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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
521 | 2025-10-05 |
Predicting the Tumor Microenvironment Composition and Immunotherapy Response in Non-Small Cell Lung Cancer from Digital Histopathology Images
2024-Jun-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.11.24308696
PMID:41030932
|
研究论文 | 提出一种名为HistoTME的弱监督深度学习方法,直接从非小细胞肺癌患者的组织病理学图像预测肿瘤微环境组成和免疫治疗反应 | 首次开发能够直接从组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法,无需额外分子检测 | 研究基于特定患者队列,需要在更广泛人群中验证 | 预测非小细胞肺癌肿瘤微环境组成和免疫治疗反应 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | 数字组织病理学成像 | 深度学习 | 全切片图像 | 外部临床队列652名患者 | NA | NA | Pearson相关系数, AUROC | NA |
522 | 2025-10-05 |
Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3373703
PMID:38507374
|
研究论文 | 提出一种结合浅层神经网络和对抗性攻击的框架,用于预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 使用单步梯度对抗性攻击寻找输入空间中的对抗性进展方向,通过到决策边界的距离预测疾病转化 | 阿尔茨海默病研究可用数据集规模不足以学习复杂模型 | 预测轻度认知障碍向阿尔茨海默病痴呆的转化 | 轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | 对抗性攻击 | 神经网络 | 患者数据 | 两个公开可用数据集 | NA | 浅层神经网络 | NA | NA |
523 | 2025-10-05 |
CONUNETR: A CONDITIONAL TRANSFORMER NETWORK FOR 3D MICRO-CT EMBRYONIC CARTILAGE SEGMENTATION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635851
PMID:41018045
|
研究论文 | 提出一种基于Transformer的条件网络CONUNETR,用于3D显微CT胚胎软骨分割 | 引入改进的生物先验知识和条件机制,能够通过单一模型准确预测多个年龄组的软骨形态 | NA | 解决胚胎软骨快速结构变化导致的深度学习模型泛化问题 | 小鼠胚胎软骨 | 计算机视觉 | 骨骼发育异常 | 显微CT | Transformer | 3D图像 | NA | NA | CONUNETR | NA | NA |
524 | 2025-10-05 |
High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43929-1
PMID:38081829
|
研究论文 | 本研究使用真实世界数据模拟目标临床试验,评估数千种药物对阿尔茨海默病的潜在治疗效果 | 提出基于倾向评分模型的改进选择策略,并在大规模真实世界数据上系统评估深度学习与传统逻辑回归方法在协变量平衡方面的表现 | 基于观察性数据,可能存在未测量的混杂因素 | 通过目标试验模拟方法进行阿尔茨海默病药物再利用研究 | 170多万患者的临床记录和数千种已批准药物 | 医学信息学 | 阿尔茨海默病 | 目标试验模拟,逆概率加权 | 深度学习,逻辑回归 | 真实世界临床数据 | 超过170万患者,覆盖10多年临床记录 | NA | NA | 协变量平衡 | NA |
525 | 2025-10-05 |
Comprehensive tissue deconvolution of cell-free DNA by deep learning for disease diagnosis and monitoring
2023-07-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2305236120
PMID:37399400
|
研究论文 | 通过深度学习对血浆游离DNA进行组织溯源分析,用于疾病诊断和治疗监测 | 构建了基于521个非癌组织样本的全面高分辨率甲基化图谱,开发了基于深度学习的监督组织反卷积方法 | 仅包含29种主要人体组织类型,可能未覆盖所有组织类型 | 开发高灵敏度和准确性的组织来源cfDNA定量方法,用于疾病检测和监测 | 血浆游离DNA和组织特异性甲基化模式 | 数字病理 | 多种疾病 | 甲基化测序 | 深度学习 | 甲基化数据 | 521个非癌组织样本,涵盖29种主要人体组织类型 | NA | NA | 灵敏度, 准确度 | NA |
526 | 2025-10-05 |
Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study
2023-04, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2023.107384
PMID:36842429
|
研究论文 | 本研究探索应用深度学习预测心脏导联在1.5T和3T磁共振成像中射频加热的可行性 | 首次将深度学习应用于预测位置和方向可变的导电导联在MRI中的射频加热,突破了传统固定位置预测的限制 | 基于仿真数据的研究,需要进一步实验验证;SAR预测误差范围较大(223W/kg和206W/kg) | 开发快速预测磁共振成像中导电植入物射频加热的机器学习方法 | 心脏导联模型(心血管植入电子设备中的导联) | 机器学习 | 心血管疾病 | 电磁仿真,磁共振成像 | 神经网络 | 仿真数据,坐标数据 | 600个具有临床相关轨迹的心脏导联模型 | NA | 神经网络 | 均方根误差,R分数 | NA |
527 | 2025-10-05 |
Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.895515
PMID:36568148
|
研究论文 | 开发基于3D-CNN的机器学习模型,利用术前CT扫描预测胰腺导管腺癌的淋巴结转移和术后切缘状态 | 首次将三维卷积神经网络应用于胰腺癌术前CT扫描,同时预测淋巴结转移和术后切缘状态 | 样本量较小(110名患者),需要更大规模研究验证模型的普适性 | 改善胰腺导管腺癌术前影像学分期,预测术后切缘和淋巴结状态 | 胰腺导管腺癌患者 | 计算机视觉 | 胰腺癌 | CT扫描 | CNN | 医学影像 | 110名患者的881个CT扫描 | NA | 3D-CNN | 准确率 | NA |
528 | 2025-10-05 |
ADVERSARIAL SYNTHESIS LEARNING ENABLES SEGMENTATION WITHOUT TARGET MODALITY GROUND TRUTH
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi.2018.8363790
PMID:41018946
|
研究论文 | 提出一种无需目标模态标注数据的端到端对抗合成学习框架,实现跨模态图像分割 | 首次将图像合成与分割任务整合到端到端网络中,利用合成与分割间的互补信息 | 仅验证了MRI到CT的跨模态分割,未在其他模态组合上测试 | 解决深度学习分割模型在不同成像模态间泛化能力不足的问题 | 脾肿大器官的CT图像分割 | 计算机视觉 | 脾脏疾病 | 医学影像分析 | GAN, CNN | 医学影像(MRI、CT) | NA | NA | CycleGAN, ResNet, 自定义EssNet | Dice相似系数 | NA |
529 | 2025-10-05 |
DANN: a deep learning approach for annotating the pathogenicity of genetic variants
2015-Mar-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btu703
PMID:25338716
|
研究论文 | 开发了一种基于深度学习的遗传变异致病性注释方法DANN | 使用深度神经网络替代传统线性SVM,能够捕捉特征间的非线性关系 | 使用与CADD相同的特征集和训练数据,未引入新的特征 | 改进遗传变异致病性注释算法的性能 | 编码和非编码遗传变异 | 机器学习 | NA | 遗传变异注释 | DNN | 遗传变异特征数据 | NA | NA | 深度神经网络 | AUC, 错误率 | CUDA兼容GPU, dropout, momentum训练 |
530 | 2025-10-05 |
Mino-Bimaadiziwin and the Pursuit of Harmony
2025-Nov, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc
IF:7.7Q1
DOI:10.1177/10888683251345043
PMID:41017246
|
研究论文 | 本文介绍北美原住民安尼什纳比格人的幸福观Mino-Bimaadiziwin及其七大祖训美德体系 | 首次将北美原住民的幸福观引入心理学研究,提出以和谐为核心的非西方幸福理论框架 | 研究范围限于特定原住民群体,未与其他文化体系进行系统比较 | 探索非西方文化背景下的幸福理论,丰富心理学对幸福的理解 | 安尼什纳比格原住民文化中的幸福概念Mino-Bimaadiziwin及七大祖训美德 | 心理学 | NA | 故事工作法 | NA | 文化文本 | NA | NA | NA | NA | NA |
531 | 2025-10-05 |
Hybrid deep learning framework for environmental microplastic classification: Integrating CNN-based spectral feature extraction and transformer models
2025-Nov-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.126989
PMID:40816460
|
研究论文 | 提出一种结合CNN和Transformer的混合深度学习框架,用于环境微塑料的FTIR光谱分类 | 首次将CNN的局部光谱特征提取能力与Transformer的全局依赖建模能力相结合,形成互补优势的混合架构 | 未提及模型在极端环境条件下的表现验证 | 开发高精度的环境微塑料分类方法 | 来自土壤、空气、沉积物和水体基质的环境微塑料 | 机器学习 | NA | 傅里叶变换红外光谱(FTIR) | CNN, Transformer | 光谱数据 | 包含17种聚合物类型的光谱数据集 | NA | CNN-Transformer混合架构 | 准确率 | NA |
532 | 2025-10-05 |
Surveillance of urban river environment by quantifying distributions of water quality parameters using hyperspectral remote sensing-based ripple propagation graph network
2025-Nov-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.126875
PMID:40846259
|
研究论文 | 提出混合反馈涟漪网络(HF-RN)从无人机高光谱数据中反演水质参数浓度 | 集成深度学习、空间分布模式分析和概率统计分析,通过涟漪传播图网络增强采样区与未采样区的空间关联性 | 未明确说明模型对特定水质条件或地理环境的泛化能力 | 开发高效的城市河流水质监测方法 | 城市河流水质参数(总磷、总氮、化学需氧量、生化需氧量、叶绿素a、总悬浮固体) | 环境遥感 | NA | 高光谱遥感 | 图神经网络 | 高光谱图像 | 实际监测数据集(未明确具体样本数量) | 深度学习框架 | 混合反馈涟漪网络(HF-RN) | 平均绝对百分比误差(MAPE) | NA |
533 | 2025-10-05 |
Interpreting spatiotemporal dynamics of Ulva prolifera blooms in the southern yellow sea using an attention-enhanced transformer framework
2025-Nov-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.126999
PMID:40846261
|
研究论文 | 本研究开发了一种基于注意力增强Transformer的深度学习框架,用于解释和预测黄海南部浒苔暴发的时空动态 | 首次将多头自注意力机制的Transformer框架应用于浒苔暴发预测,能够动态捕捉空间依赖性并识别最优环境因子组合 | 研究区域仅限于黄海南部,模型在其他海域的适用性需要进一步验证 | 理解和预测浒苔暴发的复杂时空动态,为针对性防控提供科学依据 | 黄海南部的浒苔暴发现象 | 机器学习 | NA | 深度学习,时空数据分析 | Transformer | 海洋环境数据 | NA | NA | Transformer with multi-head self-attention | MAE, MSE, R | NA |
534 | 2025-10-05 |
Legacy and emerging per- and poly-fluorinated substances (PFASs) as potential pathogenic drivers of diabetes mellitus: Challenges and perspectives
2025-Nov-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.127033
PMID:40865758
|
综述 | 本文综述了全氟和多氟烷基物质(PFASs)作为糖尿病潜在致病驱动因素的研究现状与展望 | 系统总结了PFASs在不同生命阶段对糖尿病的影响机制,并提出了结合图神经网络、人工智能和多组学数据融合等前沿技术的未来研究方向 | PFASs的具体致病机制尚未完全阐明,现有研究忽视了影响因素、复合暴露相互作用以及致病机制的复杂性 | 探讨PFASs暴露与糖尿病之间的关联机制及未来研究方向 | 全氟和多氟烷基物质(PFASs)与糖尿病发病机制的关系 | 环境健康与疾病机制 | 糖尿病 | 高通量筛选、多组学数据整合、器官芯片、干细胞衍生模型 | 图神经网络、深度学习、机器学习、非线性混合模型 | 多组学数据、体外实验数据、体内实验数据 | NA | NA | NA | NA | NA |
535 | 2025-10-05 |
Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review
2025-Oct, The Laryngoscope
DOI:10.1002/lary.32246
PMID:40371996
|
综述 | 本文系统回顾了人工智能在耳鼻喉科手术培训中的应用进展 | 首次针对耳鼻喉科领域系统梳理AI在手术技能评估中的应用现状与潜力 | 纳入研究数量有限(34篇),部分研究样本量较小 | 探讨人工智能在手术技能评估中的应用及其对耳鼻喉科教育的促进作用 | 手术技能评估相关研究,特别关注耳鼻喉科手术 | 计算机视觉, 机器学习 | 耳鼻喉科疾病 | 深度学习, 机器学习, 计算机视觉 | NA | 运动学数据, 运动数据, 力数据, 视频数据 | 34项符合纳入标准的研究 | NA | NA | 分类准确率 | NA |
536 | 2025-10-05 |
YOLOv8-DuckPluck: A lightweight target detection model for cherry valley duck feather pecking site detection
2025-Oct, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105484
PMID:40618564
|
研究论文 | 提出一种基于YOLOv8的樱桃谷鸭啄羽部位检测轻量级模型YOLOv8-DuckPluck | 提出新型轻量级多尺度特征提取模块NeoMSM-C2f,采用DyHead检测头动态调整检测策略,并应用知识蒸馏技术提升检测精度 | NA | 解决高密度多目标复杂环境下目标检测模型处理速度慢、参数量大和模型体积大的问题 | 樱桃谷鸭的啄羽行为检测 | 计算机视觉 | NA | 深度学习 | YOLO, CNN | 图像 | NA | NA | YOLOv8, NeoMSM-C2f, DyHead | mAP, 检测速度(f/s) | NA |
537 | 2025-10-05 |
Assessing the impact of day and night urban outdoor environments on women's physiological and psychological states using pedestrian-centric street view images
2025-Oct, Social science & medicine (1982)
DOI:10.1016/j.socscimed.2025.118433
PMID:40743851
|
研究论文 | 通过街景图像和多学科方法评估城市昼夜环境对女性生理心理状态的影响 | 首次结合行人视角街景图像和时空分析方法研究昼夜环境变化对女性生理心理的差异化影响 | 研究范围限于特定城市环境,未考虑个体差异和文化背景等因素 | 探究不同城市环境昼夜变化对女性生理心理状态的影响机制 | 城市户外环境中的女性行人 | 计算机视觉 | NA | 街景图像采集、深度学习分析 | 深度学习模型 | 街景图像、问卷数据、生理测量数据 | 未明确说明具体样本数量 | NA | NA | 空间自相关分析、MGWR回归分析 | NA |
538 | 2025-10-05 |
The interembodiment of healing: Holistic transformations in neurological rehabilitation and care
2025-Oct, Social science & medicine (1982)
DOI:10.1016/j.socscimed.2025.118468
PMID:40768952
|
研究论文 | 通过民族志研究探讨神经康复中患者与治疗师之间的跨身体互动对康复过程的影响 | 提出'跨身体性'概念,强调康复过程中情感、信息与身体学习的多维整合,挑战将瘫痪视为个体状况的传统观点 | 基于10个月民族志研究,样本范围有限,未涉及量化验证 | 探索神经康复过程中患者与治疗师之间的互动机制及其对康复效果的影响 | 瘫痪患者(脊髓损伤和创伤性脑损伤)、护理人员及康复专业人员 | 医学人类学 | 神经系统疾病 | 民族志研究、案例研究 | NA | 定性数据、观察记录、案例资料 | 10个月田野调查涉及的患者、护理人员和康复专业人员群体 | NA | NA | NA | NA |
539 | 2025-10-05 |
Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification
2025-Oct, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3600902
PMID:40833913
|
研究论文 | 提出融合超声心动图图像和医疗记录的方法,用于高血压患者的连续分层 | 首次将Transformer模型应用于表格数据,融合多模态医疗数据学习心血管疾病的连续表征 | 训练样本有限(少于200个训练样本),仅针对高血压患者进行研究 | 开发能够综合考虑医疗记录和超声心动图描述符的患者分层方法 | 239名高血压患者 | 医疗人工智能 | 心血管疾病 | 超声心动图,医疗记录分析 | Transformer | 图像,表格数据 | 239名高血压患者 | NA | XTab基础模型,Transformer编码器 | AUROC,平均绝对误差(MAE) | NA |
540 | 2025-10-05 |
Explainable Machine Learning for Characterizing Unknown Molecular Structures in Infrared Spectra
2025-Sep-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03126
PMID:40960350
|
研究论文 | 提出一种用于红外光谱中未知分子结构功能基团检测的可解释深度学习方法 | 开发了子结构导向光谱解释器网络(SSIN),将红外光谱分析先验知识融入训练和推理过程,解决了现有方法的黑盒问题 | NA | 开发高效且可解释的红外光谱功能基团检测方法 | 未知分子的红外光谱 | 机器学习 | NA | 红外光谱分析 | 深度学习 | 红外光谱数据 | NIST数据库中的8845个气相红外光谱 | NA | 子结构导向光谱解释器网络(SSIN) | 准确率 | NA |