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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-27 |
MCA-GAN: A lightweight Multi-scale Context-Aware Generative Adversarial Network for MRI reconstruction
2025-Dec, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110465
PMID:40780320
|
研究论文 | 提出一种轻量级多尺度上下文感知生成对抗网络MCA-GAN,用于加速MRI重建 | 通过双域生成器协同优化k空间和图像域表示,集成多个轻量级模块实现高效多尺度特征提取和全局上下文建模 | NA | 提高MRI重建质量同时显著降低计算成本 | MRI图像重建 | 医学影像处理 | NA | 磁共振成像 | GAN | MRI图像 | IXI、MICCAI 2013和MRNet膝关节数据集 | NA | MCA-GAN, 包含DWLA、AGRB、MSCMB、CSMS模块 | PSNR, SSIM | NA |
| 2 | 2025-10-27 |
DeepProtein: deep learning library and benchmark for protein sequence learning
2025-Oct-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf165
PMID:40388205
|
研究论文 | 本文介绍了专为蛋白质相关任务设计的深度学习库DeepProtein及其基准测试 | 开发了专门针对蛋白质序列学习的综合深度学习库,并建立了多任务基准评估体系,同时提出了基于Prot-T5微调的DeepProt-T5模型系列 | NA | 为蛋白质科学研究提供专用的深度学习工具和基准测试平台 | 蛋白质序列和相关生物信息学任务 | 生物信息学 | NA | 深度学习 | 基于Prot-T5的微调模型 | 蛋白质序列数据 | NA | 基于DeepPurpose构建 | Prot-T5, DeepProt-T5 | 在多个基准任务上的性能评估 | NA |
| 3 | 2025-10-27 |
Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study
2025-Oct, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30300
PMID:40704399
|
研究论文 | 本研究开发了一种基于多模态MRI和3D卷积神经网络的深度学习方法来区分多系统萎缩和帕金森病 | 首次使用多中心多模态MRI数据和3D CNN方法进行帕金森综合征的自动鉴别诊断,并提供了模型可解释性分析 | 样本量相对较小,研究为回顾性设计,需要进一步前瞻性验证 | 探索基于深度学习和多模态MRI数据区分多系统萎缩与帕金森病的可行性 | 多系统萎缩患者(包括MSA-P、MSA-C、MSA-PC亚型)和帕金森病患者 | 医学影像分析 | 帕金森综合征 | 磁共振成像,扩散张量成像 | 3D CNN | 医学影像 | 156名患者(92名MSA患者,64名PD患者) | NA | 3D卷积神经网络 | 准确率 | NA |
| 4 | 2025-10-27 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本研究通过结合复数值表示和Kuramoto同步动力学来增强深度神经网络的多目标编码能力 | 首次将神经科学中的同步机制与复数值表示相结合,利用Kuramoto动力学促进相位对齐以改善目标绑定问题 | 未明确说明模型的计算复杂度和在实际大规模数据集上的可扩展性 | 探索基于同步的机制是否能增强人工模型在视觉分类任务中的目标编码能力 | 多目标图像,包括重叠手写数字、噪声输入和分布外变换 | 计算机视觉 | NA | Kuramoto同步动力学 | 前馈神经网络,循环神经网络 | 图像 | NA | NA | 前馈模型,带反馈连接的循环模型 | NA | NA |
| 5 | 2025-10-27 |
Deep learning analysis of histopathological images predicts immunotherapy prognosis and reveals tumour microenvironment features in non-small cell lung cancer
2024-Dec, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02856-8
PMID:39455880
|
研究论文 | 本研究开发了一种基于深度学习的免疫检查点抑制剂相关病理预后特征,用于预测非小细胞肺癌患者的免疫治疗预后 | 首次基于H&E染色组织病理图像开发免疫治疗预后预测模型,并采用渐进式增长策略改进ResNet模型训练稳定性 | 样本量相对有限,需要更大规模的外部验证 | 开发能够预测非小细胞肺癌患者免疫治疗反应的生物标志物 | 非小细胞肺癌患者 | 数字病理 | 肺癌 | H&E染色组织病理学图像分析 | CNN | 图像 | 本地队列106例,TCGA队列899例 | PyTorch | ResNet18-PG | AUC, 召回率, 风险比, 对数秩检验P值 | NA |
| 6 | 2025-10-27 |
Deep learning-based automatic contour quality assurance for auto-segmented abdominal MR-Linac contours
2024-Oct-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad87a6
PMID:39413822
|
研究论文 | 开发基于深度学习的自动轮廓质量评估模型,用于评估腹部MR-Linac中自动分割的胰腺和十二指肠轮廓质量 | 首次提出基于3D卷积神经网络的自动轮廓质量评估模型,能够快速识别需要编辑的自动分割轮廓 | 训练数据集规模有限(103个数据集),且使用内部开发的轮廓分类工具进行质量标注 | 优化MR引导在线自适应放疗中自动分割轮廓的质量保证流程 | 腹部MRI中的胰腺和十二指肠自动分割轮廓 | 数字病理 | 腹部恶性肿瘤 | MRI | CNN | 3D医学图像 | 103个训练数据集,34个独立测试数据集 | NA | 3D卷积神经网络 | 准确率 | NA |
| 7 | 2025-10-27 |
Deep learning for automated boundary detection and segmentation in organ donation photography
2024-Aug-20, Innovative surgical sciences
IF:1.7Q2
DOI:10.1515/iss-2024-0022
PMID:40568340
|
研究论文 | 开发用于器官捐献摄影中肾脏和肝脏自动边界检测与分割的深度学习模型 | 首次在器官捐献摄影领域实现精确的自动分割,并比较了两种新型深度学习模型与现有背景移除工具的性能 | 研究仅针对肾脏和肝脏器官,未验证其他器官类型的适用性 | 开发能够准确从背景中分割器官的深度学习模型,以改进医学摄影中的计算机视觉应用 | 肾脏和肝脏的器官捐献摄影图像 | 计算机视觉 | 器官移植 | 医学摄影 | 深度学习分割模型 | 图像 | 训练/内部验证集:821张肾脏图像和400张肝脏图像;外部验证集:203张肾脏图像和208张肝脏图像 | Detectron2, YoloV8 | Detectron2, YoloV8 | 交并比(IoU) | NA |
| 8 | 2025-10-27 |
Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment
2024-Jun, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03040-4
PMID:38877116
|
研究论文 | 介绍一种基于机器学习的ctDNA检测平台MRD-EDGE,用于超灵敏监测肿瘤负荷 | 开发了机器学习引导的WGS ctDNA检测平台,将SNV信噪比富集提高约300倍,并将CNV检测所需的非整倍性程度从1Gb降低到200Mb | NA | 提高循环肿瘤DNA检测灵敏度,实现微小残留病灶监测和治疗反应跟踪 | 多种癌症类型患者,包括肺癌、结直肠腺瘤和晚期黑色素瘤 | 机器学习 | 多种实体肿瘤 | 血浆全基因组测序 | 深度学习 | 基因组测序数据 | NA | NA | NA | 信噪比富集,检测灵敏度 | NA |
| 9 | 2025-10-27 |
Motivation for using data-driven algorithms in research: A review of machine learning solutions for image analysis of micrographs in neuroscience
2023-06-20, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlad040
PMID:37244652
|
综述 | 回顾机器学习在神经科学显微图像分析中的应用,探讨其潜力与局限性 | 系统梳理深度学习在神经科学显微图像分析中的最新进展,并提供实际研究项目中的框架选择指导 | 未经验证的新算法可能存在的技术门槛和适用性问题 | 探讨机器学习在神经科学图像分析中的应用价值与实施策略 | 神经科学领域的显微图像数据 | 计算机视觉 | NA | 显微图像分析 | 深度学习 | 显微图像 | NA | NA | NA | NA | NA |
| 10 | 2025-10-26 |
A robust deep learning system for screening of obstructive sleep apnea using T-F spectrum of ECG signals
2025-Nov, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2359635
PMID:38829354
|
研究论文 | 提出一种基于心电信号时频谱分析的深度学习系统,用于阻塞性睡眠呼吸暂停的自动筛查 | 开发了轻量级深度卷积神经网络,相比基准模型参数量更少且准确率更高 | 未提及模型在外部验证集上的泛化能力及临床部署的实际效果 | 实现阻塞性睡眠呼吸暂停的自动化准确筛查 | 心电信号数据 | 医学信号处理 | 阻塞性睡眠呼吸暂停 | 心电信号分析,Stock-well变换 | 深度卷积神经网络 | 心电信号时频谱 | NA | NA | Alex-Net, Squeeze-Net, 自定义DCNN | 灵敏度, 特异度, 准确率, 阴性预测值, 精确率, F1分数, Fowlkes-Mallows指数 | NA |
| 11 | 2025-10-26 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 开发了一个名为VASCilia的Napari插件,用于基于深度学习的耳蜗毛细胞立体纤毛束3D分析 | 首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具套件,包含五个深度学习模型和自动化计算工具 | NA | 开发自动化工具以解决耳蜗毛细胞立体纤毛束3D形态分析的挑战 | 耳蜗毛细胞立体纤毛束 | 计算机视觉 | 听力障碍 | 共聚焦显微镜,鬼笔环肽染色 | 深度学习模型 | 3D图像堆栈 | 约55个3D图像堆栈,包含502个内毛细胞束和1,703个外毛细胞束 | Napari | Z-Focus Tracker, PCPAlignNet, 分割模型, 位置预测工具, 分类工具 | NA | NA |
| 12 | 2025-10-26 |
Iterative improvement of deep learning models using synthetic regulatory genomics
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636130
PMID:39974895
|
研究论文 | 本研究利用合成调控基因组学数据微调深度学习模型Enformer,以提升其对基因组变异的预测能力 | 首次将合成调控基因组学数据用于迭代改进深度学习模型,显著提高了模型对基因组变异的预测泛化能力 | 模型对DHS顺序或方向重排等复杂变异的预测能力仍较差 | 提高深度学习模型对基因组变异(如疾病相关变异和工程序列)的预测准确性 | DNase I超敏感位点(DHSs)的删除、倒位和重排等工程序列 | 计算生物学 | NA | 合成调控基因组学 | 深度学习 | 基因组序列数据、表观遗传数据 | 数十个工程化DHSs变异 | TensorFlow | Enformer | 预测误差、相关性 | NA |
| 13 | 2025-10-26 |
RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation
2025-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634669
PMID:39896539
|
研究论文 | 提出了一种基于序列和碱基对条件的SE(3)-等变流匹配模型,用于生成RNA三维结构 | 使用碱基对中心表示法,无需显式或隐式使用进化信息或同源结构模板即可端到端生成全原子RNA结构 | NA | 解决RNA三维结构预测的挑战,生成准确的RNA三维结构集合 | RNA分子 | 生物分子建模 | NA | 深度学习 | SE(3)-等变流匹配模型 | RNA三维结构数据 | NA | NA | RNAbpFlow | RNA拓扑采样和预测建模性能 | NA |
| 14 | 2025-10-26 |
Powerful and accurate case-control analysis of spatial molecular data
2025-Aug-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.07.637149
PMID:39975274
|
研究论文 | 提出一种结合深度学习与统计原理的空间分子数据分析方法VIMA,用于识别与疾病相关的空间结构 | 引入变分推断微生态分析方法,通过变分自编码器集合提取组织斑块的数字“指纹”,定义数据依赖的“微生态”空间特征 | NA | 开发更灵活精确的空间分子数据分析方法,识别与疾病相关的关键空间结构 | 空间分子数据,包括免疫荧光显微镜、CODEX和空间转录组学数据 | 数字病理 | 类风湿关节炎,溃疡性结肠炎,痴呆 | 免疫荧光显微镜,CODEX,空间转录组学 | 变分自编码器 | 空间分子数据,组织斑块图像 | 涉及三种不同疾病和空间模态的数据集 | NA | 变分自编码器 | 校准性能 | NA |
| 15 | 2025-10-26 |
Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning
2025-Apr-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 本文评估了深度学习建模中记忆效应对溶质载体膜蛋白替代构象状态预测的影响,并提出了一种结合ESM和模板建模的新方法 | 开发了结合ESM和基于模板建模的方法,利用SLC蛋白内部伪对称性来一致建模替代构象状态 | 方法主要适用于具有伪对称结构的SLC蛋白,对其他类型蛋白的适用性未验证 | 解决深度学习在建模膜蛋白多构象状态时的记忆偏差问题 | 溶质载体(SLC)膜蛋白超家族 | 机器学习 | 病毒感染 | 深度学习方法,进化尺度建模,模板建模 | AlphaFold2, AlphaFold3, ESM | 蛋白质序列,结构数据 | 多个整合膜蛋白转运体,包括SLC35F2 | AlphaFold, ESM | 深度学习蛋白质结构预测模型 | 与进化协方差数据比较验证 | NA |
| 16 | 2025-10-25 |
Arthroscopy-validated diagnostic performance of sub-5-min deep learning super-resolution 3T knee MRI in children and adolescents
2025-Dec, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04969-4
PMID:40493057
|
研究论文 | 评估5分钟内深度学习超分辨率3T膝关节MRI在儿童青少年中的诊断性能 | 首次在儿童青少年中验证结合六倍并行成像和同步多层采集的深度学习超分辨率快速MRI技术 | 回顾性研究,样本量有限(44例),年龄范围较窄(9-17岁) | 确定快速深度学习超分辨率膝关节MRI的诊断性能 | 患有膝关节疼痛的儿童和青少年患者 | 医学影像 | 膝关节疾病 | 深度学习超分辨率MRI,并行成像(PIx3),同步多层采集(SMSx2) | 深度学习 | MRI影像 | 44名儿童和青少年(24名男孩,平均年龄15±2岁) | NA | 超分辨率网络 | 灵敏度, 特异性, 准确率, AUC, 组内相关系数 | NA |
| 17 | 2025-10-25 |
Deep Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors
2025-Oct-23, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8841
PMID:40393739
|
研究论文 | 本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的性能表现 | 首次将深度学习重建技术应用于超高场7T MRI的MP2RAGE和SPACE序列,实现了传统方法难以达到的高加速因子 | 回顾性研究设计,样本量相对有限(60例患者) | 评估深度学习重建技术在7T MRI中的图像质量改善效果 | 脑部MRI图像 | 医学影像分析 | NA | MP2RAGE, SPACE FLAIR MRI序列 | 深度学习 | 医学影像 | 60例患者(30例MP2RAGE数据,30例SPACE FLAIR数据) | NA | NA | 图像质量评分, 对比噪声比, 噪声水平, 伪影评估 | NA |
| 18 | 2025-10-25 |
Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids
2025-Oct, Assay and drug development technologies
IF:1.6Q3
DOI:10.1089/adt.2025.011
PMID:40139786
|
研究论文 | 利用深度学习加速由15个氨基酸组成的抗菌肽的开发 | NA | NA | 加速抗菌肽的开发 | 由15个氨基酸组成的抗菌肽 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 19 | 2025-10-25 |
ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning
2025-Aug-12, ArXiv
PMID:40395940
|
研究论文 | 提出ProtoECGNet原型深度学习模型用于可解释的多标签心电图分类 | 结合原型推理和对比学习,为多标签心电图分类提供基于案例的可解释性,并设计了适用于多标签学习的原型损失函数 | NA | 开发可解释的深度学习模型用于心电图多标签分类 | 心电图信号 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 时间序列数据,图像数据 | PTB-XL数据集的所有71个标签 | NA | 1D CNN, 2D CNN, 多分支架构 | NA | NA |
| 20 | 2025-10-25 |
Cell-APP: A generalizable method for cell annotation and cell-segmentation model training
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.23.634498
PMID:39896521
|
研究论文 | 提出一种名为Cell-APP的自动化细胞标注和分割模型训练方法 | 通过结合透射光和核荧光图像实现自动化高质量训练数据生成,支持创建细胞系特异性和多细胞系分割模型 | NA | 开发自动化细胞标注和分割模型训练方法以加速高通量显微镜数据分析 | 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 |