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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4821 | 2025-10-06 |
Advancements and challenges in inverse lithography technology: a review of artificial intelligence-based approaches
2025-Jul-24, Light, science & applications
DOI:10.1038/s41377-025-01923-w
PMID:40701983
|
综述 | 本文综述了逆光刻技术中基于人工智能方法的最新进展与挑战 | 重点探讨了人工智能技术与逆光刻技术的融合创新,包括卷积神经网络、深度神经网络、生成对抗网络等AI方法在ILT中的应用 | 面临计算时间长和掩模写入复杂性等挑战 | 推动逆光刻技术在半导体制造中的应用发展 | 逆光刻技术及其人工智能方法 | 计算光刻 | NA | 逆光刻技术 | CNN, DNN, GAN, 模型驱动深度学习方法 | 掩模图案数据 | NA | NA | NA | NA | NA |
4822 | 2025-10-06 |
An automated hybrid deep learning framework for paddy leaf disease identification and classification
2025-Jul-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08071-6
PMID:40701992
|
研究论文 | 提出一种用于水稻叶片病害识别与分类的自动化混合深度学习框架 | 结合MobileNetV3预训练模型与混合GKSO-SA优化算法进行特征选择,使用CatBoost进行分类 | NA | 水稻叶片病害的自动识别与分类 | 水稻叶片图像 | 计算机视觉 | 植物病害 | 图像处理,深度学习 | CNN, CatBoost | 图像 | 来自Kaggle水稻医生数据集的水稻叶片图像 | TensorFlow/PyTorch(预训练模型),Scikit-learn(K-means) | MobileNetV3 | 准确率,灵敏度,F1分数 | NA |
4823 | 2025-10-06 |
DEEP Q-NAS: A new algorithm based on neural architecture search and reinforcement learning for brain tumor identification from MRI
2025-Jul-24, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110767
PMID:40712211
|
研究论文 | 提出基于神经架构搜索和强化学习的新算法DEEP Q-NAS,用于从MRI图像中识别脑肿瘤 | 开发了结合神经架构搜索和强化学习的新算法,专注于优化特征金字塔网络和预测头的搜索效率 | NA | 提高脑肿瘤识别中目标检测架构的搜索效率 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 多参数磁共振成像(mpMRI) | 强化学习,神经架构搜索 | 3D MRI图像 | BraTS 2021数据集 | NA | Feature Pyramid Network, ResNeXt-152, 无锚框目标检测器 | 平均精度(AP), 检测准确率 | NA |
4824 | 2025-10-06 |
Robust daily satellite sea surface salinity reconstruction using deep learning in low-salinity coastal regions
2025-Jul-24, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118462
PMID:40712332
|
研究论文 | 提出一种自监督深度神经网络MAIN,用于在低盐度沿海区域重建稳健的逐日卫星海表盐度数据 | 开发多尺度感知插值网络,无需依赖未来观测即可生成近实时、无间隙的逐日海表盐度数据 | NA | 解决传统物理方法在河流主导区域盐度变化捕捉不准确和卫星数据重访时间长的问题 | 海表盐度数据,重点关注亚马逊区域和东亚区域 | 机器学习 | NA | 卫星遥感(SMAP L2B条带数据),原位测量增强 | 深度神经网络 | 卫星遥感数据,原位测量数据 | NA | NA | 多尺度感知插值网络 | 均方根误差 | NA |
4825 | 2025-10-06 |
Bio-impedance spectroscopy-based classification of mental acuity in university students via machine-learning and deep-learning approaches
2025-Jul-24, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.07.009
PMID:40714180
|
研究论文 | 本研究通过机器学习和深度学习方法,基于生物阻抗光谱对大学生精神敏锐度进行分类 | 首次将MobileNetV2深度学习架构应用于生物阻抗光谱图像分析,用于精神敏锐度分类 | 研究对象仅限于大学生群体,样本范围有限 | 开发基于生物阻抗光谱的精神敏锐度分类方法 | 大学生精神敏锐度水平(优秀、良好、一般) | 机器学习 | 认知障碍 | 生物阻抗光谱(BIS) | 随机森林(RF), 神经网络(NN) | 图像, 特征数据 | 大学生群体(具体数量未明确说明) | NA | MobileNetV2 | 准确率, F1分数 | NA |
4826 | 2025-10-06 |
Molecular Machine Learning Approach to Enantioselective C-H Bond Activation Reactions: From Generative AI to Experimental Validation
2025-Jul-23, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc01098e
PMID:40556724
|
研究论文 | 本研究开发了一种分子机器学习方法,结合生成式AI与实验验证,用于预测对映选择性C-H键活化反应 | 首次将迁移学习与化学语言模型结合,应用于小规模反应数据集,并实现了从预测到生成新配体的完整流程 | 数据集规模较小(仅220个实验样本),机器学习在配体设计中的前景仍需谨慎评估 | 开发可靠的分子机器学习方法,用于预测和生成对映选择性C-H键活化反应 | 催化不对称β-C(sp)-H活化反应及其配体 | 机器学习 | NA | 化学语言模型,迁移学习 | 深度学习,生成模型 | 化学反应数据,分子结构数据 | 220个实验报告的反应样本,77个已知手性配体,100万个未标记分子预训练数据 | NA | 化学语言模型(CLM),集成预测模型(EnP) | 预测可靠性,生成有效性,新颖性 | NA |
4827 | 2025-10-06 |
Recent advances in applying machine learning to proton radiotherapy
2025-Jul-23, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adeb90
PMID:40609552
|
系统综述 | 本文系统综述了2019-2024年间机器学习在质子放疗临床应用的最新进展 | 首次全面系统地总结了机器学习在质子放疗临床工作流程中的应用现状和潜力 | 仅涵盖2019-2024年间的文献,且质子疗法领域的机器学习应用仍处于新兴阶段 | 探索机器学习在质子放疗临床工作流程中的应用现状和未来发展 | 质子放疗临床工作流程中的机器学习应用研究 | 机器学习 | 肿瘤放射治疗 | 机器学习,深度学习 | CNN, U-Net | 医学影像,剂量数据 | 38项相关研究 | NA | U-Net, 卷积神经网络, 深度初始网络, 深度级联卷积神经网络 | NA | NA |
4828 | 2025-10-06 |
Deep learning framework based on ITOC optimization for coal spontaneous combustion temperature prediction: a coupled CNN-BiGRU-CBAM model
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11294-2
PMID:40695904
|
研究论文 | 提出一种基于ITOC优化的深度学习框架,用于预测煤自燃温度 | 结合改进的龙卷风优化算法(ITOC)与CNN-BiGRU-CBAM模型,通过三次混沌映射初始化、量子纠缠和科里奥利力扰动增强全局优化能力 | 仅在中国特定矿区(山东、山西、陕西)进行了验证,需要更多地区数据验证普适性 | 开发煤自燃温度的智能预警和精确预防方法 | 煤样实验数据和煤矿工作面温度数据 | 机器学习 | NA | 程序升温实验、皮尔逊相关分析 | CNN, BiGRU, CBAM | 气体指标数据(O₂, CO, C₂H₄等)、温度数据 | 东滩矿煤样实验数据,山东、山西、陕西煤矿工作面验证数据 | NA | CNN-BiGRU-CBAM耦合模型 | R, MAPE, MAE, RMSE | NA |
4829 | 2025-10-06 |
Advances in machine learning for ABCA4-related retinopathy: segmentation and phenotyping
2025-Jul-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03690-4
PMID:40699379
|
综述 | 本文探讨机器学习在ABCA4相关视网膜病变中分割和表型分析的应用进展 | 系统总结了机器学习在ABCA4相关视网膜病变中自动分割和表型分析的最新方法,包括集成建模、自注意力机制和动态框架等先进技术 | 数据集规模较小且疾病表现变异大,这些因素对模型性能构成挑战 | 评估机器学习在ABCA4相关视网膜病变图像分割和患者表型分析中的应用效果 | ABCA4相关视网膜病变(Stargardt病)患者 | 医学影像分析 | 视网膜疾病 | 光学相干断层扫描,视网膜电图,微视野检查 | 深度学习,集成学习 | 医学影像,功能检查数据 | 从264篇文献中筛选的15篇研究 | NA | 自注意力机制,动态框架 | DICE系数,准确率 | NA |
4830 | 2025-10-06 |
Weapon detection with FMR-CNN and YOLOv8 for enhanced crime prevention and security
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07782-0
PMID:40701971
|
研究论文 | 提出结合FMR-CNN和YOLOv8的混合深度学习框架,用于实时武器检测以增强犯罪预防和安防能力 | 提出新型FMR-CNN框架,结合Faster R-CNN和Mask R-CNN的优势,并与YOLOv8集成以提高实时检测速度和定位精度 | NA | 开发智能监控系统用于实时犯罪预测和预防 | 监控视频中的武器检测 | 计算机视觉 | NA | 深度学习,图像处理,计算机视觉 | CNN | 视频,图像 | 包含5个标注类别的数据集 | NA | FMR-CNN, YOLOv8, MobileNetV3 | 准确率,平均精度,帧率 | NA |
4831 | 2025-10-06 |
Volumetric quantifications and dynamics of areas undergoing retrogressive thaw slumping in the Northern Hemisphere
2025-Jul-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-62017-0
PMID:40701979
|
研究论文 | 利用高分辨率数字高程模型和深度学习量化北半球热融滑塌区域的体积变化动态及土壤有机碳排放 | 首次通过DEM时间序列分析和深度学习实现北半球中大型热融滑塌区域的体积与碳储量系统量化,揭示了气候驱动因素的纬度分异规律 | 仅针对面积≥10,000平方米的中大型扰动区域,未涵盖小型热融滑塌现象 | 量化北半球热融滑塌区域的体积损失动态及其对碳循环的影响 | 北半球2747个活跃热融滑塌扰动区域 | 遥感监测,环境科学 | NA | 数字高程模型时间序列分析,深度学习 | 深度学习模型 | 数字高程模型,遥感影像 | 2747个热融滑塌扰动区域(2012-2022年) | NA | NA | 体积测量精度(317.0 ± 0.3)×10⁶ m³ | ArcticDEM高分辨率高程数据 |
4832 | 2025-10-06 |
Multilingual identification of nuanced dimensions of hope speech in social media texts
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10683-x
PMID:40702008
|
研究论文 | 本研究构建了首个西班牙语和德语的多类别希望语音检测数据集MIND-HOPE,并比较了多种机器学习方法在希望语音检测任务上的性能 | 首次创建多语言多类别希望语音检测数据集,系统比较传统机器学习、深度学习和基于Transformer的方法在希望语音检测任务上的表现 | 数据集仅包含西班牙语和德语,未涵盖更多语言;数据来源仅限于Twitter平台 | 开发多语言希望语音检测模型,推进情感分析在希望这一情感维度上的研究 | 社交媒体文本中的希望语音表达 | 自然语言处理 | NA | 文本挖掘,情感分析 | Transformer, 传统机器学习, 深度学习 | 文本 | 19,183条西班牙语推文和21,043条德语推文 | NA | BERT, mBERT, XLM-RoBERTa | 5折交叉验证 | NA |
4833 | 2025-10-06 |
Development and validation of a deep learning image quality feedback system for infant fundus photography
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10859-5
PMID:40702071
|
研究论文 | 开发并验证用于婴儿眼底摄影的深度学习图像质量反馈系统 | 首次开发专门针对婴儿视网膜图像的深度学习质量反馈系统,能够评估整体质量并检测常见操作错误 | 未提及具体的研究局限性 | 支持早产儿视网膜病变的筛查和诊断 | 婴儿视网膜图像 | 计算机视觉 | 早产儿视网膜病变 | 眼底摄影 | 深度学习 | 图像 | 13,372张图像 | NA | NA | AUC | NA |
4834 | 2025-10-06 |
Histology image analysis of 13 healthy tissues reveals molecular-histological correlations
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11853-7
PMID:40702078
|
研究论文 | 基于深度学习分析13种健康组织的组织学图像,探索细胞核形态特征与RNA表达模式之间的相关性 | 首次在多种健康组织中系统研究基因表达与图像表型的关联,克服了肿瘤异质性对研究可重复性的影响 | 仅关注健康组织,未涉及病变组织;研究样本来源有限 | 探索健康组织细胞核特征与RNA表达模式之间的相关性 | 13种健康人体器官的4306个样本 | 数字病理 | NA | 组织学图像分析,RNA测序 | 深度学习 | 组织学图像,基因表达数据 | 4306个样本,来自13种器官 | NA | NA | NA | NA |
4835 | 2025-10-06 |
Achieving environmental sustainability via an integrated shampoo optimized BiLSTM-Transformer model for enhanced time-series forecasting
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11301-6
PMID:40702122
|
研究论文 | 提出一种结合BiLSTM和Transformer的混合深度学习模型,用于提升时间序列预测性能 | 首次将双向长短期记忆网络与Transformer架构集成,并采用Shampoo二阶优化方法增强收敛稳定性 | NA | 提高电力系统效率,支持可持续能源规划和智能电网运营 | 气象数据时间序列 | 机器学习 | NA | 时间序列分析 | BiLSTM, Transformer | 时间序列数据 | NA | NA | BiLSTM-Transformer混合架构 | 预测准确率 | NA |
4836 | 2025-10-06 |
Diabetes diagnosis using a hybrid CNN LSTM MLP ensemble
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12151-y
PMID:40702146
|
研究论文 | 提出一种基于CNN-LSTM-MLP混合集成模型的糖尿病诊断方法 | 结合CNN提取空间特征和LSTM提取时间依赖特征,通过MLP作为元学习器进行集成分类 | NA | 开发自动化的糖尿病诊断系统 | 糖尿病患者的临床和生理数据 | 机器学习 | 糖尿病 | 临床数据分析 | CNN, LSTM, MLP | 临床数据 | NA | NA | CNN, LSTM Stack, Multi-layer Perceptron | 准确率, 精确率 | NA |
4837 | 2025-10-06 |
Multi-camera spatiotemporal deep learning framework for real-time abnormal behavior detection in dense urban environments
2025-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12388-7
PMID:40702170
|
研究论文 | 提出一种用于密集城市环境中实时异常行为检测的多摄像头时空深度学习框架 | 整合了多尺度图注意力网络、强化学习动态摄像头注意力变换器、时空逆对比学习、神经形态事件编码和生成行为合成等多种创新方法 | 未明确说明在极端拥挤场景下的性能表现和跨场景泛化能力 | 开发实时异常行为检测系统以应对密集城市环境中的监控挑战 | 密集城市环境中的行人异常行为 | 计算机视觉 | NA | 深度学习、神经形态事件编码 | GAT, Transformer, 强化学习, 脉冲神经网络, 生成对抗网络 | 多摄像头视频序列 | UCF-Crime、ShanghaiTech和Avenue数据集 | PyTorch, TensorFlow | MS-GAT, RL-DCAT, STICL, BGS-MFA | 误报率, 召回率, 检测延迟, 计算开销, 实时效率 | GPU加速计算 |
4838 | 2025-10-06 |
A hybrid model for detecting motion artifacts in ballistocardiogram signals
2025-Jul-23, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01426-0
PMID:40702570
|
研究论文 | 提出一种用于检测心冲击图信号中运动伪影的混合模型 | 结合双通道方法,将深度学习模型与多尺度标准差经验阈值相集成,有效处理运动伪影的随机性和复杂性 | 研究主要针对睡眠呼吸暂停患者,未在其他人群或场景中验证 | 提高心冲击图信号中运动伪影检测的准确性和鲁棒性 | 睡眠呼吸暂停患者的BCG信号 | 生物医学信号处理 | 睡眠呼吸暂停 | 压电传感技术 | BiGRU-FCN混合模型 | 心冲击图信号 | 10名睡眠呼吸暂停患者 | NA | 双向门控循环单元,全卷积网络 | 分类准确率,有效信号损失率 | NA |
4839 | 2025-10-06 |
HDXRank: A Deep Learning Framework for Ranking Protein Complex Predictions with Hydrogen-Deuterium Exchange Data
2025-Jul-22, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00175
PMID:40367339
|
研究论文 | 开发了一种基于图神经网络的蛋白质复合物预测排名框架HDXRank,利用氢-氘交换数据提高结构预测准确性 | 首次将氢-氘交换数据转化为模型质量指标,开发了能够捕捉局部结构特征的图神经网络框架 | NA | 提高蛋白质复合物结构预测的准确性 | 蛋白质复合物结构预测 | 机器学习 | NA | 氢-氘交换实验 | 图神经网络 | 蛋白质结构数据,氢-氘交换数据 | 新策划的氢-氘交换数据集 | PyTorch, DGL | GNN | 模型排名准确性,预测质量改进 | NA |
4840 | 2025-10-06 |
A comprehensive assessment benchmark for rigorously evaluating deep learning image classifiers
2025-Jul-18, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107801
PMID:40714476
|
研究论文 | 本文提出了一个全面的深度学习图像分类器评估基准,用于系统评估模型在不同数据类型下的性能表现 | 提出使用多种数据类型和统一指标的综合评估方法,揭示了当前先进深度学习模型在特定数据类型下的脆弱性 | 未具体说明评估基准中包含的具体数据类型种类和数量 | 开发更全面可靠的深度学习模型评估方法 | 深度学习图像分类器 | 计算机视觉 | NA | NA | 深度神经网络 | 图像 | NA | NA | NA | 统一评估指标 | NA |