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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4661 | 2025-10-06 |
RGCN-BA: relational graph convolutional network with batch awareness for single-cell RNA sequencing clustering
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf378
PMID:40728858
|
研究论文 | 提出一种结合批次感知的关系图卷积网络RGCN-BA,用于单细胞RNA测序数据的聚类和批次效应校正 | 首次将细胞聚类和批次效应校正整合到统一深度学习框架中,通过关系图卷积网络处理批次信息作为不同边类型 | 未明确说明模型在超大规模数据集上的可扩展性 | 开发能够同时处理单细胞RNA测序数据聚类和批次效应校正的统一方法 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序(scRNA-seq) | 图卷积网络(GCN) | 基因表达数据 | NA | NA | 关系图卷积网络(Relational Graph Convolutional Network) | NA | NA |
4662 | 2025-10-06 |
Locality blended next-generation reservoir computing for attention accuracy
2025-Jul-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0273597
PMID:40720789
|
研究论文 | 本文提出了一种改进的下一代储层计算方法,用于预测非线性光学腔模型生成的时间序列数据 | 通过强调相空间特定区域的简单多项式模型并在区域间混合这些模型,提出了局部混合下一代储层计算的新方法 | 仅使用Ikeda映射生成的合成数据进行验证,未在真实世界数据上测试 | 改进机器学习算法以更准确地预测非线性动力系统的行为 | Ikeda映射生成的时间序列数据 | 机器学习 | NA | 下一代储层计算(NGRC) | 储层计算 | 时间序列数据 | NA | NA | 局部混合下一代储层计算 | 预测范围, Lyapunov时间, 不变测度 | NA |
4663 | 2025-10-06 |
Deep Learning-Based Detection of Ocular Surface Squamous Neoplasia from Ocular Surface Images
2025-Jul, Ocular oncology and pathology
IF:0.9Q4
DOI:10.1159/000543766
PMID:40726605
|
研究论文 | 本研究开发基于深度学习的AI模型,利用裂隙灯图像检测眼表鳞状上皮 neoplasia (OSSN) | 首次将深度学习算法应用于OSSN的自动检测,比较了三种不同模型在眼表图像分类中的性能 | 回顾性研究,样本量相对有限(n=634),仅使用单一类型图像 | 探索人工智能模型在检测眼表鳞状上皮 neoplasia 中的应用价值 | 眼表鳞状上皮 neoplasia 患者、非OSSN眼表病变患者和正常眼表人群 | 计算机视觉 | 眼表鳞状上皮 neoplasia | 裂隙灯成像 | CNN | 图像 | 634张裂隙灯图像(OSSN组163张,非OSSN眼表病变组202张,正常组269张) | NA | MobileNetV2, Xception, DenseNet121 | 准确率, 敏感度, 特异度 | NA |
4664 | 2025-10-06 |
Multi-level channel-spatial attention and light-weight scale-fusion network (MCSLF-Net): multi-level channel-spatial attention and light-weight scale-fusion transformer for 3D brain tumor segmentation
2025-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-354
PMID:40727355
|
研究论文 | 提出一种用于3D脑肿瘤分割的多级通道空间注意力和轻量级尺度融合网络(MCSLF-Net) | 集成多级通道空间注意力机制和轻量级尺度融合模块,在保持紧凑网络设计的同时增强细微边界特征 | NA | 开发一种新型3D分割框架,提高脑肿瘤分析的临床实用性 | 胶质瘤的3D磁共振成像数据 | 数字病理 | 脑肿瘤 | 磁共振成像(MRI) | CNN, Transformer | 3D图像 | BraTS 2019、BraTS 2020和BraTS 2021数据集 | NA | MCSLF-Net, MCSAM, LSFU | Dice相似系数(DSC), 95百分位Hausdorff距离(HD95) | NA |
4665 | 2025-10-06 |
Deep learning for predicting the occurrence of tipping points
2025-Jul, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.242240
PMID:40727414
|
研究论文 | 开发了一种基于深度学习的算法,用于从时间序列数据中预测临界点的发生 | 利用范式信息开发深度学习算法,能够预测未经训练系统中的临界点,并在不规则采样时间序列上实现准确预测 | NA | 预测复杂系统中临界点的发生 | 时间序列数据,包括模型时间序列和实证时间序列 | 机器学习 | NA | 深度学习 | 深度学习算法 | 时间序列数据 | NA | NA | NA | 预测准确率 | NA |
4666 | 2025-10-06 |
Novel Snapshot-Based Hyperspectral Conversion for Dermatological Lesion Detection via YOLO Object Detection Models
2025-Jun-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070714
PMID:40722406
|
研究论文 | 提出一种新型光谱辅助视觉增强器(SAVE),将标准RGB图像转换为模拟窄带成像表示,并评估五种YOLO模型在皮肤病变检测中的性能 | 开发了单步将RGB图像转换为窄带成像表示的SAVE方法,首次系统比较五种YOLO模型在皮肤病变检测中的表现 | 仅评估了三种皮肤病变类型,YOLOv11在软纤维瘤检测中表现较差,YOLOv8和YOLOv5准确率相对较低 | 通过光谱转换技术和目标检测模型提高皮肤病变检测的准确性 | 皮肤病变包括皮肤纤维瘤、苔藓样病变和软纤维瘤 | 计算机视觉 | 皮肤疾病 | 窄带成像,光谱转换 | YOLO | 图像 | NA | NA | YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv5 | 精确率, 召回率, F1分数 | NA |
4667 | 2025-10-06 |
Quantitative Measures of Pure Ground-Glass Nodules from an Artificial Intelligence Software for Predicting Invasiveness of Pulmonary Adenocarcinoma on Low-Dose CT: A Multicenter Study
2025-Jun-30, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13071600
PMID:40722670
|
研究论文 | 本研究评估商业AI软件定量测量在预测低剂量CT上纯磨玻璃结节肺腺癌浸润性方面的诊断性能 | 首次在多中心研究中系统比较AI软件自动提取的定量指标(直径、体积、衰减值和质量)对肺腺癌浸润性的预测价值 | 样本量相对有限,仅包含388个纯磨玻璃结节,且来自三个医疗中心 | 评估AI软件定量测量在预测肺腺癌浸润性方面的诊断性能 | 低剂量CT扫描中表现为纯磨玻璃结节(pGGNs)的肺腺癌患者 | 数字病理 | 肺癌 | 低剂量CT(LDCT)扫描 | 深度学习 | 医学影像(CT图像) | 388个纯磨玻璃结节(训练队列198个,测试队列99个,外部验证队列91个) | NA | NA | AUC(曲线下面积), ICC(组内相关系数) | NA |
4668 | 2025-10-06 |
Analysis of Microbiome for AP and CRC Discrimination
2025-Jun-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070713
PMID:40722405
|
研究论文 | 本研究利用机器学习方法通过合成数据增强不平衡的微生物组数据集,并识别区分腺瘤性息肉和结直肠癌的重要微生物特征 | 首次结合高斯Copula合成器生成微生物OTU数据,并通过层间相关性传播从深度学习模型中提取关键微生物特征 | 样本量较小(仅148个样本),仅使用单一合成方法,需要进一步验证 | 开发基于机器学习的方法来增强不平衡微生物组数据并识别疾病相关微生物标志物 | 61名患者的148个微生物样本(16名AP患者34个样本,46名CRC患者114个样本) | 机器学习 | 结直肠癌 | 微生物组测序,操作分类单元分析 | 逻辑回归,支持向量机,深度学习分类器 | 微生物OTU计数数据 | 148个样本(34个AP样本,114个CRC样本) | Synthetic Data Vault Python库,Scikit-learn | 高斯Copula合成器,多项式核SVM,深度学习分类器 | 准确率,F1分数,精确率 | NA |
4669 | 2025-10-06 |
Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy
2025-Jun-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070709
PMID:40722401
|
研究论文 | 提出基于B0参考图像的深度学习模型SCS-Net,用于颈椎病性脊髓病DTI图像的自动分割 | 首次验证无扩散图像(B0图像)在DTI分割中的有效性,并设计轻量级特征提取模块缓解训练数据稀缺问题 | 单中心研究,样本量有限(89例患者) | 开发AI驱动的脊髓DTI自动分割方法以辅助临床诊断 | 颈椎病性脊髓病患者的脊髓DTI图像 | 医学影像分析 | 颈椎病性脊髓病 | 扩散张量成像 | 深度学习 | 医学影像 | 89例CSM患者 | NA | U-Net | 精确率, 召回率, Dice系数, DTI特异性特征指标 | NA |
4670 | 2025-10-06 |
A Hybrid Framework Integrating Traditional Models and Deep Learning for Multi-Scale Time Series Forecasting
2025-Jun-28, Entropy (Basel, Switzerland)
DOI:10.3390/e27070695
PMID:40724412
|
研究论文 | 提出一种集成传统统计模型和深度学习模型的多尺度时间序列预测混合框架 | 设计了一种新颖的多尺度预测机制,通过双阶段预测过程和自适应融合机制结合传统模型与深度学习的优势 | NA | 提高时间序列预测在短期和长期预测范围内的准确性 | 时间序列数据 | 机器学习 | NA | 时间序列分析 | ARIMA, LSTM, Transformer | 时间序列数据 | 八个公共数据集(电力、汇率、天气、交通、疾病、ETTh1/2、ETTm1/2) | NA | LSTM, Transformer | 准确性 | NA |
4671 | 2025-10-06 |
A Unified Deep Learning Ensemble Framework for Voice-Based Parkinson's Disease Detection and Motor Severity Prediction
2025-Jun-27, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070699
PMID:40722391
|
研究论文 | 提出一种基于语音特征的帕金森病检测与运动严重程度预测的混合集成学习框架 | 结合深度多模态融合模型与集成学习策略,首次实现帕金森病联合检测和运动严重程度预测 | 未明确说明数据集规模和多样性限制 | 开发精准可泛化的语音基帕金森病监测模型 | 帕金森病患者语音生物医学特征 | 机器学习 | 帕金森病 | 语音特征分析 | 深度神经网络,集成学习 | 语音特征数据 | NA | Scikit-learn, XGBoost | 多模态融合模型,多头自注意力机制,多任务输出分支 | 准确率,RMSE,R平方 | NA |
4672 | 2025-10-06 |
Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence
2025-Jun-27, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15070938
PMID:40723810
|
研究论文 | 提出一种整合染色质可及性和基因组序列的深度学习框架scAttG,用于单细胞ATAC测序数据的细胞类型注释 | 首次将图注意力网络和卷积神经网络结合,同时利用染色质可及性信号和基因组序列特征进行细胞注释 | 未明确说明模型在特定生物环境或稀有细胞类型上的性能限制 | 开发更准确和稳健的单细胞ATAC测序数据细胞类型注释方法 | 单细胞ATAC测序数据 | 生物信息学 | NA | scATAC-seq | GAT, CNN | 基因组序列,染色质可及性数据 | 多个scATAC-seq数据集(未指定具体数量) | NA | 图注意力网络,卷积神经网络 | 准确性,鲁棒性 | NA |
4673 | 2025-10-06 |
Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data
2025-Jun-27, Genes
IF:2.8Q2
DOI:10.3390/genes16070755
PMID:40725410
|
研究论文 | 本研究通过机器学习和深度学习方法识别与胶质母细胞瘤总生存期相关的关键基因 | 首次结合机器学习特征选择方法和DeepSurv深度学习模型识别胶质母细胞瘤预后相关基因,并比较两种方法的性能 | 研究基于TCGA单一数据库,需要外部验证;基因功能机制需要进一步实验验证 | 识别与胶质母细胞瘤患者总生存期相关的关键基因生物标志物 | 胶质母细胞瘤原发性肿瘤样本 | 机器学习 | 胶质母细胞瘤 | RNA-Seq | Cox比例风险模型, DeepSurv | 基因表达数据 | TCGA数据库中的胶质母细胞瘤原发性肿瘤样本 | NA | DeepSurv | c-index | NA |
4674 | 2025-10-06 |
Integrating Deep Learning and Transcriptomics to Assess Livestock Aggression: A Scoping Review
2025-Jun-26, Biology
DOI:10.3390/biology14070771
PMID:40723331
|
综述 | 通过范围综述评估深度学习和转录组学在牲畜攻击行为研究中的应用现状与趋势 | 首次系统整合深度学习视频分析与转录组学两种创新方法评估牲畜攻击行为研究现状 | 缺乏同时结合两种方法的研究,行为标注不一致,真实农场验证不足,跨模态整合有限 | 评估深度学习和转录组学在牲畜攻击行为研究中的应用现状并识别研究空白 | 牲畜攻击行为研究文献(2014-2025年4月) | 计算机视觉,生物信息学 | NA | 转录组分析,视频分析 | CNN | 视频数据,转录组数据 | 268项原始研究(250项AI驱动行为表型分析,18项转录组研究) | NA | 基于CNN的目标检测和姿态估计系统 | NA | NA |
4675 | 2025-10-06 |
Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle
2025-Jun-26, Entropy (Basel, Switzerland)
DOI:10.3390/e27070684
PMID:40724400
|
研究论文 | 本文提出基于语义变分贝叶斯的最大信息效率原则,改进最小自由能原理的理论缺陷 | 提出语义变分贝叶斯方法和最大信息效率原则,引入语义信息G理论和逻辑贝叶斯推理,允许使用与语义相关的函数作为约束条件 | 需要结合深度学习方法才能获得更广泛的应用 | 改进最小自由能原理的理论基础,建立更完善的信息处理框架 | 信息理论、变分贝叶斯方法、脑与行为协调机制 | 机器学习 | NA | 变分贝叶斯方法、语义信息理论 | 语义变分贝叶斯 | 理论分析 | NA | NA | NA | 理论证明、计算实验 | NA |
4676 | 2025-10-06 |
TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification
2025-Jun-25, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15070684
PMID:40722277
|
研究论文 | 提出一种基于脑电图信号的时频协同网络TFSNet用于自闭症谱系障碍分类 | 设计动态残差块增强时域特征提取,结合短时傅里叶变换和自适应跨域注意力机制实现时频特征高效融合 | 数据集样本量较小(谢菲尔德大学数据集56例,KAU数据集17例),需在更大样本上验证模型泛化能力 | 提高自闭症谱系障碍脑电图信号分类准确率 | 自闭症谱系障碍患者和健康对照者的脑电图信号 | 机器学习 | 自闭症谱系障碍 | 脑电图信号分析,短时傅里叶变换 | CNN, 注意力机制 | 脑电图信号 | 谢菲尔德大学数据集:28名ASD患者和28名健康对照;KAU数据集:12名ASD患者和5名健康对照 | NA | TFSNet, 动态残差块, 自适应跨域注意力机制 | 准确率 | NA |
4677 | 2025-10-06 |
EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods
2025-Jun-25, Life (Basel, Switzerland)
DOI:10.3390/life15071010
PMID:40724513
|
研究论文 | 提出一种集成机器学习和深度学习的神经肽预测框架EnsembleNPPred | 集成传统机器学习模型与深度学习组件,通过多数投票机制结合SVM、Extra Trees和CNN模型的互补优势 | NA | 开发计算预测工具以支持神经肽候选序列的实验验证 | 神经肽序列 | 机器学习 | NA | NA | SVM, Extra Trees, CNN | 序列数据 | NA | NA | CNN | 准确率, 敏感性-特异性平衡 | NA |
4678 | 2025-10-06 |
Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning
2025-Jun-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070686
PMID:40722378
|
研究论文 | 提出一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架 | 将表面肌电信号和惯性测量单元数据整合到单一深度学习模型中,通过三分支网络结构模拟临床医生的多维评估 | 样本量较小(21名参与者),仅验证了简单步行任务 | 开发自动化帕金森病步态评估系统以减少人工评估的工作量和主观性 | 帕金森病患者和健康对照者 | 机器学习 | 帕金森病 | 表面肌电信号,惯性测量单元 | 深度学习 | 传感器信号(EMG,IMU) | 21名帕金森病患者和健康对照者 | NA | 三分支网络(诊断头,评估头,平衡头) | 分类准确率 | NA |
4679 | 2025-10-06 |
Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features
2025-Jun-23, Entropy (Basel, Switzerland)
DOI:10.3390/e27070671
PMID:40724388
|
研究论文 | 本研究开发了一种结合数据复杂性分析和有限特征的多步天然气负荷预测模型 | 通过滚动分形维数、Hurst指数、样本熵和最大Lyapunov指数量化负荷序列复杂性特征,并将复杂特征整合到分解预测框架中 | NA | 量化评估天然气负荷的复杂性特征并开发多步超前预测模型 | 天然气负荷数据 | 机器学习 | NA | NA | XGBoost, GRU | 时间序列数据 | NA | XGBoost | GRU, VMD | R | NA |
4680 | 2025-10-06 |
Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions
2025-Jun-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070681
PMID:40722373
|
综述 | 本文综述人工智能在经颅多普勒和超声诊断中的应用现状及未来发展方向 | 首次系统总结AI在神经超声学领域的应用,并指出脑实质疾病评估这一未开发领域的研究潜力 | 数据标准化不足、算法可解释性有限、临床整合困难,脑实质疾病评估研究尚不充分 | 探索人工智能在经颅多普勒和超声成像中的诊断应用与未来发展 | 经颅多普勒(TCD)和经颅彩色多普勒(TCCD)数据,脑血管异常和脑实质病变 | 医学影像分析 | 脑血管疾病, 脑实质病变 | 经颅多普勒, 经颅彩色多普勒, 超声成像 | 机器学习, 深度学习, 卷积神经网络 | 多普勒信号, 超声图像 | 基于41项相关研究 | NA | NA | NA | NA |