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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5161 | 2025-10-06 |
Enhancing the diagnostic capacity of [18F]PSMA-1007 PET/MRI in primary prostate cancer staging with artificial intelligence and semi-quantitative DCE: an exploratory study
2024-Nov-08, EJNMMI reports
DOI:10.1186/s41824-024-00225-5
PMID:39510993
|
研究论文 | 探索人工智能和半定量DCE分析在增强[18F]PSMA-1007 PET/MRI对原发性前列腺癌分期诊断能力中的应用 | 首次将深度学习管道与半定量DCE分析结合应用于PSMA-放射性配体PET/MRI,提高前列腺癌诊断准确性 | 样本量较小(仅7例患者),属于探索性研究 | 提高原发性前列腺癌分期的诊断能力 | 原发性前列腺癌患者 | 数字病理 | 前列腺癌 | PET/MRI, DCE-MRI, DWI, T2加权成像 | 深度学习 | 医学影像 | 7例前列腺癌患者 | NA | NA | DICE系数 | NA |
| 5162 | 2025-10-06 |
Multimodal Artificial Intelligence in Medicine
2024-Nov-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000556
PMID:39167446
|
综述 | 本文探讨了多模态人工智能在医学领域的应用、优势及面临的挑战 | 提出多模态Transformer模型能够有效处理医疗领域中的文本、图像和结构化数据等多模态数据 | 多模态人工智能模型的临床应用面临伦理和环境挑战 | 研究多模态人工智能在医学诊断和治疗中的应用潜力 | 医疗多模态数据(文本、图像、结构化数据) | 自然语言处理,计算机视觉,机器学习 | NA | 多模态深度学习 | Transformer | 文本,图像,结构化数据 | NA | NA | Transformer | 美国医师执照考试题库基准测试 | NA |
| 5163 | 2025-10-06 |
Bone scintigraphy based on deep learning model and modified growth optimizer
2024-10-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73991-8
PMID:39465262
|
研究论文 | 提出一种基于深度学习模型和改进生长优化器的骨闪烁成像分析方法 | 结合MobileViT模型和基于算术优化算法改进的生长优化器进行特征提取和选择 | NA | 开发自动化的骨闪烁成像分析系统以减少人工分析的负担 | 骨闪烁成像图像 | 计算机视觉 | 骨转移癌 | 骨闪烁成像 | Transformer, CNN | 医学图像 | 2800张骨扫描图像(1400正常,1400异常)和18个UCI数据集 | NA | MobileViT | NA | NA |
| 5164 | 2025-07-25 |
Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue
2024-Oct, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2024.e71
PMID:40703983
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5165 | 2025-10-06 |
Calculating Protein-Ligand Residence Times through State Predictive Information Bottleneck Based Enhanced Sampling
2024-Jul-23, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00503
PMID:38991145
|
研究论文 | 提出一种结合深度学习与增强采样方法计算蛋白质-配体停留时间的半自动化协议 | 首次将状态预测信息瓶颈(SPIB)与元动力学增强采样相结合,实现跨越12个数量级时间尺度的停留时间计算 | 方法验证仅限于六种蛋白质-配体复合物,需要进一步扩展验证范围 | 开发准确计算蛋白质-配体停留时间的方法以改进药物疗效 | 六种蛋白质-配体复合物,包括抗癌药物伊马替尼与野生型Abl激酶及耐药突变体的解离过程 | 计算生物学 | 癌症 | 分子动力学模拟,增强采样,深度学习 | 状态预测信息瓶颈(SPIB) | 分子动力学轨迹数据 | 六种蛋白质-配体复合物 | NA | 状态预测信息瓶颈神经网络 | 停留时间计算准确性 | NA |
| 5166 | 2025-10-06 |
Enhancing Molecular Property Prediction through Task-Oriented Transfer Learning: Integrating Universal Structural Insights and Domain-Specific Knowledge
2024-06-13, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00692
PMID:38748846
|
研究论文 | 提出一种面向任务的双层预训练框架TOML-BERT,通过整合通用结构洞察和领域特定知识来增强分子属性预测 | 引入考虑分子结构模式和领域知识的双层预训练框架,实现结构上下文信息挖掘与领域知识提取的互补 | 未明确说明模型在更广泛数据集上的泛化能力及计算效率分析 | 解决药物发现中标记数据稀缺问题,提升分子属性预测精度 | 分子结构及其属性 | 自然语言处理, 机器学习 | NA | 深度学习, 自监督预训练 | BERT | 分子结构数据 | 10个药物数据集 | NA | BERT | 预测性能指标(未具体说明) | NA |
| 5167 | 2025-10-06 |
Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review
2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR
IF:1.8Q3
DOI:10.5812/ijpr-150510
PMID:39895671
|
综述 | 本文全面回顾了人工智能在药物科学领域的进展与应用 | 系统整合了AI在药物科学多个子领域的最新应用,包括药物化学、药剂学、药理学与毒理学等 | 作为综述文章,未涉及原始实验数据验证 | 阐明人工智能在药物科学各领域的实际应用和潜力 | 药物发现、开发过程和个性化患者护理 | 机器学习 | NA | 机器学习,深度学习,自然语言处理,机器人自动化 | NA | NA | NA | NA | NA | NA | NA |
| 5168 | 2025-10-06 |
PeakDetective: A Semisupervised Deep Learning-Based Approach for Peak Curation in Untargeted Metabolomics
2023-06-27, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c00764
PMID:37314824
|
研究论文 | 开发了一种基于半监督深度学习的峰检测方法PeakDetective,用于非靶向代谢组学中的峰筛选 | 结合无监督自动编码器和主动学习分类器,仅需少于100个用户标记的峰即可快速训练模型 | 需要用户提供少量标记数据,性能可能受特定LC/MS方法和样本类型影响 | 解决非靶向代谢组学数据处理中峰检测的假阳性问题 | LC/MS代谢组学数据中的色谱峰 | 机器学习 | NA | LC/MS,非靶向代谢组学 | 自动编码器,分类器 | 代谢组学色谱峰数据 | 五个不同的LC/MS数据集,包括SARS-CoV-2数据集 | Python | 自动编码器 | 准确率,统计显著性代谢物检测数量 | NA |
| 5169 | 2025-10-06 |
Automatic Classification of Cancer Pathology Reports: A Systematic Review
2022, Journal of pathology informatics
DOI:10.1016/j.jpi.2022.100003
PMID:35242443
|
系统综述 | 对2010-2021年间发表的癌症病理报告自动分类自然语言处理系统进行系统性回顾和分析 | 首次系统性回顾和比较了不同NLP方法在癌症病理报告分类中的应用,并基于PRISMA指南进行规范化分析 | 仅纳入2010-2021年间的25篇文献,部分癌症特征提取任务仍存在挑战 | 评估自然语言处理技术在癌症病理报告自动分类中的应用现状和发展趋势 | 癌症病理报告文本数据 | 自然语言处理 | 癌症 | 自然语言处理 | 基于规则的系统,统计机器学习,深度学习 | 文本 | 25篇研究论文 | NA | NA | NA | NA |
| 5170 | 2025-10-06 |
QCAE-QOC-SVM: A hybrid quantum machine learning model for DoS and Fuzzy attack detection on autonomous vehicle CAN bus
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103471
PMID:40687355
|
研究论文 | 提出一种混合量子机器学习模型用于检测自动驾驶车辆CAN总线上的DoS和Fuzzy攻击 | 结合量子卷积自编码器和基于支持向量机的量子正交分类器,首次将混合量子机器学习应用于车辆网络安全检测 | NA | 开发针对自动驾驶车辆CAN总线网络攻击的检测方法 | 自动驾驶车辆CAN总线信号 | 机器学习 | NA | 量子机器学习 | QCAE, QOC-SVM | CAN总线流量数据 | 300,000个实例 | NA | 量子卷积自编码器, 量子正交分类器 | F1分数 | 高性能计算设施 |
| 5171 | 2025-10-06 |
Advancing non-invasive melanoma diagnostics with deep learning and multispectral photoacoustic imaging
2025-Oct, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100743
PMID:40686556
|
研究论文 | 提出结合深度学习与多光谱光声成像的非侵入性黑色素瘤诊断框架 | 首次将一维卷积神经网络与主动轮廓算法结合,实现无需人工干预的黑色素瘤3D边界自动划定 | 研究未提及模型在更大样本群体中的泛化能力验证 | 开发非侵入性黑色素瘤边界自动识别技术以改进临床诊断流程 | 人类黑色素瘤多光谱光声成像数据 | 计算机视觉 | 黑色素瘤 | 多光谱光声成像 | CNN | 光谱数据 | NA | NA | 一维卷积神经网络 | NA | NA |
| 5172 | 2025-10-06 |
Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf074
PMID:40418276
|
研究论文 | 本研究开发了一种新型多模态Transformer时序注意力网络,通过整合纵向非侵入性诊断数据来预测免疫治疗患者的生存率 | 提出了MMTSimTA网络架构,结合了时序注意力和多模态融合技术,专门用于处理纵向多模态医疗数据 | 研究基于单一中心的694名患者数据,需要外部验证来确认模型的泛化能力 | 利用深度学习整合多模态纵向数据改进免疫治疗患者的生存预测 | 694名接受免疫治疗的泛癌种患者 | 医疗人工智能 | 癌症 | CT成像、血液检测、药物治疗记录 | Transformer, 人工神经网络 | 纵向多模态数据(血液测量值、用药记录、CT器官体积) | 694名患者 | NA | MMTSimTA(多模态Transformer时序注意力网络) | AUC(曲线下面积) | NA |
| 5173 | 2025-10-06 |
Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf070
PMID:40498469
|
研究论文 | 本研究通过持续学习方法解决代谢综合征识别中因医院与非医院环境分布偏移导致的灾难性遗忘问题 | 提出在医疗环境中应用持续学习策略,并发现训练顺序(从医院到非医院环境)对模型性能有显著影响 | 仅使用三个医疗数据集,可能无法完全代表所有现实医疗场景的分布偏移情况 | 开发能够适应不同医疗环境分布偏移的深度学习模型,提高代谢综合征识别的准确性和泛化能力 | 代谢综合征患者 | 机器学习 | 代谢综合征 | 深度学习 | 深度学习模型 | 医疗数据 | 三个医疗数据集(MIMIC、NHANES和专有数据集) | NA | NA | AUROC, 精确召回曲线下面积 | NA |
| 5174 | 2025-10-06 |
StarNet: Indian star gooseberries dataset for quality and maturity assessment
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111825
PMID:40687364
|
研究论文 | 本文介绍了用于印度星醋栗质量与成熟度评估的StarNet数据集 | 创建了首个专门针对印度星醋栗的多类别图像数据集,包含不同成熟阶段、排列方式和标注样本 | 数据集仅包含792张图像样本,可能需要在更大规模数据上验证模型性能 | 开发自动化计算机视觉模型用于水果质量评估和分级 | 印度星醋栗水果 | 计算机视觉 | NA | 图像采集 | NA | 图像 | 792张星醋栗图像样本 | NA | NA | NA | NA |
| 5175 | 2025-10-06 |
Okra disease dataset for classification and segmentation: Dataset collection, analysis and applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111662
PMID:40687361
|
研究论文 | 本文介绍了一个用于秋葵叶片疾病分类和分割的综合数据集,包含2500张在印度实地采集的图像 | 这是首个公开的印度秋葵叶片疾病数据集,在真实世界条件下采集,包含光照、叶片位置和环境因素的自然变化 | 数据集规模有限,未来需要扩展更多图像以包含不同生长阶段和环境条件 | 为早期植物疾病分类、检测和分割研究提供基准资源 | 秋葵叶片图像,包括健康叶片和五种疾病类别 | 计算机视觉 | 植物疾病 | 图像采集 | 深度学习模型 | 图像 | 2500张秋葵叶片图像,包含6个类别(1个健康类+5个疾病类) | NA | NA | NA | NA |
| 5176 | 2025-10-06 |
InterDuPa-UAV: A UAV-based dataset for the classification of intercropped durian and papaya trees
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111843
PMID:40687368
|
研究论文 | 本文提出了一个基于无人机图像的榴莲和木瓜间作树木分类数据集 | 创建了首个专门针对榴莲和木瓜间作树木的无人机图像数据集,为多树种分类和精准农业决策提供资源 | 数据集仅包含两种树种,且来自单一混合种植园,可能限制模型的泛化能力 | 开发用于精准农业的多树种分类和空间模式分析的数据资源 | 间作种植的榴莲树和木瓜树 | 计算机视觉 | NA | 无人机航拍 | NA | 图像 | 311张无人机图像,包含3327张榴莲树图像和2872张木瓜树图像 | NA | NA | NA | NA |
| 5177 | 2025-10-06 |
Current challenges and opportunities in active and passive data collection for mobile health sensing: a scoping review
2025-Aug, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf025
PMID:40688708
|
综述 | 本文通过范围综述分析了移动健康感知中主动和被动数据收集面临的挑战与机遇 | 首次系统性地识别和分析了移动健康感知中主动与被动数据收集并存的挑战,并提出了机器学习优化方案 | 仅纳入77项研究,可能未涵盖所有相关文献;仅关注同时收集主动和被动数据的研究 | 分析移动健康感知中数据收集的挑战并探索解决方案 | 使用移动和泛在设备进行健康数据收集的研究 | 机器学习 | NA | 移动感知技术 | NA | 主动数据和被动移动感知数据 | 77项符合纳入标准的研究 | NA | NA | NA | NA |
| 5178 | 2025-10-06 |
A modular deep learning pipeline for enhanced plane-wave beamforming and B-mode image quality
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17948
PMID:40698752
|
研究论文 | 提出一种模块化深度学习管道,用于增强平面波波束成形和B模式图像质量 | 将波束成形过程分为两个模块:基于多注意力U-Net的模型用于捕获时延数据中的复杂依赖关系,以及超分辨率模型用于缩放到原始B模式图像网格 | 同时管理两个模型增加了复杂性 | 克服传统波束成形方法的限制,提高平面波图像质量和模块化程度 | 超声成像中的平面波技术 | 医学影像处理 | NA | 平面波超声成像 | U-Net, 超分辨率模型 | 模拟数据、实验数据、体内数据 | PICMUS数据集中的模拟、实验和体内数据 | NA | 多注意力U-Net, 超分辨率模型 | 对比噪声比(CNR), 对比度比(CR), 广义对比噪声比(gCNR), 分辨率 | NA |
| 5179 | 2025-10-06 |
Self-Assembly MXene/PDA@Cotton Fabric Pressure Sensor Integrated with Deep Learning for Sign Language Recognition
2025-Jul-23, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c08568
PMID:40643219
|
研究论文 | 开发了一种基于MXene/PDA@棉织物的多功能可穿戴压力传感器,并结合深度学习实现手语识别 | 采用双氢键自组装策略修饰纬编棉织物开发柔性压力传感器,并将其与智能算法结合实现静态手势识别和动态手语翻译 | NA | 开发用于智能人机交互的下一代手语识别系统 | 柔性压力传感器在生理参数监测和手语识别中的应用 | 人机交互, 智能传感 | NA | 双氢键自组装策略 | 深度学习 | 压力传感信号 | NA | NA | NA | 检测范围, 灵敏度, 响应/恢复时间, 稳定性 | NA |
| 5180 | 2025-10-06 |
Deep Learning-Assisted Inverse Design of Transparent Absorbers Based on Ionic Liquids Using Mixture Density Networks
2025-Jul-23, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c08242
PMID:40643426
|
研究论文 | 本研究提出了一种基于混合密度网络的透明波吸收器逆向设计方法 | 采用混合密度网络架构,将离子液体类型和层间结构参数同时作为设计变量,可快速预测满足条件的设计方案 | NA | 开发透明波吸收器的逆向设计方法 | 基于多种离子液体的透明波吸收器 | 机器学习 | NA | NA | MDN | 结构参数与性能数据 | NA | NA | 混合密度网络 | 吸收带宽、平均透射率、厚度 | NA |