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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2781 | 2025-11-25 |
Detection and Management of Geographic Atrophy Secondary to Age-Related Macular Degeneration Using Noninvasive Retinal Images and Artificial Intelligence: Systematic Review
2025-Nov-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81328
PMID:41270236
|
系统综述 | 系统评估人工智能在年龄相关性黄斑变性继发地图样萎缩检测和管理中的应用性能 | 首次系统整合从初始检测到进展预测的地图样萎缩管理证据,使用多种无创成像技术 | 需要加强报告规范,确保跨人群和设备的数据多样性,在前瞻性多中心研究中实施严格的外部验证 | 评估人工智能在无创成像模式下检测和管理地图样萎缩的性能,并与临床专家评估作为金标准进行比较 | 年龄相关性黄斑变性继发地图样萎缩患者 | 医学影像分析 | 年龄相关性黄斑变性 | 彩色眼底照相、眼底自发荧光、近红外反射、频域光学相干断层扫描、扫频源光学相干断层扫描、3D光学相干断层扫描 | 深度学习 | 视网膜图像 | 至少24,592名参与者(检测:7,132人,评估和进展:14,064人,预测:6,706人),年龄范围50-94岁 | NA | U-Net, ResNet50, EfficientNetB4, Xception, Inception v3, PSC-UNet | 与临床专家评估比较的性能指标 | NA |
| 2782 | 2025-11-25 |
Gradient descent in materia through homodyne gradient extraction
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65155-7
PMID:41271705
|
研究论文 | 提出一种基于零差检测的梯度提取方法,可在物理系统中直接实现梯度下降 | 无需系统解析描述即可在物理系统中直接获取梯度信息,通过不同频率正弦波扰动参数实现可扩展的梯度提取 | NA | 开发适用于物理系统的高效能深度学习硬件实现方法 | 可重构非线性处理单元和物理材料系统 | 机器学习 | NA | 零差检测,正弦波扰动 | 物理神经网络 | 物理系统参数 | NA | NA | NA | NA | 物理材料系统 |
| 2783 | 2025-11-25 |
Adaptive stretching of representations across brain regions and deep learning model layers
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65231-y
PMID:41271767
|
研究论文 | 研究大脑区域和深度学习模型层中表征的自适应拉伸机制 | 发现大脑各区域和深度学习模型均会沿任务相关维度自适应拉伸表征,且无需显式注意力机制 | 仅针对颜色和运动方向两个维度进行研究,未探索其他感知维度 | 探究大脑和人工神经网络如何通过表征拉伸优化任务表现 | 猴子大脑多个区域(V4、MT、lateral PFC、FEF、LIP、IT)和深度学习模型 | 计算神经科学 | NA | 神经电生理记录,深度学习 | 深度学习模型 | 神经电生理信号,视觉输入数据 | 多个猴子大脑区域记录数据 | NA | NA | 任务表现误差 | NA |
| 2784 | 2025-11-25 |
An intelligent YOLO and CNN-BiGRU framework for road infrastructure based anomaly assessment
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25030-3
PMID:41271820
|
研究论文 | 提出一种融合YOLOv11目标检测和CNN-BiGRU时序预测的智能道路基础设施异常评估框架 | 首次将数字孪生环境与YOLOv11和CNN-BiGRU模型结合,实现道路异常的空间检测与时序严重性预测一体化 | 未提及模型在极端天气条件下的泛化能力及长期部署的稳定性验证 | 开发实时智能道路基础设施监测系统以替代低效的人工巡检 | 道路坑洼、表面裂缝、模糊标线、积雪覆盖等关键道路状况 | 计算机视觉 | NA | 深度学习 | CNN, BiGRU, YOLO | 图像 | LiRA-CD公共数据集中的30,000多个实例 | TensorRT | YOLOv11, CNN-BiGRU | mAP@0.5, mAP@[0.5:0.95], AUROC, 精确率, 召回率, 特异性, F1分数, R², AAE, ASE | Intel i7-12700K CPU, NVIDIA RTX 3090 GPU, 32 GB DDR5 RAM |
| 2785 | 2025-11-25 |
Advanced deep learning techniques for automated license plate recognition
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24967-9
PMID:41271827
|
研究论文 | 本研究通过结合YOLOv10和定制化Tesseract OCR引擎,开发了针对泰语-罗马字母混合车牌自动识别系统 | 首次采用YOLOv10与定制化Tesseract OCR相结合的方法解决泰语-罗马字母混合车牌识别难题 | 未明确说明在极端恶劣天气条件下的性能表现 | 提升自动车牌识别系统在复杂现实场景中的性能 | 泰语-罗马字母混合车牌 | 计算机视觉 | NA | 深度学习,光学字符识别 | YOLOv10,Tesseract OCR | 图像,视频 | 50,000张图像和10,000个视频片段 | PyTorch,Tesseract | YOLOv10 | 检测准确率,F1分数,推理时间 | Jetson Nano |
| 2786 | 2025-11-25 |
Development and validation of the risk stratification based on deep learning and radiomics to predict survival of advanced cervical cancer
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25037-w
PMID:41271823
|
研究论文 | 开发并验证基于深度学习和影像组学的风险分层模型,用于预测晚期宫颈癌患者的总生存期 | 首次将Vision Transformer和循环神经网络结合用于从CT图像中提取预后影像组学特征,并构建整合临床变量的综合列线图 | 回顾性单中心研究,样本量有限,需要在前瞻性多中心研究中进一步验证 | 预测晚期宫颈癌患者的生存预后 | 晚期宫颈癌患者 | 医学影像分析 | 宫颈癌 | CT影像分析 | Vision Transformer, RNN | CT图像 | 396例晚期宫颈癌患者(训练集198例,验证集198例) | NA | Vision Transformer, RNN | C-index, 时间依赖性ROC分析, 校准曲线, 决策曲线分析 | NA |
| 2787 | 2025-11-25 |
Patent protection of biological genetic resources based on deep learning and artificial intelligence
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25051-y
PMID:41271825
|
研究论文 | 基于深度学习和人工智能技术优化生物遗传资源专利保护的分类方法 | 提出结合循环卷积神经网络与Top-K最大池化策略的优化模型,在生物遗传资源专利文本分类中实现高效特征提取 | 未明确说明实验数据的具体规模和来源限制 | 探索人工智能驱动的深度学习技术在生物遗传资源专利保护中的应用 | 生物遗传资源相关的专利文本和技术特征 | 自然语言处理 | NA | 自然语言处理,图像识别算法 | RCNN | 文本 | NA | NA | 循环卷积神经网络 | 准确率,F1分数 | NA |
| 2788 | 2025-11-25 |
Deep learning approaches for predicting solar radiation and freshwater yield in modified pyramid solar still
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25094-1
PMID:41271839
|
研究论文 | 本文使用深度学习模型预测伊朗德黑兰和扎黑丹地区太阳辐射和淡水产量 | 首次将多种深度学习算法(LSTM、GRU、CNN、CNN-LSTM)应用于改进型金字塔太阳能蒸馏器的太阳辐射预测和淡水产量评估 | 研究仅基于伊朗两个地区的数据,模型在其他地理区域的适用性需要进一步验证 | 开发准确的太阳辐射预测模型以评估太阳能蒸馏器的淡水产量 | 改进型金字塔太阳能蒸馏器在伊朗德黑兰和扎黑丹地区的性能 | 机器学习 | NA | 太阳辐射监测,淡水产量测量 | LSTM, GRU, CNN, CNN-LSTM | 时间序列数据 | 1984年至2023年的月度数据 | NA | LSTM, GRU, CNN, CNN-LSTM | 全球水平辐照度(GHI)和温度预测精度 | NA |
| 2789 | 2025-11-25 |
Intelligent feature fusion with dynamic graph convolutional recurrent network for robust object detection to assist individuals with disabilities in a smart Iot edge-cloud environment
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25048-7
PMID:41271840
|
研究论文 | 提出一种智能特征融合与动态图卷积循环网络的目标检测方法,用于在智能物联网边缘云环境中辅助残障人士 | 结合多种融合模型(CapsNet、SqueezeNet、Inceptionv3)与动态自适应图卷积循环网络(DA-GCRN),在智能物联网边缘云环境中实现鲁棒目标检测 | 仅在室内目标检测数据集上进行验证,未说明在其他环境或数据集上的泛化能力 | 开发智能目标检测框架,辅助视觉障碍等残障人士的监测和辅助决策 | 视觉障碍人士的辅助目标检测 | 计算机视觉 | 视觉障碍 | 深度学习 | Faster R-CNN, CapsNet, SqueezeNet, Inceptionv3, 图卷积循环网络 | 图像 | NA | NA | Faster R-CNN, CapsNet, SqueezeNet, Inceptionv3, DA-GCRN | 准确率 | 智能物联网边缘云环境 |
| 2790 | 2025-11-25 |
Multimodal deep learning framework integrating multiphase CT and histopathological whole slide imaging for predicting recurrence in ccRCC
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25109-x
PMID:41271870
|
研究论文 | 开发并验证了一种融合多期相CT和组织病理学全玻片成像的多模态深度学习框架,用于预测ccRCC患者术后复发风险 | 首次提出CT和病理学相互指导融合诊断网络(CPNet),整合放射影像和病理图像的多模态数据用于肾透明细胞癌预后预测 | 回顾性研究设计,样本量有限(274例),需要外部验证来支持临床整合 | 开发深度学习融合模型用于ccRCC患者术后风险分层和预后预测 | 274例经手术确诊的ccRCC患者,包括164例训练队列和110例测试队列 | 数字病理学 | 肾癌 | 多期相CT扫描,组织病理学全玻片成像 | 深度学习融合模型 | 医学影像,包括CT图像和病理全玻片图像 | 274例ccRCC患者 | NA | CPNet(CT和病理学相互指导融合诊断网络) | 准确率,AUC,IDI,DeLong检验,决策曲线分析 | NA |
| 2791 | 2025-11-25 |
Conditional diffusion model for high-accuracy brain tumor segmentation in MRI images
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25137-7
PMID:41271869
|
研究论文 | 提出一种条件扩散网络用于脑肿瘤MRI图像的高精度分割 | 将图像信息整合到掩码的扰动扩散过程中,通过优化条件监督信号和注意力机制加速收敛并提升分割性能 | NA | 提高脑肿瘤MRI图像分割的准确性 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | 扩散模型 | 医学图像 | BraTS 2020数据集 | NA | 条件扩散网络 | Dice系数, IoU | NA |
| 2792 | 2025-11-25 |
Evaluation of deep learning-based retinal pigment epithelium segmentation for a widely used optical coherence tomography device
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25221-y
PMID:41271910
|
研究论文 | 开发基于深度学习的视网膜色素上皮分割技术,并在多种视网膜疾病和健康眼中与商业算法进行比较 | 提出基于金字塔场景解析网络和ResNet-50的视网膜色素上皮分割方法,在多种视网膜疾病中均显著优于Topcon商业算法 | 样本量有限(共388个测试样本),仅针对特定OCT设备进行验证 | 改进光学相干断层扫描图像中视网膜色素上皮的自动分割精度 | 年龄相关性黄斑变性、糖尿病视网膜病变、视网膜前膜、分支视网膜静脉阻塞患者及健康受试者的OCT图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | CNN | 医学图像 | 训练验证集:88例AMD患者;测试集:300例患者(AMD 100例,DR 50例,ERM 50例,BRVO 50例)和50例健康受试者 | PyTorch | ResNet-50, Pyramid Scene Parsing Network | 平均绝对误差 | NA |
| 2793 | 2025-11-25 |
A multi-head YOLOv12 with self-supervised pretraining for urinary sediment particle detection
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25339-z
PMID:41271907
|
研究论文 | 提出一种基于多头YOLOv12架构结合自监督预训练的尿液沉淀颗粒检测方法 | 采用六个独立检测头同时进行尿液沉淀颗粒的细粒度分类,结合自监督预训练和SAHI推理技术 | NA | 开发自动可靠的尿液沉淀分析方法,用于肾脏和泌尿系统疾病的及时诊断 | 尿液沉淀颗粒 | 计算机视觉 | 肾脏疾病 | 深度学习 | YOLOv12 | 图像 | 790张标注图像(31,285个边界框,39个类别)和5,640张未标注图像 | NA | 多头YOLOv12 | 精确率,mAP | NA |
| 2794 | 2025-11-25 |
Pomegranate disease diagnosis with severity estimation and treatment remedies using deep learning and RAG-based LLM
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25160-8
PMID:41271927
|
研究论文 | 提出基于深度学习的石榴病害自动诊断系统,包含多类别病害分类、严重程度估计和治疗建议功能 | 开发了基于健康偏差评分(HBDS)的病害严重程度估计方法,并集成检索增强语言模型提供治疗建议 | NA | 实现石榴病害的自动诊断、严重程度估计和治疗建议,为精准农业提供解决方案 | 石榴果实 | 计算机视觉 | 植物病害 | 深度学习,迁移学习 | CNN | 图像 | 5099张标注图像 | NA | DenseNet121, EfficientNetB0V2, MobileNetV2, ResNet50, VGG16, InceptionV3 | 准确率 | NA |
| 2795 | 2025-11-25 |
Enhancing cardiac disease prediction with explainable bidirectional LSTM
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25071-8
PMID:41271946
|
研究论文 | 提出基于可解释双向LSTM的心脏疾病预测模型,通过深度学习实现心电图分类 | 结合双向LSTM和深度学习构建可解释心脏疾病预测模型,使用SHAP方法提供模型解释性 | 仅使用PTB-XL数据集进行验证,未在其他数据集测试泛化能力 | 开发准确且可解释的心脏疾病预测模型 | 心电图数据中的心脏疾病检测与分类 | 机器学习 | 心血管疾病 | 心电图分析 | 双向LSTM, 深度学习 | 心电图信号 | PTB-XL数据集 | NA | 双向LSTM | 准确率, 精确率, F1分数, 召回率 | NA |
| 2796 | 2025-11-25 |
Textual emotion recognition to improve real-time communication of disabled people in sustainable environments using an ensemble deep learning approach
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25363-z
PMID:41271963
|
研究论文 | 提出一种基于改进沙猫群优化的集成深度学习模型,用于提升残障人士在可持续环境中的实时文本情感识别能力 | 提出OEMPTER-ISCSO方法,结合改进沙猫群优化算法与三种集成分类器(EDBN、ELNN、ITCN),实现高精度文本情感识别 | NA | 通过文本情感识别技术改善残障人士在可持续环境中的实时沟通能力 | 社交媒体文本数据,重点关注沟通障碍人士的情感表达 | 自然语言处理 | 残障人士沟通障碍 | 文本情感分析 | 集成深度学习 | 文本 | NA | NA | EDBN, ELNN, ITCN, FastText | 准确率 | NA |
| 2797 | 2025-11-25 |
Using convolutional neural networks with late fusion to predict heart disease
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25100-6
PMID:41271968
|
研究论文 | 提出一种基于卷积神经网络和深度神经网络的新型晚期融合方法用于心脏病预测 | 开发了结合数值特征与图形特征的混合架构,能够捕捉数据集的时空特性 | 仅使用303个样本的小型数据集,需要更大规模数据验证模型泛化能力 | 开发精确可扩展的心脏病预测算法 | 心脏病患者数据 | 机器学习 | 心血管疾病 | 深度学习 | CNN, DNN | 表格数据, 图形数据 | 303个实例,13个特征 | NA | 混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 2798 | 2025-11-25 |
Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25296-7
PMID:41271980
|
研究论文 | 提出一种结合GAN、LSTM、GRU、VARMA和深度DynaQ网络的混合深度学习框架,用于心血管疾病的诊断和预后预测 | 首次将GAN、LSTM、GRU、VARMA和深度DynaQ网络集成到统一框架中,通过生成合成医学图像增强训练数据,并学习最优诊断治疗策略 | NA | 改进心血管疾病的早期诊断准确性和预后预测效果 | 心血管疾病患者 | 医学图像分析 | 心血管疾病 | 医学图像分析 | GAN, LSTM, GRU, Deep DynaQ Network | 医学图像, 时间序列数据 | 大型医学图像和患者数据集 | NA | GAN, LSTM, GRU, VARMA, Deep DynaQ Network | 准确率, 灵敏度 | NA |
| 2799 | 2025-11-25 |
Pose estimation of differential drive robots using deep learning and raw sensor inputs
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25207-w
PMID:41271966
|
研究论文 | 提出一种基于深度学习和原始传感器输入的差速驱动机器人位姿估计方法 | 直接使用原始传感器数据而不进行特征提取,在输入数据中融入真实IMU传感器噪声 | 实验数据规模相对较小(仅9条真实实验路径) | 估计移动机器人的位置和方向 | 差速驱动轮式移动机器人 | 机器学习 | NA | 惯性测量单元(IMU)传感,纯追踪算法 | CNN, LSTM, GB, RF | 传感器原始数据 | 2018条路径(2009条仿真,9条真实实验) | NA | 卷积神经网络,长短期记忆网络,梯度提升,随机森林 | 位置和方向估计精度 | NA |
| 2800 | 2025-11-25 |
AI-driven real-time responsive design of urban open spaces based on multi-modal sensing data fusion
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25143-9
PMID:41271992
|
研究论文 | 提出一种基于多模态传感数据融合的AI驱动实时响应式城市开放空间设计方法 | 采用分层数据融合架构处理异构传感器数据,结合深度学习和强化学习实现动态空间优化,达到亚100毫秒响应时间 | 仅在三个代表性城市场地进行实验验证,需要更多实际部署案例证明普适性 | 开发能够持续适应变化条件、优化资源利用并提升用户体验质量的智能城市环境 | 城市开放空间,特别是高密度城市区域的公共交通导向公共空间 | 机器学习 | NA | 多模态传感数据融合 | 深度学习,强化学习 | 视觉数据,声学数据,环境数据 | 三个代表性城市场地,包括上海大都会中央广场2.4公顷公共空间 | NA | NA | 空间利用效率,行人流优化,运营成本,用户满意度,环境质量指标 | 优化计算架构,智能缓存策略 |