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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-11-14 |
Improved CRISPR/Cas9 off-target prediction with DNABERT and epigenetic features
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335863
PMID:41223195
|
研究论文 | 提出一种结合DNABERT预训练模型和表观遗传特征的新方法,用于提高CRISPR/Cas9脱靶效应预测精度 | 首次将预训练的DNA基础模型与多模态表观遗传特征结合用于脱靶预测,通过大规模基因组知识提升预测性能 | 未明确说明模型在临床环境中的实际验证效果和泛化能力 | 开发更准确的CRISPR/Cas9脱靶效应预测方法,促进更安全的基因组编辑工具开发 | CRISPR/Cas9系统的脱靶编辑位点 | 生物信息学 | NA | CRISPR/Cas9基因组编辑,表观遗传特征分析(H3K4me3, H3K27ac, ATAC-seq) | DNABERT, 深度学习 | 基因组序列数据,表观遗传数据 | 七个不同的脱靶数据集 | NA | DNABERT | 预测准确性 | NA |
| 382 | 2025-11-14 |
Automatic uterus segmentation in transvaginal ultrasound using U-Net and nnU-Net
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336237
PMID:41223242
|
研究论文 | 本研究使用U-Net和nnU-Net深度学习模型对经阴道超声图像中的子宫进行自动分割 | 首次在经阴道超声数据上系统比较U-Net和nnU-Net两种先进分割模型,并发现针对特定成像类型单独训练优于混合训练 | 需要进一步验证模型在经阴道超声数据集上的鲁棒性 | 开发自动子宫分割方法以辅助妇科超声诊断 | 124名子宫腺肌症患者的经阴道超声图像 | 医学图像分割 | 子宫腺肌症 | 经阴道超声 | CNN | 图像, 视频截图, 3D体积截图 | 124名患者,包含静态图像122张,视频截图472张,3D体积截图452张 | NA | U-Net, nnU-Net | Dice分数 | NA |
| 383 | 2025-11-14 |
Application of a convolutional neural network model to construct an automatic, AI-based identification system for rat kidney tissue microscopic images
2025, Folia neuropathologica
IF:1.5Q3
DOI:10.5114/fn.2025.153859
PMID:41229247
|
研究论文 | 开发基于卷积神经网络的人工智能系统,用于自动识别大鼠肾脏组织显微图像 | 设计了基于残差学习思想的ResPool采样结构,成功实现肾小球实例分割和损伤分析 | NA | 构建基于深度学习的肾脏病理图像自动识别系统 | 大鼠慢性肾病模型的肾脏组织显微图像 | 数字病理学 | 慢性肾脏病 | 组织染色 | CNN | 图像 | 5个病理组×3种染色×50张图像=750张训练图像 | NA | ResNet | 准确率 | NA |
| 384 | 2025-11-14 |
"Good and bad investments" in public health stocks amid the COVID-19 shock: evidence from a transformer-based model
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1644055
PMID:41229468
|
研究论文 | 本研究使用基于Transformer架构的深度学习模型分析COVID-19疫情期间公共卫生相关股票的投资表现 | 首次将Transformer模型应用于公共卫生危机期间的资本市场分析,揭示疫情不同阶段对公共卫生股票投资的动态影响 | 仅选取中国证券指数中的55只公共卫生成分股作为研究样本,样本范围有限 | 探索公共卫生紧急事件对资本市场风险结构和投资行为的影响 | 中证公共卫生指数的55只成分股 | 机器学习 | COVID-19 | 深度学习 | Transformer | 金融时间序列数据 | 55只股票成分 | NA | Transformer | 投资回报率, 预测准确性, 筛选能力 | NA |
| 385 | 2025-11-14 |
More than just a heatmap: elevating XAI with rigorous evaluation metrics
2025, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2025.1674343
PMID:41229616
|
研究论文 | 提出SpikeNet混合框架和XAlign评估指标,用于提升医学影像中可解释人工智能的性能 | 结合CNN空间特征编码与SNN脉冲神经网络的混合框架,内置显著性解释模块;提出XAlign指标量化解释与专家标注的对齐度 | 仅在TCGA-LGG和BUSI两个数据集上验证,需要更多临床数据验证泛化性 | 开发高效、低延迟且可解释的深度学习模型用于医学影像分析 | 脑胶质瘤MRI影像和乳腺超声影像 | 计算机视觉,数字病理 | 脑胶质瘤,乳腺癌 | 磁共振成像,超声成像 | CNN,SNN | 医学影像 | TCGA-LGG数据集22折交叉验证,BUSI数据集5折交叉验证 | PyTorch | SpikeNet | 准确率,精确率,召回率,F1分数,AUROC,AUPRC,XAlign | NVIDIA RTX 3090 GPU |
| 386 | 2025-11-14 |
Abnormal classification of electrocardiogram scatter plot based on token selection vision transformer
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251395553
PMID:41229940
|
研究论文 | 提出一种基于令牌选择视觉变换器的ECG散点图异常分类方法 | 在网络深层引入令牌选择模块,动态筛选最具判别性的图像块用于最终分类 | NA | 克服CNN方法在捕获非局部上下文关系和全局特征方面的限制,提高心律失常分类准确率 | 心电图散点图 | 计算机视觉 | 心血管疾病 | NA | Vision Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 387 | 2025-11-14 |
A scoping review of TSR analysis in colorectal cancer: implications for automated solutions
2025, Oncology reviews
IF:3.1Q2
DOI:10.3389/or.2025.1605383
PMID:41230203
|
综述 | 本文通过范围综述评估结直肠癌中肿瘤-间质比(TSR)分析的预后价值、评分变异影响及自动化量化进展 | 首次系统综述TSR在结直肠癌中的自动化量化方法,比较人工与自动化评分差异并分析标准化挑战 | 纳入研究存在异质性,自动化方法尚处早期阶段,区域选择标准不统一 | 评估TSR的预后价值、评分变异影响及探索自动化TSR量化方法 | 结直肠癌组织样本的肿瘤-间质比分析 | 数字病理学 | 结直肠癌 | 组织病理学分析,深度学习 | 深度学习模型 | 组织病理图像 | 76篇符合纳入标准的研究文献(来自950篇初筛文献) | NA | NA | Kappa值,像素级准确率,区块级准确率 | NA |
| 388 | 2025-11-14 |
Deep learning-based temporal change detection of broadleaved weed infestation in rice fields using UAV multispectral imagery
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1655391
PMID:41230234
|
研究论文 | 本研究提出基于深度学习的时序变化检测方法,利用无人机多光谱影像监测水稻田中阔叶杂草的时空动态 | 首次将深度前馈神经网络与无人机多光谱影像结合,实现水稻田杂草覆盖度的时序变化检测和精准施药潜力评估 | 研究仅针对阔叶杂草,未考虑其他杂草类型;分析时段仅限于营养生长阶段 | 开发精准农业中的杂草时序监测方法,优化除草剂施用策略 | 水稻田中的阔叶杂草覆盖度变化 | 计算机视觉 | NA | 无人机多光谱成像 | DFNN | 多光谱影像 | PadiU Putra水稻田的多期无人机影像数据 | NA | 深度前馈神经网络 | R² | NA |
| 389 | 2025-11-14 |
Reimagining Mental Health with Artificial Intelligence: Early Detection, Personalized Care, and a Preventive Ecosystem
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S559626
PMID:41230404
|
综述 | 探讨人工智能在精神健康领域早期检测、个性化治疗和预防症状升级中的新兴应用 | 提出'心理数字签名'概念,构建以患者为中心的预防性精神健康生态系统 | 许多高准确率报告来自单中心或有限数据集,外部验证存在差异,样本量、验证方法和人群多样性存在局限 | 探索人工智能在精神健康管理中的创新应用 | 精神障碍患者的多模态数据(语音、文本、生物传感器输入) | 自然语言处理, 机器学习 | 精神疾病 | 自然语言处理(NLP), 深度学习, 多模态数据分析 | 深度学习 | 语音, 文本, 生物传感器数据 | NA | NA | NA | 准确率 | NA |
| 390 | 2025-11-14 |
A Deep Learning Model to Predict the ncRNA-Protein Interactions Based on Sequences Information Only
2025, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322251391075
PMID:41230504
|
研究论文 | 提出一种基于序列信息预测非编码RNA与蛋白质相互作用的深度学习模型RPI-SDA-XGBoost | 结合堆叠降噪自编码器和XGBoost元学习器,仅使用序列信息即可预测ncRNA-蛋白质相互作用 | 仅基于序列信息,未考虑结构特征和其他生物上下文信息 | 开发计算方法来研究ncRNA-蛋白质相互作用 | 非编码RNA和蛋白质的相互作用 | 生物信息学 | 癌症 | 序列特征提取 | SDA, XGBoost | 序列数据 | 五个基准数据集:RPI_369, RPI_488, RPI_1807, RPI_2241, NPInterv2.0 | NA | 堆叠降噪自编码器 | 准确率, 精确率 | NA |
| 391 | 2025-11-14 |
Long short-term memory-based deep learning model for the discovery of antimicrobial peptides targeting Mycobacterium tuberculosis
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf274
PMID:41230490
|
研究论文 | 开发基于长短期记忆网络的深度学习模型,用于发现针对结核分枝杆菌的抗菌肽 | 首次将长短期记忆网络与迁移学习相结合,构建可分类和生成结核病特异性抗菌肽的可重复深度学习协议 | 结核病特异性抗菌肽数据稀缺限制了针对性开发 | 发现针对结核分枝杆菌的新型抗菌肽 | 抗菌肽,特别是针对结核分枝杆菌的抗菌肽 | 机器学习 | 结核病 | 深度学习,迁移学习 | LSTM,双向LSTM | 肽序列数据 | 大型通用抗菌肽语料库和精选的结核病特异性序列 | NA | 单向LSTM,双向LSTM,带注意力机制的LSTM | 准确率,AUC | NA |
| 392 | 2025-11-14 |
Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging
2024-12-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology
DOI:10.5152/tjg.2024.24538
PMID:39760649
|
研究论文 | 本研究利用基于YOLO架构的深度学习技术增强CT图像中肝细胞癌的检测能力 | 首次将YOLO架构应用于肝细胞癌的CT图像检测,显著超越传统诊断方法的准确率 | 样本量相对有限(122名患者),需要更大规模数据验证 | 提高肝细胞癌的早期检测准确率,改善患者预后 | 肝细胞癌患者的CT图像 | 计算机视觉 | 肝细胞癌 | CT成像 | YOLO | 医学图像 | 122名患者的1290张CT图像 | NA | YOLO | 精确率,召回率,准确率,特异性,敏感性 | NA |
| 393 | 2025-11-14 |
Discovering small-molecule senolytics with deep neural networks
2023-06, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-023-00415-z
PMID:37142829
|
研究论文 | 利用图神经网络筛选具有抗衰老细胞活性的小分子化合物 | 首次将图神经网络应用于大规模筛选抗衰老化合物,发现结构多样且具有更优药物化学性质的新候选分子 | 研究基于etoposide诱导的衰老模型,在其他衰老模型中的普适性需进一步验证 | 开发新型抗衰老药物(senolytics)以清除衰老细胞 | 衰老细胞和小分子化合物 | 机器学习 | 老年疾病 | 分子对接模拟,时间分辨荧光能量转移实验 | 图神经网络 | 化学分子结构数据 | 2,352个初筛化合物,800,000+个预测分子 | NA | 图神经网络 | 选择性,药物化学性质,分子对接评分 | NA |
| 394 | 2025-11-13 |
Deep-learning based model for sperm morphology assessment using the SMD/MSS dataset
2025-Dec, Future science OA
IF:2.4Q3
DOI:10.1080/20565623.2025.2583010
PMID:41203404
|
研究论文 | 开发基于深度学习的精子形态评估模型,使用SMD/MSS数据集并通过数据增强技术提升性能 | 首次将卷积神经网络应用于精子形态自动评估,解决了传统人工评估主观性强的问题 | 模型准确率波动较大(55%-92%),数据集规模相对有限 | 实现精子形态评估的自动化、标准化和加速化 | 人类精子细胞 | 计算机视觉 | 生殖系统疾病 | MMC CASA系统成像 | CNN | 图像 | 1000张原始精子图像,通过数据增强扩展至6035张 | NA | 卷积神经网络 | 准确率 | NA |
| 395 | 2025-11-13 |
ProMUS-NET: Artificial intelligence detects more prostate cancer than urologists on micro-ultrasonography
2025-Dec, BJU international
IF:3.7Q1
DOI:10.1111/bju.16892
PMID:40859774
|
研究论文 | 开发用于前列腺微超声图像自动癌症分割的深度学习模型ProMUS-NET,并与泌尿科专家进行性能比较 | 首次开发专门用于微超声图像的前列腺癌自动定位深度学习模型,在检测灵敏度方面超越人类专家 | 需要改进边缘重叠精度、减少假阳性并进行外部验证 | 提高前列腺癌在微超声图像上的定位灵敏度和读者间一致性 | 接受MRI-超声融合引导活检的前列腺癌患者 | 数字病理 | 前列腺癌 | 微超声成像,MRI-超声融合引导活检 | CNN | 超声图像 | 未明确具体数量,采用五折交叉验证 | 未明确指定 | U-Net | AUC, 灵敏度 | NA |
| 396 | 2025-11-13 |
Exploring the enantioselective synthesis mechanism of ammonium cations in solution using deep learning potential
2025-Nov-12, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d5cp03439f
PMID:41147815
|
研究论文 | 本研究提出结合主动学习、分子动力学和深度学习势的模拟工作流,用于探索溶液中铵阳离子的对映选择性合成机制 | 开发了集成AIMD和DLPMD的主动学习工作流,能够模拟大分子系统在长时间尺度下的对映选择性反应机制 | NA | 提高复杂溶液中不对称合成预测准确性,探索对映选择性反应机制 | 由1,1'-联-2-萘酚支架催化的季铵阳离子的对映选择性合成 | 机器学习 | NA | 分子动力学模拟,深度学习势分子动力学,主动学习工作流 | 深度学习势 | 分子模拟数据 | NA | NA | NA | 与实验观测的手性结果一致性,HNMR光谱验证 | NA |
| 397 | 2025-11-13 |
Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation
2025-Nov-12, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06413-0
PMID:41219520
|
研究论文 | 本研究评估深度学习重建技术在婴儿零回波时间静音脑磁共振成像中的应用效果 | 首次将深度学习重建技术应用于婴儿零回波时间静音MRI,并与传统镇静MRI进行对比 | 回顾性研究设计,样本量相对有限(78例婴儿) | 评估深度学习重建对婴儿零回波时间静音脑MRI图像质量的提升效果 | 78名孕后年龄≤16个月的婴儿 | 医学影像分析 | 儿科神经影像 | 磁共振成像,零回波时间序列,深度学习重建 | 深度学习 | 医学影像 | 78名婴儿 | NA | NA | Likert量表评分,变异系数,Mann-Whitney U检验,Cohen's kappa系数 | NA |
| 398 | 2025-11-13 |
Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution
2025-Nov-12, Journal of virology
IF:4.0Q2
DOI:10.1128/jvi.01554-25
PMID:41222234
|
综述 | 探讨人工智能与生物信息学在病毒发现和进化研究中的协同作用 | 提出整合AI模式识别与经典生物信息学的统一计算策略,突破传统同源性分析的限制 | AI驱动方法面临计算负担、数据集偏差、可解释性有限和假阳性率较高等挑战 | 加速病毒发现、增强进化洞察力并加强全球对新发传染病的防范能力 | 病毒基因组和蛋白质 | 生物信息学 | 传染病 | 宏基因组测序 | CNN, RNN, Transformer, GNN | 基因组序列,蛋白质结构 | NA | NA | AlphaFold, ESMFold, Foldseek | 灵敏度,可扩展性,假发现率 | NA |
| 399 | 2025-11-13 |
Estimating concentrations of atmospheric pollutants in mixed gases based on deep convolutional network with time series decomposition
2025-Nov-12, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay01235j
PMID:41222504
|
研究论文 | 提出基于时间序列分解的卷积神经网络模型,用于混合气体中大气污染物浓度的估计和组分识别 | 采用时间序列高低频分解技术,将原始信号分解为粗略和详细分量分别估计气体浓度均值和偏差,并探索了传感器阵列在混合气体分析中的应用 | NA | 开发混合气体中大气污染物浓度估计和组分识别方法 | 四种主要大气污染物(CO、NO、SO、HCHO)及其混合气体 | 机器学习和信号处理 | NA | 气体传感器阵列技术 | CNN | 时间序列传感器数据 | NA | NA | 基于时间序列分解的卷积神经网络 | 估计精度 | NA |
| 400 | 2025-11-13 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2025-Nov-12, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 基于CT图像的机器学习分割方法在口腔癌术前分期中的应用研究 | 采用定制化U-Net深度学习架构实现口腔鳞状细胞癌肿瘤和淋巴结转移的自动分割与分期预测 | 样本量相对有限(179例CT图像),肿瘤分级分类准确率有待提升(75%) | 验证机器学习方法在口腔癌术前T和N分期中的准确性 | 口腔鳞状细胞癌(OSCC)患者的CT图像数据 | 医学影像分析 | 口腔癌 | 对比增强计算机断层扫描(CT) | 深度学习 | 医学影像 | 179例对比增强CT图像(包含肿瘤和淋巴结转移两个数据集) | NA | U-Net | 准确率, 二元准确率 | NA |