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 3708 篇文献，本页显示第 1881 - 1900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1881 | 2025-06-08 |
Application of artificial intelligence in modern healthcare for diagnosis of autism spectrum disorder
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1569464
PMID:40470058
|
research paper | 本研究探讨了深度学习算法在通过儿童面部特征识别自闭症谱系障碍（ASD）中的应用 | 提出使用Inception-V3模型进行ASD诊断，准确率达到98%，优于现有迁移学习算法 | 研究仅基于面部图像数据，未考虑其他行为或生理指标 | 提高自闭症谱系障碍的早期诊断准确性和效率 | 自闭症谱系障碍儿童的面部特征 | digital pathology | geriatric disease | deep learning | Inception-V3, ResNet50, VGG-19 | image | 2,940张儿童面部图像 | NA | NA | NA | NA |
| 1882 | 2025-06-08 |
Design of Chinese traditional Jiaoyi (Folding chair) based on Kansei Engineering and CNN-GRU-attention
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1591410
PMID:40470295
|
research paper | 本研究通过跨学科方法创新性地提升中国传统折叠椅（交椅）设计中的个性化情感响应和用户体验质量 | 结合Kansei工程和CNN-GRU-attention混合深度学习模型，提出了一种量化智能设计范式，用于文化遗产的现代化 | 未提及具体样本量或数据收集的局限性 | 系统提取用户情感特征，提升传统家具设计的个性化和用户体验 | 中国传统折叠椅（交椅） | computational design | NA | web-behavior data mining, KJ method, semantic crawlers, fuzzy comprehensive assessment, random forest, K-prototype clustering | CNN-GRU-Attention hybrid deep learning model | multi-source social data | NA | NA | NA | NA | NA |
| 1883 | 2025-06-08 |
Deep learning-guided structural analysis of a novel bacteriophage KPP105 against multidrug-resistant Klebsiella pneumoniae
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.032
PMID:40470315
|
研究论文 | 本研究通过深度学习方法对新型噬菌体KPP105进行了生理、基因组和结构分析，揭示了其对抗多重耐药肺炎克雷伯菌的潜力 | 首次对新型噬菌体KPP105进行了全面的生理、基因组和结构分析，特别是利用深度学习技术分析了其宿主相互作用蛋白的结构 | 未提及实验样本量及具体实验验证数据 | 研究新型噬菌体KPP105的特性及其对抗多重耐药细菌的潜力 | 新型噬菌体KPP105及其宿主相互作用蛋白 | 生物信息学 | 多重耐药细菌感染 | 深度学习、基因组分析、结构分析 | 深度学习模型 | 基因组数据、蛋白质结构数据 | NA | NA | NA | NA | NA |
| 1884 | 2025-06-08 |
High throughput assessment of blueberry fruit internal bruising using deep learning models
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1575038
PMID:40470370
|
研究论文 | 该研究利用深度学习模型快速量化蓝莓果实内部淤伤，为机器收获蓝莓提供高效评估方法 | 首次将YOLO检测和分割模型应用于蓝莓内部淤伤评估，开发了用户友好界面并公开模型 | 淤伤比率与真实值的相关性为0.69，平均绝对百分比误差为15.87%，存在一定误差 | 开发高效评估蓝莓内部淤伤的方法，以促进适合机器收获的蓝莓品种培育 | 61个软硬程度不同的蓝莓品种 | 计算机视觉 | NA | 深度学习 | YOLO检测模型和分割模型 | 图像 | 2021-2023年期间61个蓝莓品种的果实 | NA | NA | NA | NA |
| 1885 | 2025-06-08 |
DualCMNet: a lightweight dual-branch network for maize variety identification based on multi-modal feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1588901
PMID:40470359
|
研究论文 | 提出了一种基于多模态特征融合的轻量级双分支网络DualCMNet，用于玉米品种识别 | 引入HShuffleBlock特征转换模块、CBAM注意力机制和轻量级门控融合模块，动态调整特征权重，实现高精度和低计算开销的平衡 | 仅针对11种玉米品种进行测试，未验证在其他作物上的泛化能力 | 开发一种轻量级多模态融合网络，用于玉米品种的高效准确识别 | 11种玉米品种的多模态数据（高光谱数据和图像数据） | 计算机视觉 | NA | 高光谱数据处理和空间特征提取 | 1D-CNN和MobileNetV3 | 高光谱数据和图像数据 | 11种玉米品种的多模态数据 | NA | NA | NA | NA |
| 1886 | 2025-06-08 |
Global trends in the use of artificial intelligence for urological tumor histopathology: A 20-year bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251348834
PMID:40475298
|
研究论文 | 本文通过20年的文献计量分析，探讨了人工智能在泌尿系统肿瘤病理学中的全球研究趋势和创新 | 首次对人工智能在泌尿系统肿瘤病理学中的应用进行了长达20年的全球文献计量分析，揭示了研究趋势、主要贡献者和未来发展方向 | 研究仅基于Web of Science数据库的文献，可能存在遗漏；临床转化面临数据偏差、模型可解释性和伦理监管等挑战 | 分析人工智能在泌尿系统肿瘤病理学中的全球研究趋势和创新 | 199篇关于AI在泌尿系统肿瘤病理学中应用的论文 | 数字病理学 | 前列腺癌 | 文献计量分析（CiteSpace, VOSviewer） | 机器学习, 深度学习 | 文献数据 | 199篇论文 | NA | NA | NA | NA |
| 1887 | 2025-06-08 |
YOLO-ODD: an improved YOLOv8s model for onion foliar disease detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1551794
PMID:40475906
|
research paper | 本文提出了一种改进的YOLOv8s模型YOLO-ODD，用于检测洋葱叶部病害 | 通过集成CABM和DTAH注意力机制，改进了YOLOv8模型，提高了对洋葱叶部病害的检测准确率 | NA | 开发一种能够早期检测洋葱叶部病害的深度学习模型 | 洋葱叶部病害（炭疽病、茎枯病、紫斑病和扭曲病） | computer vision | plant disease | deep learning | YOLOv8 | image | NA | NA | NA | NA | NA |
| 1888 | 2025-06-07 |
Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer
2025-01-01, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-24-0327
PMID:39636222
|
research paper | 本研究展示了通过结合高通量高光谱荧光显微镜和机器学习，从未染色的非小细胞肺癌组织的自发荧光图像生成虚拟H&E染色和多重免疫荧光染色的可行性 | 将虚拟染色技术从AF扩展到不同疾病（肺癌）和染色模式（mIF），并开发了新的虚拟H&E和多重免疫荧光染色 | 虚拟染色在各种评估指标上表现中等至良好，但未提及是否在所有情况下都优于传统染色方法 | 探索虚拟染色在数字病理学中的潜力，以促进空间生物学研究，提高临床工作流程的效率和可靠性 | 非小细胞肺癌组织 | digital pathology | lung cancer | hyperspectral fluorescence microscopy, machine learning | deep learning | image | NA | NA | NA | NA | NA |
| 1889 | 2025-06-07 |
Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322197
PMID:40372995
|
综述 | 本文探讨了人工智能在医疗技术中的关键趋势，重点关注其在诊断和治疗中的变革潜力以及面临的挑战 | 系统总结了2020年至2024年间68项关于医疗AI的研究，揭示了AI在医疗流程中的准确性和时效性提升 | 存在数据整合、处理错误、决策制定和患者安全方面的挑战，且需要更深入的伦理和隐私考量 | 研究人工智能在医疗健康领域的整合及其未来发展的潜力 | 医疗健康领域的人工智能应用 | 人工智能 | NA | 深度学习方法和机器学习 | NA | 学术研究数据 | 68项学术研究 | NA | NA | NA | NA |
| 1890 | 2025-06-07 |
Intelligent and precise auxiliary diagnosis of breast tumors using deep learning and radiomics
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320732
PMID:40455816
|
research paper | 开发了一种结合深度学习和放射组学的智能诊断模型，用于提高乳腺肿瘤的诊断准确性 | 结合MobileNet与ResNeXt启发的深度可分离和分组卷积，改进了特征处理效率和参数数量 | 外部验证集的准确率（69.44%）和AUC（0.75）低于内部验证集，可能表明模型在泛化性上仍有提升空间 | 提高乳腺肿瘤的智能辅助诊断准确性 | 乳腺肿瘤 | digital pathology | breast cancer | deep learning, radiomics | MobileNet, ResNeXt, VGG16, ResNet, AlexNet | image | AI-Dhabyani和TCIA乳腺超声数据集 | NA | NA | NA | NA |
| 1891 | 2025-06-07 |
UICD: A new dataset and approach for urdu image captioning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320701
PMID:40455832
|
research paper | 该研究创建了一个新的乌尔都语图像描述数据集(UCID)并提出了专为乌尔都语图像描述设计的深度学习架构 | 提出了首个乌尔都语图像描述数据集UC-23-RY，并设计了NASNetLarge-LSTM和ResNet-50-LSTM两种深度学习架构 | 乌尔都语图像描述研究资源匮乏，且数据集基于Flickr30k数据集启发 | 填补乌尔都语图像描述研究的空白，提升自动乌尔都语图像描述的质量 | 乌尔都语图像描述 | natural language processing | NA | deep learning | NASNetLarge-LSTM, ResNet-50-LSTM | image, text | 159,816 Urdu captions | NA | NA | NA | NA |
| 1892 | 2025-06-07 |
A dynamic early-warning method for bridge structural safety based on data reconstruction and depth prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324816
PMID:40460166
|
研究论文 | 提出了一种基于数据重构和深度预测的桥梁结构安全动态预警方法 | 利用SVD算法分解和重构监测数据，结合LSTM网络建立预测模型，显著提高了预测准确性 | 未提及具体桥梁类型或环境条件下的适用性限制 | 解决复杂耦合荷载下桥梁结构异常监测数据的有效检测和预警问题 | 桥梁结构的安全监测数据 | 结构健康监测 | NA | 奇异值分解(SVD), 长短期记忆网络(LSTM) | LSTM | 应变监测数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 1893 | 2025-06-07 |
MultiCubeNet: Multitask deep learning for molecular subtyping and prognostic prediction in gliomas
2025 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdaf079
PMID:40463652
|
research paper | 开发并验证了一个名为MultiCubeNet的多任务深度学习模型，用于同时预测胶质瘤的关键分子标记和预后 | 提出了一个多序列、多尺度、多任务的深度学习框架，能够同时预测IDH突变、1p/19q共缺失、TERT启动子突变和预后 | 在TCGA队列中的性能不太理想，AUC值低于0.8 | 开发一个深度学习模型，用于胶质瘤的分子亚型和预后预测 | 457例成人型弥漫性胶质瘤（193例训练队列；162例和102例分别在SZS和TCGA验证队列中） | digital pathology | glioma | deep learning | MultiCubeNet | image | 457例成人型弥漫性胶质瘤 | NA | NA | NA | NA |
| 1894 | 2025-06-07 |
Advancements and challenges of artificial intelligence in climate modeling for sustainable urban planning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1517986
PMID:40463823
|
Mini Review | 探讨人工智能在气候建模中的进展与挑战，以促进可持续城市规划 | 综述了机器学习和深度学习技术在提高气候风险评估、资源优化和基础设施韧性方面的最新进展 | 数据质量不一致、模型可解释性限制、伦理问题以及AI模型在不同城市环境中的可扩展性 | 促进气候适应和可持续城市规划 | 气候建模和城市规划 | 机器学习 | NA | 机器学习和深度学习 | ML和DL | 多源数据 | NA | NA | NA | NA | NA |
| 1895 | 2025-06-07 |
BrainTumNet: multi-task deep learning framework for brain tumor segmentation and classification using adaptive masked transformers
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1585891
PMID:40463867
|
research paper | 开发了一个名为BrainTumNet的多任务深度学习框架，用于脑肿瘤的分割和分类 | 结合了改进的编码器-解码器架构、自适应掩码Transformer和多尺度特征融合策略，实现了肿瘤分割和分类的多任务学习 | 研究仅基于485例病理确诊的病例，样本量可能不足以覆盖所有脑肿瘤类型和变异 | 开发一个多任务深度学习模型，用于精确的脑肿瘤分割和类型分类 | 高级别胶质瘤、转移性肿瘤和脑膜瘤的T1增强MRI序列图像 | digital pathology | brain tumor | MRI | CNN, Transformer | image | 485例病理确诊的病例（训练集378例，测试集109例，外部验证集51例） | NA | NA | NA | NA |
| 1896 | 2025-06-07 |
A novel method of BiFormer with temporal-spatial characteristics for ECG-based PVC detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1549380
PMID:40463999
|
研究论文 | 提出了一种结合BiFormer模型和时空特征的ECG信号处理方法，用于检测室性早搏（PVC） | 使用BiFormer分类模型和Bi-level Routing Attention机制，结合Markov Transition Fields将一维时间序列信号转换为二维图像，提高了PVC检测的准确性和计算效率 | NA | 开发一种更准确和高效的ECG信号分析方法，用于早期检测室性早搏（PVC） | ECG信号 | 机器学习 | 心血管疾病 | Markov Transition Fields (MTFs), Bi-level Routing Attention (BRA) | BiFormer | ECG信号 | MIT-BIH心律失常数据库 | NA | NA | NA | NA |
| 1897 | 2025-06-07 |
YOLO for early detection and management of Tuta absoluta-induced tomato leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1524630
PMID:40464016
|
研究论文 | 该研究利用YOLOv8模型进行Tuta absoluta引起的番茄叶部病害的早期检测与管理 | 首次公开了一个名为TomatoEbola的数据集，并提出了基于迁移学习的方法评估YOLOv8在检测Tuta absoluta中的性能 | 数据集样本量较小，仅包含326张图像和784个标注，可能影响模型的泛化能力 | 通过AI技术提高农业病害检测效率，减少作物损失并增强粮食安全 | 番茄叶部病害（由Tuta absoluta引起） | 计算机视觉 | 植物病害 | 迁移学习 | YOLOv8 | 图像 | 326张图像和784个标注，来自三个不同的农场 | NA | NA | NA | NA |
| 1898 | 2025-06-06 |
A Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease
2025, Cardiology
IF:1.9Q3
DOI:10.1159/000541980
PMID:39396499
|
研究论文 | 开发了一种基于深度学习的快速三维心脏建模方法，用于先天性心脏病患者的术前规划和诊断支持 | 整合医学影像和临床诊断信息，通过深度学习自动生成3D打印和VR应用的心脏模型 | 研究样本量较小（110例患者），未来需在更大数据集和不同类型先天性心脏病上验证模型的广泛适用性 | 提高先天性心脏病手术规划和诊断的精确性 | 先天性心脏病患者 | 数字病理学 | 先天性心脏病 | CT、心脏MRI | 深度学习模型 | 医学影像、临床数据 | 110例患者 | NA | NA | NA | NA |
| 1899 | 2025-06-06 |
Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1485311
PMID:40171193
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性 | 首次对深度学习在OCT和视网膜图像中检测DR的效果进行了全面的荟萃分析 | 数据集标准化不足，模型可解释性有待提高，且需在多样化人群中进一步验证性能 | 评估深度学习算法在糖尿病视网膜病变检测中的准确性和可靠性 | 光学相干断层扫描（OCT）和视网膜图像 | digital pathology | diabetic retinopathy | deep learning | NA | image | 188268张视网膜图像和OCT扫描 | NA | NA | NA | NA |
| 1900 | 2025-06-06 |
Ground-truth-free deep learning approach for accelerated quantitative parameter mapping with memory efficient learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324496
PMID:40455714
|
研究论文 | 本研究评估了结合内存高效学习(MEL)的自监督学习(SSL)和零样本自监督学习(ZSSSL)框架，以加速定量MRI(qMRI)的图像重建 | 提出了不依赖全采样数据的自监督学习和零样本自监督学习方法，并结合内存高效学习技术降低GPU内存需求 | 在高度加速因子条件下，SSL和ZSSSL的性能略逊于监督学习(SL) | 加速定量MRI图像重建过程并降低计算资源需求 | 定量MRI图像重建 | 医学影像分析 | NA | 定量MRI(qMRI), 自监督学习(SSL), 零样本自监督学习(ZSSSL) | 深度学习(DL) | MRI图像 | 三个实验(2D T2映射/MSME, 3D T1映射/VFA-SPGR, 3D T2映射/DESS) | NA | NA | NA | NA |