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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2025-11-24 |
Integrating Neuroimaging and Machine Learning to Predict Mental Disorder Outcomes: A Systematic Review
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-03398-7_41
PMID:41273583
|
综述 | 系统回顾神经影像学与机器学习整合应用于精神障碍预后预测的研究进展 | 系统整合多模态神经影像数据与机器学习方法,探索精神障碍的神经生物标志物预测模型 | 模型可解释性、泛化能力和临床适用性存在局限 | 通过神经影像与机器学习预测精神障碍的诊疗结果 | 精神障碍患者(包括精神分裂症、抑郁症、双相情感障碍、自闭症谱系障碍) | 机器学习 | 精神疾病 | 结构成像、功能成像、弥散张量成像(DTI) | 支持向量机、随机森林、深度学习 | 神经影像数据 | NA | NA | NA | NA | NA |
| 562 | 2025-11-24 |
Enhanced Brain Tumor Classification with Convolutional Neural Networks
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-03398-7_48
PMID:41273590
|
研究论文 | 提出一种基于卷积神经网络的脑肿瘤图像分类方法,用于区分不同类型的脑肿瘤 | 通过综合数据增强和严格超参数调优显著提升分类准确率,实现脑肿瘤类型的自动精准分类 | NA | 提高脑肿瘤诊断精度并优化治疗策略 | 脑肿瘤图像,包括胶质瘤、脑膜瘤和转移性肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 医学图像 | NA | NA | 包含多个卷积层、池化层和全连接层的CNN架构 | 分类准确率 | NA |
| 563 | 2025-11-24 |
Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction
2026, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4976-3_27
PMID:41273702
|
综述 | 本章重点介绍遗传毒性预测领域,系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用 | 系统总结了AI模型在遗传毒性预测中的三大分类(QSAR、机器学习和深度学习),并提供了专门针对遗传毒性预测的详细数据表 | 作为章节综述,未涉及具体实验验证,主要基于现有文献总结 | 探讨人工智能和机器学习方法在遗传损伤预测中的应用 | 遗传毒性检测方法和AI预测模型 | 机器学习 | NA | Ames测试等遗传毒性检测方法 | QSAR, 机器学习, 深度学习 | 分子描述符和指纹数据(拓扑、静电、量子描述符) | NA | NA | NA | 预测分数和不同评估指标 | NA |
| 564 | 2025-11-23 |
Cervical cancer diagnostics: non-coding RNAs and biosensors to AI-derived methods
2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120641
PMID:41072569
|
综述 | 本文综述了宫颈癌诊断技术的最新进展,重点关注非编码RNA、生物传感器和人工智能方法在临床诊断中的应用 | 整合了非编码RNA生物标志物与人工智能诊断方法的最新研究进展,探讨两者在宫颈癌诊断中的协同潜力 | 主要基于文献综述,缺乏原始实验数据验证 | 评估宫颈癌诊断新技术的发展现状和未来潜力 | 宫颈癌诊断技术,包括非编码RNA、生物传感器和人工智能方法 | 数字病理学 | 宫颈癌 | 机器学习,深度学习,生物传感器技术 | 机器学习算法,深度学习算法 | 图像数据,分子数据 | NA | NA | NA | 诊断准确性 | NA |
| 565 | 2025-11-23 |
Advancement of machine learning algorithms in biosensors
2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120677
PMID:41135853
|
综述 | 探讨机器学习算法在生物传感器中的最新进展及其在健康监测、疾病诊断和治疗评估中的应用 | 全面分析机器学习算法如何通过高效处理复杂数据和提取可操作见解来增强生物传感器技术 | 数据隐私、伦理问题、实时数据处理、计算需求和生物传感器制造等挑战尚未完全解决 | 研究机器学习增强型生物传感器在医疗诊断和个性化医疗中的应用潜力 | 电化学、光学、微流控和可穿戴生物传感器及其收集的生理信号 | 机器学习 | NA | 生物传感技术 | 监督学习,无监督学习,深度学习 | 生理信号,传感器数据 | NA | NA | NA | 分类,回归,聚类,特征提取 | NA |
| 566 | 2025-11-23 |
Artificial Intelligence for Simplified Patient-centered Dosimetry in Radiopharmaceutical Therapies
2026-Jan, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.09.010
PMID:41271260
|
研究论文 | 本文探讨人工智能在放射性药物治疗中简化患者中心化剂量测定的应用 | 提出基于深度学习的剂量转换方法替代传统蒙特卡洛模拟,不依赖通用人体模型而考虑患者个体解剖结构 | NA | 开发简化且个性化的放射性药物治疗剂量测定方法 | 放射性药物治疗中的病灶和风险器官 | 医学影像分析 | 癌症治疗 | 放射性药物治疗 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 567 | 2025-11-22 |
Ergonomic handheld chip: An instrument-free RPA-CRISPR platform for rapid home self-testing
2026-Feb-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118157
PMID:41177006
|
研究论文 | 开发了一种无需仪器的便携式微流控芯片平台,用于家庭自测分子检测 | 将机械、生化和智能模块集成到手持设备中,通过单次摆动产生瞬时加速度驱动试剂流动,无需外部泵、加热器或电源 | 样本量较小(52个样本),仅验证了HPV检测应用 | 开发低成本、无需仪器、用户友好的分子检测平台用于分散或家庭环境 | 高风险人乳头瘤病毒(HPV) | 生物医学工程 | 病毒感染疾病 | RPA-CRISPR, 微流控技术, 荧光成像 | 深度学习模型 | 智能手机采集的荧光图像 | 52个临床样本 | NA | NA | 检测限, 特异性, 准确率, 一致性 | 智能手机 |
| 568 | 2025-11-22 |
MR Imaging of the Triangular Fibrocartilage Complex: Anatomy and Relevant Pathology
2026-Feb, Magnetic resonance imaging clinics of North America
IF:1.5Q3
DOI:10.1016/j.mric.2025.08.004
PMID:41265977
|
综述 | 本文探讨了三角纤维软骨复合体磁共振成像的技术要求、解剖结构及相关病理表现 | 介绍了深度学习新技术在提高三角纤维软骨复合体磁共振成像分辨率和诊断准确性方面的应用潜力 | 磁共振成像与关节镜检查作为金标准的一致性仍面临挑战 | 优化三角纤维软骨复合体的磁共振成像技术和诊断准确性 | 三角纤维软骨复合体及其相关病理变化 | 医学影像 | 腕关节疾病 | 磁共振成像, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 569 | 2025-11-22 |
Amplification-free detection of mycoplasma pneumoniae via CRISPR-Cas12a and deep learning-optimized crRNAs on a lateral flow platform
2026-Jan-15, Journal of pharmaceutical and biomedical analysis
IF:3.1Q2
DOI:10.1016/j.jpba.2025.117196
PMID:41129856
|
研究论文 | 开发了一种基于CRISPR-Cas12a和深度学习优化crRNA的无扩增检测平台,用于肺炎支原体的快速诊断 | 结合深度学习优化的crRNA文库与侧向流平台,实现无扩增检测并显著提升检测灵敏度 | 未明确说明临床样本规模及深度学习模型的具体架构细节 | 开发快速准确的肺炎支原体检测方法 | 肺炎支原体P1基因保守区域 | 生物信息学 | 呼吸道感染 | CRISPR-Cas12a, 侧向流检测, 深度学习 | 深度学习 | 基因序列数据 | 从50多个候选crRNA中筛选出16个高活性crRNA | NA | NA | 检测限, 灵敏度, 特异性, 信号饱和度时间 | NA |
| 570 | 2025-11-21 |
Gene expression and protein abundance: Just how associated are these molecular traits?
2026 Jan-Feb, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108720
PMID:41038299
|
综述 | 本文系统回顾了基因表达与蛋白质丰度关联性的研究方法、影响因素及在生物技术中的应用前景 | 整合了单细胞分析最新进展,系统比较不同实验环境下分子特征关联性研究方法 | 主要依赖相关性分析方法,受限于蛋白质定量技术发展滞后 | 探讨基因表达与蛋白质丰度的关联程度及其在生物技术中的应用潜力 | 转录组学与蛋白质组学数据关联性研究 | 生物信息学 | NA | 转录组学, 蛋白质组学, 单细胞分析 | NA | 基因表达数据, 蛋白质丰度数据 | NA | NA | NA | 相关性指标 | NA |
| 571 | 2025-11-20 |
Advanced microstructure imaging at high b-values and high resolution combining ultra-high performance gradient diffusion imaging and model-based deep learning demonstrated using 3D multi-slab acquisition
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70046
PMID:40851334
|
研究论文 | 本研究结合超高性能梯度扩散成像和模型驱动深度学习,展示了3D多片层采集在高b值和高分辨率下进行高级微结构成像的能力 | 利用高性能梯度系统缩短回波时间,结合优化的3D k空间欠采样方法显著减少采集时间,实现全脑高分辨率微结构成像 | 需要高性能梯度硬件支持(>200 mT/m,>300 T/m/s),研究主要关注大脑白质区域 | 开发加速的3D多片层扩散加权成像方法,支持活体人脑高级微结构建模 | 人脑白质微结构 | 医学影像 | 神经系统疾病 | 3D多片层扩散加权成像,扩散加权MRI,室模型分析 | 三室扩散模型 | 扩散加权MRI图像 | 多受试者人脑数据(具体数量未明确说明) | 基于模型的迭代重建算法 | 基于导航的运动补偿正则化迭代算法 | 变异系数 | 高性能梯度MRI系统(>200 mT/m,>300 T/m/s) |
| 572 | 2025-11-20 |
Comparative evaluation of supervised and unsupervised deep learning strategies for denoising hyperpolarized 129Xe lung MRI
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70033
PMID:40810302
|
研究论文 | 本研究比较了监督和非监督深度学习策略在超极化129Xe肺部MRI去噪中的应用效果 | 首次系统比较了传统监督学习、Noise2Noise和Noise2Void三种深度学习策略在129Xe MRI去噪中的性能 | 某些去噪方法在特定指标上存在偏差,如Tradvent低估VDP,N2Nvent高估VDP | 提高超极化129Xe肺部MRI图像质量以改善临床诊断准确性 | 952个129Xe MRI数据集,包括健康受试者和心肺疾病患者 | 医学影像处理 | 心肺疾病 | 超极化129Xe MRI | 深度学习 | 医学影像 | 952个129Xe MRI数据集(421个通气成像,125个弥散加权成像,406个气体交换成像) | NA | NA | 信噪比, 噪声标准差, 锐度, 通气缺损百分比, 表观扩散系数, 膜摄取, 红细胞转移, 红细胞:膜比值 | NA |
| 573 | 2025-11-20 |
Motion-robust T 2 ∗ $$ {\mathrm{T}}_2^{\ast } $$ quantification from low-resolution gradient echo brain MRI with physics-informed deep learning
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70050
PMID:40843481
|
研究论文 | 提出PHIMO+方法,通过物理信息深度学习实现运动鲁棒的低分辨率梯度回波脑MRI T2*定量分析 | 扩展了原有的PHIMO方法,利用采集知识增强对挑战性运动模式的重建性能,提高对脑内不同强度磁场不均匀性的鲁棒性 | NA | 开发运动鲁棒的T2*定量方法,解决梯度回波磁共振成像中因运动导致的信号丢失问题 | 脑部梯度回波磁共振成像数据 | 医学影像分析 | NA | 梯度回波磁共振成像 | 深度学习 | 磁共振图像 | 模拟和真实运动数据 | NA | 物理信息深度学习 | 线检测精度, 图像质量 | NA |
| 574 | 2025-11-20 |
Liver fat quantification at 0.55 T enabled by locally low-rank enforced deep learning reconstruction
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70057
PMID:40883956
|
研究论文 | 开发了一种基于局部低秩深度学习重建的方法,用于在0.55T低场MRI中实现肝脏脂肪定量 | 提出了一种结合局部低秩约束和深度学习的新型重建方法(LLR-DL),能够在低场MRI中显著提升信噪比和图像质量 | 研究样本量较小(10名志愿者),需要在更大规模人群中验证方法的普适性 | 提高低场MRI中质子密度脂肪分数(PDFF)定量的准确性和可靠性 | 铁脂肪体模和人类志愿者 | 医学影像分析 | 脂肪肝 | MRI质子密度脂肪分数定量,多回波Dixon算法 | 深度学习 | MRI图像,复杂值数据 | 1个体模和10名志愿者 | NA | U-Net | 峰值信噪比,结构相似性指数,线性回归,t检验,Bland-Altman分析 | NA |
| 575 | 2025-11-20 |
Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70031
PMID:40891397
|
研究论文 | 本研究提出并验证了两种快速去除MRS光谱中水残留信号的新方法 | 提出了基于深度学习的DeepWatR和基于拟合的WaterFit两种新型水残留去除方法,显著提高了处理速度 | 研究主要针对1H脑数据集,在其他类型数据上的性能需要进一步验证 | 开发快速高效的水残留信号去除方法以提高MRS的临床适用性 | MRS光谱中的水残留信号 | 医学影像分析 | NA | 磁共振波谱(MRS) | 深度学习, 参数拟合 | 光谱数据 | 模拟和体内1H脑数据集,包含10000个体素 | PyTorch | U-Net with attention mechanism | 量化误差百分比, 处理速度 | 低端GPU |
| 576 | 2025-11-19 |
Real-time driver activity detection using advanced deep learning models
2026-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10376-1
PMID:41245998
|
研究论文 | 本文提出一种混合CNN-Transformer架构用于实时驾驶员活动检测 | 提出结合CNN局部特征提取、注意力机制和Transformer全局上下文建模的混合架构,并引入高效通道注意力机制 | 混淆矩阵分析显示存在少量误分类 | 开发实时驾驶员监控系统以减少交通事故 | 驾驶员行为活动 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | NA | NA | MobileNetV2, DenseNet201, NASNetMobile, VGG19, Hybrid CNN-Transformer | 准确率 | NA |
| 577 | 2025-11-19 |
PRS2Net: an efficient intelligent carrot detection model via filter pruning and attention mechanisms
2026-Jan-15, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70142
PMID:40847327
|
研究论文 | 提出一种基于滤波器剪枝和注意力机制的高效胡萝卜检测轻量级网络PRS2Net | 结合一阶泰勒展开的滤波器剪枝技术和注意力机制,在保持高精度的同时显著减少模型参数和计算成本 | 仅针对胡萝卜质量检测任务进行验证,未在其他农作物上测试通用性 | 开发高效的胡萝卜质量检测深度学习模型 | 胡萝卜 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | ResNet18, PRS2Net | 准确率 | NA |
| 578 | 2025-11-19 |
Motif field combined with two-stream feature fusion network and double detection head for identification and prediction of microalgae in seawater
2026-Jan-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.124574
PMID:40945058
|
研究论文 | 提出一种结合荧光和吸收双模式光谱、序列模场和深度学习的微藻识别与浓度预测新方法 | 首次提出模场概念将光谱数据编码为二维图像,设计双流特征融合网络和双检测头架构实现微藻种类识别与浓度回归的同步处理 | 未提及方法在其他类型微藻或复杂水体环境中的泛化能力 | 实现海水中微藻种类识别和浓度预测的精准快速检测 | 海水中的微藻 | 计算机视觉 | NA | 荧光光谱、吸收光谱、双模式光谱 | CNN, 注意力机制 | 光谱数据、二维图像 | NA | NA | 双流特征融合网络, 卷积头, 全连接头 | 准确率, RMSE, R | NA |
| 579 | 2025-11-19 |
Advanced deep learning strategies for detection and quantification of macroplastics in rivers along the Peruvian coast
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118649
PMID:40976044
|
研究论文 | 开发结合深度学习的框架,用于检测和量化秘鲁沿海河流中的大塑料污染 | 首次使用YOLOv11模型结合无人机图像分析河流中大塑料的时空动态变化 | 对家具和PET瓶等类别的检测精度较低,受碎片大小、丰度和颜色对比度影响 | 建立大塑料污染自动监测系统 | 秘鲁利马Rímac河流中的混合无机城市固体废物 | 计算机视觉 | NA | 无人机图像采集 | CNN | 图像 | 秘鲁Rímac河流一年的监测数据 | YOLOv11 | YOLOv11 | mAP | NA |
| 580 | 2025-11-19 |
An efficient dark spot detection method for offshore oil spill in SAR images based on edge-enhanced attention fusion
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118748
PMID:40997542
|
研究论文 | 提出一种基于边缘增强注意力融合的SAR图像海上溢油黑斑高效检测方法 | 设计了残差瓶颈注意力模块(RBAM)、增强通道融合模块(ECFM)和深度监督细化模块(DSRM),在提升边缘检测精度的同时显著降低计算成本 | NA | 提升SAR图像中海上溢油黑斑的边缘检测精度并减少检测时间 | 合成孔径雷达(SAR)图像中的溢油黑斑 | 计算机视觉 | NA | 合成孔径雷达(SAR)成像 | CNN | 图像 | PALSAR和Sentinel-1数据集 | NA | EAF-Net, RBAM, ECFM, DSRM | 检测精度, 检测时间 | 轻量化结构设计以降低计算成本 |