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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1221 | 2025-10-05 |
Multi-objective optimization for smart cities: a systematic review of algorithms, challenges, and future directions
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3042
PMID:40989444
|
系统综述 | 本文对智能城市中的多目标优化技术进行了系统文献综述,涵盖算法分类、性能评估和未来研究方向 | 提出了多目标优化算法的四大家族分类体系,开发了即用型基准测试工具包和部署导向的算法选择矩阵 | 现有方法存在跨领域泛化能力有限、不确定性处理不足和AI模型可解释性低等挑战 | 评估智能城市背景下多目标优化技术的演进、分类和性能表现 | 117篇2015-2025年间发表的同行评审研究 | 机器学习 | NA | 多目标优化算法 | 深度学习,进化算法 | 文献数据 | 117篇研究论文 | NA | NSGA-II, MOED/D | 计算效率,可扩展性,场景适用性 | NA |
1222 | 2025-10-05 |
A robust detect and describe framework for object recognition in early childhood education
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3080
PMID:40989446
|
研究论文 | 提出一个用于幼儿教育中物体识别的鲁棒检测与描述框架 | 结合YOLOv8和VGG16进行物体及内部物体检测,并利用LSTM生成语义描述,应用于学前教育场景 | 使用自定义数据集PreEduDS,可能缺乏广泛泛化性 | 开发认知增强框架以识别嵌套物体,提升学前教育质量 | 幼儿教育中的基本形状、颜色和字母等物体 | 计算机视觉 | NA | 深度学习 | YOLOv8, VGG16, LSTM | 图像 | 自定义数据集PreEduDS | PyTorch, OpenCV, Ultralytics | YOLOv8, VGG16, LSTM | 准确率 | Google Colab |
1223 | 2025-10-05 |
Systematic review: progress in EEG-based speech imagery brain-computer interface decoding and encoding research
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2938
PMID:40989443
|
综述 | 系统回顾基于脑电图的语音想象脑机接口在神经解码与编码方面的研究进展 | 深入探讨语音想象脑机接口的脑连接机制及其在神经编码解码中的关键作用,分析多种语音想象范式的研究进展 | 作为综述文章未涉及原始实验数据,主要基于现有文献进行分析总结 | 系统总结语音想象脑机接口技术的研究现状与发展方向 | 基于脑电图的语音想象脑机接口研究 | 脑机接口 | NA | 脑电图 | 机器学习,深度学习 | 脑电信号 | NA | NA | NA | NA | NA |
1224 | 2025-10-05 |
A hybrid deep learning framework for skin disease localization and classification using wearable sensors
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3002
PMID:40989455
|
研究论文 | 提出一种基于可穿戴传感器和临床数据的混合深度学习框架,用于皮肤疾病的定位和分类 | 结合全卷积残差神经网络生成可解释的疾病概率图,并采用多模态融合方法整合图像特征与临床数据 | NA | 开发可解释的皮肤疾病检测系统 | 皮肤疾病患者 | 计算机视觉 | 皮肤疾病 | 可穿戴传感器技术 | CNN, FCRN | 图像, 临床数据 | NA | NA | 全卷积残差神经网络 | 准确率, 灵敏度, 特异性 | NA |
1225 | 2025-10-05 |
Quantification of left ventricular mass in multiple views of echocardiograms using model-agnostic meta learning in a few-shot setting
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3161
PMID:40989454
|
研究论文 | 本研究提出了一种基于热图的点估计分割模型,通过模型无关元学习在少样本设置下实现多视角超声心动图中左心室质量的量化 | 采用模型无关元学习(MAML)方法,能够在少样本情况下快速适应新的超声心动图视角,学习共享表示和视角特定头部 | 研究仅在特定数据集和有限样本量(1-shot, 5-shot, 10-shot)下验证,临床应用的普适性需要进一步验证 | 开发能够在少样本情况下准确量化多视角超声心动图中左心室质量的方法 | 超声心动图中的左心室质量测量 | 医学影像分析 | 心血管疾病 | 超声心动图 | MAML, 分割模型 | 超声心动图图像 | 使用EchoNet-LVH数据集(PLAX视图)、TMED-2数据集(PSAX视图)和CAMUS数据集(心尖2腔和4腔视图),在1-shot、5-shot和10-shot场景下训练 | NA | 基于热图的点估计分割模型 | 平均距离误差, 平均角度误差, 成功距离误差, 空间角度相似性 | NA |
1226 | 2025-10-05 |
Deep learning in time series forecasting with transformer models and RNNs
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3001
PMID:40989451
|
研究论文 | 本研究比较了14种神经网络模型在时间序列天气预报中的性能,重点关注Transformer和RNN模型的表现差异 | 系统比较了多种Transformer和RNN模型在时间序列预测中的表现,明确了各自在长期和短期预测中的优势 | RNN模型在短期预测中更容易出现显著误差 | 评估不同神经网络模型在时间序列天气预报中的准确性和适用性 | 天气变量时间序列数据 | 机器学习 | NA | 时间序列分析 | Transformer, RNN | 时间序列数据 | NA | NA | Informer, iTransformer, Former, PatchTST, TCN, BiTCN | MedianAbsE, MeanAbsE, MaxAbsE, RMSPE, RMSE | NA |
1227 | 2025-10-05 |
Predicting danceability and song ratings using deep learning and auditory features
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3009
PMID:40989462
|
研究论文 | 提出一种融合双向长短期记忆网络和残差网络的深度学习框架,用于联合预测歌曲的舞蹈性和流行度评分 | 首次将跨注意力机制应用于异构音乐数据建模,通过BiLSTM和ResNet分别处理分类输入和数值听觉特征,实现多模态特征的有效融合 | 未明确说明模型在跨音乐流派和不同文化背景下的泛化能力 | 开发能够准确预测歌曲舞蹈性和流行度的智能音乐分析系统 | 音乐歌曲的听觉特征和分类属性 | 机器学习 | NA | 深度学习 | BiLSTM, ResNet | 数值听觉特征,分类音乐数据 | NA | NA | 双向长短期记忆网络,残差网络,跨注意力机制 | NA | NA |
1228 | 2025-10-05 |
Enhancing fruit freshness classification with adaptive knowledge distillation and global response normalization in convolutional networks
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3198
PMID:40989448
|
研究论文 | 提出一种结合自适应知识蒸馏和全局响应归一化的深度学习架构用于水果新鲜度分类 | 首次将自适应知识蒸馏与全局响应归一化结合,通过从教师模型向学生模型传递注意力图实现高效知识迁移 | NA | 通过早期检测腐烂水果来减少食物浪费并提升农业质量控制 | 水果新鲜度分类(新鲜或腐烂) | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | 教师模型-学生模型架构 | 准确率,F1分数,AUC | NA |
1229 | 2025-10-05 |
Deep vision-based real-time hand gesture recognition: a review
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2921
PMID:40989457
|
综述 | 本文综述了基于深度学习的实时手势识别方法,重点分析CNN、LSTM和注意力机制等模型在解决边缘模糊、旋转误差和计算延迟等问题中的应用 | 系统比较了不同深度学习模型在手势识别中的贡献,并从模型使用率、精度/效率提升、识别阶段作用等维度进行综合分析 | 作为综述文章,不涉及原始实验研究,主要基于现有文献进行分析 | 回顾和评估深度学习在手势识别领域的最新进展和应用效果 | 基于视觉的手势识别技术 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, 注意力机制 | 图像 | NA | NA | NA | 准确率, 效率 | NA |
1230 | 2025-10-05 |
Local-global multi-scale attention network for medical image segmentation
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3033
PMID:40989458
|
研究论文 | 提出一种用于医学图像分割的局部-全局多尺度注意力网络LGMANet | 设计了局部-全局信息处理块(LGIPB)和高效多尺度重建注意力(EMRA)模块,有效解决局部与全局信息提取不足及核心特征选择不准确的问题 | NA | 提升医学图像分割的准确性和鲁棒性 | 医学图像分割任务 | 计算机视觉 | 皮肤病、结肠息肉、乳腺癌、腺癌 | 深度学习 | CNN | 医学图像 | ISIC2018、CVC-ClinicDB、BUSI、GLaS四个数据集 | NA | LGMANet(包含LGIPB和EMRA模块) | IoU | NA |
1231 | 2025-10-05 |
Predicting sport event outcomes using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3011
PMID:40989473
|
研究论文 | 提出结合一维卷积神经网络和Transformer架构的深度学习框架,用于提升体育赛事结果预测的准确性 | 首次将1D CNN与Transformer架构相结合用于体育赛事预测,通过卷积层捕捉局部空间模式,同时利用自注意力机制建模长程依赖关系 | NA | 提高体育赛事结果预测的准确性和鲁棒性 | 体育赛事结果预测 | 机器学习 | NA | 深度学习 | CNN, Transformer | 结构化比赛数据 | 基准体育数据集 | NA | 1D CNN, Transformer | 准确率, 鲁棒性 | NA |
1232 | 2025-10-05 |
An evolutionary Bi-LSTM-DQN framework for enhanced recognition and classification in rural information management
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2967
PMID:40989483
|
研究论文 | 提出一种融合进化算法、强化学习和双向长短期记忆网络的EBLM-DQN框架,用于提升农村信息管理的识别与分类精度 | 首次将进化算法与Bi-LSTM和深度Q网络结合,通过动态权重优化和进化选择实现农村信息的精准分类 | 未明确说明框架在计算资源消耗和实时性方面的表现 | 提高农村信息管理系统中信息识别与分类的准确性和效率 | 农民相关农村信息数据 | 自然语言处理 | NA | 消歧技术、数据补全 | Bi-LSTM, DQN | 文本 | NA | NA | 双向长短期记忆网络, 深度Q网络 | 分类准确率 | NA |
1233 | 2025-10-05 |
A review of deep learning methods in aquatic animal husbandry
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3105
PMID:40989481
|
综述 | 本文对水产养殖中使用的深度学习方法进行了系统性综述 | 系统总结了深度学习在水产养殖分类、定位和分割三个关键领域的应用,特别指出U-Net模型在分割任务中达到94.44%的高性能 | 未提及具体的研究局限性,但指出未来研究需要改进模型以应对传感器输入质量和多模态数据等现实挑战 | 综述深度学习技术在水产养殖自动化系统中的应用 | 水生动物 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像, 视频 | NA | NA | U-Net | 分割性能 | NA |
1234 | 2025-10-05 |
Predicting academic performance for students' university: case study from Saint Cloud State University
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3087
PMID:40989480
|
研究论文 | 本研究使用LSTM模型预测圣克劳德州立大学学生的学业表现 | 采用基于排列的特征重要性分析方法识别关键变量,并在学院和系级两个层面进行实验验证 | 数据仅来自单一大学,可能限制模型的泛化能力 | 通过教育数据挖掘预测学生学业表现,帮助识别有学业风险的学生 | 圣克劳德州立大学的29,455名学生 | 教育数据挖掘 | NA | 教育数据挖掘 | LSTM | 学术和人口统计特征数据 | 29,455名学生,时间跨度为8年(2016-2024) | TensorFlow/PyTorch | LSTM | MAPE, MAE, RMSE, R² | NA |
1235 | 2025-10-05 |
Multi-task advanced convolutional neural network for robust lymphoblastic leukemia diagnosis, classification, and segmentation
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3043
PMID:40989487
|
研究论文 | 提出一种新型多任务高级卷积神经网络框架,用于急性淋巴细胞白血病的诊断、分类和分割 | 开发了能够同时执行表达分类和疾病检测的多任务CNN框架,通过任务间的互补信息提升整体性能 | NA | 提高急性淋巴细胞白血病诊断的效率和准确性 | 医学影像数据中的急性淋巴细胞白血病 | 计算机视觉 | 白血病 | 医学影像分析 | CNN | 图像 | NA | NA | 多任务高级卷积神经网络(MTA-CNN) | 准确率,精确率,召回率,F1分数,特异性,Cohen's kappa,阴性预测值 | NA |
1236 | 2025-10-05 |
Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT
2024-Nov-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01338-8
PMID:39580609
|
研究论文 | 开发深度学习模型通过厚层CT生成合成薄层CT以提升胸部疾病诊断准确性 | 提出卷积-Transformer混合编解码架构的深度学习模型,首次实现跨区域多中心验证的厚层CT到薄层CT合成 | 研究仅针对社区获得性肺炎和肺结节检测,未涵盖其他胸部疾病 | 提升厚层CT的空间分辨率以改善胸部疾病诊断 | 胸部CT图像 | 计算机视觉 | 肺部疾病 | CT成像 | 深度学习 | 医学影像 | 单中心1576名参与者,跨区域三中心1228名参与者 | NA | 卷积-Transformer混合编解码器 | 诊断准确率, 敏感性 | NA |
1237 | 2025-10-05 |
Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP
2024-11, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2024.10456/2024
PMID:38832589
|
综述 | 本文全面回顾了人工智能在胆胰内镜(EUS和ERCP)领域的最新研究进展和应用现状 | 系统梳理了AI在胆胰内镜领域的技术进展、主要应用场景及伦理考量,为该领域的未来发展提供指导 | 作为叙述性综述,未进行系统性文献检索和定量分析 | 总结人工智能在胆胰内镜检查中的研究现状和发展方向 | 胆胰内镜检查技术,包括超声内镜(EUS)和经内镜逆行胰胆管造影(ERCP) | 医学人工智能 | 胆胰疾病 | 深度学习 | 深度学习模型 | 内镜图像 | NA | NA | NA | NA | NA |
1238 | 2025-10-05 |
WITHDRAWN: Application of deep learning to predict advanced neoplasia using big clinical data in colorectal cancer screening of asymptomatic adults
2018-11-04, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2018.10.041
PMID:30403965
|
撤稿 | 该文章已被作者和/或编辑要求撤回,涉及使用深度学习预测无症状成人结直肠癌筛查中晚期肿瘤的研究 | NA | NA | NA | NA | NA | 结直肠癌 | NA | 深度学习 | 临床大数据 | NA | NA | NA | NA | NA |
1239 | 2025-10-05 |
E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins
2025-Dec, RNA biology
IF:3.6Q2
DOI:10.1080/15476286.2025.2563860
PMID:40965441
|
研究论文 | 本研究利用纳米孔长读长直接RNA测序技术探索雌激素调控的转录组复杂性,发现新型异构体及其产生的截短蛋白功能 | 首次结合长读长直接RNA测序、3'端测序和深度学习蛋白建模系统揭示E2调控的转录组复杂性,发现内含子多聚腺苷酸化mRNA及其产生的功能性截短蛋白 | 研究主要聚焦于ERα阳性乳腺癌,未涉及其他癌症类型或正常组织 | 探索雌激素调控的转录组复杂性及其在蛋白水平的功能影响 | ERα阳性乳腺癌细胞中的E2响应转录组 | 生物信息学 | 乳腺癌 | 纳米孔长读长直接RNA测序, 3'端测序, 深度学习蛋白建模 | 深度学习 | RNA测序数据, 蛋白质结构数据 | NA | NA | NA | NA | NA |
1240 | 2025-10-05 |
Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma
2025-Oct-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2024-0374-OA
PMID:39957180
|
研究论文 | 开发基于人工智能的肾脏嗜酸细胞肿瘤分类模型,从双分类扩展到三分类 | 从肾嗜酸细胞瘤和低级别嗜酸细胞肿瘤的双分类模型扩展到包含嫌色细胞肾细胞癌的三分类模型 | 样本量相对有限,仅包含269张全切片图像 | 开发自动计算分类器对肾脏嗜酸细胞肿瘤进行分层诊断 | 肾脏活检和切除标本的全切片图像 | 数字病理 | 肾癌 | 全切片图像分析 | 深度学习 | 图像 | 269张全切片图像,来自6个机构的125个病例 | NA | 弱监督注意力机制的多示例学习 | 准确率, AUC | NA |