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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2025-11-08 |
Investigating Membership Inference Attacks Against CNN Models for BCI Systems
2025-Nov, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3593443
PMID:40720264
|
研究论文 | 研究针对脑机接口系统中CNN模型的成员推断攻击及其隐私风险 | 首次对脑机接口CNN模型进行成员推断攻击的实证分析,重点解决异构数据集和时空设计选择两大挑战 | 攻击对其他类型数据(如图像和表格数据)的深度学习模型无效,研究结果可能受特定实验设置限制 | 探究脑机接口系统中CNN分类器的隐私漏洞 | 基于脑电图数据的CNN分类器 | 机器学习 | NA | 脑电图 | CNN | 脑电图信号 | 涉及多个参与者的脑电图数据集 | NA | CNN | 成员推断攻击成功率 | NA |
| 1462 | 2025-11-08 |
Verification is All You Need: Prompting Large Language Models for Zero-Shot Clinical Coding
2025-Nov, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3593028
PMID:40720269
|
研究论文 | 提出基于代码验证的新型ICD编码范式,利用大型语言模型作为代码验证器而非生成器 | 首次将大型语言模型应用于临床编码验证任务,通过简化任务从直接生成代码转变为验证候选代码 | 在直接生成临床代码方面性能仍不理想,需要依赖候选代码集 | 提高临床编码在不同数据分布下的泛化性能 | 电子健康记录中的临床编码任务 | 自然语言处理 | NA | 大型语言模型 | GPT-4o | 医疗文本 | CodiEsp数据集 | NA | GPT-4o | 准确率 | NA |
| 1463 | 2025-11-08 |
Feasibility of optical stereotactic navigation for rectosigmoid cancer with deep learning-supported 3D modelling
2025-Nov, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110397
PMID:40907165
|
研究论文 | 本研究评估了深度学习支持的3D建模在直肠乙状结肠癌光学立体定向导航手术中的可行性 | 首次将深度学习生成的MRI分割与术前CT图像融合用于直肠乙状结肠癌的实时光学立体定向导航 | 单中心研究且样本量较小(仅10例患者) | 评估光学立体定向导航在直肠乙状结肠癌手术中的实施可行性和准确性 | 局部晚期cT4bN0-2直肠癌或局部复发性直肠乙状结肠癌患者 | 数字病理 | 直肠癌 | 光学立体定向导航,CT-MRI图像融合 | 深度学习模型 | 医学影像(CT,MRI) | 10例患者 | NA | NA | 目标配准误差,R0切除率,无瘤切缘率 | NA |
| 1464 | 2025-11-08 |
Epigenomic landscape of single vascular cells reflects developmental origin and disease risk loci
2025-Nov, Molecular systems biology
IF:8.5Q1
DOI:10.1038/s44320-025-00140-2
PMID:40931195
|
研究论文 | 通过单细胞染色质可及性和基因表达谱分析揭示血管部位特异性疾病风险的调控机制 | 首次在三个血管部位同时进行单细胞表观基因组和转录组分析,发现关键调控增强子具有血管部位特异性,并整合GWAS数据通过深度学习模型预测变异效应 | 研究仅限于小鼠血管组织,尚未在人类样本中验证 | 探索血管部位特异性疾病风险的表观基因组和转录组基础 | 小鼠三个不同血管部位的血管组织 | 计算生物学 | 心血管疾病 | scATACseq, scRNAseq, 全基因组关联分析 | 深度学习模型 | 单细胞表观基因组数据, 单细胞转录组数据, 基因组关联数据 | 三个血管部位的血管组织样本 | ChromBPNet | NA | NA | NA |
| 1465 | 2025-11-08 |
Cell-APP: A generalizable method for cell annotation and cell-segmentation model training
2025-Nov-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E25-02-0076
PMID:40991412
|
研究论文 | 提出一种自动化细胞注释和分割模型训练的方法Cell-APP,用于高通量显微镜数据分析 | 开发了结合透射光和核荧光图像自动生成高质量细胞分割训练数据的流程,支持构建细胞系特异性和多细胞系通用分割模型 | NA | 自动化细胞注释和分割模型训练,解决手工标注数据规模有限的问题 | 显微镜图像中的细胞 | 计算机视觉 | NA | 透射光成像、核荧光成像 | Vision Transformer | 显微镜图像 | NA | NA | Vision Transformer | NA | NA |
| 1466 | 2025-11-08 |
The impact of neck tilt on the accuracy of deep learning generated contours for CT images of the head and neck
2025-Nov, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70316
PMID:41183859
|
研究论文 | 本研究探讨颈部倾斜对头颈部CT图像深度学习自动分割轮廓准确性的影响 | 首次系统评估患者颈部倾斜对FDA批准的七种深度学习自动分割工具在头颈部放疗规划中性能的影响 | 样本量相对较小(35例),仅回顾性分析,未包含所有可能的解剖变异 | 评估异常颈部倾斜对头颈部CT扫描中深度学习自动分割轮廓准确性的影响 | 头颈部CT扫描图像中的危及器官(脑干、腮腺、颌下腺、臂丛神经、视神经) | 医学影像分析 | 头颈部肿瘤 | 计算机断层扫描(CT) | 深度学习自动分割模型 | CT医学影像 | 35例头颈部CT扫描 | NA | NA | DSC, sDSC, MDA, 平均剂量差异 | NA |
| 1467 | 2025-11-08 |
Integrative Graph-Based Framework for Predicting circRNA Drug Resistance Using Disease Contextualization and Deep Learning
2025-Nov, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3457271
PMID:39255076
|
研究论文 | 提出一种整合疾病背景的图神经网络模型circRDRP,用于预测环状RNA介导的癌症耐药性 | 首次将疾病特异性背景整合到circRNA-药物相互作用分析中,采用GAT和GCN混合的图神经网络架构 | 未明确说明模型在其他癌症类型或药物中的泛化能力 | 开发计算模型预测circRNA介导的癌症耐药性 | 环状RNA、抗癌药物(如顺铂和甲氨蝶呤)、疾病背景 | 生物信息学 | 癌症 | 图神经网络、深度学习 | GAT, GCN, CNN | 生物网络数据 | NA | NA | Graph Attention Networks, Graph Convolutional Networks, 卷积神经网络 | 准确率, 精确率, 召回率 | NA |
| 1468 | 2025-11-08 |
Denoising Motion-Corrupted Seismocardiogram Signals Using Score-Based Generative Diffusion Models
2025-Nov, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3576385
PMID:40478705
|
研究论文 | 提出基于分数生成扩散模型的运动伪影消除方法,用于提升地震心动图信号质量 | 首次将分数生成扩散模型应用于地震心动图信号去噪,利用干净SCG心跳的周期性学习概率空间作为先验 | 仅在健康参与者数据集上进行验证,未在患者群体中测试 | 开发有效的运动伪影消除算法,实现日常环境中高质量SCG信号采集 | 地震心动图信号 | 信号处理 | 心血管疾病 | 分数生成扩散模型 | 扩散模型 | 地震心动图信号 | 健康参与者运动数据集 | NA | 分数生成扩散模型 | 平均绝对误差 | NA |
| 1469 | 2025-11-07 |
LSTM-Transformer hybrid model predicts and unveils total phosphorus dynamics and pollutions in Poyang Lake
2025-Nov-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180622
PMID:41056607
|
研究论文 | 本研究开发LSTM-Transformer混合模型预测鄱阳湖总磷动态变化并揭示污染机制 | 首次将LSTM与Transformer结合用于湖泊磷污染预测,通过多头自注意力机制整合关键影响因素 | 模型在测试集上的相关系数为0.6428,仍有提升空间 | 预测鄱阳湖总磷动态趋势并识别污染驱动机制 | 鄱阳湖总磷污染 | 环境科学, 机器学习 | NA | 时空分析, 深度学习 | LSTM, Transformer | 时间序列数据 | 2013-2022年数据 | NA | LSTM-Transformer混合架构 | 相关系数R, RMSE | NA |
| 1470 | 2025-11-07 |
Water level forecasting in coastal cities using a hybrid deep learning approach
2025-Nov-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180709
PMID:41101053
|
研究论文 | 本研究提出了一种结合CNN、Transformer和SKANs的混合深度学习模型,用于预测威尼斯每小时水位 | 首次将卷积神经网络、Transformer层和Swallow Kolmogorov Arnold Networks结合用于沿海城市水位预测 | 仅使用两年数据训练,历史数据可用性有限 | 开发准确实时的沿海城市洪水预测模型 | 意大利威尼斯的水位预测 | 机器学习 | NA | 深度学习 | CNN, Transformer, SKANs | 气象和水文数据 | 两年高分辨率数据 | NA | CNN-Transformer-SKANs | Nash-Sutcliffe Efficiency, Root Mean Square Error | NA |
| 1471 | 2025-11-07 |
Improve deep learning-based reconstruction of optical coherence tomography angiography by siamese U-Net
2025-Nov-06, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae183c
PMID:41151103
|
研究论文 | 提出一种结合Siamese架构和多分支坐标交叉注意力模块的SU-Net模型,用于改进光学相干断层扫描血管成像的重建质量 | 首次将Siamese架构与多分支坐标交叉注意力模块集成到U-Net中,更好地学习与血流相关的通道间差异 | 仅在12个三维人体皮肤OCTA图像上验证,样本量有限 | 改进基于深度学习的OCTA B扫描重建质量,减少图像采集次数 | 人体皮肤光学相干断层扫描血管成像数据 | 计算机视觉 | NA | 光学相干断层扫描血管成像 | U-Net, Siamese网络 | 三维医学图像 | 来自8名志愿者的12个三维体积图像 | NA | U-Net, DnCNN, ResNet, DenseNet | PSNR, SSIM | NA |
| 1472 | 2025-11-07 |
Torso synthetic CT generation by integrating deep learning and segmentation for FDG-PET/MR attenuation correction
2025-Nov-06, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae13ff
PMID:41101339
|
研究论文 | 提出一种结合深度学习和分割技术的方法,从Dixon MR图像生成躯干合成CT用于PET/MR衰减校正 | 首次将深度学习与基于阈值的分割方法相结合,实现从Dixon MR图像生成完整躯干的衰减校正图 | 样本量较小(29个数据集),仅针对FDG-PET/MR应用 | 提高PET/MR系统中衰减校正的准确性 | 躯干区域(从颅底到大腿中部)的FDG-PET/MR数据 | 医学影像分析 | NA | FDG-PET/MR, Dixon MR | GAN, U-net | 医学影像(MR和CT图像) | 29个前瞻性收集的配对FDG-PET/CT和MR数据集(15个训练,14个测试) | NA | U-net Residual Network conditional Generative Adversarial Network (URcGAN) | 平均绝对差异(HU), SUV差异百分比, 标准差 | NA |
| 1473 | 2025-11-07 |
Deep learning model using contrast-enhanced CT for predicting overall survival in oropharyngeal squamous cell carcinoma: a prospective multicenter study
2025-Nov-06, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12120-z
PMID:41196362
|
研究论文 | 开发并验证基于对比增强CT的深度学习模型用于预测口咽鳞状细胞癌患者的总生存期 | 首次将Swin Transformer V2架构应用于口咽鳞状细胞癌生存预测,结合影像组学特征和临床因素构建多中心验证的深度学习-临床特征模型 | 样本量相对有限,需要更大规模的前瞻性研究进一步验证 | 开发准确预测口咽鳞状细胞癌患者总生存期的非侵入性工具 | 口咽鳞状细胞癌患者 | 医学影像分析 | 口咽鳞状细胞癌 | 对比增强CT成像 | 深度学习 | 医学影像 | 319例患者(269例回顾性,50例前瞻性) | PyRadiomics | Swin Transformer V2 | C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析 | NA |
| 1474 | 2025-11-07 |
DeepIMB: Imputation of non-biological zero counts in microbiome data
2025-Nov-06, Genes & genomics
IF:1.6Q3
DOI:10.1007/s13258-025-01693-0
PMID:41196474
|
研究论文 | 提出一种基于深度学习的微生物组数据插补方法DeepIMB,用于准确识别和填补非生物零计数 | 结合伽马-正态混合模型和深度神经网络,整合多种数据类型信息进行非生物零值插补 | NA | 解决微生物组数据中非生物零计数带来的分析挑战 | 微生物组测序数据 | 机器学习 | NA | 微生物组测序 | 深度神经网络 | 微生物计数矩阵 | NA | NA | NA | 均方误差, Pearson相关系数, Wasserstein距离 | NA |
| 1475 | 2025-11-07 |
Deep learning interatomic potential for boron phosphide: accurate prediction of mechanical and thermal properties
2025-Nov-05, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d5cp01433f
PMID:41111322
|
研究论文 | 通过深度学习势函数准确预测磷化硼的力学和热学性质 | 开发了基于深度学习的磷化硼原子间势函数,实现了对多种物理性质的精确模拟 | NA | 开发高精度的磷化硼深度学习势函数用于原子尺度模拟 | 磷化硼(BP)材料 | 机器学习 | NA | 深度学习势函数,第一性原理计算 | 深度势函数(DP) | 原子结构数据,物理性质数据 | NA | NA | 深度势函数(DP) | 径向分布函数,角分布函数,晶格常数,密度,弹性常数,硬度,断裂韧性,熵,焓,自由能,热容,热导率,声子谱 | NA |
| 1476 | 2025-11-07 |
BiBLDR: Bidirectional Behavior Learning for Drug Repositioning
2025-Nov-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3628673
PMID:41191475
|
研究论文 | 提出一种名为BiBLDR的双向行为学习策略,将药物重定位重新定义为行为序列学习任务 | 通过构建双向行为序列和两阶段策略,有效解决了冷启动场景下传统图方法依赖已知关联信息的局限性 | 未明确说明模型在更大规模数据集上的泛化能力 | 解决药物重定位中的冷启动问题 | 药物和疾病 | 机器学习 | NA | 深度学习 | 行为序列学习模型 | 药物-疾病关联数据,行为序列数据 | 基准数据集(具体数量未说明) | NA | 双向行为序列学习框架 | 基准数据集上的性能指标(具体指标未说明) | NA |
| 1477 | 2025-11-07 |
Radar HRV Monitoring with Physiological Prior Inspired Deep Neural Networks
2025-Nov-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3628628
PMID:41191472
|
研究论文 | 提出一种基于生理先验知识的深度学习框架,用于实现鲁棒的非接触式雷达心率变异性监测 | 结合内部心跳驱动整个躯干表面运动的生理先验知识设计混合深度神经网络,并利用心脏运动自相似性先验建立信号增强策略 | 方法在真实世界复杂生理条件下的性能仍需进一步验证 | 开发能够在真实场景中准确监测心率变异性的非接触式雷达技术 | 7150名具有复杂生理状况的门诊患者 | 机器学习 | 心血管疾病 | 雷达传感技术 | 深度神经网络 | 雷达反射信号 | 7150名门诊患者 | NA | 混合深度神经网络 | IBI误差,RMSSD误差,SDSD误差,pNN50误差 | NA |
| 1478 | 2025-11-07 |
GMM-PA: Gaussian Mixture Model-Based Prototype Alignment for Multi-source Domain Adaptation in Polyp Segmentation
2025-Nov-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01730-0
PMID:41193917
|
研究论文 | 提出基于高斯混合模型原型对齐的多源域自适应方法,用于跨域息肉分割 | 结合高斯混合模型推导可靠类别原型,采用混合CNN-Mamba架构平衡局部和全局特征建模,提出跨域原型特征细化模块 | NA | 解决结肠镜图像中息肉分割的域偏移问题,提升跨域泛化能力 | 结肠镜图像中的息肉分割 | 计算机视觉 | 结直肠癌 | LAB空间颜色变换,傅里叶变换低频谱交换 | CNN, Mamba | 图像 | 三个公共息肉分割数据集 | NA | CNN-Mamba混合架构 | Dice系数, mIoU | NA |
| 1479 | 2025-11-07 |
Elucidating the role of SIRT2 in hepatocellular carcinoma through multi-omics and deep learning
2025-Nov-03, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03879-0
PMID:41182638
|
研究论文 | 通过多组学分析和深度学习技术阐明SIRT2在肝细胞癌中的作用机制 | 首次结合铜死亡机制、单细胞测序、空间转录组和深度学习生存神经网络构建肝细胞癌预后模型 | 研究主要基于生物信息学分析,需要进一步实验验证 | 探索SIRT2在肝细胞癌发生发展中的作用及其作为生物标志物的潜力 | 肝细胞癌患者样本和相关的基因表达数据 | 生物信息学, 计算生物学 | 肝细胞癌 | 单细胞RNA测序, 空间转录组测序, RNA测序, 孟德尔随机化分析 | 深度学习生存神经网络 | 基因表达数据, 单细胞数据, 空间转录组数据 | NA | deepsurv | 深度学习生存神经网络 | 生存率分析, 风险评分 | NA |
| 1480 | 2025-11-07 |
How to analyze visual data using zero-shot learning: An overview and tutorial
2025-Nov-03, Psychological methods
IF:7.6Q1
DOI:10.1037/met0000801
PMID:41182696
|
教程 | 提供使用零样本学习分析视觉数据的概述和分步指南 | 为零样本学习在心理学视觉数据分析中的应用提供实践教程和代码资源 | 方法存在未来挑战和局限性,需要创建验证数据集 | 为心理学研究人员提供分析图像数据的替代方法 | 图像数据中的饮料识别 | 计算机视觉 | NA | 零样本学习 | 预训练模型 | 图像 | 包含饮料类型、场景和突出程度操纵的数据集 | Google Colab | Contrastive Language-Image Pretraining, Large Language and Vision Assistant | 准确率 | 云端平台(Google Colab) |