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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2025-10-06 |
A Deep Learning Approach for Infant Pain Assessment Using Facial Expressions Through Convolutional Neural Network
2025-Jul-01, Computers, informatics, nursing : CIN
DOI:10.1097/CIN.0000000000001302
PMID:40164059
|
研究论文 | 本研究提出了一种基于深度学习的婴儿疼痛评估方法,通过卷积神经网络分析面部表情 | 首次将CNN应用于婴儿疼痛表情识别,为临床提供客观疼痛评估工具 | 样本量较小、需要外部验证、存在伦理考量 | 开发可靠的婴儿疼痛自动评估系统 | 婴儿面部表情 | 计算机视觉 | 儿科疼痛评估 | 面部表情分析 | CNN | 图像 | 使用COPE数据库(样本量未明确说明) | NA | CNN | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 7322 | 2025-10-06 |
Investigating Bubble Formation and Evolution in Vanadium Redox Flow Batteries via Synchrotron X-Ray Imaging
2025-Jul-01, ChemSusChem
IF:7.5Q1
DOI:10.1002/cssc.202500282
PMID:40202080
|
研究论文 | 通过同步辐射X射线成像研究钒液流电池中气泡的形成与演化规律 | 结合深度学习模型与形态学分析工具对气泡进行识别表征,首次系统揭示不同电极电位下气泡的分布与形态演化规律 | 研究聚焦于静态电极条件下的气泡行为,未涉及实际流动工况下的动态效应 | 探究钒液流电池负极副反应氢气泡的形成演化机制及其对电池性能的影响 | 钒液流电池电极中的氢气泡 | 能源材料 | NA | 同步辐射X射线断层扫描 | 深度学习模型 | X射线断层图像 | NA | NA | NA | NA | NA |
| 7323 | 2025-10-06 |
Estimation method of dynamic range parameters for cochlear implants based on neural response telemetry threshold
2025-Jul, Acta oto-laryngologica
IF:1.2Q3
DOI:10.1080/00016489.2025.2492359
PMID:40347195
|
研究论文 | 本研究探索人工耳蜗植入患者神经反应遥测阈值与主观行为测试阈值之间的相关性,并构建基于深度学习的预测模型辅助设备调机 | 首次将深度学习技术应用于人工耳蜗调机参数预测,并比较了正常耳蜗结构与内耳畸形患者的不同调机策略 | 样本量有限(共77例患者),仅测试了5个特定电极位置 | 建立客观可靠的人工耳蜗调机参数预测方法,指导术后设备调试 | 57例正常耳蜗结构患者和20例内耳畸形患者 | 医疗人工智能 | 听力障碍 | 神经反应遥测,主观行为测试 | CNN | 电生理数据,行为测试数据 | 77例人工耳蜗植入患者(57例正常耳蜗结构,20例内耳畸形) | NA | 卷积神经网络 | 预测准确性,线性回归相似度 | NA |
| 7324 | 2025-10-06 |
Enhancing ultrasonographic detection of hepatocellular carcinoma with artificial intelligence: current applications, challenges and future directions
2025-Jul-01, BMJ open gastroenterology
IF:3.3Q2
DOI:10.1136/bmjgast-2025-001832
PMID:40592728
|
综述 | 本文全面分析人工智能在肝细胞癌超声检测中的当前应用、挑战与未来发展方向 | 聚焦深度学习在超声影像中增强肝细胞癌早期检测的潜力,探讨多模态整合、可解释AI和实时诊断等新兴趋势 | 面临数据异质性、缺乏标准化、模型可解释性担忧、监管限制和临床实际应用障碍等挑战 | 改善肝细胞癌的超声检测效果,提升患者预后 | 肝细胞癌(HCC)患者 | 医学影像分析 | 肝细胞癌 | 超声成像(B-mode US) | 深度学习, CNN | 医学影像 | NA | NA | 卷积神经网络 | NA | NA |
| 7325 | 2025-10-06 |
Muscle-Driven prognostication in gastric cancer: A multicenter deep learning framework integrating Iliopsoas and erector spinae radiomics for 5-Year survival prediction
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09083-y
PMID:40596621
|
研究论文 | 本研究开发了一种结合放射组学和深度学习的胃癌5年生存预测模型,重点关注基于CT的髂腰肌和竖脊肌2D和3D特征 | 首次将髂腰肌和竖脊肌的放射组学特征与深度学习相结合用于胃癌生存预测,并比较了2D和3D方法的性能差异 | 3D模型因包含不相关数据而表现不佳,研究为回顾性设计 | 开发胃癌患者5年生存预测模型 | 胃癌患者 | 数字病理 | 胃癌 | CT成像,放射组学 | 深度学习 | 医学影像(CT图像) | 705名来自两个中心的患者 | NA | NA | AUC | NA |
| 7326 | 2025-10-06 |
Retrieval-Augmented Generation with Large Language Models in Radiology: From Theory to Practice
2025-Jul, Radiology. Artificial intelligence
DOI:10.1148/ryai.240790
PMID:40464682
|
综述 | 本文综述了基于检索增强生成的大型语言模型在放射学领域的理论与实践应用 | 将检索增强生成技术引入放射学工作流程,解决传统LLM的幻觉问题和来源不透明问题 | 需要持续改进以处理大量输入数据和复杂多智能体对话 | 探索大型语言模型在放射学工作流程优化中的应用 | 放射学工作流程和诊断实践 | 自然语言处理 | NA | 检索增强生成,少样本学习,零样本学习,多步推理 | 大型语言模型 | 文本数据 | NA | NA | NA | NA | NA |
| 7327 | 2025-10-06 |
Establish a simple and quantitative deep learning-based method to analyse complicated intra- and inter-species social interaction behaviour for four stag beetle species
2025-Jul, Open biology
IF:4.5Q1
DOI:10.1098/rsob.250060
PMID:40628294
|
研究论文 | 开发基于深度学习的简单定量方法分析四种锹形虫物种复杂的社会互动行为 | 首次将DeepLabCut™姿态估计工具应用于昆虫社会行为量化分析,实现客观定量的行为测量 | 研究基于实验室环境下的 staged encounters,可能与自然行为存在差异 | 建立定量分析方法理解锹形虫社会行为的生态和进化意义 | 四种锹形虫物种的社会互动行为 | 计算机视觉 | NA | 视频行为分析,姿态估计 | CNN | 视频 | 四种锹形虫物种的高分辨率视频数据 | DeepLabCut™ | NA | 姿态估计准确性,行为参数提取精度 | NA |
| 7328 | 2025-10-06 |
Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality
2025-Jun-30, Research square
DOI:10.21203/rs.3.rs-6296752/v1
PMID:40630516
|
研究论文 | 本研究开发了一种基于对比学习的深度学习模型,利用次优肺活量测定数据预测呼吸系统结局和死亡率 | 首次证明次优肺活量测定数据(包括质量控制失败和次最大努力数据)可用于预测呼吸系统结局,通过对比学习框架整合所有肺活量测定曲线 | 在COPDGene队列中添加次优数据未改善预测性能,需要在特定临床场景中进一步验证性能 | 探索机器学习模型能否基于次优肺活量测定数据预测呼吸系统结局和死亡率 | UK Biobank和COPDGene队列参与者,年龄40-80岁,有吸烟史 | 机器学习 | 呼吸系统疾病 | 肺活量测定 | 深度学习 | 时间序列数据(容量-时间曲线) | UK Biobank:352,684名参与者,940,705条容量-时间曲线;COPDGene:10,110名参与者 | NA | 对比学习框架(Spiro-CLF) | AUROC, concordance index | NA |
| 7329 | 2025-10-06 |
Broadscale reconnaissance of coral reefs from citizen science and deep learning
2025-Jun-27, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14261-6
PMID:40571887
|
研究论文 | 通过公民科学与深度学习相结合的方法对珊瑚礁进行大规模勘测 | 结合公民科学的大视场底栖图像采集与深度学习分析,实现了对关键珊瑚类群覆盖度的准确估算 | '所有其他珊瑚'单一类别的估算精度仅在60%的站点和10-30%珊瑚覆盖度的图像中达到95%准确率 | 评估公民科学与新技术结合在珊瑚礁监测中的准确性和可行性 | 珊瑚礁底栖生物群落 | 计算机视觉 | NA | 大视场底栖图像采集 | 深度学习 | 图像 | 8086张底栖图像 | NA | NA | 准确率 | NA |
| 7330 | 2025-10-06 |
Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations
2025-Jun-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.20.25329926
PMID:40585085
|
研究论文 | 本研究开发了一种基于深度学习的NTCP模型,用于预测头颈癌放疗后晚期吞咽困难 | 首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中,相比传统NTCP模型能更全面捕捉吞咽困难的复杂性 | 研究样本量相对有限,且为多中心回顾性研究 | 提高头颈癌患者放疗后晚期吞咽困难的预测准确性 | 头颈癌放疗患者 | 医学影像分析 | 头颈癌 | 放射治疗,CT扫描 | CNN | 3D剂量分布,器官分割,CT扫描图像 | 1484名头颈癌患者的多机构队列 | NA | Residual Network | AUC,校准曲线 | NA |
| 7331 | 2025-10-06 |
De novo design of insulated cis-regulatory elements based on deep learning-predicted fitness landscape
2025-Jun-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf611
PMID:40613715
|
研究论文 | 提出基于深度学习预测适应度景观的绝缘顺式调控元件从头设计策略 | 通过整合异源配对顺式和反式调控模块建立正交宿主系统,结合深度学习算法实现宿主非依赖性转录活性的建模与序列设计 | NA | 开发能够精确预测基因调控活性的生物工程方法 | 顺式调控元件、转录启动子序列 | 生物信息学 | NA | 深度学习算法、实验数据纯化流程 | 深度学习 | 生物序列数据、转录活性数据 | 在大肠杆菌和中国仓鼠卵巢细胞系中验证 | NA | NA | 转录活性预测准确性 | NA |
| 7332 | 2025-10-06 |
Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation
2025-Jun-12, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/66055
PMID:40505141
|
研究论文 | 开发了一种基于知识图谱增强的深度学习模型H-SYSTEM,用于高血压性脑出血的诊断和治疗决策支持 | 将医学领域知识图谱与深度学习模型相结合,提高决策准确性和可解释性 | NA | 开发可解释且高效的高血压性脑出血诊疗决策支持系统 | 高血压性脑出血患者 | 自然语言处理, 数字病理 | 高血压性脑出血 | 命名实体识别, 语义分析, 知识图谱构建 | BERT, IDCNN, BiLSTM, CRF | 电子病历文本 | 来自6个医疗中心的605名患者 | NA | BERT-IDCNN-BiLSTM-CRF | 准确率, 精确率, 召回率, F1分数, AUC, κ系数 | NA |
| 7333 | 2025-10-06 |
Image-based evaluation of single-cell mechanics using deep learning
2025-Jun-05, Cell regeneration (London, England)
DOI:10.1186/s13619-025-00239-9
PMID:40468050
|
研究论文 | 本研究开发基于图像的深度学习模型,用于无创预测单细胞力学特性 | 首次将深度学习应用于单细胞水平力学特性评估,实现高通量、非侵入性的细胞刚度预测 | NA | 开发基于图像的深度学习方法来评估单细胞力学特性 | 间充质干细胞和巨噬细胞 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | 灵敏度 | NA |
| 7334 | 2025-10-06 |
Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf301
PMID:40366737
|
研究论文 | 提出一种基于预治疗活检图像的聚类增强弱监督学习框架,用于预测克罗恩病患者对乌司奴单抗的治疗反应 | 结合预训练视觉基础模型与k-means聚类识别代表性形态模式,采用多示例学习方法整合局部组织学特征和全局组织背景 | 研究样本量有限,需要在更大规模数据集中验证模型泛化能力 | 开发能够准确预测克罗恩病患者对乌司奴单抗治疗反应的深度学习模型 | 克罗恩病患者的预治疗全切片图像 | 数字病理学 | 克罗恩病 | 全切片成像 | CNN, 多示例学习 | 图像 | 独立测试集(具体数量未明确说明) | PyTorch | DenseNet | AUC, 灵敏度, 特异性 | NA |
| 7335 | 2025-10-06 |
Simple controls exceed best deep learning algorithms and reveal foundation model effectiveness for predicting genetic perturbations
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf317
PMID:40407144
|
研究论文 | 本文提出了一种简单的基线方法,在基因扰动后转录组预测任务中优于最先进的深度学习算法 | 提出了超越现有深度学习方法的简单基线方法,并阐明了基础模型在扰动预测任务中的实用性 | 未明确说明具体的数据集规模和模型计算资源需求 | 评估基因扰动后转录组预测方法的实用性和建立必要的基准测试 | 基因扰动后的转录组响应预测 | 机器学习 | NA | 转录组测序 | Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 7336 | 2025-10-06 |
TRENDY: gene regulatory network inference enhanced by transformer
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf314
PMID:40408160
|
研究论文 | 提出一种名为TRENDY的新型基因调控网络推断方法,通过整合Transformer模型增强基于机制的WENDY方法 | 首次将Transformer模型整合到基于机制的GRN推断方法中,并展示了该方法可广泛提升多种GRN推断方法的性能 | 未在论文摘要中明确说明 | 开发更准确的基因调控网络推断方法 | 基因调控网络 | 机器学习 | NA | 基因表达数据分析 | Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 7337 | 2025-10-06 |
A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf319
PMID:40424358
|
研究论文 | 本文开发了一种基于多源相似性融合的深度学习方法来预测药物副作用的频率类别 | 提出多源相似性融合模型,利用多源特征融合模块和自注意力机制深入探索药物与副作用关系,并采用贝叶斯变分推断更准确预测副作用频率类别 | NA | 预测药物副作用在人群中的频率类别,指导患者用药和药物研发 | 药物副作用 | 机器学习 | NA | 多源相似性融合 | 深度学习 | 多源药物相似性数据 | NA | NA | 自注意力机制 | 交叉验证、冷启动实验、独立测试 | NA |
| 7338 | 2025-10-06 |
Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf322
PMID:40434923
|
研究论文 | 本文提出了一种基于残基保守性和溶剂可及性的简单进化评分方法,用于预测蛋白质突变效应 | 发现简单的进化评分(野生型和突变残基频率对数比)按残基相对溶剂可及性缩放后,性能与或略优于更复杂的深度学习模型 | 未详细探讨复杂模型学习到的额外信息,对突变景观预测的局限性认识有限 | 开发准确且可解释的蛋白质突变效应预测方法 | 蛋白质突变及其对生物物理性质的影响 | 计算生物学 | NA | 进化分析,深度突变扫描 | 进化评分模型 | 蛋白质序列数据,突变数据 | ProteinGym深度突变扫描数据集中的突变 | Python | RSALOR模型 | 稳定性、活性、适应性等生物物理性质评估 | NA |
| 7339 | 2025-10-06 |
Knowledge-enhanced protein subcellular localization prediction from 3D fluorescence microscope images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf331
PMID:40459878
|
研究论文 | 开发了一种知识增强的蛋白质亚细胞定位预测模型KE3DLoc,可从3D荧光显微镜图像中识别蛋白质分布模式 | 结合3D和2D投影细胞信息设计图像特征提取模块,引入基因本体论知识图谱优化蛋白质表示,并设计蛋白质ID聚合增强特征一致性 | 未明确提及具体局限性,但暗示3D图像处理面临数据缺乏和建模复杂性的挑战 | 从3D荧光显微镜图像中自动识别蛋白质亚细胞定位,促进蛋白质转运分析和生物标志物发现 | 蛋白质亚细胞定位 | 计算机视觉 | NA | 3D荧光显微镜成像 | 深度学习 | 3D图像 | 三个公共数据集(未明确具体样本数量) | NA | KE3DLoc(包含图像特征提取模块和知识增强模块) | NA | NA |
| 7340 | 2025-10-06 |
Gene spatial integration: enhancing spatial transcriptomics analysis via deep learning and batch effect mitigation
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf350
PMID:40511994
|
研究论文 | 提出一种基于深度学习的基因空间整合方法,用于增强空间转录组学分析并解决批次效应问题 | 开发了利用表示学习方法将基因空间分布特征整合到基因表达特征空间的创新流程,并有效缓解多样本整合时的批次效应 | 方法仅在人类背外侧前额叶皮层数据集上验证,需要更多组织类型验证通用性 | 提升空间转录组学数据分析性能,特别是聚类分析效果 | 空间转录组学数据,特别是人类背外侧前额叶皮层样本 | 生物信息学 | NA | 空间转录组学 | 自编码器 | 空间转录组学数据,基因表达数据 | 人类背外侧前额叶皮层数据集(包括样本151673、151672等) | NA | 自编码器网络 | ARI分数 | NA |