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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6801 | 2025-10-06 |
Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models
2024-Oct-10, HGG advances
DOI:10.1016/j.xhgg.2024.100347
PMID:39205391
|
研究论文 | 本研究通过使用基因组基础模型的预训练嵌入,开发了能够从DNA序列预测个性化基因表达的深度学习模型 | 首次将Nucleotide Transformer基础模型的预训练嵌入应用于个性化基因表达预测,显著缩小了与仅使用遗传变异的弹性网络回归方法的性能差距 | 训练数据规模有限(290个个体),需要更多训练数据和计算资源改进方法 | 提高从DNA序列预测个性化基因表达的准确性 | 人类基因组DNA序列和基因表达数据 | 基因组学 | NA | 基因表达分析,基因型分析 | Transformer | DNA序列数据,基因表达数据,基因型数据 | 290个个体的基因型和表达数据 | NA | Transformer | 相关性 | NA |
| 6802 | 2025-10-06 |
Integrated image-based deep learning and language models for primary diabetes care
2024-Oct, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03139-8
PMID:39030266
|
研究论文 | 开发集成图像和语言模型的DeepDR-LLM系统,用于改善基层糖尿病管理和糖尿病视网膜病变筛查 | 首次将基于图像的深度学习模型与大型语言模型集成,为基层医生提供个性化糖尿病管理建议 | 仅进行了单中心前瞻性研究,样本量有限,需要在更广泛人群中验证 | 解决基层糖尿病管理和DR筛查资源不足的问题 | 糖尿病患者和基层医生 | 计算机视觉,自然语言处理 | 糖尿病,糖尿病视网膜病变 | 深度学习,大型语言模型 | Transformer | 图像,文本 | 回顾性评估未明确样本量,前瞻性研究769名患者(397名无辅助组,372名辅助组) | NA | Transformer | 准确率,依从性改善统计显著性 | NA |
| 6803 | 2025-10-06 |
Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making
2024-Oct, Seminars in radiation oncology
IF:2.6Q2
DOI:10.1016/j.semradonc.2024.07.012
PMID:39271273
|
综述 | 探讨数据科学在改善放射治疗计划和临床决策中的应用前景 | 提出整合多源数据(基因组学、影像组学、剂量组学)和深度学习技术来优化个性化放疗方案,并引入数字孪生概念指导自适应放疗 | 未提及具体实施案例或验证结果 | 提升放射治疗的精准性和个性化水平 | 放射治疗患者 | 医疗人工智能 | 肿瘤疾病 | 基因组学, 影像组学, 剂量组学 | 深度学习 | 多模态数据(基因组数据、医学影像、剂量数据) | NA | NA | NA | NA | NA |
| 6804 | 2025-10-06 |
Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells
2024-Oct, Cellular and molecular bioengineering
IF:2.3Q3
DOI:10.1007/s12195-024-00822-1
PMID:39513000
|
研究论文 | 开发基于图结构的超分辨率蛋白质-蛋白质相互作用技术,用于预测单细胞水平的癌症药物反应 | 首次将图神经网络与超分辨率显微镜结合,实现单细胞水平蛋白质相互作用空间网络的三维解析 | 研究样本数量有限(约10,000个细胞),仅针对EGFR突变细胞系进行验证 | 开发空间信号网络解析技术以理解癌症耐药机制 | EGFR突变PC9和HCC827癌细胞、临床肺组织样本、T细胞 | 计算生物学 | 肺癌 | 空间邻近连接分析、超分辨率显微镜、3D空间蛋白质组分子像素化 | 图神经网络 | 蛋白质相互作用图像、3D空间蛋白质数据 | 超过10,000个EGFR突变细胞 | 深度学习框架 | 图神经网络架构 | 准确率、AUC、F1分数 | NA |
| 6805 | 2025-10-06 |
Association of quantitative histopathology measurements with antemortem medial temporal lobe cortical thickness in the Alzheimer's disease continuum
2024-09-03, Acta neuropathologica
IF:9.3Q1
DOI:10.1007/s00401-024-02789-9
PMID:39227502
|
研究论文 | 开发深度学习算法定量测量p-tau和pTDP-43病理,并分析其与阿尔茨海默病连续谱中内侧颞叶皮层厚度的关联 | 首次开发两种深度学习算法分别定量测量p-tau和pTDP-43病理,相比半定量评分能更精确地揭示病理与结构的关系 | 样本量相对有限(140例),仅关注内侧颞叶区域,未涵盖其他脑区病理 | 探究内侧颞叶萎缩与特定神经病理(p-tau和pTDP-43)之间的具体关系 | 阿尔茨海默病连续谱和边缘系统为主年龄相关TDP-43脑病患者 | 数字病理学 | 阿尔茨海默病 | 深度学习,组织切片分析,MRI成像 | 深度学习 | 组织切片图像,MRI图像 | 140例具有生前MRI成像的病例 | NA | NA | 病理分级区分能力,模型拟合优度 | NA |
| 6806 | 2025-10-06 |
Deep5hmC: predicting genome-wide 5-hydroxymethylcytosine landscape via a multimodal deep learning model
2024-09-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae528
PMID:39196755
|
研究论文 | 开发了一个多模态深度学习框架Deep5hmC,用于预测全基因组5-羟甲基胞嘧啶修饰景观 | 首次整合DNA序列和表观遗传特征(组蛋白修饰和染色质可及性)的多模态深度学习模型预测5hmC修饰 | NA | 预测全基因组5-羟甲基胞嘧啶修饰景观,理解组织特异性基因调控 | 人脑类器官发育四个阶段和17种人体组织的5hmC测序数据 | 机器学习 | 阿尔茨海默病 | 5hmC测序 | 深度学习 | DNA序列数据, 表观遗传数据 | 四个前脑发育阶段和17种人体组织的5hmC测序数据 | NA | 多模态深度学习架构 | AUROC, Spearman相关系数 | NA |
| 6807 | 2025-10-06 |
Presurgical Upgrade Prediction of DCIS to Invasive Ductal Carcinoma Using Time-dependent Deep Learning Models with DCE MRI
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230348
PMID:38900042
|
研究论文 | 本研究使用时间依赖性深度学习模型预测DCIS术前升级为浸润性导管癌 | 首次将时间依赖性深度学习模型应用于DCE MRI数据,无需病灶分割即可预测DCIS升级 | 样本量较小(154例),为回顾性研究 | 预测导管原位癌术前升级为浸润性恶性肿瘤 | 经活检证实的DCIS患者(154例,其中25例术后升级) | 计算机视觉 | 乳腺癌 | 动态对比增强MRI | CNN, LSTM | 医学影像 | 154例DCIS病例(25例升级,129例未升级) | NA | ResNet50, VGG16, CNN-LSTM | AUC | NA |
| 6808 | 2025-10-06 |
Prediction of extraction difficulty for impacted maxillary third molars with deep learning approach
2024-09, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101817
PMID:38458545
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于通过全景X光片预测上颌阻生第三磨牙的手术难度 | 首次使用YoloV5x架构对阻生上颌第三磨牙进行自动分割和手术难度分类 | 数据集仅包含708张全景X光片,样本量相对有限 | 评估深度学习模型在预测上颌阻生第三磨牙手术难度方面的有效性 | 上颌阻生第三磨牙 | 计算机视觉 | 口腔疾病 | 全景X光成像 | 深度学习 | 医学图像 | 708张全景X光片 | YoloV5 | YoloV5x | 灵敏度,精确度,F1分数 | NA |
| 6809 | 2025-10-06 |
Clinical Translation of a Deep Learning Model of Radiation-Induced Lymphopenia for Esophageal Cancer
2024-Sep, International journal of particle therapy
IF:2.1Q2
DOI:10.1016/j.ijpt.2024.100624
PMID:39228692
|
研究论文 | 本研究将深度学习模型应用于食管癌放疗中预测辐射诱导淋巴细胞减少症风险,并提出将免疫系统作为风险器官纳入放疗计划优化的策略 | 首次提出将免疫系统作为风险器官的概念,并开发深度学习模型指导放疗计划优化以减轻辐射诱导淋巴细胞减少症 | 研究基于回顾性数据和小样本量(20例患者),需要前瞻性临床试验验证 | 开发并验证深度学习模型在预测和减轻食管癌放疗中辐射诱导淋巴细胞减少症风险的应用 | 食管癌患者 | 数字病理 | 食管癌 | 深度学习 | 深度学习模型 | 放疗计划数据、剂量学参数、淋巴细胞计数 | 20例食管癌患者(10例接受调强放疗,10例接受被动散射质子治疗) | NA | NA | 绝对淋巴细胞计数最低值预测准确性 | NA |
| 6810 | 2025-10-06 |
Investigating the relationship between radiographic joint space width loss and deep learning-derived magnetic resonance imaging-based cartilage thickness loss in the medial weight-bearing region of the tibiofemoral joint
2024-Sep, Osteoarthritis and cartilage open
DOI:10.1016/j.ocarto.2024.100508
PMID:39238657
|
研究论文 | 研究膝关节X射线关节间隙宽度损失与深度学习衍生的MRI软骨厚度损失之间的关系 | 首次使用深度学习定量分析MRI软骨厚度损失,并与传统X射线测量方法进行对比分析 | 样本量相对有限(n=256),仅关注膝关节内侧承重区域,观察时间较短(12-24个月) | 评估X射线关节间隙宽度损失是否能有效代表MRI测量的软骨厚度损失 | 骨关节炎倡议(OAI)研究中可能处于早期骨关节炎阶段的膝关节 | 医学影像分析 | 骨关节炎 | 磁共振成像, X射线成像, 深度学习 | 深度学习模型 | 医学影像(MRI和X射线) | 256个膝关节 | NA | NA | Pearson相关系数, p值, 线性混合效应模型系数 | NA |
| 6811 | 2025-10-06 |
ConIQA: A deep learning method for perceptual image quality assessment with limited data
2024-Aug-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70469-5
PMID:39209864
|
研究论文 | 提出一种基于深度学习的图像质量评估方法ConIQA,能够在有限标注数据条件下有效评估图像质量 | 结合一致性训练和新型数据增强方法,能够同时利用标注和未标注数据进行学习 | 在特定领域(如计算机生成全息图)的验证,通用性需要进一步验证 | 开发在有限标注数据条件下仍能有效评估图像质量的深度学习方法 | 虚拟现实和增强现实应用中的图像质量评估 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 1000张自然图像,每张配对不同CGH算法渲染的图像,由13名参与者进行质量评分 | NA | NA | 皮尔逊相关系数, 斯皮尔曼相关系数, 肯德尔tau系数 | NA |
| 6812 | 2025-10-06 |
Expert-Level Detection of Referable Glaucoma from Fundus Photographs in a Safety Net Population: The AI and Teleophthalmology in Los Angeles Initiative
2024-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.25.24312563
PMID:39252888
|
研究论文 | 开发并测试用于检测可转诊青光眼的深度学习算法,应用于洛杉矶县卫生服务部远程视网膜筛查项目 | 基于VGG-19架构的深度学习算法在检测可转诊青光眼方面达到或超过眼科医生和验光师的表现水平 | 研究数据来源于单一医疗系统,可能限制算法的泛化能力 | 开发自动检测可转诊青光眼的深度学习算法,优化眼科筛查流程 | 洛杉矶县卫生服务部远程视网膜筛查项目中的眼底照片和患者数据 | 计算机视觉 | 青光眼 | 眼底摄影 | CNN | 图像 | 训练集:12,098张图像来自5,616名患者;测试集:1,000张图像来自500名患者 | NA | VGG-19 | AUC, 敏感度, 特异度 | NA |
| 6813 | 2025-10-06 |
Multimodal fusion learning for long QT syndrome pathogenic genotypes in a racially diverse population
2024-Aug-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01218-1
PMID:39181999
|
研究论文 | 开发结合心电图波形和电子健康记录数据的深度学习方法来识别长QT综合征致病基因型 | 首次将多模态融合学习应用于长QT综合征基因型识别,并在种族多样化人群中验证 | 模型性能仍有提升空间,精确召回曲线下面积为0.29 | 开发识别长QT综合征致病基因变异的深度学习模型 | 长QT综合征患者及携带致病基因变异的人群 | 医疗人工智能 | 心血管疾病 | 深度学习,多模态融合 | 深度学习模型 | 心电图波形数据,电子健康记录 | 英国生物银行和西奈山BioMe生物银行的多族裔人群数据 | NA | NA | 精确召回曲线下面积,受试者工作特征曲线下面积 | NA |
| 6814 | 2025-10-06 |
Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging
2024-08-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68875-w
PMID:39117664
|
研究论文 | 开发了一种名为StrainNet的新型深度学习方法来通过超声成像准确估计体内软组织肌腱变形 | 创建了专门针对体内成像挑战设计的深度学习应变测量方法,能够处理低信噪比的体内图像 | NA | 开发能够在体内环境中准确测量组织变形的图像分析方法 | 人体屈肌腱 | 计算机视觉 | NA | 高频超声成像 | 深度学习 | 超声图像序列 | NA | NA | StrainNet | 应变测量精度 | NA |
| 6815 | 2025-10-06 |
Phenotyping COVID-19 respiratory failure in spontaneously breathing patients with AI on lung CT-scan
2024-08-05, Critical care (London, England)
DOI:10.1186/s13054-024-05046-3
PMID:39103945
|
研究论文 | 本研究通过深度学习分析自主呼吸COVID-19患者的肺部CT扫描,结合临床数据识别呼吸衰竭亚型 | 首次将深度学习量化CT特征与临床实验室数据结合,通过潜在类别分析识别COVID-19呼吸衰竭亚型 | 研究为观察性队列设计,样本量相对有限(559例),需进一步验证 | 通过AI增强COVID-19呼吸衰竭亚型识别能力 | 自主呼吸的COVID-19呼吸衰竭患者 | 医学影像分析 | COVID-19 | 肺部CT扫描,深度学习分析 | 深度学习 | 医学影像(CT扫描),临床数据,实验室数据 | 559例COVID-19患者(亚型1:156例,亚型2:403例) | NA | NA | 90天死亡率,临床特征比较 | NA |
| 6816 | 2025-10-06 |
Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning
2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202400596
PMID:38887178
|
研究论文 | 开发了一种基于皮肤阻抗传感器和注意力深度学习的非侵入性早期脂肪肝检测方法 | 集成低电极-皮肤接触阻抗的柔性皮肤传感器与注意力深度学习算法,显著提升早期脂肪肝检测准确率 | 研究目前仅在小鼠模型中进行验证,尚未进行人体临床试验 | 开发非侵入性、成本效益高的早期非酒精性脂肪肝疾病检测方法 | 高脂饮食喂养的低密度脂蛋白受体敲除(Ldlr)小鼠与健康对照组小鼠 | 机器学习 | 脂肪肝 | 皮肤阻抗传感技术 | 注意力深度学习算法 | 阻抗信号数据 | Ldlr小鼠模型与健康对照组小鼠 | NA | 注意力机制深度学习架构 | 准确率,AUC | NA |
| 6817 | 2025-10-06 |
Evaluating the Quality of Serial EM Sections with Deep Learning
2024-Jul-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/mam/ozae033
PMID:38701183
|
研究论文 | 本研究开发了一种基于深度学习的串行电镜切片质量评估方法 | 提出了改进的ResNet-50模型(QEN)用于自动评估串行切片扫描电镜图像质量,能够实时识别成像问题 | 模型性能依赖于用户生成的质量评分,可能受主观因素影响 | 开发自动评估串行切片扫描电镜图像质量的方法,提高数据集生成效率 | 串行切片扫描电镜图像 | 计算机视觉 | NA | 串行切片扫描电子显微镜 | CNN | 图像 | NA | Python | ResNet-50, QEN | NA | NA |
| 6818 | 2025-10-06 |
A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis
2024-07-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-23-1349
PMID:39082680
|
研究论文 | 构建了一个包含基因组和病理学标注的泛癌种患者来源异种移植组织学图像库,用于深度学习分析 | 创建了首个大规模PDX H&E图像库,整合了基因组、转录组和病理学标注,并展示了三种深度学习应用 | PDX模型使用免疫缺陷小鼠,可能无法完全模拟人类肿瘤微环境 | 建立用于数字病理学分析的PDX组织学图像资源库 | 患者来源异种移植(PDX)样本和配对亲本肿瘤样本 | 数字病理学 | 泛癌种 | H&E染色,基因组测序,转录组测序 | 深度学习分类器,预测模型 | 组织学图像 | 超过1000个PDX和配对亲本肿瘤H&E图像 | NA | NA | 分类准确性,预测性能 | NA |
| 6819 | 2025-10-06 |
A deep learning model of tumor cell architecture elucidates response and resistance to CDK4/6 inhibitors
2024-07, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-024-00740-1
PMID:38443662
|
研究论文 | 构建可解释的深度学习模型解析CDK4/6抑制剂反应与耐药机制 | 基于癌症多蛋白组装参考图谱构建首个可解释深度学习模型,识别8个核心蛋白组装体整合90个基因的罕见和常见变异 | 模型主要基于细胞系数据,临床验证仍需进一步扩展 | 阐明CDK4/6抑制剂在乳腺癌治疗中的反应和耐药机制 | 乳腺癌细胞系、患者样本和患者来源异种移植模型 | 数字病理学 | 乳腺癌 | CRISPR-Cas9基因编辑、多蛋白组装分析 | 深度学习 | 基因组数据、蛋白组装数据 | 涵盖90个基因的细胞系数据集 | NA | NA | 预测分层准确性 | NA |
| 6820 | 2025-10-06 |
ECG-Image-Kit: a synthetic image generation toolbox to facilitate deep learning-based electrocardiogram digitization
2024-May-28, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad4954
PMID:39150768
|
研究论文 | 介绍ECG-Image-Kit开源工具箱,用于生成带真实伪影的合成多导联心电图图像,促进基于深度学习的心电图数字化 | 开发首个能够从时间序列数据生成具有真实伪影(如文本伪影、褶皱)的合成心电图图像的开源工具箱 | 当前主要支持2024年PhysioNet挑战赛的数据增强,工具箱功能可能受限于特定应用场景 | 开发心电图图像数字化工具,促进深度学习模型在心电图诊断中的应用 | 心电图图像和对应的时间序列数据 | 计算机视觉 | 心血管疾病 | 合成图像生成,数据增强 | CNN,传统计算机视觉与深度神经网络结合 | 图像,时间序列数据 | 21,801张从PhysioNet QT数据库生成的ECG图像 | NA | NA | 信噪比,QRS宽度,RR间期,QT间期 | NA |