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 | 
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-11-02 | 
         AI and Machine Learning in Biology: From Genes to Proteins 
        
          2025-Oct-20, Biology
          
         
        
          DOI:10.3390/biology14101453
          PMID:41154856
         
       | 
      
      综述 | 本文全面综述人工智能和机器学习在生物学领域从基因到蛋白质研究的应用与进展 | 系统整合从基础神经网络到先进Transformer架构和大型语言模型的前沿AI方法,突出生成模型设计新型蛋白质和基因组序列的突破性能力 | 面临数据质量、模型可解释性、伦理问题和计算需求等持续挑战 | 指导研究人员利用AI在从基因到功能蛋白质的生物学领域发挥变革性力量 | 基因组数据、蛋白质结构、多组学数据 | 机器学习 | NA | 多组学整合分析 | 深度学习, 图神经网络, Transformer, 大型语言模型 | 基因组数据, 蛋白质数据, 多组学数据 | NA | NA | 神经网络, Transformer, 图神经网络, 生成模型 | NA | NA | 
| 302 | 2025-11-02 | 
         Probing a CNN-BiLSTM-Attention-Based Approach to Solve Order Remaining Completion Time Prediction in a Manufacturing Workshop 
        
          2025-Oct-20, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206480
          PMID:41157534
         
       | 
      
      研究论文 | 提出一种基于CNN-BiLSTM-Attention的深度学习方法,用于预测制造车间中订单的剩余完成时间 | 首次将CNN-BiLSTM-Attention架构应用于订单剩余完成时间预测,整合空间特征提取、时序建模和自适应注意力机制 | 仅在离散制造车间数据进行验证,未涉及其他制造环境 | 解决制造车间动态复杂环境下订单剩余完成时间的精准预测问题 | 制造车间中的生产订单 | 机器学习 | NA | 深度学习 | CNN, BiLSTM, Attention | 多源制造数据 | 来自离散制造车间的实际生产数据 | NA | CNN-BiLSTM-Attention | 准确率, 稳定性 | NA | 
| 303 | 2025-11-02 | 
         An Optical Water Type-Based Deep Learning Framework for Enhanced Turbidity Estimation in Inland Waters from Sentinel-2 Imagery 
        
          2025-Oct-20, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206483
          PMID:41157538
         
       | 
      
      研究论文 | 提出基于光学水类型分类的深度学习框架,利用Sentinel-2影像增强内陆水体浊度估算 | 结合模糊C均值聚类与CNN-RF混合模型,通过光学水类型分类实现加权浊度预测 | 仅针对四种典型水体进行验证,模型普适性需进一步测试 | 开发基于光学分类的深度学习模型以提升内陆水体浊度估算精度 | 内陆水体的浊度参数 | 遥感监测 | NA | 遥感成像,模糊C均值聚类 | CNN,随机森林 | 卫星遥感影像 | 四种典型水体的Sentinel-2影像数据 | NA | CNN-RF混合架构 | R², RMSE | NA | 
| 304 | 2025-11-02 | 
         Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design 
        
          2025-Oct-20, Chemical science
          
          IF:7.6Q1
          
         
        
          DOI:10.1039/d5sc05748e
          PMID:41164301
         
       | 
      
      综述 | 本文综述了基于结构的药物发现中整合蛋白质结构信息的深度学习方法 | 系统总结了从早期基于形状的方法到最新共折叠模型的发展历程,这些模型能够将蛋白质和配体结构预测作为单一任务 | NA | 探讨如何利用整合结构信息的深度学习方法设计具有增强结合潜力的分子 | 基于结构的药物发现中的深度学习方法 | 计算药物设计 | NA | 深度学习 | NA | 蛋白质结构数据,分子数据 | NA | NA | 共折叠模型 | NA | NA | 
| 305 | 2025-11-02 | 
         Deep learning finds convergent melanocytic morphology despite noisy archival slides 
        
          2025-Oct-20, Cell reports methods
          
          IF:4.3Q2
          
         
        
          DOI:10.1016/j.crmeth.2025.101201
          PMID:41118723
         
       | 
      
      研究论文 | 开发基于深度学习的黑色素细胞异型性检测流程,通过配对H&E染色和免疫组化染色图像识别黑色素瘤形态特征 | 利用连续或系列切片的免疫组化染色作为监督信号,在噪声较大的存档切片中发现收敛的黑色素细胞形态特征 | 仅有37.7%的图像对质量足够用于深度学习训练,样本量相对有限 | 开发能够识别黑色素细胞异型性的深度学习模型,辅助病理学家诊断皮肤黑色素瘤原位癌 | 黑色素瘤原位癌病例的H&E染色和免疫组化染色组织切片 | 数字病理学 | 黑色素瘤 | H&E染色,免疫组化染色(MelanA,MelPro,SOX10抗体) | CNN | 图像 | 来自61例确诊黑色素瘤原位癌的122张配对全切片图像,涉及两个医疗机构 | NA | 卷积神经网络 | AUROC,AUPRC | NA | 
| 306 | 2025-11-02 | 
         Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 
        
          2025-Oct-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
          
          IF:4.9Q1
          
         
        
          DOI:10.1016/j.radonc.2025.111212
          PMID:41120056
         
       | 
      
      研究论文 | 开发基于深度学习的多中心自动分割模型,用于子宫恶性肿瘤CT影像中临床靶区和计划靶区的勾画 | 首个针对多种子宫恶性肿瘤(宫颈癌和子宫内膜癌)的多中心验证深度学习模型,能够同时准确分割CTV和PTV | 研究为回顾性设计,需要前瞻性验证;样本量相对有限 | 开发自动化的放疗靶区勾画解决方案,提高放疗规划的效率和一致性 | 子宫恶性肿瘤患者,包括宫颈癌和子宫内膜癌 | 医学影像分析 | 子宫恶性肿瘤 | CT成像 | 深度学习分割模型 | CT影像 | 602例增强CT扫描(302例内部机构病例+300例外部中心宫颈癌病例) | NA | 2D分割网络, 全分辨率3D网络, 级联3D网络 | Dice相似系数, 95% Hausdorff距离, 平均表面距离 | NA | 
| 307 | 2025-11-02 | 
         Variety Identification of Corn Seeds Based on Hyperspectral Imaging and Residual Mamba 1D CNN 
        
          2025-Oct-18, Foods (Basel, Switzerland)
          
         
        
          DOI:10.3390/foods14203558
          PMID:41154094
         
       | 
      
      研究论文 | 本研究开发了一种结合高光谱成像和深度学习的玉米种子品种无损识别方法 | 提出了融合残差模块和Mamba模块的一维卷积神经网络RM1DNet,增强了特征学习能力 | NA | 开发玉米种子品种的智能识别方法 | 20个玉米种子品种 | 计算机视觉 | NA | 高光谱成像 | CNN | 高光谱图像 | 20个玉米种子品种 | NA | Residual Mamba 1D CNN | 准确率 | NA | 
| 308 | 2025-11-02 | 
         Dust Filtering in LIDAR Point Clouds Using Deep Learning for Mining Applications 
        
          2025-Oct-18, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206441
          PMID:41157495
         
       | 
      
      研究论文 | 提出一种基于神经网络的实时过滤LIDAR点云中粉尘测量的方法 | 首次将深度学习应用于采矿场景中LIDAR点云的粉尘过滤,并构建了首个多粉尘环境的公开数据库 | NA | 解决采矿作业中粉尘对LIDAR传感器功能的干扰问题 | LIDAR点云数据中的粉尘测量 | 计算机视觉 | NA | LIDAR传感技术 | 神经网络 | 点云数据 | 来自多种粉尘环境的真实LIDAR传感器数据 | NA | NA | NA | NA | 
| 309 | 2025-11-02 | 
         Real-Time Parking Space Detection Based on Deep Learning and Panoramic Images 
        
          2025-Oct-18, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206449
          PMID:41157504
         
       | 
      
      研究论文 | 基于深度学习和全景图像实现实时停车位检测 | 构建了包含复杂环境多样性的PSEX全景停车位数据集,并提出改进的SimSppf_mepre-Yoloe模型 | NA | 解决自动停车系统中停车位检测与定位的核心问题 | 停车位的状态(空闲/占用)和角度(T形/L形) | 计算机视觉 | NA | GAN图像风格迁移 | PP-Yoloe, GAN | 全景图像 | 基于现有公共停车位数据集扩展构建的PSEX数据集 | PaddlePaddle, TensorRT | PP-Yoloe, ResSpp, ResSimSppf, SimSppf | mAP50, mAP50:95, FPS | Jetson AGX Xavier平台 | 
| 310 | 2025-11-02 | 
         ViT-BiLSTM Multimodal Learning for Paediatric ADHD Recognition: Integrating Wearable Sensor Data with Clinical Profiles 
        
          2025-Oct-18, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206459
          PMID:41157512
         
       | 
      
      研究论文 | 开发了一种多模态深度学习框架,通过整合可穿戴传感器数据和临床资料来识别儿童ADHD | 将原始加速度计信号转换为图像并与临床表格数据整合,联合探索动态活动模式和静态临床特征 | 研究样本仅限于7-13岁儿童,未在其他年龄段验证 | 开发有效的ADHD分类方法 | 7-13岁儿童ADHD患者 | 机器学习 | 注意力缺陷多动障碍(ADHD) | 加速度计记录,标准化问卷 | ViT, BiLSTM | 图像,表格数据 | 7-13岁儿童(具体数量未明确说明) | NA | Vision Transformer, BiLSTM | NA | NA | 
| 311 | 2025-11-02 | 
         Pixel-Attention W-Shaped Network for Joint Lesion Segmentation and Diabetic Retinopathy Severity Staging 
        
          2025-Oct-17, Diagnostics (Basel, Switzerland)
          
         
        
          DOI:10.3390/diagnostics15202619
          PMID:41153291
         
       | 
      
      研究论文 | 提出一种用于联合病变分割和糖尿病视网膜病变严重程度分级的像素注意力W形网络框架 | 集成病变先验交叉注意力模块的W形编码器-解码器架构,可在单次临床可解释过程中同时完成病变分割和疾病分级 | NA | 开发能够同时进行病变分割和疾病严重程度分级的深度学习框架 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 图像 | DDR数据集、预处理的Messidor + EyePACS数据集,以及APTOS-2019用于外部评估 | NA | W形编码器-解码器架构 | 准确率, 精确率, 召回率, 特异性, F1分数, Dice系数 | 适合远程医疗和移动部署的高效计算资源 | 
| 312 | 2025-11-02 | 
         An Intelligent Joint Identification Method and Calculation of Joint Attitudes in Underground Mines Based on Smartphone Image Acquisition 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206410
          PMID:41157464
         
       | 
      
      研究论文 | 提出一种基于智能手机图像采集和深度学习的矿山节理智能识别与产状计算方法 | 将ResNet残差模块和CBAM注意力机制集成到U-Net架构中形成RC-Unet模型,结合PCP三点定位算法实现节理产状快速计算 | 仅适用于相对简单的地下环境,复杂地质条件下的适用性有待验证 | 开发高效、客观的矿山节理识别与产状计算方法 | 矿山岩石节理 | 计算机视觉 | NA | 智能手机图像采集,CLAHE图像增强 | 深度学习,语义分割 | 图像 | NA | OpenCV | U-Net, ResNet, CBAM | NA | NA | 
| 313 | 2025-11-02 | 
         FlashLightNet: An End-to-End Deep Learning Framework for Real-Time Detection and Classification of Static and Flashing Traffic Light States 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206423
          PMID:41157474
         
       | 
      
      研究论文 | 提出一种名为FlashLightNet的端到端深度学习框架,用于实时检测和分类静态及闪烁交通灯状态 | 集成YOLOv10n、ResNet-18和LSTM网络,首次实现对交通灯闪烁模式的实时检测与分类 | 使用自定义数据集,未在公开基准数据集上进行验证 | 开发能够可靠识别交通灯状态(包括闪烁模式)的实时检测系统 | 交通灯状态(红灯、绿灯、黄灯、闪烁红灯、闪烁黄灯) | 计算机视觉 | NA | 深度学习 | CNN, LSTM | 视频序列 | 包含真实交通路口视频和模拟数据集的自定义数据集 | NA | YOLOv10n, ResNet-18, LSTM | mAP, F1-score | NA | 
| 314 | 2025-11-02 | 
         Deep Learning and Geometric Modeling for 3D Reconstruction of Subsurface Utilities from GPR Data 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206414
          PMID:41157476
         
       | 
      
      研究论文 | 提出一种基于深度学习的混合方法,从GPR B扫描数据实现地下管线的3D重建 | 使用真实世界数据(避免合成增强)、直接顶点检测(超越边界框分析)和几何3D重建流程的混合模型 | NA | 开发更实用和可扩展的地下管线测绘解决方案 | 地下线性管线设施 | 计算机视觉 | NA | 探地雷达 | CNN | GPR B扫描图像 | NA | NA | YOLOv8, YOLOv11, Mask R-CNN | F1-score, RMSE | NA | 
| 315 | 2025-11-02 | 
         Edge-Based Autonomous Fire and Smoke Detection Using MobileNetV2 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206419
          PMID:41157478
         
       | 
      
      研究论文 | 提出一种基于轻量级MobileNetV2的自主边缘森林火灾和烟雾检测系统 | 将轻量级MobileNetV2网络优化部署于资源受限的边缘设备,实现无需云连接的自主实时检测 | 在树莓派5设备上处理速度约为1.3 FPS,实时性仍有提升空间 | 开发适用于偏远林区的实时自主火灾烟雾检测系统 | 森林火灾和烟雾图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 包含火灾、烟雾和非火灾图像的平衡数据集 | NA | MobileNetV2 | 准确率 | 树莓派5边缘设备 | 
| 316 | 2025-11-02 | 
         Bolt Anchorage Defect Identification Based on Ultrasonic Guided Wave and Deep Learning 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206431
          PMID:41157485
         
       | 
      
      研究论文 | 本研究结合超声导波时频谱和门控注意力残差网络,用于锚杆锚固缺陷识别 | 提出门控注意力残差网络(GA-ResNet),通过门控机制平衡空间注意力和通道注意力 | 仅在四种锚固模型上进行实验,未提及实际工程应用的泛化能力 | 解决复杂现场环境中导波信号缺陷特征提取困难的问题,实现锚杆锚固缺陷类型的准确识别 | 岩土工程结构中的锚杆锚固系统 | 机器学习和信号处理 | NA | 超声导波无损检测 | GA-ResNet(门控注意力残差网络) | 超声导波时频谱 | 四种锚固模型 | NA | GA-ResNet(基于残差网络架构) | 缺陷类型识别准确率 | NA | 
| 317 | 2025-11-02 | 
         Adaptive Exposure Optimization for Underwater Optical Camera Communication via Multimodal Feature Learning and Real-to-Sim Channel Emulation 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206436
          PMID:41157490
         
       | 
      
      研究论文 | 提出一种结合多模态特征学习和实景-仿真信道仿真的自适应曝光优化方法,用于提升水下光学相机通信性能 | 提出Real-to-Sim-to-Deployment框架,结合物理校准仿真平台和混合CNN-MLP模型,实现环境感知的多模态学习 | 未明确说明模型在极端水下环境下的泛化能力及计算资源需求 | 优化水下光学相机通信系统的曝光时间和ISO灵敏度参数,提升通信可靠性 | 自主水下航行器(AUVs)的水下光学相机通信系统 | 计算机视觉 | NA | 光学相机通信,物理校准仿真 | CNN, MLP | 光学图像,环境状态数据,相机配置参数 | NA | NA | Hybrid CNN-MLP Model (HCMM) | RMSE, SNR增益 | 嵌入式硬件 | 
| 318 | 2025-10-30 | 
         CrowdAttention: An Attention Based Framework to Classify Crowdsourced Data in Medical Scenarios 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206435
          PMID:41157488
         
       | 
      
      研究论文 | 提出一种基于注意力机制的端到端深度学习框架,用于医疗场景中众包数据的分类 | 使用交叉注意力机制联合建模分类任务和标注者可靠性,为每个标注者的标签分配实例相关的可靠性分数 | 未在论文摘要中明确说明 | 解决医疗领域众包数据标注中的标签噪声问题 | 众包标注的医疗数据 | 机器学习 | NA | 深度学习 | 注意力机制 | 标注数据 | 合成数据集和真实世界数据集 | NA | 交叉注意力机制 | 准确率, 鲁棒性 | NA | 
| 319 | 2025-11-02 | 
         Icing Detection of Wind Turbine Blades Based on an Improved PP-YOLOE Detection Network 
        
          2025-Oct-17, Sensors (Basel, Switzerland)
          
         
        
          DOI:10.3390/s25206438
          PMID:41157492
         
       | 
      
      研究论文 | 基于改进PP-YOLOE网络的风力涡轮机叶片结冰检测方法研究 | 嵌入坐标注意力机制和空洞空间金字塔池化以增强特征表示,并创新性地应用粒子群优化算法实现超参数自动调优 | NA | 开发精确快速的风力涡轮机叶片结冰状态检测方法以保障风机安全经济运行 | 风力涡轮机叶片结冰状态 | 计算机视觉 | NA | 风洞实验室数据采集 | CNN | 图像 | NA | PP-YOLOE | PP-YOLOE, 坐标注意力机制, 空洞空间金字塔池化 | 平均精度 | NA | 
| 320 | 2025-11-02 | 
         Automated detection of large vessel occlusion using deep learning: a pivotal multicenter study and reader performance study 
        
          2025-Oct-16, Journal of neurointerventional surgery
          
          IF:4.5Q1
          
         
        
          DOI:10.1136/jnis-2024-022254
          PMID:39304193
         
       | 
      
      研究论文 | 评估深度学习AI软件在CT血管造影中自动检测大血管闭塞的独立效能及其对早期职业医师诊断准确性的提升 | 首次通过多中心研究验证AI软件在大血管闭塞检测中的独立效能,并量化其对早期职业医师诊断能力的提升效果 | 研究时间范围有限(2021年1月至2023年9月),样本量相对有限(595例患者) | 评估AI软件在大血管闭塞检测中的诊断效能及其对临床医师的辅助价值 | 595例缺血性卒中患者,其中275例(46.2%)确诊为大血管闭塞 | 医学影像分析 | 缺血性卒中 | CT血管造影(CTA) | 深度学习 | 医学影像 | 595例缺血性卒中患者(平均年龄68.5±13.4岁,56%男性) | NA | NA | AUROC, 敏感度, 特异度 | NA |