 |
Multi-output deep learning for high-frequency prediction of air and surface temperature in Kuwait
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23455-4
PMID:41203707
|
研究论文 | 本研究评估多输出回归模型在科威特使用高频气候数据预测空气和地表温度的性能 | 首次将基于上下文嵌入的Transformer(FTTransformer)和LSTM应用于高频温度预测,并实现六种温度变量的同时预测 | LSTM模型在处理往年异常数据时性能下降,而FTTransformer在不同年份间保持稳定准确性 | 开发高精度的高频空气和地表温度预测模型,用于城市规划和气候韧性建设 | 科威特地区的空气和地表温度及相关气候变量 | 机器学习 | NA | 高频气候数据采集 | Transformer, LSTM, 传统机器学习 | 时间序列气候数据 | 四年内每5分钟采集的高频气候数据,包含30个环境变量 | NA | FTTransformer, LSTM | R², 均方误差, 平均绝对误差 | NA |
| 1359 | 2025-11-11 |
Unsupervised spectra information extraction using physics-informed neural networks in the presence of non-linearities and multi-agent problems
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25573-5
PMID:41203763
|
研究论文 | 提出一种基于物理信息神经网络的无监督光谱信息提取方法,适用于非线性和多智能体问题 | 将物理信息深度学习从简单线性情况推广到非线性和多智能体场景,扩展了该方法的适用范围 | 目前仅在合成案例上进行测试,尚未在真实场景中验证 | 开发无需监督学习的光谱信息提取方法 | 光谱数据 | 机器学习 | NA | 光谱分析 | 物理信息神经网络 | 光谱数据 | NA | NA | 物理信息神经网络 | 灵敏度, 特异性, 可靠性 | NA |
| 1360 | 2025-11-11 |
Automated inspection of P&ID object recognition using deep learning
2025-Nov-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25506-2
PMID:41203750
|
研究论文 | 提出一种基于深度学习的P&ID图纸对象识别结果自动检测方法 | 针对未识别对象和误识别对象分别开发了不同的检测方法,包括基于深度学习的特征向量相似度计算、基于距离的文本错误检测和交叉情况检查的线条错误检测 | NA | 提高P&ID图纸数字化过程中对象识别结果的准确性和检测效率 | 管道仪表流程图(P&ID)中的符号、文本和线条对象 | 计算机视觉 | NA | 深度学习 | CNN | 工程图纸图像 | 来自实际工业现场的P&ID图纸 | NA | NA | 召回率, 准确率, F1分数 | NA |