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 19270 篇文献，本页显示第 12701 - 12720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12701 | 2025-06-08 |
Leveraging network uncertainty to identify regions in rectal cancer clinical target volume auto-segmentations likely requiring manual edits
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100771
PMID:40475847
|
research paper | 本研究探讨了深度学习自动分割在直肠癌放疗工作流程中的应用，特别是通过网络不确定性量化来识别需要手动编辑的区域 | 提出利用网络不确定性估计来预测需要临床相关编辑的分割区域，验证了认知不确定性估计的有效性 | 网络不确定性的解释因多种不确定性来源的非平凡交互而复杂化 | 提高直肠癌放疗工作流程中自动分割的效率和质量 | 直肠系膜临床靶区的自动分割 | digital pathology | rectal cancer | Monte Carlo dropout | nnU-Net | image | NA | NA | NA | NA | NA |
| 12702 | 2025-06-08 |
Enhancing patient-specific deep learning based segmentation for abdominal magnetic resonance imaging-guided radiation therapy: A framework conditioned on prior segmentation
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100766
PMID:40475848
|
研究论文 | 提出了一种基于先验分割的深度学习框架，用于增强腹部磁共振成像引导放射治疗中的患者特异性分割 | 无需为每位患者重新训练模型，通过整合分次MR体积和计划分割图生成稳健的分次MR分割 | 需要分次MR和计划分割图的对齐效果较好，否则性能可能下降 | 提高腹部磁共振成像引导放射治疗中患者特异性分割的准确性和效率 | 接受腹部癌症MRgRT治疗的69名患者（共222个分次MR） | 数字病理 | 腹部癌症 | 磁共振成像引导放射治疗(MRgRT) | 3D UNet | 磁共振图像 | 69名患者，222个分次MR | NA | NA | NA | NA |
| 12703 | 2025-06-08 |
Multi-branch GAT-GRU-transformer for explainable EEG-based finger motor imagery classification
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1599960
PMID:40469097
|
研究论文 | 提出了一种名为Multi-Branch GAT-GRU-Transformer的新型多分支深度学习框架，用于增强基于EEG的运动想象分类 | 结合了GAT、GRU和Transformer模块，提取空间、时间和频率特征，并通过SHAP和PLV分析提高模型的可解释性 | 模型在Kaya数据集上的五类运动想象分类准确率为55.76%，仍有提升空间 | 提升基于EEG的运动想象分类性能，并增强模型的可解释性 | EEG信号 | 脑机接口 | NA | EEG | Multi-Branch GAT-GRU-Transformer | EEG信号 | Kaya数据集 | NA | NA | NA | NA |
| 12704 | 2025-06-08 |
Mechanism and Multilayer Perceptron prediction model of the removal of α-terpineol, terpinen-4-ol and carvone from pasteurized citrus juices by β-cyclodextrin encapsulation
2025, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2025.1557934
PMID:40469671
|
研究论文 | 本研究揭示了天然环糊精(-CD)改善巴氏杀菌柑橘汁感官评价的机制，并基于常规理化指标建立了包封预测模型 | 通过分子对接展示了-CD与异味化合物形成1:1包合物的可能构象，并利用深度学习构建了多层感知器预测模型 | NA | 研究巴氏杀菌柑橘汁中异味化合物的去除机制并开发预测模型 | 柑橘汁中的α-松油醇、4-松油醇和香芹酮 | 食品科学 | NA | 气相色谱-质谱联用、扫描电子显微镜、X射线衍射、傅里叶变换红外光谱、热重分析、分子对接 | 多层感知器模型(MLP) | 理化指标数据 | NA | NA | NA | NA | NA |
| 12705 | 2025-06-08 |
Res-ECA-UNet++: an automatic segmentation model for ovarian tumor ultrasound images based on residual networks and channel attention mechanism
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1589356
PMID:40470046
|
research paper | 提出了一种基于残差网络和通道注意力机制的自动分割模型Res-ECA-UNet++，用于卵巢肿瘤超声图像的分割 | 在UNet++基础架构中引入ResNet34作为主干网络，并在跳跃连接中加入残差模块以解决梯度消失问题，同时在下采样阶段引入ECA-Net通道注意力机制以提高肿瘤区域的识别精度和定位精度 | 模型对不同病理类型和成像特征的适应性有待进一步优化 | 提高卵巢肿瘤超声图像分割的准确性，缓解医疗资源紧张的问题 | 卵巢肿瘤超声图像 | digital pathology | ovarian tumor | deep learning | Res-ECA-UNet++ (基于UNet++和ResNet34) | image | 临床超声数据集和公共OTU2D数据集 | NA | NA | NA | NA |
| 12706 | 2025-06-08 |
Application of artificial intelligence in palliative care: a bibliometric analysis of research hotspots and trends
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1597195
PMID:40470051
|
研究论文 | 本文通过文献计量学方法分析了人工智能在姑息治疗中的研究趋势，识别了研究热点和未来发展方向 | 首次系统评估人工智能在姑息治疗领域的发展轨迹，通过文献计量和可视化研究揭示技术应用趋势和跨学科合作路径 | 研究仍处于早期发展阶段，发展中国家参与度不足，技术应用尚未完全成熟 | 分析人工智能驱动的姑息治疗研究趋势，绘制知识结构并识别研究热点 | 姑息治疗领域的人工智能应用研究 | 自然语言处理 | 老年病 | 文献计量分析、共现分析、关键词趋势分析 | 机器学习、深度学习、自然语言处理 | 文献数据 | 246篇出版物，来自45个国家、615个机构和1,456位作者 | NA | NA | NA | NA |
| 12707 | 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 |
| 12708 | 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 |
| 12709 | 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 |
| 12710 | 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 |
| 12711 | 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 |
| 12712 | 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 |
| 12713 | 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 |
| 12714 | 2025-06-07 |
Convolutional Neural Network approach to classify mitochondrial morphologies
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态 | 利用CNN架构开发了MitoClass软件，能够快速、准确地对线粒体形态进行分类 | NA | 开发一种高效的方法，定量评估细胞群体中线粒体形状的变化 | 线粒体网络的形态 | 计算机视觉 | NA | 超分辨率成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 12715 | 2025-06-07 |
iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类 | 结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能 | 未提及具体的数据集规模或多样性限制 | 开发计算方法来快速准确地识别增强子及其强度 | DNA序列中的增强子及其强度 | 生物信息学 | NA | one-hot编码和核苷酸化学性质(NCP) | 改进的DenseNet和自注意力机制 | DNA序列数据 | NA | NA | NA | NA | NA |
| 12716 | 2025-06-07 |
Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144311
PMID:40334489
|
研究论文 | 本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量 | 创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围 | 深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性 | 开发一种快速、经济高效的大米抗性淀粉含量预测方法 | 大米中的抗性淀粉(RS) | 机器学习 | NA | 近红外光谱(NIR) | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 12717 | 2025-06-07 |
Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144649
PMID:40349518
|
综述 | 本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展 | 利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备 | 模型可解释性、数据集标准化和工业可扩展性等挑战 | 推动超声波辅助提取技术的智能化转型 | 植物活性成分 | 机器学习 | NA | 超声波辅助提取(UAE) | 机器学习和深度学习模型 | NA | NA | NA | NA | NA | NA |
| 12718 | 2025-06-07 |
Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144678
PMID:40359792
|
review | 本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展 | 探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力 | 讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战 | 旨在推动智能食品安全系统的发展，实现实时现场检测以确保食品质量和公共健康 | 食源性病原体、污染物、食品添加剂、营养素及有害残留物（如农药和兽药） | 食品安全 | NA | 纳米酶技术、AI、ML、DL、3D打印 | NA | 实时生物传感数据 | NA | NA | NA | NA | NA |
| 12719 | 2025-06-07 |
Digital image-based chemometrics for food analysis: a practical tutorial and roadmap
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144531
PMID:40367821
|
综述 | 本文综述了数字图像在食品分析中的应用，提供了从单变量方法到多变量分类/校准方法的路线图，并通过三个案例研究展示了其在食品安全和质量方面的潜力 | 介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性 | 该领域面临关键挑战，特别是缺乏方法学标准化，文献中多样化的应用证明了这一点 | 开发食品质量控制中的分析方法 | 食品 | 化学计量学 | NA | 数字图像处理 | 深度学习架构 | 图像 | NA | NA | NA | NA | NA |
| 12720 | 2025-06-07 |
EffiCOVID-net: A highly efficient convolutional neural network for COVID-19 diagnosis using chest X-ray imaging
2025-Aug, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.04.008
PMID:40252941
|
research paper | 提出了一种名为EffiCOVID-Net的高效卷积神经网络，用于通过胸部X光影像诊断COVID-19 | EffiCOVID-Net结合了多样化的特征学习单元，采用包含(3×3)滤波器和循环连接的EffiCOVID块，以提取复杂特征同时保持空间完整性 | 该模型最适合作为辅助工具而非独立的诊断方法 | 开发一种高效且准确的深度学习模型，用于COVID-19的早期诊断 | COVID-19患者的胸部X光影像 | computer vision | COVID-19 | deep learning | CNN | image | 两个公开可用的COVID-19胸部X光数据集 | NA | NA | NA | NA |