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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-11-04 |
A Multimodal Deep Learning Approach for White Matter Shape Prediction in Diffusion MRI Tractography
2025-Nov, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70396
PMID:41171024
|
研究论文 | 提出一种名为Tract2Shape的多模态深度学习框架,用于从扩散MRI纤维束成像数据中预测白质形状测量指标 | 首次将几何流线特征(点云)与标量数据描述符(表格数据)相结合的多模态深度学习框架,采用连体架构和双编码器设计学习模态特定表示 | 未明确说明模型在更广泛疾病群体中的泛化能力,以及对其他类型白质纤维束的适用性 | 开发高效准确的白质形状测量预测方法,支持大规模白质形状分析 | 人类白质纤维束的形状测量指标 | 医学影像分析 | 神经系统疾病 | 扩散MRI纤维束成像 | 多模态深度学习, Siamese网络 | 点云数据, 表格数据 | 人类连接组计划年轻成人数据集和帕金森病进展标志物倡议数据集 | NA | 双编码器设计, Siamese架构 | Pearson相关系数, 归一化均方误差 | NA |
| 22 | 2025-11-04 |
Deep learning models for segmentation and quantification of left atrial appendage volume using noncontrast cardiac computed tomography
2025-Nov-01, Journal of cardiovascular imaging
DOI:10.1186/s44348-025-00058-1
PMID:41174789
|
研究论文 | 本研究评估了四种基于U-Net的深度学习架构在非对比心脏CT扫描中对左心耳进行半自动分割和体积测量的性能 | 首次在非对比心脏CT扫描中系统比较多种3D U-Net变体用于左心耳分割和体积量化 | 回顾性研究设计,样本仅来自60岁以上患者,缺乏外部验证 | 开发准确的左心耳自动分割和体积测量方法以支持心血管风险评估 | 452名60岁以上因胸痛评估接受非对比心脏CT扫描的患者 | 医学影像分析 | 心血管疾病 | 非对比心脏计算机断层扫描(NCCT) | CNN | 3D医学影像 | 452名患者 | NA | UNet3D, Residual-UNet3D, 3D Attention-UNet, Res16-PAC-UNet | Dice系数, Pearson相关系数, Bland-Altman分析 | NA |
| 23 | 2025-11-04 |
Artificial intelligence in the diagnosis of gastro-entero-pancreatic neuroendocrine neoplasms: Potential benefits and current limitations
2025-Nov, Journal of neuroendocrinology
IF:3.3Q2
DOI:10.1111/jne.70087
PMID:40876862
|
综述 | 本文综述了人工智能在胃肠胰神经内分泌肿瘤诊断中的潜在应用与当前局限 | 首次系统探讨AI在GEP-NENs诊断中的具体应用潜力及实施障碍 | 当前AI在NENs领域的研究文献有限,尚未建立临床常规应用标准 | 评估AI在胃肠胰神经内分泌肿瘤诊断中的价值与挑战 | 胃肠胰神经内分泌肿瘤(GEP-NENs) | 数字病理 | 神经内分泌肿瘤 | 机器学习,深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 24 | 2025-11-04 |
Classification and Segmentation of Mucus Morphology Using Deep Learning During Diagnostic Nasal Endoscopy
2025-Nov, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70004
PMID:40879571
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于在诊断性鼻内镜检查中对黏液形态进行分类和分割 | 这是首个在鼻腔环境中客观分类黏液形态的研究 | NA | 通过深度学习模型检测鼻窦炎症 | 鼻内镜检查中遇到的黏液形态 | 计算机视觉 | 鼻窦炎 | 深度学习 | 预训练深度学习模型 | 内镜图像 | NA | NA | NA | NA | NA |
| 25 | 2025-11-04 |
Tackling the issue of confined chemical space with AI-based de novo drug design and molecular optimization
2025-Nov, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2025.2555275
PMID:40887314
|
综述 | 本文探讨了AI在解决化学空间受限问题中的新药设计和分子优化应用 | 利用基于条件的生成式AI技术探索化学空间中受限和未开发区域 | 评估设计分子合成可行性而不损害结构新颖性、基准数据集可用性和多样性不足、设计缺乏大规模实验验证 | 扩展治疗可利用的化学空间区域 | 药物候选分子 | 机器学习 | NA | AI驱动的从头药物设计、分子优化、逆合成预测 | 深度学习架构 | 化学结构数据 | NA | NA | 生成式AI | NA | NA |
| 26 | 2025-11-04 |
Decreased parietal epithelial cell density is linked to podocyte depletion and predictors of kidney disease progression in human kidneys
2025-Nov-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00243.2025
PMID:41052018
|
研究论文 | 开发深度学习方法来分析人类肾脏样本中壁层上皮细胞密度与肾小球疾病进展的关系 | 首次使用深度学习分析人类肾脏中壁层上皮细胞密度,发现其与足细胞密度减少和肾脏疾病进展相关的新联系 | 研究基于肾切除样本,患者已存在一定肾脏疾病,可能不完全代表健康人群 | 研究壁层上皮细胞在人类慢性肾小球疾病进展中的作用 | 来自无明显慢性肾脏病患者的肾切除样本中的14,000多个肾小球 | 数字病理学 | 慢性肾脏病 | 深度学习图像分析 | 深度学习 | 病理图像 | 超过14,000个肾小球 | NA | NA | NA | NA |
| 27 | 2025-11-04 |
Multisensory Integration for Identifying the Milling States in Robot-Assisted Cervical Laminectomy
2025-Nov, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.70182
PMID:41067886
|
研究论文 | 本研究通过整合触觉和听觉感知来识别机器人辅助颈椎椎板切除术中的高速磨钻状态 | 首次将触觉和听觉多感知融合应用于脊柱手术中磨钻状态识别,并采用LSTM模型实现高精度识别 | 实验仅在绵羊颈椎上进行,需要进一步验证在人体手术中的适用性 | 提高机器人辅助颈椎椎板切除术中磨钻状态识别的准确性 | 绵羊颈椎椎板切除术中的高速磨钻状态 | 医疗机器人 | 脊柱疾病 | 振动信号采集,声音信号采集,快速傅里叶变换 | LSTM, SVM, KNN, Naive Bayes, LDA, Decision Tree | 振动信号,声音信号 | 6600组高速磨钻数据 | NA | 单层LSTM网络 | 准确率 | NA |
| 28 | 2025-11-04 |
Deep learning approaches for resolving genomic discrepancies in cancer: a systematic review and clinical perspective
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf541
PMID:41176790
|
系统综述 | 系统评估深度学习在解决癌症基因组差异方面的应用进展与临床前景 | 首次系统综述深度学习在基因组差异解析中的架构性能与临床转化,提出联邦学习和注意力机制的未来路线图 | 存在数据稀缺性、批次效应和黑盒模型可解释性等持续挑战 | 评估深度学习在癌症基因组差异识别与校正中的应用效果 | 78项相关研究(2015-2024年) | 生物信息学 | 癌症 | 基因组测序 | CNN, 图神经网络 | 基因组数据 | 78项研究 | NA | 卷积架构, 图基础架构 | 准确率, 假阴性率 | NA |
| 29 | 2025-11-04 |
Detection of EGFR gene mutations in glioblastoma: Utilizing information complexity in developing AI-based decision support system
2025-Nov-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111240
PMID:41176824
|
研究论文 | 开发基于人工智能的决策支持系统,通过MRI图像自动分割肿瘤区域来分类胶质母细胞瘤患者的EGFR基因突变 | 将信息准则(IC)集成到深度学习流程中,平衡预测性能与结构复杂度以指导模型选择 | 使用单一医疗中心的数据集,需要进一步外部验证 | 开发非侵入性的EGFR基因突变分类方法以减少脑活检风险 | 胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | MRI | 深度学习 | 医学影像 | 伊斯坦布尔纪念医院的胶质母细胞瘤数据集 | NA | Inception ResNet-v2, DenseNet-121, ResNet-50 | 准确率, 精确率, 召回率 | NA |
| 30 | 2025-11-04 |
A deep learning algorithm to detect proximal humerus fractures on radiographs
2025-Nov, JSES reviews, reports, and techniques
DOI:10.1016/j.xrrt.2025.07.025
PMID:41179412
|
研究论文 | 开发一种基于深度学习的算法,用于在X光片上检测肱骨近端骨折 | 首次开发专门用于检测肱骨近端骨折的深度学习算法,并通过显著图可视化模型决策依据 | 研究主要依赖单一机构的内部数据集,外部验证集样本量相对较小(116例) | 开发可靠且可信的深度学习方法来检测X光片中的肱骨近端骨折 | 肱骨近端X光片,包括骨折(996例)和非骨折(607例)样本 | 计算机视觉 | 骨科创伤 | 放射影像分析 | 深度学习 | X光图像 | 1603例训练样本(996骨折+607非骨折),116例外部测试样本 | NA | NA | 准确率,F1分数,灵敏度 | NA |
| 31 | 2025-11-04 |
AI in drug repurposing for cancer therapies
2025-Nov, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003893
PMID:41180633
|
评论 | 本文探讨人工智能在癌症药物重定位领域的应用潜力与挑战 | 系统阐述AI技术通过分析海量数据揭示隐藏的药物-疾病关系,为癌症治疗提供更快速经济的药物开发方案 | 未涉及具体实验验证,主要基于文献案例讨论 | 分析人工智能在癌症药物重定位中的应用价值与发展前景 | 现有药物与癌症治疗的关联性 | 机器学习 | 癌症 | 机器学习, 深度学习 | NA | 多源医疗数据集 | NA | NA | NA | NA | NA |
| 32 | 2025-11-04 |
Artificial intelligence in genomics: transforming the diagnosis of hereditary spastic paraplegia
2025-Nov, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003882
PMID:41180748
|
综述 | 本文探讨人工智能在基因组学中的应用如何改变遗传性痉挛性截瘫的诊断 | 整合分子动力学模拟与深度学习的Dynamicasome工具,突破传统序列保守性分析局限,捕捉结构破坏效应 | 未提及具体验证数据集规模及临床实施挑战 | 提升遗传性痉挛性截瘫的基因诊断效率与准确性 | 遗传性痉挛性截瘫患者基因组数据 | 基因组学 | 遗传性痉挛性截瘫 | 二代测序, 分子动力学模拟 | 深度学习 | 基因组序列数据 | NA | NVIDIA Parabricks, Illumina DRAGEN | Dynamicasome, SpliceAI, Exomiser | 临床级准确性 | NVIDIA平台 |
| 33 | 2025-11-04 |
Artificial Intelligence Applications in Musculoskeletal Imaging
2025-Oct-31, Current reviews in musculoskeletal medicine
IF:2.9Q1
DOI:10.1007/s12178-025-09997-0
PMID:41168482
|
综述 | 本文综述了人工智能在肌肉骨骼影像学中的最新应用进展 | 重点关注计算机视觉和深度学习在肌肉骨骼影像中的多样化应用,并探讨基础模型和模型效率提升等新兴技术对临床整合的推动作用 | 模型泛化能力不足、数据质量问题和计算资源需求高等因素阻碍了AI在真实临床环境中的部署应用 | 探索AI在肌肉骨骼影像学中的应用潜力及其临床整合面临的挑战 | 肌肉骨骼影像学研究及其相关临床应用 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 诊断准确性、解读时间、效率 | 高计算需求 |
| 34 | 2025-11-04 |
OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection
2025-Oct-31, Lab on a chip
IF:6.1Q2
DOI:10.1039/d5lc00719d
PMID:41170835
|
研究论文 | 开发了一个开源无透镜显微镜平台OpenLM,集成了像素超分辨率算法,用于细菌生长监测和深度学习检测 | 将像素超分辨率技术与多角度LED照明相结合,显著提升无透镜显微镜分辨率同时保持大视场 | 分辨率仍受传感器像素尺寸的基本限制 | 开发低成本、易用的无透镜显微镜平台用于细菌监测 | 细菌菌落生长和早期检测 | 计算机视觉 | NA | 无透镜显微镜,像素超分辨率 | YOLO | 图像 | NA | NA | YOLO | NA | 树莓派板 |
| 35 | 2025-11-04 |
Optic disc morphometrics as a potential ocular biomarker for depression: evidence from two cross-sectional cohort studies
2025-Oct-31, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-025-03691-y
PMID:41173843
|
研究论文 | 本研究通过自动眼底形态测量和血浆蛋白质组分析,探索视盘形态作为抑郁症潜在客观生物标志物的可能性 | 首次将视盘形态测量与血浆蛋白质组关联分析相结合,发现视盘圆度与抑郁症相关蛋白LRRN1和PRL的表达相关 | 横断面研究设计无法确定因果关系,样本量相对有限 | 探索视盘形态特征作为抑郁症客观生物标志物的潜力 | 来自英国生物银行和广东眼科-心理健康研究的412名参与者 | 数字病理学 | 抑郁症 | 自动眼底形态测量,Olink血浆蛋白质组分析,深度学习分割 | 深度学习 | 眼底图像,血浆蛋白质组数据 | 412名参与者(来自两个独立队列) | NA | NA | OR值,95%置信区间,p值 | NA |
| 36 | 2025-11-04 |
HSSAM-Net: hyper-scale shifted aggregation network for precise colorectal polyp segmentation in endoscopic images
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21954-y
PMID:41173911
|
研究论文 | 提出一种用于内窥镜图像中结直肠息肉精确分割的轻量级深度学习框架HSSAM-Net | 集成超尺度偏移聚合模块捕获多尺度上下文信息,提出渐进式重用注意力机制增强特征传播,以及新颖的双分支采样方案MaxDP/MaxDUP | NA | 开发精确高效的结直肠息肉分割方法以辅助结肠镜检查 | 内窥镜图像中的结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 五个基准数据集(Kvasir、CVC-ClinicDB、ETIS、CVC-300、EndoCV2020) | NA | HSSAM-Net | Dice系数,mIoU,FPS | NA |
| 37 | 2025-11-04 |
A multimodal multitask deep learning model for predicting stroke lesion and functional outcomes using 4D CTP imaging and clinical metadata
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21945-z
PMID:41173916
|
研究论文 | 开发了一种多模态多任务深度学习模型CTPredict,用于同时预测卒中病灶和功能结局 | 首个结合4D CTP影像和临床元数据的多模态多任务深度学习模型,采用跨注意力机制进行多模态融合 | 仅在111名AIS患者的多中心数据集上验证,样本量有限 | 预测急性缺血性卒中患者的病灶结局和功能结局 | 急性缺血性卒中患者 | 医学影像分析 | 脑血管疾病 | 4D CT灌注成像 | 深度学习 | 影像数据, 临床元数据 | 111名AIS患者 | NA | 多模态融合网络, 跨注意力机制 | Dice系数, 准确率 | NA |
| 38 | 2025-11-04 |
Development and application of a deep learning-based tuberculosis diagnostic assistance system in remote areas of Northwest China
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22037-8
PMID:41173931
|
研究论文 | 开发并应用基于深度学习的结核病诊断辅助系统,以改善中国西北偏远地区的结核病筛查效率 | 针对偏远地区医疗条件开发定制化的TB-UNET模型诊断系统,并在多中心实际部署应用 | 研究局限于喀什地区,样本来源相对单一 | 提高偏远地区结核病筛查效率,降低误诊和漏诊率 | 结核病患者胸部X光影像 | 计算机视觉 | 结核病 | 医学影像分析 | 深度学习 | 图像 | 10,897例患者胸部X光影像(10,002例训练,895例测试) | NA | U-Net | 敏感度,准确率,诊断时间 | NA |
| 39 | 2025-11-04 |
Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models
2025-Oct-31, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06002-8
PMID:41173949
|
研究论文 | 本文介绍了首个化学标记的蛋白质配体3D点云数据集LigPCDS及其验证的深度学习模型 | 首个化学标记的3D蛋白质配体点云数据集,采用类积木标记方法解释配体化学结构 | NA | 从实验性X射线蛋白质晶体学数据构建已知和未知蛋白质配体 | 蛋白质配体(小有机分子) | 计算机视觉 | NA | X射线蛋白质晶体学 | 语义分割深度学习模型 | 3D点云图像 | 来自蛋白质数据库的分层数据集 | NA | NA | 良好性能 | NA |
| 40 | 2025-11-04 |
Multi-feature deep learning framework for predicting CO adsorption mechanisms at metal oxide interfaces: a transformer-based approach
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22059-2
PMID:41173954
|
研究论文 | 提出一种集成Transformer架构与分子描述符的多特征深度学习框架,用于预测金属氧化物界面的CO吸附机制 | 首次将Transformer架构与可计算分子描述符结合,通过交叉特征注意力机制捕捉催化过程的多方面特性,无需昂贵的DFT计算 | 仅针对七种金属氧化物系统进行验证,未涵盖更广泛的材料体系 | 开发数据驱动的催化剂设计方法,预测CO在金属氧化物界面的吸附机制 | 单金属氧化物界面的CO吸附过程 | 机器学习 | NA | 分子描述符计算,深度学习 | Transformer | 分子描述符(结构、电子、动力学) | 七种金属氧化物系统 | NA | Transformer | 平均绝对误差,相关系数 | NA |