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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14081 | 2025-10-07 |
Improving fishing ground estimation with weak supervision and meta-learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321116
PMID:40215460
|
研究论文 | 本研究提出结合弱监督和元学习的训练策略,通过海面温度模式估计渔场位置 | 首次将弱监督与元学习相结合用于渔场估计,利用轨迹数据预训练并通过元学习器缓解标签噪声 | 依赖有限的渔获数据作为标注,渔场覆盖范围不完整 | 改进渔场估计的准确性和数据利用效率 | 渔场位置和海面温度模式 | 计算机视觉 | NA | 深度学习关键点检测 | 关键点检测器 | 海面温度模式图像,渔获数据,渔船轨迹数据 | 有限量的渔获数据和更大量的轨迹数据 | NA | NA | F1-score | NA |
| 14082 | 2025-10-07 |
A deep learning-based approach for the detection of cucumber diseases
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320764
PMID:40215456
|
研究论文 | 提出基于VGG19架构和迁移学习的深度学习方法,用于黄瓜疾病的检测与分类 | 采用创新的迁移学习方法,在黄瓜疾病检测任务中实现了97.66%的平衡准确率,优于传统微调方法的93.87% | NA | 开发准确的黄瓜疾病检测方法以保障作物质量和食品安全 | 黄瓜植株及其疾病(炭疽病、细菌性萎蔫病、肚腐病、霜霉病、健康黄瓜、健康叶片、腐霉果腐病、胶质茎枯病) | 计算机视觉 | 植物疾病 | 深度学习 | CNN | 图像 | NA | NA | VGG19 | 平衡准确率 | NA |
| 14083 | 2025-10-07 |
CWMS-GAN: A small-sample bearing fault diagnosis method based on continuous wavelet transform and multi-size kernel attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319202
PMID:40215467
|
研究论文 | 提出一种基于连续小波变换和多尺度核注意力机制的小样本轴承故障诊断方法 | 提出连续小波卷积策略替代传统卷积操作,能够额外捕捉信号的频域特征;设计多尺度核注意力机制,能从不同尺度提取特征并自适应选择重要特征 | NA | 解决小样本条件下轴承故障诊断性能下降的问题 | 轴承故障振动信号 | 机器学习 | NA | 连续小波变换 | GAN | 振动信号 | CWRU和MFPT数据集 | NA | CWMS-GAN | 结构相似性指数 | NA |
| 14084 | 2025-04-14 |
Deep Learning-Based Image Restoration and Super-Resolution for Fluorescence Microscopy: Overview and Resources
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4414-0_3
PMID:40220224
|
review | 本文综述了深度学习方法在荧光显微镜图像恢复和超分辨率中的应用,并提供了相关资源和工具 | 提供了深度学习方法在荧光显微镜图像处理中的最新进展和资源,包括开源数据库和代码库 | 未提及具体方法的性能比较或实际应用中的具体限制 | 综述深度学习方法在荧光显微镜图像处理中的应用,促进该领域的研究参与 | 荧光显微镜图像 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 14085 | 2025-10-07 |
Enhancing the Diagnostic Utility of ASL Imaging in Temporal Lobe Epilepsy through FlowGAN: An ASL to PET Image Translation Framework
2024-May-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.28.24308027
PMID:38853910
|
研究论文 | 开发名为FlowGAN的深度学习框架,通过ASL和结构MRI输入合成类似FDG-PET的图像,以提升ASL在颞叶癫痫中的诊断性能 | 首次提出使用生成对抗网络将ASL和MRI图像转换为PET样图像,显著改善了ASL在癫痫灶定位中的诊断性能 | 研究样本量有限(68例患者),且主要针对明确侧向化的颞叶癫痫患者 | 提高动脉自旋标记成像在颞叶癫痫诊断中的效用,减少对FDG-PET的依赖 | 68例癫痫患者,其中36例为明确侧向化的颞叶癫痫患者 | 医学影像分析 | 颞叶癫痫 | 动脉自旋标记,正电子发射断层扫描,结构MRI | GAN | 医学影像 | 68例癫痫患者 | NA | FlowGAN | 结构相似性指数,AUC,Spearman相关系数,Cohen's d | NA |
| 14086 | 2025-10-07 |
Advancements in artificial intelligence for atopic dermatitis: diagnosis, treatment, and patient management
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2484665
PMID:40200717
|
综述 | 本文首次全面综述人工智能在特应性皮炎诊断、治疗和患者管理中的应用进展 | 首次系统总结AI在特应性皮炎全流程管理中的创新应用,强调其在医疗诊断、治疗监测和患者护理中的显著效益 | 面临数据隐私和模型透明度等挑战 | 推动AI在皮肤健康护理领域的发展,增强特应性皮炎的临床诊疗水平 | 特应性皮炎患者 | 计算机视觉, 机器学习 | 特应性皮炎 | 深度学习 | 深度学习算法 | 皮肤图像 | NA | NA | NA | NA | NA |
| 14087 | 2025-10-07 |
The association between sports social capital and cognitive health: A longitudinal study of middle-aged and elderly adults in China
2025-Jun, SSM - population health
DOI:10.1016/j.ssmph.2025.101778
PMID:40212736
|
研究论文 | 本研究探讨中国中老年人群中体育社会资本与认知健康之间的纵向关联 | 首次将深度学习应用于体育社会资本与认知健康的纵向研究,发现教育水平对体育社会资本效益的放大效应及其随时间累积的认知保护作用 | 基于观察性数据,无法确立因果关系;研究结果可能受未测量混杂因素影响 | 探索体育社会资本对中老年人认知健康的影响机制 | 中国中老年人群 | 机器学习 | 老年疾病 | 深度学习 | 深度学习模型 | 纵向调查数据 | 中国健康与养老追踪调查(CHARLS)参与者 | NA | NA | NA | NA |
| 14088 | 2025-04-13 |
Nature's best vs. bruised: A veggie edibility evaluation database
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111483
PMID:40213046
|
research paper | 本文介绍了一个用于评估蔬菜新鲜度的自动化方法数据库 | 开发了一个专门用于蔬菜新鲜度评估的数据库,填补了现有数据集的不足 | 数据库的适用性依赖于训练和验证数据的质量,目前缺乏合适的数据集 | 评估蔬菜新鲜度以支持食品行业的自动化分类 | 蔬菜的外部形态、质地和颜色 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 14089 | 2025-10-07 |
Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation
2025-May, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.10.103
PMID:39477040
|
研究论文 | 开发用于膝关节X光片自动分类和目标检测的不确定性感知深度学习系统 | 集成保形预测不确定性量化的多标签分类器与膝关节植入物检测模型 | 仅使用回顾性数据,未提及前瞻性验证 | 构建大规模膝关节X光片注册表的自动化图像处理流程 | 膝关节X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN, 目标检测模型 | 图像 | 26,000张膝关节图像用于分类,11,841张膝关节X光片用于目标检测 | NA | EfficientNet | F1分数, 准确率, 灵敏度, 特异性, 边际覆盖率, 效率, 平均精度, 召回率 | NA |
| 14090 | 2025-10-07 |
Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography
2025-May, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.02.019
PMID:39983942
|
研究论文 | 开发并验证基于深度学习的前段光学相干断层扫描模型,用于区分眼表鳞状上皮 neoplasia 与翼状胬肉和睑裂斑 | 首次结合掩码自编码器和视觉变换器模型,利用大量无标签数据进行预训练,实现眼表鳞状上皮 neoplasia 的自动检测 | 单中心回顾性研究,样本量有限,需要进一步多中心验证 | 开发人工智能辅助诊断系统,提高眼表鳞状上皮 neoplasia 的诊断准确性 | 眼表鳞状上皮 neoplasia、翼状胬肉和睑裂斑患者 | 计算机视觉 | 眼表鳞状上皮 neoplasia | 前段光学相干断层扫描 | 自编码器, 视觉变换器 | 图像 | 5746只眼的105,859张AS-OCT图像用于预训练,523只眼的2022张图像用于训练,48名患者的62只眼566次扫描用于测试 | NA | 掩码自编码器, 视觉变换器 | 准确率, 灵敏度, 特异性, AUC | NA |
| 14091 | 2025-04-13 |
Domain Shift Analysis in Chest Radiographs Classification in a Veterans Healthcare Administration Population
2025-Apr-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01494-7
PMID:40216674
|
研究论文 | 本研究评估了领域偏移对胸部X光分类准确性的影响,并分析了真实标签质量和人口统计学因素(如年龄组、性别和研究年份)的影响 | 揭示了在未见过的VA数据集中领域偏移最小,除了“扩大的心脏纵隔”标签,并强调了考虑领域偏移和人口统计学因素在胸部X光分类任务中的重要性 | 研究主要关注VA-CXR和MIMIC-CXR数据集,可能不适用于其他医疗数据集 | 评估领域偏移对胸部X光分类准确性的影响,并分析人口统计学因素的影响 | 退伍军人医疗管理系统的胸部X光数据集(VA-CXR)和MIMIC-CXR数据集 | 医学影像 | NA | 深度学习,NLP提取工具(CheXpert和CheXbert Labeler) | DenseNet121 | 胸部X光图像和放射学报告文本 | VA-CXR和MIMIC-CXR数据集 | NA | NA | NA | NA |
| 14092 | 2025-10-07 |
Development and validation of multimodal deep learning algorithms for detecting pulmonary hypertension
2025-Apr-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01593-3
PMID:40205021
|
研究论文 | 开发并验证用于检测肺动脉高压的多模态深度学习算法MMF-PH | 提出多模态融合模型,相比传统经胸超声心动图在特异性和阴性预测值方面表现更优 | 未明确说明模型在特定亚组患者中的性能局限性 | 提高肺动脉高压的筛查准确率 | 接受右心导管检查的患者 | 数字病理 | 肺动脉高压 | 深度学习 | 多模态融合模型 | 多模态医疗数据 | 2451名患者(主要数据集)+ 477名患者(前瞻性数据集)+ 外部数据集 | NA | MMF-PH | 特异性, 阴性预测值 | NA |
| 14093 | 2025-10-07 |
Interpreting regulatory mechanisms of Hippo signaling through a deep learning sequence model
2025-Apr-09, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100821
PMID:40174587
|
研究论文 | 通过深度学习序列模型解析Hippo信号通路的调控机制 | 首次使用深度学习模型在全基因组范围内学习信号效应物的DNA结合规则,并发现TFAP2C基序以核小体范围和距离依赖方式增强TEAD4/YAP1结合 | 研究聚焦于小鼠滋养层干细胞中的Hippo通路,结果在其他细胞类型中的普适性需要进一步验证 | 解析信号通路如何介导细胞类型特异性转录反应的调控机制 | 小鼠滋养层干细胞中的Hippo信号通路 | 机器学习 | NA | 深度学习, 分子动力学模拟 | 深度学习序列模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 14094 | 2025-10-07 |
Natural language processing models reveal neural dynamics of human conversation
2025-Apr-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58620-w
PMID:40204693
|
研究论文 | 本研究结合预训练深度学习自然语言处理模型和颅内神经元记录,揭示了人类自然对话中语言产生与理解的神经动态机制 | 首次将预训练深度学习NLP模型与颅内神经记录相结合,在自然对话情境下发现语言产生与理解的特异性神经信号及其动态转换模式 | 研究基于颅内记录,样本量有限,且主要关注前颞叶区域,可能未完全覆盖所有相关脑区 | 探索人类自然对话中语言产生与理解的神经机制 | 人类自然对话过程中的神经活动 | 自然语言处理 | NA | 颅内神经元记录 | 深度学习自然语言处理模型 | 神经信号数据,语言数据 | NA | NA | 预训练深度学习模型 | NA | NA |
| 14095 | 2025-10-07 |
Comprehensive evaluation of U-Net based transcranial magnetic stimulation electric field estimations
2025-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95767-4
PMID:40204769
|
研究论文 | 本研究开发了一种基于U-Net的深度学习框架,用于从解剖MRI和TMS线圈参数直接估计经颅磁刺激感应电场 | 首次在大规模数据集和全脑刺激条件下系统评估U-Net在TMS电场估计中的性能,实现了比传统有限元方法快97,000倍的计算速度 | 深度学习方法的精度需要针对特定TMS应用进行评估,目前达到的精度可能不适用于所有应用场景 | 开发并评估基于深度学习的TMS感应电场估计方法,替代计算成本高的传统数值方法 | 人类大脑TMS感应电场 | 医学影像分析 | 神经系统疾病 | 经颅磁刺激(TMS), 磁共振成像(MRI) | U-Net | T1加权MRI图像 | 100例来自人类连接组计划的MRI扫描,涵盖不同种族、性别和年龄的多样化人群 | NA | 改进的U-Net架构 | DICE系数, 重心偏差, 计算效率 | NA |
| 14096 | 2025-10-07 |
Tri-band vehicle and vessel dataset for artificial intelligence research
2025-Apr-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04945-6
PMID:40204792
|
研究论文 | 本文提出了一个用于目标检测和多波段图像融合的三波段(可见光、短波红外、长波红外)车船数据集 | 首个公开可用的三波段光学图像数据集,具有时间同步和视场一致性特征 | 仅约60%的数据集进行了人工标注,未完全标注 | 为目标检测应用和多波段图像融合提供数据集支持 | 车辆和船只 | 计算机视觉 | NA | 多波段光学成像 | YOLOv8, SSD | 多波段图像(可见光、短波红外、长波红外) | 数千张JPG和PNG格式图像 | NA | YOLOv8, SSD | mAP, IoU | NA |
| 14097 | 2025-10-07 |
A lightweight deep learning model for multi-plant biotic stress classification and detection for sustainable agriculture
2025-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90487-1
PMID:40204810
|
研究论文 | 提出一种轻量级深度学习模型AgarwoodNet用于多植物生物胁迫分类与检测,以支持可持续农业 | 开发了参数仅37MB的轻量级模型,解决了现有重型模型计算资源需求高、内存占用大、部署不灵活等问题 | 模型仅在两个特定数据集上验证,尚未在更广泛的植物种类和环境下测试 | 开发轻量级深度学习模型用于植物病虫害分类与检测,支持可持续农业发展 | 多种植物的叶片图像,包括沉香木和土耳其植物病虫害数据集中的植物 | 计算机视觉 | 植物病虫害 | 深度学习 | CNN | 图像 | APDD数据集5,472张沉香木叶片图像(14个类别),TPPD数据集4,447张图像(15个类别,6种植物) | MATLAB深度学习工具箱 | AgarwoodNet | Cohen's Kappa, 特异性, 精确度, F1分数, 召回率 | NA |
| 14098 | 2025-10-07 |
Integration of graph neural networks and transcriptomics analysis identify key pathways and gene signature for immunotherapy response and prognosis of skin melanoma
2025-Apr-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13611-4
PMID:40205338
|
研究论文 | 本研究结合图神经网络和转录组学分析开发了皮肤黑色素瘤免疫治疗反应预测模型和基因标志物 | 首次将图神经网络应用于皮肤黑色素瘤免疫治疗反应预测,并构建了名为responseScore的新型基因标志物 | NA | 开发预测皮肤黑色素瘤免疫治疗反应和预后的计算模型 | 皮肤黑色素瘤患者数据 | 生物信息学, 机器学习 | 皮肤黑色素瘤 | 转录组学分析, 多组学生物信息学方法, 转染实验, 共培养实验, ELISA检测 | 图神经网络(GNN) | 基因表达数据, 转录组数据 | NA | NA | 图神经网络 | AUC | NA |
| 14099 | 2025-10-07 |
Preoperative assessment in lymph node metastasis of pancreatic ductal adenocarcinoma: a transformer model based on dual-energy CT
2025-Apr-09, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-03774-6
PMID:40205450
|
研究论文 | 开发基于双能CT的Transformer模型用于预测胰腺导管腺癌淋巴结转移 | 首次将Transformer模型应用于双能CT数据,结合临床信息和深度学习特征进行淋巴结转移预测 | 回顾性研究,样本量相对有限(223例患者) | 提高胰腺导管腺癌术前淋巴结转移的预测准确性 | 胰腺导管腺癌患者 | 计算机视觉 | 胰腺癌 | 双能CT | Transformer | 医学影像 | 223例患者(训练集160例,测试集63例) | NA | Transformer | AUC, 风险比, 置信区间 | NA |
| 14100 | 2025-10-07 |
Unsupervised Learning of Progress Coordinates during Weighted Ensemble Simulations: Application to NTL9 Protein Folding
2025-Apr-08, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c01136
PMID:40105797
|
研究论文 | 开发了一种在加权系综模拟中通过深度学习识别进展坐标的无监督学习方法,并应用于NTL9蛋白质折叠过程 | 提出在加权系综稀有事件采样过程中通过卷积变分自编码器实时识别构象异常值来学习进展坐标的新方法 | 方法在离散态合成分子动力学轨迹上进行测试,需要进一步验证在真实连续系统中的应用 | 开发无监督学习方法以改进稀有事件采样中进展坐标的识别效率 | NTL9蛋白质折叠过程 | 机器学习 | NA | 分子动力学模拟,加权系综采样 | 卷积变分自编码器 | 分子构象数据 | NA | NA | 变分自编码器 | 折叠速率常数估计效率 | NA |