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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
9761 | 2025-10-07 |
Bio inspired optimization techniques for disease detection in deep learning systems
2025-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02846-7
PMID:40415068
|
研究论文 | 探讨生物启发优化技术在深度学习疾病检测系统中的应用与效果 | 将生物启发优化技术(遗传算法、粒子群优化等)与深度学习模型结合,解决医疗数据特征选择和高维度问题 | 在数据有限或特征空间复杂的情况下实现高性能仍具挑战性 | 通过生物启发优化技术提升深度学习模型在疾病诊断中的效率和公平性 | 医疗图像数据集和高维生物医学数据 | 机器学习 | NA | 生物启发优化技术 | 深度学习模型 | 医疗图像 | NA | NA | NA | NA | 需要大量计算资源 |
9762 | 2025-10-07 |
Exploring treatment effects and fluid resuscitation strategies in septic shock: a deep learning-based causal inference approach
2025-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03141-1
PMID:40415107
|
研究论文 | 通过深度学习因果推断方法比较不同液体复苏策略对脓毒症休克患者预后的影响 | 首次将深度学习因果推断模型应用于脓毒症休克液体复苏策略的疗效比较,并识别影响治疗效果的患者特征 | 基于回顾性数据库分析,可能存在未测量的混杂因素 | 比较不同液体复苏策略对脓毒症休克患者预后的影响并识别获益人群特征 | 脓毒症休克患者 | 机器学习 | 脓毒症休克 | 深度学习因果推断 | 深度学习因果推断模型 | 电子健康记录 | 13,527例脓毒症休克患者 | NA | NA | 院内死亡率、肾脏结局(肌酐倍增或肾脏替代治疗) | NA |
9763 | 2025-10-07 |
An advanced three stage lightweight model for underwater human detection
2025-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03677-2
PMID:40415110
|
研究论文 | 提出了一种名为StarEye的轻量级深度学习模型,用于水下人体检测 | 包含全面的水下数据集构建方法、基于StarBlock的主干结构、上下文锚点注意力机制和共享卷积批量归一化检测头 | NA | 解决复杂水下环境中的人体检测挑战 | 水下人体 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | StarBlock, Context Anchor Attention, Shared Convolution Batch Normalization | 精确率, 召回率, mAP50 | 移动设备 |
9764 | 2025-10-07 |
Advancing e-waste classification with customizable YOLO based deep learning models
2025-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94772-x
PMID:40415121
|
研究论文 | 本研究通过对比分析YOLOv5、YOLOv7和YOLOv8三种目标检测模型在电子废物分类中的性能 | 首次系统比较三种先进YOLO架构在电子废物分类任务中的表现,并创建了包含七类电子废物的专用图像数据集 | 在目标方向检测方面存在挑战,需要未来进一步改进 | 开发高效精确的电子废物分类技术以支持回收和再利用 | 电子废物图像数据 | 计算机视觉 | NA | 深度学习目标检测 | YOLO | 图像 | 包含七个不同电子废物类别的专用图像数据集 | PyTorch | YOLOv5,YOLOv7,YOLOv8,CSPDarknet53,PANet | 精确率,召回率,速度,训练效率 | Tesla T4 GPU,Google Colab |
9765 | 2025-10-07 |
Deep learning-based identification of vertebral fracture and osteoporosis in lateral spine radiographs and DXA vertebral fracture assessment to predict incident fracture
2025-May-24, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjaf050
PMID:40167218
|
研究论文 | 开发深度学习模型用于识别侧位脊柱X光片和DXA椎体骨折评估图像中的椎体骨折和骨质疏松症,以预测老年人骨折风险 | 首次在侧位脊柱X光片和DXA VFA图像中同时开发深度学习模型检测椎体骨折和骨质疏松症,并验证其预测新发骨折的能力 | 研究基于单一三级医疗机构数据,需要外部验证 | 提高老年人骨折风险评估的准确性 | 老年人脊柱影像数据 | 医学影像分析 | 骨质疏松症, 椎体骨折 | 深度学习, 影像分析 | 深度学习模型 | 侧位脊柱X光片, DXA VFA图像 | VERTE-X队列: 9276名个体的26299张侧位脊柱X光片; KURE队列: DXA VFA数据集 | NA | 预训练深度学习模型 | AUROC, 风险比 | NA |
9766 | 2025-10-07 |
Explainable deep learning for age and gender estimation in dental CBCT scans using attention mechanisms and multi task learning
2025-May-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03305-z
PMID:40413203
|
研究论文 | 开发用于牙科CBCT扫描中年龄估计和性别分类的可解释深度学习框架 | 结合注意力机制和多任务学习,使用CBAM和Grad-CAM增强模型可解释性,并采用全景切片替代完整3D CBCT体积降低计算成本 | 研究对象年龄范围有限(7-23岁),样本量相对较小 | 提高基于CBCT的年龄估计和性别分类的准确性和可解释性 | 牙科CBCT扫描中的年龄和性别识别 | 计算机视觉 | NA | 锥形束计算机断层扫描(CBCT) | 深度学习,多任务学习 | 医学影像(CBCT扫描) | 2,426个CBCT图像,年龄范围7-23岁 | NA | 卷积块注意力模块(CBAM),Grad-CAM | 平均绝对误差(MAE),准确率 | NA |
9767 | 2025-10-07 |
MAVSD: A Multi-Angle View Segmentation Dataset for Detection of Solidago Canadensis L
2025-May-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05199-y
PMID:40413199
|
研究论文 | 本文提出了专门用于检测加拿大一枝黄花的多角度视图分割数据集MAVSD,并通过实验验证其有效性 | 首次创建包含四个拍摄角度(30°、45°、60°、90°)的高分辨率入侵植物分割数据集,多角度训练使mIoU提升最高达11% | NA | 开发用于入侵植物监测的计算机视觉数据集和方法 | 加拿大一枝黄花(Solidago canadensis L) | 计算机视觉 | NA | 无人机航拍技术 | NA | 图像 | NA | NA | NA | mIoU | NA |
9768 | 2025-10-07 |
A Comprehensive Video Dataset for Surgical Laparoscopic Action Analysis
2025-May-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05093-7
PMID:40413211
|
研究论文 | 本文介绍了用于腹腔镜手术动作分析的综合视频数据集SLAM | 开发了规模更大、手术类型更多样、标注质量更一致的腹腔镜手术动作数据集 | NA | 解决现有腹腔镜手术数据集规模小、同质化高、标注不一致的问题,推动手术动作识别技术发展 | 腹腔镜手术视频数据 | 计算机视觉 | NA | 视频分析 | Transformer | 视频 | 4,097个视频片段 | NA | ViViT | 分类准确率 | NA |
9769 | 2025-10-07 |
Image guided construction of a common coordinate framework for spatial transcriptome data
2025-May-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01862-x
PMID:40413226
|
研究论文 | 提出深度学习算法STaCker,通过图像配准构建空间转录组数据的统一坐标系框架 | 开发首个通过整合组织图像和基因表达数据构建合成训练数据的深度学习方法,解决切片间坐标不统一问题 | 依赖合成数据进行训练,在真实数据上的泛化能力需进一步验证 | 解决空间转录组切片间因切割和位移变异导致的坐标框架不统一问题 | 空间转录组切片数据 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 图像,基因表达数据 | 多个基准测试数据集和真实空间转录组数据集 | NA | NA | 空间一致性 | NA |
9770 | 2025-10-07 |
Enhanced wheat yield prediction through integrated climate and satellite data using advanced AI techniques
2025-May-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02700-w
PMID:40413272
|
研究论文 | 本研究通过整合气候和卫星数据,利用先进AI技术提升巴基斯坦小麦产量预测精度 | 将作物周期分为四个关键阶段的多阶段预测方法,结合卫星影像、季节天气变量和土壤信息的多源数据融合 | 未明确说明具体的数据采集区域范围和样本数量细节 | 开发准确的小麦产量预测框架以支持粮食安全和农业规划 | 巴基斯坦小麦作物 | 机器学习 | NA | 卫星遥感、气象数据采集 | 机器学习、深度学习 | 卫星影像、气象数据、土壤信息 | 2017-2022年数据 | Google Earth Engine | NA | R值 | Google Earth Engine平台 |
9771 | 2025-10-07 |
Research on prediction method of well logging reservoir parameters based on Multi-TransFKAN model
2025-May-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96112-5
PMID:40413356
|
研究论文 | 提出基于Transformer架构和改进KAN框架的Multi-TransFKAN模型,用于测井储层参数预测和可解释性分析 | 将傅里叶函数集成到KAN框架中替代B样条函数,结合蒙特卡洛Dropout和SHAP框架,有效捕捉复杂周期性和非线性特征 | 未明确说明模型在更广泛地质条件下的泛化能力 | 提高储层参数预测精度和模型可解释性 | 测井储层参数(孔隙度、泥质含量、含水饱和度) | 机器学习 | NA | 测井技术 | Transformer, KAN | 测井数据 | NA | NA | Multi-TransFKAN | RMSE, R | NA |
9772 | 2025-10-07 |
Deep learning-based histopathologic segmentation of peritubular capillaries in kidney transplant biopsies
2025-May-24, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110395
PMID:40413895
|
研究论文 | 本研究开发了一种基于深度学习的肾移植活检中肾小管周围毛细血管的组织病理学分割方法 | 首次在具有形态学异常的移植活检样本上训练模型,仅需PAS染色肾活检和CD34免疫组化确认真实标签 | 显著的间质炎症和纤维化会使PTCs难以识别,以及存在模拟PTCs的结构(如萎缩肾小管)是模型面临的主要挑战 | 自动化评估肾移植活检中肾小管周围毛细血管炎症程度 | 肾移植活检样本中的肾小管周围毛细血管 | 数字病理学 | 肾脏移植排斥 | PAS染色,CD34免疫组化 | CNN | 全切片图像 | 69例肾移植活检,约28,000个PTCs | NA | U-Net | Dice得分,Jaccard指数,标准化表面Dice,精确率,召回率 | NA |
9773 | 2025-10-07 |
Modeling enteric methane emission from dairy cows using deep learning approach
2025-May-24, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179713
PMID:40414055
|
研究论文 | 本研究应用深度学习模型预测奶牛肠道发酵产生的甲烷排放量 | 首次将深度学习模型应用于奶牛甲烷排放预测,并通过不同数据可用性场景评估模型性能 | 样本量较小(最多52头奶牛),研究时间范围有限(2022年10月至2023年12月) | 开发准确预测奶牛肠道甲烷排放的深度学习模型 | 奶牛及其甲烷排放数据 | 机器学习 | NA | 嗅探技术、自动化挤奶和饲喂系统、行为传感器 | LSTM, CNN, CNN-LSTM混合模型 | 性能数据、饲喂数据、行为数据、天气数据 | 最多52头奶牛 | NA | LSTM, CNN, CNN-LSTM | R平方, 平均偏差误差(MBE) | NA |
9774 | 2025-10-07 |
Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study
2025-May-23, The neuroradiology journal
DOI:10.1177/19714009251345108
PMID:40406852
|
研究论文 | 评估深度学习图像重建算法在头颈部CT中改善图像质量和降低辐射剂量的能力 | 首次系统比较深度学习图像重建算法与标准迭代重建算法在头颈部CT中的性能表现 | 样本量较小(35例患者),宽探测器扫描仪缺乏机架角度调整功能 | 评估深度学习重建算法在头颈部CT中的图像质量和辐射剂量优化效果 | 163例连续无增强头颈部CT扫描(最终纳入35例患者) | 医学影像 | 头颈部疾病 | CT扫描,深度学习图像重建 | 深度学习模型 | CT图像 | 35例患者 | NA | DLIR(深度学习图像重建) | 信噪比,对比噪声比,剂量长度乘积,CTDIvol | NA |
9775 | 2025-10-07 |
Mondragon Unibertsitatea face-milling dataset for smart tool condition monitoring
2025-May-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05168-5
PMID:40410157
|
研究论文 | 本文介绍了用于智能刀具状态监测的端面铣削实验数据集 | 提供了包含机器内部原始信号和外部传感器数据的综合铣削数据集,支持仅使用内部CNC信号的工业解决方案开发 | NA | 推进智能刀具状态监测技术发展,缩小研究与工业应用之间的差距 | 端面铣削过程中的刀具磨损监测 | 机器学习 | NA | 传感器数据采集 | NA | 传感器信号(切削力、振动信号、声发射信号) | 在变化切削条件下进行的端面铣削实验数据集 | Python | NA | NA | NA |
9776 | 2025-10-07 |
Deep learning-based reconstruction of monthly Antarctic surface air temperatures from 1979 to 2023
2025-May-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05175-6
PMID:40410240
|
研究论文 | 开发基于深度学习的南极月表面气温重建数据集 | 利用深度学习方法从多源现场观测数据重建南极月表面气温,首次提供1979年以来时空完整的网格化温度数据集 | 依赖于再分析数据的训练,可能存在系统性偏差 | 重建南极地区长期表面气温数据以支持气候变化研究 | 南极表面气温数据 | 机器学习 | NA | 现场气象观测,再分析数据 | 深度学习 | 气温观测数据,再分析数据 | 1979-2023年期间的多源观测数据 | NA | NA | 与气象站观测数据的匹配度 | NA |
9777 | 2025-10-07 |
Development and validation of a multi-omics hemorrhagic transformation model based on hyperattenuated imaging markers following mechanical thrombectomy
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02056-1
PMID:40410254
|
研究论文 | 开发并验证基于机械取栓后高密度影像标志物的多组学出血转化预测模型 | 首次整合临床特征、影像组学特征和深度学习特征构建出血转化预测模型 | 样本量相对有限,需要更大规模的外部验证 | 预测机械取栓后患者的出血转化风险 | 接受机械取栓治疗并出现高密度影像标志物的卒中患者 | 医学影像分析 | 脑血管疾病 | 计算机断层扫描 | K-最近邻分类器 | 医学影像 | 训练队列191例,验证队列48例,内部前瞻性测试队列49例 | NA | NA | 准确率, 灵敏度, 特异性, ROC曲线, AUC | NA |
9778 | 2025-10-07 |
A roll attitude determination method based on the jamming energy of GEO satellites and an LSTM neural network
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01174-0
PMID:40410250
|
研究论文 | 提出了一种基于GEO卫星干扰能量和LSTM神经网络的滚转姿态确定方法 | 首次将GEO卫星能量信息与LSTM神经网络结合用于滚转姿态确定,相比传统最小二乘法显著提升精度 | 未提及方法在其他类型卫星或运动载体上的适用性 | 提高旋转载体滚转姿态确定的准确性和实时性 | 地球静止轨道卫星和旋转载体 | 机器学习 | NA | GNSS信号处理 | LSTM | 卫星能量信号 | NA | NA | LSTM | 平均自误差, 平均霍尔标准化误差 | NA |
9779 | 2025-10-07 |
Multimodal fusion model for prognostic prediction and radiotherapy response assessment in head and neck squamous cell carcinoma
2025-May-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01712-0
PMID:40410262
|
研究论文 | 开发多模态深度学习模型用于头颈部鳞状细胞癌的预后预测和放疗反应评估 | 首次整合CT影像、全切片图像和临床特征的多模态融合模型,在预后预测和放疗反应评估方面优于单模态模型 | 模型性能需在更大样本和更多中心验证,生物学机制探索仍需深入 | 头颈部鳞状细胞癌的预后预测和术后放疗反应评估 | 1087例头颈部鳞状细胞癌患者 | 数字病理 | 头颈部鳞状细胞癌 | 深度学习,多模态融合 | 深度学习模型 | CT影像,全切片图像,临床特征 | 1087例多中心HNSCC患者 | NA | 多模态深度学习模型(MDLM) | 总生存期预测,无病生存期预测 | NA |
9780 | 2025-10-07 |
A robust and statistical analyzed predictive model for drug toxicity using machine learning
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02333-z
PMID:40410277
|
研究论文 | 本文开发了一种用于药物毒性预测的优化集成机器学习模型 | 结合了eager随机森林和sluggish k star技术的优化集成模型,提出了W-saw评分和L-saw概念 | NA | 开发更准确的药物毒性预测模型 | 药物毒性数据 | 机器学习 | NA | 机器学习 | 集成学习,随机森林,Kstar,深度学习 | 结构化数据 | NA | NA | 优化集成模型 | 准确率 | NA |