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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2141 | 2025-11-30 |
Adaptive and scalable protection framework for virtual machines leveraging deep learning and dynamic defense
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26221-8
PMID:41298720
|
研究论文 | 提出一种结合深度学习与动态防御的自适应可扩展虚拟机保护框架 | 集成自适应特征编码器、密度感知聚类、Transformer增强分类器和动态缓解控制器的端到端防御管道,显著降低误报率并保持低延迟 | 未明确说明框架在异构云环境中的兼容性及对零日攻击的防御能力 | 开发能有效应对隐蔽性网络威胁的虚拟机动态防御系统 | 云环境中的虚拟机及其面临的网络威胁 | 机器学习 | NA | 深度学习 | Transformer, Boosting | 虚拟机遥测数据 | 基于ToN-IoT和CSE-CIC-IDS2018基准数据集 | NA | Transformer | 准确率, 精确率, F1分数, 误报率, 检测延迟 | NA |
| 2142 | 2025-11-28 |
Correction: Deep learning assisted LDPC decoding for 5G IoT networks in fading environments
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29260-3
PMID:41298785
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2143 | 2025-11-30 |
A machine learning approach to risk based asset allocation in portfolio optimization
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26337-x
PMID:41298798
|
研究论文 | 提出一种基于机器学习的动态风险资产配置框架,用于投资组合优化 | 集成LSTM波动率预测、可微分风险预算层和机制转换机制,实现端到端的投资组合权重训练 | NA | 开发动态风险预算的投资组合优化方法 | 金融资产组合 | 机器学习 | NA | 机器学习 | LSTM | 金融市场数据 | 2017-2022年样本外测试期 | NA | LSTM, 稀疏注意力机制 | 夏普比率, 最大回撤 | NA |
| 2144 | 2025-11-30 |
Conditional deep learning model reveals translation elongation determinants during amino acid deprivation
2025-Nov-26, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-09092-7
PMID:41299006
|
研究论文 | 开发了一种名为Riboclette的条件深度学习模型,用于预测氨基酸剥夺条件下的核糖体足迹图谱并识别翻译延伸决定因素 | 提出了具有双输出头的条件深度学习模型,能够同时预测六种不同氨基酸剥夺条件下的核糖体足迹,并通过计算机扰动实验提取基序水平的核糖体停滞驱动因素 | NA | 研究氨基酸剥夺条件下翻译延伸的调控机制和决定因素 | 核糖体足迹图谱和mRNA序列 | 机器学习 | 代谢紊乱 | 核糖体分析技术 | 深度学习 | 序列数据 | NA | NA | 具有双输出头的条件深度学习架构 | NA | NA |
| 2145 | 2025-11-30 |
Research progress in computer-aided diagnosis systems for lung cancer
2025-Nov-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02101-3
PMID:41299062
|
综述 | 本文综合评述了肺癌计算机辅助诊断系统在传统影像、机器学习和深度学习方面的研究进展 | 重点关注床边验证的进展:多模态CT/PET-临床融合、小数据策略、可解释AI和隐私保护的多中心学习 | NA | 总结肺癌计算机辅助诊断系统的研究进展,并将准确性转化为患者获益 | 肺癌计算机辅助诊断系统 | 计算机视觉 | 肺癌 | CT, PET, 多模态影像融合 | 机器学习, 深度学习 | 医学影像, 临床数据 | NA | NA | NA | AUC, 假阳性率, C-index | NA |
| 2146 | 2025-11-30 |
Fusion_f5C-Pred: a dual-branch feature fusion framework for 5-formylcytosine modification sites prediction
2025-Nov-26, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12278-2
PMID:41299278
|
研究论文 | 开发了一个名为Fusion_f5C-Pred的双分支深度学习框架,用于预测RNA中5-甲酰胞嘧啶修饰位点 | 提出创新的双分支特征融合框架,通过门控融合网络整合序列和结构特征,并采用注意力机制和Transformer编码器 | 未明确说明模型的计算复杂度、训练时间或对特定RNA类型的适用性限制 | 开发高性能的计算方法来预测RNA中5-甲酰胞嘧啶修饰位点 | RNA序列及其二级结构 | 生物信息学 | 癌症 | RNA修饰位点预测 | CNN, Transformer | 序列数据, 结构数据 | NA | PyTorch | 密集连接卷积网络, 卷积块注意力模块, Transformer编码器 | 准确率, AUROC | NA |
| 2147 | 2025-11-30 |
An interpretable geometric graph neural network for enhancing the generalizability of drug-target interaction prediction
2025-Nov-26, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02456-9
PMID:41299450
|
研究论文 | 提出一种可解释的几何图神经网络GPS-DTI,用于提升药物-靶点相互作用预测的泛化能力 | 结合图同构网络与多头注意力机制建模药物分子结构,利用预训练ESM-2模型和CNN提取蛋白质特征,通过交叉注意力模块增强模型可解释性 | 未明确说明模型在更广泛疾病领域的泛化能力 | 提升药物-靶点相互作用预测的泛化能力和可解释性 | 药物分子和蛋白质靶点 | 机器学习 | COVID-19 | 深度学习 | 图神经网络,CNN,注意力机制 | 分子图结构数据,蛋白质序列数据 | NA | NA | GINE,多头注意力机制,ESM-2,CNN | NA | NA |
| 2148 | 2025-11-30 |
Comparison of 2D, 2.5D, and 3D landmark localization networks for 3D cephalometry in CT images
2025-Nov-26, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07189-3
PMID:41299513
|
研究论文 | 比较2D、2.5D和3D网络在CT图像三维头影测量标志点定位中的性能 | 提出全局-局部损失函数缓解前景-背景不平衡问题,并采用软硬投票集成策略提高鲁棒性 | 仅使用40例患者数据,样本量有限 | 评估不同维度网络在三维头影测量标志点定位中的性能与计算效率 | 40例患者的头颈部CT扫描图像 | 计算机视觉 | 头颈部疾病 | CT成像 | 深度学习网络 | 三维医学图像 | 40例患者CT扫描 | NA | 2D网络,2.5D网络,3D网络 | 平均径向误差(MRE),成功检测率(SDR) | NA |
| 2149 | 2025-11-30 |
DeepHFFT-m7G: A dual-channel self-attention and hybrid feature fusion framework for RNA m7G modification identification
2025-Nov-26, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于混合特征融合和双通道自注意力网络的新方法DeepHFFT-m7G,用于高效识别RNA序列中的m7G甲基化位点 | 结合混合特征融合和双通道自注意力网络,集成多分支CNN和Transformer编码器,同时捕获局部序列特征和全局特征 | NA | 提高RNA m7G修饰位点识别的准确率 | RNA序列中的m7G甲基化位点 | 生物信息学 | NA | RNA序列分析 | CNN, Transformer, MLP | RNA序列数据 | NA | NA | 多分支CNN, Transformer编码器, 多层感知机 | AUROC, 准确率, MCC, 特异性 | NA |
| 2150 | 2025-11-30 |
Artificial Intelligence-Driven Longitudinal Quantification of Technetium Pyrophosphate Uptake in Cardiac Amyloidosis: Correlation with Multimodality Imaging and Outcomes
2025-Nov-26, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102573
PMID:41314377
|
研究论文 | 本研究使用人工智能技术纵向量化心脏淀粉样变性患者锝焦磷酸盐摄取,并分析其与多模态影像参数及临床结局的相关性 | 首次将深度学习技术应用于ATTR-CM患者锝焦磷酸盐扫描的纵向定量分析,并验证其与临床结局的关联 | 样本量相对较小(85例患者),单中心研究,可能存在选择偏倚 | 评估ATTR-CM治疗反应监测方法,探索深度学习量化指标与疾病进展和临床结局的关系 | 转甲状腺素蛋白心脏淀粉样变性(ATTR-CM)患者 | 数字病理 | 心血管疾病 | 99mTc-PYP显像,超声心动图,心血管磁共振 | 深度学习 | 医学影像 | 85例ATTR-CM患者,中位年龄79岁,89%为男性 | NA | NA | 相关系数,风险比,p值 | NA |
| 2151 | 2025-11-30 |
AIRPred: A Deep Learning Model Predictor for Peptide Intensity Ratios in Cross-Linking Mass Spectrometry Improves Cross-Link Spectrum Matching
2025-Nov-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03597
PMID:40864166
|
研究论文 | 开发了一种深度学习模型AIRPred,用于预测交联质谱中肽段强度比率,以提高交联谱图匹配的准确性 | 首次利用深度学习预测肽段强度比率,通过CNN块捕捉肽段碎片化模式和注意力层建模肽段相互作用 | 未明确说明模型在复杂样本或低丰度肽段上的性能表现 | 提高交联质谱中交联谱图匹配的准确性 | 交联质谱中的肽段对 | 计算质谱学 | NA | 交联质谱(XL-MS) | CNN, 注意力机制 | 质谱数据 | NA | NA | CNN块+注意力层 | 准确率 | NA |
| 2152 | 2025-11-30 |
Hypertension Medication Recommendation via Synergistic and Selective Modeling of Heterogeneous Medical Entities: Development and Evaluation Study of a New Model
2025-Nov-25, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/74170
PMID:41289573
|
研究论文 | 开发并评估了一种基于异质医疗实体协同与选择性建模的高血压药物推荐新模型 | 提出多头图注意力机制捕获医疗实体间协同关系,结合双向时间选择机制动态适应疾病进展 | 仅基于电子健康记录数据,未考虑医生主观判断等临床因素 | 开发能够准确推荐高血压药物的临床决策支持系统 | 高血压患者的电子健康记录数据 | 医疗人工智能 | 心血管疾病 | 电子健康记录分析 | 图神经网络,注意力机制 | 结构化电子健康记录 | MIMIC-III v1.4和MIMIC-IV v2.2数据集中的患者记录 | PyTorch | 图注意力网络,双向时序选择机制 | Jaccard相似系数,精确率-召回率曲线下面积,F1分数 | NA |
| 2153 | 2025-11-30 |
Opportunistic screening of type 2 diabetes with deep metric learning using electronic health records
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25759-x
PMID:41290832
|
研究论文 | 提出一种基于深度度量学习的模型,利用电子健康记录进行2型糖尿病的机会性筛查,统一了发病预测和亚型分型任务 | 首次将深度度量学习应用于2型糖尿病筛查,通过样本相似性学习潜在空间,统一了发病预测和亚型分型两个任务 | 未明确说明模型在其他人群或医疗系统中的泛化能力 | 开发统一的深度学习模型用于2型糖尿病的机会性筛查和亚型分型 | 2型糖尿病患者 | 机器学习 | 2型糖尿病 | 电子健康记录分析 | 深度度量学习 | 电子健康记录 | All of Us项目7567例T2D患者,麻省总医院布里格姆生物银行3298例T2D患者 | NA | 深度度量学习模型 | AUC | NA |
| 2154 | 2025-11-30 |
Structured panendoscopy reports improve report completeness and documentation time
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27738-8
PMID:41290910
|
研究论文 | 比较结构化全内窥镜报告与传统自由文本报告在报告完整性和记录时间方面的表现 | 首次系统评估结构化全内窥镜报告在临床实践中的优势,证明其能显著提高报告完整性和用户满意度 | 样本量较小(仅64例全内窥镜检查),仅涉及三位头颈外科医生 | 评估结构化报告在全内窥镜检查中的临床应用价值 | 全内窥镜检查手术报告 | 医学信息学 | 头颈疾病 | 内窥镜检查 | NA | 医疗报告文本 | 64例全内窥镜检查,由三位头颈外科医生完成 | NA | NA | 报告完整性百分比,完成时间,视觉模拟量表评分 | NA |
| 2155 | 2025-11-30 |
A comprehensive deep learning framework for real time emotion detection in online learning using hybrid models
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26381-7
PMID:41291007
|
研究论文 | 提出了一种集成ResNet-50、CBAM、3D CNN和AGTO的深度学习框架,用于在线学习中的实时情绪检测 | 首次将ResNet-50、CBAM注意力机制、3D CNN和蚁群遗传算法优化器结合,能够捕捉面部表情的时空动态特征 | 未提及模型计算复杂度及在低配置设备上的适用性 | 开发实时情绪识别系统以监测在线学习者的参与度 | 在线学习者的面部情绪数据 | 计算机视觉 | NA | 面部情绪识别 | CNN, 3D CNN | 图像, 视频序列 | 多个FER数据集(FER2013、CK+、KDEF)及专有数据集 | NA | ResNet-50, CBAM, 3D CNN | 准确率 | NA |
| 2156 | 2025-11-30 |
Automated segmentation of the fibula from CT imaging using two-stepped deep learning in 3D U-Net architectures
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29130-y
PMID:41291031
|
研究论文 | 提出基于两步深度学习的3D U-Net架构,实现CT图像中腓骨的自动分割 | 采用两步分割方法处理左右腓骨对称性,将右侧图像镜像至左侧进行训练 | NA | 优化重建手术的术前规划流程并降低成本 | CT图像中的腓骨 | 计算机视觉 | 面部重建手术 | CT成像 | 3D U-Net | CT图像 | NA | NA | 3D U-Net | Dice系数, 平均表面距离 | NA |
| 2157 | 2025-11-30 |
Evaluation of compartmentalized automatic segmentation for definition of the GTV in glioblastoma radiotherapy
2025-Nov-25, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111308
PMID:41308924
|
研究论文 | 评估深度学习模型在胶质母细胞瘤放疗中自动分割肿瘤靶区的临床应用价值 | 首次评估Neosoma Glioma深度学习模型在术后胶质母细胞瘤放疗靶区自动分割中的临床应用,证明其能显著减少轮廓勾画时间并保持剂量学等效性 | 回顾性研究,样本量有限(100例),单中心数据 | 评估自动分割模型在胶质母细胞瘤放疗靶区定义中的临床应用可行性 | 100例在伯尔尼大学医院接受治疗的胶质母细胞瘤患者(2016-2020年) | 数字病理 | 胶质母细胞瘤 | 多模态MRI | 深度学习模型 | 医学影像 | 100例胶质母细胞瘤病例 | NA | Neosoma Glioma | Dice相似系数, 时间节省, 剂量学评估 | NA |
| 2158 | 2025-11-30 |
An end-to-end fault interpretation method driven by visual foundation model with domain adaptation fine-tuning
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23044-5
PMID:41285932
|
研究论文 | 提出一种基于视觉基础模型和领域自适应微调的端到端地质断层解释方法 | 采用视觉基础模型驱动框架,结合故障感知自动增强算法、不确定性驱动的自标注优化机制和地球物理约束特征对齐微调 | NA | 解决地震样本稀缺、低信噪比区域标注不可靠以及通用模型忽略地球物理原理等挑战 | 地下储气库地质断层 | 计算机视觉 | NA | 强化学习,领域自适应 | 基础模型 | 地震数据 | NA | NA | NA | 分割结果符合地质认知 | NA |
| 2159 | 2025-11-30 |
Deep learning-reconstructed hepatobiliary MRI: Enhancing biliary delineation, lesion margin sharpness, and small lesion detection
2025-Nov-24, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112574
PMID:41314015
|
研究论文 | 评估深度学习重建的T1加权VIBE序列在肝胆MRI中相对于传统VIBE在胆道可视化、病灶检测和伪影抑制方面的性能 | 首次系统比较深度学习重建的1.5mm薄层VIBE序列与传统3mm VIBE序列在肝胆期MRI中的表现,显著提高了三级胆管显示率和微小病灶检测率 | 纹理自然度略低于传统方法,研究为回顾性设计且样本量有限 | 评估深度学习重建MRI技术在肝胆成像中的临床应用价值 | 94例疑似肝脏病变患者(共145个病灶) | 医学影像分析 | 肝脏疾病 | MRI,钆塞酸增强扫描,深度学习重建 | 深度学习模型 | 医学影像 | 94例患者,145个病灶 | NA | NA | 边缘上升距离,对比噪声比,检测率,定性评分 | NA |
| 2160 | 2025-11-30 |
A systematic review about the evolving role of artificial intelligence in various fields of forensic medicine
2025-Nov-24, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2025.103043
PMID:41314025
|
系统综述 | 系统回顾人工智能在法医学多个领域中的应用及其影响 | 全面梳理AI在法医学中的最新应用进展,展示AI相比传统方法在准确性、可重复性和效率方面的改进 | 数据集小且代表性不足,外部验证有限,存在伦理问题 | 评估人工智能在法医学各领域中的应用效果和影响 | 法医学领域的AI应用研究,包括个人识别、法医病理学、放射学与影像学等 | 法医学 | NA | 系统文献综述 | 机器学习,深度学习,神经网络 | 文献数据 | 100篇符合纳入标准的文章(从约1000篇初筛文献中筛选) | NA | NA | 准确性,可重复性,效率,观察者间变异性,平均误差减少 | NA |