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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
12841 | 2025-10-07 |
Predictive analysis of COVID-19 occurrence and vaccination impacts across the 50 US states
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109493
PMID:39626459
|
研究论文 | 开发基于LSTM的深度学习模型评估COVID-19疫苗接种对美国各州确诊病例和死亡病例的影响 | 首次使用LSTM模型分析疫苗接种按性别分类的效果,并通过内部、相互和外部三重验证 | 仅使用CDC公开数据,未考虑其他潜在影响因素 | 评估COVID-19疫苗接种对确诊病例和死亡病例的有效性 | 美国50个州的COVID-19疫苗接种数据和病例数据 | 机器学习 | COVID-19 | 深度学习时间序列分析 | LSTM | 流行病学时间序列数据 | 美国50个州2021-2023年的CDC数据 | NA | LSTM | RMSE | NA |
12842 | 2025-10-07 |
Interpretable prediction of drug-drug interactions via text embedding in biomedical literature
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109496
PMID:39626457
|
研究论文 | 本研究提出基于层次注意力机制的深度学习模型,通过生物医学文献文本嵌入预测药物相互作用及其类型 | 结合预训练生物医学语言模型和层次注意力网络,能够分析句子顺序并识别与DDI预测相关的关键句子 | NA | 预测药物相互作用风险及其具体类型,确保安全用药 | 药物相互作用 | 自然语言处理 | NA | 文本嵌入 | BiLSTM, 深度神经网络 | 文本 | 164种DDI类型 | NA | 层次注意力网络 | 准确率, AUROC, AUPR | NA |
12843 | 2025-10-07 |
A review of convolutional neural network based methods for medical image classification
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109507
PMID:39631108
|
综述 | 系统回顾基于卷积神经网络的医学图像分类方法 | 对149篇最新重要文献进行系统梳理,深入分析CNN在医学图像分类中的关键技术和发展脉络 | 临床实际应用仍面临困难,需要解决相关挑战 | 促进深度学习在临床实践和智能医疗系统中的成功整合 | 医学图像分类方法 | 计算机视觉 | NA | 深度学习 | CNN | 医学图像 | NA | NA | NA | NA | NA |
12844 | 2025-10-07 |
A smart CardioSenseNet framework with advanced data processing models for precise heart disease detection
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109473
PMID:39631110
|
研究论文 | 提出了一种名为CardioSenseNet的智能框架,通过先进的数据处理模型实现精确的心脏疾病检测 | 提出了结合DGPN数据预处理、STHIO特征选择和SADNet预测的集成框架,采用羊群优化和金枪鱼群优化算法进行特征选择 | NA | 提高心脏疾病检测的准确性和效率 | 心脏疾病患者数据 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 医疗数据 | 基于Cleveland和CVD基准数据集 | NA | SADNet | 准确率, 损失值 | NA |
12845 | 2025-10-07 |
Leveraging deep transfer learning and explainable AI for accurate COVID-19 diagnosis: Insights from a multi-national chest CT scan study
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109461
PMID:39631112
|
研究论文 | 本研究开发了一种基于深度迁移学习和可解释AI的COVID-19诊断框架XCT-COVID,通过胸部CT扫描准确预测COVID-19感染 | 首个在统一框架内开发三种不同模型的研究,利用了先前未探索的大型数据集和两个广泛使用的小型数据集,并采用可解释AI分析模型功能 | 在图像质量较低的小型数据集上性能显著下降,模型对数据分布敏感 | 开发准确、可解释且可复现的COVID-19计算机辅助诊断框架 | 胸部CT扫描图像 | 计算机视觉 | COVID-19 | 胸部CT扫描 | CNN | 图像 | 一个大型数据集和两个小型多国数据集 | NA | VGG16 | 5折交叉验证, 独立测试 | NA |
12846 | 2025-10-07 |
Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation
2025-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14602
PMID:39636019
|
研究论文 | 提出一种基于频域聚合的个性化联邦学习框架用于腹部多器官分割 | 选择性聚合部分模型参数进行客户端间协作,保留其余参数学习本地数据分布;采用傅里叶变换与自注意力机制聚合参数低频分量,促进共享知识提取并解决统计异质性 | NA | 开发隐私保护的腹部多器官分割方法 | 腹部器官MRI和CT图像 | 医学图像分析 | 腹部疾病 | 深度学习,联邦学习 | 深度学习模型 | MRI图像,CT图像 | CHAOS 2019公共数据集和私有CT数据集 | NA | PAF-Fed | Dice相似系数 | NA |
12847 | 2025-10-07 |
Advancing cancer diagnosis and prognostication through deep learning mastery in breast, colon, and lung histopathology with ResoMergeNet
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109494
PMID:39637456
|
研究论文 | 提出ResoMergeNet深度学习模型用于乳腺癌、结肠癌和肺癌的组织病理学图像分类 | 集成Resboost机制增强特征表示和ConvmergeNet机制优化特征提取的新型深度学习架构 | 模型在不同临床环境中的泛化能力仍需进一步验证 | 开发能够减少偏倚、提高诊断准确性并最小化癌症分类错误率的深度学习模型 | 乳腺癌、结肠癌和肺癌的组织病理学图像 | 数字病理学 | 乳腺癌,结肠癌,肺癌 | 组织病理学成像 | 深度学习 | 图像 | LC-25000和BreakHis数据集(包含400×和40×放大倍数) | NA | ResoMergeNet | 准确率,灵敏度,精确率,F1分数 | NA |
12848 | 2025-10-07 |
Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109436
PMID:39637462
|
研究论文 | 开发基于深度学习的端到端工作流程,使用术前基本结构多参数MRI预测胶质母细胞瘤患者总生存期 | 提出首个基于术前基本结构多参数MRI的端到端深度学习工作流程,集成颅骨剥离、肿瘤亚区分割和对比学习生存预测模型 | 样本量有限,特别是临床试验数据集仅19例患者,且MRI协议存在较大差异 | 开发自动化早期生存预测方法以辅助胶质母细胞瘤患者的及时治疗决策 | 胶质母细胞瘤患者 | 数字病理 | 胶质母细胞瘤 | 多参数磁共振成像 | 深度学习 | 医学影像 | 多中心公共数据集235例患者,临床试验数据集19例患者 | NA | 集成学习模型,对比学习模型 | AUC,Dice系数 | NA |
12849 | 2025-10-07 |
Progress on the development of prediction tools for detecting disease causing mutations in proteins
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109510
PMID:39637461
|
综述 | 本文综述了蛋白质致病突变预测工具的开发进展 | 重点介绍了基于机器学习、深度学习和大型语言模型的计算工具,特别强调在癌症、神经退行性疾病、传染病和膜蛋白相关靶点突变预测方面的进展 | 讨论了现有方法的局限性及可能的改进方向 | 开发预测蛋白质致病突变的计算方法 | 蛋白质中的氨基酸残基突变 | 生物信息学 | 癌症,神经退行性疾病,传染病 | 机器学习,深度学习,大型语言模型 | NA | 序列数据,结构数据 | NA | NA | NA | NA | NA |
12850 | 2025-10-07 |
Predicting cancer content in tiles of lung squamous cell carcinoma tumours with validation against pathologist labels
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109489
PMID:39637460
|
研究论文 | 开发用于预测肺鳞状细胞癌全切片图像中癌组织含量的深度学习模型 | 提出使用VGG16模型预测WSI切片中癌组织百分比,并验证其在排除非癌组织切片中的应用价值 | 假阳性主要出现在癌周组织、癌组织含量低于50%的区域和高免疫活性区域,假阴性主要出现在切片缺陷区域 | 开发能够从肺鳞癌WSI中排除非癌组织的深度学习模型 | 肺鳞状细胞癌肿瘤组织 | 数字病理学 | 肺癌 | 全切片图像数字化 | CNN | 图像 | 来自35个不同中心的116个全切片图像 | NA | VGG16 | 回归误差, AUC | NA |
12851 | 2025-10-07 |
Development of multistage crop yield estimation model using machine learning and deep learning techniques
2025-Feb, International journal of biometeorology
IF:3.0Q2
DOI:10.1007/s00484-024-02829-9
PMID:39643782
|
研究论文 | 本研究开发了使用机器学习和深度学习技术的小麦产量多阶段估算模型 | 首次在小麦产量估算中结合多个生长阶段(分蘖期、开花期、灌浆期)并比较多种机器学习算法的性能 | 研究仅针对印度旁遮普邦的五个地区,模型在其他地区的适用性需要进一步验证 | 开发准确的小麦产量估算模型以支持农业决策 | 旁遮普邦五个地区的小麦产量 | 机器学习 | NA | 气象时间序列分析 | SMLR, ANN, SVR, RF, DNN | 多元气象时间序列数据 | 34年的小麦产量和气象参数数据 | R软件 | NA | MAPE, RMSE, nRMSE, percentage deviation | NA |
12852 | 2025-10-07 |
Protein-protein interaction detection using deep learning: A survey, comparative analysis, and experimental evaluation
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109449
PMID:39644584
|
综述 | 本文对用于蛋白质-蛋白质相互作用检测的深度学习技术进行全面调查、比较分析和实验评估 | 首次对PPI检测的DL技术进行系统性实证和实验评估,基于可扩展性、可解释性、准确性和效率四个关键标准进行比较 | 部分深度学习模型存在过拟合、可解释性低和可扩展性挑战等问题 | 评估和比较深度学习技术在蛋白质-蛋白质相互作用检测中的性能 | 蛋白质-蛋白质相互作用检测技术 | 机器学习 | NA | 深度学习 | DNN, CNN, GSN, LSTM | 生物序列数据 | NA | NA | 深度神经网络, 卷积神经网络, 生成随机网络, 长短期记忆网络 | 可扩展性, 可解释性, 准确性, 效率 | NA |
12853 | 2025-10-07 |
Deep Learning Architecture to Infer Kennedy Classification of Partially Edentulous Arches Using Object Detection Techniques and Piecewise Annotations
2025-Feb, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.005
PMID:39645471
|
研究论文 | 本研究开发了一种基于深度学习的对象检测架构,用于自动推断部分缺牙牙弓的Kennedy分类 | 采用对象检测技术和分段标注方案,能够同时诊断多种牙齿问题并提供牙弓的详细信息 | 数据集规模较小 | 利用人工智能和深度学习技术自动检测口腔全景X射线图像中的常见牙齿问题 | 口腔全景X射线图像中的牙齿问题,包括断根、牙周病牙齿和部分缺牙牙弓的Kennedy分类 | 计算机视觉 | 牙科疾病 | 口腔全景X射线成像 | 对象检测模型 | X射线图像 | 小型数据集 | NA | NA | 准确率 | NA |
12854 | 2025-10-07 |
Interpretable deep learning architecture for gastrointestinal disease detection: A Tri-stage approach with PCA and XAI
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109503
PMID:39647242
|
研究论文 | 提出一种用于胃肠道疾病检测的三阶段可解释深度学习架构 | 采用三阶段轻量级架构,结合PCA特征选择和多种XAI方法增强模型可解释性 | NA | 开发自动分类胃肠道疾病的计算机辅助诊断系统 | 胃肠道疾病图像 | 计算机视觉 | 胃肠道疾病 | 深度学习 | CNN, DELM | 图像 | GastroVision数据集包含27种胃肠道疾病的8000张图像 | NA | PSE-CNN, PCA, DELM | 准确率, 精确率, 召回率, F1分数, ROC-AUC, AUC-PR | NA |
12855 | 2025-10-07 |
Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110662
PMID:39647528
|
研究论文 | 本研究开发基于深度学习的剂量预测模型,可在数秒内生成接近Erasmus-iCycle计划质量的剂量分布,实现即时治疗计划 | 首次系统研究训练数据集规模和模型规模对剂量预测精度的影响,实现秒级高质量剂量预测 | 即使使用1000例训练患者,预测精度尚未完全收敛,需要进一步研究验证即时计划的适用性 | 实现即时治疗计划,使医生能在勾画轮廓后立即评估和批准治疗计划 | 1250例前列腺癌患者 | 医学影像分析 | 前列腺癌 | 深度学习剂量预测 | U-Net | 3D剂量分布数据 | 1250例前列腺癌患者(训练集:50/100/250/500/1000例,验证集:100例,测试集:150例) | NA | 分层密集连接U-Net(具有2/3/4/5/6个池化层) | PTV V95%, 直肠V75Gy, 膀胱V65Gy的中位预测误差和四分位距 | NA |
12856 | 2025-10-07 |
Classification of speech arrests and speech impairments during awake craniotomy: a multi-databases analysis
2025-Feb, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03301-0
PMID:39652158
|
研究论文 | 本研究开发了一种基于深度学习的模型,用于在清醒开颅手术期间客观评估言语停止和言语障碍 | 首次使用深度学习模型对清醒开颅手术中的言语功能进行客观评估,解决了传统依赖临床医生主观观察的局限性 | 需要进一步评估,样本量相对有限,且跨语言场景下性能有所下降 | 开发客观评估清醒开颅手术中言语功能的方法 | 清醒开颅手术患者的言语音频数据 | 自然语言处理 | 脑肿瘤 | 音频处理,深度学习 | Wav2Vec2 | 音频 | 1883个3秒音频片段,来自25例清醒开颅手术(23例来自日本,2例来自法国) | PyTorch | Wav2Vec2 | F1-score | NA |
12857 | 2025-10-07 |
Domain generalization for mammographic image analysis with contrastive learning
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109455
PMID:39657447
|
研究论文 | 提出一种新型对比学习框架MSVCL+,用于提升乳腺X线图像分析的领域泛化能力 | 开发了多风格多视图对比学习框架MSVCL+,通过无监督自学习获取对风格多样性鲁棒的特征嵌入 | 未明确说明数据收集的具体限制和模型计算资源需求 | 提升乳腺X线图像分析模型在不同扫描设备间的泛化性能 | 乳腺X线图像 | 计算机视觉 | 乳腺癌 | 对比学习 | 深度学习 | 医学图像 | 来自多个供应商风格域和多个公共数据集的乳腺X线图像 | NA | NA | NA | NA |
12858 | 2025-10-07 |
Natural compounds for Alzheimer's prevention and treatment: Integrating SELFormer-based computational screening with experimental validation
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109523
PMID:39657444
|
研究论文 | 本研究开发了一种结合SELFormer和深度学习技术的计算流程,用于预测具有阿尔茨海默病治疗潜力的天然化合物,并通过实验验证其生物活性 | 首次将基于Transformer架构的化学语言模型SELFormer与深度学习技术相结合,构建计算筛选天然化合物的新方法 | 研究仅针对7个AD相关基因,可能未覆盖所有潜在治疗靶点;体外实验模型可能无法完全模拟体内复杂环境 | 开发计算与实验相结合的方法,筛选和验证具有阿尔茨海默病治疗潜力的天然化合物 | 天然化合物及其对阿尔茨海默病相关基因的活性 | 自然语言处理, 机器学习 | 阿尔茨海默病 | SELFormer化学语言模型, QSAR分析, UMAP降维, 分子对接分析, 体外细胞实验 | Transformer, 深度学习模型 | 化学结构数据, 基因表达数据, 细胞实验数据 | 17个高活性天然化合物,使用NGF分化的PC12细胞进行验证 | NA | SELFormer, Transformer | pIC50, 结合能, 细胞活力, AChE活性, 脂质过氧化水平, TNF-α mRNA表达, BDNF mRNA表达 | NA |
12859 | 2025-10-07 |
Development and validation of a deep learning model for morphological assessment of myeloproliferative neoplasms using clinical data and digital pathology
2025-Feb, British journal of haematology
IF:5.1Q1
DOI:10.1111/bjh.19938
PMID:39658953
|
研究论文 | 开发并验证一种结合骨髓全切片图像和临床参数的深度学习模型,用于骨髓增殖性肿瘤的形态学评估 | 首次将深度学习模型与临床参数融合用于MPN的形态学评估,性能相当于资深血液病理学家且优于初级医师 | 研究样本量有限(1051例),外部验证队列数量较少 | 提高骨髓增殖性肿瘤的病理诊断准确性 | 骨髓增殖性肿瘤和非MPN患者 | 数字病理 | 骨髓增殖性肿瘤 | 数字病理,深度学习 | 深度学习模型 | 骨髓全切片图像,临床参数 | 1051例MPN和非MPN患者 | NA | 融合模型(深度学习模型+临床模型) | AUC | NA |
12860 | 2025-10-07 |
Meso Hybridized Silk Fibroin Watchband for Wearable Biopotential Sensing and AI Gesture Signaling
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410702
PMID:39660568
|
研究论文 | 开发了一种基于钼-金丝网和丝素蛋白的智能柔性手表带,用于生物电位传感和AI手势识别 | 采用介观杂化丝素蛋白薄膜和钼-金丝网电极阵列,实现了高信噪比、高灵敏度和显著的运动噪声降低 | NA | 开发用于人机交互的智能可穿戴生物电位传感设备 | 人体生物电位信号(心电图、肌电图)和手势识别 | 机器学习 | NA | 肌电信号传感 | 深度学习 | 生物电位信号 | 20名不同性别的志愿者 | NA | NA | 识别率 | NA |