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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
6901 | 2025-10-06 |
A big data driven multilevel deep learning framework for predicting terrorist attacks
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08201-0
PMID:40594818
|
研究论文 | 提出了一种基于大数据的多层次深度学习框架,用于预测恐怖袭击事件 | 将恐怖活动序列建模为序列预测问题,并提出了支持大数据处理的分层LSTM网络模型 | 仅基于全球恐怖主义数据集进行实验验证,未提及模型在其他数据集上的泛化能力 | 开发能够预测恐怖袭击概率的智能预测系统 | 全球恐怖主义活动数据 | 机器学习 | NA | 大数据分析,深度学习 | LSTM | 序列数据,恐怖活动记录 | 全球恐怖主义数据集中的样本 | NA | 分层LSTM网络 | 准确率,精确率,召回率,F1分数 | NA |
6902 | 2025-10-06 |
Multi channel fusion diffusion models for brain tumor MRI data augmentation
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06529-1
PMID:40594886
|
研究论文 | 提出一种基于扩散模型的多通道融合数据增强方法,用于解决脑肿瘤MRI数据不平衡问题 | 首次将多通道融合方法引入扩散模型,能够将健康脑部MRI图像转换为包含肿瘤的图像 | 尚未在其他类型医学图像上验证,模型泛化能力有待进一步优化 | 解决脑肿瘤医学图像数据稀缺和不平衡问题,提升深度学习模型性能 | 脑肿瘤MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | 扩散模型 | 医学图像 | 公开脑肿瘤数据集(具体数量未明确说明) | NA | DDIM, MCFDiffusion | 准确率, Dice系数 | NA |
6903 | 2025-10-06 |
Hybrid deep learning architecture for scalable and high-quality image compression
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06481-0
PMID:40594927
|
研究论文 | 提出一种结合多种技术的混合深度学习图像压缩框架,用于医疗影像的高质量压缩 | 集成SWT、SDAE、GLCM和K-means聚类的混合架构,实现多分辨率分解、纹理感知特征提取和自适应区域压缩 | NA | 解决医疗影像数据存储和传输的效率问题,保持图像保真度 | 医疗影像数据 | 计算机视觉 | NA | Stationary Wavelet Transform, Stacked Denoising Autoencoder, Gray-Level Co-occurrence Matrix, K-means聚类 | 深度学习 | 图像 | 多个基准医疗影像数据集 | NA | 混合架构(SWT+SDAE+GLCM+K-means) | PSNR, MS-SSIM, 编码解码时间 | NA |
6904 | 2025-10-06 |
RareNet: a deep learning model for rare cancer diagnosis
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08829-y
PMID:40594942
|
研究论文 | 开发了一个名为RareNet的深度学习模型,用于罕见癌症的诊断分类 | 利用迁移学习技术将已建立的CancerNet模型应用于罕见癌症分类,通过DNA甲基化数据学习罕见癌症的表观遗传特征 | NA | 开发能够准确诊断罕见癌症的深度学习模型 | 罕见癌症包括Wilms肿瘤、肾透明细胞肉瘤、神经母细胞瘤、骨肉瘤和急性髓系白血病 | 机器学习 | 罕见癌症 | DNA甲基化测序 | 深度学习,迁移学习 | DNA甲基化数据 | NA | NA | CancerNet | 准确率,F1分数 | NA |
6905 | 2025-10-06 |
Monitoring and predicting cotton leaf diseases using deep learning approaches and mathematical models
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06985-9
PMID:40594974
|
研究论文 | 本研究提出结合数学建模和深度学习的方法来监测和预测棉花叶部病害 | 首次将时序动作逻辑(TLA+)形式化建模与卷积神经网络相结合,用于棉花病害症状验证和疾病预测 | 仅针对六种特定棉花病害进行研究,未涵盖所有可能的棉花疾病类型 | 提高棉花作物病害的监测和检测能力,确保农业生产的可持续性 | 棉花叶部病害(蚜虫、黏虫、细菌性疫病、白粉病、靶斑病和健康叶片) | 计算机视觉 | 植物病害 | 深度学习,形式化建模 | CNN | 图像 | NA | NA | 卷积神经网络 | 准确率,F1分数 | NA |
6906 | 2025-10-06 |
A multi stage deep learning approach for real-time vehicle detection, tracking, and speed measurement in intelligent transportation systems
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07343-5
PMID:40595040
|
研究论文 | 提出一种结合深度学习和度量学习的多阶段交通流模型,用于实时车辆检测、跟踪和速度测量 | 使用语言提示的Segment Anything Model实现自动化车辆分割,结合StrongSORT算法和掩码跟踪提升遮挡情况下的跟踪鲁棒性 | NA | 开发智能交通系统中实时车辆检测、跟踪和速度测量的高效方法 | 高速公路环境中的车辆 | 计算机视觉 | NA | 深度学习, 度量学习 | Segment Anything Model, StrongSORT | 视频, 图像 | NA | NA | Segment Anything Model, StrongSORT, PP-OCR | 平均精度均值, 跟踪准确率 | NA |
6907 | 2025-10-06 |
An optimized domain-specific shrimp detection architecture integrating conditional GAN and weighted ensemble learning
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06758-4
PMID:40595062
|
研究论文 | 提出一种结合条件生成对抗网络和加权集成学习的优化领域特定虾类检测架构 | 集成条件GAN生成合成数据与加权集成学习方法,提出增强虾类检测(ESDIA)新方法 | NA | 提高虾类检测的准确率和性能 | 虾类图像 | 计算机视觉 | NA | 图像分割、数据增强 | GAN, CNN, FRCNN, YOLOv7 | 图像 | NA | NA | 条件GAN, Faster R-CNN, YOLOv7 | 准确率, 平均精度均值(mAP) | NA |
6908 | 2025-10-06 |
Deep learning-based sex estimation of 3D hyoid bone models in a Croatian population using adapted PointNet++ network
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07608-z
PMID:40595160
|
研究论文 | 本研究开发了一种基于深度学习的性别估计方法,使用克罗地亚人群的3D舌骨模型 | 首次将改进的PointNet++网络应用于3D舌骨模型的性别估计,结合无监督和监督学习方法 | 样本量相对较小(仅202个样本) | 开发基于3D舌骨模型的性别估计方法 | 克罗地亚人群的舌骨样本 | 计算机视觉 | NA | 计算机断层扫描(CT) | PointNet++, 支持向量机(SVM) | 3D点云数据 | 202个舌骨样本(101男性,101女性) | NA | 改进的PointNet++网络 | 准确率, Matthews相关系数(MCC) | NA |
6909 | 2025-10-06 |
Sequence to sequence architecture based on hybrid LSTM global and local encoders approach for meteorological factors forecasting
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08331-5
PMID:40595187
|
研究论文 | 提出一种基于混合LSTM全局和局部编码器的序列到序列架构用于气象因子预测 | 开发了H-LSTM-GLE模型,通过局部编码器的滑动窗口机制、全局编码器的二次编码和状态向量计算模块的协同整合来提升预测精度 | NA | 提高气象因子预测的准确性 | 相对湿度和室外温度气象数据 | 机器学习 | NA | 深度学习 | LSTM, 序列到序列模型 | 时间序列数据 | 两个数据集(SML2010-Hum和SML2010-outTem) | NA | 混合LSTM全局-局部编码器(H-LSTM-GLE) | NA | NA |
6910 | 2025-10-06 |
Integration of metaheuristic based feature selection with ensemble representation learning models for privacy aware cyberattack detection in IoT environments
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05545-5
PMID:40595948
|
研究论文 | 提出一种集成元启发式特征选择与集成表示学习模型的隐私感知网络攻击检测技术 | 结合自适应哈里斯鹰优化算法进行特征选择,并集成BiGRU、WAE和DBN三种模型,通过社会群体优化算法调整超参数 | 仅在CICIDS-2017和NSLKDD两个数据集上进行验证,需要更多数据集测试泛化能力 | 开发隐私保护的网络攻击检测系统以提高物联网环境安全性 | 物联网环境中的网络流量和攻击行为 | 机器学习 | NA | Z-score归一化,特征选择,集成学习 | BiGRU, WAE, DBN | 网络流量数据 | CICIDS-2017和NSLKDD两个数据集 | NA | 双向门控循环单元,Wasserstein自编码器,深度信念网络 | 准确率 | NA |
6911 | 2025-10-06 |
Detection of fasting blood sugar using a microwave sensor and convolutional neural network
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06502-y
PMID:40596086
|
研究论文 | 本研究开发了一种结合微波传感器和卷积神经网络的非接触式空腹血糖检测方法 | 首次将宽带微波传感与深度学习技术相结合用于非接触式血糖检测,开发了微型微带微波传感器 | 样本量相对有限(78人),仅在受控实验室条件下验证,未在真实穿戴环境中测试 | 开发一种可靠的非接触式空腹血糖监测技术 | 78名个体的血液样本 | 机器学习 | 糖尿病 | 微波传感技术 | CNN | 传感器响应数据(S21传输响应) | 78人血液样本,每个样本测量5次,共390个数据点 | NA | 卷积神经网络 | 平均相对误差(MRE) | NA |
6912 | 2025-10-06 |
Design concept and phase transformation study of advanced bainitic-austenitic medium-Mn steel
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05854-9
PMID:40596134
|
研究论文 | 研究新型中锰钢的等温热处理工艺及其相变行为,通过深度学习方法定量分析微观组织 | 采用深度学习评估方法基于衍射图样质量差异定量分析微观组织组成,并整合热力学和动力学参数预测贝氏体铁素体片层厚度 | 研究局限于特定化学成分的钢种,未涉及其他合金体系 | 开发具有均匀细小板条状贝氏体铁素体和残余奥氏体微观结构的先进中锰钢 | 0.17C-3.1Mn-1Si-0.55Al-0.22Mo-0.034Ti-0.073V 中锰钢 | 材料科学 | NA | 高分辨率膨胀测量法,扫描电子显微镜(SEM),电子背散射衍射(EBSD),透射电子显微镜(TEM),X射线衍射(XRD) | 深度学习 | 显微图像,衍射数据 | 特定化学成分的钢样品 | NA | NA | 实验观测与预测的一致性 | NA |
6913 | 2025-10-06 |
A novel neuroimaging based early detection framework for alzheimer disease using deep learning
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05529-5
PMID:40596195
|
研究论文 | 提出一种基于神经影像和深度学习的阿尔茨海默病早期检测框架 | 采用混合ResNet-50和AlexNet架构,结合CUDA并行处理优化,利用深度可分离卷积提升计算效率 | NA | 开发阿尔茨海默病的早期检测方法 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | 神经影像技术 | 深度学习 | MRI和PET神经影像数据 | NA | CUDA | ResNet-50, AlexNet | 准确率, 灵敏度, 特异性, F1分数 | CUDA并行处理 |
6914 | 2025-10-06 |
Deep learning strategies for semantic segmentation of pediatric brain tumors in multiparametric MRI
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07257-2
PMID:40596219
|
研究论文 | 本研究提出两种深度学习策略用于儿童脑肿瘤的多参数MRI语义分割 | 设计了两种新型多编码器注意力架构,并采用集成范式和后处理技术提升增强肿瘤区域的分割性能 | 研究主要基于BraTS-PEDs 2024数据集,尚未在其他儿科数据集上验证泛化能力 | 开发自动分割儿童脑肿瘤的深度学习算法 | 儿童胶质瘤的增强肿瘤、肿瘤核心和全肿瘤区域 | 计算机视觉 | 儿童脑肿瘤 | 多参数MRI | CNN | 医学影像 | BraTS-PEDs 2024数据集中的儿童脑肿瘤病例 | NA | SegResNet, 多编码器注意力架构 | Dice Score, 召回率, 精确率 | NA |
6915 | 2025-10-06 |
Real-world defocus deblurring via score-based diffusion models
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07326-6
PMID:40596248
|
研究论文 | 提出一种基于分数扩散模型的高分辨率迭代去模糊方法,用于解决真实场景中的离焦模糊问题 | 无需配对的清晰-模糊图像对即可训练模型,采用预测-校正框架增强反向时间SDE的鲁棒性 | 未明确说明计算资源需求和模型训练时间 | 实现真实场景下的高分辨率离焦图像去模糊 | 离焦模糊图像 | 计算机视觉 | NA | 分数扩散模型 | 扩散模型 | 图像 | 真实世界数据集(包括自采集数据集、RealBlur和DED数据集) | NA | 分数扩散模型 | PSNR, SSIM | NA |
6916 | 2025-10-06 |
A novel double machine learning approach for detecting early breast cancer using advanced feature selection and dimensionality reduction techniques
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06426-7
PMID:40596255
|
研究论文 | 提出三种双机器学习模型,通过特征融合和元分类器提升乳腺癌检测准确率 | 结合传统机器学习与深度学习的双机器学习框架,通过特征融合充分利用结构化特征和非线性模式 | 未提及模型在外部验证集上的泛化能力及临床部署的可行性 | 提高乳腺癌早期检测的准确率 | 乳腺癌检测数据集 | 机器学习 | 乳腺癌 | 特征选择,降维技术 | RF, FNN, XGBoost, ANN, LightGBM | 结构化数据,序列数据 | NA | NA | 随机森林,前馈神经网络,人工神经网络 | 准确率 | NA |
6917 | 2025-10-06 |
Enhancing sarcasm detection in sentiment analysis for cyberspace safety using advanced deep learning techniques
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08131-x
PMID:40596266
|
研究论文 | 提出一种基于深度学习的讽刺检测方法,用于社交媒体中的情感分析和网络空间安全 | 结合CNN特征提取与注意力机制的双向LSTM-GRU混合模型,并采用增强型正弦红鹿优化器进行参数优化 | 未提及模型在跨平台或跨语言场景下的泛化能力 | 提升社交媒体中讽刺内容的检测准确率以促进网络空间安全 | 社交媒体文本数据(来自Kaggle和新闻标题) | 自然语言处理 | NA | 自然语言处理 | CNN, LSTM, GRU | 文本 | 来自Kaggle和新闻标题的讽刺检测数据集 | NA | CNN, AM-BLSTM-GRU | 准确率, 精确率, 召回率, F1分数, AUC | NA |
6918 | 2025-10-06 |
A deep learning-based computed tomography reading system for the diagnosis of lung cancer associated with cystic airspaces
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05986-y
PMID:40596379
|
研究论文 | 提出基于深度学习的CT影像阅读系统LungSSFNet,用于辅助诊断囊性气腔相关肺癌 | 开发了基于nnUnet的新型深度学习模型LungSSFNet,在囊性气腔相关肺癌的识别和分割任务中表现优于现有多个模型 | 回顾性研究,样本量有限(342个CT序列),需要进一步前瞻性验证 | 探索深度学习模型在囊性气腔相关肺癌辅助诊断中的性能 | 囊性气腔相关肺癌和肺大泡患者的CT影像 | 计算机视觉 | 肺癌 | 计算机断层扫描(CT) | 深度学习 | 医学影像 | 342个CT序列(272个LCCA,70个肺大泡) | nnUnet | LungSSFNet, UNet, M2Snet, TANet, MADGNet, nnUnet | 交并比, Dice相似系数, 准确率, 精确率, 灵敏度 | NA |
6919 | 2025-10-06 |
Clinical validation of AI assisted animal ultrasound models for diagnosis of early liver trauma
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91900-5
PMID:40596647
|
研究论文 | 开发并验证用于早期肝创伤识别的AI辅助超声模型 | 结合巴马小型猪动物数据和北京患者临床数据开发深度学习模型,在内部测试中表现优于初级和高级超声医师 | 外部测试中模型性能略低于高级超声医师 | 开发AI辅助超声模型用于早期肝创伤识别 | 巴马小型猪和北京患者 | 医学影像分析 | 肝创伤 | 超声成像 | 深度学习 | 超声图像 | 巴马小型猪和北京患者数据 | NA | NA | Dice相似系数,真阳性率,阳性预测值,Hausdorff距离 | NA |
6920 | 2025-10-06 |
Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net
2025-Jul-02, Current medical imaging
IF:1.1Q3
|
研究论文 | 使用半孪生U-Net架构从肺部电阻抗断层扫描重建心脏相关成像 | 提出新型半孪生U-Net架构,通过共享编码器和双解码器设计独立分割肺部和心脏区域 | 目前结果仅限于真实数据的定性评估和基于模拟的训练 | 从肺部EIT中重建心脏相关阻抗成像,改善心脏监测能力 | 肺部电阻抗断层扫描数据 | 医学影像分析 | 心血管疾病 | 电阻抗断层扫描(EIT) | U-Net | 医学影像数据 | 基于FEM的EIT模拟数据和真实人类EIT数据 | NA | 半孪生U-Net | Dice系数, MAE | NA |