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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2221 | 2025-10-07 |
Evaluations of the Perturbation Resistance of the Deep-Learning-Based Ligand Conformation Optimization Algorithm
2025-01-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01096
PMID:39724561
|
研究论文 | 评估基于深度学习的配体构象优化算法DeepRMSD+Vina对输入扰动的抵抗能力 | 首次系统评估深度学习构象优化算法对输入结构扰动的鲁棒性,并揭示其物理启发的神经网络设计优势 | 对大扰动(RMSD 3-4 Å)的成功率显著下降至11% | 评估深度学习配体构象优化算法的鲁棒性和可靠性 | 蛋白质-配体复合物结构 | 机器学习 | NA | 深度学习构象优化 | 深度学习神经网络 | 分子结构数据 | 多种蛋白质-配体案例 | NA | DeepRMSD+Vina | 成功率, RMSD | NA |
| 2222 | 2025-10-07 |
Robust soybean seed yield estimation using high-throughput ground robot videos
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1554193
PMID:40230608
|
研究论文 | 提出一种基于地面机器人和深度学习的大豆种子产量估算新方法 | 结合鱼眼图像校正和随机传感器效应的数据增强技术,提高种子计数和产量估算架构的准确性和泛化能力 | 仅基于两年数据验证(2021年8500个地块和2023年650个地块),需要更多年份数据验证长期稳定性 | 开发高效准确的大豆产量估算方法以替代传统劳动力密集型方法 | 大豆种植地块 | 计算机视觉 | NA | 计算机视觉,深度学习 | 深度学习框架 | 视频,图像 | 2021年8500个地块,2023年650个地块 | NA | P2PNet-Yield(包含特征提取模块和产量回归模块) | 基因型排名准确率 | NA |
| 2223 | 2025-10-07 |
A weakly supervised deep learning framework for automated PD-L1 expression analysis in lung cancer
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1540087
PMID:40230846
|
研究论文 | 开发了一种基于弱监督深度学习的自动化PD-L1表达分析框架,用于肺癌免疫治疗评估 | 创新性地开发了多示例学习框架MiLT,显著减少对细胞级标注的需求,同时保持高准确性 | 需要在前瞻性临床试验中进一步验证 | 开发可靠的人工智能工具来标准化PD-L1表达评估,改善肺癌免疫治疗患者选择 | 肺癌患者的全玻片图像 | 数字病理学 | 肺癌 | 全玻片图像分析 | 多示例学习 | 图像 | 内部和外部队列验证 | NA | MiLT | 组内相关系数 | NA |
| 2224 | 2025-10-07 |
Unlocking chickpea flour potential: AI-powered prediction for quality assessment and compositional characterisation
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101030
PMID:40231315
|
研究论文 | 本研究探索将深度学习模型与近红外光谱技术相结合,用于鹰嘴豆粉质量评估和成分表征 | 首次将多种先进深度学习模型(CNN、ViT、GCN)应用于鹰嘴豆粉质量评估,并与传统PLSR方法进行对比 | 数据集规模有限,可能影响模型的泛化能力 | 提高鹰嘴豆粉质量评估的准确性和效率 | 136种不同品种的鹰嘴豆粉 | 机器学习 | NA | 近红外光谱技术 | CNN, Vision Transformer, Graph Convolutional Network | 光谱数据 | 136个鹰嘴豆品种 | NA | CNN, Vision Transformer, Graph Convolutional Network | 预测准确性 | NA |
| 2225 | 2025-10-07 |
Automated strabismus detection and classification using deep learning analysis of facial images
2025-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88154-6
PMID:39890897
|
研究论文 | 提出一种基于深度学习的面部图像分析方法,用于自动检测和分类斜视 | 首次使用卷积神经网络实现斜视的自动检测和八类偏差角度分类 | 数据集规模有限,多分类任务仅包含622张图像 | 开发自动斜视检测和分类系统以辅助医疗诊断 | 面部图像中的斜视患者和正常对照者 | 计算机视觉 | 斜视 | 面部图像采集 | CNN | 图像 | 二分类:4,257张面部图像(1,599正常,2,658斜视);多分类:622张图像(480斜视,142正常) | NA | CNN | 敏感度,准确率,F1分数,召回率 | NA |
| 2226 | 2025-10-07 |
An interpretable machine learning model for seasonal precipitation forecasting
2025, Communications earth & environment
IF:8.1Q1
DOI:10.1038/s43247-025-02207-2
PMID:40125292
|
研究论文 | 提出一种名为TelNet的可解释机器学习模型,用于季节降水预测 | 开发了具有变量选择权重的序列到序列模型,支持实例和提前期预测解释 | 训练数据量有限,这是气候预测领域的常见问题 | 开发短期到中期提前期的季节降水预测模型 | 目标区域的季节降水值和气候指数 | 机器学习 | NA | 序列到序列机器学习 | 序列到序列模型 | 时间序列数据(降水值和气候指数) | 小数据集,通过多次重采样训练、验证和测试集 | NA | 编码器-解码器-头部架构 | 确定性性能、概率性能、准确性、校准度 | NA |
| 2227 | 2025-10-07 |
AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3555542
PMID:40168202
|
研究论文 | 提出基于线索掩蔽范式的AADNet深度学习模型,用于快速准确解码脑电信号中的听觉注意定向和音色信息 | 提出线索掩蔽听觉注意范式防止信息泄露,开发端到端深度学习模型AADNet利用短时间窗口脑电信号的时空信息 | NA | 开发快速准确的听觉注意解码技术,用于神经导向助听设备和其他辅助听力设备 | 脑电信号中的听觉注意定向和音色检测 | 脑机接口 | 听力障碍 | 脑电图 | 深度学习 | 脑电信号 | NA | NA | AADNet | 准确率 | NA |
| 2228 | 2025-10-07 |
Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1543316
PMID:40223937
|
研究论文 | 探讨4R原则在民族药理学研究中的实际应用及其影响,追求更人性化的研究方法 | 在传统3R原则基础上引入'责任'原则,强化研究人员对实验动物福利的伦理义务 | 未提供具体实施案例的量化数据支持 | 推动民族药理学研究中动物实验的伦理管理 | 民族药理学研究中的动物实验伦理框架 | 民族药理学 | NA | 3D器官oids、深度学习技术 | NA | NA | NA | NA | NA | NA | NA |
| 2229 | 2025-10-07 |
Enhancing multilevel tea leaf recognition based on improved YOLOv8n
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1540670
PMID:40225027
|
研究论文 | 提出改进的T-YOLOv8n模型用于多层级茶叶识别,通过集成CBAM注意力模块和BiFPN多尺度特征融合提升检测性能 | 提出重叠标签茶叶数据集生成方法,集成CBAM和BiFPN改进YOLOv8n模型,结合CIOU和Focal Loss优化边界框预测 | NA | 提升自动化茶叶采摘中不同类别茶叶的识别精度 | 茶叶图像中的多层级复合特征 | 计算机视觉 | NA | 深度学习 | CNN, YOLO | 图像 | NA | PyTorch | YOLOv8n, CBAM, BiFPN | mAP50, 精确率, 召回率 | 边缘计算环境 |
| 2230 | 2025-10-07 |
Comparative Analysis of nnUNet and MedNeXt for Head and Neck Tumor Segmentation in MRI-Guided Radiotherapy
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_10
PMID:40213035
|
研究论文 | 比较nnUNet和MedNeXt在MRI引导放疗中头颈部肿瘤分割的性能 | 在HNTS-MRG24 MICCAI挑战赛中提出结合预训练和微调策略的多任务解决方案 | 未提供最终测试阶段的详细Dice相似系数分数 | 开发头颈部肿瘤自动分割方法以改进MRI引导放疗 | 头颈部癌患者的原发肿瘤体积(GTVp)和转移淋巴结肿瘤体积(GTVn) | 数字病理 | 头颈部癌 | 磁共振成像(MRI) | 深度学习模型 | MRI图像 | 150例头颈部癌患者的MRI扫描 | NA | nnUNet, MedNeXt | Dice相似系数 | NA |
| 2231 | 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 |
| 2232 | 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 |
| 2233 | 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 |
| 2234 | 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 |
| 2235 | 2025-10-07 |
Advancing personalized diagnosis and treatment using deep learning architecture
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1545528
PMID:40212269
|
研究论文 | 提出基于深度学习的ImmunoNet框架,整合遗传、分子和临床数据以提升自身免疫疾病的诊断准确性和治疗个性化 | 结合CNN和MLP分析多模态数据,采用可解释AI技术和联邦学习提升模型可解释性与隐私保护 | NA | 提高自身免疫疾病的诊断精度和个性化治疗策略 | 自身免疫疾病患者数据 | 机器学习 | 自身免疫疾病 | 深度学习 | CNN, MLP | 遗传数据, 分子数据, 临床数据 | NA | NA | CNN, MLP | 准确率 | NA |
| 2236 | 2025-10-07 |
Preliminary exploratory study on differential diagnosis between benign and malignant peripheral lung tumors: based on deep learning networks
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1567545
PMID:40212272
|
研究论文 | 基于深度学习网络开发超声影像模型用于良恶性周围型肺肿瘤的鉴别诊断 | 首次基于超声影像开发深度学习模型用于周围型肺肿瘤的良恶性鉴别诊断,填补了该领域的研究空白 | 回顾性研究设计,样本量相对有限(371例患者),仅在两中心进行验证 | 开发基于超声影像的深度学习模型用于良恶性周围型肺肿瘤的鉴别诊断 | 接受超声引导下经皮肺肿瘤操作的患者 | 计算机视觉 | 肺癌 | 超声成像 | CNN | 超声图像 | 371例患者(训练集296例,测试集75例) | NA | ResNet18, ResNet34, ResNet50, ResNet101, ResNet152 | AUC, NRI | NA |
| 2237 | 2025-10-07 |
Heterogeneous transfer learning model for improving the classification performance of fNIRS signals in motor imagery among cross-subject stroke patients
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1555690
PMID:40212471
|
研究论文 | 提出一种跨被试异质迁移学习模型,用于提升脑卒中患者运动想象fNIRS信号的跨被试分类性能 | 利用健康个体的EEG数据作为源域,通过自适应特征匹配网络对齐异质模态间的特征表示,解决fNIRS数据稀缺和个体差异问题 | 仅使用8名脑卒中患者的数据进行验证,样本规模有限 | 提升脑卒中患者运动想象fNIRS信号的跨被试分类准确率 | 脑卒中患者的运动想象fNIRS信号 | 脑机接口 | 脑卒中 | fNIRS, EEG | 迁移学习, 深度学习 | 脑信号 | 8名脑卒中患者(康复前后数据) | NA | 自适应特征匹配网络, 稀疏贝叶斯极限学习机 | 准确率, AUC | NA |
| 2238 | 2025-10-07 |
Image-based food monitoring and dietary management for patients living with diabetes: a scoping review of calorie counting applications
2025, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2025.1501946
PMID:40212724
|
综述 | 本文综述了基于图像的糖尿病饮食监测与热量计算应用的研究现状、方法和挑战 | 系统梳理了计算机视觉技术在糖尿病饮食管理中的应用,重点关注食物分割、分类和体积估计等关键技术 | 缺乏标准化验证方法,数据隐私问题尚未完全解决,在不同人群中的普适性有待验证 | 探讨计算机科学在饮食摄入估计中的作用,特别关注糖尿病患者的个性化饮食管理 | 糖尿病患者和基于图像的饮食监测应用 | 计算机视觉 | 糖尿病 | 深度学习 | NA | 食物图像 | NA | NA | NA | NA | 智能手机, 可穿戴设备 |
| 2239 | 2025-04-13 |
Plant stem and leaf segmentation and phenotypic parameter extraction using neural radiance fields and lightweight point cloud segmentation networks
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1491170
PMID:40212877
|
研究论文 | 本研究提出了一种结合神经辐射场模型和轻量级点云分割网络的方法,用于植物茎叶分割和表型参数提取 | 提出了一个轻量级点云分割网络PointSegNet,包含GLSA模块和EAFP模块,用于整合局部和全局特征并增强边缘感知能力 | NA | 开发一种自动提取植物表型参数的方法 | 玉米、番茄和大豆植物的茎叶 | 计算机视觉 | NA | 神经辐射场模型(Nerfacto)、点云分割 | PointSegNet | 3D点云数据 | 玉米、番茄和大豆植物样本 | NA | NA | NA | NA |
| 2240 | 2025-04-13 |
Deep learning-based target spraying control of weeds in wheat fields at tillering stage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1540722
PMID:40212873
|
研究论文 | 本研究结合深度学习设计了目标喷洒决策与滞后算法,并在测试平台上验证其有效性 | 对YOLOv5s进行轻量化改进并设计目标喷洒决策与滞后算法,解决了硬件操作滞后问题 | 实验仅使用模拟杂草和模拟分蘖小麦进行台架实验,未在真实田间环境中验证 | 开发基于深度学习的小麦田杂草目标喷洒控制系统 | 小麦田分蘖期的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5s | 图像 | 模拟杂草和模拟分蘖小麦的台架实验数据集 | NA | NA | NA | NA |