深度学习在生物医药领域的应用
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（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！
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。
当前共找到 3742 篇文献，本页显示第 761 - 780 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2025-12-18 |
Cluster segmentation and stereo vision-based apple localization algorithm for robotic harvesting
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1598414
PMID:41393871
|
研究论文 | 本文提出了一种结合增强K-Means聚类分割算法和立体视觉系统的苹果三维定位方法，用于机器人采摘 | 通过多特征融合（颜色、形态、纹理）提升分割鲁棒性，并集成立体视觉进行精确三维定位，无需大规模标注数据集或高性能硬件 | 未来工作需关注大规模果园部署、并行优化及扩展到其他水果类型 | 开发一种适用于复杂果园环境的自动化苹果采摘机器人定位算法 | 苹果 | 计算机视觉 | NA | 立体视觉 | K-Means聚类 | 图像 | NA | NA | K-Means, 块匹配立体模型 | 识别准确率, 平均精度均值, 平均坐标偏差, 正确识别率, 帧每秒, 深度定位误差 | 低计算需求，无需高性能硬件 |
| 762 | 2025-12-18 |
Deep learning-based phenotyping of lettuce diseases using Efficient-FBM-FRMNet for precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1704647
PMID:41393894
|
研究论文 | 本研究提出了一种名为Efficient-FBM-FRMNet的模块化深度学习框架，用于自动化检测生菜病害 | 该模型整合了EfficientNetB4、扩张卷积、特征瓶颈模块、推理引擎和特征细化模块，增强了判别性特征学习、可解释性和稳定性，同时降低了计算成本 | NA | 实现快速准确的生菜病害识别，以支持精准农业和可持续作物管理 | 生菜叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 2,813张生菜叶片图像 | NA | EfficientNetB4, ResNet50, DenseNet121 | 准确率, 精确率, 召回率, F1分数 | NA |
| 763 | 2025-12-18 |
PLFYNet-based edge-deployable detection system for Ginkgo biloba leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1679455
PMID:41393897
|
研究论文 | 本研究提出了一种名为PLFYNet的轻量级深度学习模型，用于在资源受限的嵌入式设备上实时检测银杏叶病害 | 提出了一种优化的轻量级主干网络，集成了注意力机制、改进的检测头、高效卷积技术和自定义特征融合模块，并应用了层自适应幅度剪枝技术，在保持精度的同时显著减少了模型参数量 | 研究仅针对银杏叶的三种病害类别（褪绿病、虫害、物理损伤），模型在其他作物或更复杂病害场景下的泛化能力有待验证 | 开发适用于复杂种植环境的轻量级实时病害检测系统，以解决现有系统在边缘部署时精度下降、效率低下和计算开销大的问题 | 银杏叶病害 | 计算机视觉 | 植物病害 | 深度学习，图像增强 | CNN, YOLO | 图像 | 7,158张增强图像，覆盖三种病害类别 | NA | LCNet-FusionYOLO, PLFYNet, YOLOv7-tiny | mAP@0.5, FPS, 参数量 | Jetson Orin Nano嵌入式平台 |
| 764 | 2025-12-18 |
Development of a multimodal model combining radiomics and deep learning to predict malignant cerebral edema after endovascular thrombectomy
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1716443
PMID:41393997
|
研究论文 | 本研究开发了一种结合放射组学和深度学习的多模态模型，用于预测急性缺血性卒中患者接受血管内血栓切除术后恶性脑水肿的风险 | 首次整合临床数据、放射组学特征和深度学习特征构建多模态预测模型，显著提高了恶性脑水肿预测的准确性 | 研究样本量相对较小（共290例患者），且仅进行了内部验证，缺乏外部独立队列验证 | 提高急性缺血性卒中患者血管内血栓切除术后恶性脑水肿的风险预测准确性 | 接受血管内血栓切除术的急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | 放射组学分析、深度学习特征提取 | 深度学习融合模型 | 临床数据、医学影像数据 | 290例患者（训练集189例，验证集47例，内部测试集54例） | NA | NA | AUC（曲线下面积） | NA |
| 765 | 2025-12-18 |
The mediating role of psychological resilience in the relationship between deep learning approach and mathematical creativity: integrating structural equation model and network analysis
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1697817
PMID:41394065
|
研究论文 | 本研究通过整合结构方程模型和网络分析方法，探讨了深度学习方式、心理韧性与数学创造力之间的关系 | 首次将结构方程模型与网络分析方法结合，揭示学习方式、心理韧性与数学创造力之间的中介关系与网络关系 | 研究样本仅为中国大学生，结果可能受文化背景限制；采用横断面设计，无法确定因果关系 | 探究深度学习方式如何通过心理韧性预测数学创造力，并揭示三者间的网络关系 | 中国大学生 | 教育心理学 | NA | 问卷调查法 | 结构方程模型, 网络分析 | 问卷数据 | 986名中国大学生 | NA | NA | 节点中心性指标（强度、接近度、预期影响力） | NA |
| 766 | 2025-12-18 |
RNA-EFM: energy-based flow matching for protein-conditioned RNA sequence-structure co-design
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf258
PMID:41394077
|
研究论文 | 提出了一种名为RNA-EFM的深度学习框架，用于蛋白质条件化的RNA序列与结构协同设计，通过结合基于能量的精炼和流匹配方法，以优化RNA的几何对齐和热力学稳定性 | 首次将基于能量的精炼与流匹配相结合，用于RNA序列与结构的协同设计，并整合了生物物理先验如Lennard-Jones势能和序列衍生的自由能，以确保生成的RNA在几何上合理且热力学稳定 | 未明确提及模型在处理大规模数据集或复杂蛋白质-RNA相互作用时的计算效率或泛化能力限制 | 开发一种能够设计特异性结合目标蛋白质的RNA分子的方法，同时考虑结构对齐、序列恢复和生物物理因素 | RNA分子及其与目标蛋白质的相互作用 | 机器学习 | NA | 深度学习框架，结合基于能量的精炼和流匹配 | NA | RNA序列和结构数据 | NA | NA | RNA-EFM（自定义框架，结合流匹配和基于能量的精炼） | RMSD, lDDT, 序列恢复率, 结合能改进 | NA |
| 767 | 2025-12-18 |
Leveraging TabTransformer Deep Learning on Conventional MRI Radiomics for Accessible and Interpretable Diagnosis of Autism Spectrum Disorder
2025, Neuropsychiatric disease and treatment
IF:2.5Q2
DOI:10.2147/NDT.S550477
PMID:41394445
|
研究论文 | 本研究利用常规MRI序列的放射组学特征，结合TabTransformer深度学习模型，对自闭症谱系障碍进行诊断，并探索影像特征与临床症状严重程度的相关性 | 首次将TabTransformer深度学习模型应用于多区域常规MRI放射组学分析，用于自闭症谱系障碍的诊断，并识别出与核心临床症状相关的特定影像生物标志物 | 研究为回顾性设计，样本量相对有限，缺乏外部验证，且依赖手动分割，未来需要更大规模、多中心的前瞻性研究及自动化分割方法的探索 | 评估基于常规MRI序列的多区域放射组学分析对自闭症谱系障碍的诊断效能，并探索影像特征与临床症状严重程度的相关性 | 207名儿科参与者（91名自闭症谱系障碍患者，116名典型发育对照） | 医学影像分析 | 自闭症谱系障碍 | 常规MRI序列（T1加权成像和T2加权成像） | TabTransformer, 逻辑回归, 支持向量机 | MRI图像 | 207名儿科参与者（91例ASD，116例对照） | NA | TabTransformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 768 | 2025-12-18 |
Inference of Gene Regulatory Networks for Breast Cancer Based on Genetic Modules
2025, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0154
PMID:41394782
|
研究论文 | 本研究提出了一种结合遗传模块和卷积神经网络的新方法，从乳腺癌RNA测序数据中推断基因调控网络 | 该方法整合了遗传数据分析和深度学习视角，通过加权基因共表达网络分析筛选关键基因，并将基因模块中的调控关联转化为二维直方图类型，使用卷积神经网络进行拟合和推断 | 未明确说明方法在其他肿瘤类型或更大数据集上的泛化能力 | 开发一种新的基因调控网络推断方法，以促进乳腺癌的靶向治疗 | 乳腺癌的基因调控网络 | 机器学习 | 乳腺癌 | RNA测序 | CNN | 基因表达数据 | NA | NA | 卷积神经网络 | NA | NA |
| 769 | 2025-12-18 |
Utilization of artificial intelligence in prostate cancer detection: a comprehensive review of innovations in screening and diagnosis
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1670671
PMID:41394863
|
综述 | 本文全面回顾了人工智能在前列腺癌筛查与诊断中的创新应用 | 详细阐述了AI如何通过深度学习算法改进多参数MRI解读、自动化Gleason分级以及整合多模态数据，推动前列腺癌诊疗向更精准、高效和个性化的新标准转变 | 面临前瞻性验证、数据公平性和监管审批等方面的重大挑战 | 探讨人工智能在前列腺癌管理中的变革性作用，特别是在筛查、诊断和治疗个性化方面的应用 | 前列腺癌的筛查、诊断及治疗过程 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI), 深度学习 | 深度学习算法 | 影像数据, 生物标志物数据, 临床数据 | NA | NA | NA | NA | NA |
| 770 | 2025-12-18 |
PathoEye: A deep learning framework for the whole-slide image analysis of skin tissue
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.11.052
PMID:41395109
|
研究论文 | 本文介绍了一个名为PathoEye的深度学习框架，用于皮肤组织全玻片图像分析，专注于真皮-表皮连接区域以丰富皮肤病的病理特征 | NA | NA | 开发一个可解释的计算框架，用于分析皮肤活检中的全玻片图像，以研究各种皮肤状况的病理特征 | 皮肤组织全玻片图像，特别是真皮-表皮连接区域（基底膜区） | 数字病理学 | 皮肤病 | 全玻片图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 771 | 2025-12-18 |
Advances in machine and deep learning for ECG beat classification: a systematic review
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1649923
PMID:41395626
|
系统综述 | 本文系统回顾了2014年至2024年间发表的106篇相关文献，总结了机器学习和深度学习在心电图（ECG）搏动分类方面的进展、挑战和未来方向 | 系统梳理了从传统特征工程方法向基于卷积神经网络、循环神经网络及注意力机制等先进架构的自动化特征提取与分类方法的演变过程 | 现有研究普遍存在数据不平衡、患者间变异大以及缺乏统一评估指标等问题，限制了公平比较和临床转化 | 调查ECG信号分析技术，以更准确、高效地识别和分类各种心搏 | 心电图（ECG）信号 | 机器学习 | 心血管疾病 | NA | CNN, RNN, 混合框架 | 信号数据 | NA | NA | NA | NA | NA |
| 772 | 2025-12-17 |
Challenges and Opportunities in the Clinical Translation of High-Resolution Spatial Transcriptomics
2025-01, Annual review of pathology
|
综述 | 本文综述了高分辨率空间转录组学技术在临床转化中的挑战与机遇，重点讨论了其工作原理、在疾病机制识别和个性化治疗指导方面的潜力，以及临床研究设计的指导 | 强调了空间转录组学技术如何以亚细胞分辨率数字化基因表达，并结合多模态读数和深度学习方法来全面理解组织生物学和病理学 | 讨论了高分辨率空间转录组学技术快速转化中仍存在的挑战 | 探讨空间转录组学技术在临床病理学中的转化应用，以推动个性化医疗 | 常规收集和存档的临床样本（如组织切片） | 数字病理学 | NA | 空间转录组学技术, 下一代测序 | 深度学习 | 基因表达数据, 组织图像 | NA | NA | NA | NA | NA |
| 773 | 2025-12-17 |
Relationship between Artificial Intelligence-Based Cell Detection and Cytomorphological Variations Induced by Cell Processing Solutions: Usefulness of Data Augmentation in Artificial Intelligence Cytology
2025, Acta cytologica
IF:1.6Q3
DOI:10.1159/000547485
PMID:40690907
|
研究论文 | 本研究探讨了细胞处理溶液引起的细胞形态学变化与基于AI的细胞检测准确性之间的关系，并展示了数据增强在AI细胞学中的有效性 | 首次系统分析了细胞处理溶液诱导的细胞形态学变化对AI细胞检测的影响，并验证了数据增强技术在此背景下的改进效果 | 研究仅使用MKN45人胃癌细胞系，未涵盖其他细胞类型或临床样本，可能限制结果的普适性 | 评估细胞处理溶液引起的细胞形态学变化如何影响AI细胞检测准确性，并探索数据增强技术的应用价值 | MKN45人胃癌细胞，包括未处理细胞及四种不同细胞处理溶液处理的细胞 | 数字病理学 | 胃癌 | Papanicolaou染色，HSB（色调、饱和度、亮度）值分析 | 深度学习模型 | 图像 | MKN45细胞样本，包括未处理组和四种处理组 | NA | NA | 细胞检测率 | NA |
| 774 | 2025-12-17 |
Better Image Filter for Pansharpening
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3637675
PMID:41343325
|
研究论文 | 本文提出了一种基于深度学习的对称框架，用于寻找比传统调制传递函数定制图像滤波器更优的图像滤波器，以提升全色锐化性能 | 提出一对基于深度学习的对称框架，嵌入可学习的各向异性高斯图像滤波器和任意图像滤波器，以模拟最优图像滤波器，同时捕获图像间的细微偏移并保持全局变形场的平滑性 | 未明确提及具体的数据集规模限制或计算资源需求，可能依赖于特定卫星数据的可用性 | 改进全色锐化方法中的图像滤波器，以提升传统和深度学习方法的性能与泛化能力 | 多光谱图像和全色图像的全色锐化处理 | 计算机视觉 | NA | 深度学习 | 深度学习框架 | 图像 | 多种卫星数据集上的广泛实验，但未指定具体样本数量 | 深度学习框架（未指定具体名称如TensorFlow或PyTorch） | 对称框架（未指定具体架构如CNN或Transformer） | 全色锐化性能、泛化能力（未指定具体指标如准确率或AUC） | NA |
| 775 | 2025-12-15 |
Hybrid quantum neural network models for fruit quality assessment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332528
PMID:41370242
|
研究论文 | 本研究探索了用于水果质量评估的混合量子神经网络，重点关注纠缠门选择的影响 | 提出了两种基于不同纠缠门（CNOT与CZ）的混合量子神经网络架构，并从门分解和硬件感知噪声角度提供了理论依据，表明CZ架构可能更稳定 | 研究为基础性计算研究，量子电路在经典硬件上执行，未在真实量子硬件上验证 | 研究量子机器学习算法中门级设计选择的作用，以指导未来算法开发 | 水果质量评估 | 机器学习 | NA | 量子神经网络 | 混合量子神经网络 | 图像 | 使用了MNIST、FruitQ数据集和自定义的苹果数据集 | NA | NNQEv1, NNQEv2 | 测试准确率 | 经典硬件 |
| 776 | 2025-12-15 |
Comprehensive and deep learning classification for analyses of the biological complexity of growth and biofilms of Cobetia marina under different temperature growths
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336575
PMID:41379879
|
研究论文 | 本研究利用深度学习方法分析海洋细菌Cobetia marina在不同温度下的生长动力学和生物膜形成的生物复杂性 | 开发了结合半自动双分类器和三分类器、新型分数阶导数生长分类方法以及SPOCU（Scaled Polynomial Constant Unit）激活函数的神经网络，用于分析温度依赖的微生物行为 | 研究仅针对单一模式生物Cobetia marina，结果可能无法直接推广到其他微生物物种 | 分析微生物在不同温度条件下的生长和生物膜形成的生物复杂性 | 海洋细菌Cobetia marina及其通过pUTmini-Tn5-Km转座子生成的突变菌株 | 机器学习 | NA | 高通量筛选（96孔微孔板）、转座子突变 | 神经网络 | 微生物生长和生物膜形成数据 | 在8°C至41°C温度范围内进行实验，使用96孔微孔板确保足够的实验重复 | NA | 包含SPOCU激活函数的神经网络 | 与SELU和RELU激活函数的性能比较 | NA |
| 777 | 2025-12-15 |
An open-source bio-logger for studying cetacean behavior and communication
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0337093
PMID:41379880
|
研究论文 | 本文介绍了一种用于研究鲸类行为与通信的开源生物记录仪 | 开发了一种开源、非侵入式的多模态生物记录仪，可同步记录高质量音频与多种行为和环境传感器数据，支持无人机部署与GPS回收 | 当前实现主要针对抹香鲸通信研究，电池续航时间最长为16.8小时 | 促进多模态数据集的规模化收集以支持深度学习应用，并推动海洋动物生物学与通信研究 | 海洋动物（特别是抹香鲸） | 生物声学 | NA | 生物记录技术，多传感器同步采集 | NA | 音频，传感器数据（压力、运动、方向、温度、光照），GPS数据 | 10次部署，44小时录音，20次潜水，最深967米 | NA | NA | 剪切粘附力，耐压深度（560米），电池寿命（16.8小时），音频灵敏度（-205 dB re FS/μPa），动态范围（96 dB） | NA |
| 778 | 2025-12-15 |
Robust coffee plant disease classification using deep learning and advanced feature engineering techniques
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3386
PMID:41383546
|
研究论文 | 本文提出了一种结合深度学习和高级特征工程的混合框架，用于咖啡植物病害的鲁棒性图像分类 | 系统性地整合了GoogLeNet和ResNet18进行互补特征提取，并结合PCA/SVD降维与ANOVA/卡方检验特征选择，以提升模型泛化能力和计算效率 | 未明确提及模型在更广泛或不同环境数据集上的泛化性能测试，以及计算资源的具体配置细节 | 开发一种鲁棒的咖啡植物病害分类方法，以支持咖啡生产的可持续性 | 咖啡植物叶片病害图像 | 计算机视觉 | 植物病害 | 图像分类 | CNN | 图像 | BRACOL数据集（具体样本数量未在摘要中明确给出） | 未明确指定，可能为TensorFlow或PyTorch | GoogLeNet, ResNet18 | 准确率, 精确率, 召回率, F1分数 | NA |
| 779 | 2025-12-15 |
DGA-Net: a dual-branch group aggregation network for liver tumor segmentation in medical images
2025, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2025.1712952
PMID:41383832
|
研究论文 | 本文提出了一种用于医学图像中肝脏肿瘤分割的双分支组聚合网络（DGA-Net） | 提出了一种包含傅里叶谱学习多尺度融合分支和多轴聚合哈达玛注意力分支的双分支编码器架构，并设计了组多头交叉注意力聚合模块，以更好地建模像素间关系并降低计算成本 | 未在摘要中明确说明 | 提高医学图像中肝脏和肿瘤区域分割的准确性，以支持肝癌的诊断和治疗规划 | 肝细胞癌（HCC）患者的医学图像 | 数字病理学 | 肝癌 | 深度学习 | CNN, 注意力机制 | 医学图像 | 使用了公开数据集LiTS2017和3DIRCADb，具体样本数量未在摘要中说明 | NA | DGA-Net, 包含FSMF分支, MAHA分支和GMCA模块 | Dice-per-case | NA |
| 780 | 2025-12-15 |
A machine learning approach for classifying date fruit varieties at the Rutab stage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1678757
PMID:41383940
|
研究论文 | 本文提出了一种基于机器学习的管道，用于从图像中分类Rutab阶段的枣品种 | 首次将深度学习模型应用于Rutab阶段枣品种的分类，并开发了移动应用以促进文化保护和全球多样性认知 | Rutab品种的分类在文献中代表性不足，且数据集仅包含八种流行类型 | 解决Rutab枣品种分类在文献中代表性不足的问题，通过图像识别技术进行分类 | Rutab阶段的枣品种，包括八种流行类型 | 计算机视觉 | NA | 图像采集与深度学习 | YOLOv12 | 图像 | 1,659张图像，涵盖八种Rutab类型 | NA | YOLOv12 | 召回率 | NA |