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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2026-06-05 |
Handheld hyperspectral imaging dataset of annual sowthistle and little mallow under abiotic stress for machine learning
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112858
PMID:42239812
|
研究论文 | 提供两种杂草(一年生苦苣菜和小锦葵)在不同非生物胁迫下的手持高光谱成像数据集,用于支持机器学习模型开发 | 首次构建针对两种特定杂草(一年生苦苣菜和小锦葵)在五种非生物胁迫条件下的高光谱成像公开数据集,包含原始与预处理数据,可促进精准杂草管理的深度学习模型开发 | NA | 通过高光谱成像数据支持机器学习模型开发,实现精准杂草管理中的胁迫分类 | 一年生苦苣菜和小锦葵植物在五种生长条件(标准、干旱、过度浇水、过量施肥、无施肥)下的高光谱特征 | 机器学习 | NA | 高光谱成像(HSI,400-1000 nm) | NA | 高光谱图像数据立方体 | NA | MATLAB, Wolfram语言 | NA | NA | NA |
| 942 | 2026-06-05 |
A multi-stage, pixel-level annotated apple dataset for precision agriculture research
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112856
PMID:42239800
|
研究论文 | 提出了一个包含1406张RGB图像、覆盖苹果三个生长期(未成熟、半成熟、成熟)的多阶段像素级标注数据集,用于精准农业研究 | 提供了像素级实例分割掩码的标准化标注,覆盖从绿色到红色的过渡成熟阶段,填补了该领域训练数据的空白 | 未提及 | 支持水果检测、分割和生长期分类,推动精准农业中计算机视觉模型的开发 | 苹果果实 | 计算机视觉 | NA | RGB图像采集 | NA | 图像 | 1406张RGB图像,2574个标注的苹果实例 | NA | NA | NA | NA |
| 943 | 2026-06-05 |
Frequency difference multi-branch multi-task learning for underwater source localization in mismatched environments
2026-Jun-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0043948
PMID:42240626
|
研究论文 | 提出一种基于频差的多分支多任务学习方法,用于解决水下声源定位中模型不匹配问题 | 结合频差处理和多分支特征融合,降低阵列倾斜和声速剖面不匹配的影响,提高定位精度 | 训练数据仅基于非倾斜阵列和平均声速剖面的模拟数据,在极端不匹配环境下的泛化能力可能有限 | 研究水下声源在模型不匹配环境下的距离和深度估计方法 | 水下声源定位问题中的阵列倾斜和声速剖面不匹配现象 | 机器学习 | NA | 频差处理 | 多分支多任务学习网络 | 模拟数据与实验数据 | NA | NA | 多分支多任务网络 | 定位准确率 | NA |
| 944 | 2026-06-05 |
Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors
2026-May-30, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00537
PMID:42216908
|
研究论文 | 提出一种AI引导的基于反应的先导化合物优化策略(CSAR),并成功发现强效ALDH3A1抑制剂 | 结合顺序反应枚举、药效团引导对接和预测建模,实现可扩展的SAR扩展,并在ALDH3A1抑制剂优化中实现约1000倍效力提升 | NA | 加速药物发现中的先导化合物优化过程 | ALDH3A1抑制剂 | 机器学习 | 癌症, 神经退行性疾病 | 反应枚举、药效团对接、深度学习预测建模 | 深度学习模型 | 分子结构数据 | 约250,000个虚拟类似物,150个合成化合物 | NA | NA | 生化效力(IC50)、细胞活性(EC50) | NA |
| 945 | 2026-06-05 |
Artificial intelligence based techniques for brain tumor analysis: A systematic review
2026-May-30, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103460
PMID:42235350
|
综述 | 对基于人工智能的脑肿瘤分析技术进行系统性综述 | 明确了现有文献中弱监督脑肿瘤分割的研究空白,并强调了可解释人工智能在脑肿瘤分析中的重要性 | 仅纳入IEEE Xplore和ACM两个数据库的论文,可能遗漏其他来源的重要研究;未涉及AI方法在临床实践中的全面应用 | 系统回顾基于人工智能的脑肿瘤分析技术,包括常用方法、数据集、特征、评估指标和可解释人工智能方法 | 脑肿瘤分析技术相关的学术论文 | 机器学习 | 脑肿瘤 | NA | 深度学习 | NA | 3950篇初始论文,最终筛选101篇 | NA | NA | NA | NA |
| 946 | 2026-06-05 |
Prediction of nutritional quality characteristics of faba bean based on deep learning method
2026-May-30, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128164
PMID:42235452
|
研究论文 | 基于近红外光谱与深度学习,建立蚕豆中淀粉、蛋白质、水分和膳食纤维四种营养成分快速、无损、定量预测方法 | 首次系统比较组合光谱预处理方法,并验证CARS特征选择算法与MLP模型在蚕豆多组分检测中优于传统机器学习方法 | 未提及模型在多种品种或环境下的泛化能力验证,且仅基于近红外光谱,缺乏其他技术对比 | 开发一种快速、无损的蚕豆营养品质检测方法,为农产品质量评估提供可靠框架 | 蚕豆样本 | 机器学习 | NA | 近红外光谱 | 多层感知机 | 光谱数据 | 未明确提及样本数量 | NA | MLP | 相关系数R | NA |
| 947 | 2026-06-05 |
Explainable artificial intelligence in prostate cancer treatment recommendation: A decision support system for oncological expert panels
2026-May-30, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2026.116849
PMID:42235465
|
研究论文 | 开发并评估了一个可解释人工智能系统,用于复制多学科癌症会议对前列腺癌的治疗决策 | 首次在大规模多目标框架中生成与MCC一致的前列腺癌治疗建议,并纳入最多临床输入和治疗输出参数的可解释AI系统 | 抗癌药物类别性能较低,可能因样本量较小;结果需要前瞻性验证 | 开发可解释AI系统以支持多学科肿瘤专家组的治疗决策 | 2015-2022年间经组织学确诊的前列腺癌患者的MCC病例 | 机器学习 | 前列腺癌 | NA | 机器学习与深度学习算法 | 结构化临床数据 | 5478例MCC病例 | NA | 层次化建模框架 | F1分数 | NA |
| 948 | 2026-06-05 |
Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning
2026-May-29, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00556
PMID:42214058
|
研究论文 | 介绍T5pKa,一个基于序列的深度学习模型,用于统一预测小分子的pKa和质子化状态 | 将化学语言建模与多任务学习结合,使用单个序列到序列模型同时枚举微态并预测微观pKa值 | 对长序列分子的处理能力和训练数据对特定化学类型的覆盖有限 | 开发统一的序列深度学习方法,提升小分子pKa预测的准确性并简化流程 | 小分子的微观pKa值和质子化/去质子化状态 | 自然语言处理, 机器学习 | NA | 深度学习, 语言建模, 序列到序列学习 | Transformer | 文本 | 9000个实验微观pKa数据点,带有电离状态注释 | PyTorch | T5Chem, T5pKa | 与已有pKa预测工具和已发表模型比较的性能指标 | NA |
| 949 | 2026-06-05 |
SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins
2026-May-29, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00363
PMID:42214054
|
研究论文 | 提出SSPSPredictor,一种融合蛋白质语言模型ESM-2和图神经网络GVP的多模态深度学习模型,用于预测相分离蛋白 | 首次将序列信息(ESM-2)与结构信息(GVP)融合,实现相分离蛋白高精度预测,且无需监督训练即可识别驱动区域 | NA | 开发高效准确的相分离蛋白预测工具,揭示其与疾病的关联 | 相分离蛋白(PSPs)及其驱动区域 | 机器学习 | NA | 蛋白质语言模型(ESM-2)、图神经网络(GVP) | 深度学习模型 | 蛋白质序列和结构数据 | 人类蛋白质组 | PyTorch | ESM-2, GVP | 平衡性能(准确率、召回率、F1分数等) | NA |
| 950 | 2026-06-05 |
Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis
2026-May-29, Journal of ethnopharmacology
IF:4.8Q1
DOI:10.1016/j.jep.2026.121939
PMID:42217588
|
研究论文 | 整合网络药理学、深度学习和分子生物学方法,揭示柑橘花提取物改善糖尿病性骨质疏松症的功效与机制 | 首次结合网络药理学、深度学习、分子对接和分子动力学模拟,系统预测柑橘花提取物中的关键成分及其对糖尿病性骨质疏松症的潜在作用机制,并通过体内实验验证了PI3K/AKT和Wnt-3a/β-catenin通路的协同激活 | 未提及明确的局限性信息 | 探索柑橘花乙醇提取物对糖尿病性骨质疏松症的保护作用及其机制 | 柑橘花乙醇提取物及其中44种化合物 | 机器学习 | 糖尿病性骨质疏松症 | HPLC/MS、网络药理学、深度学习、分子对接、分子动力学模拟 | NA | NA | 高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠模型 | NA | NA | NA | NA |
| 951 | 2026-06-05 |
Letter to the Editor: Traditional medical image interpretation and deep learning-based image analysis in predicting risk in patients with spontaneous intracerebral hemorrhage
2026-May-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v18.i5.118969
PMID:42238230
|
评论 | 讨论传统医学影像解读与基于深度学习的影像分析在预测自发性脑出血患者风险中的优缺点 | 提出将传统影像解读与深度学习模型相结合的混合评估系统,以实现更精准的早期干预策略 | 深度学习模型对数据要求高且复杂,阻碍其广泛应用;传统影像解读存在主观性和局限性 | 探讨传统影像解读与深度学习模型在预测自发性脑出血后血肿扩大和死亡风险中的比较与结合潜力 | 自发性脑出血患者 | 计算机视觉 | 脑血管疾病 | 计算机断层扫描(CT),磁共振成像(MRI),深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 预测准确性 | NA |
| 952 | 2026-06-05 |
Artificial intelligence in allergen immunotherapy: toward a proactive and personalized management of allergic diseases
2026-May-26, Current opinion in allergy and clinical immunology
IF:3.0Q3
DOI:10.1097/ACI.0000000000001172
PMID:42235032
|
综述 | 探讨人工智能在过敏原免疫治疗中的应用,旨在实现过敏性疾病的前瞻性和个性化管理 | 总结了机器学习在患者分层、治疗依从性预测、实时监测及联邦学习在保护数据隐私方面的创新应用,同时指出了生成式AI在临床记录合成中的可靠性局限 | 生成式AI在直接用于患者时可靠性不足,且AI作为决策辅助工具仍需专家监督以确保患者安全 | 研究将人工智能整合到过敏原免疫治疗管理中,以提高精准医学效率和诊断准确性,并预测治疗结果 | 免疫球蛋白E介导的过敏性疾病患者及其过敏原免疫治疗管理 | 机器学习 | 过敏性疾病 | NA | 长短期记忆递归神经网络、随机潜变量actor-critic模型、深度学习、联邦学习、生成式AI | 组学数据、分子致敏谱数据、可穿戴传感器数据、环境参数数据 | NA | NA | 长短期记忆递归神经网络、随机潜变量actor-critic | NA | NA |
| 953 | 2026-06-05 |
Two-Step Ensemble Convolutional Neural Networks for Colonoscopic Biopsy Classification Resembling Pathologists' Process
2026-May-25, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2026.41.e152
PMID:42190697
|
研究论文 | 提出一种集成深度学习管道,用于结肠镜活检的五种诊断类别分类,类似于病理学家的诊断流程 | 首次采用两步骤集成卷积神经网络方法,模拟病理学家从整张切片图像中逐步分类的过程,并能过滤低质量图像 | 数据集可能仍有限,且NET分类任务可能需要更多验证 | 利用人工智能自动分类结肠直肠癌的多种亚型,提升诊断可靠性 | 结肠直肠癌活检切片图像 | 数字病理学, 计算机视觉, 机器学习 | 结肠直肠癌 | 数字病理学 | 卷积神经网络,集成模型 | 图像(整张切片图像) | 18,922张结肠直肠癌整张切片图像 | PyTorch | EfficientNet, 聚类约束注意力多实例学习模型 | 微观F1分数, 宏观F1分数, 加权F1分数 | NA |
| 954 | 2026-06-05 |
Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning
2026-May-25, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00873
PMID:42183825
|
研究论文 | 提出利用CRISPRa和CRISPRi技术生成低异质性标记转录组数据集,以改善深度学习的表型预测能力 | 首次提出通过CRISPRa和CRISPRi技术创建具有小增量转录组差异的标记细胞系,用于补充现有高异质性数据集,从而提升深度学习模型的表型预测性能 | 未提供实际生成的实验数据集验证方法有效性,仅停留在理论框架和实验设计阶段 | 解决现有组学数据因体积不足和高异质性而难以直接用于深度学习表型预测的问题 | 使用CRISPRa和CRISPRi技术生成的标记细胞系及其对应的转录组数据集 | 机器学习 | 癌症 | CRISPRa, CRISPRi, 转录组测序 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 955 | 2026-06-05 |
3D craniofacial generative model for surgical planning in mandibular reconstruction
2026-May-25, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104136
PMID:42235113
|
研究论文 | 提出一个统一的三维颅面生成框架,用于下颌骨重建中的下颌骨修复、自动手术规划及术后面部预测 | 1) 首次构建整合下颌骨修复、自动手术规划和术后面部预测的统一生成框架 2) 采用3D潜在扩散模型结合分块编码策略,学习鲁棒的解剖形态先验 3) 引入基于动态规划的几何优化算法自动生成腓骨截骨和拼接方案 | 未明确说明主要限制,可能包括对临床数据集的验证规模有限,以及方法对复杂缺损的泛化能力待评估 | 开发一种能够同时完成下颌骨形态修复、自动手术规划和术后软组织预测的高效CAS工作流 | 下颌骨缺损患者的三维颅面模型及腓骨供体区域 | 计算机视觉 | 口腔肿瘤 | 3D潜在扩散模型、动态规划 | 3D潜在扩散模型 | 三维医学图像(CT/MRI衍生的三维网格) | 大规模无肿瘤受试者数据集(用于预训练)以及模拟和临床数据集(测试阶段) | PyTorch | 3D U-Net(用于分块编码)、Transformer(潜在扩散模型中的条件机制) | Dice系数、倒角距离(CD)、体积比、轮廓误差、最大投影 | 未明确指定GPU类型,但提到训练时间从34分钟降至1分钟内(60×加速) |
| 956 | 2026-06-05 |
PySERA: Open-source standardized python library for automated, scalable, and reproducible handcrafted and deep radiomics
2026-May-24, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109463
PMID:42235274
|
研究论文 | 开发了一个名为PySERA的开源标准化Python库,用于自动化、可扩展和可重复的手工与深度学习影像组学分析 | 首次在统一的Python框架中整合了标准化手工影像组学特征和深度学习影像组学嵌入,支持自动化和可重复分析,并具有高效的并行计算引擎 | NA | 解决现有影像组学工具在可重复性和可扩展性方面的局限,提供一个标准化且集成深度学习的Python原生框架 | 医学图像中的定量生物标志物提取与建模 | 计算机视觉, 数字病理学 | NA | 影像组学, 深度学习 | CNN | 医学图像(DICOM, NIfTI, NRRD格式) | NA | TensorFlow, PyTorch, Scikit-learn, MONAI | ResNet50, DenseNet121, VGG16 | 准确率, 可重复性(>94% IBSI) | NA |
| 957 | 2026-06-05 |
Impact of Imaging Protocols on Thermal Detection of Pressure Injuries: Threshold versus Deep Learning Across Skin Tones
2026-May-24, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.21.26353842
PMID:42238404
|
研究论文 | 系统评估了成像协议变化和肤色对热成像检测压力性损伤分类模型性能的影响 | 通过对比深度学习和固定阈值方法,发现深度学习模型在不同成像条件和肤色下均保持稳定性能,且关注冷却区域边界的热梯度而非单一温度阈值 | NA | 评估成像协议变化和肤色对热成像检测压力性损伤分类模型性能的影响,验证深度学习方法的鲁棒性和公平性 | 35名不同肤色的参与者,共1680张热成像图像,涵盖12种成像协议变化 | 计算机视觉 | 压力性损伤 | 热成像 | 深度学习模型(MobileNetV2、InceptionNetV3、ResNet50) | 图像 | 35名参与者,1680张图像 | NA | MobileNetV2, InceptionNetV3, ResNet50 | 准确率 | NA |
| 958 | 2026-06-05 |
De novo design of RNA pseudoknots with deep learning
2026-May-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.21.726960
PMID:42239184
|
研究论文 | 利用深度学习实现RNA假结的从头设计 | 首次展示了基于深度学习的生成式AI能够通过准确的二级结构设计,生成具有复杂三级结构的RNA假结,并且AI设计的分子形成了设计中未建模的非经典三级相互作用,表现出有序的三维折叠 | 研究主要基于先前的化学图谱数据训练的基础模型,可能对新型或未在训练集中出现的RNA结构设计存在局限,且三维结构设计的准确性仍有提升空间 | 探索利用深度学习实现RNA假结的精确从头设计 | RNA假结结构 | 机器学习 | NA | 化学图谱、补偿突变、冷冻电镜 | RNet基础模型 | 化学图谱数据 | 57个假结结构 | NA | RNet | 单核苷酸分辨率化学图谱、补偿突变验证、冷冻电镜 | NA |
| 959 | 2026-06-05 |
Acoustic-based Stenosis Detection for Dialysis Patients using Explainable Machine Learning
2026-May-22, Research square
DOI:10.21203/rs.3.rs-9781692/v1
PMID:42239778
|
研究论文 | 通过可解释机器学习方法,基于声学记录自动检测透析患者动静脉瘘狭窄 | 首次系统性比较经典机器学习模型与视觉Transformer在动静脉瘘狭窄声学检测中的性能,并结合SHAP分析提供生理学可解释性 | NA | 开发一种非侵入性、可解释的动静脉瘘狭窄自动检测方法,提升透析患者长期血管通路监测的临床可行性 | 血液透析患者的动静脉瘘声学记录 | 机器学习 | 肾脏疾病 | 声学录音 | 经典机器学习模型、视觉Transformer | 声学信号 | NA | NA | Vision Transformer | F1分数 | NA |
| 960 | 2026-06-05 |
Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer
2026-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53240-w
PMID:42168286
|
研究论文 | 利用鹦鹉优化视觉变换器最大化胰腺癌分类性能 | 结合YOLOv11特征提取、视觉变换器分类和鹦鹉元启发式优化算法,实现胰腺CT图像的高精度分类 | 数据集仅来自Kaggle的1411张图像,可能缺乏泛化性;未提及外部验证或临床应用可行性 | 开发一种自动化系统用于胰腺癌的识别与分类 | 胰腺CT图像,包含1411张图像 | 计算机视觉 | 胰腺癌 | CT成像 | 视觉变换器 | 图像 | 1411张胰腺CT图像 | NA | UNet, YOLOv11, Vision Transformer | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率 | NA |