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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-11-17 |
DB-SegNet: optimized framework for glaucoma detection and optic structure segmentation from retinal fundus images
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23425-w
PMID:41233423
|
研究论文 | 提出DB-SegNet框架用于视网膜眼底图像中青光眼检测和视盘视杯结构分割 | 结合扩张空洞上下文模块、双向特征校准单元、苦鱼优化算法和多尺度注意力变换器,提升多尺度特征提取和边界细节优化 | 未明确说明模型在不同设备采集图像上的泛化能力及临床部署可行性 | 开发高精度青光眼自动诊断和视盘视杯分割系统 | 视网膜眼底图像中的视盘和视杯结构 | 计算机视觉 | 青光眼 | 视网膜眼底成像 | CNN, Transformer | 图像 | 三个公开数据集(Drishti-GS1, RIM-ONE, ORIGA-Light) | NA | SegNet, DACM, BFCU, MSAT | Dice系数, 准确率 | NA |
| 462 | 2025-11-17 |
Robot motion skill learning method based on focused reward transformer
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95881-3
PMID:41233501
|
研究论文 | 提出一种基于聚焦奖励变换器的机器人运动技能学习方法,通过动态平衡长期预测与即时环境线索来优化机器人运动控制 | 将引导注意力机制与奖励处理重点相结合,解决了传统决策变换器忽视即时动作价值的问题 | 仅在MuJoCo仿真平台上进行验证,未涉及真实机器人环境测试 | 改进机器人运动控制的学习和决策过程 | 机器人运动控制任务 | 机器学习 | NA | 深度强化学习 | Transformer | 运动控制序列数据 | 三个MuJoCo任务(Hopper, Walker2d, Halfcheetah)的仿真数据 | NA | Focused Reward Transformer(FRT) | 控制任务性能指标 | MuJoCo仿真平台 |
| 463 | 2025-11-17 |
An AI-powered smart Agribot for detecting locusts in farmlands using IoT and deep learning
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23497-8
PMID:41233495
|
研究论文 | 本研究开发了一种基于物联网和深度学习的智能农业机器人,用于农田中蝗虫的实时检测 | 结合预训练CNN模型与传统机器学习分类器,并引入人工蜂群算法和SVC特征选择器进行蝗虫检测 | 在研究和实施过程中发现了一些局限性,但未在摘要中具体说明 | 开发智能农业机器人系统用于农田蝗虫检测 | 农田环境中的蝗虫 | 计算机视觉 | NA | 物联网传感器、深度学习、机器学习 | CNN | 图像、视频流 | NA | NA | VGG19 | 准确率,SUS评分 | NA |
| 464 | 2025-11-15 |
From retina to brain: how deep learning closes the gap in silent stroke screening
2025-Nov-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02021-2
PMID:41233502
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 465 | 2025-11-17 |
A physics-informed deep learning approach for 3D acoustic impedance estimation from seismic data: application to an offshore field in the Southwest Iran
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23611-w
PMID:41233516
|
研究论文 | 提出一种结合物理建模与深度学习的混合地震反演框架,用于在数据有限的地质复杂环境中估算三维声阻抗 | 将物理信息伪井生成与深度前馈神经网络相结合,显著减少对低频背景模型和密集井校准的依赖 | 仅使用3口真实井数据,未来需要纳入不确定性量化和体积卷积网络以提高空间分辨率和模型可靠性 | 开发可靠的海上储层表征方法 | 伊朗西南部海上油田的地震数据和声阻抗 | 地球物理勘探 | NA | 地震反演、岩石物理建模、变差函数统计 | 深度前馈神经网络(DFNN) | 地震属性数据、声阻抗测井数据 | 3口真实井和36口合成伪井 | NA | 深度前馈神经网络 | 互相关系数, 归一化相对误差 | NA |
| 466 | 2025-11-17 |
AveragedLIME for general explanations in EEG domain
2025-Nov-13, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121588
PMID:41240887
|
研究论文 | 提出averagedLIME方法,通过平均LIME生成的局部解释来实现CNN决策的全局解释 | 针对空间分布相对稳定的系统开发了平均显著性图方法,能够揭示原始数据和单个显著性图中不可见的医学可解释模式 | 仅适用于具有相对稳定空间分布的系统,如基于事件相关电位的系统 | 提高深度学习系统在神经信息学和诊断应用中的透明度 | 脑电图数据中的事件相关电位 | 机器学习 | NA | 脑电图 | CNN | 脑电图信号 | NA | NA | CNN | 一致性,可泛化性 | NA |
| 467 | 2025-11-17 |
Transformer-based multi-scale feature fusion for real-time CT bone metastasis detection
2025-Nov-13, Bone
IF:3.5Q2
DOI:10.1016/j.bone.2025.117729
PMID:41241185
|
研究论文 | 提出基于Transformer的BM-DETR模型用于实时CT骨转移检测 | 集成空间上下文增强模块(SCEM)、双分支上采样的AttentionUpsample和扩张Transformer注意力块(DTAB),提升低对比度病灶特征提取和多尺度特征融合能力 | 未明确说明模型在更广泛数据集上的泛化能力及临床部署验证 | 开发高精度、实时的骨转移自动检测系统以支持早期筛查 | CT影像中的骨转移病灶 | 计算机视觉 | 骨转移癌 | CT影像分析 | Transformer | 医学影像(CT) | OsteoScan和BMSeg两个数据集 | NA | BM-DETR, SCEM, AttentionUpsample, DTAB | mAP50 | 支持边缘部署的计算效率优化 |
| 468 | 2025-11-17 |
Classifying Retinal Degeneration using OCT and histological images in a rodent model for retinal degeneration by Deep Learning
2025-Nov-13, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110748
PMID:41241339
|
研究论文 | 本研究首次使用深度学习对啮齿类动物视网膜退化模型进行多模态图像分类和视力预测 | 首次在临床前模型中结合OCT和组织学图像进行视网膜退行性病变分期分类,并能从OCT图像预测视力功能 | 研究仅限于RCS大鼠模型,样本量相对有限 | 开发基于深度学习的视网膜退行性病变自动分类和视力预测方法 | RCS大鼠视网膜退化模型 | 计算机视觉 | 视网膜退化疾病 | 光学相干断层扫描(OCT),组织学成像 | CNN | 图像 | 35只大鼠,62,070张OCT图像,16,306张组织学图像 | PyTorch | ResNet18 | 准确率,F1分数,均方误差,平均绝对误差 | NA |
| 469 | 2025-11-17 |
Detection of Polyphonic Alarm Sounds From Medical Devices Using Frequency-Enhanced Deep Learning: Simulation Study
2025-Nov-12, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/35987
PMID:41223383
|
研究论文 | 本研究开发了一种基于频率增强深度学习的多音报警声音分类方法,用于在嘈杂环境中识别医疗设备报警声 | 提出结合卷积神经网络和循环神经网络的混合模型,在0dB信噪比条件下实现高精度多音报警声音检测 | 在临床环境中的性能仍有提升空间,需要进一步验证实际应用效果 | 设计在嘈杂环境中使用单声道麦克风分类多种医疗设备报警声音的方法 | 7种医疗设备报警声音和医院病房噪声 | 音频信号处理 | NA | 梅尔滤波器组特征提取 | CNN, RNN, BiGRU | 音频信号 | 7种报警声音与医院病房噪声的混合数据集 | NA | 卷积循环神经网络, CNN+双向门控循环单元 | F1分数, 精确率, 召回率 | NA |
| 470 | 2025-11-17 |
Topological deep learning for enhancing peptide-protein complex prediction
2025-Nov-12, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01727-4
PMID:41225185
|
研究论文 | 提出TopoDockQ拓扑深度学习模型,通过持久组合拉普拉斯特征预测肽-蛋白质复合物质量评分,显著降低假阳性率 | 首次将拓扑数据分析和持久组合拉普拉斯特征应用于肽-蛋白质复合物质量评估,相比AlphaFold2内置评分可降低至少42%假阳性 | 研究基于序列相似度≤70%的数据集,在更高相似度情况下的性能未验证 | 提高肽-蛋白质复合物预测的精度,降低模型选择中的假阳性率 | 肽-蛋白质相互作用复合物 | 计算生物学, 生物信息学 | NA | 拓扑数据分析, 持久组合拉普拉斯 | 深度学习 | 蛋白质结构数据, 肽序列数据 | 五个评估数据集(肽-蛋白质序列相似度≤70%) | NA | TopoDockQ | 假阳性率, 精确率, 召回率, F1分数, DockQ评分 | NA |
| 471 | 2025-11-17 |
A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images
2025-Nov-12, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218134
PMID:41238099
|
研究论文 | 提出一种深度学习框架DOVER,用于在组织病理学全切片图像中识别具有预后相关性的癌症区域 | 首次通过从组织微阵列斑点中挖掘预后模式,并将其映射到更大的全切片图像中定位预后相关区域 | 需要进一步验证,且依赖于组织微阵列数据的质量 | 提高癌症预后预测的准确性 | 非小细胞肺癌和口咽鳞状细胞癌患者 | 数字病理学 | 肺癌, 头颈癌 | 全切片成像, 组织微阵列, 定量免疫荧光 | 深度学习 | 组织病理学图像 | 2041名患者(非小细胞肺癌1141例,口咽鳞状细胞癌900例) | NA | NA | c-index | NA |
| 472 | 2025-11-17 |
DeepSaltPro: Enhancing halophilic protein prediction accuracy and efficiency via multi-protein language model integration
2025-Nov-11, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148947
PMID:41232885
|
研究论文 | 提出一种名为DeepSaltPro的深度学习框架,通过整合多种蛋白质语言模型来提高嗜盐蛋白预测的准确性和效率 | 整合Ankh和ESM-2两种预训练蛋白质语言模型的特征嵌入,结合CNN和BiGRU处理序列依赖关系,并首次在蛋白质预测中应用基于可学习样条变换的Kolmogorov-Arnold Network (KAN)来增强模型表示能力和可解释性 | NA | 开发高效的计算方法来准确识别嗜盐蛋白 | 嗜盐蛋白 | 生物信息学 | NA | 蛋白质语言模型 | CNN, BiGRU, KAN | 蛋白质序列数据 | NA | NA | 卷积神经网络, 双向门控循环单元, Kolmogorov-Arnold Network | 准确率 | NA |
| 473 | 2025-11-17 |
Research on a novel gene sequence prediction and homomorphic encryption method based on Mamba-VMD
2025-Nov-11, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种结合Mamba神经网络基因序列预测与同态加密的分析方法,实现安全数据传输与序列预测 | 首次将Mamba神经网络与VMD模态分解结合用于基因序列预测,并集成同态加密技术保障云环境数据安全 | 仅使用猴痘病毒单一实验数据验证,未在其他基因序列上进行广泛测试 | 开发安全可靠的基因序列预测方法,保护生物信息学数据隐私 | 猴痘病毒基因序列(实验ID SRX17751190,测序ID SRR21755835) | 生物信息学 | 猴痘病毒感染 | 基因测序,VMD模态分解 | Mamba神经网络 | 基因序列数据 | 1个猴痘病毒基因序列数据集 | NA | Mamba | MAE, MSE, RMSE, MAPE, MSPE, CKKS同态加密计算误差 | 云计算环境 |
| 474 | 2025-11-17 |
A transformer-based pathomics model using endoscopic biopsy WSIs for predicting pathological complete response to preoperative immunotherapy in colorectal cancer
2025-Nov-10, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.111182
PMID:41240799
|
研究论文 | 基于内镜活检全切片图像构建Transformer病理组学模型预测结直肠癌术前免疫治疗病理完全缓解 | 首次将Swin Transformer架构与CNN增强的自注意力机制结合应用于内镜活检WSI分析,并采用CLAM框架优化病理图像分析 | 单中心回顾性研究,样本量有限(总样本95例),需要外部验证 | 预测结直肠癌患者术前免疫治疗的病理完全缓解 | 结直肠癌患者 | 数字病理 | 结直肠癌 | H&E染色全切片图像分析 | Transformer, CNN | 病理图像 | 95例结直肠癌患者(训练集72例,验证集23例) | CLAM | Swin Transformer | AUC | NA |
| 475 | 2025-11-17 |
Temporal Analysis of Embryonic Epidermal Morphogenesis in Caenorhabditis elegans
2025-Nov-06, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms262110802
PMID:41226839
|
研究论文 | 开发基于深度学习的图像分析流程,动态追踪秀丽隐杆线虫胚胎表皮形态发生的时间线 | 提出不依赖明显表型异常或荧光标记即可检测阶段特异性发育时序的新方法 | NA | 研究胚胎表皮形态发生的发育时序动态 | 秀丽隐杆线虫胚胎 | 计算机视觉 | NA | 微分干涉相差延时显微镜 | CNN | 图像 | RNAi处理胚胎和突变胚胎 | NA | ResU-Net, ResNet | NA | NA |
| 476 | 2025-11-17 |
Deep Learning Image-Based Fusion Approach for Identifying Multiple Apparent Diseases in Concrete Structure
2025-Nov-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25216796
PMID:41229020
|
研究论文 | 提出一种基于深度学习的图像融合方法,用于识别混凝土结构中的多种表观病害 | 将YOLO目标检测与UNet语义分割模型融合,实现快速筛选和像素级病害量化 | 仅针对四种特定病害类型,数据集规模相对有限(1488张图像) | 开发高效准确的混凝土结构表观病害自动识别与量化方法 | 混凝土结构中的裂缝、剥落、渗水和接缝变形四种表观病害 | 计算机视觉 | NA | 深度学习图像分析 | YOLO, UNet | 图像 | 1488张现场检测图像 | NA | YOLO, UNet | 平均精度均值, Dice系数, 相对误差 | NA |
| 477 | 2025-11-17 |
FedPSFV: Personalized Federated Learning via Prototype Sharing for Finger Vein Recognition
2025-Nov-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25216790
PMID:41229017
|
研究论文 | 提出一种基于原型共享的个性化联邦学习算法FedPSFV,用于解决指静脉识别中的数据异质性问题 | 通过客户端间共享原型增加各类别间距离,并改进基于间隔的损失函数以增强模型特征区分能力 | 未明确说明计算资源需求和算法在更大规模数据集上的扩展性 | 解决指静脉识别中隐私保护和数据异质性导致的模型性能限制问题 | 指静脉识别模型 | 计算机视觉 | NA | 深度学习 | NA | 指静脉图像 | 六个公共数据集(SDUMLA, MMCBNU, USM, UTFVP, VERA, NUPT) | 联邦学习 | NA | TAR@FAR=0.01, EER | NA |
| 478 | 2025-11-17 |
LiDAR-Based Long-Term Mapping in Snow-Covered Environments
2025-Nov-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25216805
PMID:41229028
|
研究论文 | 提出一种专门针对积雪环境的LiDAR建图策略,通过深度学习检测并移除积雪数据,提升长期自动驾驶的定位精度和地图质量 | 首次针对积雪环境设计专用建图方法,结合深度学习实现积雪检测与地面信息恢复 | 仅在真实积雪环境中验证,未涉及其他恶劣天气条件 | 解决积雪环境下长期自动驾驶的地图构建与定位问题 | 积雪覆盖的自动驾驶环境 | 计算机视觉 | NA | LiDAR扫描 | 深度学习 | 点云数据 | 真实积雪环境采集数据 | NA | NA | IoU, RMSE, Chamfer Distance | NA |
| 479 | 2025-11-17 |
Research on Cavitation Fault Diagnosis of Axial Piston Pumps Based on Rough Set Attribute Weighted Convolutional Neural Networks
2025-Nov-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25216769
PMID:41228989
|
研究论文 | 提出基于粗糙集属性加权卷积神经网络的轴向柱塞泵气蚀故障诊断方法 | 结合粗糙集理论与CNN,通过属性约简和权重矩阵增强关键特征影响,同时提供可解释的决策规则 | NA | 提高柱塞泵气蚀故障诊断的准确性和可解释性 | 轴向柱塞泵的气蚀故障 | 故障诊断 | NA | 计算流体动力学模拟 | CNN | 仿真数据 | NA | NA | 粗糙集属性加权卷积神经网络(RSAW-CNN) | 准确率 | NA |
| 480 | 2025-11-17 |
Single- and Multimodal Deep Learning of EEG and EDA Responses to Construction Noise: Performance and Ablation Analyses
2025-Nov-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25216775
PMID:41228998
|
研究论文 | 本研究使用深度学习分析脑电图和皮肤电活动对建筑噪音的生理响应 | 首次将多模态深度学习应用于建筑噪音的生理响应分析,通过消融实验系统优化模型超参数 | 样本量有限(25名参与者),仅针对两种特定建筑噪音类型 | 研究建筑噪音暴露下的人类生理响应机制 | 25名参与者暴露于打桩机脉冲噪音和地钻音调噪音 | 机器学习 | NA | 脑电图,皮肤电活动 | CNN, LSTM | 生理信号 | 25名参与者 | NA | 卷积神经网络,长短期记忆网络 | 准确率,泛化稳定性 | NA |