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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
13501 | 2025-10-07 |
Automated opportunistic screening for osteoporosis using deep learning-based automatic segmentation and radiomics on proximal femur images from low-dose abdominal CT
2025-Apr-17, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08631-x
PMID:40241032
|
研究论文 | 基于低剂量腹部CT图像,开发结合深度学习自动分割和影像组学的骨质疏松自动化筛查模型 | 首次将深度学习自动分割与影像组学分类相结合,实现基于低剂量腹部CT的骨质疏松三分类自动检测 | 回顾性研究,样本量相对有限(456名参与者) | 建立基于低剂量腹部CT的自动化骨质疏松检测模型 | 近端股骨图像 | 医学影像分析 | 骨质疏松症 | 低剂量CT成像,影像组学分析 | 深度学习分割模型,随机森林分类器 | CT图像 | 456名参与者(355名开发队列,101名测试队列) | NA | VB-Net | Dice相似系数,体积差异,AUC,敏感性,特异性 | NA |
13502 | 2025-10-07 |
FusionXNet: Enhancing EEG-based seizure prediction with integrated convolutional and transformer architectures
2025-Apr-17, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adce33
PMID:40245880
|
研究论文 | 提出融合卷积神经网络和Transformer架构的混合模型FusionXNet,用于提升基于EEG的癫痫发作预测性能 | 设计令牌合成单元(TSU)同时提取局部特征和全局EEG表征,首次将CNN与Transformer优势结合用于癫痫预测 | 仅在公开数据集CHB-MIT上进行验证,需要进一步临床实际环境测试 | 开发混合深度学习模型以提升癫痫发作预测准确率 | 癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)分析 | CNN, Transformer | EEG信号 | CHB-MIT公开数据集 | NA | FusionXNet, 包含令牌合成单元(TSU) | 敏感度, 误报率(FPR) | NA |
13503 | 2025-10-07 |
A comprehensive case study of deep learning on the detection of alpha thalassemia and beta thalassemia using public and private datasets
2025-Apr-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97353-0
PMID:40246871
|
研究论文 | 本研究通过深度学习模型(CNN和XGBoost)对α和β地中海贫血进行检测预测 | 同时使用公开和私有数据集,结合CNN和XGBoost模型进行地中海贫血检测的综合性案例研究 | 未明确说明模型在公开数据集上的具体表现对比 | 探索深度学习模型在地中海贫血早期诊断中的有效性 | α地中海贫血和β地中海贫血患者数据 | 机器学习 | 地中海贫血 | 基因检测 | CNN, XGBoost | 临床记录数据 | 公开数据库和临床记录组成的综合数据集 | NA | CNN, XGBoost | 准确率 | NA |
13504 | 2025-10-07 |
Convolutional neural network-based deep learning for landslide susceptibility mapping in the Bakhtegan watershed
2025-Apr-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96748-3
PMID:40246900
|
研究论文 | 本研究利用卷积神经网络开发了一种用于伊朗巴赫特甘流域滑坡敏感性制图的深度学习方法 | 首次将CNN应用于巴赫特甘流域的滑坡敏感性评估,能够有效捕捉地质和环境因素之间的复杂空间依赖关系 | 研究区域仅限于巴赫特甘流域,样本数量相对有限(235个滑坡位置) | 开发高精度的滑坡敏感性评估方法以支持灾害风险管理 | 伊朗巴赫特甘流域的地质滑坡现象 | 计算机视觉 | NA | 遥感技术、实地调查 | CNN | 地理空间数据、图像数据 | 235个滑坡位置和235个非滑坡位置 | NA | 卷积神经网络 | 准确率, 精确率, 平均绝对误差, 均方误差, 均方根误差 | NA |
13505 | 2025-10-07 |
Deep learning and sentence embeddings for detection of clickbait news from online content
2025-Apr-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97576-1
PMID:40246954
|
研究论文 | 本研究使用深度学习和句子嵌入技术检测乌尔都语新闻中的点击诱饵内容 | 首次专注于乌尔都语新闻点击诱饵检测,并应用最先进的句子嵌入特征 | 仅针对低资源语言乌尔都语进行研究,未涉及其他语言 | 开发有效的点击诱饵新闻检测方法 | 乌尔都语新闻标题 | 自然语言处理 | NA | 自然语言处理 | Bi-LSTM | 文本 | 从真实在线来源收集并由领域专家标注的数据集 | NA | Bi-LSTM | 准确率, 精确率, 召回率, F1分数, ROC曲线分析 | NA |
13506 | 2025-10-07 |
Improved security for IoT-based remote healthcare systems using deep learning with jellyfish search optimization algorithm
2025-Apr-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97065-5
PMID:40246970
|
研究论文 | 提出一种结合深度学习与水母搜索优化算法的增强安全机制,用于物联网远程医疗系统 | 首次将水母搜索优化算法与CNN-LSTM-Attention模型结合,用于医疗数据安全传输和疾病早期识别 | 仅在单一物联网医疗安全数据集上进行验证,缺乏多中心临床数据测试 | 提升物联网远程医疗系统的安全性和疾病检测效率 | 慢性病患者和老年人群的远程健康监测数据 | 机器学习 | 慢性病 | 物联网传感器数据采集 | CNN,LSTM,Attention机制 | 医疗时间序列数据(体温、心电图、心率等) | 物联网医疗安全数据集(具体数量未说明) | NA | CNN-LSTM-Attention混合架构 | 准确率 | NA |
13507 | 2025-04-19 |
The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research
2025-Apr-17, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文综述了人工智能在心血管疾病风险预测中的最新理解和未来研究方向 | 探讨了人工智能在提高心血管风险预测模型的准确性、效率和可及性方面的变革性作用,并展示了AI在改善CVD死亡率、生活质量指标和降低医疗成本方面的潜力 | 人工智能在心血管风险评估中的广泛应用仍面临挑战,主要原因是医疗专业人员缺乏教育和接受度 | 提高心血管疾病风险预测的准确性和成本效益,以改善患者预后和减轻全球CVD负担 | 心血管疾病(CVD)患者 | 机器学习 | 心血管疾病 | 机器学习算法、深度学习、心电图(ECG)分析 | ML、DL | 电子健康记录、心电图数据 | NA | NA | NA | NA | NA |
13508 | 2025-10-07 |
Interpretable deep learning for deconvolutional analysis of neural signals
2025-Apr-16, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.02.006
PMID:40081364
|
研究论文 | 提出一种可解释深度学习框架DUNL,用于神经信号的解卷积分析 | 首次将算法展开方法应用于稀疏解卷积神经网络设计,直接解释网络权重与刺激驱动单神经元活动的关系 | NA | 开发可解释的深度学习方法以理解神经活动机制 | 多脑区和记录模式下的神经信号 | 机器学习 | NA | 神经信号记录 | 深度学习,神经网络 | 神经信号数据 | NA | NA | 稀疏解卷积神经网络 | NA | NA |
13509 | 2025-10-07 |
Artificial intelligence-assisted multimodal imaging for the clinical applications of breast cancer: a bibliometric analysis
2025-Apr-16, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02329-1
PMID:40237900
|
文献计量分析 | 通过文献计量学方法分析人工智能辅助多模态成像在乳腺癌临床应用中的研究现状和发展趋势 | 首次系统梳理AI辅助多模态成像在乳腺癌领域的文献计量特征,识别研究热点和发展趋势 | 仅纳入Web of Science核心合集数据库文献,可能存在发表偏倚 | 评估人工智能辅助多模态成像在乳腺癌临床应用的研究现状和发展趋势 | 2010-2024年间关于AI辅助多模态成像在乳腺癌应用的80篇文献 | 医学影像分析 | 乳腺癌 | 多模态成像 | 深度学习 | 文献数据 | 80篇出版物 | VOSviewer, CiteSpace, Bibliometrix R | NA | 文献计量指标(发文量、引用量、合作网络) | NA |
13510 | 2025-10-07 |
TRAPT: a multi-stage fused deep learning framework for predicting transcriptional regulators based on large-scale epigenomic data
2025-Apr-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58921-0
PMID:40240358
|
研究论文 | 提出一个多模态深度学习框架TRAPT,用于基于大规模表观基因组数据预测转录调控因子 | 开发了多阶段融合深度学习框架,通过整合靶基因顺式调控元件和全基因组结合位点的调控潜力来推断调控因子活性 | NA | 预测转录调控因子及其在疾病发生发展中的作用 | 转录调控因子 | 机器学习 | NA | 表观基因组学数据 | 深度学习 | 多组学表观基因组数据 | 570个TR相关数据集 | NA | 多模态融合框架 | NA | NA |
13511 | 2025-10-07 |
DeepGuard: real-time threat recognition using Golden Jackal optimization with deep learning model
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82478-5
PMID:40240369
|
研究论文 | 提出一种基于金豺优化和深度学习的DeepGuard模型,用于监控视频中的实时暴力威胁识别 | 结合改进的ShuffleNetv2特征提取、金豺优化算法超参数调优和LSTM神经网络,实现高效的实时暴力检测 | NA | 开发实时威胁识别系统以提升公共安全 | 监控视频中的暴力与非暴力事件 | 计算机视觉 | NA | 深度学习 | LSTM, CNN | 视频 | 基准数据集(具体数量未说明) | NA | ShuffleNetv2, LSTM | 准确率 | NA |
13512 | 2025-10-07 |
An application of deep learning model InceptionTime to predict nausea, vomiting, diarrhoea, and constipation using the gastro-intestinal pacemaker activity drug database (GIPADD)
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95961-4
PMID:40240387
|
研究论文 | 本研究应用深度学习模型InceptionTime预测药物引起的恶心、呕吐、腹泻和便秘等不良反应 | 首次将InceptionTime深度学习模型应用于胃肠起搏器活动药物数据库(GIPADD)的原始电生理记录数据,用于预测药物不良反应 | 研究依赖于GIPADD数据库的数据质量和规模,外部验证仅使用时间偏移记录预测 | 探索使用原始电生理记录数据预测药物不良反应的可行性 | 172种药物的11,943个电生理数据集 | 机器学习 | 胃肠道疾病 | 电生理记录技术 | 深度学习 | 时间序列电生理数据 | 11,943个数据集,涵盖172种药物 | NA | InceptionTime | 准确率,精确率,AUROC | NA |
13513 | 2025-10-07 |
Deep learning-based automatic segmentation of cerebral infarcts on diffusion MRI
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91032-w
PMID:40240396
|
研究论文 | 本研究探讨了不同训练数据规模、跨中心域适应方法对基于深度学习的脑梗死MRI分割算法性能的影响 | 系统评估了多中心数据规模对分割性能的影响,并证明小样本域适应可使算法性能媲美大样本训练 | 脑干梗死和超急性期(<3小时)梗死的分割性能相对较差 | 提升脑梗死MRI自动分割算法的性能和泛化能力 | 脑梗死患者的扩散加权磁共振图像 | 计算机视觉 | 脑血管疾病 | 磁共振成像(MRI),扩散加权成像(DWI) | CNN | 医学图像 | 10,820张标注DWI图像来自10家大学医院,内部测试集2,159张,外部验证集3,077张 | NA | 3D U-net | Dice相似系数(DSC), 平均豪斯多夫距离(AHD) | NA |
13514 | 2025-10-07 |
Attention LinkNet-152: a novel encoder-decoder based deep learning network for automated spine segmentation
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95243-z
PMID:40240440
|
研究论文 | 提出一种名为Attention LinkNet-152的新型编码器-解码器深度学习网络,用于自动脊柱分割 | 集成改进的EfficientNetB7编码器与注意力模块,使用更深的ResNet152替换原始LinkNet中的ResNet34,并应用基于梯度敏感性的剪枝优化 | NA | 开发自动化脊柱分割方法以辅助脊柱相关疾病的诊断和治疗 | CT图像中的脊柱结构 | 计算机视觉 | 脊柱疾病 | CT成像 | 深度学习 | CT图像 | VerSe 2019和VerSe 2020数据集 | NA | LinkNet-152, EfficientNetB7, ResNet152 | Dice系数, Jaccard指数 | NA |
13515 | 2025-10-07 |
Prediction of barberry witches' broom rust disease using artificial intelligence models: a case study in South Khorasan, Iran
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97733-6
PMID:40240439
|
研究论文 | 使用基于深度学习的AI技术检测感染锈病的伏牛花叶片 | 首次将卷积神经网络应用于伏牛花丛枝锈病的自动识别与严重程度分类 | 研究仅针对伊朗南呼罗珊地区的特定病害,模型普适性有待验证 | 开发自动检测伏牛花丛枝锈病的人工智能系统 | 感染锈菌(Puccinia arrhenatheri)的伏牛花(Berberis vulgaris L. var. asperma)叶片 | 计算机视觉 | 植物病害 | 深度学习, 传统实验室方法 | CNN | 图像 | 健康与感染锈病的伏牛花叶片图像数据集 | TensorFlow, Keras | CNN | 准确率 | NA |
13516 | 2025-10-07 |
Assessment of hydrogen vehicle fuel economy using MRAC based on deep learning
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97082-4
PMID:40240442
|
研究论文 | 本研究评估了基于深度学习的模型参考自适应控制在氢燃料汽车电机控制中的应用效果 | 首次将深度学习技术与模型参考自适应控制相结合应用于氢燃料汽车电机控制,并比较了与传统PI控制和标准MRAC的性能差异 | 当前深度学习MRAC的燃油经济性优势较小,需要更多训练数据来进一步提升性能 | 评估不同控制策略在氢燃料汽车电机控制中的性能,特别关注燃油经济性 | 氢燃料汽车的电机控制系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 车辆运行数据 | NA | NA | NA | 燃油经济性, 电池荷电状态 | NA |
13517 | 2025-10-07 |
An interpretable framework for gastric cancer classification using multi-channel attention mechanisms and transfer learning approach on histopathology images
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97256-0
PMID:40240457
|
研究论文 | 提出一种基于多通道注意力机制和迁移学习的可解释性框架用于胃癌组织病理图像分类 | 采用多通道注意力机制动态聚焦相关特征,结合迁移学习方法提升模型在医学图像分析中的性能和可解释性 | NA | 开发高精度胃癌组织病理图像分类框架 | 胃癌组织病理图像 | 数字病理 | 胃癌 | 组织病理成像 | CNN, 注意力机制 | 图像 | 公开的胃组织病理亚尺寸图像数据库和HCRF数据集 | NA | 多通道注意力机制, 卷积神经网络 | 准确率 | NA |
13518 | 2025-10-07 |
ResM-FusionNet for efficient landslide detection algorithm with a hybrid architecture
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98230-6
PMID:40240463
|
研究论文 | 提出一种基于深度学习的滑坡检测方法ResM-FusionNet,通过混合架构实现高效滑坡识别 | 提出新型损失函数RLoss,融合掩码机制、语义加权和Top-K像素损失平均策略,提升复杂地形和边界细节检测能力 | NA | 开发高效准确的滑坡检测算法,用于灾害响应、风险评估和城市规划 | 滑坡易发区域 | 计算机视觉 | NA | 遥感技术 | CNN, MLP | 遥感图像 | NA | NA | ResNet-50, ResM-FusionNet | 准确率, F1分数, Kappa系数, IoU, 精确率, 召回率 | NA |
13519 | 2025-10-07 |
Artificial intelligence-driven cybersecurity system for internet of things using self-attention deep learning and metaheuristic algorithms
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98056-2
PMID:40240545
|
研究论文 | 提出一种基于自注意力深度学习和元启发式算法的物联网智能网络安全系统 | 结合改进的金枪鱼群优化算法进行特征选择,采用带自注意力的双向长短期记忆网络进行网络安全检测,并应用饥饿游戏搜索算法优化模型参数 | NA | 增强物联网网络中的网络安全防护能力 | 物联网网络中的网络安全攻击 | 机器学习 | NA | 深度学习,元启发式算法 | BiLSTM | 网络安全数据 | ToN-IoT和Edge-IIoT数据集 | NA | 双向长短期记忆网络,自注意力机制 | 准确率 | NA |
13520 | 2025-10-07 |
Tuberculosis detection using few shot learning
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97803-9
PMID:40240548
|
研究论文 | 本研究提出了一种基于小样本学习的结核病检测方法TB-FSNet | 将小样本学习-原型网络与改进的MobileNet-V2骨干网络结合,并加入自注意力层,在保持高精度的同时大幅减少模型参数和大小 | NA | 开发适用于嵌入式设备的轻量级结核病检测模型 | 胸部X光图像 | 计算机视觉 | 结核病 | 胸部X光分析 | 小样本学习,原型网络 | 图像 | 结合Montgomery County和深圳胸部X光数据集 | NA | MobileNet-V2,自注意力层 | 准确率,精确率,特异性,敏感性 | 嵌入式设备,边缘设备 |