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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2201 | 2025-11-30 |
Ortho-OPD: an Automatic Osteotomy Planes Design Model for Orthognathic Surgery Based on Deep Learning
2025-Nov-28, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3638775
PMID:41313700
|
研究论文 | 提出基于深度学习的自动截骨平面设计模型Ortho-OPD,用于正颌手术规划 | 首次结合CNN分割网络和RANSAC算法实现从原始CT数据自动设计正颌手术截骨平面 | 训练样本量较小(71例),需进一步扩大验证 | 开发自动化的正颌手术截骨平面设计方法以提升手术规划效率 | 颅颌面CT数据和正颌手术截骨平面 | 计算机视觉 | 牙颌面畸形 | CT成像 | CNN | 3D医学图像(CT) | 71个训练样本,31个测试病例 | NA | CNN结合RANSAC算法 | Dice相似系数,角度误差,最短距离,临床效率 | NA |
| 2202 | 2025-11-30 |
Artificial Intelligence in Pediatric Surgery: From Diagnostics and Preoperative Planning to Risk Stratification: A Comprehensive Review of Current Applications
2025-Nov-28, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie
IF:1.5Q3
DOI:10.1055/a-2743-4868
PMID:41314409
|
综述 | 全面综述人工智能在儿科外科诊断、术前规划、风险分层和手术错误预防四大领域的当前应用 | 首次系统整合儿科外科四大应用领域的最新进展,突出成人外科与儿科外科在AI转化方面的差异 | 多数研究为回顾性单中心研究,方法学异质性强,外部验证不足,缺乏前瞻性验证 | 评估人工智能在儿科外科领域的应用现状和发展前景 | 儿科外科患者群体 | 数字病理 | 儿科外科疾病 | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 准确率 | NA |
| 2203 | 2025-11-30 |
Capturing atomic wetting dynamics in real time
2025-Nov-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66416-1
PMID:41315237
|
研究论文 | 通过原位原子分辨率透射电镜和深度学习CNN实时观察并分析了SnO纳米线在多壁碳纳米管内的原子级润湿动力学和生长机制 | 首次实时捕获了受限空间内原子级润湿动力学,揭示了纳米线生长的两阶段机制,并建立了传统毛细作用模型无法描述的润湿界面条件 | 研究仅限于SnO纳米线在碳纳米管内的生长过程,未验证其他材料体系的适用性 | 理解纳米尺度下原子级润湿动力学及其对纳米材料制备的影响 | 多壁碳纳米管内金属纳米线的生长过程 | 材料科学,纳米技术 | NA | 原位原子分辨率透射电镜,深度学习卷积神经网络 | CNN | 原子分辨率图像序列 | NA | NA | 卷积神经网络 | NA | NA |
| 2204 | 2025-11-30 |
Hybrid deep learning with attention fusion for enhanced colon cancer detection
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29447-8
PMID:41315603
|
研究论文 | 提出一种结合EfficientNet-B3和Vision Transformer的混合深度学习模型,通过注意力融合机制增强结肠癌检测性能 | 首次将EfficientNet-B3的局部纹理特征提取能力与Vision Transformer的全局上下文建模能力通过多头注意力融合机制相结合 | 存在轻微过拟合倾向 | 开发自动化结肠癌检测系统 | 结肠镜图像 | 计算机视觉 | 结肠癌 | NA | CNN, Transformer | 图像 | Kvasir内窥镜数据集中的八类图像 | NA | EfficientNet-B3, Vision Transformer | 准确率, F1分数, MCC, Brier Score | NA |
| 2205 | 2025-11-30 |
CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29658-z
PMID:41315655
|
研究论文 | 提出基于JOA优化的CNN-LSTM混合深度学习模型,用于预测CBN刀具加工Inconel 718时的表面粗糙度和刀具磨损 | 首次将水母优化算法(JOA)与CNN-LSTM混合模型结合,实现实时预测刀具磨损和表面质量 | 实验数据仅基于27组全因子加工试验,样本规模有限 | 解决镍基高温合金加工过程中刀具快速磨损和表面质量差的问题 | CBN刀具在MQL条件下硬车削Inconel 718的过程 | 智能制造 | NA | 深度学习,优化算法 | CNN, LSTM | 加工参数数据 | 27组全因子加工试验数据 | MATLAB/Simulink | CNN-LSTM混合架构 | 相关系数(R), 均方根误差(RMSE), 平均绝对百分比误差(MAPE) | MATLAB/Simulink环境 |
| 2206 | 2025-11-30 |
AI powered multi feature fusion framework for retrieving images using color, texture and shape descriptors
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29719-3
PMID:41315670
|
研究论文 | 提出一种基于AI的多特征融合框架,通过整合颜色、纹理和形状描述符来改进基于内容的图像检索系统 | 采用注意力引导加权机制动态调整不同特征类型的重要性,结合深度学习优化与低层视觉描述符的混合方法 | 仅在Corel-1K和Caltech-101基准数据集上进行了验证,缺乏更广泛数据集的测试 | 开发更高效准确的基于内容的图像检索系统 | 数字图像数据 | 计算机视觉 | NA | 基于内容的图像检索 | CNN, SVM | 图像 | Corel-1K和Caltech-101基准数据集 | NA | NA | 准确率, 召回率, mAP | NA |
| 2207 | 2025-11-30 |
Deep learning for microbial life detection in deep subseafloor samples: objective cell recognition
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29239-0
PMID:41315727
|
研究论文 | 开发基于深度学习的图像识别方法用于海底沉积物样本中微生物细胞的检测 | 首次将深度学习应用于富含颗粒物样本中的微生物细胞识别,通过分类器区分细胞样颗粒,显著提高检测准确性 | 方法性能依赖于预标注图像质量和置信度阈值设置,在极端颗粒干扰环境下可能仍需专家验证 | 提高富含颗粒物样本中微生物细胞检测和计数的准确性,减少对专家训练的依赖 | 海底沉积物样本中的微生物细胞 | 计算机视觉 | NA | 荧光染色显微镜技术 | 深度学习分类器 | 显微图像 | 预标注图像数据集 | NA | NA | 准确率 | NA |
| 2208 | 2025-11-30 |
Power quality disturbance identification using hybrid deep learning in renewable energy systems
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28291-0
PMID:41315829
|
研究论文 | 提出一种基于混合深度学习的电能质量扰动识别方法,应用于风能-太阳能光伏混合可再生能源系统 | 结合连续小波变换的尺度图与深度神经网络(ResNet和VGG-Net)、邻域成分分析和支持向量机分类的混合方法 | 仅基于IEEE 9总线和13总线测试系统进行仿真验证,未提及实际现场部署情况 | 提高混合可再生能源系统中电能质量扰动的诊断准确性 | 风能-太阳能光伏混合发电系统的电能质量扰动 | 机器学习 | NA | 连续小波变换 | CNN, SVM | 尺度图(图像数据) | IEEE 9总线和13总线测试系统的仿真数据 | MATLAB/Simulink | ResNet, VGG-Net | 准确率, 精确率, 召回率 | NA |
| 2209 | 2025-11-30 |
Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics
2025-Nov-27, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104206
PMID:41313684
|
研究论文 | 提出一种结合Transformer和图变分自编码器的深度学习框架TG-ME,用于从空间转录组和形态学图像中识别微环境 | 首次将Transformer与图变分自编码器结合用于空间微环境分析,能够整合空间转录组数据和形态学特征 | 未提供具体性能指标和对比实验结果 | 开发计算框架以识别组织中的空间微环境 | 健康组织、肿瘤组织和感染组织的空间微环境 | 数字病理学 | 肿瘤 | 空间转录组学 | Transformer, 图变分自编码器 | 空间转录组数据, 形态学图像 | NA | NA | Transformer, 图变分自编码器 | NA | NA |
| 2210 | 2025-11-30 |
Protein model building for intermediate-resolution cryo-EM maps by integrating evolutionary and experimental information
2025-Nov-27, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.11.004
PMID:41314215
|
研究论文 | 提出CryoEvoBuild方法,通过整合进化和实验信息改进中等分辨率冷冻电镜图谱的蛋白质模型构建 | 开发了基于AlphaFold2引导的循环框架,实现新颖的域级拟合、精修、组装和重建流程 | NA | 解决中等分辨率冷冻电镜图谱中蛋白质模型构建的挑战 | 蛋白质结构模型 | 结构生物学 | NA | 冷冻电镜技术 | 深度学习模型 | 冷冻电镜图谱 | 117个分辨率在4.0-10.0 Å的图谱 | AlphaFold2 | NA | 结构准确性 | NA |
| 2211 | 2025-11-30 |
Automated Bone Age Assessment and Adult Height Prediction from Pediatric Hand Radiographs via a Cascaded Deep Learning Framework
2025-Nov-26, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02306-9
PMID:41296212
|
研究论文 | 提出一种级联深度学习框架,从儿童手部X光片自动评估骨龄并预测成年身高 | 首次将实例分割与并行ResNet子网络结合的级联框架,实现端到端的骨龄评估和身高预测 | 仅使用中国儿童数据,模型泛化能力需进一步验证 | 提高儿科生长评估中骨龄评估和身高预测的客观性和效率 | 中国儿童手部X光片 | 计算机视觉 | 儿科生长发育 | X射线成像 | CNN, 实例分割, 回归模型 | X光图像 | 8,242张左手X光片 | PyTorch | Yolact, ResNet-18 | Pearson相关系数, Bland-Altman分析, 平均绝对误差 | NA |
| 2212 | 2025-11-30 |
Artificial intelligence tools for the assessment and management of dysphagia: protocol for a scoping review
2025-Nov-26, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-108726
PMID:41298263
|
综述 | 本文是关于人工智能工具在吞咽困难评估与管理中应用的范畴界定综述研究方案 | 首次系统性地对人工智能在吞咽困难领域的应用进行范畴界定综述,填补现有文献综合的空白 | 仅关注成人吞咽困难,排除儿科人群研究;不涉及原始患者数据收集 | 系统梳理和综合现有关于AI工具在吞咽困难评估与管理中应用的文献 | 专注于人工智能工具(机器学习、深度学习、计算机视觉)在吞咽困难领域的应用研究 | 医疗人工智能 | 吞咽困难 | 视频荧光吞咽研究、柔性内窥镜吞咽评估 | 机器学习, 深度学习 | 医学影像, 临床数据 | NA | NA | NA | NA | NA |
| 2213 | 2025-11-30 |
Towards decoding individual words from non-invasive brain recordings
2025-Nov-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65499-0
PMID:41298362
|
研究论文 | 开发了一种从非侵入性脑记录(EEG和MEG)解码单个单词的深度学习流程 | 首次实现从非侵入性脑记录中解码训练集未出现的单词,并在多设备、多语言、多任务场景下持续优于现有方法 | 非侵入式记录的解码精度仍受设备类型和实验协议限制,EEG和听力任务比MEG和阅读任务更难解码 | 构建非侵入式脑信号自然语言解码器 | 人类脑电信号(EEG/MEG) | 脑机接口, 自然语言处理 | NA | 脑电图(EEG), 脑磁图(MEG) | 深度学习 | 脑信号时间序列 | 723名参与者,500万个单词,涵盖三种语言 | NA | NA | 解码准确率 | NA |
| 2214 | 2025-11-30 |
YOMO TF based edge cloud collaborative surveillance framework for tobacco warehouse safety management
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26011-2
PMID:41298508
|
研究论文 | 提出一种基于YOMO-TF的边缘云协同监控框架,用于烟草仓库安全管理 | 结合YOLO、MobileOne、Transformer和联邦自蒸馏技术,构建自适应深度学习的边缘云协同监控架构 | NA | 开发实时、隐私保护且可扩展的烟草仓库安全监控解决方案 | 烟草仓库监控场景中的异常行为检测 | 计算机视觉 | NA | 深度学习,联邦学习 | YOLO, Transformer, 轻量级CNN | 视频,图像 | NA | NA | YOLOv8-nano, MobileOne-S, Temporal Shift Transformer (TST) | 准确率, 精确率, 召回率, F1分数 | 边缘设备,云平台 |
| 2215 | 2025-11-30 |
Dual-modality fusion for mango disease classification using dynamic attention based ensemble of leaf & fruit images
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26052-7
PMID:41298556
|
研究论文 | 提出一种基于动态注意力机制的双模态融合方法,结合芒果叶片和果实图像进行疾病分类 | 引入模态注意力融合机制动态加权不同模态的预测结果,并采用类别感知的数据增强策略 | 未明确说明模型在复杂田间环境下的鲁棒性验证 | 提高芒果疾病分类的准确性和泛化能力 | 芒果叶片和果实图像 | 计算机视觉 | 植物疾病 | 深度学习 | CNN | 图像 | 未明确说明具体样本数量 | Django | ResNet-50, MobileNetV2, EfficientNet-B0, ConvNeXt | 准确率, F1分数, ROC-AUC | NA |
| 2216 | 2025-11-30 |
Transformer-based deep learning for adaptive pedagogy under uncertain student preferences
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25996-0
PMID:41298579
|
研究论文 | 提出一种基于Transformer的深度学习框架SRE-TransformerNet,用于在不确定学生偏好的情况下实现自适应教学 | 融合Swin Transformer、ResNet和EfficientNet三种架构,并引入三种新型预处理技术(ARS、FFWA、UDT)和三种新评估指标(CSS、TCI、MCIM) | 未明确说明数据收集的具体限制和模型在不同教育场景中的泛化能力 | 开发能够适应多样化学习行为和个人偏好的个性化教育系统 | 学生学习行为和偏好 | 机器学习 | NA | 深度学习 | Transformer, CNN | 教育行为数据 | NA | NA | Swin Transformer, ResNet, EfficientNet | F1-score, AUC, accuracy, recall, CSS, TCI, MCIM | NA |
| 2217 | 2025-11-30 |
A Hybrid Cross-Attentive CNN-BiLSTM-Transformer Network for Dysarthria Severity Classification
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26049-2
PMID:41298571
|
研究论文 | 提出一种混合深度学习模型用于构音障碍严重程度分类 | 集成CNN、BiLSTM和Transformer架构,采用独特的交叉注意力机制融合小波尺度图与声学特征 | NA | 实现构音障碍的客观自动检测和严重程度分类 | 构音障碍患者语音数据 | 自然语言处理 | 神经系统疾病 | 声学特征分析,小波变换 | CNN, BiLSTM, Transformer | 语音信号,图像 | TORGO和UA Speech两个公共数据集 | NA | 混合CNN-BiLSTM-Transformer网络 | 准确率,配对t检验 | NA |
| 2218 | 2025-11-30 |
Novel dual-input stream-based hybrid approach for wheat leaf disease classification using edge-aware features
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26123-9
PMID:41298585
|
研究论文 | 提出一种结合Xception和EfficientNetB3架构的双输入流混合深度学习模型EffiXB3,用于小麦叶片病害分类 | 首次将Xception和EfficientNetB3架构与边缘感知特征相结合,采用双输入流处理结构和纹理特征 | NA | 提高小麦叶片病害分类的准确性和鲁棒性 | 小麦叶片图像 | 计算机视觉 | 植物病害 | Canny边缘检测 | CNN,混合深度学习模型 | 图像 | NA | NA | Xception,EfficientNetB3,EffiXB3 | 准确率 | NA |
| 2219 | 2025-11-30 |
Dynamic edge-caching through content popularity and crowd prediction for short video services
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26079-w
PMID:41298598
|
研究论文 | 提出一种通过内容流行度和人群预测的动态边缘缓存框架DECC,用于优化短视频服务的缓存决策 | 首次联合建模内容流行度和用户访问行为,采用混合深度学习架构捕获视频请求和用户活动的时序动态特征 | 未明确说明模型在不同网络环境下的泛化能力,实验数据可能受特定场景限制 | 优化移动网络中短视频服务的边缘缓存效率,降低访问延迟 | 短视频内容缓存决策和用户访问行为 | 机器学习 | NA | 深度学习 | CNN, LSTM, GRU | 时序数据,用户行为数据 | 真实世界数据集(具体数量未说明) | 未明确说明 | Conv1D, LSTM, GRU混合架构 | 缓存命中率,访问延迟降低,资源利用效率 | NA |
| 2220 | 2025-11-28 |
Research on personalized distance education recommendation system based on deep learning
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26020-1
PMID:41298620
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |