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 19280 篇文献，本页显示第 5021 - 5040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5021 | 2025-12-06 |
Ju-LiteMobileAtt: A lightweight attention network for efficient jujube defect classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0337898
PMID:41329705
|
研究论文 | 本文提出了一种名为Ju-LiteMobileAtt的轻量级注意力网络，用于高效的红枣缺陷分类 | 基于MobileNetV2构建，引入了高效残差坐标注意力模块（EfficientRCAM）和级联残差坐标注意力模块（CascadedRCAM），以在保持效率的同时提升对细微缺陷的表征能力 | NA | 解决有机红枣表面缺陷检测中，传统机器视觉适应性差以及深度学习模型在计算复杂度和边缘部署效率之间的权衡问题 | 有机红枣的表面缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | Jujube12000数据集 | NA | MobileNetV2 | 准确率 | NA |
| 5022 | 2025-12-06 |
Stock price dynamics prediction based on multi-scale fractals and deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335554
PMID:41329693
|
研究论文 | 本文提出了一种结合多尺度分形特征提取与深度学习的股票价格动态预测方法 | 创造性结合广义赫斯特指数、高阶分形维度和多重分形谱来表征股价序列特征，并设计了多尺度分形特征融合机制与损失函数 | 未明确说明模型在极端市场条件下的泛化能力及计算复杂度 | 提高股票价格波动的预测精度与稳定性 | 金融市场中的股票价格时间序列 | 机器学习 | NA | NA | 深度学习 | 时间序列数据 | 多个真实市场数据集 | NA | NA | 准确性, 稳定性, 极端波动处理能力 | NA |
| 5023 | 2025-12-06 |
A novel agricultural commodity price prediction model integrating deep learning and enhanced swarm intelligence algorithm
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0337103
PMID:41329748
|
研究论文 | 本研究提出了一种结合深度学习与增强型群体智能算法的农业商品价格预测模型，旨在提高预测准确性 | 引入了连续变分模态分解（SVMD）来解构价格数据，并开发了多策略粪甲虫优化算法（MSDBO）以优化模型超参数，结合了CNN增强的BiLSTM模型与注意力机制 | 仅以玉米和小麦市场作为案例研究，可能未涵盖所有农业商品类型；模型在更广泛市场条件下的泛化能力有待验证 | 开发一个高精度的农业商品价格预测框架，以应对市场波动性和非线性特征 | 农业商品（特别是玉米和小麦）的历史价格数据 | 机器学习 | NA | 时间序列分解、群体智能优化、深度学习 | CNN, BiLSTM | 时间序列数据 | NA | NA | CNN-augmented BiLSTM with attention mechanism | 平均绝对百分比误差（MAPE）, 方向准确性（Dstat） | NA |
| 5024 | 2025-12-06 |
HAttFFNN: Hybridized attention mechanism-based feedforward neural network deep learning model for the plastic material classification of three stage materials on spectroscopic data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336927
PMID:41329750
|
研究论文 | 提出一种基于混合注意力机制的前馈神经网络深度学习模型，用于光谱数据上的三阶段塑料材料分类 | 提出了一种新颖的混合注意力机制前馈神经网络模型，专门用于处理复杂的光谱数据，并在区分视觉和光谱相似材料方面优于传统模型 | 仅针对PET材料的三阶段分类进行研究，未扩展到其他塑料类型或更多阶段 | 提高基于光谱数据的塑料材料分类精度，特别是在自动化回收、环境监测和质量控制等应用中 | 三阶段聚对苯二甲酸乙二醇酯材料 | 机器学习 | NA | 数字光处理近红外扫描 | 前馈神经网络 | 光谱数据 | 295,327个样本 | NA | HAttFFNN | 准确率, 精确率, 召回率, F1分数, 特异性, 均方根误差 | NA |
| 5025 | 2025-12-06 |
Computational Landscape in Drug Discovery: From AI/ML Models to Translational Application
2025, Scientifica
IF:2.3Q2
DOI:10.1155/sci5/1688637
PMID:41332459
|
综述 | 本文综述了人工智能和机器学习在药物发现领域的应用、模型、工具、挑战及未来趋势 | 全面概述了AI/ML在药物研发全流程的应用，并重点讨论了可解释AI、联邦学习等新兴趋势以克服现有挑战 | 数据可用性有限、异质性、偏差、模型可解释性不足、可重复性问题、临床转化障碍和监管不确定性 | 概述AI/ML在药物发现中的应用，并讨论其挑战与未来方向 | 药物发现过程 | 机器学习 | NA | NA | 监督学习, 无监督学习, 半监督学习, 深度学习, 强化学习 | NA | NA | NA | NA | NA | NA |
| 5026 | 2025-12-06 |
SZBC-AI4TCM: a comprehensive web-based computing platform for traditional Chinese medicine research and development
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1698202
PMID:41333020
|
研究论文 | 本文介绍了一个名为SZBC-AI4TCM的综合性网络计算平台，旨在通过集成人工智能算法和生物信息学工具，加速传统中医药研究并降低成本 | 开发了一个用户友好的网络平台，集成了多种AI技术和生物信息学工具，使非计算背景的研究者也能进行全面的中医药数据分析，体现了'数字本草'概念 | 未在摘要中明确提及具体限制 | 开发一个综合性网络计算平台，以支持传统中医药的研究与开发，解决传统实验方法在处理复杂大数据时的不足 | 传统中医药数据，包括方剂、机制阐明和药物筛选等 | 机器学习 | 阿尔茨海默病 | 机器学习，深度学习，大数据分析 | NA | 中医药数据 | NA | NA | NA | NA | 硬件-软件加速 |
| 5027 | 2025-12-06 |
Benchmarking complete-to-partial point cloud registration techniques for laparoscopic surgery
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1702360
PMID:41333278
|
研究论文 | 本文提出一个基准测试，评估深度学习点云配准方法在腹腔镜手术中的泛化能力，并开发了一个完整的到部分点云配准框架 | 首次系统性地评估了多种深度学习点云配准方法在手术场景中的表现，并提出了一个结合关键点提取、重叠估计和Transformer架构的完整到部分点云配准框架 | 在DePoll数据集上，由于存在大变形，性能显著下降，表明当前方法在处理严重非刚性变化时准确性不足 | 评估点云配准技术在腹腔镜手术中的泛化能力，并为开发先进非刚性算法提供指导 | 腹腔镜手术中的器官点云数据，包括变形的IRCAD肝脏数据集和DePoll数据集 | 计算机视觉 | 肝脏疾病 | 点云配准 | Transformer, GMM-based, correspondence-based, correspondence-free, matching-based | 点云数据 | 两个手术数据集：变形的IRCAD肝脏集和DePoll数据集 | NA | Transformer | TRE, MAE(R), MAE(t) | NA |
| 5028 | 2025-12-06 |
Advances in DCE-MRI Radiomics for Non-Invasive Prediction of Breast Cancer Molecular Subtypes: Research Progress and Clinical Translation
2025, Breast cancer (Dove Medical Press)
DOI:10.2147/BCTT.S552019
PMID:41333886
|
综述 | 本文系统评估了DCE-MRI影像组学在非侵入性预测乳腺癌分子亚型方面的研究进展与临床转化 | 整合标准化DCE-MRI协议与多维影像组学特征（形态、纹理、小波变换参数），结合深度学习实现多任务预测模型，并通过前瞻性多中心试验验证其临床替代潜力 | 存在数据异质性挑战及影像组学生物标志物的机制解释困难 | 非侵入性预测乳腺癌分子亚型并推动精准影像引导治疗 | 乳腺癌分子亚型（ER、HER2、三阴性） | 数字病理 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | 深度学习多任务预测模型 | 医学影像（DCE-MRI） | NA | NA | NA | NA | NA |
| 5029 | 2025-12-06 |
An EEG-based machine learning framework for diagnosing acute sleep deprivation
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1668129
PMID:41334558
|
研究论文 | 本文开发了一个基于EEG和机器学习的框架，用于诊断急性睡眠剥夺 | 结合了传统机器学习分类器（如LightGBM、XGBoost）和深度学习模型（CNN、LSTM、Transformer）对EEG数据进行多特征分析，并在有无受试者级别分离两种条件下评估模型性能 | 在跨受试者评估条件下模型准确率显著下降，表明模型在个体间泛化能力有限 | 开发一种客观、可靠的急性睡眠剥夺诊断方法 | 71名参与者的61通道睁眼静息态EEG数据 | 机器学习 | 睡眠障碍 | EEG | LightGBM, XGBoost, RF, SVC, CNN, LSTM, Transformer | EEG时间序列数据 | 71名参与者 | NA | CNN, LSTM, Transformer | 准确率, F1分数, AUC | NA |
| 5030 | 2025-12-06 |
Machine learning insights into vaccine adjuvants and immune outcomes
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1654060
PMID:41126836
|
研究论文 | 本研究引入一种基于非人灵长类RNA转录组数据的机器学习方法，用于预测疫苗接种后的免疫原性抗体水平，并分析佐剂刺激的免疫反应机制 | 首次利用机器学习结合非人灵长类转录组数据预测疫苗佐剂效果，并通过深度学习模型解析佐剂激活的免疫机制 | 研究依赖非人灵长类数据，可能限制对人类疫苗的普适性；未提及模型在独立验证集上的性能评估 | 加速疫苗佐剂筛选过程，促进更有效疫苗的开发 | 疫苗佐剂及其激发的免疫反应 | 机器学习 | NA | RNA转录组测序 | 深度学习模型 | 转录组数据 | NA | NA | NA | NA | NA |
| 5031 | 2025-12-06 |
Enhanced SQL injection detection using chi-square feature selection and machine learning classifiers
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1686479
PMID:41346567
|
研究论文 | 本研究提出了一种结合卡方特征选择和机器学习分类器的增强型SQL注入检测方法 | 采用卡方特征选择来提升多种机器学习分类器在SQL注入检测中的性能，并通过Jensen-Shannon散度分析评估数据集领域差异 | 未在真实生产网络环境中评估模型的可迁移性和实时检测可靠性，且未探索特征选择对深度学习架构的影响 | 提高SQL注入攻击检测的准确性并降低误报率 | SQL查询语句 | 机器学习 | NA | 卡方特征选择，TF-IDF向量化 | 多项式朴素贝叶斯，支持向量机，逻辑回归，决策树，K近邻 | 文本 | 合并数据集（自定义数据集与Kaggle的SQLiV3.csv文件） | Scikit-learn | NA | 准确率，精确率，召回率，F1分数，误报率，误分类率 | NA |
| 5032 | 2025-12-05 |
Directed Vectors for Generation of Independent Subspaces in the Bio-inpired Networks
2025-Dec-15, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500790
PMID:41293813
|
研究论文 | 本文提出了一种基于生物视网膜网络的不对称网络，用于解释网络功能并生成独立子空间 | 通过计算模拟展示了分层不对称网络中生成方向性运动向量，这些向量能创建独立子空间，从而促进感官信息向高效特征提取、分类和学习的传输 | NA | 解释复杂深度神经网络的结构和功能，并探索生物启发网络在特征提取和分类中的应用 | 生物视网膜网络和不对称神经网络 | 机器学习 | NA | NA | 神经网络 | NA | NA | NA | 不对称网络 | 分类性能 | NA |
| 5033 | 2025-12-05 |
Feasibility study on automated cytokinesis-block micronucleus assay analysis in cytogenetic biodosimetry using YOLOv5 object detection
2025-Dec-04, International journal of radiation biology
IF:2.1Q2
DOI:10.1080/09553002.2025.2588409
PMID:41342911
|
研究论文 | 本研究探讨了使用YOLOv5对象检测技术自动化分析细胞遗传学生物剂量学中的胞质分裂阻滞微核试验的可行性 | 首次将基于深度学习的对象检测（YOLOv5）应用于细胞遗传学生物剂量学中的微核分析，以实现快速、可靠的自动化检测 | 研究仍处于初步阶段，训练图像数量较少，可能通过数据增强进一步改进模型 | 应用深度学习对象检测技术分析微核，以加速细胞遗传学生物剂量学中的剂量估计，支持辐射应急医学中的快速分诊 | 健康志愿者的外周血样本，经0、2和3 Gy照射处理 | 计算机视觉 | 辐射损伤 | 细胞培养、全玻片成像 | CNN | 图像 | 来自健康志愿者的外周血样本，具体数量未明确说明 | YOLOv5 | YOLOv5 | 分类性能、剂量-响应曲线比较 | NA |
| 5034 | 2025-12-05 |
Graph-based deep reinforcement learning for haplotype assembly with Ralphi
2025-Dec-03, Genome research
IF:6.2Q1
DOI:10.1101/gr.280569.125
PMID:41238397
|
研究论文 | 本文介绍了一种基于图结构深度强化学习的新型单倍型组装框架Ralphi，用于从读段比对数据中准确重建二倍体基因组的两个单倍型 | 首次将深度强化学习与图表示学习相结合用于单倍型组装问题，通过片段图拓扑结构设置强化学习奖励目标 | 训练数据主要基于1000基因组计划的基因组数据，可能对其他种群或特殊基因组的泛化能力有限 | 开发更准确、更长的单倍型组装方法，以理解不同变异组合对表型的影响 | 二倍体基因组的单倍型组装 | 机器学习 | NA | 读段比对，深度强化学习 | 深度强化学习 | 基因组测序读段比对数据，片段图 | 基于1000基因组计划基因组构建的多样化片段图拓扑数据集 | NA | NA | 错误率，单倍型区块长度 | NA |
| 5035 | 2025-12-05 |
Towards real-time non-invasive detection of hyperlipidemia through finger pulse image analysis using deep learning
2025-Dec-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae212a
PMID:41259810
|
研究论文 | 本研究利用深度学习技术分析手指脉搏图像，开发了一种非侵入性、高性价比的高脂血症检测方法 | 首次提出通过分析手指脉搏图像波形模式来检测高脂血症，并开发了定制的CNN模型，实现了高精度的非侵入性诊断 | 样本量相对较小（81名患者和65名对照组），且研究为单中心，需要更大规模的多中心验证 | 开发一种非侵入性、实时的高脂血症检测方法，替代传统的侵入性血液检测 | 高脂血症患者和健康对照者的手指脉搏图像波形 | 计算机视觉 | 心血管疾病 | 脉搏图像采集与分析 | CNN | 图像 | 81名高脂血症患者和65名健康对照者，每组选取700个单脉搏波周期 | TensorFlow, Keras | 自定义CNN, VGG16 | 准确率, 精确率, 召回率, F1分数 | NA |
| 5036 | 2025-12-05 |
Laparoscopic augmented reality navigation system based on deep learning and SLAM
2025-Dec-03, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03487-8
PMID:41335230
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5037 | 2025-12-05 |
Solid Harmonic Wavelet Bispectrum for Image Analysis
2025-Dec-03, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202517383
PMID:41340231
|
研究论文 | 本文介绍了一种用于图像分析的二维实心谐波小波双谱方法，该表示具有多尺度、旋转和平移协变性，能保留相对相位并捕获小波响应间的高阶交互 | 该方法通过嵌入旋转平移不变性并保留相对相位，捕捉了传统散射方法中常丢失的结构特征，且在低数据量下表现稳健，无需学习即可编码特征间的非线性依赖关系 | NA | 开发一种用于信号和图像分析的相位敏感、对称感知的小波表示方法 | 图像数据 | 计算机视觉 | NA | 实心谐波小波双谱 | NA | 图像 | NA | NA | NA | NA | NA |
| 5038 | 2025-12-05 |
A multi-pseudo-sensor fusion approach to estimating the lower limb joint moments based on deep neural network
2025-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03406-x
PMID:40632380
|
研究论文 | 本文提出了一种基于深度神经网络的多伪传感器融合方法，用于估计下肢关节力矩 | 提出了一种新颖的多模态运动意图识别系统，通过融合传统深度学习模型来快速准确地在实验室外估计下肢关节力矩，并设计了包含数据增强模块和可变权重融合方法的新框架DeepMPSF-Net | NA | 为智能辅助设备设计控制器提供可靠的步态变量反馈，特别是估计下肢关节力矩 | 下肢关节力矩 | 机器学习 | NA | 多模态运动意图识别 | CNN, RNN, 注意力机制 | 关节运动学数据，个体特征参数 | NA | NA | DeepMPSF-Net | PCC（皮尔逊相关系数） | NA |
| 5039 | 2025-12-05 |
ISENet: a deep learning model for detecting ischemic ST changes in long-term ECG monitoring
2025-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03416-9
PMID:40682722
|
研究论文 | 本研究提出了一种名为ISENet的轻量级深度学习模型，用于在长期ECG监测中检测缺血性ST变化事件 | 首次应用基于深度学习的神经网络，利用长期ST数据库的ECG信号进行ISE检测，解决了先前特征工程和特征学习方法在实验设计和方法上的关键限制 | NA | 开发一个自动化检测心肌缺血的深度学习模型，以改善长期ECG监测中对无症状或间歇性心肌缺血的识别 | 长期ECG监测中的ECG信号，特别是缺血性ST变化事件（ISE） | 数字病理学 | 心血管疾病 | ECG监测 | CNN | ECG信号 | 使用PhysioNet长期ST数据库中的ECG信号和标注进行训练和评估 | NA | ISENet, VGG19, ResNet50 | 准确率 | NA |
| 5040 | 2025-12-05 |
Radiomics integrated with machine and deep learning analysis of T2-weighted and arterial-phase T1-weighted Magnetic Resonance Imaging for non-invasive detection of metastatic axillary lymph nodes in breast cancer
2025-Dec, La Radiologia medica
DOI:10.1007/s11547-025-02090-z
PMID:40986134
|
研究论文 | 本研究比较了从T2加权和动脉期T1加权MRI序列中提取的影像组学特征，通过单变量、机器学习和深度学习分析，评估其在预测乳腺癌患者腋窝淋巴结转移中的诊断性能 | 首次将T2加权和动脉期T1加权MRI的影像组学特征与多种机器学习及深度学习模型结合，用于非侵入性检测乳腺癌腋窝淋巴结转移，并比较了不同序列和建模方法的性能差异 | 研究为回顾性分析，样本量相对较小（100名患者），且仅基于单一机构的MRI数据，可能限制了结果的普遍适用性 | 评估影像组学特征结合机器学习和深度学习在预测乳腺癌腋窝淋巴结转移中的诊断效能 | 乳腺癌患者的腋窝淋巴结（包括52个转移性和103个非转移性淋巴结） | 数字病理学 | 乳腺癌 | MRI（T2加权和动脉期T1加权序列） | 逻辑回归, 梯度提升, 随机森林, 神经网络 | 医学影像（MRI图像） | 100名乳腺癌患者，共155个淋巴结（52个转移性，103个非转移性） | NA | 神经网络（具体架构未指定） | AUC, 敏感性, 特异性, 准确率 | NA |