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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
13541 | 2025-10-07 |
Rapid diagnosis of membranous nephropathy based on kidney tissue Raman spectroscopy and deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97351-2
PMID:40234682
|
研究论文 | 本研究提出了一种结合小鼠肾脏组织拉曼光谱和CNN-BiLSTM深度学习模型的膜性肾病快速诊断方法 | 首次将拉曼光谱技术与CNN-BiLSTM深度学习模型结合应用于小鼠肾脏组织的膜性肾病快速诊断 | 研究基于小鼠模型,尚未在人类组织样本中进行验证 | 开发膜性肾病的快速诊断方法以替代复杂的肾活检流程 | 小鼠肾脏组织 | 数字病理 | 膜性肾病 | 拉曼光谱 | CNN, BiLSTM | 光谱数据 | NA | NA | CNN-BiLSTM | 准确率, 特异性, 灵敏度 | NA |
13542 | 2025-10-07 |
A deep learning approach for blood glucose monitoring and hypoglycemia prediction in glycogen storage disease
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97391-8
PMID:40234688
|
研究论文 | 本研究开发了一种基于深度学习的血糖监测和低血糖预测方法,专门针对糖原贮积症患者 | 首次将深度学习模型应用于糖原贮积症患者的血糖水平预测和低血糖分类任务 | 回顾性研究,数据来源于单一医疗中心 | 预测糖原贮积症患者的血糖水平并提前识别低血糖风险 | 糖原贮积症患者 | 机器学习 | 糖原贮积症 | 连续血糖监测系统 | 深度学习 | 时间序列数据 | 2020年8月至2024年2月在韩国延世大学原州Severance基督教医院就诊的糖原贮积症患者血糖数据 | NA | PatchTST, LTSF N-Linear, TS Mixer | NA | NA |
13543 | 2025-10-07 |
A prediction model of pediatric bone density from plain spine radiographs using deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96949-w
PMID:40234697
|
研究论文 | 开发并验证了一种基于深度学习的模型,通过普通脊柱X光片预测儿童骨密度 | 首次使用两阶段深度学习模型从普通脊柱X光片预测儿童骨密度,并基于预测值进行低骨密度分类 | 研究仅纳入单中心数据,样本量相对有限(601名患者) | 开发儿童骨密度的预测和分类方法 | 10-20岁接受双能X线吸收测定法和放射线检查的儿科患者 | 计算机视觉 | 骨质疏松症 | 双能X线吸收测定法,放射线检查 | CNN | 图像 | 601名患者(平均年龄14岁4个月,276名男性) | NA | YOLOv8, ResNet-18 | 平均精度,相关系数,组内相关系数,ROC曲线下面积,灵敏度,特异度 | NA |
13544 | 2025-10-07 |
CRISP: A causal relationships-guided deep learning framework for advanced ICU mortality prediction
2025-Apr-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02981-1
PMID:40234903
|
研究论文 | 提出一种基于因果关系的深度学习框架CRISP,用于ICU死亡率预测 | 利用原生反事实数据增强少数类样本,并整合因果结构构建患者表征 | NA | 开发具有更好泛化能力的ICU死亡率预测模型 | ICU患者 | 医疗人工智能 | 危重症 | 深度学习 | 深度学习模型 | 电子健康记录 | 69,190例ICU病例(MIMIC-III: 30,844例,MIMIC-IV: 27,362例,WCHSU: 10,984例) | NA | CRISP | AUROC, AUPRC | NA |
13545 | 2025-10-07 |
Prediction of postoperative intensive care unit admission with artificial intelligence models in non-small cell lung carcinoma
2025-Apr-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02553-z
PMID:40234958
|
研究论文 | 本研究使用深度学习模型预测非小细胞肺癌患者术后是否需要重症监护病房入院 | 首次将深度学习模型应用于非小细胞肺癌术后重症监护入院需求的预测 | 研究基于单中心回顾性数据,样本量相对有限 | 建立非小细胞肺癌术后重症监护入院需求的预测模型 | 953名非小细胞肺癌手术患者 | 医疗人工智能 | 肺癌 | 深度学习 | 全连接神经网络 | 临床数据、实验室数据、呼吸功能数据、肿瘤影像学特征和手术特征 | 953名患者 | NA | 全连接神经网络 | 准确率, F1分数, 敏感度, 阳性预测值, AUC | NA |
13546 | 2025-10-07 |
Diagnosis accuracy of machine learning for idiopathic pulmonary fibrosis: a systematic review and meta-analysis
2025-Apr-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02501-x
PMID:40235000
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于图像的机器学习技术对特发性肺纤维化及其亚型寻常型间质性肺炎的诊断准确性 | 首次通过系统评价和荟萃分析全面评估机器学习在IPF诊断中的准确性,并与放射科医生/临床医生的诊断表现进行对比 | 需要未来多中心大规模研究验证,现有证据基础仍需加强 | 评估基于图像的机器学习技术在特发性肺纤维化诊断中的效能 | 特发性肺纤维化(IPF)及其亚型寻常型间质性肺炎(UIP) | 医学影像分析 | 特发性肺纤维化 | 医学影像分析 | 深度学习, 其他机器学习 | 医学影像(计算机放射成像/计算机断层扫描) | NA | NA | NA | C-index, 敏感度, 特异度 | NA |
13547 | 2025-10-07 |
BERT-AmPEP60: A BERT-Based Transfer Learning Approach to Predict the Minimum Inhibitory Concentrations of Antimicrobial Peptides for Escherichia coli and Staphylococcus aureus
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01749
PMID:40086449
|
研究论文 | 提出基于BERT迁移学习的深度学习方法BERT-AmPEP60,用于预测抗菌肽对大肠杆菌和金黄色葡萄球菌的最小抑菌浓度 | 首次将BERT架构与迁移学习策略结合用于抗菌肽活性定量预测,相比现有方法能更准确量化抗菌肽对特定细菌的抑制效果 | 目前仅针对大肠杆菌和金黄色葡萄球菌两种细菌进行预测,未扩展到其他病原菌 | 开发能够准确量化抗菌肽活性的回归预测模型 | 抗菌肽序列及其对大肠杆菌和金黄色葡萄球菌的最小抑菌浓度 | 自然语言处理 | 细菌感染 | 深度学习,迁移学习 | BERT | 蛋白质序列 | NA | PyTorch | BERT | 均方误差,皮尔逊相关系数,肯德尔相关系数 | NA |
13548 | 2025-10-07 |
Integrative Computational Analysis of Common EXO5 Haplotypes: Impact on Protein Dynamics, Genome Stability, and Cancer Progression
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00067
PMID:40115981
|
研究论文 | 通过整合计算方法研究EXO5基因常见单倍型对蛋白质动力学、基因组稳定性及癌症进展的影响 | 首次采用基因组数据分析、深度学习变异效应预测和分子动力学模拟的整合方法系统研究EXO5常见单倍型的功能影响 | 研究主要基于计算分析和现有数据库,缺乏实验验证 | 探究常见种系变异对蛋白质结构和功能的影响及其在癌症进展中的作用 | EXO5基因及其编码的DNA外切酶蛋白 | 计算生物学 | 癌症 | 基因组数据分析, 深度学习变异效应预测, 分子动力学模拟 | 深度学习模型 | 基因组数据, 临床数据, 蛋白质结构数据 | 癌症基因组图谱数据库中的癌症患者样本 | NA | NA | 无进展生存期, 基因组不稳定性指标 | NA |
13549 | 2025-10-07 |
A Deep Retrieval-Enhanced Meta-Learning Framework for Enzyme Optimum pH Prediction
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02291
PMID:40127128
|
研究论文 | 提出一种基于深度检索增强元学习的酶最适pH预测框架Venus-DREAM | 将酶pH预测建模为少样本学习任务,结合k近邻算法和元学习Reptile算法,实现从最相似标记酶中学习预测目标酶pH | NA | 开发计算模型预测酶的最适pH值,支持酶设计和应用 | 酶蛋白 | 机器学习 | NA | 蛋白质语言模型 | kNN, 元学习 | 蛋白质序列 | NA | NA | Reptile | 准确率 | NA |
13550 | 2025-10-07 |
Can Deep Learning Blind Docking Methods be Used to Predict Allosteric Compounds?
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00331
PMID:40167386
|
研究论文 | 探索深度学习盲对接方法在预测变构化合物方面的应用价值 | 提出基于最小距离矩阵表示的数据驱动平台,识别出传统启发式方法未能区分的中间蛋白构象 | 研究为回顾性分析,需要进一步前瞻性验证 | 评估深度学习对接方法预测变构化合物结合模式的能力 | 细胞周期蛋白依赖性激酶2及其变构抑制剂 | 机器学习 | NA | 分子对接,深度学习 | DiffDock | 蛋白质-配体复合物结构数据 | NA | NA | NA | 结合模式预测准确率 | NA |
13551 | 2025-10-07 |
Application of Deep Learning to Predict the Persistence, Bioaccumulation, and Toxicity of Pharmaceuticals
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02293
PMID:40178174
|
研究论文 | 本研究应用深度学习模型预测药物化合物的持久性、生物累积性和毒性特征 | 首次将消息传递神经网络应用于药物PBT特性预测,并提出基于聚类策略的模型评估方法 | NA | 预测药物化合物的环境风险特性,促进环境友好型药物开发 | 药物相关分子化合物 | 机器学习 | NA | 深度学习 | MPNN | 化学分子结构数据 | NA | Chemprop | 消息传递神经网络 | NA | NA |
13552 | 2025-10-07 |
Deep learning enabled liquid-based cytology model for cervical precancer and cancer detection
2025-Apr-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58883-3
PMID:40222978
|
研究论文 | 开发基于深度学习的液基细胞学模型用于宫颈癌前病变和癌症检测 | 使用大规模样本(17,397例)开发深度学习模型,并在多中心验证中显示优于细胞病理学医生的检测性能 | 在社区筛查中特异性低于资深细胞病理学医生 | 开发辅助宫颈癌筛查和病例分诊的深度学习工具 | 宫颈液基细胞学样本 | 数字病理 | 宫颈癌 | 液基细胞学 | 深度学习 | 细胞学全切片图像 | 17,397例训练,10,826例测试 | NA | NA | 灵敏度, 特异性 | NA |
13553 | 2025-10-07 |
Bi-variational physics-informed operator network for fractional flow reserve curve assessment from coronary angiography
2025-Apr-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103564
PMID:40245779
|
研究论文 | 提出一种双变分物理信息神经算子网络,用于从冠状动脉造影中评估血流储备分数曲线 | 结合变分机制指导基函数学习和残差评估,在准确性和效率之间实现最优平衡 | NA | 开发从冠状动脉造影评估血流储备分数曲线的高效准确方法 | 184名受试者的215条血管的冠状动脉造影数据 | 医学影像分析 | 心血管疾病 | 冠状动脉造影 | 神经算子网络 | 医学影像 | 184名受试者的215条血管 | NA | 双变分物理信息神经算子(BVPINO) | 准确性, 效率, 一致性, 相关性 | NA |
13554 | 2025-10-07 |
Joint semi-supervised and contrastive learning enables domain generalization and multi-domain segmentation
2025-Apr-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103575
PMID:40245778
|
研究论文 | 提出SegCLR框架,通过联合半监督和对比学习实现跨域图像分割 | 结合监督学习和对比学习,能够同时利用标注和未标注数据,实现领域泛化和多领域分割 | 未明确说明计算资源需求和具体模型规模 | 解决深度学习模型在不同域图像分割中的泛化问题 | 3D视网膜光学相干断层扫描(OCT)图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT) | 深度学习 | 3D医学图像 | 三个不同的临床数据集 | NA | NA | 分割性能指标 | NA |
13555 | 2025-10-07 |
im7G-DCT: A two-branch strategy model based on improved DenseNet and transformer for m7G site prediction
2025-Apr-12, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出基于改进DenseNet和Transformer的双分支策略模型im7G-DCT,用于m7G位点预测 | 采用双分支策略并行提取局部和全局特征,通过改进的DenseNet和Transformer深度挖掘m7G位点序列的潜在特征信息 | NA | 准确识别mRNA中的m7G位点,为临床应用和治疗策略开发提供支持 | mRNA中的N-7甲基鸟苷(m7G)修饰位点 | 生物信息学 | 癌症,神经退行性疾病,病毒感染 | 深度学习预测模型 | CNN,Transformer | RNA序列特征编码 | NA | NA | 改进的DenseNet,Transformer | 灵敏度,特异性,准确率,马修斯相关系数 | NA |
13556 | 2025-10-07 |
Diatom Lensless Imaging Using Laser Scattering and Deep Learning
2025-Apr-11, ACS ES&T water
IF:4.8Q1
DOI:10.1021/acsestwater.4c01186
PMID:40242343
|
研究论文 | 提出一种结合激光散射和无透镜成像技术,通过深度学习重建硅藻显微图像的新方法 | 首次将激光散射模式与深度学习相结合,实现无透镜显微成像,并能从散射图案中分析硅藻的运动速度和角度 | NA | 开发用于海洋环境中微生物原位成像和运动分析的无透镜成像技术 | 硅藻及其他微型海洋生物 | 计算机视觉 | NA | 激光散射成像 | 深度学习 | 散射光图案 | 硅藻土样本 | NA | NA | SSIM, RMSE | NA |
13557 | 2025-10-07 |
A deep learning framework leveraging spatiotemporal feature fusion for electrophysiological source imaging
2025-Apr-08, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108767
PMID:40245605
|
研究论文 | 提出一种基于深度学习的时空特征融合框架SSINet,用于解决脑电生理源成像的逆问题 | 融合残差网络、双向LSTM和Transformer模块,结合通道注意力机制和加权损失函数,首次在ESI领域实现有效的时空特征融合 | NA | 开发准确的非侵入性脑活动测量方法 | 脑电生理源成像 | 机器学习 | NA | 脑电图 | CNN, LSTM, Transformer | 脑电信号 | 三个真实EEG数据集(视觉、听觉和体感刺激) | NA | ResBlock, 双向LSTM, Transformer | NA | NA |
13558 | 2025-10-07 |
Evolution of computational techniques against various KRAS mutants in search for therapeutic drugs: a review article
2025-Apr-07, Cancer chemotherapy and pharmacology
IF:2.7Q2
DOI:10.1007/s00280-025-04767-8
PMID:40195161
|
综述 | 本文综述了针对不同KRAS突变体的计算技术演变及其在治疗药物发现中的应用 | 系统总结了计算技术在KRAS抑制剂发现中的突破性进展,特别关注变构口袋识别和人工智能新方法的应用 | NA | 探讨计算技术在KRAS突变体靶向药物研发中的应用与发展 | KRAS蛋白突变体及其抑制剂 | 计算生物学 | 癌症 | 虚拟筛选、分子动力学模拟、分子对接、机器学习、深度学习 | NA | 蛋白质结构数据、化合物数据库 | NA | NA | NA | NA | NA |
13559 | 2025-10-07 |
scAMZI: attention-based deep autoencoder with zero-inflated layer for clustering scRNA-seq data
2025-Apr-07, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-11511-2
PMID:40197174
|
研究论文 | 提出一种基于注意力自编码器和零膨胀层的深度学习模型scAMZI,用于单细胞RNA测序数据的聚类分析 | 首次将SimAM注意力机制、自编码器和零膨胀负二项模型结合,能同时学习细胞特征表示和细胞间关系,并有效处理数据中的零值 | NA | 开发更有效的单细胞RNA测序数据聚类方法 | 单细胞RNA测序数据 | 机器学习 | NA | scRNA-seq | 自编码器, 注意力机制 | 基因表达数据 | 14个基准数据集,包含数百至数万个细胞 | NA | 自编码器, SimAM | NA | NA |
13560 | 2025-10-07 |
Visual search and real-image similarity: An empirical assessment through the lens of deep learning
2025-Apr, Psychonomic bulletin & review
IF:3.2Q1
DOI:10.3758/s13423-024-02583-4
PMID:39327401
|
研究论文 | 本研究利用深度卷积神经网络预测人类视觉搜索效率,通过计算物体间相似性为Duncan和Humphreys的相似性原则提供生态学证据 | 首次使用深度卷积神经网络从生态学角度量化验证视觉搜索相似性原则,并发现目标-干扰物和干扰物-干扰物相似性在网络不同层级发挥作用 | 基于计算模型的预测仍需进一步在真实场景中验证,实验室结果到现实世界的泛化能力有待加强 | 验证视觉搜索中的相似性原则并预测人类搜索效率 | 视觉场景中的目标物体和干扰物 | 计算机视觉 | NA | 深度卷积神经网络 | CNN | 图像 | NA | NA | 深度卷积神经网络 | 搜索效率预测 | NA |