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 1901 - 1920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-10-06 |
Elevating nanomaterial optical sensor arrays through the integration of advanced machine learning techniques for enhancing visual inspection of food quality and safety
2025, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2024.2376113
PMID:39015031
|
综述 | 总结基于纳米材料的光学传感器阵列结合机器学习技术在食品质量安全视觉检测中的最新应用 | 将先进机器学习技术与纳米材料光学传感器阵列相结合，提升食品质量安全视觉检测能力 | 未明确说明具体技术实现细节和性能对比数据 | 开发智能、有效、快速的食品质量评估与安全控制工具 | 农药残留、重金属离子、细菌污染、抗氧化剂、风味物质和食品新鲜度 | 机器视觉 | NA | 光学传感器阵列（比色传感器阵列、荧光传感器阵列） | 机器学习,深度学习 | 高维光学传感数据 | NA | NA | NA | NA | NA |
| 1902 | 2025-10-06 |
Learning Dynamic Prompts for All-in-One Image Restoration
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3567205
PMID:40354220
|
研究论文 | 提出一种用于一体化图像复原的动态提示方法DPPD，通过解耦退化先验提取为两个新组件来提升多种退化类型的处理能力 | 首次将动态提示机制引入一体化图像复原，通过退化原型分配和提示分布学习实现自适应提示采样，突破传统静态提示的局限性 | 未明确说明计算复杂度增加程度及对实时应用的影响 | 开发能够处理多种退化类型的统一图像复原模型 | 遭受多种退化（如噪声、模糊等）的图像数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA | PyTorch | DPPD（包含DPA和PDL组件） | 峰值信噪比，结构相似性 | NA |
| 1903 | 2025-10-06 |
MRI-based 2.5D deep learning radiomics nomogram for the differentiation of benign versus malignant vertebral compression fractures
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1603672
PMID:40438697
|
研究论文 | 开发并验证基于MRI的列线图，结合临床和深度学习放射组学特征用于区分良性与恶性椎体压缩性骨折 | 提出新型2.5D深度学习框架和综合特征融合策略，将手工放射组学特征、深度学习特征与临床数据整合到列线图中 | 回顾性研究设计，样本量相对有限（234例患者） | 区分良性与恶性椎体压缩性骨折 | 椎体压缩性骨折患者 | 数字病理 | 椎体压缩性骨折 | MRI | 深度学习, 机器学习 | 医学影像 | 234例VCF患者，按7:3比例随机分为训练集和测试集 | NA | ResNet50 | AUC | NA |
| 1904 | 2025-10-06 |
LSTA-CNN: A Lightweight Spatiotemporal Attention-Based Convolutional Neural Network for ASD Diagnosis Using EEG
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3580593
PMID:40526541
|
研究论文 | 提出一种基于轻量级时空注意力的卷积神经网络LSTA-CNN，用于通过脑电图诊断自闭症谱系障碍 | 提出新型时空注意力机制，能联合整合时域和空域特征；采用多尺度时空卷积层同时学习多样化表征；模型参数少且推理时间短 | 仅使用自收集的73名儿童脑电图数据，样本规模有限 | 开发轻量级深度学习模型用于自闭症谱系障碍的脑电图诊断 | 41名自闭症儿童和32名正常对照儿童的脑电图记录 | 机器学习 | 自闭症谱系障碍 | 脑电图 | CNN | 脑电图信号 | 73名儿童（41名自闭症患者，32名正常对照） | NA | LSTA-CNN | 分类性能，参数数量，推理时间 | NA |
| 1905 | 2025-10-06 |
Scalable Coding for High-Resolution, High-Compression Ratio Snapshot Compressive Video
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3579208
PMID:40536862
|
研究论文 | 提出一种可扩展编码孔径方法，用于实现高分辨率、高压缩比的快照压缩视频 | 利用时分复用技术设计通用可扩展编码孔径方法，实现前所未有的时空可扩展性，提供实时高压缩比且计算负担和内存需求极低 | NA | 解决高速相机在存储、带宽和成本方面的挑战，提升快照压缩视频的时空分辨率可扩展性 | 动态场景的快照压缩视频 | 计算机视觉 | NA | 压缩感知，时分复用 | 深度学习算法 | 视频，图像 | 512帧2K×2K分辨率视频压缩为单个快照 | NA | NA | PSNR | NA |
| 1906 | 2025-10-06 |
High-precision deformation monitoring and intelligent early warning for wellbore based on BDS/GNSS
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325913
PMID:40549791
|
研究论文 | 本研究基于BDS/GNSS系统开发了井筒高精度变形监测与智能预警方法 | 采用改进的MLAMBDA算法进行高频动态计算，并首次将Bi-LSTM深度学习算法应用于井筒变形预警 | 基线长度增加会导致监测精度下降，在6公里范围内验证有效 | 实现井筒变形的高精度监测和智能预警 | 受周边采矿作业影响的井筒变形 | 机器学习 | NA | BDS/GNSS观测，双差模型 | Bi-LSTM | 卫星观测时间序列数据 | NA | NA | Bi-LSTM | 监测精度（E,N,U方向），预测精度 | NA |
| 1907 | 2025-10-06 |
Classroom Behavior Recognition Using Computer Vision: A Systematic Review
2025-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25020373
PMID:39860742
|
系统综述 | 对基于计算机视觉的课堂行为识别研究进行系统性文献综述 | 首次系统梳理计算机视觉在课堂行为识别领域的研究现状、技术方法和未来挑战 | 仅纳入80篇同行评审期刊文章，可能存在发表偏倚 | 分析计算机视觉支持的课堂行为识别研究现状和未来趋势 | 教师和学生的课堂行为 | 计算机视觉 | NA | 深度学习 | YOLO系列 | 视频 | 80篇期刊文章 | NA | YOLO | NA | NA |
| 1908 | 2025-10-06 |
A Comprehensive Review of Artificial Intelligence (AI) Applications in Pulmonary Hypertension (PH)
2025-Jan-07, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61010085
PMID:39859065
|
综述 | 本文系统回顾了人工智能在肺动脉高压领域的应用现状与潜力 | 首次系统性地综述了AI在肺动脉高压诊疗中的全面应用，涵盖诊断、分类和预后预测等多个方面 | 存在研究偏倚风险，AI工具仍需进一步探索和完善 | 评估人工智能在肺动脉高压诊疗管理中的转化应用价值 | 肺动脉高压患者及相关医学数据 | 医疗人工智能 | 肺动脉高压 | 机器学习、深度学习 | NA | 医学数据 | 45项相关研究（从500多篇初选文章中筛选） | NA | NA | NA | NA |
| 1909 | 2025-10-06 |
Data-driven identification of urgent surgical procedures for use in trauma outcomes measurement
2025, Trauma surgery & acute care open
IF:2.1Q2
DOI:10.1136/tsaco-2025-001783
PMID:40406235
|
研究论文 | 提出一种基于常规管理数据识别创伤患者紧急手术程序的数据驱动方法 | 开发了无需专家共识的灵活数据驱动方法，通过手术时间框架自动识别紧急手术程序 | 研究基于单家医院数据，方法尚未在其他机构验证 | 建立标准化的创伤紧急手术程序列表以促进创伤系统评估比较 | 创伤患者的手术程序数据 | 医疗数据分析 | 创伤 | 管理数据链接分析 | NA | 围手术期和住院管理数据 | 4737例创伤入院，6750次手术，567种独特手术程序 | NA | NA | 紧急协议分类标准（75%手术在4小时内完成），紧急共识分类标准（50-75%手术在4小时内完成且共识度低于0.7） | NA |
| 1910 | 2025-10-06 |
LOD-PCAC: Level-of-Detail-Based Deep Lossless Point Cloud Attribute Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578760
PMID:40526560
|
研究论文 | 提出一种基于细节层次结构的无损点云属性压缩框架LOD-PCAC | 利用细节层次结构实现密度鲁棒压缩，提出比特级残差编码器和参考集构建方法 | 未明确说明计算复杂度和实时性能表现 | 解决稀疏或不均匀分布点云的无损属性压缩问题 | 点云属性数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 点云数据 | 多种点云数据集 | NA | NA | 压缩性能 | NA |
| 1911 | 2025-10-06 |
Fast 3D Room Layout Estimation Based on Compact High-Level Representation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3578785
PMID:40531646
|
研究论文 | 提出一种基于紧凑高层表示的快速3D房间布局估计方法 | 使用仅29个实数的紧凑高层表示替代传统高分辨率2D表示，显著提升推理速度并降低内存消耗 | 未明确说明在复杂场景或非平面结构房间中的适用性 | 实现从室内RGB图像快速重建整体3D结构 | 室内场景的3D房间布局 | 计算机视觉 | NA | 深度学习 | 通用回归网络 | RGB图像 | NA | NA | NA | 推理速度，布局估计性能 | NA |
| 1912 | 2025-10-06 |
MLCDL: A Critical Practice and Implementation of Multi-tissue Classification and Diagnosis Using Deep Learning Algorithm
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_18
PMID:40553341
|
研究论文 | 本研究提出了一种基于深度学习的多组织分类与诊断方法，使用集成迁移学习的EfficientNet-B7卷积神经网络进行纹理分类 | 采用集成迁移学习策略的EfficientNet-B7模型进行多组织分类，相比传统机器学习方法具有更高性能 | 测试集准确率相对较低（51.326%），模型泛化能力有待进一步提升 | 开发基于深度学习的多组织分类与诊断系统 | 医学图像中的组织纹理 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 381张150×150像素图像 | NA | EfficientNet-B7 | 准确率, 训练损失 | NA |
| 1913 | 2025-10-06 |
Artificial Intelligence in CRISPR-Cas Systems: A Review of Tool Applications
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_14
PMID:40553337
|
综述 | 本文综述了人工智能在CRISPR-Cas系统工具应用中的整合与发展 | 将人工智能与CRISPR-Cas系统相结合，为基因工程研究开辟新视角 | NA | 探索人工智能在基因编辑工具CRISPR-Cas系统中的应用 | CRISPR-Cas系统及其基因编辑应用 | 机器学习 | NA | CRISPR-Cas基因编辑技术 | 深度学习, 机器学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 1914 | 2025-10-06 |
The Use of AI for Phenotype-Genotype Mapping
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_21
PMID:40553344
|
综述 | 探讨人工智能在表型-基因型映射中的方法、应用、挑战及未来前景 | 系统综述AI在整合多组学数据、识别疾病亚型和加速精准医疗方面的创新应用 | 数据异质性、模型可解释性不足、隐私问题及罕见病数据稀缺 | 推动基因型-表型映射研究以促进精准医疗发展 | 基因组数据与表型数据的关联分析 | 机器学习 | NA | 下一代测序(NGS), 多组学数据整合 | 支持向量机(SVM), 随机森林, 梯度提升, k均值聚类, 层次聚类, 卷积神经网络(CNN), 循环神经网络(RNN), 生成对抗网络(GAN) | 基因组数据, 基因表达谱, 转录组数据, 蛋白质组数据 | NA | NA | NA | NA | NA |
| 1915 | 2025-10-06 |
Deep Genomics: Deep Learning-Based Analysis of Genome-Sequenced Data for Identification of Gene Alterations
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_20
PMID:40553343
|
综述 | 本章综述了深度基因组学领域，探讨深度学习框架在基因组数据分析中的应用及其对基因变异识别的贡献 | 整合多种深度学习架构分析多组学数据，强调可解释性方法和伦理框架在基因组学中的应用 | 面临数据协调和模型可解释性的方法论挑战，存在系统偏差风险 | 探索深度学习在基因组数据分析中的应用，提升基因变异识别和解释能力 | 基因组测序数据和多组学数据 | 机器学习 | NA | 下一代测序, 多组学分析 | CNN, RNN, Transformer, GNN | 基因组序列数据, 表观基因组数据, 转录组数据, 蛋白质组数据 | NA | NA | 卷积神经网络, 循环神经网络, 变换器, 图神经网络 | NA | 联邦学习, 安全多方计算, 量子计算 |
| 1916 | 2025-10-06 |
Review on Advancement of AI in Nutrigenomics
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_23
PMID:40553346
|
综述 | 探讨人工智能在营养基因组学研究中的进展及其在个性化营养中的应用 | AI与营养基因组学的融合实现了对基因-饮食相互作用的革命性理解，通过先进算法生成前所未有的精准个性化营养建议 | 面临数据隐私问题和算法偏差等挑战，需要谨慎的验证和实施策略 | 研究人工智能如何推动营养基因组学发展及其在个性化营养中的实际应用 | 基因-饮食相互作用、个体营养反应、个性化营养建议 | 机器学习 | 2型糖尿病 | 连续血糖监测(CGM)、代谢分析 | 机器学习算法、深度学习方法 | 遗传数据、饮食数据 | NA | NA | NA | NA | NA |
| 1917 | 2025-10-06 |
Review on Advancement of AI in Synthetic Biology
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_26
PMID:40553349
|
综述 | 本文综述了人工智能在合成生物学领域的最新进展及其应用 | 系统阐述了AI如何推动合成生物学在预测建模、优化设计和复杂生物系统构建方面的创新 | 高质量生物数据集构建困难以及计算与实验科学家之间的跨学科协作障碍 | 探讨人工智能在合成生物学发展中的作用和未来前景 | 合成生物学中的基因组编辑、代谢通路优化和生物电路设计等 | 机器学习 | NA | CRISPR-cas9, 从头蛋白质设计, 基因电路开发 | 深度学习, 机器学习 | 生物数据集 | NA | NA | NA | NA | NA |
| 1918 | 2025-10-06 |
DeepPredict: a state-of-the-art web server for protein secondary structure and relative solvent accessibility prediction
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1607402
PMID:40546733
|
研究论文 | 介绍DeepPredict蛋白质二级结构和相对溶剂可及性预测网络服务器 | 集成Porter6和PaleAle6两个深度学习模型，利用预训练蛋白质语言模型ESM-2无需多序列比对即可实现快速准确预测 | NA | 开发高性能蛋白质二级结构和相对溶剂可及性预测工具 | 蛋白质序列 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | NA | NA | ESM-2 | NA | 网络服务器 |
| 1919 | 2025-10-06 |
Is AI currently capable of identifying wild oysters? A comparison of human annotators against the AI model, ODYSSEE
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1587033
PMID:40546741
|
研究论文 | 比较ODYSSEE AI模型与人类标注者在识别野生牡蛎方面的性能表现 | 首次系统比较深度学习模型与专家/非专家在牡蛎识别任务上的表现，并分析预测误差来源 | 模型准确率(63%)低于人类标注者(专家74%，非专家75%)，存在过度预测活牡蛎数量的问题 | 评估AI模型在牡蛎礁监测中的可行性，改进种群统计方法 | 野生牡蛎礁中的活体牡蛎 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像, 视频 | NA | NA | ODYSSEE | 准确率, 推理速度 | NA |
| 1920 | 2025-10-06 |
Self-supervised and few-shot learning for robust bioaerosol monitoring
2025, Aerobiologia
IF:2.2Q3
DOI:10.1007/s10453-025-09850-4
PMID:40547191
|
研究论文 | 本研究结合自监督学习和少样本学习技术，使用大量未标记数据和少量标记样本对全息花粉图像进行分类 | 首次将自监督学习与少样本学习相结合用于生物气溶胶监测，显著减少对大量标注数据的依赖 | 仅针对花粉颗粒进行研究，未验证在其他类型生物气溶胶上的适用性 | 优化实时生物气溶胶监测工作流程，降低模型在不同场景下的适应成本 | 花粉颗粒的全息图像 | 计算机视觉 | 过敏性疾病 | 全息成像技术 | 深度学习模型 | 图像 | 大量未标记环境空气颗粒图像+每类少量标记样本 | NA | NA | 分类准确率 | NA |