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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1321 | 2025-10-05 |
Enhancing fruit freshness classification with adaptive knowledge distillation and global response normalization in convolutional networks
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3198
PMID:40989448
|
研究论文 | 提出一种结合自适应知识蒸馏和全局响应归一化的深度学习架构用于水果新鲜度分类 | 首次将自适应知识蒸馏与全局响应归一化结合,通过从教师模型向学生模型传递注意力图实现高效知识迁移 | NA | 通过早期检测腐烂水果来减少食物浪费并提升农业质量控制 | 水果新鲜度分类(新鲜或腐烂) | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | 教师模型-学生模型架构 | 准确率,F1分数,AUC | NA |
| 1322 | 2025-10-05 |
Deep vision-based real-time hand gesture recognition: a review
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2921
PMID:40989457
|
综述 | 本文综述了基于深度学习的实时手势识别方法,重点分析CNN、LSTM和注意力机制等模型在解决边缘模糊、旋转误差和计算延迟等问题中的应用 | 系统比较了不同深度学习模型在手势识别中的贡献,并从模型使用率、精度/效率提升、识别阶段作用等维度进行综合分析 | 作为综述文章,不涉及原始实验研究,主要基于现有文献进行分析 | 回顾和评估深度学习在手势识别领域的最新进展和应用效果 | 基于视觉的手势识别技术 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, 注意力机制 | 图像 | NA | NA | NA | 准确率, 效率 | NA |
| 1323 | 2025-10-05 |
Local-global multi-scale attention network for medical image segmentation
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3033
PMID:40989458
|
研究论文 | 提出一种用于医学图像分割的局部-全局多尺度注意力网络LGMANet | 设计了局部-全局信息处理块(LGIPB)和高效多尺度重建注意力(EMRA)模块,有效解决局部与全局信息提取不足及核心特征选择不准确的问题 | NA | 提升医学图像分割的准确性和鲁棒性 | 医学图像分割任务 | 计算机视觉 | 皮肤病、结肠息肉、乳腺癌、腺癌 | 深度学习 | CNN | 医学图像 | ISIC2018、CVC-ClinicDB、BUSI、GLaS四个数据集 | NA | LGMANet(包含LGIPB和EMRA模块) | IoU | NA |
| 1324 | 2025-10-05 |
Predicting sport event outcomes using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3011
PMID:40989473
|
研究论文 | 提出结合一维卷积神经网络和Transformer架构的深度学习框架,用于提升体育赛事结果预测的准确性 | 首次将1D CNN与Transformer架构相结合用于体育赛事预测,通过卷积层捕捉局部空间模式,同时利用自注意力机制建模长程依赖关系 | NA | 提高体育赛事结果预测的准确性和鲁棒性 | 体育赛事结果预测 | 机器学习 | NA | 深度学习 | CNN, Transformer | 结构化比赛数据 | 基准体育数据集 | NA | 1D CNN, Transformer | 准确率, 鲁棒性 | NA |
| 1325 | 2025-10-05 |
An evolutionary Bi-LSTM-DQN framework for enhanced recognition and classification in rural information management
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2967
PMID:40989483
|
研究论文 | 提出一种融合进化算法、强化学习和双向长短期记忆网络的EBLM-DQN框架,用于提升农村信息管理的识别与分类精度 | 首次将进化算法与Bi-LSTM和深度Q网络结合,通过动态权重优化和进化选择实现农村信息的精准分类 | 未明确说明框架在计算资源消耗和实时性方面的表现 | 提高农村信息管理系统中信息识别与分类的准确性和效率 | 农民相关农村信息数据 | 自然语言处理 | NA | 消歧技术、数据补全 | Bi-LSTM, DQN | 文本 | NA | NA | 双向长短期记忆网络, 深度Q网络 | 分类准确率 | NA |
| 1326 | 2025-10-05 |
A review of deep learning methods in aquatic animal husbandry
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3105
PMID:40989481
|
综述 | 本文对水产养殖中使用的深度学习方法进行了系统性综述 | 系统总结了深度学习在水产养殖分类、定位和分割三个关键领域的应用,特别指出U-Net模型在分割任务中达到94.44%的高性能 | 未提及具体的研究局限性,但指出未来研究需要改进模型以应对传感器输入质量和多模态数据等现实挑战 | 综述深度学习技术在水产养殖自动化系统中的应用 | 水生动物 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像, 视频 | NA | NA | U-Net | 分割性能 | NA |
| 1327 | 2025-10-05 |
Predicting academic performance for students' university: case study from Saint Cloud State University
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3087
PMID:40989480
|
研究论文 | 本研究使用LSTM模型预测圣克劳德州立大学学生的学业表现 | 采用基于排列的特征重要性分析方法识别关键变量,并在学院和系级两个层面进行实验验证 | 数据仅来自单一大学,可能限制模型的泛化能力 | 通过教育数据挖掘预测学生学业表现,帮助识别有学业风险的学生 | 圣克劳德州立大学的29,455名学生 | 教育数据挖掘 | NA | 教育数据挖掘 | LSTM | 学术和人口统计特征数据 | 29,455名学生,时间跨度为8年(2016-2024) | TensorFlow/PyTorch | LSTM | MAPE, MAE, RMSE, R² | NA |
| 1328 | 2025-10-05 |
Multi-task advanced convolutional neural network for robust lymphoblastic leukemia diagnosis, classification, and segmentation
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3043
PMID:40989487
|
研究论文 | 提出一种新型多任务高级卷积神经网络框架,用于急性淋巴细胞白血病的诊断、分类和分割 | 开发了能够同时执行表达分类和疾病检测的多任务CNN框架,通过任务间的互补信息提升整体性能 | NA | 提高急性淋巴细胞白血病诊断的效率和准确性 | 医学影像数据中的急性淋巴细胞白血病 | 计算机视觉 | 白血病 | 医学影像分析 | CNN | 图像 | NA | NA | 多任务高级卷积神经网络(MTA-CNN) | 准确率,精确率,召回率,F1分数,特异性,Cohen's kappa,阴性预测值 | NA |
| 1329 | 2025-10-05 |
Gaussianmorph: deformable medical image registration with Gaussian noise constraints
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00428-6
PMID:39781058
|
研究论文 | 提出一种基于高斯噪声约束的可变形医学图像配准方法GaussianMorph | 将两个VoxelMorph网络级联,第二网络通过高斯噪声约束提升配准性能,并引入增强特征编码器块 | 级联网络在训练和推理阶段需要较多时间 | 提高医学图像配准的精度 | 医学图像配准 | 计算机视觉 | NA | 深度学习图像配准 | CNN | 医学图像 | LPBA40和HBN数据集 | NA | VoxelMorph | Dice相似系数, 平均对称表面距离, 结构相似性, 皮尔逊相关系数 | NA |
| 1330 | 2025-10-05 |
Relationships Between Familial Factors, Learning Motivation, Learning Approaches, and Cognitive Flexibility Among Vocational Education and Training Students
2025, The Journal of psychology
IF:2.2Q2
DOI:10.1080/00223980.2025.2456801
PMID:40184534
|
研究论文 | 本研究探讨家庭因素(父母自主支持与父母支持)与职业教育学生学业动机、学习方法和认知灵活性之间的关系 | 首次在职业教育学生群体中系统分析家庭因素通过学业动机和学习方法对认知灵活性的间接影响机制 | 采用横断面研究设计无法确定因果关系,样本仅来自曼谷地区可能存在地域局限性 | 探究家庭因素如何通过学业动机和学习方法影响职业教育学生的认知灵活性 | 泰国曼谷地区10所职业学校的557名职业教育学生 | 教育心理学 | NA | 问卷调查法、结构方程模型 | 结构方程模型 | 问卷数据 | 557名职业教育学生(男性56.7%,女性43.3%,平均年龄18.41岁) | NA | NA | NA | NA |
| 1331 | 2025-10-05 |
UPFP-SG: A New Benchmark for Unilateral Peripheral Facial Paralysis Severity Grading
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.2025.3608463
PMID:40928920
|
研究论文 | 提出了一个新的单侧周围性面瘫严重程度分级基准UPFP-SG,包括数据集和评估方法 | 建立了首个公开的面瘫数据集并改进了主观评估系统,提出了整合多种面部特征和增强回归模块的新方法 | NA | 开发自动化的面瘫严重程度评估方法 | 单侧周围性面瘫患者 | 计算机视觉 | 面瘫 | 深度学习 | NA | 面部图像 | NA | NA | NA | NA | NA |
| 1332 | 2025-10-05 |
Harnessing interpretable novel combination of GloVe embedding with deep CNN-BiLSTM neural network for fake news detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330154
PMID:40982565
|
研究论文 | 本研究通过结合GloVe嵌入与深度CNN-BiLSTM神经网络,开发可解释的假新闻检测方法 | 首次将GloVe嵌入与CNN-BiLSTM神经网络结合,并集成可解释人工智能(XAI)技术提供模型决策解释 | 仅使用单一假新闻数据集进行验证,未在不同领域数据上测试模型泛化能力 | 开发高精度且可解释的假新闻检测系统 | 假新闻文本数据 | 自然语言处理 | NA | 文本嵌入技术,可解释人工智能 | CNN, BiLSTM, LSTM, 逻辑回归 | 文本 | 流行的假新闻数据集(具体数量未说明) | NA | CNN-BiLSTM, Bi-LSTM, CNN | 准确率 | NA |
| 1333 | 2025-10-05 |
CT-Based 2.5D Deep Learning-Multi-Instance Learning for Predicting Early Recurrence of Hepatocellular Carcinoma and Correlating with Recurrence-Related Pathological Indicators
2025, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S541402
PMID:40984863
|
研究论文 | 本研究基于CT动脉期图像开发2.5D深度学习-多示例学习模型,用于预测肝细胞癌早期复发并分析其与病理指标的相关性 | 首次将2.5D深度学习与多示例学习结合应用于HCC早期复发预测,并揭示了MIL特征与肿瘤侵袭性和增殖活性的生物学关联 | 回顾性研究设计,样本量有限(191例患者),单中心数据 | 评估2.5D DL-MIL模型在预测肝细胞癌早期复发方面的优势并探讨其生物学意义 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | CT动脉期成像 | 深度学习,多示例学习 | CT图像,临床数据 | 191例HCC患者(训练集133例,验证集58例) | NA | 2.5D DL-MIL | AUC,决策曲线分析 | NA |
| 1334 | 2025-10-05 |
A deep learning/machine learning approach for anomaly based network intrusion detection
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1625891
PMID:40995028
|
研究论文 | 提出一种融合多种机器学习和深度学习算法的混合异常网络入侵检测系统 | 采用加权软投票集成策略整合XGBoost、随机森林、图神经网络、LSTM和自编码器等多种算法,构建混合异常检测框架 | NA | 开发能够识别已知和新兴网络攻击的高级检测系统 | 网络流量数据 | 机器学习 | NA | SMOTE过采样技术 | XGBoost, Random Forest, GNN, LSTM, Autoencoder | 网络流量记录 | 超过560万条网络流量记录 | NA | 图神经网络,LSTM,自编码器 | 准确率,精确率,召回率,F1分数 | NA |
| 1335 | 2025-10-05 |
Computer vision analysis of luteal color Doppler ultrasonography for early and automated pregnancy diagnosis in Bos taurus beef cows
2025-Jan-04, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skaf166
PMID:40355396
|
研究论文 | 本研究评估了深度学习算法在肉牛早期妊娠诊断中的应用,通过黄体彩色多普勒超声图像实现自动化诊断 | 首次将监督深度学习应用于牛黄体彩色多普勒超声的早期实时妊娠诊断,早于行业标准方法 | 样本量相对有限(390头母牛),仅评估了D20和D22两个时间点 | 开发早期自动化妊娠诊断方法 | 肉牛(Bos taurus beef cows) | 计算机视觉 | NA | 彩色多普勒超声 | CNN | 超声视频帧 | 390头母牛,D20日10533帧图像,D22日10413帧图像 | NA | VGG19,Xception,ResNet50 | 准确率,特异性,敏感性,F1分数,马修斯相关系数 | NA |
| 1336 | 2025-10-05 |
A plaque recognition algorithm for coronary OCT images by Dense Atrous Convolution and attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325911
PMID:40493701
|
研究论文 | 提出一种结合密集空洞卷积和注意力机制的深度学习算法,用于冠状动脉OCT图像中斑块的自动分割与分类 | 首次将密集空洞卷积与注意力机制结合应用于冠状动脉斑块分割,在公开数据集上性能超越五种传统医学图像分割网络 | NA | 开发高精度的冠状动脉OCT图像斑块自动分割与分类算法 | 冠状动脉光学相干断层扫描图像中的钙化、纤维和脂质斑块 | 数字病理 | 心血管疾病 | 光学相干断层扫描 | CNN | 图像 | 760张原始图像,通过数据增强扩展至8000张 | NA | 密集空洞卷积,注意力机制 | Dice系数 | NA |
| 1337 | 2025-10-05 |
The British-Israeli Project for Algorithm-Based Management of Age-Related Macular Degeneration: Deep Learning Integration for Real-World Data Management and Analysis
2025, Ophthalmologica. Journal international d'ophtalmologie. International journal of ophthalmology. Zeitschrift fur Augenheilkunde
DOI:10.1159/000547161
PMID:40582342
|
研究论文 | 本研究开发了一个结合临床和OCT影像数据的集成数据集,应用深度学习算法自动量化新生血管性年龄相关性黄斑变性患者的视网膜特征 | 整合两个大型真实世界数据集,应用深度学习算法实现OCT扫描的自动化、客观和全面量化分析 | 回顾性研究设计,两个队列的治疗标准和基线视力存在差异 | 开发自动化分析系统,支持新生血管性年龄相关性黄斑变性的个性化决策和预后优化 | 新生血管性年龄相关性黄斑变性患者 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 影像, 临床数据 | 4,265名患者的5,207只眼睛 | NA | NA | NA | NA |
| 1338 | 2025-10-05 |
Multi-parameter MRI-based model for the prediction of early recurrence of hepatitis B-associated hepatocellular carcinoma after microwave ablation
2025, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2025.1638779
PMID:40937437
|
研究论文 | 开发并验证基于多参数MRI的模型,用于预测乙肝相关肝细胞癌微波消融术后早期复发 | 首次将Transformer深度学习网络应用于多序列MRI图像融合,并结合临床特征构建联合预测模型 | 回顾性研究设计,样本量相对有限(总样本166例) | 预测乙肝相关肝细胞癌微波消融术后1年内早期复发 | 乙肝相关肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像 | Transformer | 医学影像,临床数据 | 训练组116例,外部验证组50例,总计166例患者 | NA | Transformer | AUC,决策曲线分析 | NA |
| 1339 | 2025-10-05 |
Artificial intelligence applications facilitate decision-making in cataract surgery for highly myopic patients
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1613634
PMID:40977894
|
研究论文 | 开发基于深度学习的人工智能模型辅助高度近视白内障患者的手术决策 | 首次将白内障分级和术后视力预测两个深度学习模型与手术决策逻辑相结合,构建高度近视白内障AI决策模型 | 外部验证数据集的性能有所下降,模型在更广泛人群中的泛化能力需进一步验证 | 开发辅助高度近视白内障手术决策的人工智能模型 | 高度近视白内障患者 | 医学人工智能 | 白内障 | 深度学习 | 深度学习模型 | 医学影像数据 | 内部测试集107例高度近视眼(复旦大学附属眼耳鼻喉科医院),外部测试集55例高度近视眼(武汉爱尔眼科医院) | NA | NA | 准确率,Kappa值,预测误差 | NA |
| 1340 | 2025-10-05 |
Precision to plate: AI-driven innovations in fermentation and hyper-personalized diets
2025, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2025.1659511
PMID:40977977
|
综述 | 探讨人工智能在精准发酵和超个性化营养领域的创新应用及其伦理挑战 | 融合AI与CRISPR技术实现300%替代蛋白产量提升,通过强化学习降低60%生物反应器故障率,开发兼顾基因、代谢和文化特征的个性化营养模型 | 存在数据隐私风险(72%不符合GDPR)和算法偏见可能加剧营养不平等 | 推动人工智能在食品系统中的平衡部署,实现可持续食品生产的民主化 | 微生物工程、个性化饮食方案、食品感官属性 | 机器学习 | NA | CRISPR基因编辑、强化学习、深度学习、自然语言处理 | 深度学习、预测模型 | 基因数据、代谢数据、文化特征数据、感官属性数据 | NA | NA | NA | 产量提升百分比、故障率降低百分比、贫血率降低百分比、GDPR合规率 | NA |