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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
201 | 2025-10-05 |
Improving internet of health things security through anomaly detection framework using artificial intelligence driven ensemble approaches
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10016-y
PMID:41028043
|
研究论文 | 提出一种基于人工智能集成方法的异常检测框架,用于增强医疗物联网安全 | 开发了SEGOA超参数优化算法,并采用RNN、BiLSTM和KELM的集成深度学习模型进行网络攻击检测 | 仅使用ECU-IoHT基准数据集进行验证,未在其他数据集上测试泛化能力 | 提高医疗物联网环境中的网络安全防护能力 | 医疗物联网设备和应用中的网络攻击行为 | 机器学习 | NA | 异常检测 | RNN, BiLSTM, KELM | 网络流量数据 | ECU-IoHT基准数据集 | NA | 循环神经网络, 双向长短期记忆网络, 核极限学习机 | 准确率 | NA |
202 | 2025-10-05 |
Fuzzy C-Means clustering and LSTM-based magnitude prediction of earthquakes in the Aegean region of Türkiye
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07538-w
PMID:41028055
|
研究论文 | 本研究结合模糊C均值聚类、统计建模和LSTM深度学习技术,对土耳其爱琴海地区地震震级进行分析和预测 | 首次将模糊C均值聚类、统计分布分析和LSTM深度学习模型集成应用于区域地震震级预测 | 研究仅针对土耳其爱琴海地区,模型在其他地区的适用性需要进一步验证 | 开发综合方法以准确预测地震震级,支持地震风险缓解和结构韧性规划 | 土耳其爱琴海地区的地震事件 | 机器学习 | NA | 地震数据分析,统计分布拟合,深度学习预测 | LSTM | 地震震级数据 | NA | NA | LSTM | 准确度范围 | NA |
203 | 2025-10-05 |
Artificial intelligence based platform for the automatic and simultaneous explainable detection of apnoea, oxygen desaturation, and artefacts in paediatric polygraphy exams (REST)
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13630-y
PMID:41028075
|
研究论文 | 开发了一种基于人工智能的平台REST,用于自动同时检测小儿多导睡眠图中的呼吸暂停、氧饱和度下降和伪影 | 提出了一种新颖的一维深度神经网络架构,能够同时检测三种目标事件并提供决策过程的可解释性 | 仅在86名儿科患者数据上进行训练和测试,样本量相对有限 | 开发自动检测睡眠呼吸暂停及相关事件的AI平台 | 儿科患者的多导睡眠图信号 | 医疗人工智能 | 睡眠呼吸暂停 | 多导睡眠图 | 深度学习 | 生理信号(气流、脉搏血氧信号) | 86名儿科患者 | NA | 1D深度神经网络 | 平衡分类准确率 | NA |
204 | 2025-10-05 |
An efficient data driven framework for intrusion detection in wireless sensor networks using deep learning
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12867-x
PMID:41028087
|
研究论文 | 提出了一种基于深度学习的无线传感器网络入侵检测框架,结合CNN和RNN网络并采用对抗感知优化模型 | 结合卷积神经网络和循环神经网络,采用对抗感知优化模型,同时优化检测精度、对抗脆弱性和模型泛化能力 | NA | 为无线传感器网络设计轻量级且具有弹性的入侵检测系统 | 无线传感器网络中的网络安全威胁 | 机器学习 | NA | 深度学习 | CNN, RNN | 网络流量数据 | 使用NSL-KDD、CICIDS2017、UNSW-NB15和CTU-13多个基准数据集 | NA | CNN, RNN | 检测准确率, 鲁棒性, 可迁移性 | NA |
205 | 2025-10-05 |
An optimized hybrid deep learning model to detect Alzheimer disease
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14169-8
PMID:41028094
|
研究论文 | 提出一种优化的混合深度学习模型用于阿尔茨海默病检测 | 结合Inception v3和ResNet 50算法,并使用自适应骑手优化算法优化网络参数 | NA | 提高阿尔茨海默病早期检测的准确性 | 阿尔茨海默病患者,特别是轻度认知障碍阶段 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | CNN | 医学影像数据 | 基准痴呆数据集 | NA | Inception v3, ResNet 50 | 准确率, 精确率, 召回率, F1分数 | NA |
206 | 2025-10-05 |
Harnessing operating room signals to estimate mean arterial pressure with AnesthNet
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12341-8
PMID:41028102
|
研究论文 | 本研究开发了名为AnesthNet的深度学习架构,用于通过非侵入式传感器数据估计平均动脉压 | 提出专门针对平均动脉压估计的深度学习架构,在两大公开数据集上达到最优性能,并满足临床实时性要求 | 研究仅基于现有数据库进行验证,需要进一步临床实时验证 | 开发非侵入式平均动脉压监测方法以替代侵入性动脉导管 | 手术室患者的平均动脉压监测 | 医疗人工智能 | 麻醉监护 | 光体积描记法、心电图、袖带示波法 | 深度学习 | 生理信号数据 | VitalDB数据集2,833名患者,LaribDB数据集5,060名患者 | NA | AnesthNet | 平均绝对误差 | NA |
207 | 2025-10-05 |
A personalized federated hypernetworks based aggregation approach for intrusion detection systems
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11659-7
PMID:41028116
|
研究论文 | 提出一种基于个性化联邦超网络的入侵检测系统聚合方法,解决传统联邦学习在物联网环境中的局限性 | 使用嵌入向量而非权重进行聚合,计算更轻量且支持更好的个性化;结合个性化层和超网络聚合实现效率与适应性平衡 | 未明确说明在极端异构环境下的性能边界和通信效率的具体提升幅度 | 开发高效且隐私保护的分布式入侵检测方法 | 物联网设备生成的网络流量数据 | 机器学习 | NA | 联邦学习,深度学习 | 超网络 | 网络流量数据 | CSE-CICIDS-2018和UNSW-NB-15数据集 | NA | 个性化联邦超网络 | 鲁棒性,适应性 | NA |
208 | 2025-10-05 |
An intelligent deep representation learning with enhanced feature selection approach for cyberattack detection in internet of things enabled cloud environment
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13457-7
PMID:41028127
|
研究论文 | 提出一种智能混合深度学习方法,通过增强特征选择技术在物联网云环境中进行网络攻击检测 | 结合递归特征消除与信息增益的特征选择方法和CNN-LSTM混合模型,在物联网云环境中实现高效网络攻击检测 | NA | 加强物联网网络安全,识别关键威胁并开发有效的检测和缓解策略 | 物联网云环境中的网络攻击 | 机器学习 | NA | 深度学习 | CNN,LSTM | 网络数据 | ToN-IoT和Edge-IIoT数据集 | NA | CNN-LSTM混合架构 | 准确率 | NA |
209 | 2025-10-05 |
Attention-enhanced hybrid U-Net for prostate cancer grading and explainability
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13824-4
PMID:41028129
|
研究论文 | 提出一种结合Transformer注意力机制的混合U-Net模型,用于前列腺癌分级和可解释性分析 | 集成混合CNN-Transformer编码器、注意力引导跳跃连接和多阶段引导损失机制,提升分割精度和模型可解释性 | 仅在SICAPv2数据集上进行验证,需要更多外部验证 | 开发高精度可解释的前列腺癌组织病理分割框架 | 前列腺癌组织病理图像 | 数字病理学 | 前列腺癌 | 组织病理学成像 | CNN, Transformer | 医学图像 | SICAPv2数据集 | NA | U-Net, ResNet50, Vision Transformer (ViT) | Dice Score, IoU, Precision, Recall | NA |
210 | 2025-10-05 |
Species habitat modeling based on image semantic segmentation
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09035-6
PMID:41028132
|
研究论文 | 提出结合核密度分析和语义分割方法的物种栖息地建模框架,用于改善传统栖息地模型的局限性 | 通过核密度分析将仅存在数据扩展为存在-缺失数据,并首次将语义分割方法Segformer应用于栖息地建模 | 在燕子科的案例研究中显示出方法的局限性 | 开发更全面的物种栖息地建模方法,考虑周围环境对栖息地适宜性的影响 | 台湾鹬科鸟类和燕子科鸟类 | 计算机视觉 | NA | 核密度分析,语义分割 | Segformer | 图像数据 | NA | NA | Segformer | AUC | NA |
211 | 2025-10-05 |
Optimal attention deep learning based in-vehicle intrusion detection and classification model on CAN messages
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10637-3
PMID:41028136
|
研究论文 | 提出一种基于优化注意力深度学习的车载入侵检测与分类模型,用于保护控制器局域网消息安全 | 采用注意力机制增强的长短期记忆网络和RMSProp超参数优化算法,提升入侵检测性能 | 深度学习需要大量数据,但在基于CAN的入侵检测系统中可能难以获得足够数据 | 开发高效的车载网络入侵检测系统以保障汽车网络安全 | 控制器局域网总线消息和车载网络通信 | 机器学习 | NA | 深度学习,机器学习 | A-LSTM | 网络消息数据 | 标准化汽车黑客数据集 | NA | 注意力增强长短期记忆网络 | 多种性能指标 | NA |
212 | 2025-10-05 |
Path-based evaluation of deep learning models for solving inverse kinematics in a revolute-prismatic robot
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10940-z
PMID:41028144
|
研究论文 | 本研究评估深度学习模型在2自由度旋转-平移机器人逆运动学求解中的泛化性能 | 采用k折交叉验证的深度前馈神经网络,通过单输出公式处理关节解的唯一性和奇异性问题 | 仅针对2自由度旋转-平移机器人进行研究,未扩展到更高自由度的复杂系统 | 评估不同神经网络架构从末端执行器位置预测关节配置的有效性 | 2自由度旋转-平移机器人机械臂 | 机器学习 | NA | 深度学习 | DFNN, LSTM, GRU | 机器人运动学数据 | NA | NA | 深度前馈神经网络,长短期记忆网络,门控循环单元 | 笛卡尔偏差误差 | NA |
213 | 2025-10-05 |
Deep learning model BiFPN-YOLOv8m for tree counting in mango orchards using satellite remote sensing data
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97562-7
PMID:41028215
|
研究论文 | 提出基于BiFPN-YOLOv8m深度学习模型,利用卫星遥感数据对芒果园中的树木进行计数 | 将双向特征金字塔网络(BiFPN)与YOLOv8m结合,改进了YOLOv8模型在树木计数任务中的性能 | 仅针对芒果园场景,数据集规模相对有限(2000张图像) | 开发高效的芒果园树木自动计数方法以替代传统人工调查 | 芒果园中的树木 | 计算机视觉 | NA | 卫星遥感 | CNN, YOLO | 卫星图像 | 1700张训练图像和300张测试图像,包含不同树龄的芒果园 | PyTorch | YOLOv8, BiFPN, YOLOv9, YOLOv10 | 准确率, 计算效率, 速度 | NA |
214 | 2025-10-05 |
Development of a deep learning model for survival prediction in heart failure: competing risk and frailty model
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14715-4
PMID:41028214
|
研究论文 | 开发了一种结合虚弱和竞争风险的深度学习模型用于心力衰竭患者的生存预测 | 首个同时整合虚弱效应和竞争风险的深度学习框架,改进了医疗数据中删失数据的处理 | 临床相关性需要进一步验证,深度学习优势受数据和未测量混杂因素影响 | 心力衰竭患者的生存预测和风险分层 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 深度学习 | 深度神经网络 | 临床数据 | 435名心力衰竭患者(2018年3-9月入组,5年随访至2023年7月) | NA | DNFCR(深度神经网络虚弱竞争风险模型),包括比例虚弱结构(DNFCR_PF)和非比例虚弱结构(DNFCR_NF) | C-index, IBS, INBLL | NA |
215 | 2025-10-05 |
An autoencoder driven deep learning geospatial approach to flood vulnerability analysis in the upper and middle basin of river Damodar
2025-Sep-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96781-2
PMID:41028232
|
研究论文 | 提出一种基于CNN自编码器的深度学习方法,用于达莫达尔河上中游流域的洪水脆弱性分析 | 在缺乏洪水记录数据的区域,首次将CNN自编码器与K-means聚类结合用于洪水风险分区 | 某些因素如地形坡向会引入噪声影响模型结果 | 开发适用于数据稀缺区域的洪水脆弱性评估方法 | 达莫达尔河上中游流域 | 机器学习 | NA | 地理空间分析 | CNN, Autoencoder | 地理空间图层 | NA | NA | CNN Autoencoder | MSE, precision, recall, accuracy, 聚类指数 | NA |
216 | 2025-10-05 |
Early diagnosis of knee osteoarthritis severity using vision transformer
2025-Sep-30, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09137-2
PMID:41029374
|
研究论文 | 本研究利用视觉变换器(ViT)实现膝关节骨关节炎严重程度的早期诊断 | 首次将视觉变换器(ViT)应用于膝关节骨关节炎KL分级,通过简单迁移学习技术获得优于复杂架构的性能 | 未提及具体的数据集规模和模型泛化能力验证 | 开发基于深度学习的膝关节骨关节炎自动诊断系统以提高临床效率 | 膝关节骨关节炎患者的医学影像 | 计算机视觉 | 骨关节炎 | MRI, X-ray | ViT | 医学影像 | NA | NA | Vision Transformer | 准确率 | NA |
217 | 2025-10-05 |
EDDet: efficient deep-fusion and dynamic optimization for small target detection in eggplant diseases
2025-Sep-30, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-025-07268-1
PMID:41029480
|
研究论文 | 提出一种改进的深度学习小目标检测模型EDDet,专门用于茄子病害中微小病斑的识别 | 创新设计Pinwheel融合特征提取器框架和跨层注意力模块,引入基于尺度的动态损失函数 | NA | 提高茄子病害中微小病斑的检测精度和效率 | 茄子病害中的小病斑区域 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | NA | NA | EDDet, PFFE, CAM | mAP50, 参数量, GFLOPs, FPS | NA |
218 | 2025-10-05 |
Gene expression and protein abundance: Just how associated are these molecular traits?
2025-Sep-30, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108720
PMID:41038299
|
综述 | 本文系统回顾了基因表达与蛋白质丰度关联性的研究进展及其在生物技术中的应用潜力 | 整合了单细胞分析最新数据,系统分类不同实验环境和细胞背景下两者关联性的研究方法 | 主要依赖相关性分析方法,对因果机制的解析仍存在局限 | 探讨基因表达与蛋白质丰度的关联程度及其在代谢工程和合成生物学中的应用价值 | 基因表达与蛋白质丰度的关联性研究 | 生物信息学 | NA | 转录组学、蛋白质组学、单细胞分析 | 统计模型、机制模型、机器学习、深度学习 | 基因表达数据、蛋白质丰度数据 | NA | NA | NA | 相关性指标 | NA |
219 | 2025-10-05 |
Deep learning method for semi-automated segmentation of optic nerve head tissues in optical coherence tomography images
2025-Sep-30, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110678
PMID:41038371
|
研究论文 | 提出基于深度学习的光学相干断层扫描图像中视神经乳头组织的半自动分割方法 | 结合CNN自动预测与用户交互校正的半自动分割框架,支持实时模型更新 | 测试数据集较小(仅6个ONH图像体积),需要更大样本验证模型更新效果 | 开发视神经乳头组织的自动化分割工具以替代耗时的手动分割 | 光学相干断层扫描图像中的前筛板表面、布鲁赫膜和脉络膜-巩膜界面 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | CNN | 图像 | 46个预处理ONH图像体积(每个含24个径向扫描) | NA | NA | 均方根误差 | NA |
220 | 2025-10-05 |
Artificial intelligence in nuclear cardiology: Enhancing diagnostic accuracy and fficiency
2025-Sep-30, Progress in cardiovascular diseases
IF:5.6Q1
DOI:10.1016/j.pcad.2025.09.010
PMID:41038418
|
综述 | 本文综述人工智能在核心脏病学领域的最新进展及其提升诊断准确性和效率的潜力 | 提出AI可解决图像采集、重建和判读的技术复杂性,实现虚拟衰减校正和新型风险标志物的自动量化 | NA | 探讨人工智能在核心脏病学中的应用前景及临床工作流程改造 | 核心脏病学图像及多模态临床数据 | 医学影像分析 | 心血管疾病 | 核医学成像 | 机器学习,深度学习 | 医学图像,临床数据 | NA | NA | NA | 诊断准确性,风险分层精度 | NA |