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 16751 篇文献，本页显示第 15821 - 15840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15821 | 2025-02-05 |
Dynamics of spindle assembly and position checkpoints: Integrating molecular mechanisms with computational models
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.12.021
PMID:39897055
|
综述 | 本文综述了有丝分裂检查点的分子机制与计算模型的整合，探讨了从简单蛋白质相互作用到全系统模拟的数学模型框架 | 通过计算模型揭示检查点动态的多尺度特性，包括驱动纺锤体组装检查点（SAC）激活的双稳态开关和纺锤体位置检查点（SPOC）信号的空间组织原则 | 在整合空间和时间尺度、优化参数估计以及提高空间建模精度方面仍存在挑战 | 通过计算模型深入理解有丝分裂检查点的系统级行为，为癌症研究和治疗开发提供理论基础 | 有丝分裂检查点的分子机制和系统级行为 | 计算生物学 | 癌症 | 单分子成像、数据驱动算法、深度学习 | 常微分方程、随机模拟、基于规则的模型、化学组织理论 | 分子相互作用数据、活细胞成像数据 | NA | NA | NA | NA | NA |
| 15822 | 2025-02-05 |
Explainable deep learning identifies patterns and drivers of freshwater harmful algal blooms
2025-Jan, Environmental science and ecotechnology
IF:14.0Q1
DOI:10.1016/j.ese.2024.100522
PMID:39897111
|
研究论文 | 本文开发了一种可解释的深度学习方法，用于识别淡水有害藻华的模式和驱动因素 | 结合LSTM模型和解释技术，能够捕捉复杂模式并提供对关键藻华驱动因素的可解释性见解 | 数据可用性不均和藻类过程的强区域特异性可能导致模型泛化能力受限 | 解决淡水有害藻华（HABs）建模中的关键挑战，包括区域特异性和数据限制 | 中国湖泊和水库中的藻类密度 | 机器学习 | NA | LSTM模型 | LSTM | 时间序列数据 | 102个中国湖泊和水库的三年数据 | NA | NA | NA | NA |
| 15823 | 2025-02-05 |
Quantifying the Characteristics of Diabetic Retinopathy in Macular Optical Coherence Tomography Angiography Images: A Few-Shot Learning and Explainable Artificial Intelligence Approach
2025-Jan, Cureus
DOI:10.7759/cureus.76746
PMID:39897224
|
研究论文 | 本文探讨了使用少样本学习和可解释人工智能方法在糖尿病视网膜病变（DR）分期分类中的应用，以提高光学相干断层扫描血管成像（OCTA）图像的准确性 | 结合少样本学习（FSL）和自注意力机制的可解释人工智能（XAI）方法，解决了在数据有限的情况下进行DR分期分类的挑战 | 研究样本量较小，仅包含206张OCTA图像，可能影响模型的泛化能力 | 提高糖尿病视网膜病变（DR）分期分类的准确性，特别是在数据有限的情况下 | 糖尿病视网膜病变（DR）患者的光学相干断层扫描血管成像（OCTA）图像 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描血管成像（OCTA） | ResNet-50, DenseNet-161, MobileNet-v2, MTUNet | 图像 | 206张OCTA图像（104例非增殖性糖尿病视网膜病变和102例增殖性糖尿病视网膜病变） | NA | NA | NA | NA |
| 15824 | 2025-02-05 |
Automatic etiological classification of stroke thrombus digital photographs using a deep learning model
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1534845
PMID:39897943
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于自动分类缺血性中风血栓的病因，利用机械取栓术获取的血栓数字图像 | 首次将深度学习技术应用于中风血栓的自动病因分类，结合图像分割和分类网络，提高了分类的准确性和精确性 | 样本量相对较小（166例患者），且仅在一个医院进行，可能限制了模型的泛化能力 | 开发一种自动分类缺血性中风血栓病因的深度学习模型 | 接受机械取栓术的大血管闭塞中风患者 | 数字病理学 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 166例患者 | NA | NA | NA | NA |
| 15825 | 2024-12-28 |
Network embedding: The bridge between water distribution network hydraulics and machine learning
2025-Apr-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.123011
PMID:39721501
|
研究论文 | 本文提出了一种新的水分配网络嵌入（WDNE）方法，将水分配网络的液压关系转化为适合机器学习算法的向量形式 | 提出了WDNE方法，首次将水分配网络的液压特性有效整合到机器学习中，并通过两种深度自编码器嵌入模型同时保留液压关系和属性信息 | 未提及具体局限性 | 解决水分配网络管理问题，提升机器学习算法在水分配网络中的应用效率 | 水分配网络（WDNs） | 机器学习 | NA | 深度自编码器嵌入模型 | 自编码器 | 网络拓扑数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15826 | 2025-10-07 |
Brain tumor detection and segmentation using deep learning
2025-Feb, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01203-5
PMID:39231857
|
研究论文 | 本研究比较了不同目标检测算法在脑肿瘤检测中的性能，并提出将最佳检测网络与2D U-Net结合用于肿瘤分割 | 首次系统比较Faster R-CNN、YOLO和SSD在脑肿瘤检测中的性能，并提出YOLOv5与2D U-Net级联的新方法 | 研究主要基于特定数据集（BTF和BRATS 2018），在其他数据集上的泛化能力有待验证 | 开发准确的脑肿瘤检测、分类和分割方法 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 医学图像 | BTF数据集和BRATS 2018数据集 | NA | Faster R-CNN, YOLOv5, SSD, 2D U-Net, Mask R-CNN | mAP, DSC | NA |
| 15827 | 2025-02-04 |
A comprehensive review on early detection of drusen patterns in age-related macular degeneration using deep learning models
2025-Feb, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2024.104454
PMID:39716627
|
综述 | 本文综述了使用深度学习模型早期检测年龄相关性黄斑变性（AMD）中玻璃膜疣模式的全面研究 | 提出了一种基于深度学习的模型，通过结合局部和全局知识来优化AMD早期阶段的玻璃膜疣检测 | 现有模型由于眼底图像分辨率问题，难以准确预测玻璃膜疣区域 | 研究目的是通过深度学习技术早期检测AMD中的玻璃膜疣模式 | 研究对象是年龄相关性黄斑变性（AMD）患者的眼底图像 | 计算机视觉 | 老年疾病 | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 15828 | 2025-02-04 |
Multi-Dimensional Features Extraction for Voice Pathology Detection Based on Deep Learning Methods
2025-Feb-01, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.12.048
PMID:39894721
|
研究论文 | 本文提出了一种基于深度学习的多维特征提取方法，用于语音病理检测 | 提出了一种结合Gammatonegram特征与TKEO Scalogram特征的特征提取方案，命名为CGT Scalogram | NA | 提高语音病理检测的准确性 | 健康语音与病理语音 | 自然语言处理 | 语音障碍 | 深度学习 | ResNet | 语音信号 | Saarbrucken语音数据库 | NA | NA | NA | NA |
| 15829 | 2025-02-04 |
Enhancing feature-aided data association tracking in passive sonar arrays: An advanced Siamese network approach
2025-Feb-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0035577
PMID:39898705
|
研究论文 | 本文提出了一种基于Siamese网络的高级网络BiChannel-SiamDinoNet，用于改进被动声纳阵列中的特征辅助数据关联跟踪方法 | 提出了BiChannel-SiamDinoNet网络，结合Siamese网络和联合概率数据关联框架，通过声学目标的特征结构形成嵌入空间，使系统对变化更加鲁棒，并能有效区分测量和目标之间的差异 | 未提及具体局限性 | 改进被动声纳阵列中的多目标跟踪方法，提高在复杂海洋场景中的性能 | 被动声纳阵列中的多目标跟踪 | 机器学习 | NA | 深度学习 | Siamese网络 | 声学信号 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15830 | 2025-10-07 |
A combined model integrating radiomics and deep learning based on multiparametric magnetic resonance imaging for classification of brain metastases
2025-Jan, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241292528
PMID:39552295
|
研究论文 | 本研究开发了一种结合影像组学和深度学习的多参数MRI模型，用于区分肺腺癌和非肺腺癌脑转移瘤 | 首次将影像组学与深度学习通过分类概率平均方法结合，构建深度迁移学习影像组学模型 | 回顾性研究设计，样本来源单一 | 探索基于多参数MRI的深度迁移学习影像组学在脑转移瘤分类中的可行性 | 342名患者的1389个脑转移瘤病灶 | 医学影像分析 | 脑转移瘤 | 多参数磁共振成像 | CNN, 机器学习算法 | 医学影像 | 342名患者，1389个脑转移瘤病灶（训练集273人/1179病灶，测试集69人/210病灶） | NA | 预训练卷积神经网络 | AUC, 校准曲线, 决策曲线分析 | NA |
| 15831 | 2025-02-03 |
Automating container damage detection with the YOLO-NAS deep learning model
2025 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504251314084
PMID:39887245
|
研究论文 | 本研究利用YOLO-NAS深度学习模型自动化检测集装箱损伤，以提高全球供应链中的产品质量、物流效率和安全性 | 首次将YOLO-NAS模型应用于集装箱损伤检测，解决了海港复杂条件下的高速、高精度需求 | 尽管YOLO-NAS在实时评估能力上表现优异，但其他模型如Fmask-RCNN和MobileNetV2在训练精度上较高，但缺乏实时评估能力 | 开发自动化集装箱损伤检测解决方案，以提高港口物流的效率和安全性 | 集装箱损伤检测 | 计算机视觉 | NA | 深度学习 | YOLO-NAS | 图像 | NA | NA | NA | NA | NA |
| 15832 | 2025-02-03 |
Hybrid deep learning based stroke detection using CT images with routing in an IoT environment
2025-Feb-01, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2452280
PMID:39893512
|
研究论文 | 本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输 | 提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输 | 未提及具体的研究局限性 | 提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾 | CT图像中的中风病变 | 计算机视觉 | 中风 | CT成像 | Jaccard_Residual SqueezeNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15833 | 2025-02-03 |
MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation
2025-Jan-31, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf051
PMID:39891346
|
研究论文 | 本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中 | MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源 | NA | 旨在通过深度学习技术对非编码RNA进行功能分类和注释 | 非编码RNA | 机器学习 | NA | 深度学习 | 基于注意力的多模态数据集成模型 | 序列、二级结构、表达数据 | NA | NA | NA | NA | NA |
| 15834 | 2025-10-07 |
Deep learning and optimization enabled multi-objective for task scheduling in cloud computing
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2391395
PMID:39163538
|
研究论文 | 提出一种结合多目标优化和深度学习模型的云计算任务调度方法 | 提出混合分数火烈鸟甲虫优化算法(FFBO)和深度前馈神经网络融合长短期记忆网络(DFNN-LSTM)的新型任务调度模型 | NA | 优化云计算环境中的任务调度性能 | 云计算任务调度 | 机器学习 | NA | 深度学习 | DRN, DFNN, LSTM | 任务参数和虚拟机参数 | NA | NA | 深度残差网络, 深度前馈神经网络, 长短期记忆网络 | 完工时间, 能耗, 资源利用率 | NA |
| 15835 | 2025-10-07 |
Optimized deep maxout for crowd anomaly detection: A hybrid optimization-based model
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2392772
PMID:39302211
|
研究论文 | 提出一种基于混合优化的深度maxout网络用于人群异常检测 | 结合视觉注意力检测与优化的深度maxout网络，并采用新型BRCASO算法进行权重优化 | NA | 开发高效的人群异常检测方法 | 监控视频中的人群行为 | 计算机视觉 | NA | NA | 深度maxout网络 | 视频 | NA | Python | 优化深度maxout网络 | 检测准确率 | NA |
| 15836 | 2025-10-07 |
Preparing for downstream tasks in artificial intelligence for dental radiology: a baseline performance comparison of deep learning models
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae056
PMID:39563402
|
研究论文 | 比较卷积神经网络、视觉变换器和门控多层感知器在牙科放射影像分类任务中的性能表现 | 首次在牙科放射学领域系统比较CNN、ViT和gMLP三种深度学习架构的性能 | 研究仅使用回顾性收集的二维锥形束CT图像数据 | 评估不同深度学习模型在牙科放射影像分类任务中的表现 | 牙科结构放射影像，包括上颌窦、切牙、颏孔和下颌第三磨牙与下牙槽神经管的位置关系 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描 | CNN, ViT, gMLP | 图像 | NA | NA | 卷积神经网络, 视觉变换器, 门控多层感知器 | 灵敏度, 特异度, 精确度, 准确率, F1分数, AUC-ROC曲线, 精确率-召回率曲线 | NA |
| 15837 | 2025-10-07 |
On-chip deep residual photonic neural networks using optical-electrical shortcut connections
2025-Feb-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.549158
PMID:39888773
|
研究论文 | 提出一种采用光电快捷连接的片上深度残差光子神经网络架构，解决深度光子神经网络训练中的梯度消失和爆炸问题 | 首次在片上光子神经网络中引入光电快捷连接机制，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入输出 | NA | 解决深度光子神经网络训练中的梯度问题，提升网络性能 | 片上光子神经网络 | 机器学习 | NA | 光电混合计算 | 残差神经网络 | 图像数据 | CIFAR-10和CIFAR-100数据集 | NA | Res-PNN | 分类准确率 | NA |
| 15838 | 2025-10-07 |
Femtojoule optical nonlinearity for deep learning with incoherent illumination
2025-Jan-31, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ads4224
PMID:39888986
|
研究论文 | 本文提出了一种与不相干照明兼容的非线性光学微器件阵列，用于实现低功耗光学神经网络 | 通过将液晶单元与硅光电二极管在单像素级别集成，实现了低至100飞焦耳/像素的超低开关能量非线性光学器件 | NA | 开发适用于光学神经网络的高能效、高度并行的光学非线性组件 | 光学神经网络中的非线性激活函数器件 | 计算机视觉 | NA | 光学器件集成技术 | 光学神经网络 | 光学图像 | 超过50万个像素的器件阵列 | NA | 多层神经网络 | 开关能量（100飞焦耳/像素） | NA |
| 15839 | 2025-10-07 |
Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques
2025-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87226-x
PMID:39885307
|
研究论文 | 本研究提出基于Segment Anything Model系列架构的两步式通用视觉废物分拣方法 | 结合SAM系列模型进行废物对象提取与多种分类架构进行精确分拣，无需开发专用检测分割算法 | NA | 评估深度学习架构在机器人废物分拣中处理高度可变物体的能力 | 工业废物分拣 | 计算机视觉 | NA | 深度学习 | SAM系列模型,CNN | 图像 | NA | NA | Segment Anything Model,FastSAM,MobileSAMv2,EfficientSAM,MobileNetV2,VGG19,DenseNet,SqueezeNet,ResNet,Inception-v3 | 准确率 | NA |
| 15840 | 2025-10-07 |
Multi-modal framework for battery state of health evaluation using open-source electric vehicle data
2025-Jan-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56485-7
PMID:39880811
|
研究论文 | 提出基于深度学习的多模态框架，利用开源电动汽车数据评估电池健康状态 | 首次分析300辆电动汽车三年运行数据，揭示现场数据与实验室数据的差异对健康状态评估的影响，并提出多模态深度学习框架 | 研究基于特定电动汽车数据集，未明确说明模型在其他车型或环境下的泛化能力 | 开发高效、准确且成本效益高的电池健康状态评估方法 | 300辆不同类型电动汽车的电池系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 多模态传感器数据，历史车辆运行数据 | 300辆电动汽车的三年运行数据 | NA | 多模态深度学习框架 | NA | NA |