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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2361 | 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 |
| 2362 | 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 |
| 2363 | 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 |
| 2364 | 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 |
| 2365 | 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 |
| 2366 | 2025-11-29 |
EnCTN: an enhanced AI-enabled deep learning framework for security enhancement in blockchain transactions
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29160-6
PMID:41310051
|
研究论文 | 提出一种增强型AI深度学习框架EnCTN,用于提升区块链交易的安全性 | 结合区块链与深度学习的混合技术,通过增强卷积时序网络实现改进的数据持久性和异常检测 | NA | 提升区块链交易的安全性和异常检测能力 | 区块链交易数据 | 机器学习 | NA | 深度学习,区块链技术 | CNN, Auto Encoder | 时序数据 | NSL-KDD数据集 | Python | 增强卷积时序网络(EnCTN) | 异常分类准确率 | 以太坊环境 |
| 2367 | 2025-11-29 |
Integration of corpus linguistics and deep learning techniques for enhanced semantic-driven emotion detection on textual data
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28929-z
PMID:41310067
|
研究论文 | 提出一种结合语料库语言学和深度学习的文本情感检测方法EDTIWVR-MDNN | 融合TF-IDF、BERT和GloVe的词向量表示方法,以及基于注意力机制的时序卷积网络与双向门控循环单元的混合模型 | NA | 提升自然语言中情感理解的文本情感识别与分析 | 文本数据中的情感表达 | 自然语言处理 | NA | 语料库语言学,深度学习 | 时序卷积网络,双向门控循环单元,注意力机制 | 文本 | 基于Emotion Detection from Text数据集 | NA | AM-T-BiG(注意力机制时序卷积网络-双向门控循环单元) | 准确率 | NA |
| 2368 | 2025-11-29 |
Cognitive embodied learning for anomaly active target tracking
2025-Nov-27, Communications engineering
DOI:10.1038/s44172-025-00556-6
PMID:41310085
|
研究论文 | 提出一种受人类大脑双决策系统启发的认知具身学习方法,用于解决复杂场景中的异常主动目标跟踪问题 | 提出认知具身学习框架,通过动态切换正常跟踪和异常处理模式,并引入异常认知模块、规则推理模块和异常消除模块等专用模块 | 未明确说明方法在极端环境条件下的适应性和计算效率的详细评估 | 提升复杂物理场景中主动目标跟踪的鲁棒性和准确性 | 无人机异常主动目标跟踪 | 机器学习和计算机视觉 | NA | 强化学习、深度学习 | 端到端框架 | 模拟和真实世界场景数据 | NA | NA | 认知具身学习架构 | 成功率、任务完成效率 | NA |
| 2369 | 2025-11-29 |
Deep learning-based AI model for predicting academic success and engagement among physical higher education students
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29000-7
PMID:41310101
|
研究论文 | 本研究开发了HybridStackNet集成模型,用于联合预测体育专业高等教育学生的学业成功和参与度 | 提出结合随机森林和支持向量机作为基础学习器、逻辑回归作为元学习器的堆叠集成模型,并引入可解释性分析框架 | 仅使用500个样本的公开数据集,样本规模有限且可能缺乏多样性 | 预测体育专业高等教育学生的学业成功和参与度 | 体育专业高等教育学生 | 机器学习 | NA | SMOTE过采样技术 | 集成学习 | 学术、行为和物理属性数据 | 500个实例 | Scikit-learn | 随机森林,支持向量机,逻辑回归 | 准确率,精确率,召回率,F1分数,AUC,Jaccard系数,Kappa系数,汉明损失 | NA |
| 2370 | 2025-11-29 |
Improved multiscale attention based deep learning approach for automated sugarcane leaf disease detection using BSRI data
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28947-x
PMID:41310119
|
研究论文 | 提出一种基于多尺度注意力的深度学习方法来检测甘蔗叶片病害 | 提出新颖的多尺度注意力密集残差网络(MADRN)架构,结合密集残差学习和多尺度注意力机制 | 未明确说明模型在更广泛环境条件下的泛化能力 | 开发准确的甘蔗叶片病害自动检测方法以提高作物生产力 | 甘蔗叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 两个数据集:Kaggle数据集和混合数据集(Kaggle+BSRI) | NA | MADRN, CNN, VGG16, MobileNetV2, XceptionNet | 准确率, 精确率, 召回率, F1分数 | NA |
| 2371 | 2025-11-29 |
A clinically validated AI framework for kidney cancer detection and characterization
2025-Nov-27, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01264-0
PMID:41310187
|
研究论文 | 开发并临床验证用于肾癌检测和表征的深度学习工具BMVision | 首个经过临床验证的商业化肾癌AI检测工具,可显著提升放射科医生的工作效率和诊断一致性 | 回顾性研究设计,样本量相对有限(200例扫描) | 开发AI工具辅助放射科医生提高肾癌诊断效率和准确性 | 肾脏CT扫描图像和放射科医生诊断流程 | 数字病理 | 肾癌 | 对比增强计算机断层扫描 | 深度学习 | 医学影像 | 200例CT扫描,6名放射科医生参与评估 | NA | NA | 诊断灵敏度、病变测量、报告效率、医生间一致性 | NA |
| 2372 | 2025-11-29 |
A deep learning-based multiscale integration of spatial omics with tumor morphology
2025-Nov-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66691-y
PMID:41310346
|
研究论文 | 开发了一种基于深度学习的多尺度整合方法,能够从H&E染色组织切片预测空间转录组数据 | 首次实现了从常规H&E染色切片到空间转录组数据的深度学习预测,达到近单细胞分辨率 | NA | 整合空间组学数据与肿瘤形态学特征 | 肿瘤微环境空间组织 | 数字病理学 | 肿瘤 | 空间转录组学,H&E染色 | 深度学习 | 图像,基因表达数据 | 72个10X Genomics Visium样本 + 348个MOSAIC联盟样本 | NA | MISO | 基准测试性能比较 | NA |
| 2373 | 2025-11-29 |
Automatic multi-IMU-based deep learning evaluation of intensity during static standing balance training exercises
2025-Nov-27, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01760-3
PMID:41310727
|
研究论文 | 开发基于多IMU传感器和深度学习模型的静态站立平衡训练强度自动评估系统 | 首次使用全身可穿戴传感器数据和CNN模型来估计物理治疗师感知的平衡训练强度 | 研究样本量有限(47名参与者),仅针对静态站立平衡训练进行评估 | 开发家庭平衡康复训练中的运动强度监测方法 | 平衡训练参与者和物理治疗师 | 机器学习 | 老年疾病 | 惯性测量单元(IMU)数据采集 | CNN | 运动学数据 | 47名平衡训练参与者和42名物理治疗师 | NA | 卷积神经网络 | 均方根误差(RMSE) | NA |
| 2374 | 2025-11-29 |
Multi-label classification for multi-temporal, multi-spatial coral reef condition monitoring using vision foundation model with adapter learning
2025-Nov-26, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.119054
PMID:41308425
|
研究论文 | 本研究提出了一种结合DINOv2视觉基础模型和LoRA微调方法的多标签分类方法,用于多时空珊瑚礁状况监测 | 首次探索基础模型在多时空设置下对珊瑚礁状况进行多标签分类的高效适配方法 | 研究仅基于泰国涛岛的15个潜水点数据,需要更多地理位置的验证 | 开发高效准确的珊瑚礁状况自动分类方法以支持生态系统监测和保护 | 珊瑚礁生态系统状况 | 计算机视觉 | NA | 水下调查图像采集 | 视觉基础模型,适配器学习 | 图像 | 来自泰国涛岛15个潜水点的多时空野外图像 | PyTorch | DINOv2, LoRA | 匹配率 | NA |
| 2375 | 2025-11-29 |
Impact of a deep learning reconstruction algorithm on image quality and dose reduction with ultra-high-resolution CT detectors: a phantom study
2025-Nov-26, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2025.11.002
PMID:41309417
|
研究论文 | 通过模体研究评估深度学习重建算法与超高分辨率CT探测器结合对图像质量和辐射剂量降低的影响 | 首次将深度学习重建算法与超高分辨率CT探测器结合,采用基于任务的评估框架进行定量分析 | 研究基于模体实验,尚未进行临床验证 | 评估深度学习重建算法在超高分辨率CT中的图像质量改善和辐射剂量降低潜力 | Catphan 600模体 | 医学影像 | NA | CT扫描 | 深度学习重建算法 | CT图像 | 5个CTDIvol水平(10, 7.5, 5, 2.5, 1 mGy)的模体扫描数据 | NA | ClearInfinity深度学习重建算法 | MTF, NPS, TTF, 可探测性指数d' | NA |
| 2376 | 2025-11-29 |
Deep learning framework for automated frame selection in kidney ultrasound
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25755-1
PMID:41290740
|
研究论文 | 提出基于深度学习的自动化框架,用于从肾脏超声视频中选择最具诊断价值的帧 | 首次将YOLO系列分类模型应用于肾脏超声帧选择任务,并证明YOLO11x-cls模型在该任务上的优越性能 | 数据集规模相对有限(1203帧来自211名患者),需要进一步验证在更广泛人群中的泛化能力 | 开发自动化框架以提高肾脏超声图像选择的效率和一致性 | 肾脏超声视频帧 | 计算机视觉 | 肾脏疾病 | 超声成像 | CNN | 图像 | 1203帧来自211名患者 | PyTorch | InceptionV3, ResNet34, ResNet50, EfficientNet, VGG16, YOLOv8x-cls, YOLO11x-cls | 准确率, F1-score | NA |
| 2377 | 2025-11-27 |
Accurate prediction of protein-ATP binding sites based on a protein pretrained large language model and a fractional-order convolutional neural network
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25830-7
PMID:41290782
|
研究论文 | 提出一种基于预训练蛋白质大语言模型和分数阶卷积神经网络的蛋白质-ATP结合位点预测方法 | 首次结合预训练蛋白质大语言模型和分数阶反向传播的深度卷积神经网络,通过修改损失函数解决数据不平衡问题 | 仅使用序列信息,可能忽略蛋白质三维结构等重要特征 | 准确预测蛋白质与ATP的结合位点 | 蛋白质序列及其与ATP的相互作用 | 生物信息学 | NA | 蛋白质序列分析 | LLM, CNN | 蛋白质序列数据 | 多个蛋白质-ATP结合位点数据集 | NA | 预训练分数阶深度卷积神经网络(PFDCNN) | 准确率, AUC | NA |
| 2378 | 2025-11-29 |
Brain benefits of deep learning-based noise management in experienced hearing aid users using functional near infrared spectroscopy
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25801-y
PMID:41290802
|
研究论文 | 本研究使用功能性近红外光谱技术评估深度学习降噪助听器对听障用户大脑活动的影响 | 首次结合深度神经网络降噪算法与fNIRS技术研究助听器对前额叶皮层氧合水平的影响 | 样本量较小(26名受试者),仅针对有经验的助听器用户 | 研究深度学习降噪助听器特征对听障用户大脑活动的影响 | 26名有经验的助听器使用者 | 数字病理 | 听力损失 | 功能性近红外光谱(fNIRS) | 深度神经网络(DNN) | 脑血流氧合数据,行为表现数据,主观评分 | 26名有经验的助听器用户 | NA | 深度神经网络 | 听力准确率,主观听力努力评分,前额叶氧合水平 | NA |
| 2379 | 2025-11-27 |
MedNet: a lightweight attention-augmented CNN for medical image classification
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25857-w
PMID:41290816
|
研究论文 | 提出一种轻量级注意力增强CNN模型MedNet用于医学图像分类 | 结合深度可分离卷积与CBAM注意力机制,在保持轻量化的同时提升特征提取能力 | 仅在特定医学图像数据集上进行验证,未涵盖所有医学影像类型 | 开发高效的医学图像分类模型以应对低分辨率、类间差异小和类内变异大的挑战 | 医学图像分类 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 图像 | DermaMNIST, BloodMNIST, OCTMNIST和Fitzpatrick17k数据集 | NA | ResidualDSCBAMBlock, CBAM | 准确率 | NA |
| 2380 | 2025-11-29 |
A multi-model deep learning framework for SEM-based defect detection in [Formula: see text] Perovskite thin films
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25848-x
PMID:41290822
|
研究论文 | 提出一种多模型深度学习框架,用于基于SEM的钙钛矿薄膜缺陷自动检测 | 首次将多模型深度学习框架应用于混合维度钙钛矿薄膜的缺陷检测,结合高精度分类和实时检测模型 | 数据集规模有限(仅2380张SEM图像),YOLOv9模型准确率较低(45.0%) | 开发自动化高精度缺陷检测方法,支持钙钛矿太阳能电池的大规模质量控制 | 甲脒碘化铅钙钛矿薄膜的结构缺陷 | 计算机视觉 | NA | 扫描电子显微镜 | CNN | 图像 | 2380张SEM图像 | TensorFlow, PyTorch | ResNet50V2, DenseNet169, YOLOv9 | 准确率, 加权F1分数 | NA |