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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
10241 | 2025-10-07 |
ClickGen: Directed exploration of synthesizable chemical space via modular reactions and reinforcement learning
2024-11-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54456-y
PMID:39578485
|
研究论文 | 开发了一种利用模块化反应和强化学习生成高可合成性分子的深度学习模型 | 结合点击化学模块化反应组装分子,并整合强化学习和修复技术确保分子多样性、新颖性和强结合倾向 | 仅针对三种蛋白质的现有结合剂进行了验证,适用范围有待进一步扩展 | 解决生成分子可合成性低的问题,推动AI驱动的自动化实验和闭环分子设计 | 化学分子空间,特别是针对PARP1等蛋白质靶点的小分子化合物 | 机器学习 | 癌症 | 点击化学,强化学习,修复技术 | 深度学习模型 | 化学分子数据 | 针对三种蛋白质靶点的分子生成和验证 | NA | NA | 新颖性,可合成性,对接构象相似性 | NA |
10242 | 2025-10-07 |
In-context learning enables multimodal large language models to classify cancer pathology images
2024-11-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51465-9
PMID:39572531
|
研究论文 | 本研究评估了GPT-4V模型通过上下文学习在癌症病理图像分类任务中的表现 | 首次系统评估多模态大语言模型在医学图像分析中的上下文学习能力,无需参数更新即可完成专业医疗图像分类 | 仅评估了三种特定的癌症病理学任务,未涵盖更广泛的医学图像类型 | 探索上下文学习在医学图像分类中的应用,降低技术门槛 | 结直肠癌组织亚型分类、结肠息肉亚型分类和淋巴结切片中乳腺肿瘤检测 | 计算机视觉 | 癌症 | 上下文学习 | 多模态大语言模型 | 病理图像 | 仅需少量样本 | GPT-4V | GPT-4V | 与专业神经网络性能对比 | NA |
10243 | 2025-10-07 |
Whole-cell multi-target single-molecule super-resolution imaging in 3D with microfluidics and a single-objective tilted light sheet
2024-Sep-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.27.559876
PMID:37808751
|
研究论文 | 开发了一种结合微流控技术和单物镜倾斜光片的新型3D超分辨率成像方法,用于全细胞多靶点单分子成像 | 提出可操控的抖动单物镜倾斜光片用于光学切片以减少荧光背景,开发了3D纳米打印微流控系统反射光片至样品的新流程 | NA | 解决全哺乳动物细胞单分子超分辨率成像中高荧光背景和慢采集速度的问题 | 哺乳动物细胞亚细胞结构 | 生物医学成像 | NA | 单分子超分辨率荧光显微镜,Exchange-PAINT | 深度学习 | 3D荧光图像 | NA | NA | NA | 成像精度,成像速度 | NA |
10244 | 2025-10-07 |
Spatiotemporal transcriptomic landscape of rice embryonic cells during seed germination
2024-09-09, Developmental cell
IF:10.7Q1
DOI:10.1016/j.devcel.2024.05.016
PMID:38848718
|
研究论文 | 本研究通过空间增强分辨率组学测序和单细胞RNA测序,揭示了水稻胚胎细胞在种子萌发过程中的时空转录组景观 | 开发了基于深度学习的自动细胞分割模型,首次报道了两种未发现的盾片细胞类型,并提供了探索胚胎细胞在种子萌发中作用的新方法 | NA | 阐明不同胚胎细胞在调控种子活力和幼苗建成中的复杂生物学功能 | 水稻胚胎细胞 | 数字病理学 | NA | 空间增强分辨率组学测序(Stereo-seq), 单细胞RNA测序(scRNA-seq), 原位杂交 | 深度学习 | 空间转录组数据, 单细胞转录组数据 | 吸水后6、24、36和48小时的时间点样本 | NA | NA | NA | NA |
10245 | 2025-10-07 |
Constructing analogies: Developing critical thinking through a collaborative task
2024 Sep-Oct, Biochemistry and molecular biology education : a bimonthly publication of the International Union of Biochemistry and Molecular Biology
IF:1.2Q3
DOI:10.1002/bmb.21843
PMID:38850246
|
研究论文 | 探讨大学生通过构建复杂类比来发展批判性思维能力的定性研究 | 开发了新颖的评分方案来衡量内容知识和批判性思维,并证明结对合作能显著提升批判性思维能力 | 样本量较小(n=30),且为定性研究,结果可能缺乏普适性 | 研究通过构建复杂类比任务促进学生批判性思维发展的有效性 | 大学生物专业学生(30名) | 教育学 | NA | 定性访谈分析 | NA | 访谈数据 | 30名大学生物专业学生,共收集50份访谈数据 | NA | NA | 内容知识评分、批判性思维评分 | NA |
10246 | 2025-10-07 |
Fragment-Fusion Transformer: Deep Learning-Based Discretization Method for Continuous Single-Cell Raman Spectral Analysis
2024-08-23, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c00149
PMID:38934798
|
研究论文 | 提出一种基于Transformer的片段融合模型,用于连续单细胞拉曼光谱数据的离散化分析 | 将连续光谱基于内在特征进行离散化分段,结合片段内特征提取和片段间特征融合,通过金字塔结构增强模型感受野 | NA | 解决连续拉曼光谱数据缺乏离散化而限制深度学习算法应用的问题 | 单细胞拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | Transformer | 光谱数据 | NA | NA | Fragment-Fusion Transformer, 金字塔结构 | 准确率, 信息增益, 信息熵 | NA |
10247 | 2025-10-07 |
Strain-Temperature Dual Sensor Based on Deep Learning Strategy for Human-Computer Interaction Systems
2024-08-23, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c01202
PMID:39068608
|
研究论文 | 本研究开发了一种基于热电流效应的热电水凝胶双传感器,结合深度学习策略实现人机交互系统的应变-温度双重感知 | 利用霍夫迈斯特效应和热电电流效应制备具有高韧性(800 kPa拉伸强度)和高塞贝克系数(2.3 mV/K)的三重网络PVA/PAA/羧甲基纤维素水凝胶 | NA | 开发用于人机交互系统的应变-温度双功能传感器 | 热电水凝胶传感器及其在机器人手控制中的应用 | 人机交互 | NA | 霍夫迈斯特效应、热电电流效应 | 深度学习 | 传感器数据 | NA | NA | NA | 识别准确率(95.30%) | NA |
10248 | 2025-10-07 |
Deep-Learning-Guided Electrochemical Impedance Spectroscopy for Calibration-Free Pharmaceutical Moisture Content Monitoring
2024-08-23, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c01180
PMID:39096505
|
研究论文 | 本研究开发了一种基于深度学习和电化学阻抗谱的无校准药物水分含量监测方法 | 首次将深度学习技术与电化学阻抗谱结合,实现无需校准的药物水分含量快速准确检测 | NA | 开发快速准确的无校准药物水分含量监测技术 | 药物粉末样品 | 机器学习 | NA | 电化学阻抗谱 | 1DCNN | 光谱数据 | NA | NA | 一维卷积神经网络 | 平均误差 | NA |
10249 | 2025-10-07 |
Deep Learning Enabled Universal Multiplexed Fluorescence Detection for Point-of-Care Applications
2024-08-23, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c00860
PMID:39010300
|
研究论文 | 开发了一种结合机器学习的紧凑型无透镜荧光传感系统,用于可扩展的多重荧光检测 | 无需光学调整即可实现多重荧光检测,通过更新机器学习模型即可轻松扩展多重检测能力而无需改变硬件 | NA | 开发便携式、经济高效的多重荧光检测系统用于即时检测应用 | 三种常见呼吸道病毒 | 机器学习 | 呼吸道病毒感染 | 环介导等温扩增(LAMP) | 机器学习模型 | 荧光数据 | NA | NA | 预训练机器学习模型 | NA | NA |
10250 | 2025-10-07 |
Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy
2024-08-23, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c01205
PMID:39138903
|
研究论文 | 开发基于多通道表面增强拉曼光谱和深度学习的药物作用机制快速识别平台 | 结合多通道SERS传感器阵列与深度学习算法,实现化疗药物作用机制的快速高精度识别 | NA | 快速识别化疗药物的作用机制以促进药物开发和有效使用 | 化疗药物及其在细胞中诱导的分子变化 | 机器学习 | 癌症 | 表面增强拉曼光谱,自组装单分子层 | CNN | 光谱数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
10251 | 2025-10-07 |
Fully Automated MRI-based Analysis of the Locus Coeruleus in Aging and Alzheimer's Disease Dementia using ELSI-Net
2024-Jul-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.26.605356
PMID:39091766
|
研究论文 | 开发了一种基于深度学习的全自动MRI蓝斑分析方法ELSI-Net,用于分析衰老和阿尔茨海默病痴呆中的蓝斑完整性 | 提出了首个全自动的蓝斑分割和特征提取深度学习方法ELSI-Net | 需要在更多样化的临床队列数据集上进行进一步评估以确定其普遍适用性 | 分析衰老和阿尔茨海默病痴呆中的蓝斑完整性及其与AD病理生物标志物的相关性 | 健康衰老和阿尔茨海默病痴呆数据集 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | MRI图像 | NA | NA | ELSI-Net | 与专家评分者的一致性,与已发表图谱的一致性 | NA |
10252 | 2025-10-07 |
Ultralow-Power Single-Sensor-Based E-Nose System Powered by Duty Cycling and Deep Learning for Real-Time Gas Identification
2024-07-26, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c00471
PMID:38857120
|
研究论文 | 提出了一种基于单传感器的超低功耗电子鼻系统,通过占空比循环和深度学习实现实时气体识别 | 采用单MOS传感器结合占空比循环技术,替代传统传感器阵列,显著降低功耗和成本;利用传感器超快热响应特性在单个时域内解耦温度与表面电荷交换效应 | 仅测试了五种气体类型,识别时间需30秒 | 开发超低功耗实时气体识别系统 | 五种气体类型 | 机器学习 | NA | 金属氧化物半导体传感器,占空比循环 | CNN | 传感器信号 | NA | NA | 卷积神经网络 | 分类准确率,浓度回归误差 | NA |
10253 | 2025-10-07 |
ConsensuSV-ONT - a modern method for accurate structural variant calling
2024-Jul-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.26.605267
PMID:39211254
|
研究论文 | 提出了一种基于共识策略的自动化结构变异检测工具ConsensuSV-ONT,用于牛津纳米孔长读长测序数据 | 结合六种先进结构变异检测工具,并采用卷积神经网络进行高质量变异过滤,提供完整的Docker运行环境 | NA | 开发准确可靠的结构变异检测方法,支持下游分析 | 牛津纳米孔长读长测序数据中的结构变异 | 生物信息学 | NA | 牛津纳米孔长读长测序 | CNN | 基因组测序数据 | NA | Nextflow | 卷积神经网络 | NA | Docker容器,并行计算 |
10254 | 2025-10-07 |
Marker Data Enhancement For Markerless Motion Capture
2024-Jul-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.13.603382
PMID:39071421
|
研究论文 | 开发了一种能够将稀疏关键点转换为密集解剖标记的深度学习模型,以提升无标记运动捕捉的准确性 | 创建了更大更多样化的训练数据集,开发了比OpenCap原始增强器更准确且泛化能力更强的标记增强器 | 论文未明确说明在极端运动或特殊人群中的性能表现 | 提高无标记运动捕捉中人体姿态估计的准确性和泛化能力 | 人体运动数据 | 计算机视觉 | NA | 运动捕捉技术 | 深度学习模型 | 视频,运动捕捉数据 | 1176名受试者,1433小时的关键点和解剖标记数据 | NA | 标记增强器 | 平均误差,最大误差 | NA |
10255 | 2025-10-07 |
An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310748
PMID:39331600
|
研究论文 | 提出一种可解释的集成方法,通过双GAN机制和特征提取技术解决高度不平衡数据下的脑肿瘤分类问题 | 提出结合双GAN机制和特征提取技术的可解释集成框架,专门针对高度不平衡数据,通过生成合成少数类样本解决类别不平衡问题 | NA | 开发高精度且稳定的脑肿瘤分类方法,提高临床诊断的可靠性和可解释性 | 脑肿瘤医学图像数据 | 计算机视觉 | 脑肿瘤 | 医学影像分析 | GAN,集成学习 | MRI图像 | NA | NA | Dual-GAN, DeepEFE | 准确率,精确率,灵敏度,F1分数 | NA |
10256 | 2025-10-07 |
Active learning of enhancer and silencer regulatory grammar in photoreceptors
2023-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.21.554146
PMID:37662358
|
研究论文 | 本研究使用主动机器学习方法在哺乳动物视网膜中训练深度学习模型,以预测光感受器中增强子和沉默子的调控语法 | 采用主动机器学习策略,通过多轮合成DNA序列分析迭代训练模型,相比现有方法减少了一个数量级的训练数据需求 | 研究主要聚焦于光感受器转录因子CRX的结合基序,可能不直接适用于其他类型的调控元件 | 建立能够从DNA序列准确预测调控元件活性的深度学习模型 | 包含光感受器转录因子Cone-rod homeobox (CRX)结合基序的DNA序列 | 机器学习 | NA | 合成DNA序列分析,活体哺乳动物视网膜检测 | 深度学习 | DNA序列数据 | 多轮合成的DNA序列,具体数量未明确说明 | NA | NA | 模型内部置信度估计,序列活性预测准确性 | NA |
10257 | 2025-10-07 |
FADE: Forecasting for anomaly detection on ECG
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108780
PMID:40300434
|
研究论文 | 提出一种名为FADE的深度学习系统,用于正常心电图预测和异常检测 | 采用自监督学习方式训练正常心电图预测模型,使用新型形态学启发的损失函数,无需大量标注异常数据 | 仅在两个公开数据集上进行验证,需要进一步测试在不同传感器和患者群体中的适应性 | 开发心电图异常检测系统以减少对标注数据和人工解读的依赖 | 心电图信号 | 机器学习 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图信号 | MIT-BIH NSR和MIT-BIH Arrythmia两个公开数据集 | NA | NA | 准确率 | NA |
10258 | 2025-10-07 |
A multi-task neural network for full waveform ultrasonic bone imaging
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108807
PMID:40311439
|
研究论文 | 提出一种名为CEDD-Unet的多任务神经网络,用于实现高分辨率超声骨成像 | 采用双解码器架构分别重建声速模型和检测骨组织边界,集成ConvLSTM模块捕捉多尺度时空特征,并引入EMA模块增强特征表示 | 未明确说明数据集的样本数量限制和模型泛化能力验证 | 开发基于深度学习的全波形反演方法实现高分辨率超声骨成像 | 人类骨骼和小鼠骨骼的声速模型数据集 | 医学影像处理 | 骨骼疾病 | 超声射频信号采集,全波形反演 | CNN, LSTM | 超声射频信号 | NA | NA | CEDD-Unet, Unet, Unet++, Att-Unet, InversionNet, DD-Net, UPFWI, DEFE-Unet | MAE, SSIM, PSNR | NA |
10259 | 2025-10-07 |
TransAnno-Net: A Deep Learning Framework for Accurate Cell Type Annotation of Mouse Lung Tissue Using Self-supervised Pretraining
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108809
PMID:40315689
|
研究论文 | 提出一种基于自监督预训练和Transformer架构的深度学习框架TransAnno-Net,用于小鼠肺组织单细胞RNA测序数据的细胞类型注释 | 采用自监督预训练策略利用未标记数据学习基因-基因相似性,通过迁移学习在小规模标注数据上微调,显著降低标注成本并提升模型效率与可迁移性 | 方法主要针对小鼠肺组织数据,在其他器官或物种的泛化能力需进一步验证 | 开发高效准确的小鼠肺组织单细胞RNA测序数据细胞类型注释方法 | 小鼠肺器官单细胞RNA测序数据 | 生物信息学 | 肺部疾病 | 单细胞RNA测序(scRNA-seq) | Transformer | 基因表达数据 | 约100,000个细胞 | NA | Transformer | AUC | NA |
10260 | 2025-10-07 |
Deep learning modelling to forecast emergency department visits using calendar, meteorological, internet search data and stock market price
2025-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108808
PMID:40315688
|
研究论文 | 本研究使用深度学习模型结合日历、气象、互联网搜索数据和股票市场价格预测急诊科就诊量 | 首次将股票市场价格与互联网搜索数据结合日历和气象数据用于急诊科就诊量预测,并比较了多种混合深度学习架构的性能 | 研究仅基于2010-2012年新加坡综合医院的数据,可能缺乏泛化性 | 提高急诊科患者就诊量的预测准确性以优化医疗资源分配 | 新加坡综合医院急诊科每日就诊患者 | 机器学习 | NA | 深度学习时间序列预测 | LSTM, 1D CNN, CNN-LSTM混合模型 | 时间序列数据 | 2010-2012年新加坡综合医院急诊科每日就诊数据 | NA | LSTM, 1D CNN, stacked 1D CNN-LSTM, CNN-LSTM混合模块 | 平均绝对百分比误差(MAPE) | NA |