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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4521 | 2025-10-06 |
Deep Learning for the Diagnosis and Treatment of Thyroid Cancer: A Review
2025-Jul-30, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.020
PMID:40749944
|
综述 | 系统回顾深度学习技术在甲状腺癌诊断与治疗中的最新研究进展 | 聚焦CNN、LSTM、GAN等先进模型在甲状腺结节超声图像分析、病理图像自动分类和甲状腺外侵犯评估等关键领域的突破性应用 | 分析了当前深度学习在甲状腺癌诊疗应用中面临的技术瓶颈和临床挑战 | 为临床从业者提供最新研究见解,促进甲状腺癌精准诊疗体系的进一步完善 | 甲状腺恶性肿瘤 | 数字病理 | 甲状腺癌 | 深度学习 | CNN, LSTM, GAN | 超声图像, 病理图像 | NA | NA | NA | NA | NA |
4522 | 2025-10-06 |
Biochar-Augmented Anaerobic Digestion System: Insights from an Interpretable Stacking Ensemble Deep Learning
2025-Jul-29, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c05051
PMID:40676947
|
研究论文 | 本研究通过可解释的堆叠集成深度学习模型优化生物炭增强厌氧消化系统 | 提出结合CNN和LSTM的堆叠集成深度学习框架,并采用SHAP进行后验可解释性分析 | 模型在外部数据集上的R²为0.68,泛化能力仍有提升空间 | 优化生物炭增强厌氧消化系统的甲烷产量预测和工艺稳定性 | 厌氧消化系统中的工艺参数和稳定性指标 | 机器学习 | NA | 厌氧消化工艺 | CNN, LSTM, 堆叠集成模型 | 实验数据(原料特性、操作条件、生物炭性质、稳定性指标) | 包含外部独立实验室规模数据集 | NA | 卷积神经网络, 长短期记忆网络 | R², 均方根误差 | NA |
4523 | 2025-10-06 |
The path to biotechnological singularity: Current breakthroughs and outlook
2025-Jul-29, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108667
PMID:40744238
|
综述 | 本文探讨了生物技术领域突破性进展及其向生物技术奇点发展的路径与前景 | 系统整合基因编辑、合成生物学、人工智能、再生医学和脑机接口等多领域突破,提出生物技术奇点的概念框架 | 未涉及具体实验数据验证,主要基于现有技术发展的趋势分析 | 分析生物技术领域当前突破并展望生物技术奇点的实现路径 | 基因编辑技术、合成生物学、人工智能、再生医学、脑机接口等生物技术领域 | 生物技术 | 遗传疾病,癌症,退行性疾病 | CRISPR基因编辑,深度学习,干细胞研究 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
4524 | 2025-10-06 |
Multi-Faceted Consistency learning with active cross-labeling for barely-supervised 3D medical image segmentation
2025-Jul-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103744
PMID:40749274
|
研究论文 | 提出一种用于稀疏标注3D医学图像分割的多方面一致性学习框架与主动学习策略 | 结合交叉标注的稀疏监督学习与基于多样性和不确定性采样的主动学习,提出三种互补的一致性正则化模块 | 仅在三个基准数据集上验证,标注预算固定且极为有限 | 解决3D医学图像在稀疏标注下的分割问题 | 3D医学图像 | 医学图像分析 | NA | 3D医学图像分割 | 师生架构 | 3D医学图像 | 三个基准数据集 | NA | NA | NA | NA |
4525 | 2025-10-06 |
Sequence-based virtual screening using transformers
2025-Jul-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61833-8
PMID:40721411
|
研究论文 | 提出基于Transformer架构的Ligand-Transformer深度学习方法,用于预测蛋白质与小分子之间的结合亲和力 | 首次将Transformer架构应用于基于序列的虚拟筛选,能够预测蛋白质-小分子复合物的构象空间和结合自由能景观变化 | NA | 开发深度学习方法来准确预测蛋白质与小分子的相互作用,包括结合亲和力和构象变化 | 蛋白质-小分子相互作用,重点关注EGFR激酶突变体和ABL激酶抑制剂 | 自然语言处理 | NA | 深度学习虚拟筛选 | Transformer | 序列数据(蛋白质氨基酸序列和小分子拓扑结构) | NA | NA | Transformer | 结合亲和力预测准确度,纳摩尔级效力验证 | NA |
4526 | 2025-10-06 |
Predicting geriatric environmental safety perception assessment using LightGBM and SHAP framework
2025-Jul-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12541-2
PMID:40721444
|
研究论文 | 本研究使用LightGBM和SHAP框架分析口袋公园视觉元素对老年人环境安全感知的影响 | 结合图像语义分割与机器学习方法,首次系统识别影响老年人环境安全感知的关键视觉元素及其交互作用 | 研究仅限于厦门岛29个口袋公园的497张图像,样本来源相对局限 | 探索口袋公园环境中视觉元素如何影响老年人的安全感知 | 老年人对城市公共空间的环境安全感知 | 计算机视觉 | 老年疾病 | 图像语义分割 | LightGBM | 全景图像 | 来自29个口袋公园的497张图像 | LightGBM, SHAP | NA | NA | NA |
4527 | 2025-10-06 |
HAVIT: research on vision-language gesture interaction mechanism for smart furniture
2025-Jul-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10758-9
PMID:40721440
|
研究论文 | 提出基于Vision Transformer和ALBEF的混合深度学习模型HAVIT,用于提升智能家具手势识别性能 | 将Vision Transformer的特征提取能力与ALBEF的语义理解机制有机整合,在数据稀缺条件下实现高效手势识别 | 未明确说明具体数据稀缺程度对模型性能的影响边界 | 提升智能家具手势识别系统在数据稀缺条件下的性能 | 智能家具手势交互 | 计算机视觉 | NA | 深度学习 | Vision Transformer, ALBEF | 视觉数据 | 未明确具体样本数量 | NA | Vision Transformer, ALBEF | 准确率, AUC | NA |
4528 | 2025-10-06 |
Creating interpretable deep learning models to identify species using environmental DNA sequences
2025-Jul-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09846-7
PMID:40721613
|
研究论文 | 本研究开发了一种可解释的深度学习模型,用于通过环境DNA序列识别物种 | 引入了基于ProtoPNet框架的可解释原型CNN模型,并提出了一种新颖的跳跃连接结构以提高模型可解释性 | 未明确说明模型在更广泛数据集上的泛化能力 | 开发可解释的深度学习模型用于环境DNA物种识别 | 环境DNA序列数据 | 机器学习 | NA | 环境DNA测序 | CNN | DNA序列数据 | NA | ProtoPNet | 原型网络架构 | 准确率 | NA |
4529 | 2025-10-06 |
An efficient deep learning approach with frequency and channel optimization for underwater acoustic target recognition
2025-Jul-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12452-2
PMID:40717158
|
研究论文 | 提出一种针对水下声学目标识别的高效深度学习方法FCResNet5 | 通过频率优化和通道优化技术,专注于关键频段并采用频率通道化增强频谱表示 | 未明确说明具体的数据集规模和实际部署环境限制 | 解决船舶辐射噪声识别中的环境噪声和宽频段信号处理问题 | 船舶辐射噪声信号 | 机器学习 | NA | 深度学习 | CNN | 声学信号 | NA | NA | FCResNet5, ResNet | 准确率 | NA |
4530 | 2025-10-06 |
Harnessing deep learning to optimize induction chemotherapy choices in nasopharyngeal carcinoma
2025-Jul-28, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111047
PMID:40738344
|
研究论文 | 本研究开发基于深度学习的模型,用于预测局部晚期鼻咽癌诱导化疗反应并指导个性化治疗方案选择 | 首次将放射组学和图卷积网络结合,构建能够预测不同诱导化疗方案(TPF和GP)疗效的深度学习模型 | 样本量相对有限(1438例患者),仅来自两个医疗中心 | 开发深度学习模型预测局部晚期鼻咽癌诱导化疗反应,指导个性化治疗方案选择 | 局部晚期鼻咽癌患者 | 数字病理 | 鼻咽癌 | 磁共振成像 | GCN | 图像 | 1438例局部晚期鼻咽癌患者(训练集969例,内部验证243例,测试集226例) | NA | 图卷积网络 | AUC | NA |
4531 | 2025-10-06 |
Application and challenges of artificial intelligence in predicting perioperative complications of colorectal cancer
2025-Jul-27, World journal of gastrointestinal surgery
IF:1.8Q2
DOI:10.4240/wjgs.v17.i7.106340
PMID:40740901
|
综述 | 探讨人工智能在预测结直肠癌围手术期并发症中的应用与挑战 | 系统回顾了机器学习和深度学习在结直肠癌手术并发症预测中的新兴应用 | 面临数据质量、模型泛化能力、临床数据复杂性以及伦理监管等挑战 | 改善结直肠癌手术风险分层和临床决策 | 结直肠癌手术患者 | 机器学习 | 结直肠癌 | 机器学习,深度学习 | NA | 电子健康记录,医学影像,术前标志物 | NA | NA | NA | NA | NA |
4532 | 2025-10-06 |
Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress
2025-Jul-26, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.07.042
PMID:40721023
|
研究论文 | 提出一种结合分子生成和指纹转移的AI驱动双靶向策略,设计能精确靶向内质网应激的多功能诊疗分子 | 开发了基于机器学习的分子指纹转移方法和基于深度学习的3D分子生成模型PM-1,实现被动靶向和主动靶向的有机结合 | NA | 设计能精确靶向Grp78生物标志物的多功能诊疗分子,实现内质网应激的同步成像和调控 | 内质网应激相关疾病,特别是肿瘤 | 机器学习, 深度学习 | 肿瘤 | 分子指纹转移, 3D分子生成, 动态模拟, 定量计算 | 机器学习, 深度学习 | 分子结构数据, 荧光成像数据 | NA | NA | PM-1 | Pearson相关系数, IC50 | NA |
4533 | 2025-10-06 |
Accelerating cardiac radial-MRI: Fully polar based technique using compressed sensing and deep learning
2025-Jul-26, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103732
PMID:40749276
|
研究论文 | 开发基于全极坐标傅里叶变换的压缩感知和深度学习算法,用于加速心脏径向磁共振成像 | 使用极坐标傅里叶变换直接重建图像,消除频率插值误差,并通过变量分裂方案简化深度学习框架的数据一致性计算 | 优先关注小感兴趣区域的重建质量而非全图像质量 | 开发更优质的心脏径向磁共振快速成像方法 | 心脏磁共振图像 | 医学影像 | 心血管疾病 | 径向磁共振成像 | 深度学习 | 医学图像 | NA | NA | NA | SSIM, 放射学评估分数 | NA |
4534 | 2025-10-06 |
Edge learning applications in the prediction and classification of combined hepatocellular-cholangiocarcinoma: A comprehensive narrative review
2025-Jul-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i7.107246
PMID:40741203
|
综述 | 本文全面评述了边缘学习在预测和分类混合型肝细胞-胆管癌中的应用 | 首次系统探讨边缘学习技术在cHCC-CCA诊断中的临床应用潜力 | 叙述性综述缺乏原始数据分析和定量评估 | 研究边缘学习在cHCC-CCA预测和分类中的应用价值 | 混合型肝细胞-胆管癌(cHCC-CCA) | 数字病理学 | 肝癌 | 边缘学习, 深度学习 | 深度学习模型 | 组织病理学图像, 放射学影像 | NA | NA | NA | NA | 本地设备部署 |
4535 | 2025-10-06 |
Research and Implementation of Travel Aids for Blind and Visually Impaired People
2025-Jul-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25144518
PMID:40732644
|
研究论文 | 提出一种基于深度学习的实时旅行辅助系统,帮助盲人和视障人士解决出行中的感知、导航和安全问题 | 开发了轻量级目标检测与分割算法,包含多尺度注意力特征提取骨干网络、融合Mamba架构的双流融合模块和自适应上下文感知检测/分割头 | 这是正在进行的工作,需要与盲人和视障参与者进行全面的现场试验来充分验证其有效性 | 开发实时旅行辅助系统,提升盲人和视障人士的出行安全性和自主性 | 盲人和视障人士 | 计算机视觉 | 视力障碍 | 深度学习 | CNN | 深度图像 | NA | PyTorch, TensorFlow | 多尺度注意力网络, Mamba架构, 双流融合模块 | 实时性能, 计算效率 | NVIDIA Jetson Nano控制器, Intel D435i深度相机 |
4536 | 2025-10-06 |
SAM2-DFBCNet: A Camouflaged Object Detection Network Based on the Heira Architecture of SAM2
2025-Jul-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25144509
PMID:40732639
|
研究论文 | 提出基于SAM2 Hiera架构的伪装目标检测网络SAM2-DFBCNet,通过三个关键模块提升复杂场景下的分割性能 | 首次将SAM2 Hiera架构应用于伪装目标检测,并设计了三个创新模块:CACEM增强上下文感知、CSFIB实现多尺度特征动态融合、DBRM优化边界定位精度 | 未提及模型计算复杂度与推理速度的具体分析,也未讨论在极端伪装场景下的性能表现 | 解决伪装目标检测中因低对比度、复杂纹理和模糊边界导致的准确分割难题 | 高度融入背景的伪装目标 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个公开数据集(CAMO、COD10K、NC4K) | NA | SAM2 Hiera, 双向卷积GRU | Sα, Fβ, Eϕ, MAE | NA |
4537 | 2025-10-06 |
Wearable Sensors-Based Intelligent Sensing and Application of Animal Behaviors: A Comprehensive Review
2025-Jul-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25144515
PMID:40732643
|
综述 | 本文全面评述了基于可穿戴传感器的动物行为智能感知技术及其在精准畜牧业中的应用 | 系统梳理了接触式传感技术在动物行为监测中的独特优势,并指出微型机器学习(Tiny ML)作为未来解决计算需求和复杂环境适应性的创新方向 | 当前技术在高频数据采集下表现良好,但在降低采集率时难以维持高保真识别性能,特别是集成多行为识别场景 | 探讨可穿戴传感器在动物行为监测中的技术特点、数据处理方法和实际应用挑战 | 畜牧业中的动物行为监测 | 机器学习 | NA | 加速度计、压力传感器等嵌入式传感器技术 | 传统机器学习,深度学习 | 传感器时序数据 | NA | NA | NA | 识别性能 | 微型机器学习(Tiny ML) |
4538 | 2025-10-06 |
Deep learning-based localization and lesion detection in capsule endoscopy for patients with suspected small-bowel bleeding
2025-Jul-21, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i27.106819
PMID:40741104
|
研究论文 | 开发基于深度学习的AI模型,用于胶囊内镜中小肠定位和病变检测 | 首个同时实现小肠定位和多种异常检测的AI模型 | 样本量相对有限,需要更大规模的外部验证 | 开发自动区分小肠与胃结肠并诊断小肠异常的AI模型 | 疑似小肠出血患者的胶囊内镜图像 | 计算机视觉 | 胃肠道出血 | 胶囊内镜 | 深度学习 | 图像 | 87005张器官定位图像(胃11925张,小肠33781张,结肠41299张)和28405张异常检测图像(糜烂/溃疡1337张,血管发育不良126张,出血494张,正常26448张) | NA | NA | AUC, 准确率 | NA |
4539 | 2025-10-06 |
Hybrid Deep-Geometric Approach for Efficient Consistency Assessment of Stereo Images
2025-Jul-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25144507
PMID:40732635
|
研究论文 | 提出一种混合深度-几何方法HGC-Net,用于评估立体图像对的几何一致性 | 将经典极线几何与深度学习组件相结合,生成可解释的一致性评分,能检测从严重到细微的几何失真 | 未在真实世界复杂场景中进行广泛验证,主要依赖合成失真数据进行评估 | 开发高效的立体图像几何一致性评估方法 | 立体图像对 | 计算机视觉 | NA | 立体视觉,几何一致性评估 | 深度学习混合模型 | 立体图像 | Middlebury 2014立体数据集及其合成失真变体 | NA | HGC-Net | 检测率,几何误差敏感度,实时帧率 | 实时处理能力(1080p输入下12.5 fps),嵌入式立体系统 |
4540 | 2025-10-06 |
Spatial-Channel Multiscale Transformer Network for Hyperspectral Unmixing
2025-Jul-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25144493
PMID:40732622
|
研究论文 | 提出一种新颖的空间-通道多尺度Transformer网络用于高光谱解混 | 首次提出统一机制联合探索空间和通道依赖关系,设计多尺度多头自注意力模块平衡精度与效率 | 仅在三个真实高光谱数据集和一个合成数据集上验证,未在更复杂场景测试 | 解决高光谱解混中空间和光谱通道的多尺度上下文表示问题 | 高光谱图像数据 | 计算机视觉 | NA | 高光谱成像 | Transformer, CNN | 高光谱图像 | 三个真实数据集(Samson, Jasper, Apex)和一个合成数据集 | PyTorch, TensorFlow | Spatial-Channel Multiscale Transformer Network (SCMT-Net), 包含CFP模块, SMT模块, CMT模块, MMSA模块, E-FFN模块 | 丰度估计精度, 端元提取精度 | NA |