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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3741 | 2025-10-06 |
Artificial intelligence for detection and characterization of focal hepatic lesions: a review
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04597-x
PMID:39369107
|
综述 | 本文综述了基于人工智能的算法在CT和MRI图像中检测和表征局灶性肝脏病变的诊断能力 | 系统评估了AI算法在肝脏病变检测和分类中的应用潜力,特别关注良恶性病变的区分 | 需要扩展数据集、提高模型可解释性并在更广泛的临床环境中验证AI工具 | 评估人工智能在局灶性肝脏病变检测和表征中的诊断能力 | 局灶性肝脏病变(FLL) | 计算机视觉 | 肝脏疾病 | CT, MRI | CNN | 医学影像 | 45项相关研究(2010年1月至2024年4月) | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性, AUC | NA |
| 3742 | 2025-10-06 |
Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks
2025-Apr, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30113
PMID:39840857
|
研究论文 | 本研究开发了一种基于步态视频和深度学习模型预测小脑性共济失调严重程度的方法 | 首次将姿态估计算法应用于步态视频来预测小脑性共济失调的严重程度 | 研究样本量较小(66名患者),仅针对退行性小脑疾病患者 | 评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度 | 66名退行性小脑疾病患者 | 计算机视觉 | 小脑性共济失调 | 姿态估计算法,视频分析 | 深度学习模型 | 视频 | 66名患者 | NA | NA | 均方根误差,决定系数 | NA |
| 3743 | 2025-10-06 |
Increase Docking Score Screening Power by Simple Fusion With CNNscore
2025-Mar-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70060
PMID:39981784
|
研究论文 | 提出一种通过将传统分子对接评分与CNN评分简单融合来提高虚拟筛选效能的新策略 | 首次将GNINA的卷积神经网络评分与传统Watvina对接评分通过乘法融合,显著提升了虚拟筛选能力 | 方法仅在特定靶点TYK2上验证,需要更多靶点验证通用性 | 提高结构基虚拟筛选中的分子对接评分函数的筛选能力 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子对接,虚拟筛选 | CNN | 分子结构数据 | 近120亿个分子 | GNINA | 卷积神经网络 | 筛选效能,IC50值 | NA |
| 3744 | 2025-10-06 |
Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays
2025-Mar, Journal of extracellular vesicles
IF:15.5Q1
DOI:10.1002/jev2.70052
PMID:40098346
|
研究论文 | 通过大规模无偏蛋白质组学分析识别脑源性细胞外囊泡在脑脊液中的特异性标志物 | 首次在脑脊液中系统筛选5416种蛋白质,结合深度学习模型区分跨膜蛋白定位,挑战传统跨膜蛋白均与EV相关的假设 | 仅基于严格的EV分离模式标准进行筛选,需要进一步实验验证候选标志物的特异性 | 识别脑源性细胞外囊泡的特异性捕获标志物和来源验证蛋白 | 人脑脊液中的细胞外囊泡 | 生物信息学 | 神经系统疾病 | 邻近延伸分析,Olink筛查,尺寸排阻色谱 | DeepTMHMM | 蛋白质组数据 | 大规模筛查(5416种蛋白质) | NA | DeepTMHMM | EV分离模式标准 | NA |
| 3745 | 2025-10-06 |
En masse evaluation of RNA guides (EMERGe) for ADARs
2025, Methods in enzymology
DOI:10.1016/bs.mie.2024.11.030
PMID:39870442
|
研究论文 | 介绍一种名为EMERGe的高通量筛选方法,用于全面评估ADARs的RNA引导链并识别能够促进特定腺苷编辑的引导序列 | 开发了EMERGe体外筛选方法,能够克服当前设计原则在难编辑靶点上的局限性,为充分释放ADARs治疗潜力提供新途径 | 在最大化文库覆盖度方面存在挑战,且尚未与机器学习或深度学习模型完全整合 | 开发高通量筛选方法以识别能够促进ADARs特异性编辑的RNA引导链 | ADARs(RNA腺苷脱氨酶)及其RNA引导链 | 生物技术 | NA | NGS, 体外筛选, 高通量筛选 | NA | RNA序列数据 | NA | NA | NA | NA | NA |
| 3746 | 2025-10-06 |
Assessing the cardioprotective effects of exercise in APOE mouse models using deep learning and photon-counting micro-CT
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320892
PMID:40208877
|
研究论文 | 本研究使用光子计数显微CT和深度学习技术评估运动对不同APOE基因型小鼠心脏结构和功能的影响 | 首次结合光子计数显微CT和3D U-Net深度学习模型评估运动对不同APOE基因型小鼠的心脏保护作用 | 研究仅限于小鼠模型,样本量相对有限,且未探索长期运动效应 | 评估运动对不同APOE基因型小鼠心脏结构和功能的影响 | 140只不同APOE基因型(APOE2、APOE3、APOE4)的小鼠,按性别和运动方案分组 | 数字病理学 | 心血管疾病 | 光子计数计算机断层扫描(PCCT)、脂质体碘纳米颗粒对比剂 | CNN | 显微CT图像 | 140只小鼠 | NA | 3D U-Net | Dice系数 | NA |
| 3747 | 2025-10-06 |
UFPF: A Universal Feature Perception Framework for Microscopic Hyperspectral Images
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3594151
PMID:40763051
|
研究论文 | 提出一种用于显微高光谱图像的通用特征感知框架,通过分层结构和双路径模块提升空间-光谱特征提取能力 | 提出分层角到中心Mamba结构捕获空间邻近关系,采用渐进式中心聚焦策略,设计双路径空间-光谱联合感知模块和Mamba注意力混合对齐机制 | NA | 开发能够充分挖掘高光谱数据临床价值的通用特征提取框架 | 显微高光谱图像 | 计算机视觉 | NA | 高光谱成像 | Mamba, 注意力机制 | 高光谱图像 | NA | NA | 分层角到中心Mamba结构,双路径空间-光谱联合感知模块 | 分类性能,分割性能 | NA |
| 3748 | 2025-10-06 |
RNA language models predict mutations that improve RNA function
2024-12-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54812-y
PMID:39638800
|
研究论文 | 本文开发了GARNET数据库和基于GPT的RNA生成模型,用于预测能提高RNA功能的突变 | 创建了首个将RNA序列与生物表型(最适生长温度)关联的数据库,并开发了序列和结构感知的RNA生成模型 | RNA结构预测仍受限于高质量参考数据的缺乏 | 理解RNA序列、结构和功能之间的联系,预测能提高RNA热稳定性的突变 | 结构化RNA,特别是核糖体RNA | 自然语言处理 | NA | RNA测序,深度学习 | GPT | RNA序列数据,结构数据 | 基于基因组分类数据库(GTDB)参考生物的RNA序列 | NA | GPT-like模型 | NA | NA |
| 3749 | 2025-10-06 |
Artificial intelligence-assisted grading for tear trough deformity
2024-10, Journal of plastic, reconstructive & aesthetic surgery : JPRAS
DOI:10.1016/j.bjps.2024.07.048
PMID:39151284
|
研究论文 | 本研究开发了一种基于智能手机摄影和人工智能深度学习技术的泪沟畸形数字图像分级模型 | 首次证明可通过智能手机内置摄像头结合AI深度学习程序对泪沟畸形进行分类 | 训练模型敏感度56%、测试模型敏感度49.3%相对较低,样本量有限(504患者983张照片) | 建立可靠精确的泪沟畸形数字图像分级模型,辅助外科医生临床决策 | 泪沟畸形患者的面部照片 | 计算机视觉 | 面部整形 | 智能手机摄影,深度学习 | 深度学习 | 图像 | 504名患者,983张照片 | MAIA™医疗AI助手软件 | NA | 敏感度, 特异度, F1分数, AUROC, 混淆矩阵, 热力图 | NA |
| 3750 | 2025-10-06 |
Deep-learning features based on F18 fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) to predict preoperative colorectal cancer lymph node metastasis
2024-09, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.05.017
PMID:38955636
|
研究论文 | 基于18F-FDG PET/CT的深度学习特征预测结直肠癌术前淋巴结转移 | 首次将深度学习特征、影像组学特征和临床特征整合构建预测模型 | 样本量相对有限(119例患者),需要更大规模验证 | 开发预测结直肠癌淋巴结转移的预后模型 | 结直肠癌患者 | 医学影像分析 | 结直肠癌 | 18F-FDG PET/CT扫描 | 支持向量机 | 医学影像 | 119例患者(训练集95例,验证集24例),外加33例外部测试数据 | pyradiomics, Scikit-learn | 深度学习迁移学习特征提取 | AUC, 敏感性, 特异性 | NA |
| 3751 | 2025-10-06 |
Identifying Diabetic Retinopathy in the Human Eye: A Hybrid Approach Based on a Computer-Aided Diagnosis System Combined with Deep Learning
2024-02-05, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10020017
PMID:38393285
|
研究论文 | 提出一种结合计算机辅助诊断系统和深度学习的混合方法用于糖尿病视网膜病变的自动检测 | 采用混合建模策略解决类别不平衡问题,并通过CNN分析和SHAP模型推导结果进行综合比较 | 存在数据集不平衡、标注错误、样本图像不足和性能评估指标不当等问题 | 开发自动化的糖尿病视网膜病变检测系统 | 糖尿病视网膜病变患者眼部医学图像 | 计算机视觉 | 糖尿病视网膜病变 | 医学影像分析 | CNN, 深度学习 | 医学图像 | 三个基准数据集 | NA | CNN | 精确率 | NA |
| 3752 | 2025-10-06 |
Considerations on brain age predictions from repeatedly sampled data across time
2023-10, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.3219
PMID:37587620
|
研究论文 | 本研究探讨基于重复采样时间序列数据的脑年龄预测表现及其在临床应用中的考量 | 首次使用密集采样的纵向MRI数据分析同一受试者不同时间点的脑年龄预测表现,并验证数据采集参数对预测结果的影响 | 样本量较小(仅4名受试者),年龄范围有限可能未包含成熟效应,扫描质量影响结论不明确 | 验证脑年龄预测模型在纵向数据中的表现及其临床应用可靠性 | 人类大脑MRI数据 | 医学影像分析 | NA | 磁共振成像(MRI),T1加权成像 | 深度学习模型 | 医学影像(MRI) | 4名受试者的密集采样纵向数据+两个横断面验证数据集 | NA | 预训练深度学习模型 | 相关性分析 | NA |
| 3753 | 2025-10-06 |
Advanced photon counting CT imaging pipeline for cardiac phenotyping of apolipoprotein E mouse models
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291733
PMID:37796905
|
研究论文 | 开发基于光子计数CT的成像流程用于载脂蛋白E小鼠模型的心脏表型分析 | 结合光子计数CT、光谱分解和深度学习心脏分割的综合成像流程,能够分离钙化斑块和碘增强血液 | 研究仅限于小鼠模型,样本量为123只,需要进一步验证在人类中的适用性 | 开发成像流程全面评估不同APOE基因型小鼠的心脏结构和功能 | 123只按APOE基因型(APOE2、APOE3、APOE4、APOE敲除)、性别、人类NOS2因子和饮食分组的小鼠 | 医学影像 | 心血管疾病 | 光子计数CT、对比增强活体成像、固有心脏门控、光谱分解 | 深度学习 | CT图像 | 123只小鼠 | NA | NA | Dice系数 | NA |
| 3754 | 2025-10-06 |
Artificial intelligence in nutrition and ageing research - A primer on the benefits
2025-Sep, Maturitas
IF:3.9Q1
DOI:10.1016/j.maturitas.2025.108662
PMID:40645039
|
综述 | 探讨人工智能在营养与老龄化研究中的应用潜力及挑战 | 系统阐述AI技术在老年营养健康领域的创新应用,包括自动化饮食评估和风险预测 | 存在数据质量、伦理问题和模型可解释性等关键挑战 | 促进人工智能在营养与健康老龄化领域的应用与发展 | 老年人群的健康管理与营养干预 | 自然语言处理, 机器学习 | 老年疾病 | 机器学习, 自然语言处理, 深度学习 | NA | 图像, 文本 | 基于大型数据集 | NA | NA | 准确率 | NA |
| 3755 | 2025-10-06 |
Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning
2025-Sep, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02088-7
PMID:40681770
|
综述 | 本文综述了临床PET图像重建中贝叶斯惩罚似然算法和深度学习方法的技术原理与临床性能 | 系统总结商业PET系统中集成的BPL算法与新兴深度学习方法的创新融合,特别是混合重建方法uAI HYPER DPR | 未涉及具体实验数据验证,主要基于技术原理和现有商业系统的性能分析 | 总结先进PET图像重建技术原理并促进其临床转化应用 | PET图像重建算法 | 医学影像处理 | NA | PET成像 | CNN | 医学影像 | NA | NA | NA | 图像质量, 定量准确性 | NA |
| 3756 | 2025-10-06 |
Towards trustworthy artificial intelligence in musculoskeletal medicine: A narrative review on uncertainty quantification
2025-Sep, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.12737
PMID:40719310
|
综述 | 本文综述了不确定性量化在肌肉骨骼医学人工智能中的应用,旨在提升深度学习模型的可信度 | 提出了肌肉骨骼医学中不确定性量化的系统分类方法,并探讨了其在临床转化中的关键作用 | 属于叙述性综述,缺乏系统性评价的严格方法学框架 | 推动可信人工智能在肌肉骨骼医学中的临床应用 | 肌肉骨骼医学影像中的深度学习模型 | 医学影像分析 | 肌肉骨骼疾病 | 不确定性量化方法 | 深度学习模型 | 医学影像 | NA | NA | NA | 不确定性量化指标 | NA |
| 3757 | 2025-10-06 |
Improving Clinically Significant Prostate Cancer Detection with a Multimodal Machine Learning Approach: A Large-Scale Multicenter Study
2025-Sep, Radiology. Imaging cancer
DOI:10.1148/rycan.240507
PMID:40815224
|
研究论文 | 开发并验证了一种结合临床和影像特征的多模态机器学习模型,用于预测临床显著性前列腺癌 | 首次在大规模多中心研究中结合双参数MRI影像组学特征与临床指标构建预测模型,并在前瞻性验证中证明其优于传统PI-RADS评分 | 在一个医疗中心表现较差,对高PI-RADS评分病例敏感性增加可能带来偏倚 | 提高临床显著性前列腺癌的检测准确性 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 双参数MRI, 影像组学分析 | 深度学习, 机器学习 | 医学影像, 临床数据 | 回顾性数据集7157例患者,前瞻性验证集1629例患者 | NA | 自动深度学习分割算法 | AUC, 特异性, 敏感性 | NA |
| 3758 | 2025-10-06 |
A Deep Learning Model for Chemical Shieldings in Molecular Organic Solids Including Anisotropy
2025-Aug-28, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01819
PMID:40825152
|
研究论文 | 开发了一种名为ShiftML3的深度学习模型,用于预测分子有机固体中的化学屏蔽,包括各向异性 | 在提高分子固体中化学屏蔽预测精度的同时,还能预测完整的屏蔽张量,其预测精度接近DFT参考计算水平 | NA | 开发更准确、快速的化学屏蔽预测方法,替代计算密集的从头算方法 | 分子有机固体中的核磁共振化学屏蔽 | 机器学习 | NA | 核磁共振(NMR) | 深度学习 | 化学屏蔽数据 | NA | NA | ShiftML3 | 均方根误差(RMSE) | NA |
| 3759 | 2025-10-06 |
Prediction of influenza-like illness incidence using meteorological factors in Kunming : deep learning model study
2025-Aug-16, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-23710-3
PMID:40818971
|
研究论文 | 本研究使用深度学习方法结合气象因素预测昆明市流感样病例发病率 | 在LSTM模型中引入核注意力网络(KAN)增强非线性学习能力,并验证气象数据对流感预测的改进效果 | 研究仅基于昆明市数据,时间范围有限(2017-2022年) | 评估气象因素结合LSTM模型提高流感样病例发病率预测准确性的潜力 | 昆明市流感样病例发病率和气象数据 | 机器学习 | 流感 | 皮尔逊相关分析,深度学习 | LSTM | 时间序列数据 | 2017年11月至2022年1月的流感和气象数据 | NA | LSTM, 注意力机制堆叠LSTM, 核注意力网络(KAN) | 平均绝对百分比误差(MAPE) | NA |
| 3760 | 2025-10-06 |
A Large-Scale Image Repository for Automated Pavement Distress Analysis and Degradation Trend Prediction
2025-Aug-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05748-5
PMID:40813387
|
研究论文 | 构建了一个包含路面病害识别和长期跟踪的大规模图像数据集,并评估了六种目标检测算法的性能 | 首个包含路面病害长期跟踪的大规模数据集,为动态跟踪监测和道路维护策略优化提供数据支持 | 未明确说明数据采集的地理范围和环境条件限制 | 开发自动化路面病害检测技术和预测退化趋势 | 路面病害图像数据 | 计算机视觉 | NA | 深度学习 | 目标检测算法 | 图像 | 51012张路面病害识别图像 + 8928张长期跟踪图像 | NA | NA | NA | NA |