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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1181 | 2025-10-05 |
Assessing BERT-based models for Arabic and low-resource languages in crime text classification
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3017
PMID:40989302
|
研究论文 | 评估基于BERT的模型在阿拉伯语和低资源语言犯罪文本分类中的表现 | 首次系统评估BERT模型在阿拉伯语和低资源语言犯罪文本分类领域的适用性与性能 | 阿拉伯语相关研究数量有限,需扩展至其他低资源语言进行分析 | 分析基于BERT的模型在阿拉伯语和低资源语言犯罪文本分类中的性能表现 | 阿拉伯语及其他低资源语言的犯罪领域文本数据 | 自然语言处理 | NA | 文本分类 | BERT, Transformer | 文本 | NA | NA | BERT, Transformer | NA | NA |
1182 | 2025-10-05 |
Enhancing human activity recognition with machine learning: insights from smartphone accelerometer and magnetometer data
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3137
PMID:40989299
|
研究论文 | 通过智能手机加速度计和磁力计数据,利用多种机器学习模型提升人类活动识别性能 | 使用非标准化数据并整合磁力计信号提升性能,采用轻量级模型实现可实时部署的移动端解决方案 | NA | 改进现有的人类活动识别方法,提升识别准确率和实时性能 | 智能手机传感器采集的人类活动数据 | 机器学习 | NA | 智能手机传感器数据采集 | 神经网络,随机森林,支持向量机,CN2规则归纳器,朴素贝叶斯,AdaBoost | 传感器数据(加速度计和磁力计) | NA | NA | NA | AUC,准确率,F1分数,精确率,召回率 | 移动设备实时部署 |
1183 | 2025-10-05 |
Deep learning based cardiac disorder classification and user authentication for smart healthcare system using ECG signals
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3082
PMID:40989306
|
研究论文 | 提出一种基于深度学习的智能医疗系统,使用ECG信号进行心脏疾病分类和用户身份认证 | 结合CNN和LSTM模型处理ECG信号,同时实现心脏疾病分类和用户身份认证双重功能 | 未提及具体数据集规模和多样性限制 | 开发智能远程医疗系统,实现心脏疾病的早期检测和系统安全保护 | 心电图信号和医疗系统用户 | 机器学习 | 心血管疾病 | 心电图信号分析 | CNN, LSTM | ECG信号 | NA | NA | CNN, LSTM | 准确率 | NA |
1184 | 2025-10-05 |
Enhanced information cross-attention fusion for drug-target binding affinity prediction
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3117
PMID:40989310
|
研究论文 | 提出一种基于信息增强和交叉注意力融合的药物-靶点结合亲和力预测新模型CAFIE-DTA | 首次将蛋白质3D曲率和静电势信息融入DTA预测,采用Delaunay三角剖分近似蛋白质表面曲率,通过APBS软件计算总静电势,并利用交叉多头注意力机制融合蛋白质的物理化学和序列信息 | NA | 提高药物-靶点结合亲和力预测的准确性和效率 | 药物化合物和蛋白质靶点 | 机器学习 | NA | Delaunay三角剖分,Adaptive Poisson-Boltzmann Solver (APBS) | 深度学习,注意力机制 | 蛋白质序列,3D结构,物理化学性质,化合物图结构 | Davis和KIBA基准数据集 | NA | 交叉多头注意力融合架构 | MSE, CI, R2 | NA |
1185 | 2025-10-05 |
Research on license plate recognition based on graphically supervised signal-assisted training
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2989
PMID:40989311
|
研究论文 | 提出一种基于图形监督信号辅助训练的改进车牌识别算法 | 在LPRNet基础上引入图形监督信号进行辅助训练,通过辅助训练分支引导模型学习更好的图像特征 | NA | 在计算资源受限的嵌入式设备上实现轻量级且高精度的车牌识别 | 车牌图像 | 计算机视觉 | NA | NA | CNN | 图像 | 中国城市停车数据集(CCPD) | NA | LPRNet | 准确率, 字符精确率, 召回率 | 嵌入式设备 |
1186 | 2025-10-05 |
A dual-phase deep learning framework for advanced phishing detection using the novel OptSHQCNN approach
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3014
PMID:40989319
|
研究论文 | 提出了一种基于OptSHQCNN的双阶段深度学习框架用于高级钓鱼检测 | 结合了量子-经典混合卷积神经网络、注意力机制和多种优化算法,创新性地提出了双阶段检测框架 | 未明确说明数据集的具体规模和来源,缺乏与其他最新方法的详细对比分析 | 开发更精确有效的钓鱼网站检测方法以增强网络安全 | 钓鱼网站和合法网站的URL及网页特征 | 网络安全 | NA | 深度学习,量子计算 | SHQCNN, OptBERT | 网页代码,链接,URL | NA | NA | Shallow hybrid quantum-classical convolutional neural network, Bidirectional Encoder Representations from Transformers, convolutional block attention module | 准确率,精确率,召回率,F1分数 | NA |
1187 | 2025-10-05 |
Gated attention based generative adversarial networks for imbalanced credit card fraud detection
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2972
PMID:40989315
|
研究论文 | 提出一种基于门控注意力机制的生成对抗网络(GA-GAN)用于解决信用卡欺诈检测中的类别不平衡问题 | 首次将门控注意力机制与生成对抗网络结合,生成高质量合成数据以模拟真实欺诈行为 | NA | 解决信用卡交易数据中的类别不平衡问题,提高欺诈检测性能 | 信用卡交易数据 | 机器学习 | NA | 深度学习 | GAN | 结构化数据 | 两个公开信用卡数据集 | NA | GA-GAN | NA | NA |
1188 | 2025-10-05 |
Sales forecasting for retail stores using hybrid neural networks and sales-affecting variables
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3058
PMID:40989322
|
研究论文 | 本研究提出了一种混合CNN-LSTM神经网络模型,结合环境与人口统计变量进行零售商店销售预测 | 提出结合CNN空间模式捕捉与LSTM时间依赖建模的混合架构,并整合节假日、发薪日、抗议活动和天气条件等关键外部变量 | 未明确说明数据集的具体规模和来源限制 | 提高零售业销售预测准确性以优化供需平衡和盈利能力 | 零售商店销售数据 | 机器学习 | NA | 深度学习 | CNN, LSTM | 时间序列数据,环境变量,人口统计变量 | NA | NA | CNN-LSTM混合架构 | 平均绝对百分比误差(MAPE) | NA |
1189 | 2025-10-05 |
DLProv: a suite of provenance services for deep learning workflow analyses
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2985
PMID:40989321
|
研究论文 | 提出DLProv工具套件,为深度学习工作流提供端到端的溯源服务 | 首个支持全深度学习工作流溯源、框架无关且符合PROV标准的解决方案 | 执行时间存在最高1.4%的开销 | 解决深度学习工作流中的可追溯性、可重现性和透明度问题 | 深度学习工作流中的数据准备、模型训练和评估过程 | 机器学习 | NA | 深度学习工作流分析 | NA | 图像数据 | MNIST和CIFAR-100数据集 | Keras, 物理信息神经网络 | NA | 执行时间开销 | NA |
1190 | 2025-10-05 |
DDoS attack detection in Edge-IIoT digital twin environment using deep learning approach
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3052
PMID:40989316
|
研究论文 | 提出一种在边缘工业物联网数字孪生环境中使用深度学习方法检测DDoS攻击的新方法 | 能够保留已学习知识并以连续方式轻松适应新模型,无需重新训练深度学习模型 | NA | 检测边缘工业物联网数字孪生环境中的DDoS攻击 | 边缘工业物联网数字孪生环境 | 机器学习 | NA | 深度学习 | 深度学习模型 | 网络流量数据 | 157,600个样本 | NA | M1, M2, M3 | 准确率, 精确率, 召回率, F1分数 | NA |
1191 | 2025-10-05 |
Detection of offensive content in the Kazakh language using machine learning and deep learning approaches
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3027
PMID:40989330
|
研究论文 | 本研究使用机器学习和深度学习方法检测哈萨克语社交媒体中的攻击性内容 | 针对哈萨克语的黏着语结构和丰富形态特征,结合n-gram和词干提取方法优化了NLP模型,为资源较少的语言提供了处理框架 | 未明确说明数据集规模和具体评估指标数值 | 开发针对哈萨克语的语言特定NLP工具以检测破坏性内容 | 哈萨克语社交媒体内容,包括宗教极端主义、种族主义、网络暴力和民族导向极端主义信息 | 自然语言处理 | NA | 自然语言处理 | 逻辑回归, SVM, LSTM | 文本 | NA | NA | LSTM | 准确率 | NA |
1192 | 2025-10-05 |
Cword2vec: a novel morphological rule-based word embedding approach for Urdu text sentiment analysis
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2937
PMID:40989343
|
研究论文 | 提出一种基于形态学规则的乌尔都语复合词嵌入方法Cword2vec用于情感分析 | 开发了首个基于形态学规则的乌尔都语复合词嵌入方法,解决了传统n-gram方法无法生成有意义的复合词的问题 | 仅针对乌尔都语文本,未验证在其他语言的适用性 | 改进乌尔都语文本情感分析的词嵌入表示 | 乌尔都语文本中的复合词 | 自然语言处理 | NA | 词嵌入技术 | LSTM, BiLSTM, CNN, C-LSTM | 文本 | NA | NA | word2vec | 准确率, 精确率, 召回率, F1分数 | NA |
1193 | 2025-10-05 |
Classification of psychiatry clinical notes by diagnosis: a deep learning and machine learning approach
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3045
PMID:40989331
|
研究论文 | 比较传统机器学习和深度学习模型在精神病学临床笔记诊断分类中的性能 | 首次系统比较多种传统机器学习与深度学习模型在精神病临床笔记分类中的表现,并评估不同过采样策略和超参数优化的影响 | 仅针对焦虑症和适应障碍两种诊断进行分类,未涵盖更广泛的精神疾病类型 | 开发AI辅助诊断工具,提高精神病学临床笔记分类的准确性 | 精神病学临床笔记 | 自然语言处理 | 精神疾病 | 文本分类 | 随机森林,支持向量机,K近邻,决策树,XGBoost,DistilBERT,SciBERT | 文本 | NA | Scikit-learn,TensorFlow/PyTorch | BERT变体 | 准确率 | NA |
1194 | 2025-10-05 |
Hybrid ARIMA-LSTM for COVID-19 forecasting: a comparative AI modeling study
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3195
PMID:40989342
|
研究论文 | 本研究比较ARIMA、LSTM和混合ARIMA-LSTM模型在COVID-19疫情预测中的性能表现 | 提出并验证了结合传统统计方法与深度学习的混合模型在疫情预测中的优势 | 仅使用马来西亚单一国家数据,未验证模型在其他传染病和地区的泛化能力 | 开发准确的疫情预测模型以支持有效干预和资源分配 | COVID-19疫情趋势预测 | 机器学习 | COVID-19 | 时间序列预测 | ARIMA, LSTM, 混合模型 | 时间序列数据 | 马来西亚卫生部2021年1月4日至9月18日的COVID-19数据 | NA | ARIMA, LSTM, ARIMA-LSTM混合架构 | MSE, MAE, MAPE, RMSE, RRMSE, NRMSE, R平方 | NA |
1195 | 2025-10-05 |
A hybrid extraction model for semantic knowledge discovery of water conservancy big data
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2960
PMID:40989349
|
研究论文 | 提出一种基于深度学习的可迁移网络信息提取模型,用于水利大数据中的语义知识发现 | 融合知识图谱、机器学习和本体方法,开发了能够适应不同网站结构的跨网站信息提取模型 | NA | 解决水利领域网络舆情分析需求,提升多源数据集的信息提取效率和可扩展性 | 水利相关网络舆情内容 | 自然语言处理 | NA | 大数据分析、自然语言处理、深度学习 | 深度学习模型 | 文本数据 | NA | NA | WIEM-DL | 提取准确率、处理效率 | NA |
1196 | 2025-10-05 |
Enhanced text clustering and sentiment analysis framework for online education: a BIF-DCN approach in computer education
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3062
PMID:40989355
|
研究论文 | 提出一种融合BERT和BTF-IDF的深度聚类网络框架(BIF-DCN),用于在线教育平台的学生情感分析 | 结合BERT语义特征提取、BTF-IDF增强特征表示和改进深度嵌入聚类(IDEC)的三组件集成框架 | NA | 分析学生对教育内容的情感反应以优化教学策略和在线学习资源 | 在线教育平台的学生评论数据 | 自然语言处理 | NA | 文本挖掘,情感分析 | Transformer, 深度聚类网络 | 文本 | 公共数据集和自建数据集 | NA | BERT, IDEC | 聚类准确率 | NA |
1197 | 2025-10-05 |
CST-Net: community-guided structural-temporal convolutional networks for popularity prediction
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2931
PMID:40989358
|
研究论文 | 提出一种名为CST-Net的端到端深度学习框架,用于在线内容流行度预测 | 通过用户嵌入聚类构建社区交互矩阵,结合卷积架构学习信息级联的结构和时间特征 | NA | 预测在线内容的流行度 | 微博数据集和学术引用数据集 | 机器学习 | NA | 深度学习 | CNN | 用户交互数据、信息级联数据 | 两个大规模数据集(微博和学术引用) | NA | CST-Net | NA | NA |
1198 | 2025-10-05 |
Hybrid deep layered network model based on multi-scale feature extraction and deep feature optimization for acute lymphoblastic leukemia anomaly detection
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3174
PMID:40989361
|
研究论文 | 提出一种基于多尺度特征提取和深度特征优化的混合深度分层网络模型,用于急性淋巴细胞白血病的异常检测 | 结合中心裁剪策略自动去除图像无关区域,采用基于Xception架构的深度特征提取,并利用XGBoost分类器进行特征优化 | NA | 开发高性能的急性淋巴细胞白血病自动检测和分类系统 | 血细胞图像 | 计算机视觉 | 白血病 | 深度学习 | CNN, XGBoost | 图像 | NA | NA | Xception | 准确率 | NA |
1199 | 2025-10-05 |
A novel deep learning based approach with hyperparameter selection using grey wolf optimization for leukemia classification and hematologic malignancy detection
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3160
PMID:40989368
|
研究论文 | 提出一种基于深度学习的白血病自动分类框架,通过灰狼优化算法选择超参数 | 设计了基于双曲正弦函数的轻量级对比度增强算法,提出了并行倒置双自注意力网络(PIDSAN4)的定制CNN模型,并采用灰狼优化进行超参数调优 | 仅使用公开可用的白血病显微图像数据集,未在更大规模或更多样化的数据集上进行验证 | 开发自动化的白血病分类和血液恶性肿瘤检测方法 | 白血病显微图像 | 计算机视觉 | 白血病 | 显微成像 | CNN, Vision Transformer | 图像 | 公开可用的白血病显微图像数据集 | NA | PIDSAN4, tiny16 ViT | 准确率, 敏感度, 特异性, 精确率, F-measure, G-mean | NA |
1200 | 2025-10-05 |
Artificial intelligence-driven insights into Arab media's sustainable development goals coverage
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3071
PMID:40989365
|
研究论文 | 本研究使用人工智能方法分析阿拉伯媒体对联合国可持续发展目标的报道情况 | 首次在大规模阿拉伯语媒体数据上结合人工智能方法进行可持续发展目标分析 | 研究仅涵盖十个阿拉伯国家,可能无法代表所有阿拉伯地区 | 分析阿拉伯媒体对可持续发展目标的报道模式及其与政府优先事项的一致性 | 阿拉伯新闻媒体对可持续发展目标的报道内容 | 自然语言处理 | NA | 数据增强、深度学习、大语言模型 | Transformer, LLM | 文本 | 超过120万篇阿拉伯语新闻文章(2010-2024年,来自十个国家) | NA | Transformer | NA | NA |