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 19278 篇文献，本页显示第 15541 - 15560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15541 | 2025-05-03 |
Deep learning in neurosurgery: a systematic literature review with a structured analysis of applications across subspecialties
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1532398
PMID:40308224
|
系统文献综述 | 本研究系统综述了深度学习在神经外科实践中的应用，全面了解深度学习在神经外科中的角色 | 提供了深度学习技术在神经外科各亚专科中的具体应用、局限性和未来方向的系统综述 | 深度学习模型在神经外科实践中的整合面临挑战和限制 | 系统评估深度学习在神经外科实践中的应用及其潜力 | 神经外科各亚专科的深度学习应用研究 | 数字病理 | 神经外科相关疾病 | 深度学习 | DL算法 | 视频、图像、CT、MRI和超声数据 | 181篇符合条件的研究文章 | NA | NA | NA | NA |
| 15542 | 2025-05-03 |
An android-smartphone application for rice panicle detection and rice growth stage recognition using a lightweight YOLO network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1561632
PMID:40308302
|
研究论文 | 本研究开发了一个基于改进YOLOv8模型的安卓智能手机应用，用于水稻穗检测和生长阶段识别 | 提出了YOLO_ECO模型，通过C2f-Faster-EMA模块、Slim Neck结构和LSCD头部等改进，显著提升了检测效率和精度 | NA | 提高精准田间管理水平以最大化粮食产量 | 水稻穗及其生长阶段（孕穗期、抽穗期和灌浆期） | 计算机视觉 | NA | 深度学习 | YOLO_ECO（改进的YOLOv8） | 图像 | NA | NA | NA | NA | NA |
| 15543 | 2025-05-03 |
Approach for enhancing the accuracy of semantic segmentation of chest X-ray images by edge detection and deep learning integration
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1522730
PMID:40309721
|
研究论文 | 提出了一种结合边缘检测和深度学习的方法来提高胸部X光图像语义分割的准确性 | 整合了Sobel和Scharr边缘检测滤波器与U-net深度学习架构，显著提升了分割精度 | 未提及对不同设备或不同质量X光图像的泛化能力 | 提高胸部X光图像中解剖结构的分割准确性，以改善心胸疾病的诊断 | 胸部X光图像中的肺、心脏和锁骨 | 计算机视觉 | 心胸疾病 | 边缘检测（Sobel和Scharr滤波器） | U-net | 图像 | NA | NA | NA | NA | NA |
| 15544 | 2025-05-03 |
EfficientNetB0-Based End-to-End Diagnostic System for Diabetic Retinopathy Grading and Macular Edema Detection
2025, Diabetes, metabolic syndrome and obesity : targets and therapy
DOI:10.2147/DMSO.S506494
PMID:40309724
|
研究论文 | 开发并验证了一种基于深度学习的自动化诊断系统，用于快速准确诊断糖尿病视网膜病变（DR）及其并发症 | 采用EfficientNetB0模型构建端到端诊断系统，实现DR分级和糖尿病黄斑水肿（DME）检测，并通过Grad-CAM增强模型可解释性 | 未提及模型在不同人群或设备采集图像上的泛化能力 | 提高糖尿病视网膜病变诊断的效率和准确性 | 2753名患者的19,031张荧光素血管造影（FFA）图像 | 数字病理学 | 糖尿病视网膜病变 | 荧光素血管造影（FFA） | EfficientNetB0 | 图像 | 19,031张FFA图像（来自2,753名患者） | NA | NA | NA | NA |
| 15545 | 2025-05-03 |
Corrigendum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1607769
PMID:40313407
|
correction | 本文是对先前发表的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15546 | 2025-05-02 |
Artificial Intelligence Measurement of Preoperative Radiographs in Adolescent Idiopathic Scoliosis Based on Multiple-View Semantic Segmentation
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241270036
PMID:39109794
|
研究论文 | 本研究探讨了基于深度学习的青少年特发性脊柱侧凸（AIS）自动分类方法，并验证了机器分类与人工分类的一致性 | 利用U-Net语义分割神经网络技术和深度学习方法，实现了脊柱多视图的自动分割和对齐关系建立，以及Cobb角等脊柱特征的自动提取 | 研究样本量相对较小，且性别比例不均（男性81例，女性425例） | 开发并验证一种自动化的AIS影像分类方法，以提高分类的一致性和准确性 | 青少年特发性脊柱侧凸（AIS）患者 | 数字病理 | 脊柱侧凸 | 深度学习，U-Net语义分割神经网络 | U-Net | 图像 | 506例（训练集），107例（测试集） | NA | NA | NA | NA |
| 15547 | 2025-05-02 |
A New Method for Scoliosis Screening Incorporating Deep Learning With Back Images
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241282581
PMID:39264983
|
研究论文 | 提出了一种结合深度学习与背部图像的新方法用于脊柱侧弯筛查 | 利用深度学习算法自动进行脊柱侧弯筛查，减少不必要的辐射风险和筛查成本 | 研究样本量较小（247例），且为回顾性研究 | 开发一种自动化、准确、简洁且方便的脊柱侧弯筛查方法 | 脊柱侧弯患者 | 计算机视觉 | 脊柱侧弯 | 深度学习 | NA | 图像（正面、侧面、背部直立图像及X射线图像） | 247例脊柱侧弯患者（2008-2021年数据） | NA | NA | NA | NA |
| 15548 | 2025-05-02 |
Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks
2025-May, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241299332
PMID:39487037
|
研究论文 | 该研究通过比较专家和深度卷积神经网络（CNN）对腰椎多水平磁共振成像（MRI）的狭窄分级，探讨深度学习在临床诊断中的应用 | 使用CNN进行腰椎狭窄分级和神经根分类，展示了深度学习在医学影像诊断中的潜力 | 解剖结构的突然变化可能导致仅基于图像的诊断困难 | 评估深度学习模型在腰椎狭窄分级和神经根分类中的性能 | 腰椎多水平磁共振成像 | 数字病理学 | 脊柱疾病 | MRI | CNN | 图像 | NA | NA | NA | NA | NA |
| 15549 | 2025-05-02 |
DDUM: Deformable Dilated U-structure Module for coronary stenosis detection
2025-May, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104337
PMID:40306887
|
research paper | 提出了一种可变形可扩展的U结构模块（DDUM），用于提高冠状动脉狭窄检测的准确性和泛化能力 | DDUM模块能够针对冠状动脉狭窄检测任务优化通用网络，显著提升模型性能和泛化能力 | 未提及具体的数据集规模和多样性限制 | 提高冠状动脉狭窄检测的准确性和模型泛化能力 | 冠状动脉狭窄检测 | computer vision | cardiovascular disease | deep learning | ResNet50 + faster R-CNN | medical imaging (coronary angiography) | NA | NA | NA | NA | NA |
| 15550 | 2025-05-01 |
Correction: Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug‑in modules
2025-Apr-29, Knee surgery & related research
IF:4.1Q1
DOI:10.1186/s43019-025-00268-3
PMID:40302005
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15551 | 2025-05-02 |
Harnessing deep learning to monitor people's perceptions towards climate change on social media
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97441-1
PMID:40295576
|
研究论文 | 利用深度学习监测社交媒体上人们对气候变化的看法 | 提出了一种基于自然语言处理的可扩展方法框架，用于长期监测社交媒体用户对气候变化的看法和反应 | 研究仅针对西班牙、葡萄牙和英语的社交媒体帖子，可能无法代表全球范围内的观点 | 监测和分析社交媒体上人们对气候变化的看法，以支持基于数据的决策 | 社交媒体用户对气候变化的看法和反应 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 文本 | 1771千条来自西班牙、葡萄牙和英语的X/Twitter帖子 | NA | NA | NA | NA |
| 15552 | 2025-05-02 |
SkinEHDLF a hybrid deep learning approach for accurate skin cancer classification in complex systems
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98205-7
PMID:40295588
|
research paper | 提出了一种名为SkinEHDLF的混合深度学习模型，用于提高皮肤癌分类的准确性 | 结合了ConvNeXt、EfficientNetV2和Swin Transformer的优势，并引入了自适应注意力特征融合机制 | 未提及具体局限性 | 提高皮肤癌分类的准确性和可靠性 | 皮肤病变图像 | computer vision | skin cancer | 深度学习 | ConvNeXt, EfficientNetV2, Swin Transformer | image | 401,059张皮肤病变图像 | NA | NA | NA | NA |
| 15553 | 2025-05-02 |
Optimizing photovoltaic integration in grid management via a deep learning-based scenario analysis
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98724-3
PMID:40295668
|
research paper | 该研究开发了一种结合深度学习技术的双阶段优化模型，以解决光伏系统并入电网的挑战 | 利用生成对抗网络（GANs）模拟多样化和高分辨率的能源生成-消耗模式，并通过实时自适应控制框架进行动态调整，显著提升电网效率和稳定性 | 未提及具体的地理或气候条件限制，可能影响模型的普适性 | 优化光伏系统在电网管理中的集成，提高经济与环境效益 | 光伏系统与电网的集成管理 | machine learning | NA | GANs | GAN | 能源生成与消耗数据 | NA | NA | NA | NA | NA |
| 15554 | 2025-05-02 |
Impact of fine-tuning parameters of convolutional neural network for skin cancer detection
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99529-0
PMID:40295678
|
research paper | 该研究探讨了卷积神经网络（CNN）参数微调对皮肤癌检测性能的影响 | 通过调整CNN的层数、Conv2D层的滤波器数量及去除dropout层，显著提高了分类器的准确率，从62.5%提升至85% | 研究未涉及其他类型的深度学习模型或更广泛的数据集验证 | 优化CNN参数以提高皮肤癌图像数据集的分类准确率 | 皮肤癌图像数据集 | computer vision | skin cancer | NA | CNN | image | NA | NA | NA | NA | NA |
| 15555 | 2025-05-02 |
Deep learning-based tennis match type clustering
2025-Apr-28, BMC sports science, medicine & rehabilitation
DOI:10.1186/s13102-025-01147-w
PMID:40296175
|
研究论文 | 本研究旨在基于比赛方式定义和聚类网球比赛类型 | 首次使用深度学习模型对网球比赛类型进行聚类分析，并识别出四种不同的比赛类型 | 样本量较小，仅包含2023年国际网球公开赛五场决赛的32场比赛 | 聚类网球比赛类型并为每种类型制定比赛策略 | 2023年国际网球公开赛五场决赛的32场比赛 | 机器学习 | NA | 深度学习 | 三种未指定具体名称的聚类模型 | 比赛记录数据 | 32场比赛 | NA | NA | NA | NA |
| 15556 | 2025-05-02 |
Publisher Correction: The intelligent fault identification method based on multi-source information fusion and deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99035-3
PMID:40295585
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15557 | 2025-05-02 |
18F-FDG PET/CT-based deep learning models and a clinical-metabolic nomogram for predicting high-grade patterns in lung adenocarcinoma
2025-Apr-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01684-3
PMID:40295979
|
research paper | 开发并验证基于18F-FDG PET/CT图像的深度学习和传统临床代谢模型，用于无创预测侵袭性肺腺癌的高级别模式 | 结合深度学习和临床代谢参数构建预测模型，并通过列线图可视化 | 样本量较小且为回顾性研究，可能影响模型的泛化能力 | 预测侵袭性肺腺癌的高级别模式 | 303名侵袭性肺腺癌患者 | digital pathology | lung cancer | 18F-FDG PET/CT | DL (deep learning), logistic regression | image (PET/CT) | 303名患者，按7:1:2比例分为训练集、验证集和测试集 | NA | NA | NA | NA |
| 15558 | 2025-05-02 |
DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms
2025-Apr-24, Frontiers in bioscience (Landmark edition)
DOI:10.31083/FBL36603
PMID:40302345
|
研究论文 | 提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点 | 结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题 | 未明确说明模型在更广泛RNA序列上的泛化能力 | 开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制 | RNA中的m6Am修饰位点 | 生物信息学 | NA | One-Hot编码，深度学习 | DenseNet, TCN, CBAM | RNA序列数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 15559 | 2025-05-02 |
Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data
2025-Apr, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2025.109754
PMID:39799874
|
研究论文 | 本研究评估了一种基于深度学习的模型，利用死后24小时采集的高光谱图像预测猪颈肉半棘肌的烹饪损失 | 首次将深度学习模型应用于高光谱图像数据，预测猪颈肉半棘肌的烹饪损失，并通过像素级数据增强克服小样本问题 | 样本量相对较小（70个猪颈肉），且分类准确率随等级数量增加而下降 | 开发一种非破坏性方法来预测猪颈肉的质量特性 | 猪颈肉的半棘肌（SC肌肉） | 计算机视觉 | NA | 高光谱成像 | 深度学习模型（具体未说明），对比PCR和PLSR模型 | 高光谱图像 | 70个猪颈肉样本，采用像素级数据增强 | NA | NA | NA | NA |
| 15560 | 2025-05-02 |
Improved Pine Wood Nematode Disease Diagnosis System Based on Deep Learning
2025-Apr, Plant disease
IF:4.4Q1
DOI:10.1094/PDIS-06-24-1221-RE
PMID:40267359
|
研究论文 | 本研究提出了一种基于深度学习的松材线虫病诊断系统，通过荧光识别技术提高检测效率和准确性 | 首次将荧光识别技术应用于松材线虫病检测，并开发了集激发、检测、数据分析与传输于一体的专用系统，改进了YOLOv5模型，提高了大尺寸图像的识别精度 | 未提及系统在不同环境条件下的稳定性和泛化能力 | 开发快速有效的松材线虫病检测方法以减少病害传播和松树砍伐 | 松材线虫病 | 计算机视觉 | 植物病害 | 荧光识别技术 | 改进的YOLOv5（集成Res2Net、SimAM注意力机制和Bi-FPN） | 图像 | 未明确提及具体样本数量，但系统可检测DNA浓度低至1 fg/μl的样本 | NA | NA | NA | NA |