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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9241 | 2025-10-06 |
Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study
2025-May-15, Clinical & experimental metastasis
IF:4.2Q2
DOI:10.1007/s10585-025-10349-y
PMID:40369240
|
研究论文 | 本研究开发基于深度学习的MRI影像组学模型,用于预测局部晚期鼻咽癌新辅助放化疗后的复发风险 | 首次结合传统影像组学特征与深度学习特征构建多中心预测模型,并比较不同序列和模型组合的预测性能 | 回顾性研究设计,样本量相对有限,需要进一步前瞻性验证 | 验证基于深度学习的MRI影像组学模型预测局部晚期鼻咽癌复发的临床价值 | 328例来自四家医院的局部晚期鼻咽癌患者 | 医学影像分析 | 鼻咽癌 | MRI影像组学分析 | 机器学习分类器 | 医学影像数据 | 328例患者(训练集229例,验证集99例) | NA | LASSO, Random Forest | AUC, 准确率, 敏感性, 特异性 | NA |
| 9242 | 2025-10-06 |
Meet the author: Hae Kyung Im
2025-May-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100880
PMID:40373740
|
研究论文 | 开发了一种整合深度学习和单细胞数据的细胞类型特异性转录组范围关联研究方法 | 将深度学习方法与单细胞数据整合到细胞类型特异性转录组范围关联研究框架中 | NA | 改进转录组范围关联研究分析,更好理解复杂疾病基因组学 | 基因组数据 | 机器学习 | 复杂疾病 | 单细胞数据,转录组范围关联研究 | 深度学习 | 基因组数据,单细胞数据 | NA | NA | NA | NA | NA |
| 9243 | 2025-10-06 |
Single-cell and spatial transcriptomics reveals an anti-tumor neutrophil subgroup in microwave thermochemotherapy-treated lip cancer
2025-05-13, International journal of oral science
IF:10.8Q1
DOI:10.1038/s41368-025-00366-8
PMID:40360503
|
研究论文 | 本研究通过单细胞和空间转录组学揭示了微波热化疗治疗唇癌中具有抗肿瘤活性的中性粒细胞亚群及其作用机制 | 首次发现微波热化疗能诱导具有抗肿瘤活性的MNDA TANs(N1表型)大量浸润,并构建了预测预后的MX2生物标志物 | 研究样本量有限,需要更大规模的临床验证 | 探究微波热化疗治疗唇鳞状细胞癌的分子机制和免疫微环境变化 | 唇鳞状细胞癌患者肿瘤组织 | 数字病理学 | 唇癌 | 单细胞转录组测序, 空间转录组学, 苏木精-伊红染色 | 深度学习 | 基因表达数据, 病理图像 | NA | NA | NA | 预后相关性分析 | NA |
| 9244 | 2025-10-06 |
SimSon: simple contrastive learning of SMILES for molecular property prediction
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf275
PMID:40341364
|
研究论文 | 提出一种名为SimSon的自监督对比学习框架,用于学习SMILES分子表示并预测分子性质 | 使用随机化SMILES通过对比学习来增强模型的泛化能力和鲁棒性,能够捕捉分子级别的全局语义上下文 | NA | 解决分子性质预测中标记数据短缺和泛化能力不足的问题 | SMILES分子表示 | 生物信息学, 化学信息学 | NA | 对比学习 | 自监督学习模型 | SMILES分子数据 | NA | NA | 对比学习框架 | NA | NA |
| 9245 | 2025-10-06 |
Unraveling the three-dimensional genome structure using machine learning
2025-May, BMB reports
IF:2.9Q3
PMID:40058875
|
综述 | 本文综述了基于机器学习方法解析三维基因组结构的研究进展 | 系统总结了机器学习在染色体构象研究中的应用,包括从DNA序列预测相互作用、识别染色质层次结构以及提升Hi-C数据分辨率 | NA | 探讨机器学习方法在三维基因组结构分析中的应用 | 染色质相互作用和三维基因组结构 | 机器学习 | NA | 高通量染色体构象捕获测序 | 深度学习 | 基因组序列数据,Hi-C数据 | NA | NA | NA | NA | NA |
| 9246 | 2025-10-06 |
Improving AlphaFold2 and 3-based protein complex structure prediction with MULTICOM4 in CASP16
2025-Apr-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.06.641913
PMID:40161604
|
研究论文 | 开发MULTICOM4系统通过整合AlphaFold2、AlphaFold3和内部技术改进蛋白质复合物结构预测 | 整合基于Transformer的AlphaFold2、基于扩散模型的AlphaFold3,并结合蛋白质复合物化学计量比预测、多样化多序列比对生成、建模异常处理和深度学习模型质量评估等内部技术 | NA | 提高蛋白质复合物结构预测的准确性 | 多链蛋白质复合物(多聚体) | 计算生物学 | NA | 多序列比对(MSA)、深度学习模型质量评估 | Transformer, 扩散模型 | 蛋白质序列和结构数据 | CASP16评估数据集 | NA | AlphaFold2, AlphaFold3 | TM-score, DockQ score | NA |
| 9247 | 2025-10-06 |
[Nobel Prize in physics 2024 : John J. Hopfield and Geoffrey E. Hinton. From Hopfield and Hinton to AlphaFold: The 2024 Nobel Prize honors the pioneers of deep learning]
2025-Mar, Medecine sciences : M/S
DOI:10.1051/medsci/2025036
PMID:40117553
|
评论 | 回顾2024年诺贝尔物理学奖得主John J. Hopfield和Geoffrey E. Hinton的职业生涯及其在人工神经网络领域的开创性贡献 | NA | NA | 追溯两位诺贝尔奖得主的科研历程并强调他们对深度学习的先驱性贡献 | John J. Hopfield和Geoffrey E. Hinton的研究工作 | 机器学习 | NA | 人工神经网络 | NA | 图像 | NA | NA | Hopfield网络 | NA | NA |
| 9248 | 2025-10-06 |
Deep Learning-Based Blood Abnormalities Detection as a Tool for VEXAS Syndrome Screening
2025-Feb, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14368
PMID:39275905
|
研究论文 | 开发基于深度学习的血液异常检测工具用于VEXAS综合征筛查 | 首次利用深度学习自动检测外周血多形核粒细胞中的异常特征来筛查VEXAS综合征 | 样本量相对有限(VEXAS患者仅25例),需多中心验证 | 开发VEXAS综合征的自动化筛查工具 | 外周血多形核粒细胞图像 | 数字病理学 | 血液系统疾病 | 外周血涂片图像分析 | CNN | 图像 | 9514张标注的多形核粒细胞图像,来自64名患者(25例VEXAS,14例骨髓增生异常,25例血细胞减少) | NA | 卷积神经网络 | AUC, F1-score, 敏感性, 特异性 | NA |
| 9249 | 2025-10-06 |
Cognitive Dysfunction in the Addictions (CDiA): A Neuron to Neighbourhood Collaborative Research Program on Executive Dysfunction and Functional Outcomes in Outpatients Seeking Treatment for Addiction
2024-Oct-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.30.24312806
PMID:39252904
|
研究论文 | 介绍认知功能障碍在成瘾性疾病中的综合性研究项目,旨在探索执行功能与成瘾治疗结果的关系 | 采用从神经元到社区的多学科协作研究方法,整合临床、临床前和健康服务研究,应用全人建模和深度学习识别患者亚型 | 样本量相对有限(目标N=400),研究周期为一年,可能无法完全捕捉长期恢复过程 | 填补对物质使用障碍中执行功能的理解空白,改善成瘾患者的健康结局 | 寻求成瘾治疗的18-60岁成年人,啮齿类动物模型 | 数字病理 | 成瘾性疾病 | 重复经颅磁刺激,药理学治疗,血液生物标志物分析,脑回路研究 | 深度学习,聚类分析 | 多模态数据(临床、生物标志物、脑成像、行为数据) | 目标400名18-60岁寻求成瘾治疗的成年人 | NA | NA | NA | NA |
| 9250 | 2025-10-06 |
Antiviral Peptide-Generative Pre-Trained Transformer (AVP-GPT): A Deep Learning-Powered Model for Antiviral Peptide Design with High-Throughput Discovery and Exceptional Potency
2024-10-25, Viruses
DOI:10.3390/v16111673
PMID:39599788
|
研究论文 | 提出一种基于Transformer的深度学习模型AVP-GPT,用于高效设计抗病毒肽 | 首次将Transformer语言模型与多模态架构结合用于抗病毒肽设计,生成效率比传统方法显著提升 | 目前主要针对呼吸道病毒验证,尚未扩展到其他病毒类型 | 开发高效抗病毒肽设计方法以加速抗病毒药物发现 | 呼吸道合胞病毒(RSV)、甲型流感病毒(INFVA)等呼吸道病毒 | 自然语言处理 | 呼吸道病毒感染 | 深度学习 | Transformer | 肽序列数据 | 生成10,000个独特肽序列 | NA | GPT, Transformer | 困惑度, AUC | GPU系统 |
| 9251 | 2025-10-06 |
A Review of Artificial Intelligence in Brachytherapy
2024-Sep-25, ArXiv
PMID:39398213
|
综述 | 本文全面回顾了人工智能在近距离放射治疗中的应用现状与发展前景 | 系统地将AI在近距离放疗中的应用分为七个主要类别,并按癌症类型或具体任务进行细分,提供了详细的模型、数据规模和结果总结 | 作为综述文章,主要基于现有文献分析,未开展原始实验研究 | 探讨人工智能如何优化近距离放射治疗的临床工作流程 | 近距离放射治疗中的人工智能应用 | 医学人工智能 | 癌症治疗 | 机器学习、深度学习 | NA | 医学影像、治疗计划数据、临床结果数据 | NA | NA | NA | NA | NA |
| 9252 | 2025-10-06 |
Protocol for performing deep learning-based fundus fluorescein angiography image analysis with classification and segmentation tasks
2024-09-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103134
PMID:38900632
|
研究论文 | 提出基于深度学习的眼底荧光血管造影图像分析协议,包含分类和分割任务 | 开发了从诊断到缺血性视网膜疾病治疗建议的完整流程协议 | NA | 建立眼底荧光血管造影图像的深度学习分析流程 | 眼底荧光血管造影图像 | 计算机视觉 | 缺血性视网膜疾病 | 眼底荧光血管造影 | 深度学习 | 图像 | NA | Python | NA | NA | NA |
| 9253 | 2025-10-06 |
Decision support system based on ensemble models in distinguishing epilepsy types
2025-Sep, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110470
PMID:40382997
|
研究论文 | 基于集成人工智能模型开发癫痫类型分类决策支持系统 | 结合多种AI模型构建集成学习系统,并采用SMOTE数据增强和Optuna超参数优化技术 | 回顾性研究,样本量相对有限(575例患者) | 基于EEG结果区分不同类型的癫痫活动 | 575名癫痫患者的脑电图数据和临床特征 | 机器学习 | 癫痫 | 脑电图(EEG) | MLP, Random Forest, SVM, XGBoost | 临床数据和EEG信号 | 575名患者 | Optuna | 多层感知器(MLP), 随机森林, 支持向量机, XGBoost | 准确率, 召回率, F1分数 | NA |
| 9254 | 2025-10-06 |
Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110329
PMID:40403641
|
研究论文 | 提出一种结合变分模态分解与模糊权重粒子群优化、深度可分离卷积网络的心肌梗死检测框架 | 首次将VMD-FWPSO噪声消除技术与DwSCN分类模型结合,优化信号分解并提升心电图分类精度 | 未提及模型在实时临床环境中的验证及计算效率分析 | 开发高精度心肌梗死自动检测方法 | 心电图信号中的正常与异常心跳 | 生物医学信号处理 | 心血管疾病 | 变分模态分解、粒子群优化、主成分分析 | 深度可分离卷积网络 | 心电图时序信号 | PTB-ECG和MIT-BIH心律失常两个公开数据集 | NA | Depthwise Separable Convolutional Network | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 9255 | 2025-10-06 |
Automatic adult age estimation using bone mineral density of proximal femur via deep learning
2025-Jul, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2025.112511
PMID:40440868
|
研究论文 | 本研究开发了一种基于深度学习的端到端流程,利用股骨近端CT扫描的骨密度数据实现自动成人年龄估计 | 首次将Segment Anything Model (SAM)应用于股骨分割,并构建了大规模真实世界CT数据集(5151个样本),通过集成学习进一步提升年龄估计精度 | 外部尸体验证集的误差相对较高(MAE 6.91年),表明模型在跨域泛化能力方面仍存在改进空间 | 开发自动化成人年龄估计方法,用于法医和人类学应用 | 成人股骨近端CT扫描数据 | 计算机视觉 | NA | CT扫描 | CNN | 医学图像 | 5151个CT扫描(来自临床和尸体队列) | NA | Segment Anything Model (SAM), 多种CNN架构 | Dice系数, mIoU, MAE | NA |
| 9256 | 2025-10-06 |
Multiclass ensemble framework for enhanced prostate gland Segmentation: Integrating Self-ONN decoders with EfficientNet
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110459
PMID:40449047
|
研究论文 | 提出一种用于前列腺腺体多类分割的集成框架,结合EfficientNet编码器和Self-ONN解码器 | 首次将Self-ONN解码器与EfficientNet编码器结合用于前列腺分割,并采用STAPLE方法集成最优模型 | 未明确说明模型的计算复杂度和实时性能 | 开发精确的前列腺腺体及其分区自动分割方法 | 前列腺腺体及其分区(外周区PZ、移行区TZ和整个腺体) | 数字病理学 | 前列腺癌 | MRI成像 | CNN, ONN | 医学图像 | PI-CAI挑战数据集,采用5折交叉验证 | NA | EfficientNetB4, Self-ONN | Dice系数 | NA |
| 9257 | 2025-10-06 |
Deep Learning Reveals Liver MRI Features Associated With PNPLA3 I148M in Steatotic Liver Disease
2025-Jul, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70164
PMID:40478199
|
研究论文 | 本研究利用深度学习分析肝脏MRI图像,识别与PNPLA3 I148M基因变异相关的脂肪肝特征 | 首次通过深度学习模型从MRI图像中非侵入性检测PNPLA3 I148M纯合子变异,揭示了该变异与肝脏特定区域脂肪分布模式的关系 | 研究排除了杂合子个体,可能限制了模型的泛化能力;性能指标在非SLD患者中相对较低 | 开发基于MRI的深度学习模型来识别PNPLA3 I148M基因变异携带者 | 英国生物银行45,603名个体的MRI图像和基因数据 | 医学影像分析 | 脂肪肝病 | MRI,水脂分离技术,基因分型 | Vision Transformer, U-Net | MRI图像 | 45,603名个体,其中600张手动分割图像用于训练U-Net | NA | Vision Transformer, U-Net | AUROC | NA |
| 9258 | 2025-06-10 |
Use of Artificial Intelligence and Machine Learning in Critical Care Ultrasound
2025-Jul, Critical care clinics
IF:3.0Q2
DOI:10.1016/j.ccc.2025.02.008
PMID:40484623
|
research paper | 本文探讨了人工智能(AI)在重症监护超声中的变革潜力 | AI技术,特别是深度学习和卷积神经网络,现在辅助图像采集、解释和质量评估,简化工作流程并减少操作者变异性 | 需要可解释的AI系统以获得临床医生的信任并促进更广泛的采用 | 探索AI在重症监护超声中的应用及其潜力 | 重症监护超声 | machine learning | NA | deep learning, convolutional neural networks | CNN | image | NA | NA | NA | NA | NA |
| 9259 | 2025-10-06 |
Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals
2025-Jun-21, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种结合熵特征和深度学习的癫痫检测新方法 | 将多元熵特征与残差卷积神经网络和双向LSTM相结合,创新性地融合信号复杂度分析与时空特征提取 | NA | 开发稳健有效的癫痫自动检测方法 | 脑电图信号 | 机器学习 | 癫痫 | 脑电图 | CNN, LSTM | 信号数据 | NA | Python | ResNet, Bi-LSTM | 准确率, F1分数, 召回率, 特异性, 精确率 | NA |
| 9260 | 2025-10-06 |
YOLOv11-Based quantification and temporal analysis of repetitive behaviors in deer mice
2025-Jun-21, Neuroscience
IF:2.9Q2
|
研究论文 | 本研究开发了一种基于YOLOv11的集成自动化系统,用于鹿鼠重复行为的量化分析和时间动态研究 | 首次将YOLOv11深度学习直接应用于行为分类,结合后处理进行行为片段重建,并开发了专门针对鹿鼠的全面时间分析套件 | 研究主要针对鹿鼠特定行为模式,在其他物种中的适用性需要进一步验证 | 开发自动化行为分析系统以详细表征鹿鼠行为的时间动态 | 鹿鼠(Peromyscus maniculatus bairdii)的重复行为 | 计算机视觉 | 运动障碍 | 深度学习行为分析 | YOLO | 视频 | NA | YOLOv11 | YOLOv11 | NA | NA |