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 | 2025-11-20 |
Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan
2025-Nov-19, Cerebellum (London, England)
DOI:10.1007/s12311-025-01929-5
PMID:41258571
|
研究论文 | 利用深度学习从结构MRI预测小脑蚓部生物年龄并分析其老化模式 | 首次使用脑结构年龄深度学习生物标志物系统研究小脑蚓部区域特异性老化模式 | 横断面研究设计无法确定因果关系,样本仅来自单一数据库 | 评估小脑蚓部区域特异性老化模式及其影响因素 | 245名健康参与者的脑部MRI数据 | 医学影像分析 | 衰老相关疾病 | 结构磁共振成像 | 深度学习 | 3D T1加权磁共振图像 | 245名健康参与者(年轻组20-39岁,中年组40-59岁,老年组≥60岁) | NA | NA | 调整后R方 | 3T MRI,64通道线圈 |
| 122 | 2025-11-20 |
Characterization of a Novel Mutansucrase (MUT-I) from Leuconostoc pseudomesenteroides G29: Enzymatic Properties and Product Analysis
2025-Nov-19, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c03636
PMID:41258707
|
研究论文 | 本研究对来自肠膜明串珠菌G29的新型变聚糖酶MUT-I进行了酶学特性表征和产物分析 | 首次报道了具有高热稳定性和双功能催化特性的新型变聚糖酶MUT-I,并利用AlphaFold 3深度学习工具鉴定了其关键催化残基 | NA | 开发可持续生产结构明确的α-葡聚糖作为合成聚合物生物可降解替代品 | 肠膜明串珠菌G29来源的变聚糖酶MUT-I及其催化产物 | 生物技术 | NA | 酶学表征、产物分析、深度学习结构预测 | AlphaFold | 蛋白质序列、酶动力学数据、产物结构数据 | NA | AlphaFold 3 | AlphaFold 3 | 酶活性、底物亲和力、催化效率、热稳定性、分支效率 | NA |
| 123 | 2025-11-20 |
Random Convolutions for Domain Generalization of Deep Learning-based Medical Image Segmentation Models
2025-Nov-19, Radiology. Artificial intelligence
DOI:10.1148/ryai.240502
PMID:41258795
|
研究论文 | 评估随机卷积作为数据增强策略在医学图像分割模型领域泛化能力提升中的应用效果 | 提出将随机卷积作为数据增强策略来提升医学图像分割模型的领域泛化能力 | 增强概率和配置需要在域内和域外性能之间进行权衡 | 提高深度学习医学图像分割模型的领域泛化能力 | 腹部器官分割(CT和MRI图像)和脑组织分割(T1w和T2w图像) | 医学图像分析 | 多器官分割 | CT, MRI, T1加权成像, T2加权成像 | UNet | 医学图像 | AbdomenCT-1k: 361例CT图像;AMOS: 298例CT和59例MRI扫描;IXI: 504例T1w图像和146对T1w/T2w图像 | NA | UNet | Dice系数 | NA |
| 124 | 2025-11-20 |
Economic Value of AI in Radiology: A Systematic Review
2025-Nov-19, Radiology. Artificial intelligence
DOI:10.1148/ryai.250090
PMID:41258794
|
系统综述 | 系统评估人工智能在放射学工作流程中经济价值的证据 | 首次系统性地总结AI在放射学领域的经济价值证据,涵盖多种AI技术和应用场景 | 纳入研究数量有限(仅21篇),可能存在发表偏倚,且研究质量参差不齐 | 评估人工智能在放射学工作流程中的经济价值 | 放射学工作流程中应用的AI技术 | 医疗人工智能 | 多疾病领域(包括肺癌筛查等) | 机器学习、深度学习、自然语言处理、计算机辅助诊断 | 机器学习、深度学习、NLP、CAD | 医学文献数据 | 21项符合纳入标准的研究(来自1879篇初始检索结果) | NA | NA | 成本节约、增量成本效益比 | NA |
| 125 | 2025-11-20 |
SAI: A Python Package for Statistics for Adaptive Introgression
2025-Nov-19, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msaf295
PMID:41258824
|
研究论文 | 开发了一个名为SAI的Python软件包,用于计算适应性基因渗入的统计指标 | 提供了D+、Danc等现有统计量的可访问实现,并引入了一个新的DD统计量 | NA | 开发计算适应性基因渗入统计量的工具 | 人类基因组数据(1000基因组计划)和黑猩猩基因渗入数据 | 生物信息学 | NA | 基因组数据分析 | NA | 基因组序列数据 | 1000基因组计划数据集和黑猩猩种群数据 | Python | NA | NA | NA |
| 126 | 2025-11-20 |
Novel Antimicrobial Peptides Against Pseudomonas aeruginosa: In Silico Design and Experimental Validation
2025-Nov-19, Journal of applied microbiology
IF:3.2Q2
DOI:10.1093/jambio/lxaf287
PMID:41258863
|
研究论文 | 本研究通过深度学习和分子对接技术设计新型抗菌肽,并实验验证其对铜绿假单胞菌的抗菌和抗生物膜活性 | 使用基于Transformer的深度学习模型TACaPe设计抗菌肽,并首次验证其与群体感应受体的结合能力及与美罗培南的协同作用 | 仅测试了铜绿假单胞菌标准菌株ATCC® 27853,未涉及临床分离株或其他细菌种类 | 设计和评估具有抗菌和抗生物膜活性的新型抗菌肽 | 铜绿假单胞菌及其群体感应受体(LasR, RhlR, PqsR) | 机器学习 | 细菌感染 | 深度学习, 分子对接分析, 体外抗菌测试 | Transformer | 肽序列数据 | 5种设计的抗菌肽 | NA | Transformer | 结合亲和力, 最小抑菌浓度(MIC), 生物膜抑制率, 溶血活性, 细胞毒性 | NA |
| 127 | 2025-11-20 |
FaceAge as a biomarker for prognosis and treatment stratification in large-scale oncology cohort
2025-Nov-19, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaf323
PMID:41259012
|
研究论文 | 本研究探讨FaceAge(基于面部照片估计生物年龄的深度学习系统)与实足年龄的极端差异在预测28种癌症类型患者生存期和早期死亡率中的预后价值 | 首次在大规模癌症队列中验证FaceAge与实足年龄的极端差异作为生存期和早期死亡率的独立预测因子 | 研究仅纳入接受放射治疗的老年患者(≥60岁),可能限制结果的普适性 | 评估FaceAge作为癌症预后生物标志物的临床价值 | 24,556名年龄≥60岁的癌症患者 | 数字病理 | 癌症 | 深度学习 | CNN | 面部照片 | 24,556名癌症患者,涵盖28种癌症类型 | NA | FaceAge | 风险比(HR), 比值比(OR), P值 | NA |
| 128 | 2025-11-20 |
Enhancing deep chemical reaction prediction with advanced chirality and fragment representation
2025-Nov-18, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc02641e
PMID:40932372
|
研究论文 | 本研究通过引入fragSMILES分子表示方法,在深度学习有机反应预测中实现了对分子手性和子结构的更好表征 | 开发了能够同时编码分子子结构和手性信息的fragSMILES表示法,在立体化学反应信息识别方面表现优异 | NA | 改进有机反应预测的深度学习模型性能,特别是立体化学复杂性的捕捉能力 | 有机化学反应 | 机器学习 | NA | 深度学习 | NA | 分子结构文本表示 | NA | NA | NA | 正向合成预测准确率,逆向合成预测准确率 | NA |
| 129 | 2025-11-20 |
Transforming microfluidics for single-cell analysis with robotics and artificial intelligence
2025-Nov-18, Lab on a chip
IF:6.1Q2
DOI:10.1039/d5lc00216h
PMID:41190506
|
综述 | 探讨机器人技术和人工智能在单细胞分析微流体技术中的创新应用与未来发展 | 提出通过机器人操作、数字微流控和微型机器人增强实验精度与可扩展性,并利用深度学习实现无标记图像处理和细胞状态分析 | 技术集成实施仍面临挑战,未提供具体实施案例验证 | 克服微流控单细胞分析在自动化、可靠性和技术壁垒方面的局限性 | 单细胞分析技术与微流体系统 | 生物医学工程 | NA | 微流控技术,单细胞分析 | 生成模型,深度学习模型 | 细胞图像数据,单细胞分析数据 | NA | NA | NA | 准确性,可重复性 | 远程共享云实验室 |
| 130 | 2025-11-20 |
A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR
2025-Nov-18, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c06097
PMID:41252524
|
教程指南 | 介绍使用TS-DAR框架进行生物分子模拟中过渡态分析的实用指南 | 提出基于分布外检测的TS-DAR框架,首次系统性地识别生物分子构象变化中的所有过渡态 | NA | 开发计算框架以识别生物分子构象变化中的过渡态 | 蛋白质构象变化 | 计算生物物理学 | NA | 分子动力学模拟 | 深度学习 | 分子构象数据 | NA | NA | 神经网络 | NA | NA |
| 131 | 2025-11-20 |
Deep Learning-Assisted Prediction of Air-Bone Gap Using Tympanic Membrane Perforation Image Features
2025-Nov-18, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70074
PMID:41252627
|
研究论文 | 开发基于深度学习的鼓膜穿孔图像分析方法,用于预测气骨导差 | 首次使用Mask R-CNN自动分割鼓膜和穿孔区域,并基于分割特征预测气骨导差 | 样本量有限(150张穿孔鼓膜图像),模型性能仍有提升空间 | 解决特定人群或环境下听力测试设备不足的问题,提供替代评估方法 | 鼓膜穿孔患者的耳镜图像 | 计算机视觉 | 听力损失 | 耳镜成像 | CNN, Mask R-CNN | 图像 | 1014张完整鼓膜图像,150张穿孔鼓膜图像(模型开发),75张术中穿孔图像(独立测试) | NA | Mask R-CNN | 类别像素准确率,交并比,Dice系数,R²,均方根误差,10dB内预测比例 | NA |
| 132 | 2025-11-20 |
Transforming Surgical Training With AI Techniques for Training, Assessment, and Evaluation: Scoping Review
2025-Nov-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58966
PMID:41252719
|
综述 | 本文通过范围综述探讨人工智能在外科培训、评估和评价中的应用现状与潜力 | 系统梳理了AI在外科培训中的最新应用,识别了自动化技能评估、个性化反馈和自适应学习轨迹等创新方向 | 研究设计异质性大,算法透明度不足,样本量小,缺乏标准化评估指标和外部验证 | 评估AI技术如何通过数据驱动洞察和预测分析增强外科培训效果 | 外科培训学员的学习路径和表现 | 医学教育技术 | NA | 机器学习,深度学习,聚类分析,卷积神经网络,支持向量机 | 机器学习,深度学习,CNN,SVM | 手术视频,模拟训练数据,机器人手术数据 | 56项符合条件的研究(来自1400条初始记录) | NA | 卷积神经网络,支持向量机 | 学习曲线,技术熟练度,自动化技能评估 | NA |
| 133 | 2025-11-20 |
DNALONGBENCH: a benchmark suite for long-range DNA prediction tasks
2025-Nov-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65077-4
PMID:41253815
|
研究论文 | 本文介绍了DNALONGBENCH基准测试套件,用于评估依赖长距离DNA依赖关系的基因组学任务 | 首次提出覆盖五个关键基因组学任务的长距离DNA依赖关系基准测试套件,支持长达100万个碱基对的依赖关系建模 | 基准测试套件可能无法覆盖所有类型的长距离DNA依赖任务,且评估方法有限 | 建立标准化基准测试套件以促进DNA序列深度学习模型的全面比较和严格评估 | 长距离DNA依赖关系,包括增强子-靶基因相互作用、表达数量性状位点、3D基因组组织等 | 生物信息学 | NA | DNA序列分析,深度学习建模 | CNN, DNA基础模型 | DNA序列数据 | NA | NA | HyenaDNA, Caduceus-Ph, Caduceus-PS | NA | NA |
| 134 | 2025-11-20 |
Explainable multi stream deep learning for fine grained camel breed classification using a Novel Arabian and Non Arabian dataset
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-19146-9
PMID:41253851
|
研究论文 | 提出一种可解释的多流深度学习架构,用于细粒度的骆驼品种分类 | 引入了包含阿拉伯和非阿拉伯骆驼的新图像数据集,并提出了分层自适应框架的多流深度学习架构 | 某些品种间视觉相似性高且数据集存在不平衡问题 | 开发自动骆驼品种识别系统以支持畜牧业管理 | 阿拉伯和非阿拉伯骆驼品种 | 计算机视觉 | NA | 图像分类 | CNN | 图像 | 1,620张骆驼图像 | NA | DenseNet121, MobileNetV2, InceptionV3, ResNet50 | 准确率 | NA |
| 135 | 2025-11-20 |
A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways
2025-Nov-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06074-6
PMID:41253855
|
研究论文 | 提出了一个用于肺静脉、动脉和气道分割的定制标注数据集AirRC,并验证了其有效性 | 创建了首个包含肺静脉、动脉、气道管腔和气道壁全面3D标注的大规模公共CT数据集 | 数据集规模相对有限(254个CT扫描),且仅基于LUNA16数据集 | 解决肺结构分割中缺乏大规模多结构标注数据集的问题 | 肺静脉、肺动脉、气道管腔和气道壁 | 数字病理 | 肺癌 | 计算机断层扫描(CT) | 深度学习模型 | 3D CT图像 | 254个CT扫描,来自LUNA16数据集 | MONAI | NA | Dice相似系数(DSC) | NA |
| 136 | 2025-11-20 |
Explainable AI based cervical cancer prediction using FSAE feature engineering and H2O AutoML
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23593-9
PMID:41253874
|
研究论文 | 提出一种结合FSAE特征工程和H2O AutoML的可解释人工智能方法用于宫颈癌预测 | 集成堆叠自编码器特征提取和Fisher Score特征选择的混合机器学习框架,结合LIME和SHAP实现模型可解释性 | 未明确说明样本数据集规模和具体数据来源 | 开发可解释的宫颈癌预测模型以改善患者预后和优化医疗资源分配 | 宫颈癌患者数据 | 机器学习 | 宫颈癌 | 特征工程, AutoML | 自编码器, 深度学习 | 医疗数据 | NA | H2O AutoML | 堆叠自编码器 | 准确率, AUC, 对数损失, F1分数, 错误率 | NA |
| 137 | 2025-11-20 |
Novel transfer learning approach for detecting mango fruit type and quality assessment
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24210-5
PMID:41253908
|
研究论文 | 提出一种结合迁移学习和机器学习的新方法,用于芒果品种分类和质量评估 | 引入了新颖的IncepForestNet方法进行特征工程,结合了Inception V3和随机森林的优势 | NA | 开发准确的芒果品种分类和质量评估方法以优化供应链管理 | 芒果水果 | 计算机视觉 | NA | 迁移学习,机器学习 | CNN, 随机森林 | 图像 | NA | NA | Inception V3, IncepForestNet | 准确率, k-fold验证 | NA |
| 138 | 2025-11-20 |
A comparative machine and deep learning approach for predicting ultimate bearing capacity of shallow foundations in cohesionless soil
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22812-7
PMID:41253938
|
研究论文 | 开发基于Python的机器学习与深度学习框架预测无黏性土中浅基础的极限承载力 | 首次系统比较11种机器学习模型和5种深度学习模型在浅基础承载力预测中的性能,并采用SHAP分析解释模型决策 | 仅基于116组实验数据,样本规模有限;仅针对无黏性土,未涵盖其他土质类型 | 预测无黏性土中浅基础的极限承载力 | 浅基础 | 机器学习 | NA | NA | GPR, XGBoost, GBM, RF, CatBoost, ANN, DNN | 数值数据 | 116组基础实验数据 | Python | 人工神经网络, 深度神经网络 | 决定系数(R), 平均绝对百分比误差(MAPE) | NA |
| 139 | 2025-11-20 |
A novel hybrid deep learning and chaotic dynamics approach for thyroid cancer classification
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24334-8
PMID:41253983
|
研究论文 | 提出一种结合小波变换和混沌系统的混合深度学习模型用于甲状腺癌超声图像分类 | 将CDF9/7小波细节系数通过n-scroll混沌系统调制以增强判别特征,创新性地结合了小波分析和混沌动力学 | 仅在公开数据集上进行验证,需要进一步临床实际环境测试 | 开发高精度甲状腺癌自动分类方法以提高诊断效率和准确性 | 甲状腺超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | DDTI数据集1638张图像(819恶性/819良性),TCIA数据集,ISIC皮肤病变子集(增强至2048张) | NA | 自适应卷积神经网络,EfficientNetV2-S, Swin-T, ViT-B/16, ConvNeXt-T | 准确率, 灵敏度, 特异性, F1分数, AUC | 峰值显存1125MB,每张图像处理时间28.7ms |
| 140 | 2025-11-20 |
Artificial intelligence powered intelligent energy management framework for hydrogen storage and dispatch in smart microgrids
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24408-7
PMID:41253996
|
研究论文 | 提出一种结合长短期记忆神经网络和磷虾群算法的AI决策支持框架,用于智能微电网中氢能存储与调度的优化管理 | 首次将LSTM短期预测与KHA优化算法相结合,应用于氢能微电网的实时调度问题 | 采用简化的恒定效率假设建模光伏阵列、电解槽和燃料电池,未考虑详细的电化学动态过程 | 开发智能能源管理框架以提高氢能集成微电网的灵活性和可靠性 | 智能微电网中的氢能存储与调度系统 | 机器学习 | NA | 深度学习,自然启发优化算法 | LSTM, KHA | 时间序列数据 | 基于埃及阿斯旺地区真实案例的15分钟分辨率数据 | NA | 长短期记忆神经网络,磷虾群算法 | MAPE, 电网输入减少量, 光伏削减量, 能源自给率, 二氧化碳减排量 | NA |