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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2461 | 2025-10-06 |
scDILT: A Model-Based and Constrained Deep Learning Framework for Single-Cell Data Integration, Label Transferring, and Clustering
2025 May-Jun, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3553068
PMID:40811359
|
研究论文 | 提出了一种基于条件自编码器和深度嵌入聚类的单细胞数据集成工具scDILT,用于数据整合、标签转移和聚类分析 | 首次开发能同时实现单细胞数据整合、保持参考数据集细胞簇结构、并将新数据集细胞映射到参考注释簇的工具 | NA | 开发单细胞数据集成框架,实现批次效应去除和细胞类型标签转移 | 单细胞RNA测序数据和多组学单细胞数据 | 机器学习 | NA | scRNA-seq, 多组学单细胞测序 | 条件自编码器, 深度嵌入聚类 | 单细胞基因表达数据 | 模拟数据集和真实数据集 | NA | 条件自编码器, 深度嵌入聚类 | 数据整合效果评估指标 | NA |
2462 | 2025-10-06 |
Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.07.647497
PMID:40291740
|
研究论文 | 提出一种名为DELSSOME的深度学习框架,用于优化生物物理大规模脑回路模型,显著加速模型参数估计过程 | 通过深度学习直接预测模型参数是否产生真实脑动力学,绕过了传统需要重复数值积分的方法 | NA | 优化生物物理脑回路模型的参数估计,提高计算效率 | 生物物理大规模脑回路模型,特别是反馈抑制控制平均场模型 | 机器学习 | NA | 深度学习,数值积分,进化优化 | 深度学习模型 | 脑动力学数据,模型参数 | NA | NA | NA | 速度提升倍数 | NA |
2463 | 2025-10-06 |
Assessing the risk of takeover catastrophe from large language models
2025-04, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.14353
PMID:38945529
|
研究论文 | 本文对大型语言模型引发极端接管灾难的风险进行分析评估 | 首次针对实际已部署的AI系统(而非假设性未来系统)进行接管灾难风险评估 | 分析基于当前LLM能力,未来模型风险存在不确定性 | 评估大型语言模型引发极端灾难性接管的风险 | 大型语言模型(如ChatGPT、GPT-4) | 自然语言处理 | NA | 深度学习 | 大型语言模型 | 文本 | NA | NA | NA | NA | NA |
2464 | 2025-10-06 |
Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324199
PMID:40166584
|
研究论文 | 提出基于深度学习的自动分割框架,用于放射治疗CT图像中牙齿和颌骨子区域的分割与标注 | 首个将颌骨细分为牙槽区和基底区并与ClinRad ORN分期系统对齐的自动分割工具 | 对数据中经常缺失的牙齿和子区域分割适用性有限 | 开发用于口颌剂量估算和放射性骨坏死评估的临床工具 | 头颈癌患者的颌骨结构和牙齿 | 计算机视觉 | 头颈癌 | 计算机断层扫描(CT) | 深度学习分割模型 | 医学图像 | NA | NA | Swin UNETR, ResUNet | Dice系数, 几何精度, 剂量学比较 | NA |
2465 | 2025-10-06 |
Quantitative mapping of cerebrovascular reactivity amplitude and delay with breath-hold BOLD fMRI when end-tidal CO2 quality is low
2025-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.18.624159
PMID:39605672
|
研究论文 | 本研究开发了一种在呼气末CO2数据质量较差时仍能定量绘制脑血管反应性振幅和延迟图的方法 | 提出使用深度学习从呼吸体积时间数据预测PCO时间序列,实现在标准单位下测量CVR振幅和延迟 | 需要部分高质量的PCO数据用于模型训练和RVT缩放 | 提高脑血管反应性测量的临床适用性,特别是在患者配合度较差的情况下 | 脑血管反应性,脑血流调节功能 | 医学影像分析 | 脑血管疾病 | 功能性磁共振成像,呼吸暂停任务,深度学习 | 深度学习模型 | fMRI图像,呼吸生理信号 | 未明确说明 | NA | NA | 绝对一致性,准确性,病理敏感性 | NA |
2466 | 2025-10-06 |
Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.06.24318577
PMID:39677477
|
研究论文 | 提出一种名为gruyere的贝叶斯概率模型,利用功能注释改进罕见变异关联分析,并应用于阿尔茨海默病全基因组测序数据 | 开发了首个能够整合功能注释、编码罕见变异和细胞类型特异性非编码罕见变异的全基因组关联测试框架 | 未提及模型在其它疾病或数据集上的泛化能力验证 | 通过整合功能注释改进罕见变异与阿尔茨海默病的关联分析 | 阿尔茨海默病患者的全基因组测序数据 | 生物信息学 | 阿尔茨海默病 | 全基因组测序(WGS), 功能注释, 变异效应预测(VEPs) | 贝叶斯概率模型 | 基因组测序数据, 功能注释数据 | 7,966例病例和13,412例对照 | NA | gruyere | 关联显著性 | NA |
2467 | 2025-10-06 |
AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323097
PMID:40093264
|
研究论文 | 开发了一种可解释的AI方法AgeNet-SHAP,用于绘制阿尔茨海默病中多变量区域脑年龄和临床严重程度模式 | 首次将深度学习模型与SHAP特征重要性技术结合,探索大脑区域与年龄的多变量关联,而非传统的单变量关系 | 样本量相对有限(n=668),仅基于MRI数据进行分析 | 开发数据驱动的预测建模方法,用于疾病进展、诊断、预后和个性化医疗 | 阿尔茨海默病患者和认知正常参与者 | 机器学习 | 阿尔茨海默病 | MRI | 深度学习,传统机器学习 | 图像 | 668个MRI样本 | NA | AgeNet | NA | NA |
2468 | 2025-10-06 |
Assessing Genotype-Phenotype Correlations with Deep Learning in Colorectal Cancer: A Multi-Centric Study
2025-Feb-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.04.25321660
PMID:39973981
|
研究论文 | 本研究开发了一种基于Transformer的多目标深度学习模型,直接从结直肠癌H&E病理切片预测多种遗传生物标志物 | 首次使用单一Transformer模型同时预测结直肠癌中多种遗传变异,超越了常规单一靶标模型,并系统分析了MSI表型对预测性能的影响 | 模型预测性能主要与MSI表型相关,生物标志物本身的形态学贡献相对有限,可能存在混杂因素影响 | 评估深度学习在结直肠癌中基因型-表型关联预测的应用价值 | 结直肠癌患者及其肿瘤组织 | 数字病理学 | 结直肠癌 | H&E染色、panel测序 | Transformer | 病理切片图像 | 1,376名患者(主要数据集)+ 536名患者(验证数据集) | NA | Transformer | AUROC | NA |
2469 | 2025-10-06 |
Localization and detection of deepfake videos based on self-blending method
2025-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88523-1
PMID:39890891
|
研究论文 | 提出一种基于自融合方法的深度伪造视频定位与检测技术 | 提出无需伪造样本的空间训练方法,通过多部位局部位移变形融合生成多样化特征数据,并采用混合区域标签指导操作区域定位 | 未明确说明模型在跨数据集上的泛化能力具体表现 | 提升深度伪造视频的检测精度和操作区域定位能力 | 深度伪造视频 | 计算机视觉 | NA | 深度学习 | Swin-Unet | 视频数据 | FF++、Celeb-DF、DFDC数据集 | NA | Swin-Unet | 检测准确率、定位精度 | NA |
2470 | 2025-10-06 |
TrimNN: Characterizing cellular community motifs for studying multicellular topological organization in complex tissues
2025-Jan-17, Research square
DOI:10.21203/rs.3.rs-5584635/v1
PMID:39877090
|
研究论文 | 提出一种基于图神经网络的方法TrimNN,用于识别空间转录组和蛋白质组数据中的细胞群落基序 | 采用自下而上的方法识别保守的细胞组织模式,将细胞生态位定义为可计数的拓扑块,具有可解释性和通用性 | NA | 研究复杂组织中多细胞拓扑组织的协调规则 | 空间转录组和蛋白质组数据中的细胞空间排列 | 计算生物学 | NA | 空间转录组学、空间蛋白质组学 | 图神经网络 | 空间组学数据 | NA | NA | TrimNN | NA | NA |
2471 | 2025-10-06 |
Improvement of mask R-CNN and deep learning for defect detection and segmentation in electronic products
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329945
PMID:40920847
|
研究论文 | 提出基于YOLOv5和Mask R-CNN的多任务联合学习框架Y-MaskNet,用于电子产品的缺陷检测与分割 | 结合YOLOv5的高效目标检测能力和Mask R-CNN的精细分割能力,通过多任务学习框架优化模型整体性能 | NA | 提高电子产品缺陷检测与分割的准确率和效率 | 电子产品缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | PCB缺陷数据集 | PyTorch | YOLOv5, Mask R-CNN | mAP@[0.5:0.95], IoU | NA |
2472 | 2025-10-06 |
Rapid label-free identification of seven bacterial species using microfluidics, single-cell time-lapse phase-contrast microscopy, and deep learning-based image and video classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330265
PMID:40920893
|
研究论文 | 本研究开发了一种基于微流控技术、单细胞延时相差显微镜和深度学习的细菌种类快速无标记识别方法 | 将细菌识别物种从4种扩展到7种常见人类病原体,并评估实时性能、训练集大小、数据质量和数据增强的影响 | 需要直接从血液中分离细菌并在多样临床分离株上验证方法 | 开发快速无标记的细菌种类识别方法以改善急性感染的初始治疗 | 七种常见人类病原菌:铜绿假单胞菌、大肠杆菌、肺炎克雷伯菌、鲍曼不动杆菌、粪肠球菌、奇异变形杆菌和金黄色葡萄球菌 | 计算机视觉 | 细菌感染 | 微流控技术、单细胞延时相差显微镜 | CNN, Vision Transformer | 视频、图像 | 七个细菌物种的单细胞生长延时序列 | NA | 卷积神经网络, 视觉变换器 | 精确率, 召回率, AUC | NA |
2473 | 2025-10-06 |
Smart load balancing in cloud computing: Integrating feature selection with advanced deep learning models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329765
PMID:40924788
|
研究论文 | 提出一种集成特征选择与深度学习模型的智能负载均衡方法SLADRO,用于优化云计算资源分配 | 结合CNN和LSTM进行负载预测,采用OOA-PSO混合优化算法进行特征选择,并应用深度强化学习实现动态任务调度 | 仅基于Google Cluster Trace数据集进行仿真验证,未在真实生产环境中测试 | 解决云计算环境中动态负载均衡问题,提高资源利用率和能效 | 云计算工作负载和资源管理 | 机器学习 | NA | 深度学习,强化学习,优化算法 | CNN, LSTM, DRL | 工作负载跟踪数据 | Google Cluster Trace真实世界数据集 | NA | CNN, LSTM | 吞吐量,完成时间,资源利用率,能效 | NA |
2474 | 2025-10-06 |
Enhancing fake news detection with transformer-based deep learning: A multidisciplinary approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330954
PMID:40924789
|
研究论文 | 提出一种基于Transformer架构的增强型BERT模型,用于虚假新闻检测 | 采用渐进式训练方法增强BERT模型,使其能够逐步学习区分真实报道与虚假内容的语言细微差别 | 仅使用WELFake数据集进行验证,未在其他数据集测试泛化能力 | 开发可靠的自动化虚假新闻检测机制以应对数字信息完整性挑战 | 虚假新闻和真实新闻文本 | 自然语言处理 | NA | 深度学习 | Transformer, BERT | 文本 | 72,134篇文章 | TensorFlow/PyTorch(未明确指定) | BERT | 准确率, F1分数, 精确率, 召回率 | NA |
2475 | 2025-10-06 |
DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1622899
PMID:40927364
|
研究论文 | 提出一种混合深度学习框架DeepRNAac4C用于RNA N4-乙酰胞苷位点预测 | 整合残差神经网络、CNN、BiLSTM和BiGRU,有效捕捉RNA序列的局部和全局特征 | NA | 提高RNA ac4C位点预测的准确性和泛化能力 | RNA N4-乙酰胞苷修饰位点 | 生物信息学 | NA | RNA序列分析 | CNN, BiLSTM, BiGRU, 残差神经网络 | RNA序列数据 | NA | NA | 混合架构(残差网络+CNN+BiLSTM+BiGRU) | 准确率 | NA |
2476 | 2025-10-06 |
Bibliometric Analysis of Research Articles on Embedded Internet of Health Things (IoHT) Fall Detection in the Elderly Published from 2006 to 2025
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S537047
PMID:40927577
|
文献计量分析 | 对2006年至2025年嵌入式健康物联网老年人跌倒检测研究文章进行文献计量分析 | 首次对嵌入式健康物联网老年人跌倒检测领域进行系统的文献计量分析,涵盖近20年的研究发展轨迹 | 仅基于Scopus数据库,可能存在文献收录不全;缺乏标准数据集和公平的人口统计代表性 | 分析嵌入式健康物联网老年人跌倒检测领域的研究现状、发展趋势和研究空白 | 2006-2025年期间发表的嵌入式健康物联网老年人跌倒检测相关研究文章 | 健康物联网 | 老年疾病 | 文献计量分析,科学图谱可视化 | 机器学习,深度学习 | 文献元数据,引文数据 | 79篇出版物 | VOSviewer | NA | 引文分析,科学图谱 | NA |
2477 | 2025-10-06 |
Efficient spatio-temporal modeling for sign language recognition using CNN and RNN architectures
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1630743
PMID:40927705
|
研究论文 | 本研究使用CNN和RNN架构进行坦桑尼亚手语识别,提出带ELU激活函数的CNN-GRU模型以提升性能 | 提出使用ELU激活函数的CNN-GRU架构来增强学习效率和性能,在手语识别中实现94%的准确率 | 在独立手语者设置中性能差异显著,最高准确率仅66%,手部优势特征优化仍面临挑战 | 开发能够捕捉视频帧时空关系特征的高效深度学习算法用于手语识别 | 坦桑尼亚手语数据集 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GRU | 视频 | 使用手机自拍摄像头收集的坦桑尼亚手语数据集 | NA | CNN-LSTM, CNN-GRU | 准确率 | NA |
2478 | 2025-10-06 |
RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data
2024-Dec-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.19.24313909
PMID:39371168
|
研究论文 | 开发用于纵向数据多步生物医学预测的可解释深度学习工具箱RiskPath | 结合理论指导的优化方法指定最优模型拓扑结构,提供预测因子重要性随时间变化映射和可视化功能 | NA | 开发适用于风险分层的可解释时间序列AI方法 | 纵向队列数据中的疾病风险预测 | 机器学习 | NA | 时间序列分析 | 深度学习 | 纵向时间序列数据 | NA | NA | NA | NA | NA |
2479 | 2025-10-06 |
Automated surgical skill assessment in colorectal surgery using a deep learning-based surgical phase recognition model
2024-11, Surgical endoscopy
DOI:10.1007/s00464-024-11208-9
PMID:39214877
|
研究论文 | 本研究开发了一种基于深度学习的结直肠手术阶段识别模型,用于自动评估外科手术技能 | 首次将手术阶段识别模型应用于结直肠手术技能评估,通过分析手术阶段参数实现自动化技能分级 | 样本量相对有限,仅针对腹腔镜乙状结肠切除术进行评估 | 验证使用手术阶段识别模型评估外科手术技能的可行性 | 结直肠外科手术视频和不同技能水平的外科医生 | 计算机视觉 | 结直肠癌 | 深度学习 | 深度学习模型 | 手术视频 | 85个手术视频(专家组26个、中间组32个、新手组27个),总计1272个视频片段 | NA | NA | p值统计显著性 | NA |
2480 | 2024-09-15 |
Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction
2024-Oct, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.07.010
PMID:39271366
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |