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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2025-11-05 |
Climate modeling for South Asia: statistical and deep learning for rainfall and temperature prediction
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22149-1
PMID:41174025
|
研究论文 | 本研究通过可重复的预测流程,对南亚七国的月降雨量和温度进行预测,比较了四种水文气象预测方法的性能 | 首次在世纪尺度数据上对经典模型和深度学习模型进行联合跨国比较,采用统一预处理、早停法和交叉验证评估,并开发了混合模型选择指南 | 模型性能随变量和区域变化,未明确说明计算资源限制 | 开发水文气象预测框架以支持农业和水资源管理决策 | 南亚七国的月降雨量和温度数据 | 机器学习 | NA | 水文气象预测 | SARIMA, TDNN, LSTM, XGBoost | 时间序列数据 | 1901-2023年共1,476个月的数据,涵盖七个南亚国家 | NA | TDNN, LSTM | RMSE, MAPE, R², CV-RMSE | NA |
| 1222 | 2025-11-05 |
Enhancing PI control in microgrids using machine-learning techniques
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20781-5
PMID:41174042
|
研究论文 | 提出结合机器学习技术与传统PI控制器的微电网控制框架,提升可再生能源系统的稳定性 | 首次将人工神经网络和强化学习与传统PI控制器结合,实现控制器参数的动态实时调整 | 仅通过仿真验证,未进行实际硬件部署测试 | 提升微电网在可再生能源集成环境下的控制性能 | 包含太阳能和风能等分布式能源的微电网系统 | 机器学习 | NA | 机器学习,深度强化学习 | ANN, RL | 实时运行数据,历史性能指标 | 基于分布式能源的微电网仿真系统 | NA | 人工神经网络,强化学习控制器 | 电压总谐波失真,稳定时间,频率稳定性 | NA |
| 1223 | 2025-11-05 |
Deep learning for motion classification in ankle exoskeletons using surface EMG and IMU signals
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22103-1
PMID:41174104
|
研究论文 | 提出一种结合表面肌电信号和惯性测量单元的运动分类框架,用于踝关节外骨骼的实时控制 | 使用毛巾基纺织电极替代传统凝胶电极提升舒适度和耐用性,并展示仅需少量样本即可适应新用户的迁移学习能力 | 未明确说明具体达到的准确率数值 | 开发高精度、实时且适用于真实环境的踝关节外骨骼运动分类系统 | 踝关节外骨骼使用者 | 机器学习 | 老年疾病 | 表面肌电信号(sEMG)、惯性测量单元(IMU) | CNN | 多通道时间序列信号 | 包含五种日常功能动作的多通道记录 | NA | 卷积神经网络 | 准确率 | NA |
| 1224 | 2025-11-05 |
Integrating event information and multi dimensional relationships for improved financial time series forecasting
2025-Oct-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22926-y
PMID:41174155
|
研究论文 | 提出一种融合事件信息和多维关系的双流Alpha因子融合网络(DAFF-Net)用于金融时间序列预测 | 创新性地结合事件驱动时序模式提取与多维关系感知通道软聚类,通过事件感知路由器融合时序数据与上下文事件信息,构建综合资产关系网络 | 主要验证基于亚马逊股票数据,仅对四个不同行业股票进行跨资产验证,样本覆盖范围有限 | 提高金融时间序列预测准确率,解决传统模型难以区分相似价格模式背后不同驱动因素的问题 | 金融时间序列数据,包括股票价格数据和相关事件信息 | 机器学习 | NA | 事件信息编码,多维关系融合 | 深度学习框架 | 时间序列数据,新闻文本,公司公告,宏观经济数据 | 亚马逊2010-2025年股票数据,四个不同行业(医疗保健、金融、能源、电动汽车)股票数据 | NA | DAFF-Net, 事件驱动时序模式提取器, 多维关系感知通道软聚类模块 | MSE, R² | NA |
| 1225 | 2025-11-05 |
Characteristics of brain glucose metabolism in Parkinson's disease patients with freezing of gait: a study based on 18F-FDG PET imaging and deep learning
2025-Oct-31, BMC neurology
IF:2.2Q3
DOI:10.1186/s12883-025-04468-y
PMID:41174540
|
研究论文 | 本研究基于18F-FDG PET成像和深度学习探讨帕金森病冻结步态患者脑葡萄糖代谢特征 | 首次结合18F-FDG PET成像与3D卷积神经网络分析PD-FOG患者特异性脑代谢模式 | 样本量较小(共46名参与者),需更大样本验证 | 探究帕金森病冻结步态患者的脑葡萄糖代谢特征并开发自动识别方法 | 帕金森病伴冻结步态患者、不伴冻结步态患者及健康对照者 | 医学影像分析 | 帕金森病 | 18F-FDG PET成像 | 3D CNN, 传统机器学习模型 | PET影像数据 | 18名PD-FOG患者、11名PD-NFOG患者、17名健康对照 | NA | 3D CNN | 准确率, 均方误差 | NA |
| 1226 | 2025-11-05 |
A novel modality contribution confidence-enhanced multimodal deep learning framework for multiomics data
2025-Oct-31, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06219-9
PMID:41174554
|
研究论文 | 提出一种模态贡献置信度增强的多模态深度学习框架,用于多组学数据分类任务 | 引入非参数高斯过程评估各模态的单模态置信度,并利用KL散度对齐多模态特征,解决了传统方法假设各模态贡献相等的问题 | NA | 改进多模态学习中的特征融合方法,提升多组学数据分类性能 | 多组学数据 | 生物信息学 | NA | 多组学分析 | 深度学习 | 静态信息、DNA、mRNA、miRNA、蛋白质数据 | 四个多组学数据集 | NA | 多模态深度学习框架 | 分类性能指标 | NA |
| 1227 | 2025-11-05 |
Factors associated with allergic diseases in Chinese children aged 6-14 years
2025-Oct-31, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-24928-x
PMID:41174606
|
研究论文 | 通过机器学习算法识别中国6-14岁儿童过敏性疾病的相关因素 | 使用12种机器学习算法比较并确定每种过敏性疾病的最佳预测模型和最小关键因素集 | 横断面研究设计无法确定因果关系 | 识别和优化与学龄儿童过敏性疾病相关的贡献因素 | 中国6-14岁学龄儿童 | 机器学习 | 过敏性疾病 | 问卷调查 | 朴素贝叶斯 | 问卷调查数据 | 11308名儿童(4375名患有过敏性疾病) | Python | 高斯朴素贝叶斯, 伯努利朴素贝叶斯, 多项式朴素贝叶斯 | NA | NA |
| 1228 | 2025-11-05 |
Skel-Net: automatic prediction of skeletal pattern on scanned lateral cephalograms using anatomical prior-guided deep learning network
2025-Oct-31, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06771-z
PMID:41174644
|
研究论文 | 提出一种基于解剖先验引导的深度学习网络Skel-Net,用于自动预测侧位头颅X光片上的骨骼模式变化 | 结合头颅测量标志点检测和多通道输入(包括二维热图和ANB先验)的两阶段方法,增强了对儿童和青少年颅面生长动态变化的预测能力 | 样本量相对有限(612张侧位头颅X光片来自245名患者),模型泛化能力需进一步验证 | 开发自动预测8-16岁儿童和青少年五年内ANB角度变化的深度学习模型 | 8-16岁儿童和青少年的侧位头颅X光片 | 计算机视觉 | 正畸疾病 | X光成像 | 深度学习网络 | 医学图像 | 612张侧位头颅X光片来自245名患者 | NA | Skel-Net, DenseNet121, MobileNetV2, ResNet101, VGG16 | 平均绝对误差, 均方根误差, R2值 | NA |
| 1229 | 2025-11-05 |
Deep learning-driven TCRβ repertoire analysis enhances diagnosis and enables mining of immunological biomarkers in systemic lupus erythematosus
2025-Oct-31, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00490-5
PMID:41174657
|
研究论文 | 开发基于深度学习的TCRβ repertoire分析框架DeepTAPE,用于系统性红斑狼疮的诊断和免疫生物标志物挖掘 | 提出整合TCR分类器的诊断新方法,能生成与疾病活动度相关的自身免疫风险评分,并识别SLE特异性氨基酸基序 | 未明确说明研究样本量的具体限制和模型泛化能力验证 | 提高系统性红斑狼疮的诊断准确性并挖掘免疫机制相关生物标志物 | 系统性红斑狼疮患者的TCRβ链CDR3序列 | 生物信息学 | 系统性红斑狼疮 | TCR repertoire测序 | 深度学习 | 序列数据 | NA | NA | DeepTAPE | AUC | NA |
| 1230 | 2025-11-05 |
A robust deep learning framework for RNA 5-methyluridine modification prediction using integrated features
2025-Oct-31, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02433-2
PMID:41174762
|
研究论文 | 开发了一个名为5-meth-Uri的深度学习框架,用于预测RNA 5-甲基尿苷修饰 | 结合二核苷酸和三核苷酸的自交叉协方差与六种物理化学参数生成特征向量,并采用无监督主成分分析进行特征选择 | NA | 提高RNA 5-甲基尿苷修饰预测的准确性 | RNA 5-甲基尿苷修饰 | 计算生物学 | NA | RNA修饰预测 | DNN | 序列数据 | 两个基准数据集(成熟mRNA和完整转录本) | NA | 深度神经网络 | 准确率 | NA |
| 1231 | 2025-11-05 |
Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology
2025-Oct-30, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-4350
PMID:41166699
|
研究论文 | 开发了Path2Omics深度学习框架,可从肿瘤组织病理学图像预测基因表达和甲基化数据 | 首次开发能够从常规组织病理切片独立预测基因表达和甲基化的深度学习框架,并在30种TCGA癌症类型中验证 | 仅使用TCGA数据集进行训练,外部验证数据集数量有限 | 通过深度学习从组织病理学图像预测分子特征,推动精准肿瘤学发展 | 30种TCGA癌症类型的组织病理学图像和对应的分子数据 | 数字病理学 | 多种癌症 | 组织病理学成像,基因表达分析,甲基化分析 | 深度学习 | 组织病理学图像,基因表达数据,甲基化数据 | 30种TCGA癌症类型,7个外部验证数据集 | NA | Path2Omics框架(包含FFPE模型、FF模型和集成模型) | 预测准确率,患者生存预测,治疗反应预测 | NA |
| 1232 | 2025-11-05 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Oct-15, Genes
IF:2.8Q2
DOI:10.3390/genes16101223
PMID:41153440
|
研究论文 | 通过统一基准比较深度学习模型在预测调控变异和因果SNP优先排序任务中的性能 | 建立了首个在一致训练和评估条件下对领先深度学习模型进行标准化评估的基准 | 仅评估了54,859个SNP和四种人类细胞系的数据 | 评估深度学习模型在预测非编码区变异效应和因果SNP优先排序中的性能 | 54,859个单核苷酸多态性(SNP)在四种人类细胞系中的调控影响 | 机器学习 | NA | MPRA, raQTL, eQTL实验 | CNN, Transformer, 混合CNN-Transformer | 基因组变异数据 | 54,859个SNP | NA | TREDNet, SEI, Borzoi | NA | NA |
| 1233 | 2025-11-04 |
Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images
2025-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06858-x
PMID:40439748
|
研究论文 | 提出一种基于混合注意力的深度学习模型HAM-DNet,用于眼底图像的多标签眼科疾病检测 | 结合EfficientNetV2和Vision Transformers的混合深度学习架构,集成SE注意力模块和U-Net病变定位模块,提升多标签分类性能和可解释性 | NA | 开发准确、可解释且高效的多标签眼科疾病自动检测方法 | 眼底图像中的多种眼科疾病 | 计算机视觉 | 眼科疾病 | NA | CNN, Transformer | 图像 | 多个眼底图像数据集(ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre) | NA | EfficientNetV2, Vision Transformers, SE blocks, U-Net | 准确率, 精确率, 召回率, AUC, F1分数 | 低计算成本(9.7 GFLOPS) |
| 1234 | 2025-11-05 |
Artificial Intelligence in Traditional Chinese Medicine: Multimodal Fusion and Machine Learning for Enhanced Diagnosis and Treatment Efficacy
2025-Oct, Current medical science
IF:2.0Q3
DOI:10.1007/s11596-025-00103-6
PMID:40773005
|
综述 | 本文综述了人工智能在中医诊疗中的应用现状与未来发展方向 | 提出基于证候要素构建大规模高质量中医数据集,并利用AI多模态融合和集成学习技术处理多样化原始特征 | NA | 提升中医诊疗的临床疗效 | 中医诊疗过程 | 自然语言处理,机器学习 | 中医相关疾病 | 深度学习,自然语言处理 | CNN,LSTM,Transformer,神经网络,支持向量机,随机森林 | 图像,文本,结构化数据 | NA | NA | 卷积神经网络,长短期记忆网络,Transformer | NA | NA |
| 1235 | 2025-11-05 |
Iterative improvement of deep learning models using synthetic regulatory genomics
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636130
PMID:39974895
|
研究论文 | 本研究使用深度学习模型Enformer预测合成调控基因组学数据中的DNA可及性和RNA转录,并通过微调提升模型性能 | 首次将合成调控基因组学数据用于深度学习模型的迭代改进,显著提升了模型对基因组变异的预测泛化能力 | 模型对DHS顺序或方向重排的序列预测能力较差,训练数据主要基于参考基因组相似序列 | 评估和改进深度学习模型对基因组变异序列的表观遗传特征预测能力 | DNase I超敏感位点的删除、倒位和重排等工程化序列 | 计算生物学 | NA | 合成调控基因组学,表观遗传学分析 | 深度学习 | 基因组序列,表观遗传数据 | 数十个DHS工程化序列 | NA | Enformer | 预测误差,相关性 | NA |
| 1236 | 2025-11-05 |
Correction: A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches?
2025-Sep, Cureus
DOI:10.7759/cureus.c307
PMID:41185712
|
correction | 本文是对先前发表的一篇系统综述文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1237 | 2025-11-05 |
Multimodal deep learning integration of cryo-EM and AlphaFold3 for high-accuracy protein structure determination
2025-Jul-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.03.663071
PMID:40631196
|
研究论文 | 提出一种融合冷冻电镜和AlphaFold3的多模态深度学习方法MICA,用于高精度蛋白质结构测定 | 在输入和输出层面同时整合冷冻电镜密度图和AlphaFold3预测结构,实现全自动多模态蛋白质结构建模 | NA | 提高从冷冻电镜密度图自动构建蛋白质结构的准确性和完整性 | 蛋白质结构,特别是大型蛋白质复合物 | 计算生物学 | NA | 冷冻电镜(cryo-EM),深度学习 | 多任务编码器-解码器架构 | 冷冻电镜密度图,AlphaFold3预测结构 | NA | NA | 特征金字塔网络 | 模板建模得分(TM-score) | NA |
| 1238 | 2025-11-05 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654920
PMID:40568119
|
研究论文 | 比较分析深度学习模型在预测致病调控变异方面的性能 | 首次在标准化基准和一致训练条件下系统评估多种深度学习模型对遗传变异调控效应的预测能力 | 仅评估了有限数量的模型架构,且训练数据可能未覆盖所有相关细胞类型 | 评估深度学习模型预测遗传变异对增强子活性的影响 | 人类基因组中的非编码变异和增强子调控元件 | 机器学习 | 复杂人类疾病 | MPRA, raQTL, eQTL | CNN, Transformer, 混合模型 | 基因组数据, 表观基因组数据 | 54,859个SNP,来自四个人类细胞系,九个数据集 | NA | TREDNet, SEI, Borzoi | NA | NA |
| 1239 | 2025-11-05 |
ProtFun: A Protein Function Prediction Model Using Graph Attention Networks with a Protein Large Language Model
2025-May-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.13.653854
PMID:40463264
|
研究论文 | 提出一种名为ProtFun的多模态深度学习架构,用于预测蛋白质功能 | 将蛋白质大语言模型嵌入作为蛋白质家族网络中的节点特征,并应用图注意力网络学习蛋白质嵌入 | 未在摘要中明确说明 | 开发计算方法来自动预测蛋白质功能 | 蛋白质序列和蛋白质家族网络 | 生物信息学 | NA | 蛋白质大语言模型,图注意力网络 | GAT | 蛋白质序列,蛋白质家族网络,InterPro蛋白质特征表示 | 三个基准数据集 | NA | 图注意力网络(GAT) | NA | NA |
| 1240 | 2025-11-05 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文通过范围综述探讨人工智能在门诊初级保健中的应用、挑战和未来发展方向 | 系统梳理了2019-2024年间AI在初级保健领域的研究现状,揭示了从模型开发到临床实施的差距 | 仅纳入英文文献,可能遗漏其他语言的重要研究;真实世界实施数据有限 | 探索人工智能在非紧急门诊初级保健环境中的功能、试验和整合情况 | 初级保健环境中的AI应用研究 | 医疗人工智能 | 初级保健相关疾病 | 机器学习、深度学习、Transformer | NA | 文献数据 | 61篇符合条件的研究文献(从3,203篇中筛选) | NA | NA | NA | Covidence在线系统综述工具 |