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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2025-10-05 |
Explainable AI and mobile imaging for non-destructive avocado ripeness and internal quality assessment to reduce food waste
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101196
PMID:41019612
|
研究论文 | 本研究结合智能手机成像和深度学习技术,开发了一种非破坏性评估鳄梨成熟度和内部质量的方法 | 首次将可解释AI与移动成像结合用于鳄梨质量评估,开发了CNN残差回归模型并应用LIME技术提供模型解释 | 研究仅针对鳄梨单一水果,在室温储存条件下进行,样本量为1400张图像 | 通过非破坏性质量评估减少食物浪费,支持更智能的消费和分销决策 | 鳄梨果实 | 计算机视觉 | NA | 智能手机成像,纹理分析仪测量 | CNN, Vision Transformer, 支持向量机回归, 随机森林 | 图像 | 1400张鳄梨图像,采集于8天储存期间 | NA | ResNetR, CNN, Vision Transformer | 相关系数R, 准确率 | NA |
| 1222 | 2025-10-05 |
Multidimensional quality evaluation and traceability study of Fritillariae Cirrhosae Bulbus from different sources
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1648434
PMID:41019711
|
研究论文 | 通过多维分析技术研究不同来源川贝母的质量差异并建立深度学习溯源模型 | 首次整合非靶向代谢组学、生物碱定量、矿物营养元素分析和高光谱成像特征,构建基于ResNet深度学习模型的川贝母溯源系统 | 外部验证准确率为86.67%,仍有提升空间;样本来源地域有限 | 建立川贝母多维质量评价体系和准确溯源方法 | 不同地理来源和栽培方式的川贝母样本 | 数字病理 | NA | 非靶向代谢组学,生物碱定量分析,矿物营养元素分析,高光谱成像 | 深度学习,CNN | 高光谱图像,代谢组数据,化学成分数据 | 来自色卡乡、八美镇、川主寺镇和安宏乡的川贝母样本 | NA | ResNet | 准确率 | NA |
| 1223 | 2025-10-05 |
Deep-broad learning network model for precision identification and diagnosis of grape leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1611301
PMID:41019747
|
研究论文 | 提出一种结合宽度学习与深度学习的深度-宽度学习网络模型(ABLSS),用于葡萄叶片病害的精准识别与诊断 | 将宽度学习网络模型与深度学习技术相结合,引入LTM机制和SENet注意力机制,并整合扩张空间金字塔池化和特征金字塔网络 | NA | 实现葡萄叶片病害的快速、精准、高效识别与诊断 | 葡萄叶片病害 | 计算机视觉 | 植物病害 | 图像识别 | 深度学习,宽度学习 | 图像 | NA | NA | BLS,U-Net,SENet | 准确率,MIOU,MPA | NA |
| 1224 | 2025-10-05 |
IMNM: integrated multi-network model for identifying pepper leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1558349
PMID:41019742
|
研究论文 | 提出一种集成多网络模型(IMNM)用于识别辣椒叶片病害 | 结合改进的ResNet、动态卷积网络(DCN)和渐进式原型网络(PPN)构建集成模型,具备强大的跨作物泛化能力 | NA | 开发基于深度学习的作物病害智能识别方法 | 辣椒叶片病害(健康、病毒病、叶枯病、褐斑病、斑点病)以及苹果、小麦、水稻叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 五种典型辣椒叶片样本 | NA | ResNet,DCN,PPN | 准确率,特异性,精确率,灵敏度 | NA |
| 1225 | 2025-10-05 |
YOLO-LF: application of multi-scale information fusion and small target detection in agricultural disease detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609284
PMID:41019758
|
研究论文 | 提出改进的YOLO-LF模型用于农业病害检测,通过多尺度信息融合和小目标检测技术提升检测精度 | 引入CSPPA、SEA和LGCK模块,增强多尺度特征融合、注意力机制和小病变区域敏感性 | NA | 提高农业病害检测的准确性和效率,特别是针对小目标和复杂背景下的检测任务 | 农业作物病害 | 计算机视觉 | 农业病害 | 深度学习 | YOLO | 图像 | Plant Pathology 2020 - FGVC7和Plant Pathology 2021 - FGVC8数据集 | NA | YOLO-LF, CSPPA, SEA, LGCK | mAP@0.5%, mAP@0.5-0.95% | NA |
| 1226 | 2025-10-05 |
Avoidance behaviours of farmed Atlantic salmon (Salmo salar L.) to artificial sound and light: a case study of net-pen mariculture in Norway
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1657567
PMID:41019777
|
研究论文 | 研究养殖大西洋鲑对人工声音和光照的回避行为,为水产养殖设备设计提供依据 | 首次系统研究商业网箱养殖环境下大西洋鲑对不同频率声音和不同深度光照强度的行为响应 | 仅针对挪威网箱养殖环境,未考虑其他养殖条件或鱼种 | 评估养殖设备产生的声音和光照对鱼类行为的影响,优化水产养殖设备设计 | 养殖大西洋鲑 | 水产养殖 | NA | 声纳监测,深度学习图像处理 | 深度学习 | 声纳图像数据 | 商业网箱中的成年养殖大西洋鲑 | NA | NA | 回避距离估计 | NA |
| 1227 | 2025-10-05 |
Evaluation of the impact of AI-driven personalized learning platform on medical students' learning performance
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1610012
PMID:41020237
|
研究论文 | 评估基于Coze平台的AI驱动个性化学习对医学生学习成效的影响 | 首次在医学教育中整合动态学习路径优化、情感感知支持和BERT模型资源推荐的综合AI干预方案 | 样本量较小(40人),缺乏长期效果追踪,需多中心大样本研究进一步验证 | 评估AI个性化学习平台在医学教育中的应用价值 | 40名全日制医学本科生 | 自然语言处理 | NA | 自然语言处理(NLP),BERT模型 | BERT | 文本数据,学习行为数据,测评成绩 | 40名医学本科生(实验组20人,对照组20人) | NA | BERT | 标准化测试成绩,学习满意度量表,学习时长,课堂互动频率,文献阅读量 | NA |
| 1228 | 2025-10-05 |
Illuminating Entomological Dark Matter with DNA Barcodes in an Era of Insect Decline, Deep Learning, and Genomics
2025-01, Annual review of entomology
IF:15.0Q1
|
综述 | 本文综述了DNA条形码技术在昆虫物种鉴定和生物多样性研究中的关键作用及其在深度学习与基因组学时代的应用前景 | 提出DNA条形码将成为深度学习算法图像训练集构建、全球生物多样性基因组学和昆虫群落功能分析的重要工具 | 未提及具体技术实施中的操作限制或数据质量挑战 | 探讨DNA条形码技术在昆虫鉴定和生物多样性研究中的应用与发展趋势 | 昆虫物种及生物多样性群落 | 生物信息学 | NA | DNA条形码, 宏条形码, 大规模条形码, 基因组测序 | 深度学习算法 | DNA序列数据, 图像数据 | NA | NA | NA | NA | NA |
| 1229 | 2025-10-05 |
Overlapping point cloud registration algorithm based on KNN and the channel attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325261
PMID:40455723
|
研究论文 | 提出一种结合KNN和通道注意力机制的点云配准算法,用于提升重叠区域的特征提取和匹配能力 | 首次将KNN算法与通道注意力机制协同结合用于点云配准,并设计了有效性评分网络提升系统鲁棒性 | 仅在ModelNet40和Stanford数据集上进行了验证,需要更多实际场景测试 | 提升重叠区域点云配准的精度和鲁棒性 | 三维点云数据 | 计算机视觉 | NA | LiDAR, 深度相机 | 深度学习 | 点云数据 | ModelNet40数据集和Stanford数据集 | NA | KNN, 通道注意力机制(CAM) | 均方根误差(RMSE), 平均绝对误差(MAE) | NA |
| 1230 | 2025-10-05 |
Volume Fusion-Based Self-Supervised Pretraining for 3D Medical Image Segmentation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3610249
PMID:40982499
|
研究论文 | 提出一种基于体积融合的自监督预训练方法,用于提升3D医学图像分割性能 | 通过引入伪分割前置任务,最小化预训练与下游任务之间的差距,无需人工标注即可训练 | NA | 解决医学图像分割中训练数据或标注有限的问题 | 3D医学图像分割模型 | 医学图像分析 | NA | 自监督学习 | 3D分割模型 | 3D医学图像(腹部CT) | NA | NA | NA | 分割性能指标,收敛速度 | NA |
| 1231 | 2025-10-05 |
No-Reference Image Quality Assessment Leveraging GenAI Images
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3610238
PMID:40982497
|
研究论文 | 提出一种基于生成式AI图像的无参考图像质量评估方法,通过生成失真图像构建大规模预训练数据集 | 首次利用生成式AI图像作为参考图像,通过冷扩散模型生成多种失真类型的图像,并构建大规模预训练数据集 | 方法依赖于生成式AI图像的质量和多样性,可能无法覆盖所有真实世界的失真类型 | 解决无参考图像质量评估中缺乏标注数据和泛化能力差的问题 | 图像质量评估 | 计算机视觉 | NA | 冷扩散模型 | 深度学习模型 | 图像 | 八个公共数据库的大规模图像数据 | NA | 多尺度交叉注意力块(MCAB), 尺度简单注意力模块(SSAM) | SOTA性能指标 | NA |
| 1232 | 2025-10-05 |
Fine-grained Prototype Network for MRI Sequence Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种用于MRI序列分类的细粒度原型网络SequencesNet | 结合CNN和改进视觉Transformer的特征提取网络,添加特征选择模块和原型分类模块以捕捉细粒度差异 | 计算复杂度较高,模型泛化能力有待提升 | 解决MRI序列分类中类间差异细微而类内差异显著的问题 | 腹部MRI序列图像 | 医学影像分析 | 腹部疾病 | 磁共振成像 | CNN, Transformer | 医学图像 | 公共腹部MRI序列分类数据集和私有数据集 | NA | 改进的视觉Transformer,3DResNet18,TransFG | 准确率,召回率,精确率 | NA |
| 1233 | 2025-10-05 |
Gamma-Band Binaural Beats Neuromodulation Enhances P300 Classification in an Auditory Brain-Computer Interface 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.2025.3604016
PMID:40880336
|
研究论文 | 本研究探讨伽马波段双耳节拍神经调控对听觉P300脑机接口分类性能的增强作用 | 首次系统评估伽马波段双耳节拍作为低成本神经调控方法对听觉P300-BCI的优化效果,并发现非周期参数变化与BCI性能改善的关联 | 仅纳入健康受试者,未验证临床患者群体的适用性 | 开发实用型神经调控方法以增强听觉脑机接口性能 | 30名健康参与者 | 脑机接口 | NA | 脑电图, 双耳节拍刺激 | 机器学习分类器, 深度学习模型 | 脑电图信号 | 30名健康参与者 | NA | NA | 分类准确率 | NA |
| 1234 | 2025-10-05 |
Novel Physics-Informed Bayesian Fusion Post-Processor for Enhanced Gait Phase Recognition Using Surface Electromyography
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.2025.3604618
PMID:40889304
|
研究论文 | 本研究提出了一种新颖的物理信息贝叶斯融合后处理器,用于改进基于表面肌电信号的步态相位识别 | 将生物力学序列约束嵌入分类器的后验概率输出,以抑制不稳定的转换并促进自然步态进展 | NA | 提高肌电控制在下肢辅助设备中的安全性、可靠性和实时性能 | 下肢肌肉表面肌电信号和步态周期相位 | 机器学习 | NA | 表面肌电信号采集 | SVM, ANN, KNN, CNN-LSTM混合模型 | 表面肌电信号 | 40名受试者(SIAT-LLMD数据集) | NA | CNN-LSTM混合架构 | 准确率, 转换检测差异, 不稳定性指数 | NA |
| 1235 | 2025-10-05 |
EfficientNetSwift: A Lightweight and Precise Deep Learning Model for Detecting Oral Squamous Cell Carcinoma Using Pathological Images
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251380966
PMID:41004387
|
研究论文 | 开发基于改进轻量级EfficientNetSwift的深度学习模型,用于口腔鳞状细胞癌病理图像的自动检测 | 提出改进的轻量级EfficientNetSwift模型,在保持高精度的同时显著减少参数数量 | NA | 开发人工智能方法实现口腔鳞状细胞癌的自动化检测 | 口腔鳞状细胞癌病理图像 | 数字病理学 | 口腔鳞状细胞癌 | 深度学习 | CNN, Transformer | 病理图像 | NA | NA | EfficientNetSwift, ResNet, MobileNet, VIT, Swin Transformer | 准确率, AUC | NA |
| 1236 | 2025-10-05 |
CAAFE-ResNet: A ResNet With Channel Attention-Augmented Feature Extraction for Prognostic Assessment in Rectal Cancer
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70030
PMID:40867076
|
研究论文 | 提出一种基于ResNet18*的通道注意力增强特征提取模型CAAFE-ResNet18*,用于直肠癌MRI图像的预后评估 | 设计了创新的特征提取与补充模块CAAFE,结合多尺度空洞卷积并行架构和通道注意力机制,实现多层次信息融合、空间特征增强和通道特征优化 | NA | 通过深度学习模型早期识别直肠癌治疗完全响应和非响应患者 | 局部晚期直肠癌患者的MRI图像 | 计算机视觉 | 直肠癌 | 磁共振成像 | CNN | 图像 | NA | NA | ResNet18*, CAAFE | NA | NA |
| 1237 | 2025-10-05 |
Multivideo Models for Classifying Hand Impairment After Stroke Using Egocentric Video
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.2025.3596488
PMID:40768474
|
研究论文 | 提出一种新型多视频架构,通过处理多个任务视频来改善对中风后手部功能障碍的分类 | 首次开发能够同时分析多个功能任务视频的深度学习架构,突破现有方法仅能处理单一活动的限制 | 研究基于家庭模拟实验室环境采集的数据,可能无法完全反映真实自然环境下的表现 | 开发基于多视频分析的中风后手部功能障碍自动评估方法 | 中风幸存者在日常活动中的手部功能表现 | 计算机视觉 | 中风 | 可穿戴(自我中心)摄像技术 | 深度学习 | 视频 | 中风幸存者参与者在家庭模拟实验室中进行的日常活动视频 | PyTorch | SlowFast | F1-score | NA |
| 1238 | 2025-10-05 |
Evaluating the diagnostic performance of OpenBioLLM in neurology: A case-based assessment of a medical large language model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332196
PMID:40997070
|
研究论文 | 评估OpenBioLLM大型语言模型在神经病学领域的诊断性能 | 首次对医学大型语言模型OpenBioLLM在复杂神经病学病例中的诊断能力进行系统评估 | 模型在识别正确病理生理原因方面存在困难,准确率较低,尚不能作为独立诊断工具 | 评估OpenBioLLM在神经病学条件下的诊断准确性、全面性、补充性和流畅性 | 25个来自《神经病学临床病例》的复杂神经病学病例 | 自然语言处理 | 神经系统疾病 | 大型语言模型 | Transformer | 文本 | 25个神经病学病例 | NA | OpenBioLLM | 准确率, 全面性, 补充性, 流畅性 | NA |
| 1239 | 2025-10-05 |
Vision transformer and Mamba-attention fusion for high-precision PCB defect detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331175
PMID:40997120
|
研究论文 | 提出融合视觉Transformer和Mamba注意力机制的ViT-Mamba混合框架,用于高精度PCB缺陷检测 | 结合视觉Transformer与Mamba注意力机制进行全局特征提取,并引入人工缺陷生成模块和分层多尺度优化策略 | NA | 解决PCB缺陷检测中数据分布不平衡和泛化能力有限的问题 | 印刷电路板(PCB)缺陷 | 计算机视觉 | NA | NA | Vision Transformer, Mamba注意力机制 | 图像 | 公共PCB缺陷数据集 | NA | ViT-Mamba | mAP(平均精度均值) | NA |
| 1240 | 2025-10-05 |
A systematic review of the hybrid machine learning models for brain tumour segmentation and detection in medical images
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1615550
PMID:41000409
|
系统综述 | 系统回顾混合机器学习模型在医学图像中脑肿瘤分割与检测的应用 | 综合分析传统机器学习模型(如SVM)与深度神经网络(如VGG-19、YOLOv10n)的混合模型在脑肿瘤分析中的性能优势 | 模型泛化能力不足、缺乏大型标注数据集、可解释人工智能(XAI)应用有限 | 提升脑肿瘤MRI图像分析的诊断准确性和计算效率 | 脑肿瘤医学图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 混合机器学习模型,SVM,CNN | 医学图像 | 25项相关研究(2019-2024年发表) | NA | VGG-19,YOLOv10n | Dice相似系数(DSC),交并比(IoU),准确率,精确率,召回率,F1分数 | NA |