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 19283 篇文献，本页显示第 13141 - 13160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13141 | 2025-10-06 |
Application of ConvNeXt with transfer learning and data augmentation for malaria parasite detection in resource-limited settings using microscopic images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313734
PMID:40465684
|
研究论文 | 本研究应用ConvNeXt模型结合迁移学习和数据增强技术，通过显微图像检测疟疾寄生虫 | 将ConvNeXt V2 Tiny模型与数据增强、迁移学习和可解释性框架结合，在资源有限环境下实现高精度疟疾诊断 | 研究依赖于增强后的数据集，原始数据量有限，且主要针对资源有限环境 | 开发适用于资源有限环境的高精度疟疾寄生虫自动检测方法 | 薄血涂片显微图像中的疟疾寄生虫 | 计算机视觉 | 疟疾 | 显微成像 | CNN | 图像 | 初始27558张图像，经数据增强后共606276张薄血涂片图像 | NA | ConvNeXt Tiny, ConvNeXt V2 Tiny, Swin Tiny, ResNet18, ResNet50 | 准确率 | NA |
| 13142 | 2025-10-06 |
Progress in developing a bark beetle identification tool
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310716
PMID:40471899
|
研究论文 | 本研究开发了一种基于深度学习的树皮甲虫识别工具，能够从包含多个甲虫的图像中准确分类到属级水平 | 首次构建能够识别树皮甲虫属的模型，并创建了迄今为止同类昆虫群体中最大的图像训练集 | 图像采集条件受控，实际应用可能面临挑战，目前仅能区分12个属，物种级识别需要进一步改进 | 开发实用的树皮甲虫识别工具，用于森林管理和生态研究 | 树皮甲虫 | 计算机视觉 | NA | 深度学习 | MaxViT | 图像 | NA | NA | MaxViT | F1分数 | NA |
| 13143 | 2025-10-06 |
Adaptive network steganography using deep learning and multimedia video analysis for enhanced security and fidelity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318795
PMID:40472042
|
研究论文 | 提出一种结合深度学习和多媒体视频分析的自适应网络隐写方法，以提升隐写的通用性和安全性 | 采用深度卷积生成对抗网络架构，能够根据视频动态前景、稳定背景和时空复杂性自适应调整隐写参数 | NA | 提升网络隐写技术的安全性和保真度 | 多媒体视频数据 | 计算机视觉 | NA | 多媒体视频分析 | GAN, CNN | 视频 | MPII和UCF101视频库 | NA | 深度卷积生成对抗网络 | 隐写成功率, 峰值信噪比(PSNR) | NA |
| 13144 | 2025-10-06 |
Machine learning techniques for continuous genetic assignment of geographic origin of forest trees
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324994
PMID:40478860
|
研究论文 | 比较五种连续遗传分配方法在森林树木地理起源追踪中的准确性 | 首次系统比较五种连续分配方法在树木地理起源追踪中的表现，突破了传统离散分配方法的限制 | 研究仅基于欧洲两种树种数据，方法在其他树种或地区的适用性有待验证 | 开发准确的连续遗传分配方法用于森林树木地理起源追踪 | 欧洲山毛榉和英国栎树木 | 机器学习 | NA | 全基因组单核苷酸多态性(SNP)分析 | 最近邻方法,高斯过程回归,基因组预测,深度学习 | 遗传数据 | 865株欧洲山毛榉(30,000个SNP)和1,883株英国栎(381个SNP) | NA | NA | 地理距离误差,相对误差 | NA |
| 13145 | 2025-10-06 |
The application of deep learning in economic analysis and marketing strategy formulation in the tourism industry
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321992
PMID:40478915
|
研究论文 | 提出TourVaRNN深度学习模型，通过预测经济影响和游客行为来优化旅游业营销策略 | 将变分自编码器与循环神经网络结合，首次提出TourVaRNN模型用于旅游业经济分析和游客行为预测 | 研究局限于特定区域的一年数据，未验证模型在其他地区和长期数据的适用性 | 提升旅游业经济影响预测准确性和营销策略效果 | 旅游业游客行为模式和经济影响 | 机器学习 | NA | 深度学习 | 变分循环神经网络 | 结构化数据 | 特定区域一年内的游客数量、停留天数、消费模式、就业数据和国际旅游样本 | Python | TourVaRNN（变分自编码器+循环神经网络） | 经济影响评估、游客分割效率、推理时间分析、预算分配利用率 | NA |
| 13146 | 2025-06-10 |
[Usefulness of Deep Learning Reconstruction in Low-dose Lung Cancer CT Screening Protocols]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1485
PMID:40484682
|
研究论文 | 本研究评估了在低剂量肺癌CT筛查中，图像重建方法、辐射剂量和螺距因子变化对物理特性的影响，并探讨了深度学习重建（DLR）的效用 | 首次在低剂量肺癌CT筛查中综合评估了DLR与不同辐射剂量和螺距因子对图像物理特性的影响，并提出了优化方案 | 研究主要基于体模实验，未涉及真实患者数据 | 确定低剂量肺癌CT筛查中最佳的辐射剂量和螺距因子设置，评估DLR的实用性 | 水模体和胸部体模 | 数字病理 | 肺癌 | CT扫描 | DLR（深度学习重建） | CT图像 | 未明确说明具体样本数量，使用水模体和胸部体模进行实验 | NA | NA | NA | NA |
| 13147 | 2025-06-09 |
HBUED: An EEG dataset for emotion recognition
2025-Sep-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.119397
PMID:40368143
|
research paper | 该研究提出了一个大规模EEG数据集HBUED，并开发了一种深度学习方法来提高基于EEG的情绪识别性能 | 提出了一个大规模EEG数据集HBUED，并设计了一种双输入网络架构和平行特征提取模块来提升情绪识别性能 | 未提及具体的数据集样本多样性或模型在其他数据集上的泛化能力 | 提高基于EEG的情绪识别性能 | EEG信号和人类情绪识别 | machine learning | NA | 深度学习 | 双输入网络架构 | EEG信号 | 大规模EEG数据集HBUED和公开DEAP数据集 | NA | NA | NA | NA |
| 13148 | 2025-06-09 |
Deep learning-driven hyperspectral imaging for real-time monitoring and growth modeling of psychrophilic spoilage bacteria in chilled beef
2025-Aug-02, International journal of food microbiology
IF:5.0Q1
|
研究论文 | 本研究利用深度学习驱动的高光谱成像技术，实时监测和建模冷藏牛肉中嗜冷腐败细菌的生长 | 结合高光谱成像和多种算法（如CARS、PLSR、SCN等）进行细菌含量预测，并应用Baranyi、Huang和Gompertz模型拟合细菌生长曲线 | 模型预测精度仍有提升空间，特别是对乳酸杆菌的预测效果相对较差 | 开发一种快速无损检测冷藏牛肉中细菌含量的方法，以解决食品安全问题 | 冷藏牛肉中的假单胞菌和乳酸杆菌 | 数字病理 | NA | 高光谱成像、平板计数法 | PLSR、SCN、Time Convolution Network with Multihead Attention Mechanism | 光谱数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 13149 | 2025-10-06 |
Quantitative multislice and jointly optimized rapid CEST for in vivo whole-brain imaging
2025-Aug, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30488
PMID:40087839
|
研究论文 | 开发了一种用于定量多切片化学交换饱和转移成像的深度学习优化框架和脉冲序列 | 首次提出同时优化扫描参数和切片顺序的深度学习框架，解决了多切片序列灵敏度损失的问题 | 仅在三名健康受试者中进行了测试，样本量较小；临床可行性仅在单一受试者中验证 | 开发定量多切片CEST成像方法，提高全脑成像的扫描效率和准确性 | 健康人类受试者的大脑白质和灰质区域 | 医学影像分析 | NA | 化学交换饱和转移成像，多切片成像 | 深度学习 | 医学影像数据 | 3名健康受试者 | NA | NA | 平均误差，扫描效率，Bland-Altman图，Lin一致性相关系数 | NA |
| 13150 | 2025-06-09 |
Investigating the interpretability of ChatGPT in mental health counseling: An analysis of artificial intelligence generated content differentiation
2025-Aug, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108864
PMID:40424870
|
研究论文 | 研究评估ChatGPT在心理健康咨询中的效果和情感支持能力，并探讨如何区分AI生成内容与用户生成内容 | 首次从宏观和微观角度评估ChatGPT的心理咨询能力，并开发了区分AI生成内容与用户生成内容的可靠框架 | 未提及具体样本量，且仅评估了ChatGPT 3.5和4.0版本 | 评估ChatGPT在心理健康咨询中的效果和情感支持能力，并探讨AI生成内容的识别方法 | ChatGPT生成的心理健康咨询内容与人类专家生成的内容 | 自然语言处理 | 心理健康问题 | BERTopic算法、深度学习技术、LIME和SHAP解释方法 | LLM（ChatGPT 3.5和4.0）、深度学习模型 | 文本 | NA | NA | NA | NA | NA |
| 13151 | 2025-10-06 |
Clinical microbiology and artificial intelligence: Different applications, challenges, and future prospects
2025-Jul, Journal of microbiological methods
IF:1.7Q4
DOI:10.1016/j.mimet.2025.107125
PMID:40188989
|
综述 | 概述人工智能在临床微生物学中的最新应用、挑战与未来前景 | 系统整合了AI在微生物光谱分析、图像识别、基因组学及抗微生物药物研发等多领域的创新应用 | 存在伦理考量、数据偏见和训练误差等实施挑战 | 促进临床从业者了解机器学习算法的当前应用并推动其落地实施 | 临床微生物学数据与人工智能算法 | 机器学习 | 传染病 | 拉曼光谱、MALDI-TOF光谱、全基因组测序、定量构效关系模型 | 机器学习,深度学习 | 光谱数据、显微图像、基因组序列、蛋白质序列 | NA | NA | NA | NA | NA |
| 13152 | 2025-06-09 |
Pancreas segmentation in CT scans: A novel MOMUNet based workflow
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110346
PMID:40398261
|
研究论文 | 提出了一种基于MOMUNet的新型工作流程，用于提高CT扫描中胰腺分割的准确性和计算效率 | 引入了外部轮廓裁剪(ECC)和尺寸比例(SR)技术，开发了超轻量级分割模型MOMUNet，显著提升了小腹部器官分割的准确性 | 未明确提及该方法在其他器官或更大规模数据集上的泛化能力 | 提高CT扫描中胰腺分割的准确性和计算效率 | 胰腺和结肠等小腹部器官 | 数字病理 | 胰腺癌 | CT扫描 | MOMUNet | 医学影像 | NIH-Pancreas数据集和MSD-Pancreas数据集 | NA | NA | NA | NA |
| 13153 | 2025-06-09 |
Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110364
PMID:40435672
|
research paper | 开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间 | 结合深度学习特征与临床和图像评估特征进行生存分析，提高了预测全膝关节置换术时间的准确性 | 预测方法仍需进一步验证以增强其稳健性和准确性 | 预测全膝关节置换术的时间，以帮助医生个性化治疗策略并改善患者预后 | 547名在骨关节炎倡议中接受全膝关节置换术的受试者，以及来自多中心骨关节炎研究和内部医院数据的额外受试者 | digital pathology | geriatric disease | deep learning, Lasso Cox feature selection, random survival forest model | DL, Lasso Cox, random survival forest | clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments | 547名受试者用于模型训练和测试，518名和164名受试者用于外部测试 | NA | NA | NA | NA |
| 13154 | 2025-06-09 |
Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy
2025-Jul, Pathology, research and practice
DOI:10.1016/j.prp.2025.156035
PMID:40435910
|
综述 | 本文综述了人工智能在评估肿瘤浸润淋巴细胞（TILs）中的应用进展，包括自动化定量、亚群识别及空间分布模式分析 | 整合多组学数据与人工智能技术，探索TILs在肿瘤免疫治疗中的作用，并探讨AI与其他新兴技术的结合 | NA | 阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力 | 肿瘤浸润淋巴细胞（TILs） | 数字病理学 | 肿瘤 | 单细胞测序、多重免疫荧光、空间转录组学 | CNN | 图像 | NA | NA | NA | NA | NA |
| 13155 | 2025-06-09 |
A medical information extraction model with contrastive tuning and tagging layer training
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110465
PMID:40446547
|
research paper | 提出了一种新的医学信息提取模型，通过对比调优和标记层训练来减少对标注数据的依赖 | 提出了一种语义引导的表示训练模型，通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示 | 未明确提及具体局限性 | 改进医学信息提取任务，减少对大量标注数据的依赖 | 临床文本中的结构化信息 | natural language processing | NA | 对比损失机制 | 语义引导的表示训练模型 | text | CCKS2019和CMeEE数据集 | NA | NA | NA | NA |
| 13156 | 2025-06-09 |
An attention-based approach for Koopman modeling and predictive control of nonlinear systems
2025-Jul, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.04.011
PMID:40295151
|
research paper | 开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战 | 引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系 | NA | 提高非线性系统的建模精度和预测控制能力 | 非线性系统的建模与控制 | machine learning | NA | deep learning, attention mechanism, invertible neural networks | CNN (conditional affine coupling layers) | numerical data | numerical examples and a physical experiment | NA | NA | NA | NA |
| 13157 | 2025-06-09 |
Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features
2025-Jun-08, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2514132
PMID:40483616
|
research paper | 提出了一种结合时间和功能连接特征的深度学习架构，用于增强基于EEG信号的认知负荷评估 | 提出了一种新颖的深度学习架构，整合了时间信息特征和功能连接特征，通过融合策略结合两者的互补优势，提高了分类性能 | EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力 | 提高基于EEG信号的认知负荷评估的准确性和泛化能力 | EEG信号 | Brain-Computer Interfaces (BCI) | NA | EEG信号分析 | LSTM网络结合注意力机制 | EEG信号 | 两个公开数据集 | NA | NA | NA | NA |
| 13158 | 2025-06-09 |
DynamicDTA: Drug-Target Binding Affinity Prediction Using Dynamic Descriptors and Graph Representation
2025-Jun-06, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00729-z
PMID:40481301
|
研究论文 | 该论文提出了一种名为DynamicDTA的深度学习框架，用于预测药物-靶标结合亲和力，结合了静态和动态蛋白质特征以提高预测准确性 | DynamicDTA首次整合了动态蛋白质特征（如均方根波动）和静态特征，通过图卷积网络和多层感知机处理不同输入，并使用交叉注意力和张量融合网络整合多模态信息 | 论文未明确提及模型的计算复杂度或对特定蛋白质动态特征的依赖性可能带来的限制 | 提高药物-靶标结合亲和力预测的准确性，以支持药物发现过程 | 药物序列、蛋白质序列和动态描述符 | 机器学习 | HIV-1感染 | 图卷积网络（GCN）、扩张卷积、多层感知机（MLP） | DynamicDTA（结合GCN、CNN和MLP的混合模型） | 序列数据（药物和蛋白质）、动态描述符数据 | 三个数据集（具体数量未提及） | NA | NA | NA | NA |
| 13159 | 2025-06-09 |
Enhancing pancreatic cancer detection in CT images through secretary wolf bird optimization and deep learning
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00512-6
PMID:40473659
|
research paper | 提出了一种结合秘书狼鸟优化算法和深度学习的方法，用于增强CT图像中胰腺癌的检测 | 结合了Wolf Bird Optimization (WBO) 和 Secretary Bird Optimization Algorithm (SBOA) 设计了SeWBO算法，并开发了SeWBO_Efficient DenseNet模型用于胰腺肿瘤检测 | NA | 提高胰腺癌的早期检测率以改善生存率并提供适当的治疗 | 胰腺CT图像 | digital pathology | pancreatic cancer | Computed Tomography (CT) | SeWBO_Efficient DenseNet (结合EfficientNet和DenseNet) | image | NA | NA | NA | NA | NA |
| 13160 | 2025-06-09 |
SHAP-enhanced interpretive MGTWR-CNN-BILSTM-AM framework for predicting surface subsidence: a case study of Shanghai municipality
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95694-4
PMID:40473748
|
research paper | 该研究提出了一种集成MGTWR-CNN-BiLSTM-AM（MGCBA）模型，用于预测上海地区的地面沉降，通过多尺度时空效应提高预测准确性 | 结合MGTWR框架和深度学习网络（CNN-BiLSTM-AM），量化沉降与驱动因素之间的非线性时空关系，并通过SHAP值分析增强模型的可解释性 | 研究仅以上海市为主要沉降区为案例，可能不适用于其他地区 | 提高地面沉降预测的准确性，并识别主要驱动因素 | 上海地区的地面沉降 | machine learning | NA | SBAS-InSAR, GNSS, PS-InSAR | MGTWR, CNN, BiLSTM, AM | deformation data, time-series data | 上海主要沉降区的SBAS-InSAR变形数据 | NA | NA | NA | NA |