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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
12881 | 2025-10-07 |
Comparing statistical and deep learning approaches for simultaneous prediction of stand-level above- and belowground biomass in tropical forests
2025-Jan-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.177869
PMID:39642621
|
研究论文 | 本研究开发了深度学习加性模型,用于同时预测热带森林林分水平的地上生物量、地下生物量和总生物量 | 创新性地开发了深度学习加性模型,实现了林分水平地上和地下生物量的同时预测并保持可加性 | 研究仅基于越南五个生态区域的121个样地数据,样本规模有限 | 开发准确且成本效益高的热带森林生物量预测方法 | 热带森林林分水平生物量 | 机器学习 | NA | 深度学习,统计建模 | 深度学习加性模型,多输入多输出深度神经网络 | 森林调查数据,环境因子数据 | 121个样地,覆盖越南五个生态区域的两种热带森林类型 | NA | 深度学习加性模型 | 平均绝对百分比误差 | NA |
12882 | 2025-10-07 |
Denoising low-field MR images with a deep learning algorithm based on simulated data from easily accessible open-source software
2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107812
PMID:39647413
|
研究论文 | 提出一种基于深度学习算法的低场强磁共振图像去噪方法,通过模拟数据提升对比度 | 使用开源软件生成模拟低场强MRI数据的合成脑影像数据集,解决真实训练数据不足的问题 | 依赖模拟数据训练,与实际临床数据可能存在差异 | 提升低场强磁共振图像的对比度 | 低场强磁共振图像 | 计算机视觉 | NA | 磁共振成像 | CNN | 医学图像 | 模拟脑影像数据集和体内数据 | NA | 3D深度卷积残差网络 | 相对对比度比率, 空间高频成分保持度 | NA |
12883 | 2025-10-07 |
End-to-end deep learning patient level classification of affected territory of ischemic stroke patients in DW-MRI
2025-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03520-x
PMID:39656236
|
研究论文 | 开发用于缺血性卒中患者DWI-MRI中受影响区域自动分类的端到端深度学习模型 | 采用并行流编码策略整合临床领域知识,实现端到端的卒中区域分类 | 回顾性多中心研究,样本量相对有限(624例) | 自动化分类缺血性卒中患者在DWI中的受影响区域 | 缺血性卒中患者的脑部DWI-MRI图像 | 医学影像分析 | 缺血性卒中 | DWI-MRI | CNN, LSTM | 3D医学影像 | 624例DWI MRI(来自3个中心,训练集439例,验证集103例,测试集82例) | NA | 3D CNN, LSTM-CNN, 注意力门控 | 平衡准确率, 宏平均F1分数, AUC, Cohen's kappa | NA |
12884 | 2025-10-07 |
Automated quantification of Enchytraeus crypticus juveniles in different soil types using RootPainter
2025-Jan-01, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2024.117482
PMID:39662459
|
研究论文 | 本研究使用RootPainter工具自动量化不同土壤类型中的Enchytraeus crypticus幼体数量 | 首次将RootPainter深度学习工具应用于线蚓毒性测试中的幼体自动计数 | 仅测试了四种土壤类型和五种农药,未涵盖更广泛的土壤和污染物类型 | 开发自动化方法替代人工计数线蚓幼体 | Enchytraeus crypticus幼体 | 计算机视觉 | NA | 深度学习,卷积神经网络 | CNN | 图像 | 四种土壤类型(三种OECD人工土壤和一种天然LUFA 2.2土壤),五种农药(两种杀菌剂和三种杀虫剂) | RootPainter | NA | 皮尔逊相关系数,组内可比性系数 | NA |
12885 | 2025-10-07 |
Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers
2024-Dec-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae732
PMID:39657956
|
研究论文 | 本研究利用自编码器从视网膜光学相干断层扫描图像中提取表型特征,并通过全基因组关联分析识别影响视网膜形态的遗传位点 | 首次将自编码器深度学习方法应用于视网膜OCT图像的表型分析,发现了传统临床特征未能捕捉的遗传关联 | 研究样本仅来自UK Biobank数据库,可能存在人群代表性限制 | 探索深度学习能否检测视网膜图像中更细微的变异模式,并识别相关的遗传因素 | 31,135名UK Biobank参与者的视网膜OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | 自编码器 | 医学图像 | 31,135名参与者 | NA | 自编码器 | 统计显著性 | NA |
12886 | 2025-10-07 |
Classification of rib fracture types from postmortem computed tomography images using deep learning
2024-Dec, Forensic science, medicine, and pathology
DOI:10.1007/s12024-023-00751-x
PMID:37968549
|
研究论文 | 本研究开发基于深度学习的模型,用于从死后计算机断层扫描图像中分类肋骨骨折类型 | 首次将ResNet50架构应用于PMCT图像的肋骨骨折多级分类,并采用分层分类方法 | 对'ad latus'类型骨折的识别率较低(17-18%),在较低层级分类时性能下降 | 开发辅助临床医生进行医学图像诊断的深度学习系统 | 死后计算机断层扫描(PMCT)图像中的肋骨骨折 | 计算机视觉 | 骨骼损伤 | 计算机断层扫描(CT) | CNN | 图像 | NA | NA | ResNet50 | 准确率 | NA |
12887 | 2025-10-07 |
BEAS-Net: A Shape-Prior-Based Deep Convolutional Neural Network for Robust Left Ventricular Segmentation in 2-D Echocardiography
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3418030
PMID:38913532
|
研究论文 | 提出一种基于形状先验的深度卷积神经网络BEAS-Net,用于2D超声心动图中左心室的鲁棒分割 | 将BEAS算法生成的解剖形状先验信息与卷积层编码的图像特征相结合,提升对伪影或低质量图像的分割鲁棒性 | 未明确说明模型在极端图像质量下的性能边界和计算效率 | 开发能够处理低质量超声图像的左心室自动分割方法 | 2D超声心动图中的左心室结构 | 计算机视觉 | 心血管疾病 | 超声心动图 | CNN | 图像 | 三个不同的体内数据集 | NA | BEAS-Net, U-Net | 分割精度 | NA |
12888 | 2025-10-07 |
Single-Molecule Identification and Quantification of Steviol Glycosides with a Deep Learning-Powered Nanopore Sensor
2024-09-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c07038
PMID:39189792
|
研究论文 | 本研究开发了一种基于深度学习的气溶素纳米孔传感器,用于单分子水平识别和定量甜菊糖苷 | 利用野生型气溶素纳米孔通过调节电压产生的电渗流效应区分不同甜菊糖苷物种,并首次结合深度学习模型实现单分子自动识别 | 仅测试了15种甜菊糖苷物种,样本规模有限 | 开发精确识别和定量复杂甜菊糖苷结构的方法 | 甜菊糖苷(一类高甜度无热量天然甜味剂) | 生物传感 | NA | 纳米孔传感技术 | 深度学习模型 | 纳米孔电信号数据 | 15种甜菊糖苷物种 | NA | NA | 识别精度,定量准确性 | NA |
12889 | 2025-10-07 |
Deep Learning-Based Kinetic Analysis in Paper-Based Analytical Cartridges Integrated with Field-Effect Transistors
2024-09-10, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c02897
PMID:39252606
|
研究论文 | 本研究结合场效应晶体管、纸基分析盒和深度学习技术,开发了一种用于定量生物传感的动力学分析方法 | 首次将场效应晶体管、纸基分析盒与深度学习相结合,通过动力学分析解决传统生物传感器的灵敏度低和样品基质干扰问题 | 目前仅为概念验证研究,需要进一步验证其在更广泛应用场景中的性能 | 开发一种经济高效、易于使用的即时诊断和家庭检测生物传感平台 | 胆固醇检测 | 机器学习 | 心血管疾病 | 场效应晶体管传感,纸基分析技术 | 深度学习 | 动力学电信号数据 | NA | NA | NA | 变异系数,相关系数(r值) | NA |
12890 | 2025-10-07 |
High-Throughput and Integrated CRISPR/Cas12a-Based Molecular Diagnosis Using a Deep Learning Enabled Microfluidic System
2024-09-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c05734
PMID:39173188
|
研究论文 | 开发了一种基于CRISPR/Cas12a和深度学习的高通量微流控系统,用于快速检测SARS-CoV-2及其变异株 | 结合微流控技术、自研试剂和深度学习原型设备,实现了96样本/轮次的高通量检测,检测限低至250拷贝/mL | 样本规模有限(72个临床样本),需进一步验证系统普适性 | 开发高效集成的病原体分子诊断系统 | SARS-CoV-2病毒及其变异株 | 数字病理 | COVID-19 | CRISPR/Cas12a, RT-LAMP, 微流控技术 | 深度学习 | 分子检测数据 | 72个临床样本(22个野生型,26个突变型,24个阴性) | NA | NA | 准确率 | NA |
12891 | 2025-04-27 |
Improving Deep Learning Models for Pediatric Low-Grade Glioma Tumours Molecular Subtype Identification Using MRI-based 3D Probability Distributions of Tumour Location
2025-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371241296834
PMID:39544176
|
research paper | 该研究通过结合MRI肿瘤位置概率图与CNN模型,提高了儿童低级别胶质瘤分子亚型识别的准确性 | 创新点在于将肿瘤位置概率图整合到CNN模型中,显著提升了分子亚型识别的性能 | 研究为回顾性研究,样本量相对较小(214例),且仅基于单一机构的MRI数据 | 提高儿童低级别胶质瘤(pLGG)分子亚型识别的准确性 | 儿童低级别胶质瘤(pLGG)患者 | digital pathology | pediatric low-grade glioma | MRI FLAIR序列 | CNN | 3D MRI图像 | 214例患者(110例男性,平均年龄8.54岁,143例BRAF融合和71例BRAF V600E突变) | NA | NA | NA | NA |
12892 | 2025-04-27 |
MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling
2025-May, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-024-01444-z
PMID:39870848
|
research paper | 提出了一种名为MAI-TargetFisher的全基因组小分子靶点扫描方法,结合人工智能和物理建模技术,用于药物靶点定位和潜在脱靶效应检测 | 首次实现了跨整个人类基因组的蛋白质表面全面扫描,评估每个蛋白质上的潜在小分子结合位点 | 未明确提及具体局限性 | 提高药物开发的成功率,通过早期定位药物靶点和检测潜在脱靶效应 | 人类蛋白质组中的蛋白质结构及其潜在结合位点 | 生物信息学 | NA | 人工智能和生物物理模型相结合的计算技术 | 多算法集成模型(MAI-TargetFisher) | 蛋白质结构数据 | 覆盖82%的蛋白质编码基因组 | NA | NA | NA | NA |
12893 | 2025-04-27 |
Deep learning-driven semi-rational design in phenylalanine ammonia-lyase for enhanced catalytic efficiency
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.141024
PMID:39984092
|
研究论文 | 本研究利用深度学习指导的半理性设计方法,提高了苯丙氨酸氨裂解酶(PAL)的催化效率 | 采用深度学习指导的策略结合高通量筛选和酶活性测定,成功提高了PAL的催化效率和活性 | 研究仅针对Anabaena variabilis来源的PAL(AvPAL),可能不适用于其他来源的PAL | 提高苯丙氨酸氨裂解酶(PAL)的催化效率,以增强其在农业、工业和疾病治疗中的应用潜力 | Anabaena variabilis来源的苯丙氨酸氨裂解酶(AvPAL)及其突变体 | 机器学习 | 苯丙酮尿症(PKU) | 深度学习、高通量筛选、酶活性测定、分子动力学模拟 | 深度学习模型 | 酶活性数据、分子动力学模拟数据 | 33个突变体中的26个被验证具有增强的活性 | NA | NA | NA | NA |
12894 | 2025-04-27 |
U-shaped deep learning networks for algal bloom detection using Sentinel-2 imagery: Exploring model performance and transferability
2025-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125152
PMID:40179468
|
研究论文 | 本研究评估了U形深度学习网络在利用Sentinel-2卫星图像检测藻华方面的性能及可迁移性 | 探索了多种U形深度学习模型(如U-Net、RU-Net、Attention U-Net、ARU-Net和SegNet)在藻华检测中的应用,并强调了多样化数据集在提升模型性能方面的重要性 | 未提及具体局限性,但暗示了先前模型在检测低密度藻华和跨时空泛化方面的不足 | 评估U形深度学习网络在藻华检测中的性能及可迁移性,以支持环境监测与管理 | 内陆水体(湖泊)中的藻华 | 计算机视觉 | NA | 深度学习 | U-Net, RU-Net, Attention U-Net, ARU-Net, SegNet | 卫星图像 | 多时相Sentinel-2图像,覆盖不同日期和地理位置(如Lake Burdur、Lake Chaohu和Lake Turawskie) | NA | NA | NA | NA |
12895 | 2025-04-27 |
A novel deep learning-based floating garbage detection approach and its effectiveness evaluation in environmentally sustainable development
2025-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125154
PMID:40186972
|
research paper | 提出了一种基于YOLOv8的高效经济深度学习解决方案,用于水面漂浮垃圾的检测与收集 | 通过改进YOLOv8的主干网络、引入Wise-Powerful IoU损失函数和添加AuxHead检测头,有效压缩了复杂环境因素的负面影响,提高了检测精度 | NA | 提高水面聚集漂浮垃圾的检测效率和收集率,促进水生态系统的保护与恢复 | 水面聚集的漂浮垃圾 | computer vision | NA | deep learning | YOLOv8 | image | NA | NA | NA | NA | NA |
12896 | 2025-04-27 |
AI for rapid identification of major butyrate-producing bacteria in rhesus macaques (Macaca mulatta)
2025-Apr-24, Animal microbiome
IF:4.9Q1
DOI:10.1186/s42523-025-00410-2
PMID:40275402
|
research paper | 该研究利用AI技术从恒河猴粪便涂片的数字图像中快速预测产丁酸盐细菌,并采用可解释性分析提高模型透明度 | 首次将深度学习与机器学习算法应用于粪便图像数据,实现快速、非侵入性的微生物组分析,并通过可解释性分析增强模型透明度 | 研究仅针对恒河猴,未在人类或其他动物中进行验证 | 开发一种快速、非侵入性且经济高效的微生物组分析方法 | 恒河猴(Macaca mulatta)的粪便样本 | digital pathology | NA | metagenomic sequencing, deep learning, machine learning | DL and ML algorithms | digital images of fecal smears | NA | NA | NA | NA | NA |
12897 | 2025-04-27 |
Using deep learning models to decode emotional states in horses
2025-Apr-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95853-7
PMID:40269006
|
研究论文 | 本研究探索了使用深度学习模型预测马匹情绪状态的方法 | 创建了两个新的数据集(裁剪身体和裁剪头部数据集),并在裁剪头部数据集上取得了最佳预测效果,准确率达到87% | 裁剪头部数据集缺少尾部等重要区域,这些区域通常被专家用于标注 | 预测骑乘马匹的情绪状态 | 马匹 | 计算机视觉 | NA | 监督学习、迁移学习、微调 | CNN、Yolo、Faster R-CNN | 图像 | NA | NA | NA | NA | NA |
12898 | 2025-04-27 |
PoulTrans: a transformer-based model for accurate poultry condition assessment
2025-Apr-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98078-w
PMID:40269017
|
研究论文 | 提出了一种基于Transformer的模型PoulTrans,用于准确评估家禽状况 | 结合CNN与CSA_Encoder-Transformer架构,引入Channel Spatial Memory-Guided Transformer (CSMT)和新型PS-Loss函数,优化多级注意力并提升状态描述的语义精度 | 未提及模型在实时应用中的性能或计算资源需求 | 开发直观的决策支持工具,提升家禽状况评估的准确性 | 家禽图像 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | PSC-Captions数据集 | NA | NA | NA | NA |
12899 | 2025-04-27 |
Ambiguity-aware semi-supervised learning for leaf disease classification
2025-Apr-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95849-3
PMID:40269031
|
research paper | 提出一种模糊感知的半监督学习方法,用于叶片病害分类,通过消除模糊结果提高伪标签精度 | 引入基于病害的模糊拒绝算法,提升伪标签精度,从而在半监督学习中减少对全标注数据的依赖 | 方法仅在咖啡和香蕉叶片病害数据集上验证,未涉及其他作物或病害类型 | 开发一种半监督学习方法,减少叶片病害分类中对全标注数据的依赖 | 咖啡和香蕉叶片的病害图像 | computer vision | plant disease | semi-supervised learning | CNN | image | 两个公共叶片病害数据集(咖啡和香蕉),标注数据比例从50%到100%不等 | NA | NA | NA | NA |
12900 | 2025-04-27 |
Metaparameter optimized hybrid deep learning model for next generation cybersecurity in software defined networking environment
2025-Apr-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96153-w
PMID:40269039
|
研究论文 | 本文提出了一种基于混合深度学习模型和二进制独角鲸优化器的软件定义网络安全新方法,用于防御DDoS攻击 | 结合了混合深度学习模型(CNN-BiGRU-AM)和二进制独角鲸优化器(BNO),并利用海鸥优化算法(SOA)进行超参数调优,提高了检测系统的效率和鲁棒性 | 未提及该方法在其他类型网络攻击或不同网络环境中的适用性 | 开发一种可扩展且有效的解决方案,以保护SDN环境免受DDoS攻击 | 软件定义网络(SDN)中的DDoS攻击 | 机器学习 | NA | 深度学习、特征选择、超参数优化 | CNN-BiGRU-AM、BNO、SOA | 网络数据 | 未明确提及样本数量,使用DDoS SDN数据集 | NA | NA | NA | NA |