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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1281 | 2025-10-05 |
Shifted windowing vision transformer-based skin cancer classification via transfer learning
2025-Sep-06, Clinics (Sao Paulo, Brazil)
DOI:10.1016/j.clinsp.2025.100724
PMID:40915182
|
研究论文 | 提出一种基于移位窗口视觉Transformer的皮肤癌分类方法,通过迁移学习解决训练数据有限和不平衡的问题 | 首次将移位窗口视觉Transformer应用于皮肤癌分类,利用注意力机制捕获图像全局关系,克服传统卷积神经网络感受野受限的局限性 | 训练数据有限且不平衡,模型在跨域适应性和鲁棒性方面仍需进一步验证 | 开发一种有效的皮肤癌自动分类方法以辅助临床决策 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | Vision Transformer | 图像 | NA | NA | Shifted Window Vision Transformer | NA | NA |
1282 | 2025-10-05 |
Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task
2025-Sep, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale
DOI:10.1037/cep0000360
PMID:39786863
|
研究论文 | 本研究使用多约束深度学习分类器分析儿童执行不同工作记忆任务时的全脑BOLD活动模式 | 采用多约束神经网络分类器同时识别任务类别和功能连接性,能够检测非线性任务差异和分布式活动模式 | 样本量较小(仅20名儿童),未评估模型在其他人群或任务中的泛化能力 | 识别区分不同工作记忆负荷(0-back vs 2-back)的脑功能网络 | 儿童在执行情绪n-back任务时的脑活动模式 | 神经影像分析 | NA | 功能磁共振成像(fMRI),血氧水平依赖(BOLD)信号 | 神经网络分类器 | 脑功能影像数据 | 20名儿童 | NA | 深度学习分类器 | 任务分类准确性,功能连接性编码 | NA |
1283 | 2025-10-05 |
Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media
2025-Sep, The Psychiatric quarterly
DOI:10.1007/s11126-024-10111-9
PMID:39946018
|
研究论文 | 提出一种基于改进鹈鹕优化算法的社交媒体抑郁和自杀检测方法 | 提出Dwarf Updated Pelican优化算法(DU-POA)用于模型权重优化,并采用改进的互信息分数进行特征融合 | 未提及模型在不同语言或文化背景下的泛化能力测试 | 从社交媒体内容中检测抑郁和自杀倾向 | 社交媒体文本数据 | 自然语言处理 | 精神疾病 | 文本挖掘,特征提取 | RNN, DBN, LSTM | 文本 | NA | NA | 改进LSTM,深度信念网络(DBN) | 准确率 | NA |
1284 | 2025-10-05 |
COVID-19CT+: A public dataset of CT images for COVID-19 retrospective analysis
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251332793
PMID:40405795
|
研究论文 | 发布了一个包含COVID-19和社区获得性肺炎CT图像的公开数据集,并比较了传统机器学习和深度学习在分类任务上的性能 | 提供了目前最大的COVID-19 CT图像公开数据集之一,包含超过40万张CT图像,系统比较了13种传统机器学习分类器和5种深度学习分类器在不同分类任务上的表现 | 未详细说明数据采集的具体时间范围和医疗机构来源,未对模型泛化能力进行充分验证 | 开发COVID-19CT+公开数据集,促进COVID-19自动诊断算法的研究 | 1333名患者的409,619张CT图像,包括1021例COVID-19患者和312例社区获得性肺炎患者 | 医学影像分析 | COVID-19, 肺炎 | CT成像 | 传统机器学习分类器, 深度学习分类器 | CT图像 | 1333名患者(1021例COVID-19,312例社区获得性肺炎),共409,619张CT图像 | NA | NA | 准确率 | NA |
1285 | 2025-10-05 |
Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18478
PMID:40423629
|
研究论文 | 本研究开发了一种基于短暂发作间期颅内记录的深度学习模型,用于准确分类癫痫发作起始区 | 首次证明利用短暂发作间期立体定向脑电图数据通过深度学习可准确识别癫痫发作起始区,无需依赖长时间记录的自发性癫痫发作 | 研究样本量相对有限(78名患者),需要进一步验证模型的泛化能力 | 开发自动化方法定位癫痫发作起始区,改善术前评估并减少患者痛苦 | 78名癫痫患者的100多万个发作间期立体定向脑电图片段 | 医疗人工智能 | 癫痫 | 立体定向脑电图 | CNN | 颅内脑电信号 | 78名患者的1,000,000多个脑电片段 | NA | 多通道、多尺度一维卷积神经网络 | 灵敏度, 特异度, 准确率 | NA |
1286 | 2025-10-05 |
Multimodal predictive model for strangulation risk in adhesive small bowel obstruction using deep learning and electronic health record data
2025-Sep, The Journal of international medical research
IF:1.4Q4
DOI:10.1177/03000605251378951
PMID:40983055
|
研究论文 | 开发并验证了一种多模态预测模型,用于评估粘连性小肠梗阻患者的绞窄风险 | 首次将基于深度学习的CT影像特征与电子健康记录数据相结合,构建多模态预测模型 | 回顾性研究设计,样本量相对有限(共348例患者) | 提高粘连性小肠梗阻绞窄风险的预测准确性 | 粘连性小肠梗阻患者 | 计算机视觉, 机器学习 | 小肠梗阻 | 计算机断层扫描(CT) | CNN, XGBoost | 医学影像, 临床数据 | 225例用于模型开发,123例用于外部验证 | PyTorch/TensorFlow(基于ResNet架构推断) | ResNet50, XGBoost | AUC, 校准曲线, 决策曲线分析, 净重分类改善指数 | NA |
1287 | 2025-10-05 |
Deep learning for atrioventricular regurgitation diagnosis: an external validation study
2025-Sep, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf078
PMID:40984997
|
研究论文 | 本研究通过外部验证评估深度学习算法在房室瓣反流诊断中的性能 | 在梅奥诊所健康系统的真实世界数据中对AI算法进行外部验证,评估其在房室瓣反流严重程度分类中的表现 | 模型仅对38%的可用超声心动图研究生成预测,性能分析仅限于这些病例 | 验证深度学习算法在房室瓣反流诊断中的准确性和临床应用价值 | 梅奥诊所健康系统2013-2023年的经胸超声心动图研究 | 医学影像分析 | 心血管疾病 | 经胸超声心动图 | 深度学习 | 超声心动图图像 | 1541例符合条件的TTE研究,其中578例生成预测(MR队列280例,TR队列298例) | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
1288 | 2025-10-05 |
Application of a Deep Learning Model to Predict Liquid Chromatography Retention Times of Food Peptides Across Chromatographic Conditions
2025-Sep, Journal of separation science
IF:2.8Q2
DOI:10.1002/jssc.70270
PMID:40994122
|
研究论文 | 本研究应用深度学习模型预测食品肽在多种色谱条件下的液相色谱保留时间 | 采用迁移学习方法,将在大型蛋白质组学数据集上预训练的通用深度学习模型通过食品肽实验数据进行微调 | 模型训练依赖于商业肽标准品获得的实验数据,可能对某些特殊食品肽的适用性有限 | 提高食品肽在LC-MS分析中通过保留时间预测进行肽鉴定的可靠性 | 食品来源的肽类物质,包括酵母蛋白水解物和植物蛋白水解物中的胰蛋白酶和非胰蛋白酶肽 | 机器学习 | NA | 液相色谱-质谱联用(LC-MS) | 深度学习 | 肽保留时间数据 | 商业肽标准品实验数据和酵母蛋白水解物验证集 | NA | NA | Q值, 预测准确率(95%预测值在±1.0分钟窗口内) | NA |
1289 | 2025-10-05 |
Artificial Intelligence in the Study of Root and Canal Anatomy: A Comprehensive Review on Applications, Advantages, Challenges and Future Directions
2025-Sep, European endodontic journal
IF:1.6Q3
DOI:10.14744/eej.2025.37232
PMID:40995722
|
综述 | 全面分析人工智能在牙根和根管解剖研究中的应用及其对教育、研究和临床实践的影响 | 首次系统综述人工智能在牙根和根管解剖研究中的应用现状,并探讨未来发展方向 | 基于现有文献的叙述性综述,需要更大数据集支持更准确的深度学习模型 | 评估人工智能在牙根和根管解剖研究中的应用价值和发展前景 | 牙根和根管解剖结构 | 医学影像分析 | 牙科疾病 | 2D和3D成像技术 | 深度学习模型 | 2D和3D医学影像 | NA | NA | NA | NA | NA |
1290 | 2025-10-05 |
scHSC: enhancing single-cell RNA-seq clustering via hard sample contrastive learning
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf485
PMID:40977264
|
研究论文 | 提出一种基于困难样本对比学习的深度学习方法scHSC,用于提升单细胞RNA测序数据的聚类性能 | 通过困难样本挖掘和对比学习,同时整合基因表达和细胞间拓扑结构信息,采用自适应权重策略将对比学习与ZINB模型结合 | NA | 提升单细胞RNA测序数据的聚类准确性和细胞类型注释效果 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序(scRNA-seq) | 深度学习 | 基因表达数据 | 18个单细胞RNA测序真实数据集 | PyTorch | 对比学习框架,ZINB模型 | 聚类性能指标 | NA |
1291 | 2025-10-05 |
A survey on deep learning for drug-target binding prediction: models, benchmarks, evaluation, and case studies
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf491
PMID:40977267
|
综述 | 本文系统综述了深度学习在药物-靶点结合预测中的最新模型、基准数据集、评估方法及应用案例 | 全面分析了从早期异质网络方法到图神经网络、注意力机制及多模态方法的范式转变,并通过癌症相关靶点的案例研究验证方法实用性 | 识别出现有预测模型的缺陷与不足 | 探讨深度学习如何为药物-靶点关系研究提供定量框架,加速新药候选物识别 | 药物-靶点结合预测的深度学习模型、基准数据集和评估指标 | 机器学习 | 癌症 | 深度学习 | 异质网络, 图神经网络, 注意力机制, 多模态模型 | 化合物库数据, 蛋白质靶点数据 | NA | NA | NA | NA | NA |
1292 | 2025-10-05 |
MVRBind: multi-view learning for RNA-small molecule binding site prediction
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf489
PMID:40977268
|
研究论文 | 提出一种多视图图卷积网络MVRBind,用于预测RNA-小分子结合位点 | 开发多视图特征融合模块,整合RNA的一级、二级和三级结构视图,并融合多尺度嵌入以获得RNA核苷酸的全面表示 | NA | 推进RNA靶向治疗,通过准确预测RNA-小分子结合位点 | RNA分子及其与小分子的相互作用 | 生物信息学 | 多种疾病(与RNA失调相关) | 多视图图卷积网络 | 图卷积网络 | RNA序列和结构特征 | NA | NA | 多视图图卷积网络 | NA | NA |
1293 | 2025-10-05 |
Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis
2025-Aug-16, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11898-2
PMID:40817944
|
系统综述与荟萃分析 | 评估基于深度学习的影像组学模型使用MRI序列无创预测胶质瘤IDH突变和1p/19q共缺失状态的诊断性能 | 首次系统评估深度学习在胶质瘤分子分型中的诊断性能,并识别影响准确性和泛化性的方法学因素 | 需要多中心外部验证、前瞻性临床验证、数据标准化和自动分割协议 | 评估深度学习模型对胶质瘤分子标志物的无创预测性能 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | MRI序列 | 深度学习 | 医学影像 | 1517篇文献中的104篇纳入定性综合,72篇进行荟萃分析 | NA | NA | 敏感性,特异性 | NA |
1294 | 2025-10-05 |
Modified Le-Net Model with Multiple Image Features for Skin Cancer Detection
2025-Aug, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2518400
PMID:40536067
|
研究论文 | 提出一种基于改进LeNet模型和多种图像特征的皮肤癌检测方法 | 结合改进的深度联合分割技术和多种特征提取方法(MTH、IPHOG、MBP)用于皮肤癌检测 | NA | 开发高精度的皮肤癌自动检测系统 | 皮肤癌图像(黑色素瘤和非黑色素瘤) | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | HAM10000数据集和ISIC 2019数据集 | NA | Modified LeNet, Improved DeepJoint Segmentation | 准确率 | NA |
1295 | 2025-10-05 |
Enhancing Lung Cancer Diagnosis: An Optimization-Driven Deep Learning Approach with CT Imaging
2025-Aug, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2518404
PMID:40546028
|
研究论文 | 提出一种优化驱动的CBAM-EfficientNet深度学习模型,用于增强CT影像中肺癌分类的准确性和效率 | 结合CBAM注意力机制与EfficientNet架构,并采用灰狼优化、鲸鱼优化和蝙蝠算法进行超参数调优,实现高效特征提取和分类性能提升 | 仅在两个基准数据集上进行验证,需要更多临床数据验证泛化能力 | 提高肺癌CT影像分类的准确性和效率 | 肺癌CT影像 | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 医学影像 | 两个基准数据集(Lung-PET-CT-Dx和LIDC-IDRI) | NA | EfficientNet, CBAM | 准确率 | 轻量级架构支持实时实施 |
1296 | 2025-10-05 |
Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation
2025-Aug, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-025-06211-0
PMID:40580222
|
研究论文 | 开发并验证了一种基于经会阴超声图像的多任务深度学习模型,用于自动评估女性盆腔器官脱垂 | 首次使用多任务深度学习模型自动评估盆腔器官脱垂,通过并行全连接层同时预测多种脱垂类型 | 研究样本量相对有限(1340例),且数据来自单一时间段(2023年1-6月) | 开发自动化盆腔器官脱垂评估系统以减少诊断变异 | 女性盆腔器官脱垂患者 | 计算机视觉 | 盆腔器官脱垂 | 经会阴超声 | CNN | 图像 | 1340例女性患者,其中1072例用于训练,268例用于验证 | NA | ResNet34 | 准确率,AUC | NA |
1297 | 2025-10-05 |
Standardisation of an AI-based vocal fold assessment tool on a recurrent respiratory papillomatosis model
2025-Aug, Acta otorhinolaryngologica Italica : organo ufficiale della Societa italiana di otorinolaringologia e chirurgia cervico-facciale
IF:2.1Q2
DOI:10.14639/0392-100X-N2896
PMID:40985091
|
研究论文 | 本研究评估了一种基于人工智能的声带评估工具在复发性呼吸道乳头状瘤病模型中的应用效果 | 开发了GC-AID系统,首次将AI技术用于量化评估RRP患者声带乳头状瘤的生长范围 | 样本量较小(仅4名患者),属于案例研究性质 | 标准化基于AI的声带评估工具在RRP疾病中的应用 | 复发性呼吸道乳头状瘤病患者的声带黏膜 | 数字病理 | 复发性呼吸道乳头状瘤病 | 白光成像,窄带成像 | 深度学习 | 医学图像 | 4名RRP患者 | NA | NA | 声带覆盖率,左右声带面积差异 | NA |
1298 | 2025-10-05 |
An explainable artificial intelligence handbook for psychologists: Methods, opportunities, and challenges
2025-Jul-31, Psychological methods
IF:7.6Q1
DOI:10.1037/met0000772
PMID:40742683
|
综述 | 为心理学研究者提供可解释人工智能方法的实用指南 | 系统梳理XAI方法在心理学研究中的应用场景与挑战 | 未涉及具体实证研究数据验证 | 促进可解释人工智能在心理学领域的应用 | 心理学研究者 | 机器学习 | NA | 可解释人工智能方法 | NA | 心理学数据集 | NA | NA | NA | NA | NA |
1299 | 2025-10-05 |
A Deep-Learning-Aided Drug Screening Based on Visualization of a Hidden Layer as Chemical Space
2025-Jul-10, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.5c00124
PMID:40666467
|
研究论文 | 提出一种基于图卷积网络隐藏层可视化的药物筛选方法,用于高效识别先导化合物 | 通过可视化深度学习模型的隐藏层作为化学空间,能够从大量候选化合物中优先选择实验测试对象,并提供化合物结构与活性关系的信息 | NA | 开发基于深度学习的药物筛选方法以提高药物发现效率 | 组蛋白去乙酰化酶抑制剂候选化合物 | 机器学习 | NA | 深度学习辅助筛选 | 图卷积网络 | 化学结构数据 | NA | NA | 图卷积网络 | NA | NA |
1300 | 2025-10-05 |
A survey on deep learning for polygenic risk scores
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf373
PMID:40802796
|
综述 | 本文调查了深度学习在多基因风险评分(PRS)中的应用现状与方法分类 | 首次系统性地对基于深度学习的PRS建模方法进行分类,并识别出序列架构、图神经网络和融入生物学知识的模型等有前景的方向 | 缺乏统一数据集和表型的模型基准测试,深度学习PRS的可解释性存在挑战,因果推断需谨慎 | 探索深度学习神经网络在多基因风险评分建模中的应用潜力与方法 | 多基因风险评分(PRS)的深度学习建模方法 | 机器学习 | NA | 深度学习神经网络 | 图神经网络,自编码器 | 遗传变异数据 | NA | NA | 序列架构,图神经网络,自编码器 | 预测准确性 | NA |