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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16141 | 2025-10-07 |
stDyer enables spatial domain clustering with dynamic graph embedding
2025-Feb-20, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03503-y
PMID:39980033
|
研究论文 | 提出了一种名为stDyer的端到端深度学习框架,用于空间转录组数据的空间域聚类 | 结合高斯混合变分自编码器与图注意力网络,通过动态图自适应连接单元,改进了聚类效果并产生更平滑的域边界 | NA | 开发有效的空间转录组数据空间域聚类方法 | 空间转录组数据 | 机器学习 | NA | 空间转录组技术 | 变分自编码器,图注意力网络 | 空间转录组数据 | NA | PyTorch,TensorFlow | 高斯混合变分自编码器,图注意力网络 | 聚类性能,多切片分析能力,大规模数据集处理能力 | 多GPU支持 |
| 16142 | 2025-10-07 |
Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification
2025-Feb-20, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251316563
PMID:39980256
|
研究论文 | 本研究利用热成像技术和深度学习对糖尿病患者进行足部溃疡风险分层 | 首次将热成像技术与深度学习相结合用于糖尿病足风险分类 | 样本量较小(153张热图像),模型特异性相对较低(64.0%) | 开发基于热成像和深度学习的糖尿病足溃疡风险筛查方法 | 接受糖尿病足筛查的成年糖尿病患者 | 计算机视觉 | 糖尿病足 | 热成像技术 | 深度学习 | 热图像 | 153张足底热图像(训练集98张,测试集55张) | NA | 神经网络 | 准确率, 灵敏度, 特异性, Matthews相关系数 | NA |
| 16143 | 2025-02-24 |
Increasing angular sampling for dedicated cardiac SPECT scanner: Implementation with Deep Learning and Validation with human data
2025-Feb-20, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102168
PMID:39986346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16144 | 2025-10-07 |
UAS-based MT-YOLO model for detecting missed tassels in hybrid maize detasseling
2025-Feb-19, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01341-4
PMID:39972352
|
研究论文 | 本研究提出基于无人机系统和深度学习的MT-YOLO模型,用于杂交玉米去雄过程中遗漏雄穗的精准检测 | 针对早期雄穗被叶片部分包裹的检测难点构建专用数据集,开发了在检测精度和速度上均优于现有主流模型的MT-YOLO模型 | 未明确说明模型在不同环境条件下的泛化能力及长期稳定性 | 提升杂交玉米种子生产中去雄作业的效率和纯度 | 杂交玉米去雄过程中遗漏的雄穗 | 计算机视觉 | NA | 无人机航拍,深度学习 | YOLO | 图像 | 包含不同光照条件、种植密度和生长阶段的多样化雄穗图像数据集 | NA | MT-YOLO, YOLO v5s, Faster R-CNN, SSD | 平均精度,精确率,召回率,F1分数,漏检率,检测速度 | NA |
| 16145 | 2025-10-07 |
A deep learning approach: physics-informed neural networks for solving a nonlinear telegraph equation with different boundary conditions
2025-Feb-19, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-025-07142-1
PMID:39972356
|
研究论文 | 提出一种基于物理信息神经网络的深度学习方法求解具有不同边界条件的非线性电报方程 | 使用物理信息神经网络解决具有Dirichlet、Neumann和周期性边界条件的双曲非线性电报方程 | 需要大量超参数调优来选择最佳模型配置 | 开发有效的计算方法解决具有不同边界条件的非线性物理问题 | 非线性电报方程 | 机器学习 | NA | 物理信息神经网络 | 前馈深度神经网络 | 数值模拟数据 | 三个计算示例 | Python | 密集连接神经网络 | 相对误差分析, 统计性能度量分析 | NA |
| 16146 | 2025-10-07 |
A novel generative model for brain tumor detection using magnetic resonance imaging
2025-Feb-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种结合YOLOv8框架、智能计算单元和大语言模型的脑肿瘤检测与分割新方法 | 结合智能计算单元进行精细分割,采用数据融合技术整合多个数据集,并引入大语言模型生成预诊断 | NA | 开发基于人工智能的脑肿瘤计算机辅助诊断方法 | 脑部磁共振成像图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN, LLM | 图像 | NA | YOLOv8 | YOLOv8 | 准确率, 分割时间 | NA |
| 16147 | 2025-10-07 |
Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients
2025-Feb-19, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105843
PMID:39986123
|
研究论文 | 开发并验证一种基于心电图数据的深度学习人工智能模型,用于预测射血分数降低型心力衰竭患者的一年死亡率 | 首次利用大规模心电图数据开发深度学习AI模型预测HFrEF患者一年死亡率 | 研究仅基于两家医院的数据,需要外部验证 | 开发人工智能模型预测心力衰竭患者死亡率 | 射血分数降低型心力衰竭患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图数据 | 3,894名HFrEF患者,包含16,228份独立心电图 | NA | NA | AUROC, 敏感性, 阳性预测值, 阴性预测值, 风险比 | NA |
| 16148 | 2025-10-07 |
Structure-Based Deep Learning Framework for Modeling Human-Gut Bacterial Protein Interactions
2025-Feb-17, Proteomes
IF:4.0Q2
DOI:10.3390/proteomes13010010
PMID:39982320
|
研究论文 | 提出基于结构的深度学习框架预测人类与肠道细菌蛋白质相互作用 | 结合图结构蛋白质表示与变分自编码器,采用双向交叉注意力模块进行特征融合,并利用焦点损失解决类别不平衡问题 | 实验数据稀疏,蛋白质相互作用数据有限 | 预测人类与肠道细菌蛋白质相互作用网络 | 人类宿主蛋白质与肠道细菌蛋白质 | 机器学习 | 肠道微生物相关疾病 | 蛋白质结构分析 | VAE, 深度学习 | 蛋白质结构数据 | NA | NA | 变分自编码器, 双向交叉注意力模块 | 精确率, 召回率 | NA |
| 16149 | 2025-10-07 |
Specific glycomacropeptide detection via polyacrylamide gel electrophoresis with dual imaging and signal-fusion deep learning
2025-Feb-12, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143293
PMID:39986063
|
研究论文 | 开发了一种结合双成像和信号融合深度学习的SDS-PAGE方法,用于特异性检测牛奶样品中的糖巨肽 | 采用双成像(固有荧光成像和银染)产生互补检测信号,并结合信号融合深度学习模型提高定量分析性能 | 仅适用于具有独特固有荧光特性的蛋白质/肽的分析 | 开发特异性检测和定量分析糖巨肽的方法 | 牛奶样品中的糖巨肽和β-乳球蛋白 | 计算机视觉 | NA | SDS-PAGE, 固有荧光成像, 银染 | 深度学习 | 图像 | NA | NA | 信号融合深度学习模型 | 分类准确率 | NA |
| 16150 | 2025-10-07 |
Advancing Privacy-Preserving Health Care Analytics and Implementation of the Personal Health Train: Federated Deep Learning Study
2025-Feb-06, JMIR AI
DOI:10.2196/60847
PMID:39912580
|
研究论文 | 本研究提出并验证了一种名为个人健康列车(PHT)的联邦学习基础设施,用于在保护隐私的前提下实现跨机构的医疗数据分析 | 开发了包含安全聚合服务器的PHT联邦学习框架,能够在不可信环境中进行模型平均,防止数据泄露 | 仅进行了概念验证研究,需要进一步在实际临床环境中验证 | 开发保护隐私的联邦学习基础设施,促进医疗领域深度学习的广泛应用 | 肺癌患者的胸部CT图像中的肿瘤体积分割 | 数字病理 | 肺癌 | 联邦学习,深度学习 | 深度学习神经网络 | CT医学影像 | 来自8个国家12家医院的跨机构数据 | Vantage6 | NA | NA | 分布式计算基础设施 |
| 16151 | 2025-10-07 |
Deep Learning Model for Predicting Immunotherapy Response in Advanced Non-Small Cell Lung Cancer
2025-Feb-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2024.5356
PMID:39724105
|
研究论文 | 开发基于深度学习的免疫检查点抑制剂治疗反应预测模型,用于晚期非小细胞肺癌患者 | 首次利用全切片H&E染色图像开发深度学习模型预测NSCLC患者免疫治疗反应,并在多中心队列中验证其独立预测价值 | 回顾性研究设计,样本主要来自欧美中心,缺乏其他种族人群验证 | 开发并验证深度学习模型以预测晚期非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 接受免疫检查点抑制剂单药治疗的晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 全切片H&E染色图像分析 | 深度学习 | 病理图像 | 958名患者(美国614名,欧盟344名),共295,581个图像块 | NA | NA | AUC, 特异性, 风险比, 客观缓解率 | NA |
| 16152 | 2025-10-07 |
TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging
2025-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.25.625273
PMID:39896546
|
研究论文 | 开发了一种基于单细胞RNA测序的果蝇头部衰老时钟TimeFlies,用于研究性别差异对衰老的影响 | 首个基于全基因组基因表达谱的泛细胞类型单细胞转录组衰老时钟,能够识别新的生物标志物并揭示性别特异性衰老机制 | 研究仅限于果蝇头部组织,尚未在其他物种或组织中验证 | 开发单细胞转录组衰老时钟并研究衰老中的性别差异 | 果蝇头部细胞 | 生物信息学 | 衰老相关疾病 | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | 生存概率 | NA |
| 16153 | 2025-10-07 |
Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model
2025-Jan-24, ArXiv
PMID:39975425
|
研究论文 | 本研究使用深度学习和浅层学习模型,基于顶点水平的脑沟深度、曲率和厚度特征对重度抑郁症进行分类 | 首次在ENIGMA-MDD大型多中心数据集上集成顶点水平的多种皮层形态特征,并比较DenseNet和SVM在MDD分类中的表现 | 两种分类器在未见过的站点上都表现出接近随机水平的性能,表明当前特征和分类器组合无法有效区分MDD患者和健康对照 | 开发基于脑形态学特征的MDD自动诊断方法 | 重度抑郁症患者和健康对照参与者 | 医学影像分析 | 重度抑郁症 | 神经影像分析 | DenseNet, SVM | 脑结构MRI影像 | 7,012名参与者(2,772名MDD患者,4,240名健康对照),来自30个站点 | NA | DenseNet | 平衡准确度 | NA |
| 16154 | 2025-10-07 |
"Sadness smile" curve: Processing emotional information from social network for evaluating thermal comfort perception
2025-Jan, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2024.104025
PMID:39689668
|
研究论文 | 通过分析社交媒体中的人脸表情数据评估热舒适感知,提出'悲伤微笑'曲线模型 | 首次提出'悲伤微笑'曲线概念,利用社交媒体人脸表情数据替代传统气象因素评估热舒适感知 | 数据来源局限于社交媒体,可能受拍摄环境和自愿者偏差影响 | 开发基于人脸表情分析的热舒适感知评估方法 | 来自49个城市82个公园的志愿者面部照片 | 计算机视觉 | NA | 深度学习面部表情分析 | CNN | 图像 | 8314张面部照片 | NA | ResNet | R值 | NA |
| 16155 | 2025-10-07 |
TGF-Net: Transformer and gist CNN fusion network for multi-modal remote sensing image classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316900
PMID:39970154
|
研究论文 | 提出融合Transformer和Gist CNN的多模态遥感图像分类网络TGF-Net | 结合Transformer和CNN优势,设计特征重建模块处理多模态数据冗余,分别针对高光谱图像和合成孔径雷达图像特性设计专用特征提取模块 | 仅在两个HSI和SAR数据集上验证,未涉及其他多模态遥感数据类型 | 解决多模态遥感数据分类挑战 | 地球表面材料的分类与识别 | 计算机视觉 | NA | 遥感成像技术 | Transformer, CNN | 多模态遥感图像(高光谱图像HSI,合成孔径雷达图像SAR) | 两个包含HSI和SAR数据的数据集 | NA | TGF-Net, 包含特征重建模块FRM、基于Transformer的光谱特征提取模块TSFEM、基于Gist的空间特征提取模块GSFEM | NA | NA |
| 16156 | 2025-10-07 |
Coal and gas outburst prediction based on data augmentation and neuroevolution
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317461
PMID:39977390
|
研究论文 | 提出基于数据增强和神经进化算法的煤与瓦斯突出风险预测方法ANEAT | 结合点对点强度变换的数据增强和神经进化算法,解决样本不平衡和多样性不足问题 | NA | 实现煤与瓦斯突出风险的高效准确预测 | 煤矿生产中的煤与瓦斯突出灾害 | 机器学习 | NA | 数据增强,特征重要性评分排序,稀疏主成分分析 | 进化神经网络 | 煤矿特征参数数据 | NA | NA | ANEAT(基于增强神经进化的拓扑结构) | MAE, RMSE, EVAR | NA |
| 16157 | 2025-10-07 |
A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635583
PMID:39464200
|
研究论文 | 开发了一个深度学习框架来表征癫痫灶定位中噪声标签的特性 | 提出了一个数学框架来表征噪声标签,并采用多任务深度学习同时识别噪声标签概率和每个ROI的定位预测 | 临床数据集中可靠的癫痫灶标签稀缺,且术后切除区域通常大于实际癫痫灶组织 | 改善药物难治性局灶性癫痫患者中癫痫灶的定位准确性 | 药物难治性局灶性癫痫患者 | 医学影像分析 | 癫痫 | 静息态功能磁共振成像(rs-fMRI) | 深度学习 | 功能磁共振成像数据 | 模拟数据集(来自人类连接组计划)和临床癫痫数据集 | NA | 多任务深度学习框架 | 定位性能 | NA |
| 16158 | 2025-10-07 |
High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI
2024-Mar-06, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.04.24303727
PMID:38496517
|
研究论文 | 提出一种基于Transformer的高分辨率多延迟动脉自旋标记去噪方法,用于儿科灌注MRI成像 | 首次将Transformer深度学习模型应用于多延迟动脉自旋标记图像去噪,并采用k-space加权图像平均去噪图像作为训练参考 | 研究样本仅限于21名8-17岁正常发育儿童,未包含异常发育群体 | 开发有效的多延迟动脉自旋标记图像去噪方法,提高儿科灌注MRI的成像质量 | 儿科脑灌注成像,重点关注脑血流量和动脉通过时间的测量 | 医学影像处理 | 儿科神经发育疾病 | 多延迟动脉自旋标记,k-space加权图像平均 | Transformer | MRI灌注图像 | 21名8-17岁正常发育儿童 | NA | Transformer | 信噪比,偏差,重测重复性 | NA |
| 16159 | 2025-10-07 |
Deep learning performance on MRI prostate gland segmentation: evaluation of two commercially available algorithms compared with an expert radiologist
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.015002
PMID:38404754
|
研究论文 | 评估两种商业深度学习算法与放射科专家在前列腺MRI腺体分割任务中的性能对比 | 在真实临床多中心环境中验证商业AI算法性能,未进行内部训练直接测试 | 样本量相对有限(123例患者),仅评估两种商业算法 | 验证商业AI算法在前列腺MRI分割中的临床实用性 | 前列腺腺体 | 医学影像分析 | 前列腺癌 | MRI | 深度学习算法 | MRI图像 | 123例患者,来自7家医院,8台扫描仪(1.5T和3T) | NA | NA | Dice相似系数 | NA |
| 16160 | 2025-10-07 |
QuantumNet: An enhanced diabetic retinopathy detection model using classical deep learning-quantum transfer learning
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103185
PMID:39981059
|
研究论文 | 提出一种结合经典深度学习与量子迁移学习的混合模型QuantumNet,用于增强糖尿病视网膜病变检测 | 首次将经典深度学习模型与量子变分分类器相结合,利用量子迁移学习提升医学图像诊断性能 | 仅使用单一数据集进行验证,未在不同医疗中心数据上进行外部验证 | 开发更准确高效的糖尿病视网膜病变检测方法 | 糖尿病视网膜病变患者 | 医学影像分析 | 糖尿病视网膜病变 | 量子迁移学习 | CNN, ResNet50, MobileNetV2, 量子变分分类器 | 眼底图像 | APTOS 2019盲症检测数据集 | Google Cirq | CNN, ResNet50, MobileNetV2, 变分量子电路 | 准确率 | Google Cirq量子计算平台 |