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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4361 | 2025-10-06 |
Physics-informed deep learning for infectious disease forecasting
2025-Apr-29, ArXiv
PMID:39876937
|
研究论文 | 提出一种基于物理信息神经网络(PINN)的传染病预测模型,将疾病传播动力学系统融入损失函数 | 首次将物理信息神经网络应用于传染病预测领域,通过将流行病学理论融入神经网络损失函数来防止过拟合 | 仅在加利福尼亚州级COVID-19数据上进行验证,需要更多地区数据验证泛化能力 | 改进传染病预测方法,提升对未来流行病的应对能力 | COVID-19确诊病例数、死亡人数和住院人数 | 机器学习 | 传染病 | 物理信息神经网络 | PINN, RNN, LSTM, GRU, Transformer | 流行病学时间序列数据 | 加利福尼亚州级COVID-19数据 | NA | 物理信息神经网络,包含处理流动性和疫苗剂量等协变量的子网络 | 预测准确率,与基准模型比较 | NA |
4362 | 2025-10-06 |
Performance of a Deep Learning Diabetic Retinopathy Algorithm in India
2025-03-03, JAMA network open
IF:10.5Q1
|
研究论文 | 评估深度学习糖尿病视网膜病变算法在印度临床部署环境中的性能表现 | 首次在印度大规模临床部署后评估糖尿病视网膜病变AI算法的实际性能,监测了60万患者的筛查结果 | 研究为横断面分析,仅纳入约1%的样本,可能存在选择偏倚 | 评估自动化视网膜疾病评估算法在真实临床环境中的诊断性能 | 印度南部45个中心的糖尿病患者视网膜图像 | 数字病理 | 糖尿病视网膜病变 | 眼底摄影 | 深度学习 | 图像 | 4537名患者的4537张眼底图像,其中3941张图像质量可分级 | NA | ARDA算法 | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
4363 | 2025-10-06 |
A deep learning approach to perform defect classification of freeze-dried product
2025-Feb-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.125127
PMID:39756597
|
研究论文 | 本研究开发了一种基于深度学习的冷冻干燥产品缺陷分类方法 | 提出了两种基于卷积神经网络的高分辨率图像处理方法,并实现了对关键缺陷的完美检测精度 | NA | 通过人工智能技术改进冷冻干燥产品的质量检测流程 | 冷冻干燥样品 | 计算机视觉 | NA | 深度学习,计算机视觉 | CNN | 图像 | 多个连续冷冻干燥样品(包含故意制造的缺陷样本和无缺陷样本) | NA | 卷积神经网络 | 精确度,召回率,预测时间 | NA |
4364 | 2025-10-06 |
Machine learning outperforms the Canadian Triage and Acuity Scale (CTAS) in predicting need for early critical care
2025-01, CJEM
DOI:10.1007/s43678-024-00807-z
PMID:39560909
|
研究论文 | 本研究比较机器学习模型与加拿大分诊急迫度量表在预测急诊患者12小时内需要重症监护的能力 | 首次大规模比较多种机器学习模型与CTAS分诊系统在预测重症监护需求方面的性能 | 使用单中心回顾性数据,需要未来研究验证 | 改进急诊分诊系统,提高重症患者识别准确性 | 急诊科就诊患者 | 机器学习 | 急重症 | 机器学习建模 | LASSO回归,梯度提升树,深度学习 | 临床医疗数据 | 670,841次急诊就诊记录 | NA | 嵌入层深度学习模型 | ROC曲线下面积,PRC曲线下面积 | NA |
4365 | 2025-10-06 |
Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis
2024-Sep-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002428
PMID:38747721
|
系统综述与荟萃分析 | 本系统综述与荟萃分析评估了深度学习算法在前段光学相干断层扫描图像中诊断房角关闭的诊断性能 | 首次通过系统综述和荟萃分析方法综合评估深度学习算法在AS-OCT图像中诊断房角关闭的准确性 | 仅纳入6项研究,样本量相对有限,可能存在发表偏倚 | 比较深度学习算法与房角镜检查在青光眼患者房角关闭检测中的准确性 | 5269名青光眼患者 | 医学影像分析 | 青光眼 | 前段光学相干断层扫描(AS-OCT) | 深度学习算法 | 医学影像 | 6项研究共5269名患者 | NA | NA | 灵敏度, 特异性 | NA |
4366 | 2025-10-06 |
Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography
2024-04-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002359
PMID:38245813
|
研究论文 | 开发基于黄斑OCT成像的深度学习模型,用于检测青光眼视野进展并预测未来进展 | 首次使用自监督预训练的视觉变换器模型,基于大规模未标记OCT图像数据来预测和检测青光眼功能进展 | 回顾性研究设计,样本来源单一 | 利用黄斑OCT成像预测未来和检测当前青光眼视野进展 | 青光眼患者的黄斑OCT图像 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | ViT | 图像 | 预训练数据集包含7,702,201张B扫描图像(来自151,389次OCT检查),进展检测任务包含3,902次OCT检查(1,534眼,828例患者),进展预测任务包含1,346次OCT检查(1,205眼,784例患者) | NA | Vision Transformer | AUC, 敏感性, 特异性 | NA |
4367 | 2025-10-06 |
Deep learning in structural bioinformatics: current applications and future perspectives
2024-03-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae042
PMID:38701422
|
综述 | 探讨深度学习在结构生物信息学中的变革性影响、当前应用与未来展望 | 系统阐述深度学习从浅层神经网络到卷积/循环/Transformer等先进模型在结构生物信息学中的革命性应用 | NA | 分析深度学习在结构生物信息学中的应用现状并展望未来发展 | 生物分子结构 | 生物信息学 | NA | 深度学习 | CNN, RNN, Transformer | 生物分子结构数据 | NA | NA | 卷积神经网络, 循环神经网络, Transformer | NA | 强大计算资源 |
4368 | 2025-10-06 |
Evaluating large language models for annotating proteins
2024-03-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae177
PMID:38706315
|
研究论文 | 本文提出并评估了一种基于蛋白质大语言模型的迁移学习协议,用于改进蛋白质结构域注释 | 首次将蛋白质大语言模型与机器学习架构结合,显著提升蛋白质家族分类性能,相比标准方法将预测误差降低60% | 对于数据量较少的蛋白质家族可能存在挑战 | 改进蛋白质结构域注释的自动预测方法 | UniProtKB数据库中的蛋白质序列 | 自然语言处理 | NA | 迁移学习,自监督学习,监督学习 | 大语言模型,机器学习模型 | 蛋白质序列数据 | 超过2.51亿个蛋白质,其中0.25%已注释 | NA | 蛋白质大语言模型 | 分类准确率,预测误差 | NA |
4369 | 2025-10-06 |
SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations
2024-03-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae192
PMID:38704671
|
研究论文 | 开发了一种名为SC-Track的鲁棒细胞追踪算法,用于从多样化的细胞分割结果中生成准确的单细胞谱系 | 提出基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型,无需参数调整即可在不同分割质量下保持鲁棒性能 | NA | 解决当前基于深度学习的细胞分割方法产生的噪声问题,构建准确的单细胞谱系 | 荧光延时显微镜图像中的单细胞 | 计算机视觉 | NA | 荧光延时显微镜成像 | CNN | 图像 | NA | NA | NA | NA | NA |
4370 | 2025-10-06 |
Genotypic-phenotypic landscape computation based on first principle and deep learning
2024-03-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae191
PMID:38701420
|
研究论文 | 提出基于第一性原理和深度学习的基因型-表型景观计算方法 | 提出表型嵌入定理和基于共注意力Transformer的基因型-适应度模型,首次从第一性原理计算SARS-CoV-2基本再生数 | NA | 建立可解释的基因型-表型景观计算方法 | 病毒中性进化和免疫逃逸突变 | 计算生物学 | COVID-19 | 深度学习 | Transformer | 基因型数据 | NA | NA | Co-attention based Transformer | NA | NA |
4371 | 2025-10-06 |
Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia
2023-10-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002267
PMID:37523623
|
研究论文 | 提出基于光学相干断层扫描的多模态深度学习分类器,用于诊断伴有和不伴有高度近视的原发性开角型青光眼 | 首次结合纹理信息的多模态深度学习模型,在高度近视眼中显著提升青光眼诊断准确率 | 样本量有限,仅包含593只眼睛 | 评估多模态深度学习分类器在伴有和不伴有轴性高度近视眼中诊断青光眼的准确性 | 原发性开角型青光眼患者和健康对照者的眼睛 | 数字病理 | 青光眼 | 光学相干断层扫描 | 深度学习 | 医学图像 | 593只眼睛(371只非高度近视POAG眼,86只非高度近视健康眼,92只高度近视POAG眼,44只高度近视健康眼) | NA | VGG-16 | AUC | NA |
4372 | 2025-10-06 |
A Multimodal Deep Neural Network for Human Breast Cancer Prognosis Prediction by Integrating Multi-Dimensional Data
2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2018.2806438
PMID:29994639
|
研究论文 | 提出一种整合多维数据的多模态深度神经网络用于乳腺癌预后预测 | 方法的新颖性在于网络架构设计和多维数据融合策略 | NA | 提高乳腺癌预后预测准确性,避免不必要的辅助系统治疗 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | 深度神经网络 | 多维数据(包括基因表达数据) | NA | TensorFlow | 多模态深度神经网络 | 综合性能评估指标 | NA |
4373 | 2025-10-06 |
Bioimage Classification with Handcrafted and Learned Features
2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2018.2821127
PMID:29994096
|
研究论文 | 提出一种结合手工特征和深度学习特征的通用生物图像分类方法 | 通过集成多种纹理特征(手工特征和深度学习特征)构建通用生物图像分类系统,无需针对特定数据集调整参数 | NA | 开发适用于多种生物图像分类任务的通用分类方法 | 生物图像,包括亚细胞、细胞和组织水平的分类问题 | 计算机视觉 | NA | 生物图像分析 | 支持向量机 | 图像 | 使用IICBU 2008数据库中的多个基准数据集 | MATLAB | 集成学习架构(结合局部特征、密集采样特征和深度学习特征) | 准确率 | NA |
4374 | 2025-10-06 |
Deep learning approach with ConvNeXt-SE-attn model for in vitro oral squamous cell carcinoma and chemotherapy analysis
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103519
PMID:40747534
|
研究论文 | 提出基于ConvNeXt-SE-attn模型的深度学习方法用于口腔鳞状细胞癌体外分析和化疗评估 | 结合残差连接、Squeeze-and-Excitation模块、混合注意力系统和改进的激活函数与优化算法,增强特征提取中的梯度流动 | NA | 开发高效的口腔鳞状细胞癌检测和分类方法 | 口腔鳞状细胞癌体外样本 | 计算机视觉 | 口腔鳞状细胞癌 | 深度学习 | CNN | 图像 | NA | NA | ConvNeXt, SE模块, 混合注意力机制 | 准确率, 灵敏度, 特异性, F1分数, AUC, MCC | NA |
4375 | 2025-10-06 |
IBDAIM:Artificial intelligence for analyzing intestinal biopsies pathological images for assisted integrated diagnostic of inflammatory bowel disease
2025-Nov, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106024
PMID:40580688
|
研究论文 | 开发用于分析肠道活检病理图像的人工智能模型IBDAIM,辅助诊断炎症性肠病 | 提出弱监督深度学习模型IBDAIM,使用WSI级诊断标签无需详细标注,集成PLH和BoW特征构建WSI级表征 | 回顾性研究,仅使用两家机构数据,需要更多外部验证 | 开发AI模型辅助病理学家快速准确诊断炎症性肠病 | 肠道活检全玻片图像 | 数字病理 | 炎症性肠病 | 全玻片图像分析 | 深度学习 | 病理图像 | 来自南京鼓楼医院和珠江医院两家机构的回顾性队列数据 | NA | 弱监督深度学习模型 | AUROC,准确率,敏感性,特异性 | NA |
4376 | 2025-10-06 |
Psychometric properties of an Iranian instrument for assessing adherence to ethical principles in the use of artificial intelligence among healthcare providers
2025-Nov, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106019
PMID:40582296
|
研究论文 | 开发并验证用于评估伊朗医疗保健提供者使用人工智能时遵守伦理原则的工具 | 开发了首个专门针对医疗保健提供者使用AI伦理原则遵守情况的评估工具,包含六个主要伦理维度 | 研究仅在伊朗进行,需要进一步研究以获得更全面深入的理解 | 评估医疗保健提供者使用人工智能时对伦理原则的遵守情况 | 伊朗医疗保健提供者 | 医疗人工智能伦理 | NA | 心理测量学方法 | NA | 问卷调查数据 | NA | NA | NA | Cronbach's alpha, ICC | NA |
4377 | 2025-10-06 |
Deep learning-based in-ambulance speech recognition and generation of prehospital emergency diagnostic summaries using LLMs
2025-Nov, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106029
PMID:40639122
|
研究论文 | 本研究提出将抗噪声语音识别技术与大语言模型结合,在救护车环境中生成院前急救诊断摘要 | 首次将抗噪声语音识别与LLMs结合应用于院前急救场景,通过联合训练模型优化CTC和注意力损失 | 未详细说明模型在不同噪声环境下的泛化能力,样本多样性可能有限 | 提高院前电子病历提交的效率和准确性,简化急救响应流程 | 救护车环境中的语音数据和急救诊断摘要 | 自然语言处理,语音识别 | 急救医学 | 语音增强,语音识别,大语言模型 | 深度学习,LLM | 语音,文本 | 实际救护车噪声数据、环境噪声数据和开源语音数据集 | NA | 连接时序分类,注意力机制,Qwen2.5-7B-Instruct | 字符错误率,准确性,相关性,主观评价指标 | NA |
4378 | 2025-10-06 |
Enhancing rare disease detection with deep phenotyping from EHR narratives: evaluation on Jeune syndrome
2025-Nov, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106021
PMID:40561686
|
研究论文 | 本研究评估了改进的表型提取方法对Jeune综合征筛查算法的影响 | 使用增强版UMLS+术语表进行深度表型分析,显著提高了罕见病检测的敏感性 | 部分误分类对照患者患有其他遗传性骨骼疾病,表明模型特异性有待进一步提高 | 加速罕见疾病诊断,减少误诊和诊断延迟 | Jeune综合征患者和对照组的电子健康记录数据 | 自然语言处理 | Jeune综合征 | 深度表型分析,电子健康记录文本挖掘 | 机器学习 | 非结构化电子健康记录文本 | NA | NA | NA | 敏感性, 特异性 | NA |
4379 | 2025-10-06 |
Towards bridging the synthetic-to-real gap in quantitative photoacoustic tomography via unsupervised domain adaptation
2025-Oct, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100736
PMID:40747132
|
研究论文 | 提出一种解码器增强的无监督域自适应框架,用于解决定量光声层析成像中合成数据到真实数据的域适应问题 | 提出DDA框架实现从合成数据到未标记目标域的知识迁移,并研究跨域标签分布相似性对域适应的影响 | 目标域样本标注难以获取,模型性能依赖于合成数据的质量 | 解决定量光声层析成像中合成数据与真实数据之间的域差距问题 | 光声层析成像数据 | 医学影像分析 | NA | 定量光声层析成像 | 深度学习 | 多波长光声图像 | 至少两个目标样本 | NA | 解码器增强的域自适应框架 | 定量评估, 视觉比较, 估计精度 | NA |
4380 | 2025-10-06 |
PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors
2025-Sep, Proteins
IF:3.2Q2
DOI:10.1002/prot.26821
PMID:40116085
|
研究论文 | 介绍了一种基于结构的蛋白质-蛋白质结合亲和力预测新方法PCANN | 结合ESM-2语言模型和图注意力网络(GAT)进行蛋白质结合界面信息编码和亲和力预测 | 训练和测试数据量有限,现有数据准确性不足且缺乏测量条件的一致性 | 开发蛋白质-蛋白质复合物结合亲和力预测方法 | 蛋白质-蛋白质复合物 | 自然语言处理,机器学习 | NA | 深度学习 | 图注意力网络,语言模型 | 蛋白质结构数据 | 两个文献提取的数据集 | NA | ESM-2,GAT | 平均绝对误差(MAE) | NA |