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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2301 | 2025-11-29 |
A hybrid deep learning model for O3 forecasting and explaining in the Yangtze River Delta Region of China
2025-Dec-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180901
PMID:41232287
|
研究论文 | 本研究开发了一种混合深度学习模型用于长三角地区臭氧浓度预测和解释分析 | 结合注意力机制序列到序列模型与层间相关性传播方法,首次在臭氧预测中量化不同特征的时空贡献 | 研究区域限于长三角地区,时间跨度仅为2020-2023年 | 开发可解释的臭氧浓度预测模型并分析特征贡献机制 | 长三角地区臭氧浓度及其影响因素 | 环境科学, 机器学习 | NA | 随机森林校正, 层间相关性传播, 潜在源贡献函数分析 | 注意力机制序列到序列模型, 随机森林 | 网格化臭氧数据, 气象参数, 地面观测数据 | 2020-2023年长三角地区9公里网格化数据 | NA | seq2seq with attention | 相关系数R, 均方根误差RMSE | NA |
| 2302 | 2025-11-29 |
Self-supervised learning for MRI reconstruction: a review and new perspective
2025-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01274-y
PMID:40569542
|
综述 | 本文系统回顾了自监督深度学习在MRI重建领域的最新进展,探讨其克服全采样k空间数据依赖性的潜力 | 提出了自监督学习作为有监督方法替代方案的新视角,仅需欠采样k空间数据即可训练模型 | 方法在不同解剖结构的鲁棒性存在挑战,验证标准缺乏统一性,临床整合仍需完善 | 推动MRI重建技术发展,解决数据稀缺问题并缩短扫描时间 | 磁共振成像重建方法和技术 | 医学影像 | NA | 磁共振成像 | 深度学习 | k空间数据 | NA | NA | NA | 图像质量 | NA |
| 2303 | 2025-11-29 |
Toward an Unbiased Deep Learning Classifier of Pediatric Middle Ear Disease
2025-Dec, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70031
PMID:40955059
|
研究论文 | 开发基于深度学习的儿科中耳疾病分类器,使用消费级耳镜图像准确识别中耳积液类型 | 首次使用廉价消费级耳镜图像训练深度学习模型,针对儿科中耳疾病分类,并采用多样化年龄代表性数据集 | 样本量相对有限(219名儿童),仅包含麻醉状态下的儿童图像,未在实时临床环境中验证 | 开发准确预测儿科患者中耳积液存在和性质的人工智能算法,改善抗生素合理使用 | 6个月至10岁儿童的中耳图像 | 计算机视觉 | 中耳炎 | 数字耳镜成像 | 深度学习 | 图像 | 219名儿童,737张图像(AOM 73张,OME 190张,无积液274张,无鼓膜200张) | NA | NA | 加权准确率 | NA |
| 2304 | 2025-11-29 |
Durative Monitoring of Sulfur Hexafluoride Characteristic Gases under Hydrogen Interference Using a Time2Vec-Encoded CNN-Transformer-LSTM Model Based on a Heterogeneous Gas Sensor Array
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02740
PMID:41165229
|
研究论文 | 提出一种基于异质气体传感器阵列和Time2Vec编码的CNN-Transformer-LSTM深度学习模型,用于六氟化硫分解气体的持续监测 | 首次将Time2Vec编码与CNN-Transformer-LSTM混合模型结合,并设计异质气体传感器阵列来降低交叉敏感性干扰 | 实验数据仅采集两天,数据量相对有限,需进一步验证长期监测性能 | 开发准确在线监测GIS系统中六氟化硫分解产物的方法 | 六氟化硫分解产生的HS、SO、CO和H₂四组分混合气体 | 传感器技术 | NA | 异质气体传感器阵列(金属氧化物半导体传感器、电化学传感器、Pd-Au合金氢传感器) | CNN, Transformer, LSTM | 气体传感器时序数据 | 连续两天采集的实验数据集,第一天数据进行了增强 | NA | Time2Vec-CNN-Transformer-LSTM混合架构 | 准确率, F1分数, R², RMSE | NA |
| 2305 | 2025-11-29 |
Synergistic Integration of Frequency-Dependent Impedance and Machine Learning in Semiconductor Metal Oxide-Based Breath Sensors for High-Performance Gas Discrimination
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02656
PMID:41178758
|
研究论文 | 本研究结合频率依赖性阻抗谱和机器学习技术,开发了一种用于高性能气体识别的半导体金属氧化物呼吸传感器 | 通过结构组成改性的单传感器结合频率依赖性阻抗特征,在潮湿环境下实现了对化学性质相似气体混合物的高精度识别 | 研究仅针对丙酮和乙醇两种气体的混合物,且浓度范围有限(0.5-2.5 ppm) | 开发用于呼吸疾病检测的高性能气体识别传感器 | 铂负载二氧化锡传感材料对丙酮和乙醇混合物的识别 | 机器学习 | 呼吸系统疾病 | 频率依赖性阻抗谱 | DNN | 阻抗数据 | 丙酮和乙醇混合物在干燥和潮湿环境下的测试数据 | NA | 深度神经网络 | 准确率 | NA |
| 2306 | 2025-11-29 |
From multi-omics to deep learning: advances in cfDNA-based liquid biopsy for multi-cancer screening
2025-Nov-28, Biomarker research
IF:9.5Q1
DOI:10.1186/s40364-025-00874-z
PMID:41310905
|
综述 | 本文综述了基于cfDNA的液体活检在多癌筛查中的最新进展,重点介绍了多组学标志物与深度学习技术的整合应用 | 整合多模态cfDNA生物标志物并通过机器学习方法增强癌症检测性能,同时强调可解释AI模型的发展方向 | 存在肿瘤异质性、数据处理标准化、模型可解释性和成本限制等挑战 | 推进基于cfDNA的液体活检技术在多癌筛查中的临床应用 | 循环游离DNA(cfDNA)及其相关生物标志物 | 机器学习 | 多癌种筛查 | 液体活检, cfDNA分析, 多组学分析 | 机器学习, 深度学习 | 基因组数据, 表观遗传数据 | NA | NA | NA | NA | NA |
| 2307 | 2025-11-29 |
Global and regional accuracy of deep learning-based tumor segmentation from whole-body [18F]fluorodeoxyglucose PET/CT images
2025-Nov-28, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01333-4
PMID:41313553
|
研究论文 | 本研究评估基于深度学习的肿瘤分割方法在全身[¹⁸F]FDG-PET/CT图像中的全局和区域准确性 | 首次系统评估nnU-Net在全身FDG-PET/CT肿瘤分割中的性能,并分析肿瘤背景比(TBR)与分割准确性的关系 | 仅针对三种特定癌症类型(肺癌、淋巴瘤、黑色素瘤),样本来源单一 | 测试深度学习算法预测体积与手动分割体积的关系,评估预测准确性与正常背景摄取的关联 | 1334例经组织学确诊的肺癌、淋巴瘤和黑色素瘤患者的[¹⁸F]FDG-PET/CT扫描图像 | 数字病理 | 肺癌,淋巴瘤,黑色素瘤 | [¹⁸F]FDG-PET/CT成像 | CNN | 医学图像 | 1334例PET/CT扫描(训练集933例,验证集267例,测试集134例) | MONAI | nnU-Net | Dice score,F1 score,线性相关系数 | NA |
| 2308 | 2025-11-29 |
Deep learning-based quality control and diagnosis of bronchial images
2025-Nov-27, Respiration; international review of thoracic diseases
DOI:10.1159/000548342
PMID:41308068
|
研究论文 | 本研究探讨深度学习技术在支气管图像质量控制和诊断中的应用前景 | 系统分析AI在医学内窥镜领域的技术迁移潜力,为支气管图像分析提供新路径 | 模型泛化能力需通过多中心临床验证进一步优化,实时决策支持系统的临床应用尚待探索 | 提高支气管镜检查的标准化水平和诊断效率 | 支气管镜图像 | 计算机视觉 | 肺部疾病 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 2309 | 2025-11-29 |
Enhancing Slice-Wise Brain MRI Tasks using Self-Supervised and Auxiliary Learning
2025-Nov-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3637752
PMID:41308094
|
研究论文 | 本研究通过自监督学习和辅助学习方法提升脑部MRI切片任务的性能 | 提出切片级正则化(SWR)辅助学习任务,利用MRI固有结构特性防止相邻切片表征解相关,且无需额外人工标注 | NA | 解决医学图像处理中标注数据稀缺的问题,提升脑部MRI切片任务的性能 | 颅咽管瘤识别(CPGR)和下丘脑受累检测(DHI) | 医学图像处理 | 脑部疾病 | 结构脑磁共振成像(MRI) | CNN | 医学图像 | NA | NA | 2D卷积网络 | F1-score | NA |
| 2310 | 2025-11-29 |
Multiclass Brain Tumor Detection with Attention-Embedded CNN Framework: Advancing Toward Decentralized Deep Learning-Based Health Monitoring
2025-Nov-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3638154
PMID:41308096
|
研究论文 | 提出一种结合注意力机制和残差连接的自定义CNN模型,用于多类别脑肿瘤检测,并探索去中心化学习在医疗监测中的应用 | 提出嵌入注意力机制和残差连接的Inception模块自定义CNN架构,在联邦学习框架下实现高性能脑肿瘤分类 | 仅使用在线公开脑肿瘤数据集,未在更广泛的真实临床环境中验证 | 开发基于去中心化深度学习的计算机辅助诊断系统,提高脑肿瘤检测准确性和效率 | 脑部MR图像中的多类别脑肿瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | CNN | 医学图像 | 在线脑肿瘤数据集中的MR图像,分为四类:胶质瘤、脑膜瘤、垂体瘤和无肿瘤 | TensorFlow, PyTorch | 自定义CNN, Inception, 注意力机制, 残差连接 | 准确率 | NA |
| 2311 | 2025-11-29 |
Deep Tabular Representation Corrector
2025-Nov-27, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3637810
PMID:41308107
|
研究论文 | 提出一种名为TRC的深度表格表示校正器,可在不改变原始模型参数的情况下增强任何已训练深度表格模型的表示能力 | 首次提出模型无关的表格表示校正方法,通过表示重估计和空间映射两个任务解决表示偏移和冗余问题 | NA | 提升深度表格机器学习模型的表示质量 | 表格数据 | 机器学习 | NA | 深度表示学习 | Transformer, ResNet | 表格数据 | NA | NA | Transformer, ResNet | NA | NA |
| 2312 | 2025-11-29 |
RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells
2025-Nov-27, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05933
PMID:41308162
|
研究论文 | 提出基于参考图像的超分辨率质谱成像方法,利用光学显微镜图像提升质谱成像空间分辨率 | 首次将光学显微镜图像作为参考帧提取纹理信息,结合原始MS图像离子强度数据开发图像特异性超分辨率网络 | 需要配对的光学显微镜图像作为参考,可能不适用于缺乏参考图像的情况 | 开发高空间分辨率和高通量的质谱成像技术 | 生物组织和单细胞 | 计算生物学 | NA | 质谱成像,光学显微镜 | 深度学习网络 | 质谱图像,光学显微镜图像 | NA | NA | 超分辨率网络 | NA | NA |
| 2313 | 2025-11-29 |
Molecular Motif Learning as a pretraining objective for molecular property prediction
2025-Nov-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66685-w
PMID:41309631
|
研究论文 | 提出一种名为MotiL的无监督预训练方法,用于学习保留分子整体结构和基序信息的分子表示 | 首次将分子基序学习作为预训练目标,能够直接从原生分子图中学习同时保留整体分子结构和基序级信息的表示 | NA | 改进分子性质预测的深度学习方法,使其更符合基本化学特性 | 小分子和蛋白质大分子 | 机器学习 | NA | 分子图分析 | 图神经网络 | 分子图数据 | 至少16个分子基准测试集 | NA | MotiL | 准确率 | NA |
| 2314 | 2025-11-29 |
Optimized YOLOv8s framework with deformable convolution for underwater object detection
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28989-1
PMID:41309854
|
研究论文 | 提出一种优化的YOLOv8s框架,通过可变形卷积等改进提升水下目标检测性能 | 集成四个核心改进模块:可变形卷积特征模块(C2f_DC)、深度加权双向特征金字塔(DeepBiFPN)、内容感知特征重组(CARAFE)和高效多尺度注意力(EMA) | NA | 解决水下目标检测中的小目标、遮挡目标和图像质量差等关键挑战 | 水下环境中的各类目标物体 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | LFIW和OI数据集 | PyTorch | YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA | AP@[0.50:0.05:0.95], AP@0.75 | NA |
| 2315 | 2025-11-29 |
A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29415-2
PMID:41309915
|
研究论文 | 提出一种新型时空变换器网络ST-MFTransNet,通过多变量融合实现短期降水预报 | 设计基于全维动态卷积的多变量融合模块,结合Transformer与多尺度卷积的编码器-解码器框架 | NA | 改进短期降水预报精度 | 气象数据(温度、湿度、风速等多变量) | 机器学习 | NA | 气象数据分析 | Transformer, CNN | 多变量时序数据 | 过去12小时和24小时累积气象数据 | NA | Transformer, 多尺度卷积模块 | POD, CSI | NA |
| 2316 | 2025-11-29 |
A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29947-7
PMID:41309919
|
研究论文 | 提出一种基于海鞘群算法优化深度学习的智能辅助系统,用于帮助视觉障碍人士进行高效物体检测 | 首次将海鞘群算法(TSA)与深度信念网络(DBN)相结合进行参数优化,并采用YOLOV8和胶囊网络(CapsNet)构建完整的物体检测框架 | 仅在室内物体检测数据集上进行验证,缺乏室外场景和实际部署测试 | 开发高精度的物体检测系统以辅助视觉障碍人士的日常生活 | 视觉障碍人士和室内环境中的各类物体 | 计算机视觉 | 视觉障碍 | 深度学习,物体检测 | YOLOV8, CapsNet, DBN | 图像 | 室内物体检测数据集(具体数量未提及) | NA | YOLOV8, CapsNet, Deep Belief Network | 准确率 | NA |
| 2317 | 2025-11-29 |
Quantitative and longitudinal monitoring of cancer cell invasion in a three-dimensional in vitro model of oral cancer using optical coherence tomography
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28471-y
PMID:41309958
|
研究论文 | 本研究利用光学相干断层扫描结合深度学习技术,在三维口腔鳞状细胞癌模型中实现癌细胞侵袭的定量和纵向监测 | 首次将光学相干断层扫描与深度学习相结合,用于三维口腔癌模型中癌细胞侵袭的定量纵向监测 | 研究仅限于体外三维模型,未涉及体内实验验证 | 开发非侵入性定量监测癌细胞侵袭的方法 | 口腔鳞状细胞癌三维器官型培养模型 | 数字病理 | 口腔癌 | 光学相干断层扫描,深度学习 | 深度学习模型 | 三维光学相干断层扫描图像 | 多种口腔鳞状细胞癌细胞系的三维培养模型 | NA | NA | 平面测量分析,体积分析,组织形态计量学相关性 | NA |
| 2318 | 2025-11-29 |
Tri branch attention enhanced 3DUNet for remote sensing based hyperspectral image classification
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29357-9
PMID:41309972
|
研究论文 | 提出一种三分支注意力增强3DUNet架构用于高光谱遥感图像分类 | 设计三分支架构分别处理光谱依赖、空间特征和联合表征,并集成专用注意力机制 | 未明确说明计算复杂度或模型参数量,依赖有限标注数据 | 提升高光谱图像分类精度 | 高光谱遥感图像 | 计算机视觉 | NA | 高光谱成像 | 3DUNet, 注意力机制 | 高光谱图像 | 三个基准数据集(Indian Pines, Pavia University, Houston-2018) | NA | 三分支3DUNet | 平均精度(AA), 总体精度(OA) | NA |
| 2319 | 2025-11-29 |
Feature centric based deep learning approach for music mood recognition with HuBERT transformer model
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29200-1
PMID:41309989
|
研究论文 | 本研究采用基于HuBERT变换器的深度学习方法来识别音乐情绪 | 首次将HuBERT变换器模型应用于音乐情绪分类,并与传统深度学习模型进行对比分析 | 仅使用单一公开数据集,样本量相对有限(每类别500个音频文件) | 探索深度学习模型在音乐情绪分类中的有效性 | 音乐音频文件 | 自然语言处理 | NA | 音频特征提取(STFT, MFCC) | Transformer, CNN, LSTM | 音频 | 2500个音频文件(5个情绪类别,每类别500个文件) | NA | HuBERT, ConvFormer, LSTM, YAMNet | 准确率 | NA |
| 2320 | 2025-11-29 |
Modifier guided resilient CNN inference enables fault-tolerant edge collaboration for IoT
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28454-z
PMID:41310049
|
研究论文 | 提出一种基于边缘设备的弹性CNN推理架构,通过轻量级修正模块实现设备故障容错 | 采用轻量级修正模块动态合成故障设备预测,通过故障模拟训练技术实现实时容错,无需模型复制或云端回退 | 仅在MNIST和CIFAR-10数据集上验证,最多测试五个同时设备故障场景 | 在资源受限的物联网环境中实现鲁棒且准确的深度学习推理 | 物联网边缘设备及其分布式CNN推理系统 | 机器学习 | NA | 故障模拟训练技术 | CNN | 图像 | MNIST和CIFAR-10数据集 | NA | 分布式卷积神经网络 | 准确率, 错误率 | 边缘设备,资源利用率约15KB每模型 |