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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-09-12 |
Leveraging sparse annotations for leukemia diagnosis on the large leukemia dataset
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103760
PMID:40897065
|
研究论文 | 提出大规模白血病数据集LLD及稀疏标注方法,用于白细胞检测与形态属性分析 | 构建首个大规模多任务白血病数据集,并提出基于稀疏标注的属性分析方法以减少标注负担 | 数据集仅包含48名患者,样本多样性可能仍有限 | 提升白血病诊断的可解释性和现实应用性 | 白细胞(WBC)的定位、分类及形态属性评估 | 数字病理学 | 白血病 | 外周血涂片(PBF)显微成像,多显微镜/多相机/多放大倍数采集 | 多任务模型 | 显微图像 | 48名患者的外周血涂片数据 | NA | NA | NA | NA |
| 1902 | 2025-10-06 |
Adaptive radiotherapy dose prediction on head and neck cancer patients with a 3D multi-headed U-Net deep learning architecture
2025-Dec-01, Machine Learning. Health
DOI:10.1088/3049-477X/adfade
PMID:40917990
|
研究论文 | 提出一种多头部U-Net深度学习架构,用于头颈癌患者自适应放疗剂量预测 | 首次将治疗前计划中的医生临床目标整合到剂量预测模型中,通过双头设计同时处理自适应会话数据和治疗前数据 | 样本量较小(仅43名患者),需要进一步验证在更大数据集上的泛化能力 | 提高头颈癌自适应放疗中剂量预测的准确性和效率 | 头颈癌患者 | 医学影像分析 | 头颈癌 | 深度学习 | U-Net | CT图像、结构集、剂量分布 | 43名患者,包含治疗前计划、自适应治疗计划、结构集和CT图像 | NA | 多头部U-Net(MHU-Net), 标准U-Net | 最大剂量误差, 平均剂量误差 | NA |
| 1903 | 2025-10-06 |
Interpretability-driven deep learning for SERS-based classification of respiratory viruses
2025-Dec-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117891
PMID:40840132
|
研究论文 | 开发了一种结合表面增强拉曼散射和可解释性深度学习的呼吸病毒诊断平台 | 将三维等离子体纳米柱基底与可解释性驱动的深度学习相结合,通过Grad-CAM技术揭示病毒鉴别的关键拉曼位移区域 | NA | 开发快速准确的呼吸病毒变体级别诊断方法 | 13种呼吸病毒类型,包括SARS-CoV-2变体和亚系 | 机器学习 | 呼吸系统疾病 | 表面增强拉曼散射(SERS) | CNN | SERS光谱 | NA | NA | 一维卷积神经网络(1D-CNN) | 分类准确率 | NA |
| 1904 | 2025-09-10 |
Letter to the editor regarding 'a deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score'
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2552928
PMID:40922498
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1905 | 2025-10-06 |
Beyond current boundaries: Integrating deep learning and AlphaFold for enhanced protein structure prediction from low-resolution cryo-EM maps
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种集成AlphaFold和深度学习的新型计算框架DeepTracer-LowResEnhance,用于增强低分辨率冷冻电镜图谱的蛋白质结构预测 | 首次将AlphaFold的序列预测与神经网络驱动的图谱优化策略相结合,专门针对4Å以上低分辨率图谱进行增强 | 未明确说明计算资源需求和运行时间效率,且验证数据集规模有限(37个蛋白质图谱) | 提升低分辨率冷冻电镜图谱的原子模型构建精度 | 蛋白质三维结构 | 结构生物学 | NA | 冷冻电镜技术 | CNN, GNN | 冷冻电镜图谱 | 37个多样化蛋白质冷冻电镜图谱(分辨率2.5-8.4Å,含22个4Å以下挑战性案例) | NA | DeepTracer, ModelAngelo, AlphaFold | TM-score | NA |
| 1906 | 2025-10-06 |
Integrative strategies in drug discovery: Harnessing genomics, deep learning, and computer-aided drug design
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
综述 | 探讨高通量测序技术、深度学习算法和计算机辅助药物设计的整合策略及其对现代药物研发的变革性影响 | 提出将基因组学、深度学习与计算机辅助药物设计相结合的综合性策略,通过多组学数据整合提升药物靶点预测精度 | 未提及具体实施案例的性能局限性和数据整合的技术挑战 | 促进药物发现过程中多学科技术的整合应用 | 药物靶点相互作用、疾病通路和生物标志物 | 机器学习 | NA | 基因组学、转录组学、蛋白质组学、代谢组学、高通量测序 | 深度学习 | 基因组数据、多组学数据 | NA | NA | NA | NA | NA |
| 1907 | 2025-10-06 |
An enhancement of multi-scope topological graph pooling and representation learning with attention for molecular graph classification
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种新型注意力增强的多尺度拓扑图池化策略AETP,用于分子图表示学习和分类任务 | 开发了注意力增强的多尺度拓扑图池化策略,能够同时提取判别性拓扑结构信息和图级变化,克服现有方法在保留复杂结构图多尺度表示方面的不足 | 主要针对复杂且小规模的分子图表示学习和分类任务,在其他类型图数据上的适用性需要进一步验证 | 提升分子图分类任务的性能,通过拓扑数据分析和深度学习相结合增强图表示学习 | 分子图数据 | 图神经网络 | NA | 拓扑数据分析(TDA),持久同调,地标提取 | 图神经网络(GNN) | 图数据 | 多个真实世界分子数据集:FDA_DILIst, T3DB_Toxin_2, Eye_Irritation, Eye_Corrosion | NA | AETP(注意力增强拓扑池化),对比基线包括:GCN, GraphSAGE, GAT, GIN, GINE, UniMP, GATv2, TOGL, TopoPool | NA | NA |
| 1908 | 2025-10-06 |
FrAdadelta-CSA: Fractional Adadelta Chameleon Swarm Algorithm-based feature selection with SpikeGoogle-DenseNet for epileptic seizure detection
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于分数阶Adadelta变色龙群算法特征选择和SpikeGoogle-DenseNet混合模型的癫痫发作检测方法 | 将分数阶微积分概念集成到Adadelta变色龙群算法中,并采用SpikeGoogle和DenseNet的混合模型进行癫痫检测 | NA | 开发基于深度学习的癫痫发作识别机制 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 短时傅里叶变换,脑电图信号处理 | 深度学习,混合模型 | 脑电图信号 | NA | NA | SpikeGoogle-DenseNet | 准确率,灵敏度,特异性 | NA |
| 1909 | 2025-10-06 |
A systematic framework enhancing molecular screening efficiency in drug discovery via scaffold-driven fuzzy similarity and adaptive spectral clustering
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种创新的分子筛选和聚类方法,通过分子骨架和模糊相似性分类提高药物发现效率 | 引入分子骨架概念和模糊分子相似性分类方法,结合自适应高斯核函数改进谱聚类性能 | 仅使用PubChem数据库的公开数据,未在其他数据集上验证 | 提高药物发现过程中分子筛选效率和生物活性预测准确性 | 药物分子化合物 | 机器学习 | NA | 分子筛选,QSAR模型 | 谱聚类 | 分子结构数据 | 使用PubChem数据库中的实验数据,以1-萘酚为目标分子 | NA | 自适应谱聚类 | 筛选效率,聚类性能 | NA |
| 1910 | 2025-10-06 |
GC-PGE: A novel deep learning model for tumor drug resistance prediction and core resistance gene extraction based on graph and signaling pathways
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于图神经网络和信号通路的新型深度学习模型GC-PGE,用于预测肿瘤耐药性并识别核心耐药基因 | 首次将基因相关性网络与信号通路信息结合,采用贝叶斯学习方法将耐药基因预测和肿瘤样本分类任务整合到统一架构中,实现任务间的相互验证和增强 | 未明确说明模型在不同肿瘤类型间的泛化能力,也未详细讨论计算复杂度问题 | 开发能够准确预测肿瘤耐药性并识别核心耐药基因的计算模型 | 肝癌、卵巢癌和黑色素瘤的肿瘤样本及相关基因数据 | 生物信息学, 机器学习 | 肝癌, 卵巢癌, 黑色素瘤 | 多维组学数据整合, 信号通路分析 | 图神经网络, 贝叶斯学习 | 基因表达数据, 蛋白质相互作用数据, 信号通路数据 | NA | NA | GC-PGE(基因相关性和通路图编码器网络) | 预测准确性, 基因识别性能 | NA |
| 1911 | 2025-10-06 |
DeepELR: Deep learning-based energy and link stability aware routing in IoT for heart disease classification
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于深度学习的能量和链路稳定性感知路由算法DeepELR,用于物联网环境下的心脏病分类 | 开发了DeepELR路由算法,结合深度递归神经网络预测节点能量和链路稳定性,并采用改进的麻雀搜索算法进行集成学习 | NA | 开发心脏病检测方法并集成到物联网范式中,设计有效的路由算法传输医疗数据 | 心脏病患者监测数据 | 物联网 | 心脏病 | 深度学习,集成学习 | DRNN, RNN, 集成学习 | 物联网传感器数据 | NA | NA | 深度递归神经网络 | 能量消耗,包传输率,链路稳定性 | NA |
| 1912 | 2025-10-06 |
Revolutionizing medical imaging: A cutting-edge AI framework with vision transformers and perceiver IO for multi-disease diagnosis
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出结合Vision Transformers和Perceiver IO的混合AI框架,用于医学影像多疾病诊断 | 首次将ViT和Perceiver IO应用于神经系统疾病、皮肤疾病和肺部疾病的多疾病分类,在准确性、计算效率和临床可解释性方面优于传统架构 | NA | 解决传统深度学习模型在医学影像分类中泛化能力差、假阳性率高和难以区分重叠解剖特征的问题 | 神经系统疾病(中风、阿尔茨海默症)、皮肤疾病(癣、黑色素瘤)、肺部疾病(肺癌、肺炎) | 计算机视觉 | 多疾病诊断 | 医学影像分析 | Vision Transformer, Perceiver IO | 医学影像(CT、MRI、X射线、皮肤镜图像) | 多个公开数据集:脑中风预测CT扫描图像数据集、最佳阿尔茨海默MRI数据集、皮肤疾病数据集、HAM10000/HAM10k数据集、肺癌图像数据集、肺炎数据集 | NA | Vision Transformer, Perceiver IO | 准确率, 精确率, 召回率, F1分数 | NA |
| 1913 | 2025-10-06 |
Integrative review of intelligent nuchal translucency for genetic disorder
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
综述 | 本文系统回顾了智能颈项透明层筛查技术在遗传疾病检测中的应用研究 | 首次对深度学习技术在颈项透明层筛查领域的研究进行系统性梳理,识别了传统方法的局限性并指明机器学习方法的发展方向 | 仅纳入53篇相关研究论文,可能存在文献覆盖不全的问题 | 分析颈项透明层筛查技术的现状,探索深度学习技术在该领域的应用潜力 | 颈项透明层筛查相关的研究论文 | 医学影像分析 | 染色体异常和先天性心脏病 | NA | 深度学习 | 研究论文文献 | 53篇研究论文 | NA | NA | 性能指标和统计检验 | NA |
| 1914 | 2025-10-06 |
PreAIS: Prediction of A-to-I editing sites based on DNN-CNN deep learning models
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出基于DNN-CNN深度学习模型的PreAIS方法用于预测A-to-I RNA编辑位点 | 结合K-mer特征提取与DNN-CNN混合架构,在准确性和泛化能力上优于现有最佳模型 | NA | 开发高精度的A-to-I RNA编辑位点预测工具 | A-to-I RNA编辑位点 | 机器学习 | NA | Sanger测序 | DNN, CNN | 基因组序列数据 | 数据集1和数据集2(具体数量未明确),包含58个经Sanger验证的人类A-to-I编辑位点 | NA | DNN-CNN混合架构 | 准确率, 特异性, 灵敏度 | NA |
| 1915 | 2025-10-06 |
Fertilizer prediction using serial exponential newton meta-heuristic algorithm-based convolutional neural network in IoT-based WSNs
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于序列指数牛顿元启发式算法优化的一维卷积神经网络,用于物联网无线传感器网络中的肥料预测 | 整合牛顿元启发式算法和序列指数加权移动平均法开发SExpNMA算法,用于簇头路由选择和优化CNN分类器参数 | NA | 通过深度学习模型提高物联网无线传感器网络中肥料预测的准确性 | 无线传感器网络采集的农业数据 | 机器学习 | NA | 物联网无线传感器网络 | 1D CNN, BiLSTM | 传感器时序数据 | NA | NA | 一维卷积神经网络, 双向长短期记忆网络 | 准确率, 敏感度, 特异度 | NA |
| 1916 | 2025-10-06 |
AI-Driven molecule generation and bioactivity prediction: A multi-model approach combining VAE, graph and language-based neural networks
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出一种结合VAE、图神经网络和语言模型的多模型方法,用于抗癌小分子生成和生物活性预测 | 首次将变分自编码器、多种图神经网络和预训练语言模型集成到统一框架中,采用平均和堆叠两种集成方法进行生物活性预测 | 研究仅针对乳腺癌肿瘤的6种癌细胞系进行验证,未扩展到其他癌症类型 | 开发深度学习模型加速抗癌药物发现过程 | 抗癌小分子化合物 | 机器学习 | 乳腺癌 | 深度学习 | VAE, GNN, Transformer | 分子结构数据, SMILES序列 | 包含多个化合物的乳腺癌肿瘤数据集,涵盖6种癌细胞系 | PyTorch, TensorFlow | VAE, GAT, GCN, MPNN, ChemBERTa | 皮尔逊相关系数 | NA |
| 1917 | 2025-10-06 |
MJnet: A lightweight RNN-based model for microRNA target site prediction
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于双向门控循环单元的轻量级深度学习模型MJnet,用于microRNA靶位点预测 | 结合简单C2编码、多尺度一维卷积网络和自注意力机制,在保持低计算成本的同时捕获局部序列特征和全局上下文依赖 | NA | 开发轻量高效且可解释的microRNA靶位点预测方法 | microRNA靶位点 | 自然语言处理 | NA | 深度学习 | RNN, BiGRU, CNN | 序列数据 | 实验验证数据集 | NA | BiGRU, TextCNN, 自注意力机制 | 准确率, F1分数, 鲁棒性 | NA |
| 1918 | 2025-10-06 |
A multi-task deep sequential neural network for IgA nephropathy Oxford classification and prognosis prediction
2025-Dec, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106052
PMID:40743805
|
研究论文 | 开发了一个用于IgA肾病牛津分类和预后预测的多任务深度序列神经网络 | 首次提出集成病变分割、肾小球分类、牛津MEST-C评分和预后预测的多任务模型 | 样本量相对有限,仅在中国两家医院进行验证 | 开发集成多任务的深度学习模型以改善IgA肾病的病理分析和预后预测 | IgA肾病患者的肾脏病理数据 | 数字病理学 | IgA肾病 | 深度学习 | 深度序列神经网络 | 病理图像 | PLAG医院数据集245例,中日友好医院数据集32例 | NA | 深度序列神经网络 | Dice系数, Kappa值, AUC | NA |
| 1919 | 2025-10-06 |
Adversarial learning for beamforming domain transfer in ultrasound medical imaging
2025-Dec, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107749
PMID:40674811
|
研究论文 | 本研究利用生成对抗网络将平面波DAS超声图像转换为类似F-DMAS质量的图像 | 首次将GAN应用于超声波束形成域转换,提出使用纹理分析验证生成图像质量 | 需要依赖专家定性评估,且原始RF数据不可得时的方法限制 | 提升B模式超声图像质量,实现波束形成域转换 | 超声医学图像 | 医学影像处理 | NA | 超声成像,生成对抗网络 | GAN | 超声图像 | NA | NA | Pix2Pix, Pyramidal Pix2Pix, CycleGAN | RMSE, PSNR, 对比度改善指数, 纹理特征参数 | NA |
| 1920 | 2025-10-06 |
mbSparse: an autoencoder-based imputation method to address sparsity in microbiome data
2025-Dec, Gut microbes
IF:12.2Q1
DOI:10.1080/19490976.2025.2552347
PMID:40888610
|
研究论文 | 提出一种基于自编码器的微生物组数据插补方法mbSparse,用于解决微生物组数据高稀疏性问题 | 采用深度学习而非传统预定义计数分布,结合特征自编码器和条件变分自编码器(CVAE)进行数据重建 | NA | 解决微生物组数据高稀疏性带来的分析挑战 | 微生物组数据 | 机器学习 | 结直肠癌 | 微生物组测序 | 自编码器,条件变分自编码器 | 计数矩阵数据 | NA | NA | 自编码器,CVAE | 均方误差,精确召回曲线下面积,皮尔逊相关系数 | NA |