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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18341 | 2025-10-07 |
A tactile perception method with flexible grating structural color
2025-Jan, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwae413
PMID:39764508
|
研究论文 | 提出一种结合柔性光栅结构色与深度学习的新型触觉感知方法及传感器 | 首次将光学干涉图案作为触觉信息的视觉表征,结合柔性闪耀光栅的结构色与深度学习技术 | NA | 开发高性能的触觉感知方法 | 柔性触觉传感器 | 计算机视觉 | NA | 光学干涉图案,柔性闪耀光栅 | 深度学习 | 图像 | NA | NA | NA | 法向力精度6 mN,平面分辨率79 μm,接触深度分辨率25 μm | NA |
| 18342 | 2025-10-07 |
A prediction approach to COVID-19 time series with LSTM integrated attention mechanism and transfer learning
2024-Dec-31, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02433-w
PMID:39736527
|
研究论文 | 提出一种结合注意力机制和迁移学习的LSTM模型,用于预测城市级COVID-19时间序列数据 | 针对小区域COVID-19时间序列预测问题,提出新型注意力机制与频域卷积增强结合的迁移学习方法 | 研究仅针对中国徐州单一城市数据,模型在其他地区的泛化能力有待验证 | 开发适用于小区域COVID-19每日确诊病例时间序列的精准预测方法 | 中国徐州市2022年11月至2023年11月的COVID-19每日确诊病例数据 | 时间序列预测 | COVID-19 | 时间序列分析,深度学习 | RNN, LSTM, GRU, TCN, LSTM-Attention | 时间序列数据 | 徐州城市COVID-19每日确诊病例数据(2022.11.1-2023.11.16) | NA | LSTMATT, TLLA | 平均绝对误差, 均方根误差, 决定系数 | NA |
| 18343 | 2025-10-07 |
RTify: Aligning Deep Neural Networks with Human Behavioral Decisions
2024-Dec-26, ArXiv
PMID:39764401
|
研究论文 | 提出一种新颖的计算框架,通过将循环神经网络的时间动态与人类反应时间对齐来模拟人类行为决策动态 | 首次提出通过约束RNN时间步长与人类反应时间对齐的方法来模拟行为决策动态,并展示了在无人类数据情况下优化速度-准确性权衡的能力 | 方法依赖于近似计算,需要在更多心理物理学实验中进一步验证 | 开发能够更好对齐人类行为动态的视觉计算模型 | 人类行为决策动态和反应时间 | 计算机视觉 | NA | 心理物理学实验 | RNN, CNN | 人工和自然图像刺激 | NA | NA | Wong-Wang决策模型 | 反应时间对齐度,速度-准确性权衡 | NA |
| 18344 | 2025-10-07 |
Predictive Modeling of Gene Expression and Localization of DNA Binding Site Using Deep Convolutional Neural Networks
2024-Dec-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.17.629042
PMID:39763851
|
研究论文 | 开发了一种基于深度卷积神经网络的工具DARSI,用于从原始调控DNA序列预测基因表达水平并系统识别转录因子结合位点 | 首次利用卷积神经网络分析调控DNA序列中的长距离碱基相关性,实现了单碱基对分辨率的转录因子结合位点预测 | 方法依赖于MPRA数据的质量和数量,预测的新型结合位点需要后续实验验证 | 开发能够考虑调控序列中远距离碱基相关性的基因表达预测和DNA结合位点定位方法 | 调控DNA序列和转录因子结合位点 | 生物信息学 | NA | 大规模并行报告基因分析(MPRA) | CNN | DNA序列数据 | 数千个调控区域的突变变体 | NA | 卷积神经网络 | 准确性 | NA |
| 18345 | 2025-10-07 |
Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples
2024-Dec-18, Research square
DOI:10.21203/rs.3.rs-5348708/v1
PMID:39764112
|
研究论文 | 本研究使用预训练卷积神经网络通过语音样本的声谱图图像识别帕金森病 | 首次在智能手机宽带录音数据集上验证迁移学习方法,并比较线性尺度与梅尔尺度声谱图的性能差异 | 未提及具体样本量的详细统计信息,未说明计算资源的具体配置 | 开发基于深度学习的帕金森病自动检测方法 | 帕金森病患者的语音样本 | 计算机视觉 | 帕金森病 | 语音录音分析 | CNN | 图像 | NA | NA | 预训练卷积神经网络 | 分类性能 | NA |
| 18346 | 2025-10-07 |
Interpretable deep learning survival predictions in sporadic Creutzfeldt-Jakob disease
2024-Dec-16, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-024-12815-1
PMID:39680177
|
研究论文 | 开发基于人工神经网络的多任务逻辑回归模型预测散发性克雅氏病患者的生存期 | 首次将人工神经网络应用于sCJD生存预测,并采用模型无关解释方法评估特征贡献 | 模型性能相较于传统Cox比例风险模型无统计学显著提升 | 开发可解释的深度学习模型用于sCJD患者生存预测 | 655例根据2017年国际共识诊断标准确诊的英国sCJD患者 | 机器学习 | 神经退行性疾病 | CSF RT-QuIC, 14-3-3蛋白检测, MRI, EEG | 人工神经网络, 多任务逻辑回归 | 临床诊断数据 | 655例sCJD患者(2017-2022年英国监测数据) | NA | 人工神经网络 | c-index, IBS, AUC | NA |
| 18347 | 2025-10-07 |
Machine learning and deep learning algorithms in stroke medicine: a systematic review of hemorrhagic transformation prediction models
2024-Dec-12, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-024-12810-6
PMID:39666168
|
系统综述 | 系统评估和比较机器学习与深度学习算法在预测急性缺血性卒中后出血性转化方面的有效性 | 首次系统比较多种ML和DL算法在HT预测中的表现,发现梯度提升和卷积神经网络具有最佳预测性能 | 研究设计存在异质性,无法进行定量荟萃分析,纳入研究数量有限 | 评估机器学习与深度学习算法在卒中医学中预测出血性转化的效果 | 急性缺血性卒中患者 | 机器学习 | 脑血管疾病 | 机器学习算法,深度学习算法 | Logistic Regression, Support Vector Machine, Random Forest, Gradient Boosting, Neural Networks, CNN | 临床数据和影像数据 | 24项符合纳入标准的研究 | NA | 神经网络,卷积神经网络 | AUC | NA |
| 18348 | 2025-10-07 |
PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification
2024-Dec-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01250-3
PMID:39633210
|
研究论文 | 提出一种基于像素分类的深度学习框架PixCUE,可在单次前向传播中同时完成MRI图像重建和不确定性估计 | 首次将像素分类框架应用于MRI重建中的不确定性估计,无需多次推理即可生成不确定性图 | NA | 开发高效准确的MRI重建不确定性估计方法 | 磁共振成像(MRI)数据 | 医学影像处理 | NA | 磁共振成像(MRI) | 深度学习模型 | 医学图像 | NA | NA | PixCUE | NMSE, PSNR, SSIM | NA |
| 18349 | 2025-10-07 |
Speech-based personality prediction using deep learning with acoustic and linguistic embeddings
2024-12-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81047-0
PMID:39627367
|
研究论文 | 本研究提出了一种通过分析语音样本来预测大五人格特质的新方法 | 结合声学和语言嵌入,使用预训练CNN和Transformer模型从自由形式语音中提取特征,并采用梯度提升树模型进行人格预测 | 依赖自报人格问卷作为基准,样本多样性可能存在限制 | 开发基于语音的计算人格评估方法 | 2045名完成大五人格问卷并提供自由形式语音样本的参与者 | 自然语言处理 | NA | 语音分析 | CNN, Transformer | 语音 | 2045名参与者 | NA | 预训练CNN和Transformer模型 | 相关系数, 组内相关系数 | NA |
| 18350 | 2025-10-07 |
Improved deep learning for automatic localisation and segmentation of rectal cancer on T2-weighted MRI
2024-Dec, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.794
PMID:38654675
|
研究论文 | 提出一种基于注意力机制的新型分割模型AttSEResUNet,用于直肠癌在T2加权MRI图像中的自动定位和分割 | 在ResUNet基础上结合注意力机制,提出AttSEResUNet模型,在直肠癌分割任务中表现优于其他对比模型 | 样本量相对较小(65例患者),仅使用T2WI序列图像 | 比较不同深度学习模型在直肠癌MRI图像分割中的准确性 | 直肠癌患者的T2加权MRI图像 | 计算机视觉 | 直肠癌 | MRI | 深度学习 | 医学图像 | 65例直肠癌患者(训练集45例,验证集20例) | NA | AttSEResUNet, U-Net, ResUNet, AttUNet | Dice相似系数, Hausdorff距离, 平均一致距离, Jaccard指数 | NA |
| 18351 | 2025-10-07 |
Classification-based pathway analysis using GPNet with novel P-value computation
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf039
PMID:39879387
|
研究论文 | 本文提出了一种基于深度学习的通路分析方法GPNet,采用新型P值计算策略解决大规模多中心数据集中的通路分析问题 | 开发了基于混淆矩阵的新型P值计算方法,并将深度学习分类模型Gene PointNet应用于通路分析任务 | NA | 解决传统通路分析方法在低信噪比和大样本数据集中的性能限制 | 基因表达数据和生物通路 | 生物信息学 | 乳腺癌 | RNA-Seq | 深度学习分类模型 | 基因表达数据 | 癌症基因组图谱乳腺癌数据集 | NA | Gene PointNet | Type I错误率, 统计功效 | NA |
| 18352 | 2025-10-07 |
A Real-Time End-to-End Framework with a Stacked Model Using Ultrasound Video for Cardiac Septal Defect Decision-Making
2024-11-03, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10110280
PMID:39590744
|
研究论文 | 提出一种基于超声视频的实时端到端框架,用于小儿心脏间隔缺损的决策支持 | 首次将Yolov8l架构应用于实时小儿心脏超声视频分析,实现高精度的CSD自动诊断 | 研究样本仅来自单一医疗中心(印尼巨港Mohammad Hoesin总医院),需要更多外部验证 | 开发实时自动诊断系统以提高心脏间隔缺损的诊断效率 | 小儿心脏间隔缺损患者的超声视频 | 计算机视觉 | 心血管疾病 | 超声成像 | YOLO | 视频 | 222个超声视频(训练)+ 53个实时测试视频 | PyTorch | Yolov8l | 准确率, 敏感度, 特异性, mAP | NA |
| 18353 | 2025-10-07 |
An Artificial Intelligent System for Prostate Cancer Diagnosis in Whole Slide Images
2024-Oct-28, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02118-3
PMID:39466503
|
研究论文 | 开发并验证用于前列腺癌全切片图像诊断的人工智能系统 | 提出三阶段分析流程(组织检测、分类和玻片级分析),整合传统机器学习与深度学习算法,同时检测神经周围浸润并量化癌组织比例 | 仅使用H&E染色玻片,未提及其他染色方法或多中心外部验证结果 | 开发满足临床报告需求的计算机辅助前列腺癌诊断工具 | 前列腺组织全切片图像 | 数字病理学 | 前列腺癌 | 全切片成像,H&E染色 | 深度学习,传统机器学习 | 图像 | 2340张H&E染色玻片,由11位专业病理学家在4个医疗中心独立标注 | NA | NA | 准确率,灵敏度,特异性 | NA |
| 18354 | 2025-10-07 |
Semantic Segmentation of CT Liver Structures: A Systematic Review of Recent Trends and Bibliometric Analysis : Neural Network-based Methods for Liver Semantic Segmentation
2024-Oct-14, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02115-6
PMID:39400739
|
系统综述 | 对基于神经网络的CT肝脏结构语义分割方法进行系统回顾和文献计量分析 | 首次提供该科学领域的文献计量报告,系统概述了深度学习在肝脏结构分割中的研究进展 | 仅关注CT图像中的肝脏结构分割,未涵盖其他成像模态 | 系统回顾神经网络在CT肝脏结构语义分割中的最新进展 | 医学CT图像中的肝脏结构 | 计算机视觉 | 肝脏疾病 | CT成像 | 深度学习,生成模型 | CT图像 | NA | NA | 混合2D和3D网络 | 性能基准 | NA |
| 18355 | 2025-10-07 |
Deep learning pipeline for automated cell profiling from cyclic imaging
2024-10-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74597-w
PMID:39384907
|
研究论文 | 开发用于循环荧光显微镜图像的自动化细胞分析深度学习流程CycloNET | 提出专门针对循环免疫荧光数据的端到端计算流程,实现快速图像配准和细胞分割 | 仅应用于头颈部鳞状细胞癌的22个人类样本,需要验证在其他疾病类型的适用性 | 开发自动化分析循环荧光显微镜图像的计算方法 | 头颈部鳞状细胞癌患者的组织样本和免疫细胞 | 数字病理学 | 头颈部鳞状细胞癌 | 循环免疫荧光显微镜 | CNN | 荧光显微镜图像 | 22个人类头颈部鳞状细胞癌样本,每个样本13个染色周期和17个视野 | NA | 预训练神经网络 | 处理效率(10分钟完成大规模数据集分析) | NA |
| 18356 | 2025-10-07 |
Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study
2024-Oct, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03429-5
PMID:39014270
|
研究论文 | 本研究评估了nnU-net在眼部附件淋巴瘤多序列MRI图像上的自动分割和体积测量性能 | 首次在多中心研究中应用自配置nnU-net实现眼部附件淋巴瘤的自动分割和体积测量 | 模型2无法检测19例T1c序列病例,T1_nFS序列的分割性能相对较差 | 评估深度学习模型在眼部附件淋巴瘤MRI图像分割和体积测量中的性能 | 眼部附件淋巴瘤患者 | 医学影像分析 | 眼部附件淋巴瘤 | 多序列MRI成像 | nnU-net | MRI图像 | 训练集147例患者,测试集33例患者 | nnU-net | nnU-net | Dice相似系数, 敏感度, 阳性预测值, Bland-Altman图, Lin一致性相关系数 | NA |
| 18357 | 2025-10-07 |
Global Genotype by Environment Prediction Competition Reveals That Diverse Modeling Strategies Can Deliver Satisfactory Maize Yield Estimates
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.13.612969
PMID:39345633
|
研究论文 | 通过全球基因型与环境预测竞赛分析多种建模策略在玉米产量预测中的表现 | 首次公开的G2F计划GxE预测竞赛,展示了多种建模方法在相同数据集上的比较结果 | 竞赛环境下的评估可能无法完全代表实际应用场景 | 研究基因与环境因素组合对表型预测的影响 | 玉米产量预测 | 计算生物学 | NA | 基因组变异分析、表型测量、气象数据采集 | 随机森林、岭回归、最小二乘法、深度学习 | 基因组数据、表型数据、气象数据、田间管理记录 | 九年收集的大型数据集 | NA | 模型集成、机制模型 | 产量预测准确度 | NA |
| 18358 | 2025-10-07 |
Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review
2024-Sep-12, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-024-02105-8
PMID:39264388
|
系统性综述 | 系统比较视觉Transformer和卷积神经网络在医学影像分析中的性能表现 | 首次系统性地比较ViT和CNN在医学影像分析领域的综合表现,涵盖鲁棒性、计算效率、可扩展性和准确性等多个维度 | 仅纳入36项研究,样本量相对有限;未进行定量荟萃分析 | 比较视觉Transformer和卷积神经网络在医学影像分析中的性能差异 | 医学影像数据 | 计算机视觉 | NA | 深度学习 | Vision Transformer, CNN | 医学影像 | 36项研究 | NA | Vision Transformer, 卷积神经网络 | 鲁棒性, 计算效率, 可扩展性, 准确性 | NA |
| 18359 | 2025-10-07 |
Advancing ICU patient care with a Real-Time predictive model for mechanical Power to mitigate VILI
2024-Sep, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105511
PMID:38851133
|
研究论文 | 开发用于预测ICU患者机械功率的实时人工智能模型以减轻呼吸机引起的肺损伤 | 首次开发混合神经网络模型实时预测机械功率,可提前15分钟预警,并集成到临床网络平台 | 回顾性观察研究设计,仅纳入单中心2018-2022年数据 | 通过人工智能预测机械功率来减轻呼吸机引起的肺损伤 | ICU接受有创机械通气的成年患者 | 医疗人工智能 | 呼吸系统疾病 | 临床数据挖掘,深度学习 | 混合神经网络 | 临床数据,机械通气参数,实验室数据,监测数据 | 1967名患者(中位年龄63岁,66.9%男性) | NA | 混合神经网络 | 均方误差,准确率 | NA |
| 18360 | 2025-10-07 |
GenomicLinks: deep learning predictions of 3D chromatin interactions in the maize genome
2024-Sep, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae123
PMID:39318505
|
研究论文 | 开发了深度学习模型GenomicLinks来预测玉米基因组中的3D染色质相互作用 | 首次在植物中应用深度学习模型预测染色质3D相互作用,并发现bHLH转录因子结合基序对染色质环形成的特异性预测作用 | 目前主要针对玉米基因组,植物染色质环形成的生物学机制仍了解有限 | 识别预测3D染色质相互作用的DNA序列特征 | 玉米基因组中的染色质相互作用 | 基因组学 | NA | 深度学习,诱变方法,单细胞共可及性分析 | 深度学习模型 | 基因组序列数据,染色质相互作用数据 | NA | NA | GenomicLinks | 相互作用概率 | 开源网络工具 |