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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
9781 | 2025-10-07 |
Bladder lesion detection using EfficientNet and hybrid attention transformer through attention transformation
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02767-5
PMID:40410301
|
研究论文 | 本研究开发了一种结合EfficientNet和混合注意力Transformer的混合模型,用于膀胱病变检测 | 提出结合CNN和轻量注意力ViT的混合架构,通过inceptionV3提取空间特征,并在ViT编码器中集成混合注意力模块获取全局特征关联 | 未提及模型在实时应用中的具体部署表现和计算效率 | 开发可靠的膀胱癌自动诊断方法 | 膀胱病变的 endoscopic 图像 | 计算机视觉 | 膀胱癌 | 内窥镜成像 | CNN, Transformer | 图像 | 17,540张内窥镜图像 | NA | EfficientNet, InceptionV3, Vision Transformer | 准确率, 精确率, F1分数 | NA |
9782 | 2025-10-07 |
EnsembleEdgeFusion: advancing semantic segmentation in microvascular decompression imaging with innovative ensemble techniques
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02470-5
PMID:40410312
|
研究论文 | 本研究提出了一种创新的集成技术EnsembleEdgeFusion,用于提升微血管减压影像中的语义分割性能 | 引入了堆叠和装袋等集成技术来提升分割性能,其中基于朴素贝叶斯的装袋方法表现出显著改进 | 公开可用的微血管减压数据集稀缺,专家标注要求高 | 提升微血管减压影像中的语义分割性能 | 微血管减压影像 | 计算机视觉 | 微血管减压 | 深度学习 | CNN | RGB图像 | 2003张带标注掩膜的微血管减压图像 | NA | DeepLabv3+, U-Net, DilatedFastFCN with JPU, DANet, Vanilla | F1分数, 平均交并比(MIoU) | NA |
9783 | 2025-10-07 |
Automated depression detection via cloud based EEG analysis with transfer learning and synchrosqueezed wavelet transform
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02452-7
PMID:40410314
|
研究论文 | 开发基于云平台的计算机辅助抑郁症诊断系统,通过脑电图信号和深度学习技术实现自动化抑郁症检测 | 提出结合同步压缩小波变换和迁移学习的云基抑郁症检测模型,使用最少电极实现高精度诊断 | 样本规模相对有限,跨数据库测试性能有所下降 | 开发高精度的自动化抑郁症检测系统 | 抑郁症患者和健康对照组的脑电图信号 | 机器学习 | 抑郁症 | 脑电图,同步压缩小波变换 | CNN | 脑电图信号,时频图像 | 数据集I:31名抑郁症患者和27名健康对照;数据集II:45名抑郁症患者和45名健康对照 | NA | ResNet18 | 准确率,F1分数 | 云平台 |
9784 | 2025-10-07 |
Research on Chinese patent classification based on structured features
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03441-6
PMID:40410318
|
研究论文 | 提出基于功能、结构、目的三维特征的专利多级领域信息模型(PMDI)和多信息处理模型(MIP),显著提升中文专利分类准确率 | 首次将功能、结构、目的三维特征与IPC分类框架相结合,提出PMDI和MIP双模型架构 | NA | 提高中文专利分类的准确性和效率 | 中文专利文本 | 自然语言处理 | NA | 专利文本分析 | 深度学习 | 文本 | NA | NA | PMDI, MIP | 准确率 | NA |
9785 | 2025-10-07 |
Efficient adaptation of deep neural networks for semantic segmentation in space applications
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99192-5
PMID:40410339
|
研究论文 | 评估适配器在月球和火星地形岩石语义分割中实现高效迁移学习的可行性 | 首次在太空应用中评估适配器用于高效迁移学习的可行性,提出层融合和适配器排序两种内存优化策略 | 仅针对月球和火星地形进行验证,未涉及其他行星环境 | 开发适用于太空设备的轻量级深度学习语义分割方法 | 月球和火星地形中的岩石分割 | 计算机视觉 | NA | 深度学习,迁移学习 | 深度神经网络 | 行星地形图像 | NA | NA | 预训练骨干网络+适配器 | 任务性能,内存使用,计算效率 | 嵌入式设备 |
9786 | 2025-10-07 |
Screening of oral potentially malignant disorders and oral cancer using deep learning models
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02802-5
PMID:40410364
|
研究论文 | 本研究评估了两种深度学习模型在口腔潜在恶性疾病和口腔癌筛查中的应用效果 | 同时比较了预训练的DenseNet201模型和从胶囊网络改进的轻量级FixCaps模型,后者参数更少适合移动端部署 | 研究样本量有限(仅518张图像),未提及外部验证结果 | 评估AI筛查工具通过智能手机设备或云端应用诊断口腔潜在恶性疾病和口腔癌的有效性 | 口腔潜在恶性疾病和口腔癌患者的口腔图像 | 计算机视觉 | 口腔癌 | 深度学习 | CNN,胶囊网络 | 图像 | 518张口腔图像 | NA | DenseNet201,FixCaps | F1-score,AUC,准确率 | 云端服务器,智能手机设备 |
9787 | 2025-10-07 |
Optimal deep learning based vehicle detection and classification using chaotic equilibrium optimization algorithm in remote sensing imagery
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02491-0
PMID:40410394
|
研究论文 | 提出一种基于混沌平衡优化算法和深度学习的车辆检测与分类方法,用于高分辨率遥感图像 | 结合混沌平衡优化算法进行超参数优化,并采用YOLO-HR目标检测器和注意力机制LSTM模型 | 仅在高分辨率遥感图像数据集上进行验证,未提及其他类型图像的适用性 | 实现遥感图像中车辆的精确检测和分类 | 遥感图像中的车辆(卡车、摩托车、汽车、公交车等) | 计算机视觉 | NA | 遥感成像 | YOLO, ResNet, LSTM | 图像 | NA | NA | YOLO-HR, ResNet, ALSTM | 准确率, 精确率, 召回率, F1分数, AUC | NA |
9788 | 2025-10-07 |
Vibration area localization and event recognition for underground power optical cable in multiple laying scenarios based on deep learning
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99588-3
PMID:40410528
|
研究论文 | 提出基于PGSD-YOLO和1DCNN-BiGRU-AFM的深度学习方法,实现地下电力光缆在多敷设场景下的振动区域定位和事件识别 | 首次在真实多敷设场景(直埋和人孔)下同时实现振动区域定位和事件识别,结合改进的YOLOv11与多尺度注意力机制,以及1DCNN与双向GRU的时序分析能力 | NA | 解决现有方法在多种敷设场景下振动定位与识别性能不足的问题,满足实时应用需求 | 地下电力光缆的振动信号 | 机器学习和信号处理 | NA | ϕ-OTDR分布式光纤振动传感技术 | CNN, YOLO, BiGRU | 振动信号数据 | NA | NA | YOLOv11, PMSAM, DySample, GSConv, VoVGSCSP, 1DCNN, BiGRU, AFM | 实时性能,识别准确率 | NA |
9789 | 2025-10-07 |
Multimodal malware classification using proposed ensemble deep neural network framework
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96203-3
PMID:40410526
|
研究论文 | 提出一种基于多模态融合的恶意软件分类框架,结合图像和数值特征提升分类性能 | 提出集成深度神经网络框架,采用多模态晚期融合技术结合数值和图像特征进行恶意软件分类 | NA | 开发更强大的恶意软件检测系统以应对动态变化的网络威胁环境 | 恶意软件样本 | 机器学习 | NA | 静态分析,动态分析,数据融合 | 深度神经网络,集成学习 | 图像,数值特征 | NA | NA | 集成深度神经网络 | 准确率,召回率,F1分数,精确率 | NA |
9790 | 2025-10-07 |
Facial emotion based smartphone addiction detection and prevention using deep learning and video based learning
2025-May-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99681-7
PMID:40410532
|
研究论文 | 提出一种基于深度学习和视频学习的TMVM框架,通过面部情绪分析检测和预防学生智能手机成瘾 | 首次将心智理论AI与视频建模相结合,采用动态视频混洗技术和优化算法进行情绪识别和行为干预 | 研究样本仅限于750名低BHP学生,缺乏长期随访数据 | 开发智能手机成瘾检测和预防系统,改善学生行为表现 | 学生群体 | 计算机视觉 | 行为成瘾 | 面部情绪识别,视频分析 | CNN, 深度学习 | 视频,面部图像 | 750名学生 | 深度学习框架 | MnasNet, CNN | 准确率,行为参数改善率,配对样本t检验 | 智能手机摄像头 |
9791 | 2025-10-07 |
A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis
2025-May-23, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02925-9
PMID:40410768
|
研究论文 | 提出一种融合领域特定特征的深度学习模型,用于增强青光眼诊断 | 结合非结构化特征和结构化特征(基于视盘四个象限的杯盘比)来区分青光眼和生理性大杯 | 未明确说明样本来源和模型泛化能力 | 开发自动青光眼诊断模型 | 视网膜图像中的视杯和视盘区域 | 计算机视觉 | 青光眼 | 视网膜图像分析 | CNN, 全卷积神经网络 | 图像 | NA | NA | 全卷积神经网络, 深度卷积神经网络 | 准确率, 精确率, 召回率, 平均精度 | NA |
9792 | 2025-10-07 |
A general survey on medical image super-resolution via deep learning
2025-May-23, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110345
PMID:40412085
|
综述 | 本文对基于深度学习的医学图像超分辨率技术进行了系统性综述 | 从模块化角度系统分析医学图像超分辨率网络的关键组件,包括有效架构、上采样模块、学习策略和图像质量评估 | 作为综述文章,不包含原始实验数据验证 | 综述医学图像超分辨率技术的研究现状和发展趋势 | 医学图像超分辨率方法 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | NA | NA | NA | 图像质量评估 | NA |
9793 | 2025-10-07 |
Comparison of three classifiers in detection of obstruction of the lower urinary tract using recorded sounds of voiding
2025-May-23, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110337
PMID:40412086
|
研究论文 | 本研究通过分析排尿声音记录,使用深度学习模型自动检测下尿路梗阻 | 首次将小波尺度图与Inception v3 CNN结合应用于排尿声音分析,实现家庭环境下的下尿路梗阻自动检测 | 样本量较小(93名患者),所有数据来自单一设备(Oppo智能手表) | 开发基于排尿声音的自动下尿路梗阻检测方法 | 下尿路梗阻患者 | 数字病理 | 泌尿系统疾病 | 声音记录分析,小波变换 | CNN, SVM, MLP | 声音,图像 | 93名患者,每人5-13条排尿记录 | NA | Inception v3 | F1分数,准确率,AUC | NA |
9794 | 2025-10-07 |
Renal Transplant Survival Prediction From Unsupervised Deep Learning-Based Radiomics on Early Dynamic Contrast-Enhanced MRI
2025-May-23, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.001
PMID:40413148
|
研究论文 | 本研究通过无监督深度学习从早期动态对比增强MRI中提取影像组学特征来预测肾移植存活率 | 首次将无监督对比学习应用于肾移植MRI数据,从早期动态对比增强MRI中自动提取与移植肾存活相关的影像组学特征 | 样本量有限,需要进一步研究验证技术的鲁棒性,并确定如何将这种方法整合到多模态和临床环境中 | 开发基于无监督深度学习的影像组学方法来预测肾移植存活率 | 肾移植患者 | 医学影像分析 | 终末期肾病 | 动态对比增强磁共振成像 | CNN | 医学影像 | 训练集108例患者,验证集48例患者 | NA | 深度卷积神经网络 | 一致性指数, Kaplan-Meier分析 | NA |
9795 | 2025-10-07 |
Role Of Artificial Intelligence In Cancer Drug Discovery And Development
2025-May-23, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217821
PMID:40414522
|
综述 | 本文综述人工智能在癌症药物发现与开发各阶段的应用及挑战 | 系统阐述AI如何通过机器学习与深度学习技术变革癌症药物研发流程,包括靶点识别、化合物优化、临床试验设计等环节 | 面临数据质量、模型可解释性及监管障碍等挑战 | 探讨人工智能技术在癌症药物研发领域的应用潜力与发展方向 | 癌症药物研发流程及相关人工智能技术 | 机器学习 | 癌症 | 机器学习,深度学习,虚拟筛选,分子对接,CRISPR | NA | 多组学数据,真实世界数据 | NA | NA | NA | NA | NA |
9796 | 2025-05-27 |
Advancements in Structure-based Drug Design Using Geometric Deep Learning
2025-May-23, Current medicinal chemistry
IF:3.5Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
9797 | 2025-10-07 |
Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis
2025-May-22, The neuroradiology journal
DOI:10.1177/19714009251345104
PMID:40405362
|
系统综述与荟萃分析 | 评估机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水的性能 | 首次对机器学习模型在预测SAH后脑积水方面的性能进行系统评价和荟萃分析 | 仅纳入6项研究(2096名患者),样本量有限;仅提取性能最佳模型的数据 | 评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性 | 蛛网膜下腔出血患者 | 机器学习 | 脑积水 | 机器学习,深度学习 | 机器学习模型,深度学习模型 | 临床数据 | 6项研究共2096名患者 | R程序 | NA | AUC, 准确率, 敏感性, 特异性, 诊断比值比 | NA |
9798 | 2025-10-07 |
Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography
2025-May-22, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发用于自动预测CT扫描中蝶窦气化模式的卷积神经网络模型 | 首次将深度学习应用于蝶窦气化模式的自动分类,通过数据增强技术显著提升模型性能 | 初始数据集规模有限(249张CT图像),存在数据不平衡问题 | 提高经蝶窦手术的安全性,通过自动识别蝶窦气化模式降低手术风险 | 蝶窦气化模式 | 计算机视觉 | 鼻窦疾病 | 计算机断层扫描(CT) | CNN | 医学图像 | 249张CT图像(训练集174张,测试集75张),增强后训练集达378张 | NA | 卷积神经网络 | 准确率,AUC,敏感性,特异性,F1分数 | NA |
9799 | 2025-10-07 |
Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data
2025-May-21, Brain research bulletin
IF:3.5Q2
|
研究论文 | 本研究通过fNIRS技术和深度学习模型探索英语学习过程中的数学认知干扰神经机制 | 提出融合Transformer和LSTM架构的AC-LSTM深度学习模型,并构建了数学干扰在英语习得中的新型fNIRS数据集 | NA | 探究英语学习与数学认知之间的神经机制关系 | 英语学习过程中的数学认知干扰 | 自然语言处理,机器学习 | NA | fNIRS(功能性近红外光谱) | Transformer,LSTM | fNIRS脑成像数据 | NA | NA | AC-LSTM(融合Transformer和LSTM的架构) | 准确率 | NA |
9800 | 2025-10-07 |
Performance of multimodal prediction models for intracerebral hemorrhage outcomes using real-world data
2025-May-21, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105989
PMID:40412140
|
研究论文 | 开发并验证结合CT影像、文本和表格临床数据的多模态模型,用于预测脑出血患者的功能预后和院内死亡率 | 首次将三维CT影像特征与医学访谈文本和表格数据相结合,构建针对脑出血预后的多模态预测模型 | 模型校准在死亡率预测方面需要进一步改进,且为单中心回顾性研究 | 开发辅助非专科医生在急诊环境下评估脑出血预后的预测模型 | 脑出血患者 | 医学影像分析 | 脑出血 | CT成像 | 深度学习,L1正则化逻辑回归 | 三维CT图像,文本数据,表格数据 | 527名来自日本三级医院的脑出血患者 | NA | NA | AUROC,校准曲线,决策曲线分析 | NA |