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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3561 | 2025-11-16 |
Screening and analysis of malt pentapeptide DPP-IV inhibitory activity
2025-Nov-12, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00584-8
PMID:41224748
|
研究论文 | 本研究通过多学科方法从麦芽中鉴定出具有DPP-IV抑制活性的五肽YPQPQ,并揭示其通过ERK信号通路发挥作用的机制 | 首次从麦芽醇溶蛋白中鉴定出五肽YPQPQ作为新型天然DPP-IV抑制剂,并阐明其通过调控ERK信号通路发挥作用的分子机制 | 研究主要基于计算模拟和体外实验,缺乏体内实验验证和临床前研究数据 | 从麦芽中筛选和验证具有DPP-IV抑制活性的天然化合物,为2型糖尿病治疗提供新候选药物 | 麦芽来源的五肽化合物,特别是YPQPQ五肽 | 计算生物学, 药物发现 | 2型糖尿病 | 分子对接, 分子动力学模拟, 网络药理学, 深度学习, 体外活性测试 | ConPlex, KPGT | 分子结构数据, 蛋白质序列, 活性测试数据 | 麦芽醇溶蛋白来源的五肽YPQPQ | NA | NA | IC50值(23.87 μM), ERK磷酸化水平 | NA |
| 3562 | 2025-11-16 |
A Large-Scale Synthetic Benchmark Dataset for Non-Cooperative Space Target Perception
2025-Nov-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06056-8
PMID:41224761
|
研究论文 | 构建了一个用于空间目标感知的大规模合成基准数据集NCSTP | 创建了首个支持空间目标检测、识别和部件分割的多任务合成数据集,通过Blender模拟真实空间环境生成多样化图像 | 数据为合成生成而非真实空间图像,可能与实际空间环境存在差异 | 解决空间目标感知研究中缺乏大规模标注数据集的问题 | 卫星、空间碎片和太空岩石等空间目标 | 计算机视觉 | NA | Blender三维建模与渲染 | 目标检测模型,语义分割模型 | 合成图像 | 200,000张图像 | NA | NA | NA | NA |
| 3563 | 2025-11-16 |
Deep generative optimization of mRNA codon sequences for enhanced mRNA translation and therapeutic efficacy
2025-Nov-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64894-x
PMID:41224770
|
研究论文 | 提出深度学习框架RiboDecode,通过优化mRNA密码子序列增强mRNA翻译效率和治疗效果 | 直接从大规模核糖体分析数据学习,在大型序列空间进行生成式探索,实现数据驱动且考虑细胞环境的mRNA设计 | 未明确说明模型在更广泛疾病模型中的适用性 | 优化mRNA密码子序列以提高mRNA翻译效率和治疗效果 | mRNA密码子序列、流感血凝素mRNA、神经生长因子mRNA | 机器学习 | 流感病毒感染、视网膜神经节细胞损伤 | 核糖体分析、深度生成模型 | 深度学习生成模型 | 序列数据、核糖体分析数据 | 小鼠模型研究 | NA | NA | 预测准确性、蛋白表达水平、中和抗体反应强度、神经保护效果 | NA |
| 3564 | 2025-11-14 |
Deep learning approach to energy consumption modeling in wastewater pumping systems
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23158-w
PMID:41224784
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3565 | 2025-11-16 |
Deep learning-based metal artifact reduction in CT for total knee arthroplasty
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21012-7
PMID:41224803
|
研究论文 | 本研究开发了一种基于深度学习的膝关节金属伪影减少网络(KMAR-Net),用于全膝关节置换术后CT图像中的金属伪影消除 | 开发了专门的深度学习网络KMAR-Net,在金属伪影减少方面优于传统的投影完成方法 | 研究样本量有限,仅包含50名无金属假体患者和44名TKA术后患者 | 评估基于深度学习的金属伪影减少技术在TKA术后CT评估中的性能 | 全膝关节置换术后患者的CT图像 | 医学影像处理 | 骨科疾病 | CT扫描 | 深度学习网络 | CT图像 | 50名无金属假体患者用于开发数据集,44名TKA术后患者用于临床测试 | NA | KMAR-Net | 面积测量、平均衰减值、标准差、视觉分级分析 | NA |
| 3566 | 2025-11-16 |
An enhanced deep learning-based framework for diagnosing apple leaf diseases
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23272-9
PMID:41224813
|
研究论文 | 提出一种改进的轻量级YOLOv8模型E-YOLOv8,用于苹果叶部病害的实时诊断 | 融合GhostConv和C3模块减少冗余特征提取和计算成本,结合CBAM注意力和定制FPN增强多尺度特征融合和小病变检测能力 | 仅针对苹果叶部病害进行验证,未测试在其他作物病害上的泛化能力 | 开发轻量级深度学习框架实现苹果叶部病害的实时准确诊断 | 苹果叶部病害图像 | 计算机视觉 | 植物病害 | 深度学习 | YOLO | 图像 | 大规模苹果叶部病害数据集 | NA | YOLOv8, E-YOLOv8, GhostConv, C3, CBAM, FPN | mAP0.5, GFLOPs, 参数量 | 边缘设备 |
| 3567 | 2025-11-16 |
D-TNet: a hybrid Dense Net-transformer model for robust diabetic retinopathy detection
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23234-1
PMID:41224814
|
研究论文 | 提出一种混合DenseNet-Transformer模型D-TNet,用于糖尿病视网膜病变的鲁棒检测和严重程度分级 | 首次将DenseNet121的空间特征提取能力与Transformer的长距离上下文依赖建模能力相结合,解决了传统AI方法在DR严重程度分级中的不平衡分类和泛化能力差的问题 | 需要跨数据集验证和实际部署测试,尚未整合多模态临床数据 | 开发可靠的糖尿病视网膜病变自动检测和严重程度分级系统 | 糖尿病视网膜病变患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, Transformer | 图像 | 来自APTOS2019和Messidor-2数据集的视网膜图像 | NA | DenseNet121, Transformer | 准确率, F1分数, Kappa分数 | NA |
| 3568 | 2025-11-16 |
Underwater dam image enhancement based on CNN-transformer fusion
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23746-w
PMID:41224884
|
研究论文 | 提出融合CNN和Transformer的ESRTGAN网络用于水坝水下图像增强 | 首次将CNN的局部特征提取与Transformer的全局上下文建模相结合用于水坝水下图像增强 | 未明确说明模型在极端浑浊水域的泛化能力 | 解决水坝水下图像的光学退化问题,提升图像质量以支持安全检测 | 水坝水下结构图像 | 计算机视觉 | NA | 图像增强技术 | GAN, CNN, Transformer | 图像 | 真实水坝水下图像数据集(未明确具体数量) | NA | ESRTGAN(包含多尺度特征融合、自适应通道注意力机制) | PSNR, SSIM, LPIPS | NA |
| 3569 | 2025-11-16 |
Multimodal deep learning for midpalatal suture assessment in maxillary expansion
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23500-2
PMID:41224896
|
研究论文 | 开发并验证了用于腭中缝成熟度评估的多模态深度学习框架DeepMSM | 首个整合锥形束CT与临床指标的多模态深度学习框架,采用基于注意力的融合策略 | 回顾性研究,样本量相对有限(200例患者) | 开发自动化的腭中缝成熟度评估系统以提高正畸治疗规划的可靠性 | 200名7-36岁正畸患者的腭中缝 | 医学影像分析 | 正颌畸形 | 锥形束CT,头影侧位片 | 深度学习 | 医学影像,临床变量 | 200名正畸患者 | NA | 基于注意力的融合架构 | 准确率,F1分数 | NA |
| 3570 | 2025-11-16 |
Integrating transfer learning with scalogram analysis for blood pressure estimation from PPG signals
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23350-y
PMID:41224941
|
研究论文 | 本研究开发了一种基于深度学习和迁移学习的可靠方法,通过光电容积脉搏波信号进行血压估计 | 提出了一种独特的迁移学习框架,将尺度图深度特征提取与随机森林回归相结合,为血压估计提供了新途径 | 仅使用MIMIC-II公开数据库,未在其他数据集上验证模型泛化能力 | 开发并验证基于深度学习的可靠血压估计方法 | 光电容积脉搏波信号 | 机器学习 | 心血管疾病 | 连续小波变换 | CNN | 信号数据 | 来自MIMIC-II数据库的样本 | NA | VGG16, ResNet50, InceptionV3, NASNetLarge, InceptionResNetV2, ConvNeXtTiny | 平均绝对误差, 标准差 | NA |
| 3571 | 2025-11-16 |
Four-class classification of tumor-induced colorectal obstruction histopathology: A ResNet-mamba-mased study on cellular interaction pattern recognition
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23263-w
PMID:41224975
|
研究论文 | 开发基于ResNet和状态空间模块的深度学习模型,用于识别肿瘤性结直肠梗阻病理切片中的细胞相互作用模式并进行四分类 | 结合残差卷积网络和双向状态空间模块,能够同时进行多尺度特征提取和细胞相互作用的时空动态建模 | 数据来自单中心回顾性收集,缺乏外部多中心验证;仅在离线环境中评估,缺少真实工作流程中的前瞻性临床验证 | 开发深度学习模型识别肿瘤性肠梗阻病理切片中的细胞相互作用模式 | 肿瘤诱导性肠梗阻患者的病理切片 | 数字病理 | 结直肠癌 | 病理切片分析 | CNN, SSM | 图像 | 来自蚌埠医科大学第一附属医院的回顾性病理切片数据集 | PyTorch | ResNet, Mamba | 准确率, 宏F1分数, ROC-AUC, 召回率 | NA |
| 3572 | 2025-11-16 |
Short-term and long-term solar irradiance forecasting with advanced machine learning techniques in Zafarana, Egypt
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24853-4
PMID:41225071
|
研究论文 | 本文提出了一种结合特征选择技术和机器学习模型的集成框架,用于埃及Zafarana地区的短期和长期太阳辐照度预测 | 将多种特征选择方法(单因素方差分析、Boruta、随机森林)与机器学习和深度学习模型相结合,针对特定地区开发预测框架 | 研究仅限于埃及Zafarana地区,模型在其他地理区域的适用性需要进一步验证 | 提高太阳辐照度预测精度,优化太阳能能源管理 | 太阳辐照度历史数据 | 机器学习 | NA | NA | 线性回归,决策树,梯度提升,随机森林,CNN,LSTM,CNN-LSTM混合模型 | 时间序列数据 | NASA Power项目提供的历史数据 | NA | CNN,LSTM,CNN-LSTM | R²分数 | NA |
| 3573 | 2025-11-16 |
Identification of novel triazolopyrimidines as potent α-glucosidase inhibitor through design, synthesis, biological evaluations, and computational analysis
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23387-z
PMID:41225142
|
研究论文 | 通过设计合成新型三唑并嘧啶衍生物并评估其α-葡萄糖苷酶抑制活性 | 发现新型5,7-二芳基-[1,2,4]三唑并[1,5-a]嘧啶-6-胺类化合物,其中9s的抑制活性比阿卡波糖强30倍以上 | NA | 开发具有更高选择性和效力的新型α-葡萄糖苷酶抑制剂 | α-葡萄糖苷酶和合成的新型三唑并嘧啶衍生物 | 计算化学与药物设计 | 2型糖尿病 | 分子对接、分子动力学模拟、光谱分析(CD和荧光)、酶动力学 | BERT | 化学结构(SMILES)、光谱数据、酶活性数据 | 20个合成化合物(9a-9t) | 深度学习 | BERT | IC50值、抑制活性倍数 | NA |
| 3574 | 2025-11-16 |
Harnessing droplet microfluidics and morphology-based deep learning for the label-free study of polymicrobial-phage interactions
2025-Nov-12, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08925-9
PMID:41225150
|
研究论文 | 本研究开发了一种基于微滴微流控和形态学深度学习的无标记方法,用于研究多微生物-噬菌体相互作用 | 结合微滴封装技术与AI自动对焦的Z-stack明场显微镜成像,无需平板培养即可量化两种形态不同细菌的生长动态 | 仅针对两种形态不同的细菌物种进行研究,方法可能不适用于形态相似的菌种 | 评估噬菌体对细菌群落的影响,为噬菌体治疗提供研究方法 | 铜绿假单胞菌和金黄色葡萄球菌的单一或共培养体系 | 数字病理 | NA | 微滴微流控,Z-stack明场显微镜 | 深度学习 | 图像 | 11皮升微滴中培养长达20小时的细菌样本 | NA | NA | 生长速率,细菌密度,裂解动力学 | NA |
| 3575 | 2025-11-16 |
SmartPLR: a digital solution for AI-powered smartphone pupillometry
2025-Nov-12, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04462-5
PMID:41225382
|
研究论文 | 开发基于深度学习的智能手机瞳孔测量应用并与商业瞳孔计进行准确性比较 | 首个无需红外光源或附加设备的深度学习智能手机瞳孔测量方案 | 样本量相对有限(158名志愿者),需进一步验证临床适用性 | 开发高精度的智能手机瞳孔光反射测量方法 | 人类瞳孔光反射 | 计算机视觉 | 神经系统疾病 | 智能手机成像 | 深度学习 | 图像 | 158名志愿者的336次瞳孔光反射检测 | NA | UNet, UNet++, DeepLabV3, DeepLabV3+, Mask R-CNN, ResNet50, Swin Transformer, ConvNeXt V2 | 交并比, 分割平均精度, 边界框平均精度, 皮尔逊相关系数 | NA |
| 3576 | 2025-11-14 |
Clinical implementation of deep learning-based synthetic CT for MRI-only volumetric modulated arc therapy in head and neck and pelvic cancer patients
2025-Nov-12, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02744-2
PMID:41225562
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3577 | 2025-11-16 |
Precise detection of Eimeria oocysts in sheep: a deep learning model based on microscopic images
2025-Nov-12, Parasites & vectors
IF:3.0Q1
DOI:10.1186/s13071-025-07092-4
PMID:41225607
|
研究论文 | 提出基于深度学习的YOLO-GA模型,用于精确检测绵羊粪便显微镜图像中的艾美耳球虫卵囊 | 在YOLOv5架构基础上引入两种轻量级注意力模块:上下文变换器(CoT)块用于局部-全局上下文增强,归一化注意力机制(NAM)用于自适应特征重校准 | 需要进一步验证才能扩展到其他小型反刍动物球虫病(如山羊艾美耳球虫) | 开发自动化检测系统用于绵羊艾美耳球虫病的智能诊断 | 绵羊艾美耳球虫卵囊 | 计算机视觉 | 寄生虫病 | 显微镜成像 | YOLO | 图像 | 2000张显微镜图像(200倍放大) | PyTorch | YOLOv5, YOLO-GA | 平均精度(mAP@0.5), 精确率 | NA |
| 3578 | 2025-11-16 |
How evaluation choices distort the outcome of generative drug discovery
2025-Nov-12, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01108-y
PMID:41225661
|
研究论文 | 本文批判性分析生成式药物发现中的评估方法,揭示评估选择对结果的影响并提出改进策略 | 发现生成分子库规模对评估结果的重大影响,提出计算效率高的新指标和大规模评估方法 | 研究主要基于化学语言模型,可能不涵盖所有类型的生成模型 | 提高生成式药物发现中评估实践的稳健性和可靠性 | 约10亿个由深度学习模型生成的分子设计 | 机器学习 | NA | 化学语言模型 | 深度学习模型 | 分子结构数据 | 约10亿个分子设计 | NA | 化学语言模型 | 独特性, 分布相似性, 多样性 | NA |
| 3579 | 2025-11-16 |
Hybrid Synthetic Minority Over-sampling Technique (HSMOTE) and Ensemble Deep Dynamic Classifier Model (EDDCM) for big data analytics
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23062-3
PMID:41219284
|
研究论文 | 提出一种结合混合合成少数类过采样技术和集成深度动态分类器模型的大数据分类框架 | 提出HSMOTE方法处理类别不平衡问题,开发OEFSM集成特征选择模型,并构建EDDCM动态集成分类器 | NA | 提升大数据分类在类别不平衡和高维特征下的性能 | 二分类和多分类数据集 | 机器学习 | NA | NA | CNN, LSTM, Autoencoder | 大数据 | NA | MATLAB | DWCNN, DWBi-LSTM, WAE | 精确率, 召回率, F值, 准确率 | NA |
| 3580 | 2025-11-16 |
Predicting breast cancer response to neoadjuvant therapy by integrating radiomic and deep-learning features from early-and-peak phases of DCE-MRI
2025-Nov-11, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15095-8
PMID:41219899
|
研究论文 | 本研究通过整合DCE-MRI早期和峰值期的传统影像组学和3D深度学习特征,开发预测乳腺癌新辅助治疗病理完全缓解的模型 | 首次将DCE-MRI不同时相的传统影像组学特征与3D深度学习特征相结合,构建乳腺癌新辅助治疗疗效预测模型 | 回顾性研究设计,样本量相对有限,外部验证集仅包含30例患者 | 预测乳腺癌患者新辅助治疗的病理完全缓解,为手术策略调整和治疗方案优化提供依据 | 234例接受新辅助治疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 动态对比增强磁共振成像 | 逻辑回归 | 医学影像 | 234例乳腺癌患者(开发集204例,外部验证集30例) | NA | 3D深度学习 | AUC, 95%置信区间 | NA |