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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2025-10-06 |
Hyperparameter Recommendation Integrated With Convolutional Neural Network
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3476439
PMID:39423079
|
研究论文 | 提出一种集成卷积神经网络的超参数推荐方法 | 首次将CNN应用于超参数推荐领域,开发了具有特征选择能力的CNN回归器和卷积去噪自编码器,能够深度挖掘数据特征和超参数性能的空间结构 | 仅针对SVM分类器进行验证,未扩展到其他机器学习模型 | 开发基于深度学习的超参数推荐系统 | 分类问题的超参数优化 | 机器学习 | NA | 元学习 | CNN, ConvDAE | 数据集特征,超参数性能数据 | 400个真实分类问题 | NA | 卷积神经网络,卷积去噪自编码器,双分支CNN | NA | NA |
| 922 | 2025-10-06 |
Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3485529
PMID:39480710
|
研究论文 | 本文提出两种基于尖峰-平板先验的结构化稀疏贝叶斯神经网络,用于模型压缩和计算效率提升 | 首次将尖峰-平板群组Lasso和尖峰-平板群组Horseshoe先验应用于贝叶斯神经网络的结构化稀疏化 | 未明确说明具体数据集规模和实验设置的局限性 | 开发结构化稀疏的贝叶斯神经网络以实现模型压缩和计算效率优化 | 贝叶斯神经网络的结构化稀疏化 | 机器学习 | NA | 变分推断,连续松弛技术 | 贝叶斯神经网络 | NA | NA | NA | 结构化稀疏神经网络 | 预测准确率,模型压缩率,推理延迟 | NA |
| 923 | 2025-06-05 |
The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence
2025-Jun, Archivos de bronconeumologia
IF:8.7Q1
DOI:10.1016/j.arbres.2024.11.001
PMID:39643515
|
综述 | 本文探讨了在人工智能时代,基线低剂量计算机断层扫描(LDCT)在肺癌筛查中的关键作用及其面临的挑战 | 探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节,并预测肺癌和心血管疾病的风险,实现个性化筛查 | 人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性 | 评估基线LDCT检查在肺癌筛查中的重要性,并探索人工智能在克服筛查挑战中的作用 | 肺癌筛查参与者及其基线LDCT检查结果 | 数字病理学 | 肺癌 | LDCT, 深度学习 | DL | 图像 | NA | NA | NA | NA | NA |
| 924 | 2025-10-06 |
G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3491827
PMID:39531577
|
研究论文 | 本文提出一种基于图的解码网络G-Diff来改进扩散推荐模型,通过引入物品关系图提升推荐性能 | 在扩散模型的反向过程中引入精心设计的基于图的解码网络,利用物品间关系提升推荐效果,同时通过跳跃连接和归一化层保留低阶邻居信息 | NA | 改进扩散推荐模型的性能,更好地利用推荐系统中物品的集体信号 | 推荐系统中的用户偏好预测 | 机器学习 | NA | 扩散模型 | 图神经网络,扩散模型 | 推荐系统数据 | 三个真实世界数据集 | NA | G-Diff,基于图的解码网络 | 推荐性能指标 | NA |
| 925 | 2025-06-05 |
Learning topological horseshoes in time series via deep neural networks
2025-Jun-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0270132
PMID:40465250
|
research paper | 提出了一种基于深度学习的几何方法,用于识别时间序列中的混沌动力学 | 结合拓扑马蹄理论和深度神经网络,为复杂非线性系统中混沌行为的检测提供了新工具 | NA | 识别时间序列中的混沌动力学 | 时间序列数据 | machine learning | NA | deep learning | deep neural networks | time series | Hénon map, Lorenz system, Duffing system | NA | NA | NA | NA |
| 926 | 2025-10-06 |
Empirical analysis on retinal segmentation using PSO-based thresholding in diabetic retinopathy grading
2025-Jun-26, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0299
PMID:39754503
|
研究论文 | 提出一种基于粒子群优化算法的视网膜分割方法,用于改善糖尿病视网膜病变分级任务的准确性 | 使用PSO算法自动确定分割阈值,并通过可解释AI分析视网膜分割对模型性能的影响 | 使用有限的数据集进行实验 | 提高糖尿病视网膜病变自动分级的准确性 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底图像分析 | CNN | 图像 | IDRiD眼底数据集 | NA | ResNet50 | 准确率 | NA |
| 927 | 2025-10-06 |
Gesture recognition from surface electromyography signals based on the SE-DenseNet network
2025-Jun-26, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0282
PMID:39873377
|
研究论文 | 提出基于SE-DenseNet融合网络的手势识别方法,用于表面肌电信号分类 | 将Squeeze-and-Excitation注意力机制与DenseNet融合,在DenseBlock和Transition层间插入注意力模块以增强特征表示能力 | 未明确说明模型计算复杂度的具体改进程度和泛化能力的量化指标 | 提高表面肌电信号手势识别的准确性和鲁棒性 | 表面肌电信号手势识别 | 机器学习 | 康复技术 | 表面肌电信号采集 | CNN | 表面肌电信号 | NinaPro DB2和DB4数据集 | NA | DenseNet-101, SE-DenseNet | 准确率 | NA |
| 928 | 2025-10-06 |
Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Tea Identification
2025-Jun-03, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06651
PMID:40207593
|
研究论文 | 开发了一种结合多元电化学指纹技术和一维卷积神经网络的传感器阵列,用于快速检测茶多酚和鉴别24种中国茶叶 | 受地标启发的激光雕刻传感器阵列设计,将多元电化学指纹技术与1D-CNN算法相结合,显著提高了茶叶鉴别的准确性 | NA | 开发快速精确检测茶多酚和鉴别中国茶叶的新方法 | 三种茶多酚和24种不同类型的中国茶叶 | 机器学习 | NA | 多元电化学指纹技术,激光雕刻传感器阵列 | CNN | 电化学指纹数据 | 24种茶叶品种 | NA | 一维卷积神经网络(1D-CNN) | 准确率 | NA |
| 929 | 2025-10-06 |
Multiplexing and Sensing with Fluorescence Lifetime Imaging Microscopy Empowered by Phasor U-Net
2025-Jun-03, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02028
PMID:40378347
|
研究论文 | 提出一种名为Phasor U-Net的深度学习方法来提升荧光寿命成像显微镜的成像速度与精度 | 开发了结合两个轻量级U-Net子网络的深度学习架构,仅需计算机生成数据集训练即可实现噪声降低和仪器响应函数校正 | 未提及方法在更复杂生物样本或临床环境中的验证情况 | 提升荧光寿命成像显微镜在多重成像和传感应用中的性能 | 小鼠小肠样本和量子点材料 | 计算机视觉 | NA | 荧光寿命成像显微镜(FLIM) | U-Net | 显微镜图像 | 计算机生成数据集和小鼠小肠样本 | NA | U-Net | 修正Kullback-Leibler散度, 平均绝对误差 | NA |
| 930 | 2025-06-04 |
Deep Learning-Assisted Sensor Array Based on Host-Guest Chemistry for Accurate Fluorescent Visual Identification of Multiple Explosives
2025-Jun-03, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01326
PMID:40380950
|
研究论文 | 本文提出了一种基于主客体化学的深度学习辅助传感器阵列,用于高精度荧光视觉识别多种爆炸物 | 结合环糊精保护的多色荧光金纳米团簇和DenseNet算法,实现了对七种爆炸物的高精度识别 | NA | 开发一种快速准确识别多种爆炸物的方法 | 七种爆炸物 | 机器视觉 | NA | 荧光传感器阵列 | DenseNet | 图像 | NA | NA | NA | NA | NA |
| 931 | 2025-06-04 |
Unveiling Spectrum-Structure Correlation in Vibrational Spectroscopy: Task-Driven Deep Learning Classification Balancing Global Fusion and Local Extraction
2025-Jun-03, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05842
PMID:40399767
|
研究论文 | 本文开发了两种基于CNN的算法,分别针对混合物分类和功能基团识别任务,通过多尺度卷积和注意力机制提升光谱-结构关联分析的效率和准确性 | 针对光谱数据中全局和局部信息关注度的差异,设计了两种任务导向的CNN算法(CNN-Peak和ResNet-ResPeak),实现了特征融合与局部提取的平衡 | 算法性能可能受限于光谱数据固有的特征丰富度和数据量不足的问题 | 提升光谱-结构关联分析在混合物分类和功能基团识别任务中的准确性和泛化能力 | 振动光谱数据 | 机器学习 | NA | 多尺度卷积、注意力机制 | CNN、ResNet | 光谱数据 | NA | NA | NA | NA | NA |
| 932 | 2025-06-04 |
Automated Classification of Cervical Spinal Stenosis using Deep Learning on CT Scans
2025-Jun-03, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005414
PMID:40458958
|
research paper | 开发并验证了一种基于CT扫描的深度学习模型,用于诊断颈椎管狭窄症(CSS) | 利用深度学习模型提高CT图像在CSS诊断中的效能,作为MRI的替代方案 | 研究为回顾性设计,可能影响模型的泛化能力 | 开发一种基于CT的深度学习模型,用于CSS的自动化诊断 | 颈椎管狭窄症(CSS)患者 | digital pathology | geriatric disease | CT扫描 | Faster R-CNN, CNN | image | 未明确提及具体样本数量,但按8:1:1比例分为训练集、验证集和测试集 | NA | NA | NA | NA |
| 933 | 2025-06-04 |
AI-Driven Biomarker Discovery and Personalized Allergy Treatment: Utilizing Machine Learning and NGS
2025-Jun-03, Current allergy and asthma reports
IF:5.4Q1
DOI:10.1007/s11882-025-01207-8
PMID:40459653
|
review | 探讨人工智能(AI)和下一代测序(NGS)在过敏诊断和治疗中的变革潜力 | 结合AI驱动的算法和NGS技术,识别复杂的分子模式和预测性标志物,推动过敏诊断和治疗的个性化 | 数据整合和临床实施方面的挑战 | 提升过敏疾病的生物标志物发现、患者分层和个性化管理策略的精确性 | 过敏疾病 | machine learning | allergy | NGS, single-cell RNA sequencing | machine learning, deep learning | molecular data | NA | NA | NA | NA | NA |
| 934 | 2025-06-04 |
Deep Learning-Based Decision Support System for Nurse Staff in Hospitals
2025-Jun-02, Big data
IF:2.6Q2
DOI:10.1089/big.2024.0122
PMID:40455580
|
研究论文 | 本文探讨了基于深度学习的临床决策支持系统(DL-CDSS)在医院护士中的应用,旨在通过分析复杂的临床数据辅助护士做出更明智的护理决策 | 利用先进的神经网络架构分析临床数据,提供实时治疗建议,优化护理工作流程 | 面临数据整合、模型可解释性和用户界面设计等挑战 | 促进医院人力资源信息化管理,提升医院信息技术应用水平 | 医院护士 | 医疗信息技术 | NA | 深度学习 | 神经网络 | 临床数据(患者记录、生命体征、诊断报告等) | 大规模医院信息系统数据集 | NA | NA | NA | NA |
| 935 | 2025-06-04 |
Performance Comparison of Machine Learning Using Radiomic Features and CNN-Based Deep Learning in Benign and Malignant Classification of Vertebral Compression Fractures Using CT Scans
2025-Jun-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01553-z
PMID:40456998
|
研究论文 | 本研究比较了基于放射组学特征的机器学习和基于CNN的深度学习在CT扫描中对良恶性椎体压缩骨折分类的性能 | 首次在CT扫描中比较了放射组学特征和深度学习模型在椎体压缩骨折分类中的性能,并展示了深度学习在AUC和精确度上的略微优势 | 回顾性单中心数据,可能存在选择偏差 | 评估和比较不同机器学习方法在椎体压缩骨折良恶性分类中的性能 | 椎体压缩骨折 | 医学影像分析 | 椎体压缩骨折 | CT扫描 | XGBoost, SVM, KNN, Random Forest, 3D CNN | 医学影像 | 447例椎体压缩骨折(196良性,251恶性)来自286名患者 | NA | NA | NA | NA |
| 936 | 2025-06-04 |
Enhanced Vision Transformer with Custom Attention Mechanism for Automated Idiopathic Scoliosis Classification
2025-Jun-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01564-w
PMID:40457000
|
研究论文 | 本文提出了一种增强型ViT模型,用于自动化特发性脊柱侧凸分类,采用自定义注意力机制替代标准多头注意力机制 | 使用自定义注意力机制改进ViT模型,在脊柱侧凸分类中实现更高的准确率 | 研究仅基于单一医疗中心的数据集,可能影响模型的泛化能力 | 开发一个能够客观评估脊柱侧凸诊断的深度学习系统 | 特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | 深度学习 | ViT(Vision Transformer) | X光图像 | 1456名患者的数据集,包含7个不同类别 | NA | NA | NA | NA |
| 937 | 2025-06-04 |
Robust Detection of Out-of-Distribution Shifts in Chest X-ray Imaging
2025-Jun-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01559-7
PMID:40457001
|
research paper | 本研究开发了一种基于GAN的框架,用于检测胸部X射线中的分布外(OOD)情况,以提高诊断准确性 | 通过潜在空间优化和Kolmogorov-Smirnov统计测试,学习正面视图的特征分布,生成相似性分数以可靠识别OOD病例 | NA | 提高胸部X射线中分布外情况的检测可靠性,以增强深度学习系统的临床适用性 | 胸部X射线影像 | computer vision | NA | GAN, Kolmogorov-Smirnov统计测试 | GAN | image | MIMIC-CXR数据集 | NA | NA | NA | NA |
| 938 | 2025-06-04 |
Enhancing the Feature Representation of Protein Sequence Descriptors in Protein-Protein Interaction Prediction
2025-Jun-02, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00723-5
PMID:40457163
|
研究论文 | 本研究旨在通过开发新的蛋白质序列描述符来增强蛋白质-蛋白质相互作用(PPI)预测中的特征表示能力 | 基于六种已知序列描述符开发了新描述符,显著提升了PPI预测性能,并发布了包含51种特征向量的Python软件包ProtSeqDesc | 未明确说明新描述符在所有类型蛋白质相互作用预测中的泛化能力 | 提升蛋白质序列的特征表示质量以改善蛋白质-蛋白质相互作用预测 | 蛋白质序列及其相互作用 | 生物信息学 | NA | 机器学习、深度学习 | NA | 蛋白质序列数据 | 多个PPI数据集(未明确具体数量) | NA | NA | NA | NA |
| 939 | 2025-10-06 |
CDSNet: An automated method for assessing growth stages from various anatomical regions in lateral cephalograms based on deep learning
2025-Jun, Journal of the World federation of orthodontists
IF:2.6Q1
DOI:10.1016/j.ejwf.2024.09.007
PMID:39578153
|
研究论文 | 提出一种基于深度学习的可解释模型CDSNet,用于从侧位头影测量片中评估生长阶段 | 首次整合颈椎、牙列和额窦多个解剖区域进行生长阶段评估,并采用可解释性模块展示各区域贡献 | 研究样本仅来自正畸治疗患者,可能限制模型泛化能力 | 开发自动化方法准确评估骨骼生长阶段 | 正畸患者的侧位头影测量片和手腕X光片 | 计算机视觉 | 正畸疾病 | X射线成像 | 深度学习 | 医学影像 | 1,732对侧位头影测量片和手腕X光片 | NA | CDSNet | 准确率,精确率,召回率,F1分数 | NA |
| 940 | 2025-10-06 |
External validation and performance analysis of a deep learning-based model for the detection of intracranial hemorrhage
2025-Jun, The neuroradiology journal
DOI:10.1177/19714009241303078
PMID:39601611
|
研究论文 | 本研究对FDA批准的深度学习模型在真实世界异质临床数据集中检测颅内出血进行了外部验证和性能分析 | 在多样化真实世界临床数据集上验证FDA批准的深度学习模型,并分析患者风险因素对模型性能的影响 | 研究仅包含5600例非增强头部CT扫描,样本来源相对有限 | 评估深度学习模型在检测颅内出血方面的外部验证性能和临床应用价值 | 来自急诊、住院和门诊单位的5600例非增强头部CT扫描 | 医学影像分析 | 颅内出血 | CT扫描 | 深度学习模型 | 医学影像 | 5600例非增强头部CT扫描 | NA | NA | 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, AUC | NA |