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 3218 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2025-10-06 |
Physical and mental health management for the older adult using XGBoost algorithm supported by new media technology: developing personalized health intervention plans using healthcare data from the CLHLS database
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1535056
PMID:40520309
|
研究论文 | 开发基于XGBoost算法和新媒体技术的老年人身心健康管理平台，利用CLHLS数据库数据制定个性化健康干预方案 | 整合LDA主题建模、ResNet50图像特征提取和XGBoost算法构建多模态健康风险评估模型，结合区块链技术确保数据安全 | 仅使用CLHLS数据库数据，模型在更广泛人群中的适用性需要进一步验证 | 为老年人提供精准智能的健康管理解决方案，改善身心健康状况 | 老年人群体，重点关注慢性疾病理解和心理健康需求 | 机器学习 | 老年疾病 | 主题建模，深度学习，区块链技术 | XGBoost, LDA, CNN | 多模态数据（文本，图像） | 中国老年健康影响因素跟踪调查(CLHLS)数据库数据 | NA | ResNet50 | F1-score, 准确率 | NA |
| 942 | 2025-10-06 |
Mitosis detection in histopathological images using customized deep learning and hybrid optimization algorithms
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327567
PMID:40638590
|
研究论文 | 提出一种结合定制化深度学习和混合优化算法的有丝分裂检测方法 | 集成迁移学习和跳跃连接来应对类别不平衡问题，并创新性地结合水母搜索优化器和海象优化算法来优化模型动量 | 未提及实时应用的时间效率问题，且需要扩展到更多组织病理学分析任务 | 提高组织病理学图像中有丝分裂检测的准确性 | 组织病理学图像中的有丝分裂细胞 | 数字病理学 | 癌症 | 深度学习，图像分析 | CNN | 图像 | 多个公开有丝分裂检测数据集（Mitosis WSI CCMCT Training Set, Mitosis-AIC, Mitosis Detection, Mitosis and Non-Mitosis） | NA | 混合CNN架构 | F1分数, 准确率 | NA |
| 943 | 2025-10-06 |
Nuclei segmentation and classification from histopathology images using federated learning for end-edge platform
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322749
PMID:40638627
|
研究论文 | 提出一种结合分割与分类的深度学习框架，通过联邦学习在端边平台上实现组织病理图像中的细胞核分割与分类 | 采用联邦学习保护数据隐私，结合超参数优化和整数量化技术，在保持精度的同时降低计算开销 | 未明确说明数据来源的多样性和模型在不同癌症类型上的泛化能力 | 开发高效可扩展的自动化细胞核分割与分类方法以辅助癌症检测 | 组织病理学图像中的细胞核 | 数字病理学 | 癌症 | 组织病理学成像 | CNN | 图像 | NA | TensorFlow, PyTorch | SegNet, DenseNet121 | Mean Pixel Accuracy, Mean Intersection over Union, Frequency-Weighted IoU, accuracy, Matthews Correlation Coefficient | 端边平台 |
| 944 | 2025-10-06 |
Multi-scale time series prediction model based on deep learning and its application
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325474
PMID:40638666
|
研究论文 | 提出一种结合多尺度卷积神经网络、多尺度卷积注意力模块和LSTM的时间序列预测模型MSCALSTM | 提出MSCALSTM模型，首次将多尺度卷积注意力机制与LSTM结合，能自适应关注关键特征并捕获多尺度动态模式 | NA | 提高时间序列预测的准确性和鲁棒性 | 交通流数据和能源领域时间序列数据 | 机器学习 | NA | NA | CNN,LSTM | 时间序列数据 | 基于加州性能测量系统(PEMS)数据集 | NA | MSCALSTM,MSCNN,MSCBAM,LSTM | NA | NA |
| 945 | 2025-10-06 |
Optimizing EV charging stations and power trading with deep learning and path optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325119
PMID:40644458
|
研究论文 | 提出结合深度学习、强化学习、路径优化和电力交易策略的综合框架，以优化电动汽车充电站布局和电力管理 | 首次将LSTM充电需求预测、DQN充电站优化布局、Dijkstra路径算法和区域电力交易策略集成到统一框架中 | 未提及研究的地理范围限制和具体实施的时间跨度 | 解决电动汽车快速增长对电网带来的需求波动和充电基础设施优化问题 | 电动汽车充电需求、充电站布局、用户出行路径、区域电力交易 | 机器学习 | NA | 深度学习、强化学习、路径优化算法 | LSTM, DQN | 时间序列数据、空间位置数据、电力交易数据 | NA | NA | LSTM, Deep Q-Network | 预测准确率提升12.3%、供需失衡减少8.9%、旅行时间减少11.4%、区域边际价格差异减少10% | NA |
| 946 | 2025-10-06 |
HyenaCircle: a HyenaDNA-based pretrained large language model for long eccDNA prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1641162
PMID:40641599
|
研究论文 | 提出基于HyenaDNA预训练大语言模型的HyenaCircle深度学习模型，用于预测长eccDNA形成 | 首次将大语言模型与三代测序数据结合用于长eccDNA预测，采用数据增强、正则化和类别不平衡加权策略提升模型鲁棒性 | 模型验证AUROC为0.715，性能仍有提升空间，长eccDNA检测本身存在技术挑战 | 开发能够准确预测长eccDNA形成的深度学习模型 | 长度1-5kb的染色体外环状DNA(eccDNA) | 自然语言处理 | NA | 纳米孔测序，FLED算法 | 大语言模型 | DNA序列数据 | 20,000个长度匹配的阴性对照样本 | NA | HyenaDNA, HyenaCircle | AUROC, 召回率 | NA |
| 947 | 2025-10-06 |
Explainable AI for time series prediction in economic mental health analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1591793
PMID:40641972
|
研究论文 | 提出一种将可解释人工智能直接集成到时间序列预测中的新框架，用于经济心理健康分析 | 将可解释性直接整合到时间序列预测过程中，结合内在和事后可解释性技术 | 现有的事后可解释性方法仅提供部分见解，在敏感领域应用受限 | 开发透明且可解释的时间序列预测模型用于经济心理健康分析 | 心理健康预测和经济数据分析 | 机器学习 | 心理健康疾病 | 时间序列分析，可解释人工智能 | 可解释模型架构 | 时间序列数据 | NA | NA | 可解释模型架构 | 准确率，可解释性 | NA |
| 948 | 2025-10-06 |
Automatic dental age estimation in adolescents via oral panoramic imaging
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1618246
PMID:40642202
|
研究论文 | 通过口腔全景影像实现青少年自动牙龄估计 | 构建大规模全景牙科影像数据集并应用多种CNN模型实现自动化牙龄估计，替代传统依赖主观判断的Demirjian方法 | 研究主要针对中国北方青少年群体，可能在其他人群中的适用性有限 | 开发基于深度学习的自动牙龄估计方法，用于法医牙科年龄鉴定 | 青少年牙科全景影像 | 计算机视觉 | NA | 全景牙科影像 | CNN | 图像 | 大规模全景牙科影像数据集，包含总体样本、女性样本和男性样本 | NA | 多种卷积神经网络模型 | 平均绝对误差 | NA |
| 949 | 2025-10-06 |
Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1526260
PMID:40635689
|
研究论文 | 本研究开发了一种增强型深度学习模型RcdNet，用于超声图像中乳腺肿瘤良恶性的准确分类 | 提出结合深度可分离卷积和CBAM注意力模块的RcdNet模型，增强对超声图像关键病灶区域的识别能力 | 未提及模型在实时超声诊断系统中的具体应用挑战 | 通过深度学习技术构建可靠的乳腺超声图像良恶性分类模型，提高诊断准确性和一致性 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 未明确说明具体样本数量 | NA | RcdNet, ResNet, MobileNet, RegNet, ViT, ResNeXt | 准确率, 精确率, 召回率, F1分数 | NA |
| 950 | 2025-10-06 |
Deep learning-based feature selection for detection of autism spectrum disorder
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1594372
PMID:40636395
|
研究论文 | 提出一种结合深度学习与优化特征选择算法的自闭症谱系障碍检测方法 | 采用混合堆叠稀疏去噪自编码器和多层感知器模型，并集成改进的徒步优化算法进行特征选择 | 样本量有限，仅使用ABIDE I数据集 | 开发更准确的自闭症谱系障碍检测模型 | 自闭症谱系障碍患者的静息态功能磁共振成像数据 | 机器学习 | 自闭症谱系障碍 | 静息态功能磁共振成像 | SSDAE, MLP | 神经影像数据 | ABIDE I数据集 | NA | 堆叠稀疏去噪自编码器, 多层感知器 | 准确率, 敏感度, 特异度 | NA |
| 951 | 2025-10-06 |
Fourier convolutional decoder: reconstructing solar flare images via deep learning
2025, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11283-6
PMID:40636402
|
研究论文 | 开发傅里叶卷积解码器用于太阳耀斑图像重建 | 提出定制化的过完备自编码器架构，能够在模拟数据上训练并生成接近真实地面的输出 | 在实验观测数据上的性能相比模拟数据有所下降 | 解决天文图像重建中计算资源消耗大和需要专家解释的问题 | 太阳耀斑图像 | 计算机视觉 | NA | 深度学习 | 自编码器 | 图像 | NA | NA | 傅里叶卷积解码器 | MS-SSIM, LPIPS, PSNR, Dice系数, Hausdorff距离 | CPU, GPU |
| 952 | 2025-10-06 |
Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1609765
PMID:40642204
|
研究论文 | 提出一种融合视觉与声学传感器的框架，用于无人水下航行器在复杂水下环境中的定位与建图 | 结合深度学习单目深度预测与基于FFT的稀疏深度先验，实现仅凭视觉数据的网箱相对姿态估计和深度预测 | NA | 提升无人水下航行器在动态水下环境（特别是水产养殖场景）中的定位与建图能力 | 无人水下航行器、水产养殖网箱 | 计算机视觉 | NA | 深度学习、快速傅里叶变换、声学测量 | 深度学习模型 | 视觉数据、声学数据 | 工业级水产养殖场收集的数据集 | NA | NA | 实时定位精度、3D地图质量 | NA |
| 953 | 2025-10-06 |
CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf069
PMID:40552981
|
研究论文 | 提出了一个用于细胞分割的大规模多模态标注数据集CellBinDB，并基于该数据集对8种先进细胞分割技术进行了基准测试 | 构建了首个大规模多模态细胞分割标注数据集，涵盖多种染色方法和组织类型，并系统评估了多种分割技术的性能 | 复杂细胞形状会降低分割精度，模型在未见数据上的泛化能力仍需提升 | 开发通用的细胞分割解决方案，促进生物图像分析技术的发展 | 人类和小鼠样本中的正常和病变组织细胞 | 数字病理学 | 多种疾病（涵盖30多种正常和病变组织类型） | DAPI, ssDNA, H&E, 多重免疫荧光染色 | 深度学习细胞分割模型 | 图像 | 超过1000张标注图像，涵盖30多种人类和小鼠组织类型 | NA | NA | 分割精度, 边界检测准确度 | NA |
| 954 | 2025-10-06 |
Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then?
2025, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 探讨蛋白质结合位点预测领域的挑战与最新进展，重点关注机器学习与深度学习的整合应用 | 整合分子动力学模拟与机器学习方法，结合实验数据提升预测准确性 | NA | 提升蛋白质结合位点预测精度以促进药物发现 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子动力学模拟 | 深度学习 | 结构信息、生化检测数据 | NA | NA | NA | 准确性、可靠性 | NA |
| 955 | 2025-10-06 |
Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
PMID:39605948
|
研究论文 | 提出一种从无分割医学图像中弱监督学习贝叶斯形状建模的方法 | 使用点云监督而非传统对应点强监督，以数据驱动方式学习形状对应关系，无需先验形状变异假设 | 在完全监督场景下精度和不确定性估计相似但未超越，模型训练可行性提升但未完全消除传统流程依赖 | 开发无需分割的医学图像形状分析方法，简化统计形状建模流程 | 解剖形状，医学图像 | 医学图像分析 | NA | 深度学习，形状建模 | 贝叶斯变分信息瓶颈模型 | 医学图像，点云 | NA | NA | BVIB-DeepSSM | 精度，不确定性估计 | NA |
| 956 | 2025-10-06 |
SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3518774
PMID:40030754
|
研究论文 | 提出改进的静态-动态协同教学框架SDCoT++，用于解决3D目标检测中的类增量学习问题 | 提出静态-动态双教师协同教学框架，通过静态教师保留旧知识、动态教师传递新知识，并引入伪标签生成和概率校准机制 | 未明确说明计算资源需求和具体数据集规模 | 解决3D目标检测中的灾难性遗忘问题，实现类增量学习 | 3D目标检测模型 | 计算机视觉 | NA | 深度学习 | 教师-学生模型 | 3D点云数据 | NA | PyTorch | VoteNet, 3DETR, CAGroup3D | 检测精度 | NA |
| 957 | 2025-10-06 |
Vibration-based gearbox fault diagnosis using a multi-scale convolutional neural network with depth-wise feature concatenation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324905
PMID:40623058
|
研究论文 | 提出一种基于振动信号的齿轮箱故障诊断新方法MixNet，采用多尺度卷积神经网络和深度特征拼接技术 | 首次将多尺度卷积层与深度特征拼接相结合用于齿轮箱故障诊断，能够从振动信号频谱图中提取更具判别性的特征 | NA | 开发高精度、高效率的齿轮箱故障诊断方法以提高工业设备可靠性 | 齿轮箱振动信号 | 机器学习 | NA | 短时傅里叶变换(STFT) | CNN | 振动信号频谱图 | 齿轮箱故障诊断数据集 | NA | MixNet, 多尺度卷积神经网络 | 准确率 | 训练时间4分29秒 |
| 958 | 2025-10-06 |
Plant attribute extraction: An enhancing three-stage deep learning model for relational triple extraction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327186
PMID:40627606
|
研究论文 | 提出一种增强型三阶段深度学习模型用于植物属性关系三元组抽取 | 采用三阶段方法分别处理实体匹配、属性分类和关系匹配，改进了BERT词嵌入层并优化关系预测中的多级信息融合 | 基于标注的方法可能存在错误传播和参数更新不稳定的问题 | 从文本中抽取植物属性关系三元组以构建结构化知识 | 植物实体及其属性（生长环境、生长周期、生态分布等） | 自然语言处理 | NA | 关系抽取 | 深度学习 | 文本 | NA | BERT | Bwdgv（三阶段模型） | F1-score | NA |
| 959 | 2025-10-06 |
Deep learning-based risk stratification of ductal carcinoma in situ using mammography and abbreviated breast magnetic resonance imaging
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1587882
PMID:40630196
|
研究论文 | 本研究开发基于深度学习的多模态模型，利用乳腺X线摄影和简化乳腺磁共振成像对导管原位癌进行风险分层 | 首次结合深度学习和自然语言处理技术开发针对纯导管原位癌和浸润性导管癌的多模态预测模型，并验证简化MRI协议与完整诊断协议具有相似的诊断准确性 | 回顾性研究设计，样本量相对有限（共383例患者），需要更大规模的前瞻性验证 | 开发导管原位癌的风险分层工具以优化治疗策略，避免过度治疗 | 导管原位癌患者，包括纯导管原位癌和伴有导管原位癌的浸润性导管癌患者 | 数字病理 | 乳腺癌 | 乳腺X线摄影，磁共振成像，自然语言处理 | 深度学习 | 医学影像，临床数据，病理特征 | 两个队列：173例BI-RADS 3级或以上患者，210例同时有乳腺X线摄影和简化MRI的患者 | NA | NA | AUC，准确率，F1分数 | NA |
| 960 | 2025-10-06 |
Combining radiomics and deep learning to predict liver metastasis of gastric cancer on CT image
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1613972
PMID:40630210
|
研究论文 | 本研究结合影像组学和深度学习技术，基于CT图像预测胃癌肝转移 | 首次将经典影像组学特征与深度学习特征融合构建预测模型，并评估其在区分同步与异时性肝转移中的价值 | 回顾性研究设计，样本量相对有限，需要外部验证 | 预测胃癌肝转移的发生 | 胃癌患者 | 医学影像分析 | 胃癌 | CT成像 | 深度学习 | CT图像 | 1001例经病理证实的胃癌患者（非肝转移组689例，肝转移组312例） | NA | NA | AUC, 95% CI | NA |