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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-04-23 |
Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100758
PMID:40256318
|
research paper | 临床验证一款基于CNN的Android智能手机应用,用于识别青光眼患者的局部用药 | 开发并验证了一款多语言的CNN驱动应用,显著提高了视力受损患者的药物识别准确率 | 样本量较小(41名参与者),且非英语使用者的应用易用性评分较低 | 验证基于CNN的智能手机应用在青光眼患者药物识别中的效果 | 青光眼伴视力受损患者(包括英语和非英语使用者) | computer vision | glaucoma | CNN | CNN | image | 41名患者(20名非英语使用者,21名英语使用者) | NA | NA | NA | NA |
| 1902 | 2025-10-07 |
Enhancing the application of near-infrared spectroscopy in grain mycotoxin detection: An exploration of a transfer learning approach across contaminants and grains
2025-Jul-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143854
PMID:40117813
|
研究论文 | 本研究将迁移学习策略引入化学计量学,用于改进不同谷物或毒素光谱数据的深度学习模型 | 首次将迁移学习方法应用于谷物真菌毒素的近红外光谱检测,解决了单源模型适应性差的问题 | 仅针对小麦玉米赤霉烯酮和花生黄曲霉毒素B1进行了验证,未涵盖更多谷物和毒素类型 | 提高近红外光谱在谷物真菌毒素检测中的应用效果 | 谷物中的真菌毒素(小麦玉米赤霉烯酮和花生黄曲霉毒素B1) | 化学计量学 | NA | 近红外光谱法,FT-NIR光谱法 | 深度学习模型 | 光谱数据 | 小麦玉米赤霉烯酮和花生黄曲霉毒素B1样本集 | NA | NA | 相关系数R,相对预测偏差RPD | NA |
| 1903 | 2025-10-07 |
Applying deep learning algorithms for non-invasive estimation of carotenoid content in the foot muscle of Pacific abalone with different colors
2025-Jul-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143913
PMID:40157001
|
研究论文 | 本研究应用深度学习算法基于颜色测量非侵入性估计太平洋鲍鱼足肌中类胡萝卜素含量 | 开发了基于颜色的类胡萝卜素估计套件(CCES),相比传统方法效率提升450倍,成本降低47-77倍 | 模型的决定系数为0.415,预测精度仍有提升空间 | 开发非侵入性快速估计鲍鱼类胡萝卜素含量的方法 | 太平洋鲍鱼(Haliotis discus hannai)的足肌组织 | 计算机视觉 | NA | 靶向代谢组学,CIELAB颜色空间测量 | LSTM | 颜色测量数据 | 344个鲍鱼样本 | NA | LSTM | RMSE, 决定系数R | NA |
| 1904 | 2025-10-07 |
Autonomous Screening for Diabetic Macular Edema Using Deep Learning Processing of Retinal Images
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100722
PMID:40225408
|
研究论文 | 开发并验证一种基于深度学习处理视网膜图像的自主筛查糖尿病黄斑水肿模型 | 在多样化多设备临床环境中验证深度学习模型对糖尿病黄斑水肿的检测能力 | 需要进一步的前瞻性研究验证 | 开发适用于糖尿病黄斑水肿筛查的深度学习模型 | 糖尿病患者的视网膜图像 | 计算机视觉 | 糖尿病黄斑水肿 | 彩色眼底成像 | 深度学习 | 图像 | EyePACS数据集包含32,049张图像来自15,892名患者,其中开发集14,246例,验证集1,583例 | NA | NA | 灵敏度,特异度,AUC | NA |
| 1905 | 2025-10-07 |
Enhanced Macular Telangiectasia Type 2 Detection: Leveraging Self-Supervised Learning and Ensemble Models
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100710
PMID:40225407
|
研究论文 | 本研究开发了一种基于自监督学习和集成模型的黄斑毛细血管扩张症2型检测方法 | 结合自监督学习和集成模型方法,在有限标注数据下提升罕见疾病分类性能 | 仅使用419个OCT体积数据进行训练,样本量相对有限 | 开发准确且可解释的黄斑毛细血管扩张症2型自动检测方法 | 黄斑毛细血管扩张症2型患者和非患者的OCT图像 | 医学影像分析 | 黄斑毛细血管扩张症 | OCT成像 | 深度学习,集成学习 | OCT图像 | 5200张OCT图像(780名MacTel患者和1900名非MacTel患者) | NA | NA | AUROC,AUPRC,准确率,灵敏度,特异性 | NA |
| 1906 | 2025-10-07 |
Simulation of a Free Boundary Cell Migration Model through Physics Informed Neural Networks
2025-Jul, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.106961
PMID:40058062
|
研究论文 | 本研究开发了一种基于物理信息神经网络的自由边界细胞迁移模型,用于模拟一维肌动球蛋白流动 | 首次将物理信息神经网络应用于具有移动边界的细胞迁移问题,无需合成数据即可训练模型 | 模型为一维简化,可能无法完全反映真实三维细胞迁移的复杂性 | 开发计算模型以理解单细胞迁移中肌动球蛋白流动的动力学行为 | 迁移细胞中的肌动球蛋白流动和肌动蛋白浓度 | 计算生物学 | NA | 物理信息神经网络 | 神经网络 | 数值模拟数据 | NA | NA | 物理信息神经网络 | 与实验和计算数据的定性比较 | NA |
| 1907 | 2025-04-09 |
Nondestructive detection of cadmium content in oilseed rape leaves under different silicon environments using deep transfer learning and Vis-NIR hyperspectral imaging
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143799
PMID:40081073
|
研究论文 | 提出了一种基于深度迁移学习和可见-近红外高光谱成像技术的油菜叶片镉含量无损检测方法 | 开发了迁移堆叠去噪自编码器(T-SDAE)算法,实现了不同硅环境下油菜叶片镉含量预测模型的迁移 | NA | 实现不同硅环境下油菜叶片镉含量的准确无损检测 | 油菜叶片 | 计算机视觉 | NA | 可见-近红外高光谱成像技术 | T-SDAE, SVR | 高光谱图像 | NA | NA | NA | NA | NA |
| 1908 | 2025-04-09 |
An efficient method for chili pepper variety classification and origin tracing based on an electronic nose and deep learning
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143850
PMID:40101378
|
研究论文 | 本文提出了一种结合电子鼻和深度学习的方法,用于辣椒品种分类和产地溯源 | 提出了一种传感器感知卷积网络(SACNet),集成了电子鼻技术,通过传感器注意力模块自适应关注各传感器的重要性,并引入局部感知和广域感知结构以捕获气体信息特征 | 方法依赖于电子鼻系统的气体样本采集,可能在实际应用中受到环境因素的影响 | 解决辣椒品种和产地快速准确识别的问题 | 辣椒 | 机器学习 | NA | 电子鼻(e-nose) | CNN(SACNet) | 气体数据 | 三个数据集(Dataset A、B、C),具体样本数量未提及 | NA | NA | NA | NA |
| 1909 | 2025-04-06 |
Code-Free Deep Learning Glaucoma Detection on Color Fundus Images
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100721
PMID:40182983
|
研究论文 | 本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能,并与专家设计的模型进行了比较 | 使用无代码深度学习(CFDL)方法,使无编程经验的临床医生能够构建自己的AI模型,用于青光眼筛查 | 未提及具体局限性 | 评估无代码深度学习在青光眼检测中的性能 | 眼底图像 | 计算机视觉 | 青光眼 | 深度学习 | CFDL模型 | 图像 | 101442张标记的眼底图像 | NA | NA | NA | NA |
| 1910 | 2025-10-07 |
A damage identification method for aviation structure integrating Lamb wave and deep learning with multi-dimensional feature fusion
2025-Jul, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107623
PMID:40058116
|
研究论文 | 提出一种融合Lamb波和深度学习的航空结构损伤识别方法,通过多维特征融合实现损伤定位和量化 | 结合Lamb波信号处理与多维特征融合深度学习模型,实现跨几何传感器阵列的迁移学习 | NA | 解决航空结构健康监测中损伤信息的多维提取和有效利用问题 | 飞机切割段的航空结构损伤 | 结构健康监测 | NA | Lamb波传感技术 | 深度学习, CNN, BiLSTM | 一维信号, 二维图像 | NA | NA | Inception-v1, BiLSTM, 自定义卷积模块 | 损伤定位精度, 损伤量化精度, 鲁棒性 | NA |
| 1911 | 2025-10-07 |
Feature compensation and network reconstruction imaging with high-order helical modes in cylindrical waveguides
2025-Jul, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107631
PMID:40101471
|
研究论文 | 提出基于特征补偿和网络重建的逐步反演方法,结合高阶螺旋导波实现管道缺陷的高分辨率成像 | 通过深度学习结合高阶螺旋导波扩展成像视野,解决了有限视角条件下弱特征缺陷准确反演的难题 | 仅针对管道类圆柱波导结构进行验证,未涉及其他复杂几何形状的波导结构 | 开发管道缺陷无损检测的高分辨率成像方法 | 油气运输管道中的壁厚损失缺陷 | 机器学习和无损检测 | NA | 超声波导波技术、有限差分法 | 深度学习 | 超声波信号数据 | 测试集中随机选取的50个缺陷样本 | NA | NA | 二维皮尔逊相关系数, 最大壁厚损失估计精度 | NA |
| 1912 | 2025-03-25 |
Ink classification in historical documents using hyperspectral imaging and machine learning methods
2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125916
PMID:40049019
|
研究论文 | 本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类 | 结合高光谱成像和多种机器学习方法(包括传统算法和深度学习模型)进行墨水分类,并在具有挑战性的条件下实现高准确率 | 仅针对三种特定类型的墨水进行分类,可能不适用于其他类型的墨水 | 开发非侵入性的墨水识别和映射方法,以促进历史文献的保护和分析 | 历史文献中的墨水(纯金属没食子酸墨水、含碳墨水和非含碳墨水) | 计算机视觉 | NA | 高光谱成像 | SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model | 图像 | 模拟样本和历史文献样本 | NA | NA | NA | NA |