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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-11-14 |
C2PO: an ML-powered optimizer of the membrane permeability of cyclic peptides through chemical modification
2025-Nov-11, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01109-x
PMID:41219827
|
研究论文 | 开发了一种基于深度学习的环肽膜渗透性优化器C2PO,通过化学修饰提高环肽的膜渗透性 | 首个将机器学习模型转化为化学结构生成优化器的环肽渗透性改善应用,引入了高效的estimator2generative包装器和分子校正工具 | 机器学习生成的化学结构可能存在陌生化学问题,需要后校正工具进行修正 | 提高环肽的膜渗透性以改善其口服生物利用度 | 环肽分子 | 机器学习 | NA | 深度学习回归模型 | 深度学习回归模型 | 化学结构数据 | 基于公开可用数据 | NA | NA | NA | NA |
| 122 | 2025-11-14 |
Automated segmentation of esophageal squamous cell carcinoma in contrast-enhanced free-breathing 3D-GRE: a comparative study of UNet, nnUNet, and UMamba for tumor delineation
2025-Nov-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02011-6
PMID:41219837
|
研究论文 | 比较UNet、nnUNet和UMamba三种深度学习模型在食管鳞癌自动分割中的性能 | 首次在食管鳞癌分割中比较传统UNet、nnUNet和新兴UMamba模型,并证明UMamba在边界描绘方面的优势 | 回顾性研究,样本量有限(192例患者),未在外部数据集验证 | 开发自动化食管鳞癌分割方法以减少人工分割负担 | 食管鳞状细胞癌(ESCC)患者 | 医学影像分析 | 食管癌 | 对比增强自由呼吸3D-GRE MRI | UNet, nnUNet, UMamba | MRI影像 | 192例患者(171例训练,21例验证) | NA | UNet, nnUNet-2D, nnUNet-3D, UMamba | Dice相似系数, Hausdorff距离, 平均表面距离 | NA |
| 123 | 2025-11-14 |
Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis
2025-Nov-11, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03227-w
PMID:41219882
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估人工智能算法在医学影像中识别不稳定颈动脉斑块的诊断性能 | 首次对AI在颈动脉斑块风险分层中的诊断性能进行系统评价和定量荟萃分析 | 仅有一项研究报告了外部验证,存在显著的异质性和发表偏倚 | 评估AI算法在区分不稳定与稳定颈动脉斑块中的诊断性能 | 颈动脉斑块医学影像数据 | 医学影像分析 | 心血管疾病 | 医学影像分析 | 机器学习,深度学习 | 医学影像 | 31项研究(其中14项纳入荟萃分析) | NA | NA | 灵敏度,特异性,AUC | NA |
| 124 | 2025-11-14 |
Unconstrained deep learning-based sleep stage classification using cardiorespiratory and body movement activities in adults with suspected sleep apnea
2025-Nov-11, Proceedings of the Japan Academy. Series B, Physical and biological sciences
DOI:10.2183/pjab.101.032
PMID:40887298
|
研究论文 | 本研究评估了基于无约束深度学习的睡眠分期分类方法,使用床垫下压电传感器获取的心肺和身体活动数据 | 采用无约束的压电传感器获取心肺和身体活动数据,结合双向LSTM网络进行睡眠分期分类 | 样本仅包含疑似睡眠呼吸暂停的成人患者,未在其他人群验证 | 开发基于深度学习的无约束睡眠监测方法 | 106名未经治疗的疑似睡眠呼吸暂停成人患者 | 机器学习 | 睡眠呼吸暂停 | 压电传感器,多导睡眠监测 | 双向LSTM | 生理信号数据 | 106名参与者 | NA | 双向长短期记忆网络 | 平衡准确率, Cohen's κ, F1分数, Deming回归, Bland-Altman分析 | NA |
| 125 | 2025-11-14 |
Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings'
2025-Nov-11, ESMO open
IF:7.1Q1
DOI:10.1016/j.esmoop.2025.105881
PMID:41223632
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 126 | 2025-11-14 |
ClinSegAI: A post-processing framework for superior histopathology segmentation accuracy, radiomics feature preservation, and quantitative analysis
2025-Nov-11, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111298
PMID:41223649
|
研究论文 | 提出ClinSegAI后处理框架,用于优化数字病理学中的细胞分割结果,提高分割精度并保持放射组学特征完整性 | 基于基础视觉Transformer构建的针对性后处理框架,能够显著提升分割精度和放射组学可靠性 | 主要针对H&E染色全切片图像,在其他染色类型或组织类型中的适用性需进一步验证 | 开发用于数字病理学细胞分割的后处理工具,提高分割精度和放射组学特征保真度 | 肺脏及其他癌症病理切片中的细胞核分割 | 数字病理学 | 肺癌, 其他癌症 | H&E染色全切片成像 | 视觉Transformer, 后处理算法 | 病理图像 | NA | NA | BiomedParse | Dice相似系数, 95百分位Hausdorff距离, 平均对称表面距离 | NA |
| 127 | 2025-11-14 |
The coming era of nudge drugs for cancer
2025-Nov-10, Cancer cell
IF:48.8Q1
DOI:10.1016/j.ccell.2025.08.004
PMID:40939589
|
研究论文 | 提出基于肿瘤微环境渐进式重塑的癌症治疗新策略 | 利用单细胞图谱深度学习识别肿瘤微环境原型转换网络,设计序贯给药的“助推药物”实现肿瘤微环境状态逐步转化 | NA | 开发通过逐步重塑肿瘤微环境实现癌症治疗的新方法 | 肿瘤微环境及其原型状态转换 | 数字病理学 | 癌症 | 单细胞测序 | 深度学习 | 单细胞图谱数据 | NA | NA | NA | NA | NA |
| 128 | 2025-11-14 |
Data Fusion of Deep Learned Molecular Embeddings for Property Prediction
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01728
PMID:41144852
|
研究论文 | 提出一种融合深度学习分子嵌入的多任务学习方法,用于提升稀疏数据下的材料性质预测性能 | 通过融合预训练单任务模型生成的深度嵌入,构建优于标准多任务学习的模型,减少可训练参数数量 | 方法性能依赖于预训练单任务模型的质量和嵌入表示的有效性 | 解决稀疏数据条件下材料性质预测的准确性问题 | 小分子的量子化学数据和实验数据 | 机器学习 | NA | 量子化学计算、热化学计算 | 深度学习 | 分子数据、量子化学数据、实验数据 | 广泛使用的基准数据集和新编译的稀疏数据集 | NA | 深度嵌入模型 | 预测准确性 | NA |
| 129 | 2025-11-14 |
Explainable Analysis for New Psychoactive Substance Identification with Chemical Insights
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01884
PMID:41147629
|
研究论文 | 提出一种用于新型精神活性物质识别的可解释深度推理模型NPS-EDR | 采用两阶段预测-解释框架,结合化学先验知识进行结构功能解释,通过协同训练模式特定专家和强化学习确保解释与答案的一致性 | NA | 开发可解释的深度学习方法用于新型精神活性物质识别 | 新型精神活性物质和药物分子 | 机器学习 | NA | 深度学习 | 强化学习 | 化学分子数据 | 超过2900个NPS和药物分子 | NA | NPS-EDR | 准确率, 精确率, 透明度 | NA |
| 130 | 2025-11-14 |
Inverse Modeling for Artifact Removal in Photonic Data: A Computational Physics and Transfer Learning-Based Approach
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02055
PMID:41150868
|
研究论文 | 提出结合计算物理和迁移学习的逆向建模框架,用于消除光谱数据中的etaloning伪影 | 采用两阶段迁移学习策略,结合物理模拟和实验数据进行训练,显著提升模型泛化能力 | NA | 开发有效的伪影去除方法以提高光谱数据质量 | 光谱数据中的etaloning伪影 | 计算物理 | NA | 转移矩阵法,光谱分析 | 深度学习 | 光谱数据 | 超过30,000个模拟光谱和真实实验数据 | NA | NA | 伪影减少率,光谱精度 | NA |
| 131 | 2025-11-14 |
Development of charge reset multiplexing for SiPMs using deep learning architecture
2025-Nov-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae1a32
PMID:41172608
|
研究论文 | 开发了一种基于深度学习的硅光电倍增管电荷复位多路复用方法,将16个读出通道减少至单个线路 | 提出电荷复位多路复用方法,通过独特脉冲宽度编码通道身份,并利用自编码器从单个叠加信号中重建原始16个通道信号 | NA | 减少硅光电倍增管系统的读出通道数量同时保持通道波形信息 | 硅光电倍增管阵列和Ce:GAGG闪烁体阵列 | 核医学仪器 | NA | 电荷复位多路复用技术 | 自编码器 | 波形信号 | 4×4 SiPM阵列与4×4 Ce:GAGG闪烁体阵列,使用Cs和Na放射源 | NA | 自编码器 | 能量分辨率 | NA |
| 132 | 2025-11-14 |
TorchANI 2.0: An Extensible, High-Performance Library for the Design, Training, and Use of NN-IPs
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01853
PMID:41105703
|
研究论文 | 介绍TorchANI 2.0——一个用于训练和评估ANI深度学习模型的扩展性高性能开源软件库 | 引入模块化系统添加任意成对势能、CUDA加速的局部原子特征计算优化、批处理系统提升网络集成性能 | 未明确说明具体性能提升的量化限制条件 | 开发适用于分子动力学应用的高性能神经网络势能模型框架 | ANI(ANAKIN-ME)深度学习模型 | 机器学习 | NA | 深度学习 | 神经网络势能模型 | 分子结构数据 | NA | PyTorch | ANI(ANAKIN-ME) | 训练速度、推理速度、内存效率 | CUDA加速 |
| 133 | 2025-11-14 |
Combining GCN Structural Learning with LLM Chemical Knowledge for Enhanced Virtual Screening
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00950
PMID:41118289
|
研究论文 | 提出一种结合图卷积网络结构学习与大语言模型化学知识的混合架构,用于增强虚拟筛选性能 | 引入分层级联策略,在每层GCN后注入LLM嵌入,实现分子表征的渐进式全局化学上下文增强 | 未明确说明模型在更大规模或更复杂靶点数据集上的泛化能力 | 开发更准确的虚拟筛选方法以加速药物发现 | 激酶相关数据集(如治疗靶点)和非激酶数据集(如糖皮质激素受体和PPARG) | 机器学习 | NA | 虚拟筛选 | GCN, LLM | 分子图数据 | NA | NA | 图卷积网络, Molformer | 准确率 | NA |
| 134 | 2025-11-14 |
Establishment of an Integrated Model for Predicting Compound Mutagenicity with a Feature Importance Analysis
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01586
PMID:41118227
|
研究论文 | 本研究建立了一个整合深度学习框架,通过分子特征预测化合物致突变性 | 开发了78个整合模型,系统结合13种分子描述符和指纹,并通过特征重要性分析揭示致突变化合物的关键结构特征 | 研究仅包含5866个化合物样本,模型在更大规模数据集上的泛化能力仍需验证 | 开发快速、成本效益高的化合物致突变性预测方法 | 化学化合物的致突变性 | 机器学习 | NA | 分子描述符和指纹分析 | 深度学习 | 分子特征数据 | 5866个化合物(5279个训练,587个测试) | NA | MACCS-Mordred整合模型 | 平衡准确率, 精确率 | NA |
| 135 | 2025-11-14 |
Deep-Learning vs Physics-Based Docking Tools for Future Coronavirus Pandemics
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02029
PMID:41126583
|
研究论文 | 比较深度学习和物理基础分子对接工具在未来冠状病毒药物发现中的性能 | 首次系统比较三种分子对接方法在冠状病毒药物发现中的表现,并展示AI技术如何加速药物发现过程 | 结合亲和力准确预测仍具挑战性,需要进一步方法学改进 | 评估AI技术如何加速未来冠状病毒爆发的药物发现过程 | SARS-CoV-2和MERS-CoV数据集 | 机器学习 | 冠状病毒感染 | 分子对接 | 深度学习, 物理基础模型, 数据驱动模型 | 分子结构数据 | NA | NA | Boltz-2, GNINA, AutoDock Vina | 准确率 | NA |
| 136 | 2025-11-14 |
SHARP: Generating Synthesizable Molecules via Fragment-Based Hierarchical Action-Space Reinforcement Learning for Pareto Optimization
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01699
PMID:41134962
|
研究论文 | 提出一种基于片段分层动作空间强化学习的分子生成方法SHARP,用于多目标帕累托优化 | 采用片段分层动作空间设计确保合成可行性,结合预训练合成可行性估计模型和复合奖励函数的强化学习策略 | NA | 解决多目标药物分子设计中的全局优化问题 | 药物分子 | 机器学习 | NA | 强化学习 | 强化学习 | 化学结构数据 | NA | NA | NA | 对接分数,药效团匹配,溶剂可及性 | NA |
| 137 | 2025-11-14 |
Evaluation of Deep Learning Convolutional Neural Networks for Classification of Carcinoma Ex Pleomorphic Adenoma and Pleomorphic Adenoma in Whole-Slide Images
2025-Nov-10, Head and neck pathology
DOI:10.1007/s12105-025-01858-z
PMID:41212424
|
研究论文 | 本研究评估了八种卷积神经网络架构在全切片图像中区分涎腺肿瘤(多形性腺瘤和癌在多形性腺瘤中)的分类性能 | 首次系统比较多种CNN架构在涎腺肿瘤分类任务中的表现,发现ResNet50和DenseNet121在此特定任务中表现最佳 | 样本量相对有限(107张全切片图像),需要扩展数据集以提高泛化能力 | 评估深度学习卷积神经网络在涎腺肿瘤病理图像分类中的性能 | 涎腺肿瘤组织病理学全切片图像 | 数字病理学 | 涎腺肿瘤 | 苏木精-伊红染色 | CNN | 图像 | 107张全切片图像,来自83名患者(41例多形性腺瘤,42例癌在多形性腺瘤中),生成955,583个图像块 | NA | ResNet50, InceptionV3, VGG16, Xception, MobileNet, DenseNet121, EfficientNetB0, EfficientNetV2B0 | 准确率, 精确率, 敏感度, 特异性, F1分数, AUC | NA |
| 138 | 2025-11-14 |
Artificial Intelligence-Based Electrocardiogram Model as a Predictor of Postoperative Atrial Fibrillation Following Cardiac Surgery: Retrospective Cohort Study
2025-Nov-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77164
PMID:41213128
|
研究论文 | 开发基于人工智能的心电图模型用于预测心脏手术后房颤风险 | 首次将1D EfficientNet-B0架构应用于心电图分析,能够从非房颤心电图中检测与房颤相关的细微模式 | 单中心回顾性研究,样本量相对有限(2266名患者) | 评估AI-ECG-AF模型作为心脏手术后房颤独立预测因子的价值 | 接受心脏手术的患者 | 机器学习 | 心血管疾病 | 标准12导联心电图 | CNN | 心电图信号 | 2266名患者(5402份心电图),训练数据包含405万份非房颤心电图(113万名患者) | NA | 1D EfficientNet-B0 | AUROC | NA |
| 139 | 2025-11-14 |
Attention guided feature fusion using marine predator algorithm for facial emotion recognition
2025-Nov-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22653-4
PMID:41214001
|
研究论文 | 提出一种基于注意力引导特征融合和海洋捕食者算法的面部情绪识别方法 | 结合AlexNet和SqueezeNet的特征融合、双向LSTM与时间注意力机制、以及海洋捕食者算法进行超参数优化 | 未明确说明模型计算复杂度、实时性能以及在更复杂场景下的泛化能力 | 开发高效的面部情绪识别系统 | 面部表情图像 | 计算机视觉 | NA | 图像处理、深度学习 | CNN, BiLSTM | 图像 | FER-2013和CK+数据集 | NA | AlexNet, SqueezeNet, BiLSTM-TA | 准确率 | NA |
| 140 | 2025-11-14 |
A Mandibular Defect Dataset for Autonomous Reconstruction Planning in Oral and Maxillofacial Surgery
2025-Nov-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06048-8
PMID:41214004
|
研究论文 | 本文介绍了首个临床来源的下颌骨缺损数据集,用于口腔颌面外科的自主重建规划 | 首个临床来源的下颌骨缺损数据集,准确呈现临床缺损边界复杂性和患者个体解剖结构多样性 | 数据集规模相对较小(147个模型),可能限制模型的泛化能力 | 为基于深度学习的下颌骨缺损重建算法提供高质量数据集支持 | 下颌骨缺损模型 | 数字病理 | 口腔颌面疾病 | 临床数据采集与标注 | NA | 三维模型数据 | 147个下颌骨缺损模型 | NA | NA | NA | NA |