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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3101 | 2025-11-23 |
Dual branch neural network with dynamic learning mechanism for P300-based brain-computer interfaces
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107876
PMID:40712216
|
研究论文 | 提出一种双分支神经网络与动态学习机制来解决P300脑机接口中的类别不平衡问题 | 同时考虑特征表示和类别不平衡的双分支学习方法,采用动态学习机制逐步增强少数类样本的权重 | 采用被试内实验方案,可能限制模型的泛化能力 | 解决P300脑机接口系统中的类别不平衡问题以提高分类性能 | P300脑电信号 | 脑机接口 | 残疾相关疾病 | 脑电信号采集 | 深度学习 | 脑电信号 | 公开数据集和自采集数据集 | NA | 双分支神经网络 | 准确率 | NA |
| 3102 | 2025-11-23 |
A comprehensive assessment benchmark for rigorously evaluating deep learning image classifiers
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107801
PMID:40714476
|
研究论文 | 提出一个全面评估深度学习图像分类器性能的基准测试方法 | 倡导使用多种数据类型和统一指标进行综合性能评估,揭示当前先进模型的脆弱性 | 未具体说明评估数据的具体规模和来源 | 开发更全面可靠的深度学习模型评估方法 | 深度学习图像分类器 | 计算机视觉 | NA | NA | 深度神经网络 | 图像 | NA | NA | NA | 统一评估指标 | NA |
| 3103 | 2025-11-23 |
Nucleotide-level circRNA-RBP binding sites prediction based on hybrid encoding scheme and enhanced feature extraction
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107923
PMID:40753814
|
研究论文 | 提出基于混合编码方案和增强特征提取的核苷酸级circRNA-RBP结合位点预测框架circdpb | 整合one-hot和高斯调制位置编码,采用扩张卷积特征金字塔和双向门控循环单元增强特征提取,实现核苷酸级精度的结合位点预测 | 未明确说明模型在跨物种或新型circRNA上的泛化能力 | 开发高精度的circRNA与RNA结合蛋白结合位点预测方法 | 环状RNA(circRNA)与RNA结合蛋白(RBP)的结合位点 | 生物信息学 | NA | 深度学习 | CNN, BiGRU | circRNA序列数据 | 37个基准数据集 | NA | 扩张卷积特征金字塔(DCFP), 双向门控循环单元(BiGRU) | NA | NA |
| 3104 | 2025-11-23 |
Advances in computational nephropathology
2025-Dec, Kidney international
IF:14.8Q1
DOI:10.1016/j.kint.2025.06.029
PMID:40976424
|
综述 | 本文全面概述了计算病理学在肾脏病理学领域的进展与应用 | 提出将计算病理学方法整合到肾脏病理学工作流程中,并首次提出“kidnAI病理学”概念 | 存在技术实施、监管和伦理方面的挑战,包括计算基础设施、数据隐私和环境可持续性等问题 | 探讨计算病理学在肾脏病理学领域的应用与发展前景 | 肾脏组织病理图像及相关临床数据 | 数字病理学 | 肾脏疾病 | 人工智能、深度学习 | 深度学习模型 | 组织病理图像 | NA | NA | NA | NA | NA |
| 3105 | 2025-11-23 |
Machine Learning-Based Identification of Natural History Studies in Rare Diseases: A Step toward Understanding Disease Development and Outcome
2025-Dec, Journal of rare diseases (Berlin, Germany)
DOI:10.1007/s44162-025-00115-9
PMID:41245678
|
研究论文 | 提出基于机器学习的自然史研究自动识别方法,用于罕见病研究中的文献筛选 | 首次开发专门用于识别自然史研究的机器学习模型,并证明二元分类在此任务中的优越性 | 仅基于PubMed文献数据,模型性能在四分类任务中仍有提升空间 | 开发自动识别自然史研究的方法以支持罕见病药物研发 | PubMed文献数据库中的自然史研究相关论文 | 自然语言处理 | 罕见病 | 文本挖掘,文献分析 | BERT | 文本 | 手动标注的自然史研究语料库 | PyTorch, Transformers | PubMedBERT-base-uncased-abstract | 精确率, 召回率, F1分数, AUCPR | NA |
| 3106 | 2025-11-23 |
Generative AI and foundation models in medical image
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00968-1
PMID:41051729
|
综述 | 本文概述了生成式AI和基础模型在医学影像领域的应用与发展趋势 | 系统分析了生成式AI和基础模型如何从根本上改变医疗AI开发框架,并提出利用国家数据和计算资源开发医学基础模型的路径 | NA | 探讨生成式AI和基础模型在医学影像处理中的应用与发展方向 | 医学影像处理与医疗支持任务 | 医学影像处理 | NA | 扩散模型, 大语言模型 | 生成模型, 基础模型 | 医学影像, 文本数据 | NA | NA | DALL·E 3, Stable Diffusion, ChatGPT, Gemini | NA | 基于扩展定律的大规模计算资源 |
| 3107 | 2025-11-23 |
Accelerated RAKI reconstruction for multi-slice cardiac cine applications
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70145
PMID:41261061
|
研究论文 | 本研究针对心脏电影MRI提出了一种加速的RAKI重建方法,通过优化训练策略和利用时空冗余性来减少重建时间 | 通过简化RAKI算法结构(移除非线性激活单元并减少层数),并仅训练特定切片和心脏时相,显著加速了重建过程 | 该方法仍存在与k空间优化过程直接相关的条纹伪影 | 优化心脏电影MRI的重建速度同时保证图像质量 | 心脏电影MRI数据 | 医学影像重建 | 心血管疾病 | MRI, 深度学习重建 | CNN | 医学影像, k空间数据 | 10个完全采样的多切片电影数据(来自OCMR公共数据库) | NA | 简化版卷积神经网络(单卷积层) | PSNR, NMSE, SSIM, 重建时间 | NA |
| 3108 | 2025-11-23 |
Real-time quality feedback on Doppler data for community midwives using edge-AI
2025-Dec-01, Machine Learning. Health
DOI:10.1088/3049-477X/ae1bad
PMID:41262494
|
研究论文 | 本研究开发了一种基于深度学习和边缘AI的实时胎儿多普勒数据质量评估技术框架 | 首次将边缘AI技术集成到低成本移动系统中,与危地马拉农村地区的土著助产士共同设计,实现实时数据质量反馈 | 训练数据主要来自单一农村地区,测试数据量较小(仅5个录音),需要更多样化的数据验证泛化能力 | 通过实时质量评估改善胎儿多普勒数据收集,支持低收入地区的临床研究 | 胎儿多普勒信号 | 医疗AI | 妊娠相关疾病 | 多普勒超声 | 深度神经网络 | 音频信号 | 危地马拉农村191个录音(训练验证),德国医院5个录音(测试) | Android, mHealth框架 | 深度神经网络 | F1分数, 准确率, 微平均F1, 宏平均F1 | 边缘计算系统, Android手机 |
| 3109 | 2025-11-23 |
DMCA-Net: Dual-branch multi-granularity hierarchical contrast and cross-attention network for cervical abnormal cell detection
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107890
PMID:40743896
|
研究论文 | 提出一种用于宫颈异常细胞检测的双分支多粒度分层对比和交叉注意力网络DMCA-Net | 设计了双分支结构分别检测异常和正常细胞,引入细胞间成对交叉注意力机制和多粒度分层对比学习来增强特征学习和分类能力 | NA | 提高宫颈异常细胞检测的准确性 | 宫颈细胞图像 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 两个公开数据集 | PyTorch | DMCA-Net | 准确率 | NA |
| 3110 | 2025-11-23 |
A novel number-theoretic sampling method for neural network solutions of partial differential equations
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107945
PMID:40795504
|
研究论文 | 提出一种基于数论确定性采样点的新型深度学习框架,用于求解低正则性或高维偏微分方程 | 采用数论采样点替代传统均匀随机采样,通过生成向量实现最小差异度,结合物理信息神经网络提供严格的数学误差界保证 | NA | 提高偏微分方程数值求解在低正则性和高维情况下的计算效率 | 偏微分方程的数值解 | 机器学习 | NA | 数论采样方法 | PINNs | 数值模拟数据 | NA | NA | 物理信息神经网络 | 误差界 | NA |
| 3111 | 2025-11-23 |
Study of fractional order epidemic compartmental model by using artificial deep neural networks
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107944
PMID:40811929
|
研究论文 | 本研究使用深度神经网络分析具有分形分数阶微分方程的轮状病毒疾病仓室数学模型 | 将深度神经网络应用于分形分数阶流行病动力学系统研究,并采用Caputo Fabrizio意义的指数核分形分数阶导数 | 仅使用9个神经元和最多1000次训练周期,模型复杂度可能不足 | 研究轮状病毒传播动力学模型并验证深度神经网络在流行病学建模中的应用 | 轮状病毒引起的胃肠炎传播动力学模型 | 机器学习 | 传染病 | 分形分数阶微分方程,深度神经网络 | DNN | 数值模拟数据 | NA | NA | 多层人工深度神经网络 | 回归R值,均方误差,均方根误差 | NA |
| 3112 | 2025-11-23 |
SSCLMix: A self-supervised contrastive learning-based data mixing augmentation method
2025-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108171
PMID:41110259
|
研究论文 | 提出一种基于自监督对比学习的医学图像混合数据增强方法SSCLMix,用于提升医学图像分割模型的性能 | 提出基于图像结构相似度的样本分类方法,结合双编码器对比学习和交叉自注意力机制进行跨样本建模,并引入双空间特征感知残差模块保护图像边缘纹理和区域信息 | 计算效率处于中上水平,未达到最优计算效率 | 解决医学图像分割中训练数据不足和类别不平衡问题 | 医学图像分割任务 | 医学图像处理 | NA | 数据增强 | 自监督对比学习, 注意力机制 | 医学图像 | 七个医学图像分割任务的数据集 | NA | 双编码器对比学习, 交叉自注意力机制, 双空间特征感知残差模块 | 分割模型指标 | NA |
| 3113 | 2025-11-23 |
Construction and effectiveness test of multimodal data fusion prediction model for intracranial infection after severe craniocerebral injury in children based on deep learning
2025-Nov-22, BMC neurology
IF:2.2Q3
DOI:10.1186/s12883-025-04502-z
PMID:41272576
|
研究论文 | 基于深度学习构建儿童重型颅脑损伤术后颅内感染的多模态数据融合预测模型并进行有效性验证 | 首次将深度学习特征、影像组学特征和临床数据融合构建多模态预测模型用于儿童重型颅脑损伤术后颅内感染的早期识别 | 样本量相对有限(内部验证队列203例,时间验证队列101例),单中心研究 | 开发并验证基于深度学习的多模态数据融合预测模型,用于儿童重型颅脑损伤术后颅内感染的早期识别 | 儿童重型颅脑损伤手术患者 | 数字病理学 | 颅脑损伤 | 影像组学分析,深度学习特征提取 | 深度学习模型 | 多模态数据(临床数据,影像数据) | 内部验证队列203例(感染组46例,非感染组157例),时间验证队列101例(感染组25例,非感染组76例) | NA | NA | ROC曲线,临床决策曲线分析,校准曲线 | NA |
| 3114 | 2025-11-23 |
Data Augmentation Via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context
2025-Nov-21, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635264
PMID:41269845
|
研究论文 | 提出利用数字孪生生成个性化合成数据的数据增强策略,以改善1型糖尿病葡萄糖预测深度学习模型的性能 | 首次将数字孪生技术应用于1型糖尿病数据增强,通过生成个性化合成数据解决数据稀缺问题 | 仅基于12名患者的开源数据集进行验证,样本规模较小 | 开发用于1型糖尿病葡萄糖水平预测的个性化深度学习算法 | 1型糖尿病患者的葡萄糖-胰岛素动态数据 | 机器学习 | 1型糖尿病 | 数字孪生技术,数据增强 | 深度神经网络 | 时间序列生理数据 | 12名患者的开源数据集 | NA | NA | 葡萄糖预测准确度 | NA |
| 3115 | 2025-11-23 |
Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis
2025-Nov-21, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635426
PMID:41269846
|
研究论文 | 提出一种结合3D生成对抗网络和双通道视觉Transformer的框架,用于腰椎生物力学分析 | 引入物理引导机制确保模型符合力学原理,并采用数据增强和双通道架构提取几何与物理信息 | 数据依赖性和物理一致性仍是挑战 | 开发高效准确的腰椎生物力学分析方法 | 腰椎脊柱 | 计算机视觉 | 脊柱疾病 | 有限元分析,深度学习 | GAN, Transformer | 3D图像数据 | NA | NA | 3D生成对抗网络,双通道视觉Transformer | 交并比,均方误差 | NA |
| 3116 | 2025-11-23 |
NDMamba: Dual-Prior State-Space Model for Nighttime Deraining
2025-Nov-21, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3633561
PMID:41269856
|
研究论文 | 提出一种基于双先验状态空间模型的夜间图像去雨方法NDMamba | 首次将Retinex理论与状态空间模型结合,通过双先验引导机制同时建模光照条件和雨纹分布 | 未明确说明模型在极端低光条件下的表现 | 解决夜间图像去雨任务中计算效率与恢复性能的平衡问题 | 夜间含雨图像 | 计算机视觉 | NA | 深度学习 | 状态空间模型 | 图像 | 合成和真实世界基准数据集 | 未明确说明 | Prior Extraction Module (PEM), Prior-Guided Mamba Block (PGMB), Lighting-Adaptive Vision State-Space Module (LVSSM), Rain Distribution Guidance Module (RDGM) | 未明确说明具体指标 | NA |
| 3117 | 2025-11-23 |
Using artificial intelligence to automate the analysis of psoriasis severity: A pilot study
2025-Nov-21, Dermatology (Basel, Switzerland)
DOI:10.1159/000549640
PMID:41269911
|
研究论文 | 本研究利用YOLOv8深度学习模型对银屑病临床图像进行严重程度自动分类 | 首次将YOLOv8模型应用于银屑病严重程度自动分析,基于PASI评分系统的关键子成分(红斑、厚度和鳞屑)进行分类 | 试点研究,样本量有限,需进一步验证 | 提高银屑病严重程度评估的一致性和客观性 | 银屑病皮损的临床图像 | 计算机视觉 | 银屑病 | 深度学习 | YOLOv8 | 2D临床图像 | 三个不同数据集 | Google Colab | YOLOv8 | 混淆矩阵, 准确率 | 基于云的环境(Google Colab) |
| 3118 | 2025-11-23 |
Sex and stress govern the function and innervation of a basolateral amygdala to nucleus accumbens corticotropin releasing hormone/GABA expressing projection
2025-Nov-21, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.1239-25.2025
PMID:41271439
|
研究论文 | 本研究揭示了基底外侧杏仁核到伏隔核的CRH/GABA能投射在调控奖赏行为中的性别特异性功能差异 | 首次发现CRH/GABA能BLA-NAc投射在调控奖赏行为中具有性别特异性功能,并揭示了早期生活逆境导致的神经支配模式性别差异 | 研究主要基于小鼠模型,人类相关性需要进一步验证;机制研究仍需深入 | 探究早期生活逆境对奖赏回路功能的性别特异性影响机制 | 成年雄性和雌性CRH-Cre小鼠 | 神经科学 | 情感障碍 | 化学遗传学、组织透明化、光片荧光显微镜、深度学习、电生理学 | DREADDs, 深度学习模型 | 神经影像、电生理记录、行为数据 | CRH-Cre小鼠,包含对照组和ELA组的雄性和雌性个体 | 深度学习流程 | NA | 神经支配模式分析、行为学评估 | 光片荧光显微镜成像系统 |
| 3119 | 2025-11-23 |
Deep learning enabled rapid detection of live bacteria in the presence of food debris
2025-Nov-21, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00636-z
PMID:41271775
|
研究论文 | 开发了一种基于深度学习的快速检测方法,可在存在食物残渣的情况下通过白光显微镜图像识别活细菌 | 首次将深度学习应用于存在形态相似食物残渣干扰的细菌微菌落快速检测,实现了高精度分类 | 研究仅针对三种特定细菌和三种食物残渣,需要验证更广泛的细菌种类和食物类型 | 开发快速准确的食品病原菌检测方法以解决公共卫生问题 | 大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌以及鸡肉、菠菜和奶酪残渣 | 计算机视觉 | 食源性疾病 | 白光显微镜成像 | CNN | 图像 | 四种细菌类型和三种食物残渣的微菌落图像数据集 | NA | ResNet50, Region Proposal Network | 精确度, 召回率, 假阳性率 | NA |
| 3120 | 2025-11-23 |
Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28490-9
PMID:41271988
|
研究论文 | 提出一种动态算术优化算法来提升Ridgelet神经网络在遥感场景分类中的性能 | 首次将动态算术优化算法(DAOA)与Ridgelet神经网络(RNN)结合,用于自动优化网络超参数 | 仅使用单一公开数据集进行验证,未在其他数据集上测试泛化能力 | 提高遥感场景分类的准确性和效率 | 遥感图像场景分类 | 计算机视觉 | NA | 遥感图像处理 | Ridgelet神经网络(RNN) | 图像 | UC Merced土地利用数据集 | NA | Ridgelet神经网络 | 效率,精度 | NA |