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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
13621 | 2025-10-07 |
AI-assisted SERS imaging method for label-free and rapid discrimination of clinical lymphoma
2025-Apr-16, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-025-03339-5
PMID:40241186
|
研究论文 | 开发了一种结合AI和SERS成像的无标记快速淋巴瘤诊断方法 | 首次将表面增强拉曼散射成像与深度学习相结合,实现小视野(30×30μm²)组织切片的快速分子成像诊断 | 目前仅验证了非霍奇金淋巴瘤和正常淋巴组织的识别,未扩展到其他类型淋巴瘤 | 开发微创淋巴瘤诊断的分子成像策略 | 临床正常淋巴组织和非霍奇金淋巴瘤组织样本 | 数字病理 | 淋巴瘤 | 表面增强拉曼散射成像 | CNN | 拉曼光谱图像 | 临床淋巴组织和NHL组织样本 | NA | 深度卷积神经网络 | 识别率 | NA |
13622 | 2025-10-07 |
Physical twinning for joint encoding-decoding optimization in computational optics: a review
2025-Apr-15, Light, science & applications
DOI:10.1038/s41377-025-01810-4
PMID:40229266
|
综述 | 本文综述了计算光学中通过物理孪生技术实现编码-解码联合优化的方法 | 提出将光学编码数字化孪生为神经网络层,实现编码与解码过程的端到端联合优化 | 从优化编码参数到实际调制元件的反向物理孪生面临位深、数值范围和稳定性等方面的差距挑战 | 探索计算光学中编码-解码联合优化技术 | 光学调制元件 | 计算光学 | NA | 深度学习, 数字孪生 | 神经网络 | 光学成像数据 | NA | NA | NA | 精度, 速度, 鲁棒性 | NA |
13623 | 2025-10-07 |
Assessing Pan-Canada wildfire susceptibility by integrating satellite data with novel hybrid deep learning and black widow optimizer algorithms
2025-Apr-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179369
PMID:40239493
|
研究论文 | 通过整合卫星数据与新型混合深度学习和黑寡妇优化器算法评估加拿大全境野火易发性 | 开发了LSTM、RNN、BiLSTM和BiRNN与黑寡妇优化器(BWO)混合的新型深度学习模型 | NA | 开发成本效益高且可靠的方法来准确预测和绘制野火发生概率 | 加拿大全境的历史野火发生情况 | 机器学习 | NA | 遥感数据, 深度学习, 元启发式算法 | LSTM, RNN, BiLSTM, BiRNN, BWO | 卫星数据, 历史野火位置数据 | 4240个历史大型野火位置(2014-2023年) | NA | LSTM, RNN, BiLSTM, BiRNN | AUC, 统计误差指标 | NA |
13624 | 2025-10-07 |
Advances in research on receptor heterogeneity in breast cancer liver metastasis
2025-Apr-15, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2025.01046
PMID:40240168
|
综述 | 本文综述乳腺癌肝转移受体异质性的研究进展及其临床意义 | 系统阐述受体状态异质性的影响因素,并提出人工智能深度学习预测模型等未来研究方向 | 未涉及具体实验数据验证,主要为理论性综述 | 探讨乳腺癌肝转移受体异质性对治疗策略的影响 | 乳腺癌肝转移患者及其受体状态 | 医学研究 | 乳腺癌 | 肝脏活检 | 深度学习 | 临床数据 | NA | NA | NA | NA | NA |
13625 | 2025-10-07 |
Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability
2025-Apr-15, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.018
PMID:40240275
|
研究论文 | 评估深度学习重建的并行采集技术和同步多层加速成像在膝关节MRI中的应用效果 | 首次将深度学习重建的四倍并行采集技术与两倍同步多层加速成像相结合,显著提升成像效率和质量 | 样本量较小(34名参与者),仅评估了特定脉冲序列 | 比较深度学习增强的膝关节MRI与传统成像方法的性能差异 | 接受膝关节MRI检查的成年患者 | 医学影像分析 | 膝关节疾病 | 磁共振成像,深度学习重建,并行采集技术,同步多层加速 | 深度学习 | 医学影像 | 34名参与者(平均年龄45±17岁,14名女性) | NA | NA | 图像质量,信噪比,对比噪声比,放射组学特征 | NA |
13626 | 2025-10-07 |
Applied research on innovation and development of blue calico of Chinese intangible cultural heritage based on artificial intelligence
2025-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96587-2
PMID:40229316
|
研究论文 | 提出一种基于增强循环一致性生成对抗网络的风格迁移方法,用于中国传统蓝印花布图案的创新设计 | 将Ghost卷积模块和SRM注意力模块引入生成器网络结构,在减少模型参数和计算成本的同时增强网络特征提取能力 | NA | 促进传统蓝印花布图案的创新设计,解决传承人减少和市场萎缩的挑战 | 中国传统蓝印花布图案 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | NA | NA | CycleGAN | NA | NA |
13627 | 2025-10-07 |
ALL diagnosis: can efficiency and transparency coexist? An explainble deep learning approach
2025-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97297-5
PMID:40229347
|
研究论文 | 提出一种结合EfficientNet-B7架构与可解释人工智能方法的急性淋巴细胞白血病诊断框架 | 将高效深度学习架构与多种XAI技术相结合,在保持高精度的同时提升模型透明度和计算效率 | NA | 开发高效、可解释的急性淋巴细胞白血病诊断工具 | 急性淋巴细胞白血病患者 | 计算机视觉 | 白血病 | 深度学习 | CNN | 医学图像 | Taleqani医院数据集、C-NMC-19数据集和Multi-Cancer数据集 | NA | EfficientNet-B7 | 准确率,精确率,召回率,F1分数,AUC,mAP | NA |
13628 | 2025-10-07 |
Accelerated diffusion tensor imaging with self-supervision and fine-tuning
2025-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96459-9
PMID:40229411
|
研究论文 | 提出一种结合自监督预训练和微调的深度学习框架,用于加速扩散张量成像并减少训练数据需求 | 开发了自监督深度学习微调框架,无需大量高质量标注数据即可实现高性能DTI重建 | NA | 减少扩散张量成像的训练数据需求并提高成像效率 | 脑部微观结构 | 医学影像分析 | 神经系统疾病 | 扩散张量成像 | 深度学习 | 医学影像数据 | 使用人类连接组计划数据,具体样本量未明确说明 | NA | NA | 定性评估,定量评估,DWI重建质量,张量指标 | NA |
13629 | 2025-10-07 |
A hybrid learning network with progressive resizing and PCA for diagnosis of cervical cancer on WSI slides
2025-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97719-4
PMID:40229435
|
研究论文 | 提出一种结合渐进式调整大小和PCA的混合学习网络,用于WSI玻片的宫颈癌诊断 | 将渐进式调整大小策略与PCA特征降维相结合,并集成多个深度学习模型与机器学习分类器 | NA | 提高宫颈癌在WSI玻片上的诊断准确率 | 宫颈癌WSI玻片 | 数字病理学 | 宫颈癌 | 全玻片成像 | CNN, SVM, RF | 图像 | NA | NA | ResNet-152, VGG-16 | 准确率 | NA |
13630 | 2025-10-07 |
Transformer-based deep learning for accurate detection of multiple base modifications using single molecule real-time sequencing
2025-Apr-14, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08009-8
PMID:40229481
|
研究论文 | 本研究开发了一种结合CNN和Transformer的混合深度学习模型HK model 2,用于基于单分子实时测序技术检测多种碱基修饰 | 将Transformer层引入碱基修饰检测,相比纯CNN模型显著提升检测性能,并能同时检测5mC、5hmC和6mA等多种修饰类型 | 未明确说明模型在不同测序平台或样本类型上的泛化能力 | 开发高精度的碱基修饰检测方法,拓展单分子实时测序在液体活检中的应用 | 细胞游离DNA(cfDNA)分子中的碱基修饰模式 | 生物信息学 | 肝细胞癌 | 单分子实时测序 | CNN,Transformer | 测序数据 | NA | NA | CNN-Transformer混合架构 | AUC | NA |
13631 | 2025-10-07 |
Deep learning for video-based assessment of endotracheal intubation skills
2025-Apr-14, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00776-z
PMID:40229550
|
研究论文 | 开发基于深度学习的视频分析系统,用于评估气管插管技能 | 首次将2D卷积自编码器与跨视图注意力模块的1D卷积模型相结合,用于视频技能评估 | 未提及样本量的具体数值和模型泛化能力的验证 | 开发客观、自动化的气管插管技能评估系统 | 医疗人员的气管插管操作视频 | 计算机视觉 | NA | 视频分析 | CNN, 自编码器 | 视频 | NA | NA | 2D卷积自编码器, 1D卷积模型 | 准确率 | NA |
13632 | 2025-10-07 |
DCATNet: polyp segmentation with deformable convolution and contextual-aware attention network
2025-Apr-14, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01661-w
PMID:40229681
|
研究论文 | 提出一种用于息肉分割的新型深度学习架构DCATNet,结合可变形卷积和上下文感知注意力机制 | 集成几何注意力模块(GAM)、上下文注意力门(CAG)和多尺度特征提取(MSFE)块,结合ResNetV2-50编码器和Transformer架构 | NA | 解决医学图像中息肉分割的挑战,提高分割准确性 | 医学图像中的息肉 | 计算机视觉 | 结直肠疾病 | 深度学习 | CNN, Transformer | 医学图像 | 五个公共数据集(包括Kvasir-SEG和CVC-ClinicDB) | NA | U-Net, ResNetV2-50, Transformer | Dice系数 | NA |
13633 | 2025-10-07 |
Computer-aided diagnosis of Haematologic disorders detection based on spatial feature learning networks using blood cell images
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85815-4
PMID:40221445
|
研究论文 | 提出一种基于空间特征学习网络的计算机辅助血液疾病诊断方法,使用血细胞图像进行检测和分类 | 结合改进的LeNet-5特征提取器、CNN-BiGRU-A分类方法和鹈鹕优化算法进行超参数调优的混合模型 | 仅使用基准数据库进行验证,未提及临床实际应用效果 | 提高血液疾病的检测和分类准确率 | 血细胞图像 | 计算机视觉 | 血液疾病 | 显微镜血细胞成像 | CNN, BiGRU | 图像 | 基准数据库(具体数量未提及) | NA | 改进的LeNet-5, CNN-BiGRU-A | 准确率 | NA |
13634 | 2025-10-07 |
Spatial pattern and heterogeneity of green view index in mountainous cities: a case study of Yuzhong district, Chongqing, China
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97946-9
PMID:40221555
|
研究论文 | 本研究利用深度学习算法和地理加权回归分析山地城市重庆渝中区绿视率的空间异质性及其影响因素 | 结合深度学习与地理加权回归方法,首次系统分析山地城市绿视率的空间分布规律及多因素交互影响 | 研究仅限于重庆渝中区,结果可能不适用于其他类型的城市区域 | 探究山地城市绿视率的空间异质性特征及其影响因素 | 重庆渝中区的街道绿视率 | 计算机视觉 | NA | 街景图像分析,地理加权回归 | 深度学习算法 | 街景图像,地理空间数据 | 重庆渝中区全部街道 | NA | NA | 绿视率值,空间分布分析 | NA |
13635 | 2025-10-07 |
Landslide susceptibility assessment using lightweight dense residual network with emphasis on deep spatial features
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97074-4
PMID:40221608
|
研究论文 | 提出一种基于轻量级密集残差网络的滑坡易发性评估方法DS-DRN,重点挖掘深层空间特征 | 设计了深度可分离残差模块优化传统卷积,采用密集连接构建深层特征提取模块,在保证精度的同时降低计算成本 | 仅在中国四川省雅安市进行案例研究,未在其他地理区域验证模型泛化能力 | 滑坡易发性评估 | 滑坡地质灾害 | 计算机视觉 | NA | NA | CNN | 空间特征数据 | NA | NA | 轻量级密集残差网络,深度可分离卷积,Softmax分类器 | 预测精度,计算成本 | NA |
13636 | 2025-10-07 |
A comparison of an integrated and image-only deep learning model for predicting the disappearance of indeterminate pulmonary nodules
2025-Apr-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究比较了集成深度学习模型与仅使用CT图像的模型在预测不确定性肺结节消失方面的性能 | 首次开发集成CT图像和人口统计学数据的深度学习模型来预测不确定性肺结节的消失,并与仅使用图像的模型进行对比 | 研究为回顾性设计,样本量相对有限,外部验证集规模较小 | 利用深度学习方法预测不确定性肺结节的消失,辅助放射科医生临床决策 | 不确定性肺结节患者 | 医学影像分析 | 肺癌 | CT影像分析 | 深度学习 | CT图像, 人口统计学数据 | 训练集:672名参与者的840个IPNs(134个可消退);验证集:65名参与者的111个IPNs(46个可消退) | NA | NA | 灵敏度, 特异性, AUC, SHAP值 | NA |
13637 | 2025-10-07 |
Molecular surfaces modeling: Advancements in deep learning for molecular interactions and predictions
2025-Apr-11, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.151799
PMID:40239539
|
综述 | 概述分子表面分析与人工智能技术融合的最新进展及其在分子相互作用和预测中的应用 | 将分子表面分析与先进AI算法相结合,揭示以往难以发现的隐藏模式和设计原理 | NA | 加速分子发现和创新,探索化学空间,优化分子特性 | 分子表面分析,分子相互作用 | 机器学习 | NA | 分子表面分析 | NA | 分子表面数据 | NA | NA | NA | NA | NA |
13638 | 2025-10-07 |
Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare
2025-Apr-10, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121200
PMID:40216216
|
研究论文 | 本研究开发了一种基于脑电图和机器学习的方法,用于精确评估婴儿大脑发育年龄 | 结合传统机器学习和新型深度学习网络,首次利用脑电图量化婴儿大脑年龄差距,捕捉复杂的非单调脑电特征 | 样本量相对有限(219名典型发育婴儿),需要进一步验证在其他临床人群中的适用性 | 开发可靠的大脑成熟度评估工具,用于早期临床干预和护理规划 | 3-14个月大的婴儿,包括典型发育婴儿和大脑生长异常(巨脑症)的临床风险人群 | 机器学习 | 神经发育疾病 | 脑电图 | 深度学习, 传统机器学习 | 脑电图信号 | 219名典型发育婴儿,2628条脑电图记录 | NA | NA | 平均绝对误差, 相关系数, p值 | NA |
13639 | 2025-10-07 |
μGlia-Flow, an automatic workflow for microglia segmentation and classification
2025-Apr-10, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110446
PMID:40220906
|
研究论文 | 提出了一种自动工作流程μGlia-Flow,用于小胶质细胞的精确分割和分类 | 首次将深度学习技术集成到小胶质细胞分析工作流中,显著提高了分割精度并解决了现有分类方法的参数依赖问题 | NA | 开发自动化的微胶质细胞分割和分类方法 | 中枢神经系统中的小胶质细胞 | 计算机视觉 | 脑部疾病 | 图像分析 | Transformer, CNN | 显微图像 | NA | NA | Vision Transformer (ViT), TransUNet, EGA-Net | Dice系数, IoU, 精确度 | NA |
13640 | 2025-10-07 |
Discovery of Novel DDR1 Inhibitors through a Hybrid Virtual Screening Pipeline, Biological Evaluation and Molecular Dynamics Simulations
2025-Apr-10, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00634
PMID:40236534
|
研究论文 | 本研究通过结合深度学习与分子对接的混合虚拟筛选方法,发现新型DDR1抑制剂用于急性髓系白血病治疗 | 开发了整合深度学习结合亲和力预测与分子对接技术的混合虚拟筛选流程,成功发现具有高活性的新型DDR1抑制剂 | 研究仅针对有限数量的候选化合物进行了验证,需要进一步扩大筛选范围和临床前研究 | 发现新型DDR1抑制剂作为急性髓系白血病的靶向治疗药物 | DDR1(盘状结构域受体1)酪氨酸激酶受体 | 计算生物学 | 急性髓系白血病 | 虚拟筛选、分子对接、分子动力学模拟、深度学习 | 深度学习模型 | 化学结构数据、生物活性数据 | 7个候选化合物 | PSICHIC, KarmaDock, Vina-GPU | NA | IC50(46.16 nM)、抑制率(99.86%) | GPU加速计算 |