深度学习在生物医药领域中的应用
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，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！
添加微信请说明来意
微信赞赏
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10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。
当前共找到 2505 篇文献，本页显示第 481 - 500 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-06-12 |
BanglaNewsClassifier: A machine learning approach for news classification in Bangla Newspapers using hybrid stacking classifiers
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321291
PMID:40489455
|
研究论文 | 该研究提出了一种综合方法，使用多种机器学习和深度学习技术对孟加拉语新闻文章进行分类 | 采用混合堆叠分类器，结合双向LSTM和支持向量机，实现了94%的高准确率 | 研究主要针对孟加拉语这一低资源语言，可能在其他语言上的适用性有待验证 | 提高孟加拉语新闻分类的准确性和效率 | 孟加拉语新闻文章 | 自然语言处理 | NA | TF-IDF向量化、word2Vec嵌入 | 双向LSTM、支持向量机、堆叠元分类器 | 文本 | 118,404篇孟加拉语新闻文章 |
| 482 | 2025-06-12 |
Continuous glucose monitoring combined with artificial intelligence: redefining the pathway for prediabetes management
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1571362
PMID:40491592
|
综述 | 本文系统探讨了连续血糖监测(CGM)技术与人工智能(AI)结合在糖尿病前期管理中的潜在应用 | 结合CGM实时动态监测与AI深度学习分析，提出糖尿病前期精准诊断、个性化干预和决策支持的新模式 | 面临数据管理、算法优化和伦理问题等挑战 | 探索CGM与AI结合技术在糖尿病前期管理中的应用潜力 | 糖尿病前期患者 | 医疗人工智能 | 糖尿病 | 连续血糖监测(CGM), 深度学习 | 深度学习模型 | 动态血糖数据 | NA |
| 483 | 2025-06-12 |
Constructing segmentation method for wheat powdery mildew using deep learning
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1524283
PMID:40491814
|
research paper | 本研究提出了一种基于深度学习的RSE-Swin Unet方法，用于小麦白粉病图像的准确分割 | 结合ResNet和SENet改进Swin-Unet架构，有效捕捉图像全局和局部特征，提高分割精度 | 仅在小麦白粉病和条锈病数据集上进行了测试，未涉及其他作物病害 | 开发高精度的小麦病害图像分割方法 | 小麦白粉病和条锈病图像 | computer vision | wheat powdery mildew | deep learning | RSE-Swin Unet (改进的Swin-Unet架构) | image | 自建小麦白粉病数据集和条锈病数据集（具体数量未提及） |
| 484 | 2025-06-12 |
Rice-SVBDete: a detection algorithm for small vascular bundles in rice stem's cross-sections
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1589161
PMID:40491816
|
研究论文 | 提出了一种名为Rice-SVBDete的深度学习算法，用于检测水稻茎横截面中的小维管束 | 在YOLOv8架构中引入了动态蛇形卷积（DSConv）、多尺度特征融合（MFF）机制和新的强大交并比（PIoU）损失函数，以提高对小目标的检测精度 | 未提及算法在不同光照条件或不同水稻品种上的泛化能力 | 提高水稻茎横截面中小维管束的检测精度，以支持水稻育种和栽培策略的改进 | 水稻茎横截面中的小维管束 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 未明确提及样本数量 |
| 485 | 2025-06-12 |
CytoLNCpred-a computational method for predicting cytoplasm associated long non-coding RNAs in 15 cell-lines
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1585794
PMID:40491847
|
research paper | 开发了一种名为CytoLNCpred的计算方法，用于预测15种人类细胞系中与细胞质相关的长链非编码RNA（lncRNA） | 克服了以往方法使用噪声数据集和排除在细胞质与细胞核之间无明显差异定位的lncRNA的缺点，开发了基于机器学习和深度学习的新模型 | 虽然模型表现良好，但基于相关性的特征与机器学习算法结合的表现优于基于大语言模型（LLM）的方法 | 预测细胞质相关的lncRNA，以更好地理解lncRNA的功能 | 15种人类细胞系中的lncRNA | 生物信息学 | NA | 机器学习、深度学习、DNABERT-2 | 机器学习算法、DNABERT-2 | 序列数据 | 15种人类细胞系 |
| 486 | 2025-06-12 |
Early detection of retinal and choroidal microvascular impairments in diabetic patients with myopia
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1609928
PMID:40491952
|
研究论文 | 评估和量化糖尿病患者视网膜和脉络膜血流变化，探索其与糖尿病风险因素的关联 | 结合SS-OCTA和人工智能增强的分割与血管分析，提供了一种精细的早期检测视网膜和脉络膜微血管损伤的方法 | 样本量较小（n=133），且仅针对特定类型的糖尿病患者 | 早期检测糖尿病患者视网膜和脉络膜微血管损伤 | 糖尿病患者（包括无糖尿病视网膜病变、非增殖性糖尿病视网膜病变及高度近视患者） | 数字病理 | 糖尿病视网膜病变 | SS-OCTA（扫频源光学相干断层扫描血管成像） | U-Net, ResNet-50 | 图像 | 133名糖尿病患者（43名无糖尿病视网膜病变，48名非增殖性糖尿病视网膜病变，42名无糖尿病视网膜病变但高度近视） |
| 487 | 2025-06-10 |
Robustly detecting mpox and non-mpox using a deep learning framework based on image inpainting
2025-01-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85771-z
PMID:39794381
|
研究论文 | 提出了一种基于图像修复的深度学习框架MIM，用于稳健地检测猴痘和非猴痘病例 | 采用图像修复策略（Mask, Inpainting, and Measure）处理未知类别和异常输入，相比多类分类模型更具优势 | 需要多样化的非猴痘图像数据，且在实际应用中可能受到各种噪声干扰 | 开发一种高效的猴痘诊断技术，以应对当前猴痘病例持续增加的挑战 | 猴痘和非猴痘皮肤疾病图像 | 计算机视觉 | 猴痘 | 深度学习 | GAN | 图像 | 使用了MSLD猴痘数据集和包含18类非猴痘皮肤疾病的数据集 |
| 488 | 2025-06-10 |
Towards sustainable solutions: Effective waste classification framework via enhanced deep convolutional neural networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324294
PMID:40465648
|
研究论文 | 该研究提出了一种创新的废物分类模型，结合了定制的DenseNet201架构、SE注意力机制和并行CNN分支的融合，以提高废物管理的效率和可扩展性 | 采用定制的DenseNet201架构与SE注意力机制及并行CNN分支融合，增强了从废物数据中提取复杂、深层和更易区分特征的能力 | NA | 提高废物分类的准确性和效率，促进环境可持续发展 | 废物数据 | 计算机视觉 | NA | 深度学习 | DenseNet201, CNN | 图像 | 四个公开数据集及三个额外数据集以增强废物多样性和模型可靠性 |
| 489 | 2025-06-10 |
Application of ConvNeXt with transfer learning and data augmentation for malaria parasite detection in resource-limited settings using microscopic images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313734
PMID:40465684
|
研究论文 | 本研究探讨了使用ConvNeXt模型结合迁移学习和数据增强技术，在资源有限地区通过显微镜图像进行疟疾寄生虫检测的深度学习方法 | 采用ConvNeXt V2 Tiny Remod版本模型结合数据增强和迁移学习技术，在疟疾诊断中达到了98.1%的准确率，超越了其他模型如Swin Tiny和ResNet系列 | 研究在资源有限地区进行，可能面临大型数据集和显微镜专业知识获取的限制 | 开发一种高准确率的疟疾诊断方法，适用于资源有限地区 | 疟疾寄生虫 | 计算机视觉 | 疟疾 | 迁移学习, 数据增强 | ConvNeXt, Swin Tiny, ResNet18, ResNet50 | 图像 | 初始27558张薄血涂片图像，经过增强后最终数据集为606276张图像 |
| 490 | 2025-06-10 |
Verification and application of deep learning models in daily sports activities of teenagers
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322166
PMID:40465756
|
研究论文 | 本文基于VGG16模型，结合BiLSTM和CBAM模块的优势，验证并应用于青少年日常体育活动中羽毛球动作的识别 | 结合BiLSTM模型的双向学习时间序列信息和CBAM模块的通道及区域特征表示，显著提高了动作识别的准确性 | 研究仅针对羽毛球运动，可能不适用于其他体育活动的动作识别 | 提高青少年日常体育活动中动作识别的准确性 | 青少年日常体育活动中的羽毛球动作 | 计算机视觉 | NA | 深度学习 | VGG16, BiLSTM, CBAM | 视频图像 | 基于公共数据集Roboflow中的羽毛球训练数据集 |
| 491 | 2025-06-10 |
The effects of learning experience on college students' deep english learning: a study of the chain mediation effect of motivation and strategy
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325491
PMID:40465789
|
研究论文 | 本研究探讨学习经验对大学生英语深度学习的影响，以及动机和策略的链式中介效应 | 首次验证了英语学习领域中'学习经验→学习动机→学习策略→深度学习'的链式中介模型 | 样本范围有限且采用横断面设计 | 探究学习经验对大学生英语深度学习的影响机制 | 不同性别、年龄、教育背景和学业成就水平的大学生 | 教育心理学 | NA | 量表评估与统计分析 | 链式中介模型 | 问卷数据 | 不同背景的大学生样本 |
| 492 | 2025-06-10 |
Progress in developing a bark beetle identification tool
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310716
PMID:40471899
|
research paper | 本研究提出了一种基于MaxViT深度学习框架的树皮甲虫识别初步模型，旨在开发一个功能完善且实用的识别工具 | 首次利用结合局部和全局注意力的MaxViT模型对树皮甲虫进行属级分类，并设计了报告未知物种的功能 | 当前模型仅能区分12个属，需要更多数据和改进以实现可靠的种级识别，且图像采集条件受控可能影响实际应用 | 开发用于森林管理和生态研究的树皮甲虫识别工具 | 树皮甲虫（多种属） | computer vision | NA | 深度学习 | MaxViT | image | 目前最大的树皮甲虫图像训练集（具体数量未提及） |
| 493 | 2025-06-10 |
Adaptive network steganography using deep learning and multimedia video analysis for enhanced security and fidelity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318795
PMID:40472042
|
research paper | 本研究提出了一种结合深度学习和多媒体视频分析的自适应网络隐写范式，旨在提升网络隐写的通用性和安全性 | 采用深度卷积生成对抗网络架构，能够根据多媒体视频的动态前景、稳定背景和时空复杂性微调隐写参数 | NA | 提升网络隐写的安全性和保真度 | 多媒体视频中的网络隐写 | computer vision | NA | deep learning, multimedia video analysis | DCGAN (deep convolutional generative adversarial network) | video | MPII和UCF101视频库 |
| 494 | 2025-06-10 |
Machine learning techniques for continuous genetic assignment of geographic origin of forest trees
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324994
PMID:40478860
|
研究论文 | 本文比较了五种连续遗传分配方法在追踪森林树木地理起源中的准确性 | 比较了五种连续分配方法的准确性，包括最近邻方法、高斯过程回归、基因组预测和深度学习，特别是在处理遗传变异连续性的问题上 | 研究仅基于欧洲的两个树种数据集，可能不适用于其他地区或树种 | 开发更准确的连续遗传分配方法以追踪森林树木的地理起源 | 欧洲山毛榉（Fagus sylvatica）和欧洲橡树（Quercus robur） | 机器学习 | NA | 基因组宽单核苷酸多态性（SNP）分析 | NN, GPR-D, GPR-G, GP, DL | 基因数据 | 865株欧洲山毛榉和1,883株欧洲橡树 |
| 495 | 2025-06-10 |
The application of deep learning in economic analysis and marketing strategy formulation in the tourism industry
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321992
PMID:40478915
|
research paper | 本研究提出了一种名为TourVaRNN的深度学习方法，旨在通过预测旅游业的经济影响和游客行为来优化营销策略 | 结合变分自编码器和循环神经网络，TourVaRNN能够捕捉游客偏好和消费习惯的潜在变量，并建模旅游数据中的复杂时间依赖性 | 研究仅针对特定区域和一年内的数据进行分析，可能无法完全代表全球旅游业的多样性 | 提升旅游业的经济影响预测和游客行为理解，以制定更有效的营销策略 | 旅游业的经济影响和游客行为 | machine learning | NA | Deep Learning (DL) | TourVaRNN (结合变分自编码器和RNN) | 结构化数据（游客数量、天数、消费模式、就业等） | 特定区域一年内的国际旅游样本和多样化年龄组数据 |
| 496 | 2025-06-10 |
[Usefulness of Deep Learning Reconstruction in Low-dose Lung Cancer CT Screening Protocols]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1485
PMID:40484682
|
研究论文 | 本研究评估了在低剂量肺癌CT筛查中，图像重建方法、辐射剂量和螺距因子变化对物理特性的影响，并探讨了深度学习重建（DLR）的效用 | 首次在低剂量肺癌CT筛查中综合评估了DLR与不同辐射剂量和螺距因子对图像物理特性的影响，并提出了优化方案 | 研究主要基于体模实验，未涉及真实患者数据 | 确定低剂量肺癌CT筛查中最佳的辐射剂量和螺距因子设置，评估DLR的实用性 | 水模体和胸部体模 | 数字病理 | 肺癌 | CT扫描 | DLR（深度学习重建） | CT图像 | 未明确说明具体样本数量，使用水模体和胸部体模进行实验 |
| 497 | 2025-06-08 |
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 | 开发一种端到端深度学习模型，用于自动分类中风患者在DWI中的受影响区域 | 采用端到端深度学习模型，结合临床信息作为领域知识向量，提高了分类性能 | 研究为回顾性多中心研究，可能存在数据偏差 | 自动分类中风患者在DWI中的受影响区域 | 中风患者的DWI图像 | 数字病理学 | 心血管疾病 | DWI-MRI | 3D CNN, LSTM-CNN | 图像 | 624例DWI MRI图像，来自3个中心的患者 |
| 498 | 2025-06-08 |
Multi-branch GAT-GRU-transformer for explainable EEG-based finger motor imagery classification
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1599960
PMID:40469097
|
研究论文 | 提出了一种名为Multi-Branch GAT-GRU-Transformer的新型多分支深度学习框架，用于增强基于EEG的运动想象分类 | 结合了GAT、GRU和Transformer模块，提取空间、时间和频率特征，并通过SHAP和PLV分析提高模型的可解释性 | 模型在Kaya数据集上的五类运动想象分类准确率为55.76%，仍有提升空间 | 提升基于EEG的运动想象分类性能，并增强模型的可解释性 | EEG信号 | 脑机接口 | NA | EEG | Multi-Branch GAT-GRU-Transformer | EEG信号 | Kaya数据集 |
| 499 | 2025-06-08 |
Mechanism and Multilayer Perceptron prediction model of the removal of α-terpineol, terpinen-4-ol and carvone from pasteurized citrus juices by β-cyclodextrin encapsulation
2025, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2025.1557934
PMID:40469671
|
研究论文 | 本研究揭示了天然环糊精(-CD)改善巴氏杀菌柑橘汁感官评价的机制，并基于常规理化指标建立了包封预测模型 | 通过分子对接展示了-CD与异味化合物形成1:1包合物的可能构象，并利用深度学习构建了多层感知器预测模型 | NA | 研究巴氏杀菌柑橘汁中异味化合物的去除机制并开发预测模型 | 柑橘汁中的α-松油醇、4-松油醇和香芹酮 | 食品科学 | NA | 气相色谱-质谱联用、扫描电子显微镜、X射线衍射、傅里叶变换红外光谱、热重分析、分子对接 | 多层感知器模型(MLP) | 理化指标数据 | NA |
| 500 | 2025-06-08 |
Res-ECA-UNet++: an automatic segmentation model for ovarian tumor ultrasound images based on residual networks and channel attention mechanism
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1589356
PMID:40470046
|
research paper | 提出了一种基于残差网络和通道注意力机制的自动分割模型Res-ECA-UNet++，用于卵巢肿瘤超声图像的分割 | 在UNet++基础架构中引入ResNet34作为主干网络，并在跳跃连接中加入残差模块以解决梯度消失问题，同时在下采样阶段引入ECA-Net通道注意力机制以提高肿瘤区域的识别精度和定位精度 | 模型对不同病理类型和成像特征的适应性有待进一步优化 | 提高卵巢肿瘤超声图像分割的准确性，缓解医疗资源紧张的问题 | 卵巢肿瘤超声图像 | digital pathology | ovarian tumor | deep learning | Res-ECA-UNet++ (基于UNet++和ResNet34) | image | 临床超声数据集和公共OTU2D数据集 |