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 14201 - 14220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14201 | 2025-10-07 |
Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317630
PMID:40063554
|
研究论文 | 本研究开发了一种基于极坐标变换时频心电图和深度学习的房颤预测方法 | 提出使用短时傅里叶变换谱图的极坐标变换来可视化ECG信号，并评估深度CNN在此类图像上的房颤预测性能 | NA | 开发用于可穿戴设备的紧凑直观心电图心律失常检测方法 | 心电图信号和房颤等心律分类 | 计算机视觉 | 心血管疾病 | 短时傅里叶变换，极坐标变换 | CNN | 图像 | PhysioNet/CinC Challenge 2017数据集中的心电图数据 | NA | 预训练深度CNN | NA | NA |
| 14202 | 2025-10-07 |
Color correction methods for underwater image enhancement: A systematic literature review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317306
PMID:40063649
|
系统文献综述 | 系统回顾和分析水下图像增强中颜色校正方法的最新进展 | 首次系统性地对2010-2024年间的水下图像颜色校正方法进行分类和比较分析，提出了三类方法的分类框架 | 仅基于67项研究进行分析，可能存在文献覆盖不全的问题；未进行原始方法的实验验证 | 识别和批判性分析现有水下图像颜色校正方法，突出其优势、局限性和未来研究方向 | 水下图像颜色校正方法 | 计算机视觉 | NA | 图像增强技术 | NA | 水下图像 | 67项相关研究 | NA | NA | NA | NA |
| 14203 | 2025-10-07 |
LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313707
PMID:40067873
|
研究论文 | 开发了一个细粒度的功能动作筛查数据集LLM-FMS，并提出基于大语言模型的动作质量评估框架 | 创建了首个用于动作评估任务的细粒度健身动作数据集，并提出了结合专家规则和大语言模型的创新评估框架 | 数据集规模相对较小（45名受试者），仅包含七种FMS动作 | 提高功能动作筛查评估的细粒度反馈能力和可解释性 | 功能动作筛查视频中的动作质量评估 | 计算机视觉 | 运动损伤 | 视频分析，骨骼关键点提取 | 大语言模型 | 视频，图像 | 45名受试者的1812个动作关键帧图像，包含7种FMS动作的15种动作表现 | RTMPose | 大语言模型 | 准确率，可解释性 | NA |
| 14204 | 2025-10-07 |
Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma
2025, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.107694
PMID:40084259
|
研究论文 | 本研究通过多组学和单细胞分析构建了基于机器学习的嘧啶代谢相关特征模型，用于肺腺癌患者的预后预测 | 首次整合多种机器学习和深度学习算法构建嘧啶代谢相关特征模型，并通过单细胞分析揭示其在肿瘤免疫微环境中的作用 | 研究主要基于生物信息学分析，实验验证仅针对关键因子LYPD3在细胞系中的功能 | 开发肺腺癌预后预测模型并探索嘧啶代谢在肿瘤治疗中的意义 | 肺腺癌患者和LUAD细胞系 | 机器学习 | 肺癌 | 多组学分析,单细胞分析 | 机器学习,深度学习 | 基因组数据,转录组数据,单细胞数据 | NA | NA | 随机生存森林 | 准确性,稳定性 | NA |
| 14205 | 2025-10-07 |
PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3558425
PMID:40249694
|
研究论文 | 提出一种基于填充的旋转等变卷积模式(PreCM)用于提升语义分割网络对图像旋转的鲁棒性 | 首次构建通用卷积-群框架，数学设计适用于多尺度图像和卷积核的旋转等变卷积模式，并提出新的评估指标旋转差异(RD) | NA | 解决语义分割网络中因缺乏旋转等变性导致的方位信息干扰问题 | 遥感水体图像、医学毛细血管和息肉图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个数据集(水体卫星图像、DRIVE、Floodnet) | NA | 六种现有语义分割网络 | IOU, RD | NA |
| 14206 | 2025-10-07 |
Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1475362
PMID:40351458
|
研究论文 | 本研究提出了一种混合模型HMDC，通过深度学习和传统图像处理技术相结合的方法，有效去除心脏CT图像中的钙化伪影 | 首次将深度学习与传统图像处理方法相结合用于心脏CT图像去钙化，提出混合模型HMDC | NA | 提高心脏CT图像的清晰度和诊断价值 | 心脏CT图像中的钙化区域 | 计算机视觉 | 心血管疾病 | CT成像 | CNN | 医学图像 | NA | NA | 混合模型架构 | 准确率 | NA |
| 14207 | 2025-10-07 |
Multi-classification Deep Learning Approach for Diagnosing Stroke Type and Severity Using Multimodal Magnetic Resonance Images
2025, Journal of medical signals and sensors
DOI:10.4103/jmss.jmss_37_24
PMID:40351777
|
研究论文 | 本研究开发了一种基于多模态磁共振图像和卷积神经网络的深度学习方法来诊断卒中类型和严重程度 | 提出了两种改进模型ACL-ResNet-50和ACL-MobileNetV1，通过增强层结构提升性能，并同时处理卒中类型分类和严重程度预测 | 样本量相对较小（143例患者），仅使用NIHSS评分评估严重程度 | 开发辅助卒中治疗决策的自动诊断工具 | 卒中患者（85例缺血性卒中，58例出血性卒中） | 计算机视觉 | 卒中 | 磁共振成像（扩散加权成像，表观扩散系数） | CNN | 医学图像 | 143例患者 | TensorFlow, PyTorch, Keras | ResNet-50, MobileNetV1, ACL-ResNet-50, ACL-MobileNetV1 | 准确率, 敏感度, 特异度, AUC | NA |
| 14208 | 2025-10-07 |
Telemedicine in China: Effective indicators of telemedicine platforms for promoting health and well-being among healthcare consumers
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251341163
PMID:40351848
|
研究论文 | 本研究通过结合Servqual质量评估模型与CNN-BiLSTM深度学习模型，识别影响中国远程医疗平台服务质量的关键因素 | 提出结合Servqual质量评估模型与注意力机制增强的CNN-BiLSTM深度学习模型的新方法 | NA | 识别影响中国远程医疗平台服务质量的关键因素，促进患者福祉并为行业利益相关者提供循证服务创新依据 | 远程医疗平台用户 | 自然语言处理 | NA | 情感分析 | CNN, BiLSTM | 文本 | 25,499条有效在线评论 | NA | CNN-BiLSTM with attention mechanism | 情感分类准确率 | NA |
| 14209 | 2025-10-07 |
TongueNet: a multi-modal fusion and multi-label classification model for traditional Chinese Medicine tongue diagnosis
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1527751
PMID:40352152
|
研究论文 | 提出一种融合舌象图像与文本特征的多模态深度学习模型TongueNet，用于中医舌诊的多标签分类 | 采用分层聚合网络和特征空间投影模块进行多模态特征融合，引入EMA多尺度注意力机制和KAN网络替代传统MLP优化特征表示 | 数据稀缺问题仍然存在，模型在更广泛临床场景中的泛化能力有待验证 | 解决中医舌诊中数据稀缺和多模态诊断模型缺乏的问题，提升疾病性质和部位分类的准确性 | 舌象图像及其对应的疾病性质和部位多标签信息 | 计算机视觉 | 中医诊断相关疾病 | 多模态深度学习 | 深度学习 | 图像, 文本 | 整合Roboflow平台的三个公开舌象数据集，由多位专家进行多模态标注 | NA | 分层聚合网络(HAN), 特征空间投影模块, 多尺度注意力机制(EMA), Kolmogorov-Arnold网络(KAN) | 准确率, AUC | 模型参数量32.1M，显著降低计算资源需求 |
| 14210 | 2025-10-07 |
A deep learning pipeline for morphological and viability assessment of 3D cancer cell spheroids
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf030
PMID:40352793
|
研究论文 | 提出一种用于3D癌细胞球体形态学和活力评估的深度学习流程 | 开发可扩展的两阶段深度学习流程，整合分割与分析任务，解决现有方法缺乏集成工作流程的问题 | 未明确说明样本规模和数据来源的具体限制 | 实现3D癌细胞球体的高通量形态特征分析和细胞活力评估 | 3D癌细胞球体模型 | 计算机视觉 | 癌症 | 显微镜成像 | CNN, U-Net | 显微镜图像 | NA | NA | U-Net, CNN Regression Hybrid | 准确率, R²值 | NA |
| 14211 | 2025-10-07 |
A super resolution generative adversarial networks and partition-based adaptive filtering technique for detect and remove flickers in digital color images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317758
PMID:40354494
|
研究论文 | 提出一种结合超分辨率生成对抗网络和分区自适应滤波技术的无监督框架，用于检测和消除数字彩色图像中的闪烁伪影 | 首次将SRGAN与分区自适应滤波技术结合，构建端到端的无监督单图像去闪烁框架，无需相机参数或匹配图像等先验知识 | 仅针对单图像去闪烁问题，未验证在视频序列上的性能；需要进一步测试在不同类型相机和光照条件下的泛化能力 | 消除数字图像中的闪烁伪影，提升图像视觉质量和真实性 | 使用卷帘快门CMOS传感器相机拍摄的数字彩色图像 | 计算机视觉 | NA | 超分辨率生成对抗网络，分区自适应滤波技术 | GAN | 图像 | 未配对的图像数据 | NA | SRGAN | 视觉质量，闪烁像差减少 | NA |
| 14212 | 2025-10-07 |
Integrating temporal convolutional networks with metaheuristic optimization for accurate software defect prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319562
PMID:40354496
|
研究论文 | 提出一种结合时序卷积网络和蚁狮优化的智能方法用于软件缺陷预测 | 首次将时序卷积网络与蚁狮优化算法相结合用于软件缺陷预测，通过元启发式算法优化网络权重 | NA | 确定最有效的软件缺陷检测模型 | 软件项目中的缺陷 | 机器学习 | NA | NA | TCN, CNN, GRU, BiLSTM | 软件项目数据 | NA | NA | 时序卷积网络, 卷积神经网络, 门控循环单元, 双向长短期记忆网络 | AUC, 灵敏度, 特异性, 准确率, 错误率 | NA |
| 14213 | 2025-05-13 |
From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction
2025-Jul, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2025.03.004
PMID:40147701
|
review | 本文探讨了胰腺导管腺癌（PDAC）风险分层的演变，比较了传统流行病学框架与AI驱动的方法 | 提出将AI技术整合到PDAC风险分层中，以动态模型整合多种数据集，发现新的相互作用和风险特征 | 临床转化中的挑战包括数据稀缺、模型可解释性和外部验证 | 开发可扩展的个性化预测工具，以改善PDAC的早期检测和患者预后 | 胰腺导管腺癌（PDAC） | machine learning | pancreatic cancer | genome-wide association studies, polygenic risk scores, radiomics | machine learning, deep learning | genetic, clinical, lifestyle, imaging data | NA | NA | NA | NA | NA |
| 14214 | 2025-05-13 |
Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet)
2025-Jul, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108048
PMID:40252392
|
研究论文 | 本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素 | 首次应用TabNet模型分析农用设备车辆事故严重性因素，并比较县道与非县道差异，提供特征重要性和SHAP图的可解释性 | 研究基于特定数据集，可能无法完全代表所有地区的农用设备车辆事故情况 | 评估农用设备车辆在不同类型道路上的碰撞风险因素，为制定针对性安全措施提供依据 | 涉及农用设备车辆的交通事故 | 机器学习 | NA | TabNet, SMOTE, SHAP | TabNet | 表格数据 | 未明确说明具体样本量（农用设备车辆事故数据） | NA | NA | NA | NA |
| 14215 | 2025-10-07 |
A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy
2025-Jun-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143617
PMID:40049135
|
研究论文 | 本研究开发了一种基于改进卷积神经网络架构的PeaNet模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白含量 | 提出了一种通用的深度学习模型PeaNet，在豌豆蛋白含量预测和分类任务中显著优于传统机器学习模型和常规深度学习架构 | 模型仅在52个豌豆品种的156个光谱数据集上验证，样本多样性可能有限 | 开发快速准确的豌豆蛋白含量检测方法，用于育种和食品质量控制 | 豌豆蛋白含量 | 机器学习 | NA | 可见光和近红外光谱 | CNN | 光谱数据 | 52个豌豆品种的156个光谱数据集 | NA | 改进的卷积神经网络 | R值, 分类准确率 | NA |
| 14216 | 2025-05-13 |
Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning
2025-Jun-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179582
PMID:40324314
|
研究论文 | 本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响 | 结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化 | 研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况 | 预测气候变化对盐湖特征及周边生态环境的影响 | 查卡湖、图兹湖和拉扎扎湖等盐湖 | 遥感与深度学习 | NA | SRGAN、MRS、CA-Markov建模、LSTM算法 | SRGAN、LSTM | 卫星图像 | 查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据 | NA | NA | NA | NA |
| 14217 | 2024-12-05 |
Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease
2025-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04694-x
PMID:39630201
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14218 | 2024-12-12 |
Evaluating deep learning and radiologist performance in volumetric prostate cancer analysis with biparametric MRI and histopathologically mapped slides
2025-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04734-6
PMID:39658736
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14219 | 2025-10-07 |
DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning
2025-Jun, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出基于深度克罗内克卷积神经网络和联邦学习的肺部疾病检测方法 | 结合联邦学习保护数据隐私，提出新型DKCN-Net网络架构，集成深度克罗内克神经网络和平行卷积神经网络 | NA | 开发在保护隐私前提下实现高稳定性肺部疾病检测的深度学习技术 | 肺部CT图像中的疾病检测 | 计算机视觉 | 肺癌 | CT成像 | CNN, 联邦学习 | CT图像 | 来自LIDC-IDRI数据库的CT图像 | NA | DKCN-Net, DKN, PCNN, 3D-FCN | 准确率, 损失率, 均方误差, 真阳性率, 真阴性率 | NA |
| 14220 | 2025-10-07 |
Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder
2025-Jun-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.02.109
PMID:40044084
|
研究论文 | 通过自助法推断和机器学习识别重度抑郁症患者血浆代谢连接组的核心差异特征 | 首次在大规模人群中构建代谢相关性网络并识别MDD特异的网络特征，突破了传统单一生化标志物分析的局限 | 研究基于横断面数据，无法确定代谢网络改变与抑郁症的因果关系 | 揭示重度抑郁症的代谢网络特征并开发诊断模型 | 182,053名UK Biobank参与者（9,425名MDD患者和172,628名健康对照） | 机器学习 | 重度抑郁症 | 血浆代谢组学 | 深度学习, 机器学习, XGBoost | 代谢组数据 | 182,053人 | NA | NA | 准确率, AUROC | NA |