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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
13521 | 2025-10-07 |
Deep learning-based multi-criteria recommender system for technology-enhanced learning
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97407-3
PMID:40240805
|
研究论文 | 提出一种融合深度学习和因子分解技术的混合DeepFM-SVD++模型,用于改进技术增强学习中的多标准推荐系统 | 结合因子分解机和深度神经网络,同时捕获低阶特征交互和高阶依赖关系,有效解决数据稀疏性和冷启动问题 | 未明确说明模型在更大规模数据集上的性能表现和计算效率 | 改进技术增强学习环境中的多标准推荐系统性能 | 多标准评分数据和推荐系统 | 机器学习 | NA | 深度学习,因子分解技术 | DeepFM, SVD++ | 多标准评分数据 | 两个多标准数据集:ITM-Rec(TEL领域)和Yahoo Movies(非TEL领域) | NA | DeepFM-SVD++(融合因子分解机和深度神经网络) | 准确率 | NA |
13522 | 2025-10-07 |
Improved YOLOv8n-based bridge crack detection algorithm under complex background conditions
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97842-2
PMID:40240806
|
研究论文 | 提出一种基于改进YOLOv8n模型的桥梁裂缝检测算法,用于复杂背景条件下的裂缝识别 | 在Backbone和Neck中引入全局注意力机制增强特征提取能力,通过Gam-Concat优化特征融合模型,在FPN-PAN结构中使用DySample替代原始上采样模块,并在Head中添加MPDIoU优化边界框损失函数 | NA | 解决桥梁裂缝检测中因光照、污渍和密集裂缝导致的漏检和误检问题 | 桥梁裂缝图像 | 计算机视觉 | NA | 深度学习图像处理 | YOLOv8n | 图像 | NA | NA | YOLOv8n, FPN-PAN | mAP@0.5, mAP@0.5:0.95, precision, recall | NA |
13523 | 2025-10-07 |
Prediction methodology of air absorbed dose rates for Chinese cities with deep learning models
2025-Apr-16, Journal of environmental radioactivity
IF:1.9Q3
DOI:10.1016/j.jenvrad.2025.107685
PMID:40245757
|
研究论文 | 本研究提出基于深度学习的中国城市空气吸收剂量率预测框架 | 首次将CNN-LSTM和Bi-LSTM等深度学习模型应用于中国城市空气吸收剂量率预测,并利用CNN提升数据预处理效率 | 仅针对沿海和内陆两类城市进行验证,未涵盖所有城市类型;Bi-LSTM模型在内陆城市的MAE指标略逊于LSTM模型 | 建立城市空气吸收剂量率的准确预测方法以支持环境辐射防护策略制定 | 中国城市的空气吸收剂量率监测数据 | 机器学习 | NA | 环境辐射监测 | LSTM, CNN-LSTM, Bi-LSTM | 时间序列监测数据 | 国家核安全管理局发布的大规模复杂数据集 | NA | LSTM, CNN-LSTM, Bi-LSTM | 决定系数(R), 平均绝对误差(MAE), 均方根误差(RMSE) | NA |
13524 | 2025-10-07 |
Prediction of Tumor Budding Grading in Rectal Cancer Using a Multiparametric MRI Radiomics Combined with a 3D Vision Transformer Deep Learning Approach
2025-Apr-16, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.046
PMID:40246672
|
研究论文 | 本研究结合多参数MRI影像组学和3D视觉Transformer深度学习模型,预测直肠癌患者的肿瘤出芽分级 | 首次将3D视觉Transformer深度学习模型与多参数MRI影像组学相结合用于直肠癌肿瘤出芽分级预测 | 回顾性研究设计,样本量相对有限,需要更大规模的前瞻性验证 | 评估多参数MRI影像组学结合3D ViT深度学习模型在预测直肠癌肿瘤出芽分级中的有效性 | 349例直肠腺癌患者,来自两家医院 | 计算机视觉 | 直肠癌 | 多参数MRI(T2WI、DWI、T1CE) | 3D Vision Transformer (ViT) | 医学影像 | 349例患者(训练集187例,内部测试集80例,外部测试集82例) | NA | 3D Vision Transformer | AUC, Delong检验, 校准曲线, 决策曲线分析 | NA |
13525 | 2025-10-07 |
3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications
2025-Apr-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05549
PMID:40179245
|
研究论文 | 本研究开发了空间感知深度学习算法用于分析3D拉曼高光谱数据,在结直肠组织诊断中验证了空间信息的有效性 | 首次将空间感知深度学习应用于3D拉曼高光谱数据分析,通过3D U-Net和3D CNN利用空间邻域信息 | 网络训练复杂度增加,需要更多计算资源 | 探索在拉曼光谱数据分析中保留空间信息的可行性 | 结直肠组织(正常、增生、腺瘤、癌组织)和胆管癌组织 | 计算机视觉 | 结直肠癌 | 拉曼高光谱扫描 | CNN, U-Net | 3D高光谱图像 | 结直肠组织数据集和胆管癌数据集 | NA | 3D U-Net, 3D CNN | NA | NA |
13526 | 2025-10-07 |
Multi-objective deep learning for lung cancer detection in CT images: enhancements in tumor classification, localization, and diagnostic efficiency
2025-Apr-15, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02314-8
PMID:40232589
|
研究论文 | 开发并评估用于CT图像中肺癌检测、分类和定位的先进深度学习框架 | 结合基于Transformer的注意力层、自适应无锚机制和改进的特征金字塔网络,实现多任务学习框架 | 仅使用1608个CT扫描图像,数据集规模相对有限 | 提高肺癌检测、分类和定位的准确性和效率 | CT扫描图像中的肺部肿瘤 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | CT图像 | 1608个CT扫描图像(623个癌症病例,985个非癌症病例) | NA | Transformer, 特征金字塔网络 | 平均精度均值(mAP), 交并比(IoU), 准确率, 精确率, 召回率 | NA |
13527 | 2025-10-07 |
A comprehensive framework for multi-modal hate speech detection in social media using deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94069-z
PMID:40234479
|
研究论文 | 提出了一种基于深度学习的多模态仇恨言论检测框架,用于分析社交媒体中的文本、图像、音频和视频内容 | 开发了结合CNN和RNN的混合多模态框架,采用注意力机制融合不同模态特征,能够检测表情包、讽刺视频等复杂形式的仇恨言论 | NA | 开发有效的多模态仇恨言论检测系统以应对社交媒体中日益复杂的仇恨内容 | 社交媒体中的多模态内容(文本、图像、音频、视频) | 自然语言处理 | NA | 光学字符识别(OCR) | CNN, RNN, LSTM | 文本、图像、音频、视频 | NA | NA | CNN, LSTM, BERT, Word2Vec | 准确率, 鲁棒性, 可解释性, 可扩展性, 性能比率 | NA |
13528 | 2025-10-07 |
Deep neural network-enhanced prediction and carbon footprint analysis of early-age high-performance manufactured sand concrete's stress-strain behavior
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89016-x
PMID:40234519
|
研究论文 | 本研究通过深度学习模型预测机制砂混凝土早期应力-应变行为并分析其碳足迹 | 首次结合深度神经网络预测机制砂混凝土早期力学性能,并开展全生命周期碳排放分析 | 实验样本数量有限,模型泛化能力需进一步验证 | 研究机制砂混凝土早期力学性能及环境可持续性 | 机制砂混凝土试件 | 机器学习 | NA | 单轴压缩试验 | DNN | 实验数据 | 216个试件(2天至28天不同龄期) | PyTorch | 四隐藏层神经网络(每层100个神经元) | 预测曲线与实验曲线吻合度 | NA |
13529 | 2025-10-07 |
Multi scale convolutional neural network combining BiLSTM and attention mechanism for bearing fault diagnosis under multiple working conditions
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96137-w
PMID:40234523
|
研究论文 | 提出一种结合多尺度CNN、BiLSTM和注意力机制的深度学习网络用于多工况下轴承故障诊断 | 首次将多尺度时空特征提取、双向时间相关性分析和注意力机制相结合,并提出参数迁移策略解决多工况下训练数据不足的问题 | 仅针对轴承故障诊断进行验证,未在其他旋转机械故障诊断任务中测试 | 开发适用于多工况下轴承故障诊断的深度学习方法 | 旋转机电设备的轴承振动信号 | 机器学习 | NA | 振动信号分析 | CNN, BiLSTM, Attention Mechanism | 时间序列振动信号 | NA | NA | MSCNN-BiLSTM-AM(多尺度CNN-双向LSTM-注意力机制) | NA | NA |
13530 | 2025-10-07 |
An efficient electricity theft detection based on deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93140-z
PMID:40234553
|
研究论文 | 提出一种基于深度学习的电力窃电检测方法,通过CNN和LSTM提取用电数据特征并提高检测精度 | 结合卷积神经网络和长短期记忆网络提取用电数据抽象特征,并采用LoRAS数据增强技术解决数据不完整和类别不平衡问题 | NA | 提高电力窃电检测的准确率 | 电力用户的用电数据 | 机器学习 | NA | 智能电网数据采集 | CNN, LSTM | 用电量数据 | 来自中国国家电网公司的真实用电数据 | NA | CNN, LSTM | 准确率, 召回率, F1分数 | NA |
13531 | 2025-10-07 |
Gated recurrent deep learning approaches to revolutionizing English language learning for personalized instruction and effective instruction
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96351-6
PMID:40234561
|
研究论文 | 本研究探索使用门控循环神经网络改进英语语言学习的个性化教学方法 | 提出GRNN-ELL模型,通过序列建模和语言处理算法动态适应学习者进度,在流畅度、词汇多样性、上下文相关性和参与度方面超越传统方法 | NA | 利用深度学习技术改进英语语言学习的个性化教学效果 | 英语语言学习者 | 自然语言处理 | NA | 序列建模,语言处理算法 | GRNN(门控循环神经网络) | 语言学习数据 | NA | NA | GRNN-ELL | 流畅度,词汇多样性,上下文相关性,参与度水平 | NA |
13532 | 2025-10-07 |
Maize yield estimation in Northeast China's black soil region using a deep learning model with attention mechanism and remote sensing
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97563-6
PMID:40234562
|
研究论文 | 提出一种结合注意力机制的深度学习框架CNNAtBiGRU,用于中国东北黑土区玉米产量估算 | 创新性地将人为因素(如耕种机械化程度)纳入产量预测模型,并利用早期季节数据实现提前1-2个月的产量预测 | 未明确说明模型在其他作物或地理区域的泛化能力 | 开发高精度的玉米产量预测方法以支持作物管理决策 | 中国东北黑土区的玉米产量 | 遥感与农业信息学 | NA | 遥感技术 | CNN, BiGRU, 注意力机制 | 遥感植被指数、物候数据、气象数据、土壤特性、人为因素数据 | NA | NA | 1D-CNN, BiGRU, 注意力机制 | R², RMSE | NA |
13533 | 2025-10-07 |
Advanced lightweight deep learning vision framework for efficient pavement damage identification
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97132-x
PMID:40234635
|
研究论文 | 提出一种基于YOLOv5s的轻量化路面损伤检测模型LPDD-YOLO,用于高效实时的路面损坏识别 | 采用轻量化特征提取网络FasterNet,结合注意力下采样模块和神经网络认知模块增强特征提取能力,使用K-Means聚类和可变形卷积模块处理路面损伤的形态多样性 | 基于自建数据集进行实验,未在其他公开数据集上验证模型泛化能力 | 开发高效的实时路面损伤检测系统 | 路面裂缝和损坏 | 计算机视觉 | NA | 深度学习 | YOLO, CNN | 图像 | 自建数据集 | PyTorch | YOLOv5s, FasterNet | mAP, F1-score, FPS, GFLOPs, 参数量 | NA |
13534 | 2025-10-07 |
Rapid diagnosis of membranous nephropathy based on kidney tissue Raman spectroscopy and deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97351-2
PMID:40234682
|
研究论文 | 本研究提出了一种结合小鼠肾脏组织拉曼光谱和CNN-BiLSTM深度学习模型的膜性肾病快速诊断方法 | 首次将拉曼光谱技术与CNN-BiLSTM深度学习模型结合应用于小鼠肾脏组织的膜性肾病快速诊断 | 研究基于小鼠模型,尚未在人类组织样本中进行验证 | 开发膜性肾病的快速诊断方法以替代复杂的肾活检流程 | 小鼠肾脏组织 | 数字病理 | 膜性肾病 | 拉曼光谱 | CNN, BiLSTM | 光谱数据 | NA | NA | CNN-BiLSTM | 准确率, 特异性, 灵敏度 | NA |
13535 | 2025-10-07 |
A deep learning approach for blood glucose monitoring and hypoglycemia prediction in glycogen storage disease
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97391-8
PMID:40234688
|
研究论文 | 本研究开发了一种基于深度学习的血糖监测和低血糖预测方法,专门针对糖原贮积症患者 | 首次将深度学习模型应用于糖原贮积症患者的血糖水平预测和低血糖分类任务 | 回顾性研究,数据来源于单一医疗中心 | 预测糖原贮积症患者的血糖水平并提前识别低血糖风险 | 糖原贮积症患者 | 机器学习 | 糖原贮积症 | 连续血糖监测系统 | 深度学习 | 时间序列数据 | 2020年8月至2024年2月在韩国延世大学原州Severance基督教医院就诊的糖原贮积症患者血糖数据 | NA | PatchTST, LTSF N-Linear, TS Mixer | NA | NA |
13536 | 2025-10-07 |
A prediction model of pediatric bone density from plain spine radiographs using deep learning
2025-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96949-w
PMID:40234697
|
研究论文 | 开发并验证了一种基于深度学习的模型,通过普通脊柱X光片预测儿童骨密度 | 首次使用两阶段深度学习模型从普通脊柱X光片预测儿童骨密度,并基于预测值进行低骨密度分类 | 研究仅纳入单中心数据,样本量相对有限(601名患者) | 开发儿童骨密度的预测和分类方法 | 10-20岁接受双能X线吸收测定法和放射线检查的儿科患者 | 计算机视觉 | 骨质疏松症 | 双能X线吸收测定法,放射线检查 | CNN | 图像 | 601名患者(平均年龄14岁4个月,276名男性) | NA | YOLOv8, ResNet-18 | 平均精度,相关系数,组内相关系数,ROC曲线下面积,灵敏度,特异度 | NA |
13537 | 2025-10-07 |
CRISP: A causal relationships-guided deep learning framework for advanced ICU mortality prediction
2025-Apr-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02981-1
PMID:40234903
|
研究论文 | 提出一种基于因果关系的深度学习框架CRISP,用于ICU死亡率预测 | 利用原生反事实数据增强少数类样本,并整合因果结构构建患者表征 | NA | 开发具有更好泛化能力的ICU死亡率预测模型 | ICU患者 | 医疗人工智能 | 危重症 | 深度学习 | 深度学习模型 | 电子健康记录 | 69,190例ICU病例(MIMIC-III: 30,844例,MIMIC-IV: 27,362例,WCHSU: 10,984例) | NA | CRISP | AUROC, AUPRC | NA |
13538 | 2025-10-07 |
Prediction of postoperative intensive care unit admission with artificial intelligence models in non-small cell lung carcinoma
2025-Apr-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02553-z
PMID:40234958
|
研究论文 | 本研究使用深度学习模型预测非小细胞肺癌患者术后是否需要重症监护病房入院 | 首次将深度学习模型应用于非小细胞肺癌术后重症监护入院需求的预测 | 研究基于单中心回顾性数据,样本量相对有限 | 建立非小细胞肺癌术后重症监护入院需求的预测模型 | 953名非小细胞肺癌手术患者 | 医疗人工智能 | 肺癌 | 深度学习 | 全连接神经网络 | 临床数据、实验室数据、呼吸功能数据、肿瘤影像学特征和手术特征 | 953名患者 | NA | 全连接神经网络 | 准确率, F1分数, 敏感度, 阳性预测值, AUC | NA |
13539 | 2025-10-07 |
Diagnosis accuracy of machine learning for idiopathic pulmonary fibrosis: a systematic review and meta-analysis
2025-Apr-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02501-x
PMID:40235000
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于图像的机器学习技术对特发性肺纤维化及其亚型寻常型间质性肺炎的诊断准确性 | 首次通过系统评价和荟萃分析全面评估机器学习在IPF诊断中的准确性,并与放射科医生/临床医生的诊断表现进行对比 | 需要未来多中心大规模研究验证,现有证据基础仍需加强 | 评估基于图像的机器学习技术在特发性肺纤维化诊断中的效能 | 特发性肺纤维化(IPF)及其亚型寻常型间质性肺炎(UIP) | 医学影像分析 | 特发性肺纤维化 | 医学影像分析 | 深度学习, 其他机器学习 | 医学影像(计算机放射成像/计算机断层扫描) | NA | NA | NA | C-index, 敏感度, 特异度 | NA |
13540 | 2025-10-07 |
BERT-AmPEP60: A BERT-Based Transfer Learning Approach to Predict the Minimum Inhibitory Concentrations of Antimicrobial Peptides for Escherichia coli and Staphylococcus aureus
2025-Apr-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01749
PMID:40086449
|
研究论文 | 提出基于BERT迁移学习的深度学习方法BERT-AmPEP60,用于预测抗菌肽对大肠杆菌和金黄色葡萄球菌的最小抑菌浓度 | 首次将BERT架构与迁移学习策略结合用于抗菌肽活性定量预测,相比现有方法能更准确量化抗菌肽对特定细菌的抑制效果 | 目前仅针对大肠杆菌和金黄色葡萄球菌两种细菌进行预测,未扩展到其他病原菌 | 开发能够准确量化抗菌肽活性的回归预测模型 | 抗菌肽序列及其对大肠杆菌和金黄色葡萄球菌的最小抑菌浓度 | 自然语言处理 | 细菌感染 | 深度学习,迁移学习 | BERT | 蛋白质序列 | NA | PyTorch | BERT | 均方误差,皮尔逊相关系数,肯德尔相关系数 | NA |