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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2025-10-07 |
RaGeoSense for smart home gesture recognition using sparse millimeter wave radar point clouds
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00065-8
PMID:40312411
|
研究论文 | 提出了一种基于稀疏毫米波点云的智能家居手势识别系统RaGeoSense | 结合K均值聚类直通滤波、帧差滤波和中值滤波三种方法降低数据噪声,并采用集成模型架构结合GBDT和XGBoost提取非线性特征 | NA | 开发用于智能家居场景的接触式人机交互手势识别系统 | 单臂手势动作 | 计算机视觉 | NA | 毫米波雷达 | GBDT, XGBoost, LSTM | 点云数据 | 8种不同单臂手势 | NA | 集成模型架构 | 平均识别率 | NA |
| 1202 | 2025-10-07 |
A human pose estimation network based on YOLOv8 framework with efficient multi-scale receptive field and expanded feature pyramid network
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00259-0
PMID:40312474
|
研究论文 | 提出基于YOLOv8框架的EE-YOLOv8人体姿态估计网络,通过集成高效多尺度感受野和扩展特征金字塔网络提升性能 | 集成Efficient Multi-scale Receptive Field模块增强特征表示能力,采用Expanded Feature Pyramid Network优化跨层级信息交换,并使用Wise-IoU替代传统IoU提高检测精度 | NA | 解决传统多人姿态估计方法在部分遮挡和人体部位重叠情况下的挑战 | 图像或视频中的人体姿态 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | MS COCO 2017数据集 | PyTorch | YOLOv8, EMRF, EFPN | AP@0.5, AP@0.5-0.95 | NA |
| 1203 | 2025-10-07 |
Deep learning HRNet FCN for blood vessel identification in laparoscopic pancreatic surgery
2025-May-01, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01663-6
PMID:40312536
|
研究论文 | 本研究评估HRNet-FCN模型在腹腔镜胰腺手术中识别血管轮廓的能力 | 首次将HRNet-FCN模型应用于腹腔镜胰腺手术中的血管识别,并验证了其在不同手术类型间的泛化能力 | NA | 提高腹腔镜胰腺手术中血管识别的准确性和手术安全性 | 腹腔镜胰腺手术中的血管结构(如肠系膜上静脉-门静脉轴和脾静脉) | 计算机视觉 | 胰腺疾病 | 深度学习 | CNN | 图像 | 126例腹腔镜远端胰腺切除术视频的12,694张图像和138例Whipple手术视频的35,986张图像 | NA | HRNet, FCN | Dice系数, 召回率, 精确率 | NA |
| 1204 | 2025-10-07 |
Assessing english Language teachers' pedagogical effectiveness using convolutional neural networks optimized by modified virus colony search algorithm
2025-May-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98033-9
PMID:40312557
|
研究论文 | 提出一种结合深度学习和元启发式算法的新方法,用于评估英语作为外语教学的课堂质量 | 首次将改进的病毒群体搜索算法与卷积神经网络相结合,用于教师教学效果评估 | 仅针对英语作为外语的教学场景,未涉及其他学科领域 | 开发可靠高效的教师评估框架,提升英语教学质量 | 英语作为外语的课堂教学 | 自然语言处理 | NA | 音频视频分析 | CNN | 音频,视频 | NA | NA | 卷积神经网络 | 准确率,鲁棒性,灵活性,效率 | NA |
| 1205 | 2025-10-07 |
Artifact estimation network for MR images: effectiveness of batch normalization and dropout layers
2025-May-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01663-8
PMID:40312665
|
研究论文 | 本研究开发了基于U-Net的回归网络用于去除MRI运动伪影,并探讨了批归一化和dropout层组合策略的有效性 | 首次系统研究在U-Net网络中结合批归一化和dropout层对MRI运动伪影去除效果的影响 | 研究仅限于体模图像,未在真实临床图像上验证 | 提高磁共振图像中运动伪影的去除效果 | 磁共振图像中的运动伪影 | 医学图像处理 | NA | 磁共振成像 | U-Net, Transformer | 图像 | 1200张图像(包含有/无运动伪影的配对图像) | NA | U-Net, Transformer | 峰值信噪比, 结构相似性指数 | NA |
| 1206 | 2025-10-07 |
A deep learning algorithm for automated adrenal gland segmentation on non-contrast CT images
2025-May-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01682-5
PMID:40312690
|
研究论文 | 开发用于非对比CT图像上肾上腺自动分割的深度学习模型,并进行年龄相关肾上腺体积变化的大规模研究 | 首个针对非对比CT图像的肾上腺自动分割深度学习模型,实现了与放射科医生相当的分割精度 | 仅使用非对比CT图像,未验证在对比增强CT上的性能 | 开发肾上腺自动分割模型并研究正常肾上腺随年龄的体积变化规律 | 人类肾上腺 | 数字病理 | NA | CT成像 | 深度学习 | CT图像 | 开发数据集1301例CT检查,大规模数据集2000例CT检查 | nnU-Net | U-Net | Dice相似系数 | NA |
| 1207 | 2025-05-03 |
Correction to: DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf218
PMID:40314061
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1208 | 2025-10-07 |
DeepRNA-Twist: language-model-guided RNA torsion angle prediction with attention-inception network
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf199
PMID:40315431
|
研究论文 | 提出DeepRNA-Twist深度学习框架,通过语言模型引导和注意力-初始网络预测RNA扭转角和伪扭转角 | 结合RNA语言模型嵌入和新型2A3IDC模块(注意力增强的初始网络内嵌扩张CNN),同时捕获局部和全局序列特征 | 未明确说明模型对RNA极端结构或罕见序列的预测能力 | 从RNA序列直接预测扭转角和伪扭转角以解析三维结构 | RNA分子 | 生物信息学 | NA | 深度学习,语言模型 | CNN, 注意力机制 | RNA序列 | 基准数据集(RNA-Puzzles、CASP-RNA、SPOT-RNA-1D) | NA | 注意力-初始网络,扩张CNN,多头注意力机制 | 准确率 | NA |
| 1209 | 2025-10-07 |
Deep scSTAR: leveraging deep learning for the extraction and enhancement of phenotype-associated features from single-cell RNA sequencing and spatial transcriptomics data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf160
PMID:40315434
|
研究论文 | 提出基于深度学习的Deep scSTAR工具,用于从单细胞RNA测序和空间转录组数据中提取和增强表型相关特征 | 开发首个专门针对表型相关特征提取和增强的深度学习工具,能够识别与免疫功能障碍和免疫治疗耐药相关的细胞亚群 | 未明确说明数据预处理要求和对计算资源的具体需求 | 解决单细胞测序数据中噪声、批次效应和无关生物信号干扰的问题,提取有意义的表型相关特征 | 非小细胞肺癌、肾细胞癌和肝细胞癌中的免疫细胞和肿瘤微环境 | 生物信息学 | 肺癌, 肾癌, 肝癌 | 单细胞RNA测序, 空间转录组学 | 深度学习 | 单细胞RNA测序数据, 空间转录组数据 | NA | NA | NA | NA | NA |
| 1210 | 2025-10-07 |
Deep learning model for predicting the RAS oncogene status in colorectal cancer liver metastases
2025-May-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_1910_24
PMID:40317140
|
研究论文 | 开发基于对比增强CT的深度学习放射组学模型,用于预测结直肠癌肝转移中RAS癌基因状态和治疗反应 | 首次结合多期相CT影像(动脉期和静脉期)开发深度学习模型预测CRLM的RAS基因状态,并构建预后列线图 | 回顾性多中心研究,样本量有限(185例患者),需要前瞻性验证 | 评估结直肠癌肝转移中RAS癌基因状态并预测靶向治疗反应 | 结直肠癌肝转移患者 | 数字病理 | 结直肠癌 | 对比增强计算机断层扫描 | 深度学习 | 医学影像 | 185例患者(训练集88例,内部测试集39例,外部测试集58例) | NA | 多期相深度学习模型(DL-AP, DL-VP, AP+VP-DL) | AUROC, DeLong检验, 生存分析 | NA |
| 1211 | 2025-10-07 |
A Lightweight Framework for Protected Vegetable Disease Detection in Complex Scenes
2025-May, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.70200
PMID:40321614
|
研究论文 | 提出一种用于复杂场景下保护地蔬菜病害检测的轻量级框架VegetableDet | 创新性地将可变形注意力Transformer与YOLOv8n主干网络结合,并引入通道-空间自适应注意力机制和分层渐进迁移学习训练策略 | NA | 解决保护地蔬菜病害检测在复杂背景、多样病害表现和不同程度遮挡下的挑战 | 5种蔬菜类型的30种病害和健康样本 | 计算机视觉 | 蔬菜病害 | 深度学习 | CNN, Transformer | 图像 | 自定义综合保护地蔬菜病害数据集 | NA | YOLOv8n, Deformable Attention Transformer | 精确率, 召回率, 平均精度, 平均精度均值 | NA |
| 1212 | 2025-10-07 |
Breast Cancer Detection Using Convolutional Neural Networks: A Deep Learning-Based Approach
2025-May, Cureus
DOI:10.7759/cureus.83421
PMID:40322605
|
综述 | 本文系统综述了基于卷积神经网络的乳腺癌检测深度学习方法,比较了不同架构在医学图像分类中的表现 | 通过比较CNN、RNN和混合模型在乳腺癌检测中的性能,提出混合CNN模型能同时捕捉肿瘤特征的空间和序列依赖性 | 研究基于569个样本的数据集,未来需要更多样化的数据集验证模型泛化能力 | 评估深度学习在乳腺癌检测中的应用效果并比较不同模型的性能 | 乳腺癌肿瘤形态特征数据 | 计算机视觉 | 乳腺癌 | 深度学习图像分析 | CNN, LSTM, MLP | 图像特征数据 | 569个肿瘤样本实例,包含33个形态特征 | NA | 卷积神经网络,长短期记忆网络,多层感知器 | 准确率 | NA |
| 1213 | 2025-05-04 |
Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery
2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons
IF:2.6Q1
DOI:10.5435/JAAOS-D-24-01057
PMID:40063737
|
review | 本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展 | 探讨了最新的金属伪影抑制成像技术及未来方向,如深度学习和人工智能 | 未提及具体实验数据或样本量的支持 | 评估骨科和脊柱手术后金属植入物周围软组织的病理情况 | 骨科和脊柱手术中的金属植入物及其周围软组织 | 医学影像 | 骨科和脊柱疾病 | 磁共振成像(MRI) | NA | 医学影像 | NA | NA | NA | NA | NA |
| 1214 | 2025-05-04 |
Enhancing privacy in biosecurity with watermarked protein design
2025-May-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf141
PMID:40315154
|
研究论文 | 提出了一种在蛋白质序列中添加水印的通用框架,以增强生物安全性和数据隐私 | 相比现有监管程序,该框架不仅确保生物安全的可追溯性,还通过本地验证保护设计序列的隐私,并显著提高了水印检测效率 | 未提及具体性能指标或与其他方法的详细对比 | 解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题 | 由自回归深度学习模型设计的蛋白质序列 | 生物信息学 | NA | 蛋白质水印技术 | 自回归深度学习模型 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 1215 | 2025-05-04 |
On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3430028
PMID:39046860
|
综述 | 本文综述了提高深度神经网络(DNNs)能源效率的流行技术 | 提出了方法的分类,并讨论了不同类别的比较,同时概述了能源测量技术 | 研究中发现的局限性以及一些有趣的方向,如神经形态和储备池计算(RC) | 提高神经网络的能源效率,特别是在训练和推理阶段 | 深度神经网络(DNNs) | 机器学习 | NA | NA | DNNs | NA | NA | NA | NA | NA | NA |
| 1216 | 2025-05-04 |
Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3432877
PMID:39093682
|
research paper | 提出了一种基于角色交换的自训练半监督框架,用于复杂医学图像分割 | 创新性地提出了双向自训练范式,通过模型级可靠性估计动态交换教师和学生的角色,并引入非对称监督策略和分层双学生结构以防止网络崩溃 | 未明确提及具体的数据集规模限制或计算资源需求 | 解决复杂医学图像分割中标注数据不足的问题 | 血管网络和肺气管网络等复杂医学图像 | digital pathology | NA | 半监督学习 | 双向自训练模型 | 3-D医学图像 | 两个公共数据集和一个私有数据集 | NA | NA | NA | NA |
| 1217 | 2025-05-04 |
Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3420218
PMID:39024082
|
综述 | 本文综述了神经符号人工智能(AI)在知识图谱(KGs)推理任务中的应用方法,并提出了一种新的分类法 | 提出了一种新的分类法,将神经符号推理方法分为三大类:逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法 | 讨论了这些方法的独特特性和局限性,并提出了未来研究方向 | 探讨神经符号AI在知识图谱推理任务中的应用和发展 | 知识图谱(KGs) | 自然语言处理 | NA | 神经符号人工智能 | NA | 图结构数据 | NA | NA | NA | NA | NA |
| 1218 | 2025-05-04 |
Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3409573
PMID:38985555
|
research paper | 提出一种基于贝叶斯不确定性对齐的无监督域自适应方法,用于低剂量CT图像重建 | 利用概率重建框架在潜在空间和图像空间进行联合差异最小化,提出贝叶斯不确定性对齐和锐度感知分布对齐方法 | 仅针对低剂量CT图像重建问题,未考虑其他医学影像模态 | 解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题 | 低剂量CT图像 | digital pathology | NA | deep learning | probabilistic reconstruction framework | CT images | 两个模拟数据集和一个临床低剂量成像数据集 | NA | NA | NA | NA |
| 1219 | 2025-05-04 |
ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3419250
PMID:38980781
|
研究论文 | 提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM,用于准确注释基因本体 | ProFun-SOM通过重建多序列比对并整合到深度学习架构中,解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈 | 未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力 | 开发一种能够准确预测蛋白质功能的计算方法,解决基因本体注释中的混合本体问题 | 蛋白质功能预测,特别是基因本体(GO)注释 | 生物信息学 | NA | 多序列比对(MSAs),深度学习 | 深度学习架构 | 蛋白质序列数据 | 三个数据集(CAFA3、SwissProt和NetGO2) | NA | NA | NA | NA |
| 1220 | 2025-05-04 |
Mask-Guided Vision Transformer for Few-Shot Learning
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3418527
PMID:38976473
|
研究论文 | 提出了一种名为MG-ViT的掩码引导视觉变换器方法,用于有效和高效的小样本学习 | 通过应用掩码操作筛选出与任务无关的图像块,引导ViT专注于任务相关和区分性强的图像块,同时引入主动学习样本选择方法提升泛化能力 | 未提及具体的数据集限制或计算资源需求 | 提高视觉变换器在小样本学习中的性能和效率 | 图像分类、目标检测和分割任务 | 计算机视觉 | NA | Grad-CAM | ViT, MG-ViT, ResNet | 图像 | 小样本(具体数量未提及) | NA | NA | NA | NA |