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 19314 篇文献，本页显示第 14041 - 14060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14041 | 2025-05-15 |
Uncovering water conservation patterns in semi-arid regions through hydrological simulation and deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319540
PMID:40112018
|
研究论文 | 本研究结合InVEST模型、水资源保护区时空转移和深度学习，揭示半干旱地区水资源保护模式及其驱动机制 | 首次将InVEST模型、时空转移分析和深度学习相结合，量化水资源保护的复杂数据并识别关键影响因素 | 研究仅针对雄安新区2000-2020年的数据，可能无法完全代表其他半干旱地区的情况 | 揭示半干旱地区水资源保护的空间分布模式及其驱动机制 | 雄安新区的水资源保护特征 | 深度学习 | NA | InVEST模型、深度学习 | 深度学习模型（未指定具体类型） | 时空数据、土地利用数据、降水数据等 | 雄安新区2000-2020年的水资源保护数据 | NA | NA | NA | NA |
| 14042 | 2025-05-15 |
Optimizing deep learning models for glaucoma screening with vision transformers for resource efficiency and the pie augmentation method
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314111
PMID:40117284
|
research paper | 该研究通过优化深度学习模型，使用视觉变换器（ViT）和创新的'pie方法'增强技术，提高了青光眼筛查的效率和准确性 | 采用Data-efficient image Transformers (DeiT)降低计算需求，预处理时间减少10倍，并引入'pie方法'增强技术以提升性能 | DeiT的初始性能低于CNN，且数据集的某些区域（如上部和鼻区）需要排除 | 优化青光眼筛查的深度学习模型，提高资源效率和检测准确性 | 青光眼患者、疑似青光眼患者及非青光眼患者的眼底图像 | digital pathology | glaucoma | fundus imaging | DeiT (vision transformer) | image | GlauCUTU-DATA数据集，包含一致同意（3/3）和多数同意（2/3）的数据 | NA | NA | NA | NA |
| 14043 | 2025-05-15 |
Unveiling CNS cell morphology with deep learning: A gateway to anti-inflammatory compound screening
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320204
PMID:40117300
|
研究论文 | 利用深度学习揭示中枢神经系统细胞形态，为抗炎化合物筛选提供新方法 | 采用深度学习技术分析神经元和小胶质细胞的形态表型，解决了传统方法在检测细微细胞变化和批次效应方面的挑战 | 需要大量标记数据，且在检测细微细胞变化和批次效应方面仍存在困难 | 理解神经炎症背景下细胞形态与表型表现之间的复杂关系 | 神经元和小胶质细胞 | 数字病理学 | 神经炎症 | 深度学习 | DL | 图像 | 内部数据（未明确样本数量） | NA | NA | NA | NA |
| 14044 | 2025-05-15 |
Multi-scale image edge detection based on spatial-frequency domain interactive attention
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1550939
PMID:40356606
|
research paper | 提出了一种基于空间-频域交互注意力的多尺度图像边缘检测网络，旨在复杂背景下准确检测主要目标的边缘 | 使用空间-频域交互注意力模块，通过频域过滤干扰并利用频域与空间域的交互，更准确地提取和分析不同尺度的边缘特征 | 未提及具体在哪些复杂背景或小目标场景下的性能限制 | 解决复杂背景下图像边缘检测的准确性问题 | 动物、植物、建筑物等复杂背景下的图像 | computer vision | NA | 深度学习 | 多尺度边缘检测网络 | image | NA | NA | NA | NA | NA |
| 14045 | 2025-05-15 |
A bibliometric analysis of electroencephalogram research in stroke: current trends and future directions
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1539736
PMID:40356632
|
研究论文 | 本文通过文献计量学方法分析了脑电图（EEG）在中风研究中的应用趋势及未来发展方向 | 首次对中风领域EEG研究的趋势进行全面分析，并揭示了机器学习与多模态数据整合的最新研究方向 | 仅基于Web of Science数据库，可能未涵盖所有相关研究 | 分析EEG在中风研究中的应用现状和发展趋势 | 2005-2024年间发表的2,931篇与中风和EEG相关的研究文献 | 神经科学 | 中风 | 文献计量学分析（VOSviewer和CiteSpace） | NA | 文献数据 | 2,931篇出版物 | NA | NA | NA | NA |
| 14046 | 2025-05-15 |
Deep learning-based fine-grained assessment of aneurysm wall characteristics using 4D-CT angiography
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19393
PMID:40356666
|
research paper | 提出了一种基于深度学习的细粒度评估方法，用于分析动脉瘤壁特征，包括薄壁区域和增生重塑区域 | 开发了一种结合CNN-LSTM和注意力层的回归模型，并引入了患者无关特征提取机制及未标记数据增强 | 样本量较小（52例未破裂脑动脉瘤），且依赖术中记录作为金标准 | 通过4D-CTA评估动脉瘤壁动力学特征以实现精准风险预测 | 未破裂脑动脉瘤的壁运动特性 | digital pathology | cardiovascular disease | 4D-computed tomography angiography (4D-CTA) | CNN-LSTM with attention mechanism | 4D影像序列+术中视频 | 52例未破裂脑动脉瘤 | NA | NA | NA | NA |
| 14047 | 2025-05-15 |
MRI-based machine learning analysis of perivascular spaces and their link to sleep disturbances, dementia, and mental distress in young adults with long-time mobile phone use
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1555054
PMID:40356706
|
研究论文 | 本研究通过MRI和深度学习技术分析长期使用手机（LTMPU）的年轻成年人中扩大的血管周围间隙（EPVSs）与睡眠障碍、痴呆和精神困扰的关联 | 首次利用深度学习算法定量分析EPVSs特征，并探讨其与多种临床症状的关联 | 样本量较小（82例），且为回顾性研究 | 探究长期手机使用者的EPVSs特征与神经精神症状的关系 | 长期使用手机的年轻成年人 | 数字病理学 | 神经退行性疾病 | MRI扫描、深度学习算法 | 深度学习 | MRI图像 | 82名LTMPU患者 | NA | NA | NA | NA |
| 14048 | 2025-05-15 |
MRI-based deep learning with clinical and imaging features to differentiate medulloblastoma and ependymoma in children
2025, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2025.1570860
PMID:40356719
|
research paper | 该研究探讨了基于T2加权MRI的深度学习结合临床和影像特征在儿童髓母细胞瘤和室管膜瘤鉴别中的有效性 | 结合深度学习和多模态临床影像特征构建融合模型，显著提高了鉴别诊断的准确性 | 样本量相对有限（201例），且来自三个研究中心可能存在数据异质性 | 开发有效的儿童髓母细胞瘤和室管膜瘤鉴别诊断方法 | 儿童髓母细胞瘤（MB）和室管膜瘤（EM）患者 | digital pathology | brain tumor | T2-weighted MRI | AlexNet-based DL classifier with multimodality fusion | MRI images and clinical features | 201名患者（来自三个研究中心） | NA | NA | NA | NA |
| 14049 | 2025-05-15 |
Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1559389
PMID:40356770
|
研究论文 | 本研究提出了一种结合深度学习与传统中医的自动化舌象分析系统，以提高舌诊的准确性和客观性 | 系统包括硬件设备、改进的半监督学习分割算法、高性能色彩校正模块以及融合不同特征的舌象分析算法 | 未提及具体样本量或实验设计的局限性 | 提升中医舌诊的准确性和客观性 | 舌象图像 | 数字病理 | NA | 深度学习 | U2net | 图像 | NA | NA | NA | NA | NA |
| 14050 | 2025-05-15 |
Deep learning for malignant lymph node segmentation and detection: a review
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1526518
PMID:40356919
|
综述 | 本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展 | 专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白 | 未提及具体模型的性能比较或量化分析 | 提升癌症治疗规划的精确性和效率 | 恶性淋巴结 | 数字病理学 | 癌症 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 14051 | 2025-05-15 |
Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review
2025, Jamba (Potchefstroom, South Africa)
DOI:10.4102/jamba.v17i1.1776
PMID:40357012
|
综述 | 本文通过文献计量学方法回顾了人工智能在灾害管理中的应用 | 利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱 | 仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究 | 评估人工智能技术在灾害管理领域的应用现状和发展趋势 | 自然灾害管理相关的人工智能研究文献 | 机器学习 | NA | 文献计量分析 | NA | 文献数据 | 848篇出版物 | NA | NA | NA | NA |
| 14052 | 2025-05-15 |
Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme
2025, BMJ open sport & exercise medicine
IF:3.9Q1
DOI:10.1136/bmjsem-2024-002388
PMID:40357054
|
research paper | 本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展 | 该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性 | 尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证 | 开发一个教育计划，以预防年轻运动员的健康问题并支持其发展 | 体育初中和体育高中的年轻运动员 | 运动科学 | NA | NA | NA | NA | 超过40名利益相关者参与开发过程 | NA | NA | NA | NA |
| 14053 | 2025-05-15 |
Deep learning object detection-based early detection of lung cancer
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1567119
PMID:40357272
|
research paper | 本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用 | 比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳 | 研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证 | 提高肺癌早期诊断和分类的准确性 | 肺癌CT图像 | computer vision | lung cancer | deep learning | YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11） | image | Lung-PET-CT-Dx公共数据集 | NA | NA | NA | NA |
| 14054 | 2025-05-15 |
RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1587307
PMID:40357270
|
研究论文 | 提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄 | 通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力 | NA | 提高主动脉瓣狭窄的诊断准确性，支持临床决策 | 主动脉瓣狭窄（AS）患者 | 数字病理 | 心血管疾病 | 深度学习 | CNN（ResNet50改进版） | 图像（超声心动图） | TMED-2和TMED-1数据集 | NA | NA | NA | NA |
| 14055 | 2025-05-15 |
An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1564446
PMID:40357276
|
研究论文 | 本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性 | 首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能 | 研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型 | 提高女性压力性尿失禁的诊断精度和可靠性 | 464名女性的经会阴超声图像（200例患者和264例对照） | 数字病理 | 尿失禁 | 经会阴超声（TPUS） | ResNet-50, ResNet-152, DenseNet-121 | 图像 | 464名女性（200例患者和264例对照） | NA | NA | NA | NA |
| 14056 | 2025-05-15 |
Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1530361
PMID:40357297
|
研究论文 | 本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性 | 首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值 | 研究样本量相对较小（119名成人），且为回顾性研究 | 开发自动分割和测量前视通路体积的深度学习模型 | 前视通路（AVP） | 数字病理学 | NA | 3D T1加权成像（T1WI） | 3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT) | 3D医学影像 | 119名成人的临床数据和脑部3D T1WI影像 | NA | NA | NA | NA |
| 14057 | 2025-10-07 |
Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study
2025-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2025.2474206
PMID:40083057
|
研究论文 | 开发并验证用于预测慢性肾病患者冠状动脉造影和介入术后发生对比剂急性肾损伤的深度学习模型 | 首次专门针对慢性肾病高危人群开发可解释的深度神经网络预测模型，并建立了基于网页的临床决策工具 | 单中心研究，样本量相对有限（989例患者） | 预测慢性肾病患者冠状动脉造影和介入术后对比剂急性肾损伤的发生风险 | 接受冠状动脉造影或经皮冠状动脉介入治疗的慢性肾病成年患者 | 机器学习 | 慢性肾病，心血管疾病 | 冠状动脉造影，经皮冠状动脉介入治疗 | DNN, 随机森林 | 临床数据 | 989例慢性肾病患者（125例发生PC-AKI） | NA | 深度神经网络 | AUROC | NA |
| 14058 | 2025-10-07 |
A comprehensive review of computational methods for Protein-DNA binding site prediction
2025-Aug, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2025.115862
PMID:40209920
|
综述 | 本文全面回顾并分类了蛋白质-DNA结合位点预测的主要计算方法，并对14种先进模型进行了基准测试 | 系统比较了基于模板检测、统计机器学习和深度学习的DNA结合位点预测方法，发现基于预训练大语言模型的深度学习方法性能最优 | NA | 开发高效准确的DNA结合位点预测计算方法 | 蛋白质-DNA结合位点 | 生物信息学 | NA | 计算方法 | 深度学习, 统计机器学习, 模板检测 | 蛋白质序列/结构数据 | 136个非冗余蛋白质 | NA | 预训练大语言模型 | NA | NA |
| 14059 | 2025-10-07 |
Rapid diagnosis of lung cancer by multi-modal spectral data combined with deep learning
2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125997
PMID:40073660
|
研究论文 | 提出基于深度学习的多模态光谱信息融合网络用于肺腺癌细胞检测 | 提出自适应深度卷积(ADConv)和跨模态交互融合(CMIF)模块，实现多模态光谱数据的深度特征挖掘与融合 | NA | 开发快速诊断肺癌的新方法 | 正常细胞和肺腺癌患者细胞 | 计算机视觉 | 肺癌 | 傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱 | CNN, Transformer | 光谱文本数据、光谱图像 | NA | NA | ResNet, Transformer, 一维卷积神经网络 | 准确率 | NA |
| 14060 | 2025-10-07 |
Zero-shot and few-shot multimodal plastic waste classification with vision-language models
2025-Jul, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.114815
PMID:40273572
|
研究论文 | 本研究探索利用视觉语言模型进行建筑和拆除塑料废物的树脂类型分类 | 首次将视觉语言模型应用于塑料废物分类，支持零样本和小样本学习，显著减少对标注数据的依赖 | 零样本分类准确率仍有提升空间，模型性能可能受限于语言描述的质量 | 开发数据高效且可扩展的塑料废物分类方法 | 建筑和拆除过程中产生的塑料废物 | 计算机视觉 | NA | 视觉语言模型 | VLM | 图像, 文本 | NA | NA | 视觉语言模型 | 准确率 | NA |