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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11841 | 2025-11-14 |
A multimodal deep learning framework for functional brain network classification in rs-fMRI
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10369-0
PMID:41220406
|
研究论文 | 提出一种多模态深度学习框架,用于自动分类癫痫患者静息态功能磁共振成像中的功能脑网络 | 开发结合3D-CNN和LSTM的混合架构,同时利用空间、时域和频域特征进行功能脑网络分类 | 颞叶网络分类性能较低(0.14-0.24),部分类别识别精度有待提升 | 自动化分类癫痫患者rs-fMRI中的功能脑网络,支持癫痫手术规划 | 癫痫患者的静息态功能磁共振成像数据 | 医学影像分析 | 癫痫 | 静息态功能磁共振成像,独立成分分析 | 3D-CNN, LSTM | 功能磁共振成像数据 | NA | NA | 3D卷积神经网络,长短期记忆网络 | 准确率,灵敏度,ROC AUC | NA |
| 11842 | 2025-11-14 |
A systematic review of computer-aided acupoint localization
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113708
PMID:41210988
|
系统综述 | 系统回顾了使用传统算法和深度学习在不同解剖区域进行穴位定位的研究文献 | 首次系统评估人工智能技术在穴位定位领域的应用效果与局限性 | 依赖现有文献质量,缺乏原始实验数据验证 | 评估自动化穴位定位技术的有效性、局限性和未来发展方向 | 穴位定位相关研究文献 | 计算机视觉 | NA | 深度学习,传统图像处理算法 | 深度学习模型 | 医学图像数据 | NA | NA | NA | NA | NA |
| 11843 | 2025-11-14 |
Dual-channel deep learning captures intratumoural heterogeneity on CECT for preoperative risk stratification of thymic epithelial tumors
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113683
PMID:41210998
|
研究论文 | 开发双通道深度学习框架用于胸腺上皮肿瘤的术前风险分层 | 结合双通道CNN与自适应动态聚类算法,首次在CECT图像上捕获肿瘤内异质性进行风险分层 | 样本量相对有限(336例),需进一步多中心验证 | 提高胸腺上皮肿瘤术前风险分层的准确性 | 胸腺上皮肿瘤患者 | 医学影像分析 | 胸腺上皮肿瘤 | 对比增强CT(CECT) | CNN | 医学影像 | 336例多中心胸腺上皮肿瘤患者 | NA | DenseNet121 | AUC | NA |
| 11844 | 2025-11-14 |
Light fuel classification based on Raman spectroscopy and region-adaptive convolutional neural networks
2025-Nov-13, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay01009h
PMID:41178741
|
研究论文 | 提出基于拉曼光谱和区域自适应卷积神经网络的轻质燃料分类方法 | 将拉曼光谱划分为四个区域进行特异性特征提取,通过基于区域峰值密度的初始权重分配和自适应区域贡献约束机制增强模型对弱特征峰的识别能力 | 仅使用16种不同等级和来源的轻质燃料样本,样本多样性可能有限 | 开发快速准确的轻质燃料战场识别方法 | 汽油、柴油和航空燃料等轻质燃料 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | 16种不同等级和来源的轻质燃料 | NA | 一维卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 11845 | 2025-11-14 |
Prediction of single event effects in SiC MOSFET devices based on deep learning
2025-Nov-13, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ae1a8f
PMID:41183390
|
研究论文 | 提出基于深度学习的SiC MOSFET单粒子效应预测方法,通过SRIM-TCAD集成建模实现高效预测 | 首次将深度学习应用于SiC MOSFET单粒子效应预测,提出对称对数倒数数据缩放技术,实现比传统TCAD仿真快5-6个数量级的预测速度 | 仅针对SiC MOSFET器件进行研究,未验证在其他半导体器件上的适用性 | 开发高效准确预测SiC MOSFET单粒子效应的方法 | SiC MOSFET器件的单粒子效应 | 机器学习 | NA | SRIM-TCAD集成建模 | RDNN, CNN-GRU | 仿真数据 | 52,920个单粒子效应事件 | NA | 残差深度神经网络, 卷积神经网络-门控循环单元 | R² | NA |
| 11846 | 2025-11-14 |
Predicting Acute Kidney Injury with Nephrotoxic Burden in Non-Critical Patients: An Internal and External Validation Study
2025-Nov-12, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000998
PMID:41222992
|
研究论文 | 开发并验证深度学习模型用于动态预测非重症患者48小时内进展至2期或更高急性肾损伤 | 首次在多中心数据上开发并外部验证包含肾毒性药物负担等特征的深度学习预测模型 | 回顾性研究设计,仅包含两个医疗中心的数据 | 预测非重症患者急性肾损伤的进展风险 | 匹兹堡大学医学中心(39,755例)和佛罗里达大学健康中心(122,324例)的成年非重症患者 | 医疗健康 | 急性肾损伤 | 深度学习 | 深度学习模型 | 临床数据(人口统计学、合并症、药物、实验室检查、生命体征) | 总计162,079例患者(匹兹堡大学医学中心39,755例,佛罗里达大学健康中心122,324例) | NA | NA | AUROC(受试者工作特征曲线下面积) | NA |
| 11847 | 2025-11-14 |
Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces
2025-Nov-12, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3632096
PMID:41223103
|
研究论文 | 提出一种联合收缩模式匹配算法,用于解决脑机接口中小样本和类别不平衡的ERP解码问题 | 结合收缩正则化与ℓ₂,p范数构建联合收缩空间滤波器,并采用加权模板匹配模块缓解类别不平衡导致的决策边界偏移 | NA | 开发鲁棒的脑电信号解码算法以应对数据稀缺和类别不平衡的挑战 | 事件相关电位信号,特别是错误相关电位信号 | 脑机接口 | NA | 脑电信号处理 | 模式匹配算法 | 脑电信号 | 一个自收集数据集和两个公共ErrP数据集,仅需40个不平衡训练样本 | NA | 联合收缩模式匹配算法 | 平衡准确率 | NA |
| 11848 | 2025-11-14 |
Alzheimer's Disease Risk Prediction and Pathogeny Extraction Using Fuzzy Graph Evolutionary Generative Adversarial Network
2025-Nov-12, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3627582
PMID:41223111
|
研究论文 | 提出一种融合模糊图与深度学习的阿尔茨海默病风险预测及病因提取方法 | 首次将模糊图理论应用于疾病演化建模,提出模糊熵传播模型和模糊图进化生成对抗网络 | 未明确说明模型在不同疾病阶段的泛化能力 | 阿尔茨海默病的早期风险预测和病因机制探索 | 多组学脑疾病数据 | 数字病理学 | 阿尔茨海默病 | 多组学分析 | GAN | 多组学数据 | 多个脑疾病数据集(未明确具体数量) | NA | 模糊图进化生成对抗网络(FGE-GAN),包含模糊图卷积层(FGC) | 风险预测准确率 | NA |
| 11849 | 2025-11-14 |
Deep-Learning Tool ScVital Enables Species-Agnostic Integration of Cancer Cell States
2025-Nov-12, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4889
PMID:41223329
|
研究论文 | 开发了跨物种整合癌症细胞状态的深度学习工具scVital | 提出物种无关的潜在空间嵌入方法和新的批次校正评估指标LSS评分 | 未明确说明计算资源需求和模型可扩展性 | 开发跨物种癌症细胞状态整合的计算工具 | 基因工程小鼠模型和原发性患者样本的scRNA-seq数据 | 计算生物学 | 胰腺导管腺癌,肺腺癌,未分化多形性肉瘤 | 单细胞RNA测序(scRNA-seq) | 变分自编码器(VAE) | 单细胞转录组数据 | NA | NA | 变分自编码器 | 潜在空间相似性评分(LSS) | NA |
| 11850 | 2025-11-14 |
MSInet: A Self-Supervised CNN Framework Integrating Global and Local Context for Robust Mass Spectrometry Imaging Segmentation
2025-Nov-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04885
PMID:41148111
|
研究论文 | 提出一种自监督CNN框架MSInet,通过整合全局和局部上下文信息实现稳健的质谱成像分割 | 结合补丁对比学习和超像素引导优化的双重一致性设计,同时增强全局语义关系和局部空间一致性 | NA | 开发无需标注的质谱成像分割方法以克服高维度和组织异质性挑战 | 小鼠脑组织MALDI-MSI、肾肿瘤组织DESI-MSI和合成数据集 | 数字病理 | 肾肿瘤 | 质谱成像(MALDI-MSI,DESI-MSI) | CNN | 质谱成像数据 | NA | NA | MSInet | 调整兰德指数,归一化互信息,轮廓系数 | NA |
| 11851 | 2025-11-14 |
AbEgDiffuser: Antibody Sequence-Structure Codesign with Equivariant Graph Neural Networks and Diffusion Models
2025-Nov-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00990
PMID:41166637
|
研究论文 | 提出一种基于等变图神经网络和扩散模型的抗体序列结构协同设计框架AbEgDiffuser | 首次将扩散模型与等变图神经网络结合用于抗体序列结构协同设计,并引入预训练蛋白质语言模型增强进化合理性 | 未明确说明模型的计算复杂度和生成抗体的实验验证结果 | 开发深度学习驱动的特异性抗体设计方法以加速药物发现 | 抗体序列和三维结构 | 计算生物学 | NA | 深度学习生成模型 | 扩散模型, 等变图神经网络 | 蛋白质序列和结构数据 | NA | NA | 双层等变图神经网络, ESM-2 | 序列准确性, 结构准确性, 结合亲和力 | NA |
| 11852 | 2025-11-14 |
[Lesion detection in optical coherence tomography based on lightweight convolutional neural networks]
2025-Nov-11, [Zhonghua yan ke za zhi] Chinese journal of ophthalmology
|
研究论文 | 基于轻量级卷积神经网络实现光学相干断层扫描图像的自动化病灶检测 | 首次成功实现九类OCT图像的自动识别,临床性能达到中级医师水平 | 回顾性研究,需要进一步前瞻性验证 | 开发基于轻量级卷积神经网络的OCT图像病灶自动检测系统 | 光学相干断层扫描图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | CNN | 图像 | 50,374个OCT图像样本,来自四川省人民医院及多个外部数据集 | NA | 轻量级卷积神经网络 | 准确率,F1分数,召回率,AUC,精确率,特异性 | NA |
| 11853 | 2025-11-14 |
Data Fusion of Deep Learned Molecular Embeddings for Property Prediction
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01728
PMID:41144852
|
研究论文 | 提出一种融合深度学习分子嵌入的多任务学习方法,用于提升稀疏数据下的材料性质预测性能 | 通过融合预训练单任务模型生成的深度嵌入,构建优于标准多任务学习的模型,减少可训练参数数量 | 方法性能依赖于预训练单任务模型的质量和嵌入表示的有效性 | 解决稀疏数据条件下材料性质预测的准确性问题 | 小分子的量子化学数据和实验数据 | 机器学习 | NA | 量子化学计算、热化学计算 | 深度学习 | 分子数据、量子化学数据、实验数据 | 广泛使用的基准数据集和新编译的稀疏数据集 | NA | 深度嵌入模型 | 预测准确性 | NA |
| 11854 | 2025-11-14 |
Explainable Analysis for New Psychoactive Substance Identification with Chemical Insights
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01884
PMID:41147629
|
研究论文 | 提出一种用于新型精神活性物质识别的可解释深度推理模型NPS-EDR | 采用两阶段预测-解释框架,结合化学先验知识进行结构功能解释,通过协同训练模式特定专家和强化学习确保解释与答案的一致性 | NA | 开发可解释的深度学习方法用于新型精神活性物质识别 | 新型精神活性物质和药物分子 | 机器学习 | NA | 深度学习 | 强化学习 | 化学分子数据 | 超过2900个NPS和药物分子 | NA | NPS-EDR | 准确率, 精确率, 透明度 | NA |
| 11855 | 2025-11-14 |
Development of charge reset multiplexing for SiPMs using deep learning architecture
2025-Nov-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae1a32
PMID:41172608
|
研究论文 | 开发了一种基于深度学习的硅光电倍增管电荷复位多路复用方法,将16个读出通道减少至单个线路 | 提出电荷复位多路复用方法,通过独特脉冲宽度编码通道身份,并利用自编码器从单个叠加信号中重建原始16个通道信号 | NA | 减少硅光电倍增管系统的读出通道数量同时保持通道波形信息 | 硅光电倍增管阵列和Ce:GAGG闪烁体阵列 | 核医学仪器 | NA | 电荷复位多路复用技术 | 自编码器 | 波形信号 | 4×4 SiPM阵列与4×4 Ce:GAGG闪烁体阵列,使用Cs和Na放射源 | NA | 自编码器 | 能量分辨率 | NA |
| 11856 | 2025-11-14 |
TorchANI 2.0: An Extensible, High-Performance Library for the Design, Training, and Use of NN-IPs
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01853
PMID:41105703
|
研究论文 | 介绍TorchANI 2.0——一个用于训练和评估ANI深度学习模型的扩展性高性能开源软件库 | 引入模块化系统添加任意成对势能、CUDA加速的局部原子特征计算优化、批处理系统提升网络集成性能 | 未明确说明具体性能提升的量化限制条件 | 开发适用于分子动力学应用的高性能神经网络势能模型框架 | ANI(ANAKIN-ME)深度学习模型 | 机器学习 | NA | 深度学习 | 神经网络势能模型 | 分子结构数据 | NA | PyTorch | ANI(ANAKIN-ME) | 训练速度、推理速度、内存效率 | CUDA加速 |
| 11857 | 2025-11-14 |
Combining GCN Structural Learning with LLM Chemical Knowledge for Enhanced Virtual Screening
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00950
PMID:41118289
|
研究论文 | 提出一种结合图卷积网络结构学习与大语言模型化学知识的混合架构,用于增强虚拟筛选性能 | 引入分层级联策略,在每层GCN后注入LLM嵌入,实现分子表征的渐进式全局化学上下文增强 | 未明确说明模型在更大规模或更复杂靶点数据集上的泛化能力 | 开发更准确的虚拟筛选方法以加速药物发现 | 激酶相关数据集(如治疗靶点)和非激酶数据集(如糖皮质激素受体和PPARG) | 机器学习 | NA | 虚拟筛选 | GCN, LLM | 分子图数据 | NA | NA | 图卷积网络, Molformer | 准确率 | NA |
| 11858 | 2025-11-14 |
Deep-Learning vs Physics-Based Docking Tools for Future Coronavirus Pandemics
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02029
PMID:41126583
|
研究论文 | 比较深度学习和物理基础分子对接工具在未来冠状病毒药物发现中的性能 | 首次系统比较三种分子对接方法在冠状病毒药物发现中的表现,并展示AI技术如何加速药物发现过程 | 结合亲和力准确预测仍具挑战性,需要进一步方法学改进 | 评估AI技术如何加速未来冠状病毒爆发的药物发现过程 | SARS-CoV-2和MERS-CoV数据集 | 机器学习 | 冠状病毒感染 | 分子对接 | 深度学习, 物理基础模型, 数据驱动模型 | 分子结构数据 | NA | NA | Boltz-2, GNINA, AutoDock Vina | 准确率 | NA |
| 11859 | 2025-11-14 |
Artificial Intelligence-Based Electrocardiogram Model as a Predictor of Postoperative Atrial Fibrillation Following Cardiac Surgery: Retrospective Cohort Study
2025-Nov-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77164
PMID:41213128
|
研究论文 | 开发基于人工智能的心电图模型用于预测心脏手术后房颤风险 | 首次将1D EfficientNet-B0架构应用于心电图分析,能够从非房颤心电图中检测与房颤相关的细微模式 | 单中心回顾性研究,样本量相对有限(2266名患者) | 评估AI-ECG-AF模型作为心脏手术后房颤独立预测因子的价值 | 接受心脏手术的患者 | 机器学习 | 心血管疾病 | 标准12导联心电图 | CNN | 心电图信号 | 2266名患者(5402份心电图),训练数据包含405万份非房颤心电图(113万名患者) | NA | 1D EfficientNet-B0 | AUROC | NA |
| 11860 | 2025-11-14 |
Attention guided feature fusion using marine predator algorithm for facial emotion recognition
2025-Nov-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22653-4
PMID:41214001
|
研究论文 | 提出一种基于注意力引导特征融合和海洋捕食者算法的面部情绪识别方法 | 结合AlexNet和SqueezeNet的特征融合、双向LSTM与时间注意力机制、以及海洋捕食者算法进行超参数优化 | 未明确说明模型计算复杂度、实时性能以及在更复杂场景下的泛化能力 | 开发高效的面部情绪识别系统 | 面部表情图像 | 计算机视觉 | NA | 图像处理、深度学习 | CNN, BiLSTM | 图像 | FER-2013和CK+数据集 | NA | AlexNet, SqueezeNet, BiLSTM-TA | 准确率 | NA |