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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
12041 | 2025-10-07 |
Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery
2024-Oct-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000003335
PMID:38959453
|
研究论文 | 开发了一种基于深度学习的实时输尿管识别模型UreterNet,用于腹腔镜结直肠手术中识别输尿管 | 首次将基于语义分割的深度学习算法应用于腹腔镜手术视频中的输尿管识别任务 | 需要验证UreterNet是否能有效降低医源性输尿管损伤的发生率 | 开发一种非侵入性方法在腹腔镜结直肠手术中识别输尿管,提高手术安全性 | 腹腔镜结直肠手术视频中的输尿管 | 计算机视觉 | 结直肠手术相关并发症 | 深度学习语义分割 | CNN | 手术视频图像 | 304个手术视频,14,069张标注图像(训练集9537张,验证集2266张,测试集2266张) | NA | Feature Pyramid Networks | 精确率,召回率,Dice系数 | NA |
12042 | 2025-10-07 |
Forecasting daily total pollen concentrations on a global scale
2024-Aug, Allergy
IF:12.6Q1
DOI:10.1111/all.16227
PMID:38995241
|
研究论文 | 本研究使用CatBoost和深度学习模型在全球23个城市预测未来14天的每日总花粉浓度 | 首次在全球尺度上使用CatBoost和深度学习模型预测花粉浓度,并识别影响花粉浓度的关键环境变量 | 不同城市的预测精度差异较大,部分城市如首尔和布里斯班的预测精度较低 | 提高全球花粉浓度预测的准确性,加强预测性花粉预报能力 | 全球23个城市的每日总花粉浓度 | 机器学习 | 过敏性疾病 | 花粉浓度监测 | CatBoost, 深度学习 | 环境参数数据,花粉浓度时间序列数据 | 23个城市的多维度时间序列数据 | CatBoost, 深度学习框架 | 深度学习模型 | R2 | NA |
12043 | 2025-10-07 |
Single-cell multi-omics analysis reveals cooperative transcription factors for gene regulation in oligodendrocytes
2024-Jun-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.19.599799
PMID:38948852
|
研究论文 | 通过整合单细胞多组学数据识别少突胶质细胞中协同调控基因表达的转录因子对 | 首次结合scRNA-seq和scATAC-seq数据系统分析少突胶质细胞中转录因子的协同调控机制,并采用深度学习模型量化TF-TF相互作用 | 研究主要基于计算预测,部分结果需实验验证 | 揭示少突胶质细胞中转录因子协同调控基因表达的机制 | 少突胶质细胞及其基因调控网络 | 生物信息学 | 脑部疾病 | scRNA-seq, scATAC-seq, ChIP-seq | 深度学习模型 | 单细胞多组学数据 | NA | NA | NA | Shapley交互得分, t检验p值 | NA |
12044 | 2025-10-07 |
Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2023.111887
PMID:38128469
|
研究论文 | 开发新型磁驱动压缩系统研究人类骨软骨栓在循环加载中轴向和横向应变的时空动态 | 首创磁驱动装置实现加载周期中压板的完全分离,解决传统系统因持续接触影响组织再水化的局限性 | 研究基于尸体样本,可能无法完全反映活体组织的生理响应;样本量未明确说明 | 探究循环加载中软骨再水化对应变积累的影响机制 | 人类尸体骨软骨栓 | 生物力学 | 骨关节炎 | 磁驱动压缩系统,高速成像(30帧/秒) | 深度学习 | 二维软骨轮廓图像序列 | NA | NA | U-Net | NA | NA |
12045 | 2025-10-07 |
Predicting trabecular arrangement in the proximal femur: An artificial neural network approach for varied geometries and load cases
2023-12, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2023.111860
PMID:37948877
|
研究论文 | 使用前馈神经网络预测股骨近端小梁排列,通过几何和载荷参数快速计算表观密度 | 将神经网络应用于骨重塑现象建模,相比有限元方法显著减少计算时间 | 需要获取不同数据集才能将结果扩展到其他结构 | 开发快速准确的骨小梁分布预测方法 | 股骨近端的骨密度分布 | 机器学习 | 骨科疾病 | 有限元分析,神经网络建模 | 前馈神经网络 | 密度分布数据集 | 包含多种几何形状和载荷情况的样本 | NA | 前馈神经网络 | 计算时间比较 | NA |
12046 | 2025-10-07 |
Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli
2025-Jul-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.03.155
PMID:40187420
|
研究论文 | 通过情感刺激实验开发结合面部表情和身体姿势的多模态抑郁症识别模型 | 首次将面部表情单元分析与身体姿势变化结合,通过情感刺激实验构建端到端多模态抑郁症识别模型 | 样本量相对有限(146名受试者),仅验证了初步筛查效果 | 开发基于深度学习的多模态抑郁症识别模型,实现快速初步筛查 | 抑郁症患者和健康对照者(各73名) | 计算机视觉 | 抑郁症 | 情感刺激实验,视频分析 | CNN | 视频,图像 | 146名受试者(73名患者,73名对照) | OpenFace | ResNet-50 | 准确率,F1分数 | NA |
12047 | 2025-10-07 |
Interpretable machine learning and graph attention network based model for predicting PAMPA permeability
2025-Jul, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.109050
PMID:40245571
|
研究论文 | 本研究使用机器学习和深度学习模型预测化合物的PAMPA渗透性 | 结合可解释机器学习与图注意力网络预测PAMPA渗透性,并比较不同模型性能 | GAT模型在验证集上准确率相对较低(74%) | 开发预测药物化合物PAMPA渗透性的计算模型 | 5447种具有PAMPA渗透性评分的化合物 | 机器学习 | NA | PAMPA(平行人工膜渗透性测定) | Random Forest, Explainable Boosting Machine, Adaboost, Graph Attention Network | 化学化合物数据 | 5447种化合物 | NA | GAT(图注意力网络) | 准确率 | NA |
12048 | 2025-10-07 |
Discovery of naturally inspired antimicrobial peptides using deep learning
2025-Jun-15, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108444
PMID:40209356
|
研究论文 | 利用深度学习从微生物基因组中发现新型抗菌肽并评估其活性 | 结合216,408个细菌基因组的NRPS基因簇分析与深度学习算法,实现抗菌肽的高效发现与优化 | 研究仅针对特定病原菌株进行验证,尚未进行体内实验评估 | 从沉默生物合成基因簇中发现新型抗菌肽 | 非核糖体肽(NRPs)及其衍生物 | 机器学习 | 细菌感染 | 基因组挖掘,固相化学合成 | 深度学习 | 基因组序列数据 | 216,408个细菌基因组,335,024个NRPS基因簇 | NA | NA | 最小抑菌浓度(MIC) | NA |
12049 | 2025-10-07 |
Multi-class brain malignant tumor diagnosis in magnetic resonance imaging using convolutional neural networks
2025-Jun-01, Brain research bulletin
IF:3.5Q2
|
研究论文 | 开发用于多类别脑恶性肿瘤MRI图像自动诊断的深度学习模型FoTNet | 集成频率通道注意力层和焦点损失函数,专门针对罕见肿瘤PCNSL的样本不平衡问题 | PCNSL样本数量相对有限,可能影响模型泛化能力 | 提高胶质母细胞瘤、原发性中枢神经系统淋巴瘤和脑转移瘤的自动诊断准确性 | 脑部MRI图像中的三种恶性脑肿瘤:胶质母细胞瘤、原发性中枢神经系统淋巴瘤和脑转移瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN | 图像 | 409例病例(58例GBM、82例PCNSL、269例BM)的T1加权对比增强MRI图像 | NA | FoTNet | 准确率,AUC | NA |
12050 | 2025-10-07 |
Deep learning-driven multi-class classification of brain strokes using computed tomography: A step towards enhanced diagnostic precision
2025-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112109
PMID:40252282
|
研究论文 | 开发并验证基于CT影像的深度学习模型用于脑卒中的预测和多分类 | 采用扩展ResNet101框架构建两步式模型实现脑卒中多分类,并通过外部验证评估模型性能 | 回顾性研究且样本量有限,外部验证准确率相对较低(78.6%和60.2%) | 提升脑卒中诊断精度并支持临床决策 | 脑卒中患者 | 计算机视觉 | 脑卒中 | CT成像 | 深度学习 | CT图像 | 250名患者的8186张CT图像 | NA | ResNet101 | 准确率,精确率,F1分数,置信区间,Cohen's Kappa,McNemar检验P值 | NA |
12051 | 2025-10-07 |
Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data
2025-May-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179303
PMID:40245507
|
研究论文 | 提出一种基于LSTM自编码器的深度学习框架来开发更全面的空气质量指数TARI | 首次将深度学习应用于环境指数开发,能够捕捉污染物间的复杂相互作用和时间依赖性 | 仅使用韩国空气质量数据进行案例研究,未在其他地区验证 | 开发更准确评估空气污染健康风险的环境指数 | 韩国空气质量数据 | 机器学习 | NA | 空气质量监测 | LSTM自编码器 | 时间序列数据 | 韩国真实空气质量数据集 | NA | LSTM自编码器 | 与疾病患病率的相关性 | NA |
12052 | 2025-10-07 |
Pix2Pix generative-adversarial network in improving the quality of T2-weighted prostate magnetic resonance imaging: a multi-reader study
2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.243102
PMID:40320939
|
研究论文 | 使用Pix2Pix生成对抗网络提升T2加权前列腺磁共振成像质量的评估研究 | 首次将Pix2Pix GAN应用于前列腺MRI图像质量增强,并通过多读者研究验证其效果 | 样本量有限,外部验证数据集仅包含33名患者 | 评估生成式深度学习在增强T2加权前列腺MRI图像质量方面的性能和可行性 | 前列腺磁共振成像图像 | 医学影像处理 | 前列腺癌 | 磁共振成像 | GAN | 医学图像 | 1,500次扫描(1,476名生物学男性),训练集1,300,验证集100,测试集100,外部测试集33名患者 | NA | Pix2Pix | 前列腺成像质量标准评分,Wilcoxon符号秩检验 | NA |
12053 | 2025-10-07 |
Detection of common bile duct dilatation on magnetic resonance cholangiopancreatography by deep learning
2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253218
PMID:40321102
|
研究论文 | 本研究使用深度学习算法从磁共振胰胆管成像中检测胆总管扩张 | 首次应用深度学习方法自动检测MRCP图像中的胆总管扩张,DenseNet121模型达到97%的准确率 | 样本量较小(147张图像),需在多中心研究和更大数据集上进一步验证 | 开发基于深度学习的胆总管扩张自动检测方法 | 磁共振胰胆管成像图像 | 计算机视觉 | 胆道疾病 | 磁共振胰胆管成像 | CNN | 医学图像 | 147张MRCP图像(77张无胆总管扩张,70张有胆总管扩张) | NA | ResNet50, DenseNet121, VGG | 准确率 | NA |
12054 | 2025-10-07 |
An optimized deep neural network with explainable artificial intelligence framework for brain tumour classification
2025-May-04, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2500046
PMID:40320295
|
研究论文 | 提出一种基于亨利气体溶解度优化的ResNet框架用于脑肿瘤分类 | 使用亨利气体溶解度优化算法优化ResNet关键超参数,并结合GRAD-CAM提供可解释性分析 | NA | 提高脑肿瘤MRI图像的分类性能 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN | 图像 | 两个独立数据库(Database1含四类肿瘤,Database2含三类肿瘤) | NA | ResNet-18, ResNet-50 | 准确率, 灵敏度, 特异性, 精确率, F分数 | NA |
12055 | 2025-10-07 |
Enhancing lung cancer detection through integrated deep learning and transformer models
2025-May-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00516-2
PMID:40320438
|
研究论文 | 提出一种集成深度学习和Transformer模型的肺癌检测框架CanNS,通过协同优化提升诊断能力 | 开发了新型Cancer Nexus Synergy框架,整合Swin-Transformer UNet分割模型、Xception-LSTM GAN分类网络和Devilish Levy优化算法 | 模型在真实临床数据集上的性能稳定性仍需验证,这会影响其临床实际应用 | 提高肺癌检测的准确性和效率,解决现有方法的局限性 | 肺癌检测 | 计算机视觉 | 肺癌 | 深度学习,Transformer | CNN, LSTM, GAN, Transformer | 医学图像 | NA | NA | Swin-Transformer UNet, Xception-LSTM GAN | 准确率,灵敏度,特异性 | NA |
12056 | 2025-10-07 |
Domain knowledge-infused pre-trained deep learning models for efficient white blood cell classification
2025-May-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00563-9
PMID:40320432
|
研究论文 | 本文提出一种融合领域知识的预训练深度学习模型,用于提升白细胞分类的准确率 | 通过将领域知识与图像数据融合,改进预训练模型在医学图像分类中的性能,解决医学数据集数据不足问题 | 未明确说明领域知识的具体融合方法和数据质量提升的具体机制 | 开发高效的计算机视觉解决方案,辅助医疗从业者进行白细胞分类 | 白细胞图像数据 | 计算机视觉 | 血液疾病 | 图像分类 | CNN | 图像 | BCCD和LISC两个数据集 | NA | Inception V3, DenseNet 121, ResNet 50, MobileNet V2, VGG 16 | 准确率 | NA |
12057 | 2025-10-07 |
The analysis of marketing performance in E-commerce live broadcast platform based on big data and deep learning
2025-May-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00546-w
PMID:40320449
|
研究论文 | 基于大数据管理和深度学习技术对电商直播平台营销绩效进行综合分析 | 结合专家评分法与BP神经网络确定绩效评估指标权重,为电商直播平台提供科学的绩效评估方法 | NA | 分析电商直播平台营销绩效,优化用户体验和销售表现 | 电商直播平台 | 机器学习 | NA | 大数据管理技术 | BPNN | 大规模数据集和调查数据 | NA | NA | 反向传播神经网络 | 用户参与度、内容质量、商品销售效果、用户满意度、平台推广效果 | NA |
12058 | 2025-10-07 |
Leveraging AI to explore structural contexts of post-translational modifications in drug binding
2025-May-04, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01019-y
PMID:40320551
|
研究论文 | 利用人工智能方法探索翻译后修饰在药物结合中的结构背景 | 首次大规模生成PTM修饰人类蛋白质与配体对接的结构模型,并开发了首个提供小分子结合相关PTMs结构背景的资源数据库 | 方法准确性的精确评估需要更大的基准测试集 | 探索翻译后修饰对药物结合的结构影响 | 人类蛋白质中的翻译后修饰 | 生物信息学 | 癌症 | 蛋白质结构预测,分子对接 | 深度学习 | 蛋白质结构数据 | 6,131个已识别PTMs,生成14,178个PTM修饰蛋白质模型 | AlphaFold3, RoseTTAFold All-Atom, Chai-1 | 深度学习蛋白质结构预测模型 | 结构预测准确性 | NA |
12059 | 2025-10-07 |
Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping
2025-May-03, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03356-7
PMID:40317423
|
研究论文 | 提出一种结合图像重建网络和全连接神经网络的深度学习框架,用于加速磁共振参数映射 | 提出定量深度级联卷积网络(qDC-CNN)框架,将展开的图像重建网络与参数估计的全连接神经网络集成 | 使用模拟数据集进行验证,需要在实际临床数据上进一步测试 | 加速定量磁共振成像参数映射,缩短采集时间 | 脑组织磁共振参数映射 | 医学影像分析 | NA | 定量磁共振成像(qMRI), 多切片多回波(MSME)序列 | CNN, 全连接神经网络 | 磁共振图像 | 基于BrainWeb数据库生成的模拟多切片多回波数据集 | NA | 定量深度级联卷积网络(qDC-CNN) | 归一化均方根误差(NRMSE) | NA |
12060 | 2025-10-07 |
The construction of student-centered artificial intelligence online music learning platform based on deep learning
2025-May-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95729-w
PMID:40319107
|
研究论文 | 本研究提出了一种基于深度学习的课程推荐模型CRM-SLIE,用于提升以学生为中心的人工智能在线音乐学习平台的课程推荐准确性和适应性 | 结合注意力机制和门控循环单元(GRU),引入项目交叉模块,能有效捕捉学生兴趣变化和课程间的二阶特征交互 | NA | 提高在线音乐学习平台的课程推荐准确性和适应性 | 在线音乐学习平台的学生用户 | 自然语言处理 | NA | 深度学习 | 注意力机制,GRU | 学生行为序列数据 | NA | NA | CRM-SLIE | AUC,召回率 | NA |