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 19023 篇文献，本页显示第 17021 - 17040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17021 | 2025-03-14 |
Advancements in the application of artificial intelligence in the field of colorectal cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1499223
PMID:40071094
|
研究论文 | 本文探讨了人工智能在结直肠癌领域的应用进展 | 利用机器学习和深度学习算法，提高结直肠癌的早期检测、诊断和治疗效果 | 未具体提及研究的局限性 | 探索人工智能在结直肠癌管理中的潜力 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 机器学习和深度学习算法 | 深度学习（DL） | 医疗数据 | NA | NA | NA | NA | NA |
| 17022 | 2025-03-14 |
Deep learning model for the early prediction of pathologic response following neoadjuvant chemotherapy in breast cancer patients using dynamic contrast-enhanced MRI
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1491843
PMID:40071096
|
研究论文 | 本研究旨在探讨不同深度学习方法在DCE-MRI上的诊断准确性，为预测乳腺癌患者新辅助化疗（NAC）后的病理反应提供一个简单易用的工具 | 利用多种深度学习框架进行迁移学习，结合多种机器学习技术构建分类模型，成功开发出性能最佳的DLR模型，用于预测乳腺癌患者NAC后的病理反应 | 研究样本量有限，仅包括313名乳腺癌患者，且所有患者均来自单一机构，可能影响模型的泛化能力 | 开发一个基于DCE-MRI的深度学习模型，用于早期预测乳腺癌患者NAC后的病理反应 | 313名乳腺癌患者 | 计算机视觉 | 乳腺癌 | DCE-MRI | ViT, VGG16, ShuffleNet_v2, ResNet18, MobileNet_v2, MnasNet-0.5, GoogleNet, DenseNet121, AlexNet, SVM, KNN, RandomForest, ExtraTrees, XGBoost, LightGBM, MLP | 图像 | 313名乳腺癌患者 | NA | NA | NA | NA |
| 17023 | 2025-03-14 |
Data augmented lung cancer prediction framework using the nested case control NLST cohort
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1492758
PMID:40071099
|
研究论文 | 本研究探讨了在肺癌筛查中使用数据增强技术来提高深度学习模型的预测性能 | 全面评估了多种数据增强方法在肺癌预测中的应用，并发现传统方法在某些情况下优于最新的在线数据增强技术 | 研究仅基于253名个体的CT扫描数据，样本量相对较小 | 评估数据增强技术在肺癌筛查中的有效性 | 253名个体的CT扫描数据 | 计算机视觉 | 肺癌 | 数据增强技术 | 3D深度学习模型 | CT扫描图像 | 253名个体的CT扫描数据 | NA | NA | NA | NA |
| 17024 | 2025-03-13 |
Intelligent optoelectrowetting digital microfluidic system for real-time selective parallel manipulation of biological droplet arrays
2025-Mar-11, Lab on a chip
IF:6.1Q2
DOI:10.1039/d4lc00804a
PMID:39660615
|
研究论文 | 本文提出了一种结合光电润湿技术和深度学习算法的智能控制系统，用于实时选择性并行操作生物液滴阵列 | 结合光电润湿技术与深度学习算法，实现液滴的实时检测、自动生成虚拟电极控制移动，以及液滴阵列的高效跟踪 | 当前技术依赖于操作员手动定位液滴、绘制光学图案和预设液滴移动路径，缺乏实时反馈和独立液滴控制能力，可能导致液滴失控和污染 | 开发一种智能控制系统，用于自动化操作离散液滴，提高数字微流控技术在生物医学等领域的应用 | 生物液滴阵列 | 数字病理学 | NA | 光电润湿技术、深度学习算法 | 目标检测算法、跟踪算法 | 图像 | NA | NA | NA | NA | NA |
| 17025 | 2025-03-13 |
A large-scale open image dataset for deep learning-enabled intelligent sorting and analyzing of raw coal
2025-Mar-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04719-0
PMID:40057526
|
研究论文 | 本文介绍了一个大规模开源的原煤图像数据集DsCGF，用于支持深度学习驱动的原煤智能分选和分析 | 提出了一个大规模、多层次的标注原煤图像数据集，填补了智能选煤领域缺乏准确大规模数据的空白 | 数据集仅涵盖中国三个代表性矿区的样本，可能无法完全代表其他地区的原煤特征 | 推动中国能源转型，实现碳达峰和碳中和战略目标下的智能选煤技术发展 | 原煤图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过27万张可见光图像，来自中国三个代表性矿区 | NA | NA | NA | NA |
| 17026 | 2025-03-13 |
Probabilistic and deep learning approaches for conductivity-driven nanocomposite classification
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91057-1
PMID:40055396
|
研究论文 | 本研究提出了一种结合贝叶斯技术和深度学习的混合方法，用于改进纳米复合材料的分类，特别是评估其导电性能 | 提出了一种结合贝叶斯网络（BN）和基于Transformer架构的循环神经网络（RNN）的混合模型，以量化并报告认知不确定性，从而提高分类准确性 | 研究主要关注方法学上的进展，实验结果的广泛适用性尚未验证 | 改进纳米复合材料的分类方法，特别是评估其导电性能 | 纳米复合材料 | 机器学习 | NA | 贝叶斯网络（BN），循环神经网络（RNN），Transformer架构 | 贝叶斯网络（BN），循环神经网络（RNN） | NA | NA | NA | NA | NA | NA |
| 17027 | 2025-03-11 |
Author Correction: Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92132-3
PMID:40055395
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17028 | 2025-03-13 |
SwinConvNeXt: a fused deep learning architecture for Real-time garbage image classification
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91302-7
PMID:40055407
|
研究论文 | 本文提出了一种名为SwinConvNeXt的融合深度学习架构，用于实时垃圾图像分类 | 结合了增强的Swin Transformer、改进的ConvNeXt和空间注意力机制，有效提取垃圾图像的全局和局部特征，提高了分类准确性 | 模型在处理视觉相似度高且大小不一的物体时可能存在挑战 | 开发一种高效且可持续的实时垃圾管理系统 | 垃圾图像 | 计算机视觉 | NA | 深度学习 | SwinConvNeXt | 图像 | 公开的垃圾分类数据集 | NA | NA | NA | NA |
| 17029 | 2025-03-13 |
Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores
2025-Mar, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028241294088
PMID:39558586
|
研究论文 | 本文提出了一种结合激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型的方法，用于预测铁矿石中的总铁含量 | 使用CNN模型辅助LIBS技术，显著提高了总铁含量预测的准确性，并减少了建模时间 | 未提及具体局限性 | 提高LIBS技术在铁矿石总铁含量预测中的准确性 | 铁矿石样品 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 卷积神经网络（CNN） | 光谱数据 | 339批来自五个国家的铁矿石样品，收集了2034个代表性光谱 | NA | NA | NA | NA |
| 17030 | 2025-03-13 |
Deep-Learning-Enabled Fast Raman Identification of the Twist Angle of Bi-Layer Graphene
2025-Mar, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202411833
PMID:39871720
|
研究论文 | 本文提出了一种结合拉曼光谱和深度学习的数据驱动策略，用于快速、无损地解码和预测双层石墨烯的扭转角度 | 利用深度学习处理高维拉曼数据，提取隐藏信息以实现精确的扭转角度识别，并将该方法扩展到二维平面，实现单个样品内的精确定向映射 | NA | 开发一种高效、无损的方法来识别双层石墨烯的扭转角度，并推广到其他角度依赖的二维材料研究 | 双层石墨烯（TBG） | 材料光谱学与分析 | NA | 拉曼光谱 | 深度学习模型 | 拉曼光谱数据 | NA | NA | NA | NA | NA |
| 17031 | 2025-03-13 |
Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography
2025-Mar-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S1600577525000323
PMID:39937516
|
研究论文 | 本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列 | 提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值 | 需要与高速相机适当结合，才能充分发挥该方法的优势 | 提高超高速X射线成像实验的空间分辨率、帧率和保真度 | X射线图像序列 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 两个独立的X射线数据集 | NA | NA | NA | NA |
| 17032 | 2025-03-13 |
Multi-stage deep learning artifact reduction for parallel-beam computed tomography
2025-Mar-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S1600577525000359
PMID:39960472
|
研究论文 | 本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影 | 在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播 | 未明确提及具体局限性 | 提高同步辐射CT图像质量，减少伪影 | 平行束计算机断层扫描图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟和真实世界数据集 | NA | NA | NA | NA |
| 17033 | 2025-03-13 |
Unified resilience model using deep learning for assessing power system performance
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42802
PMID:40066024
|
研究论文 | 本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能 | 提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素 | NA | 提高电力系统的性能，特别是关注天气因素对系统弹性的影响 | 电池和储能设备的弹性 | 机器学习 | NA | 深度学习 | 深度学习模型 | 环境因素数据、低弹性损耗数据 | NA | NA | NA | NA | NA |
| 17034 | 2025-03-13 |
Rewiring protein sequence and structure generative models to enhance protein stability prediction
2025-Feb-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.13.638154
PMID:40027759
|
研究论文 | 本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性 | SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测 | 尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面 | 提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质 | 蛋白质 | 机器学习 | NA | 深度学习 | ESM, ProteinMPNN | 序列数据, 结构数据 | 基于最近发布的大规模热稳定性数据集进行训练和评估 | NA | NA | NA | NA |
| 17035 | 2025-03-13 |
Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1473544
PMID:40066351
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在产前心脏筛查中检测胎儿先天性心脏病的诊断准确性 | 首次系统评估人工智能模型在胎儿先天性心脏病筛查中的表现，并进行了荟萃分析 | 研究样本量有限，且需要更大数据集和更多样化人群的前瞻性研究来验证结果 | 评估人工智能模型在产前心脏筛查中检测先天性心脏病的诊断准确性 | 胎儿先天性心脏病 | 医学影像分析 | 先天性心脏病 | 超声和超声心动图 | 深度学习模型 | 图像 | 9项研究，共374项研究筛选 | NA | NA | NA | NA |
| 17036 | 2025-03-13 |
Advancements in cache management: a review of machine learning innovations for enhanced performance and security
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1441250
PMID:40070808
|
review | 本文综述了机器学习在缓存管理中的应用，包括优化缓存性能和增强安全性 | 探讨了从基于强化学习的缓存替换策略到LSTM模型预测内容特性以做出缓存决策的多种机器学习技术 | 未提及具体实验数据或样本量，可能缺乏实证支持 | 研究机器学习在缓存管理中的应用，以优化性能和增强安全性 | 缓存管理系统 | machine learning | NA | reinforcement learning, LSTM, imitation learning, neural networks | LSTM, neural networks | NA | NA | NA | NA | NA | NA |
| 17037 | 2025-03-12 |
iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00342-w
PMID:40062190
|
研究论文 | 本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本 | 设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力 | 未提及具体的数据集大小或模型训练时间等限制 | 快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽 | 抗菌肽(AMPs) | 自然语言处理 | NA | 深度学习 | 卷积循环神经网络(CNN-RNN)与自注意力机制 | 蛋白质序列 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17038 | 2025-03-12 |
Adaptive boundary-enhanced Dice loss for image segmentation
2025-Aug, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2025.107741
PMID:40061446
|
研究论文 | 本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性 | ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能 | NA | 提高医学图像分割的准确性 | 医学图像 | 计算机视觉 | NA | 深度学习 | Swin-Unet | 图像 | 三个公开数据集（REFUGE、ISIC2018、RIT-Eyes） | NA | NA | NA | NA |
| 17039 | 2025-03-12 |
Optimizing multimodal scene recognition through relevant feature selection approach for scene classification
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103226
PMID:40061570
|
研究论文 | 本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率 | 引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率 | 未提及具体局限性 | 优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率 | 场景分类任务 | 计算机视觉 | NA | 迁移学习，特征选择技术 | CNN | 图像 | Scene数据集（6类）和AID数据集 | NA | NA | NA | NA |
| 17040 | 2025-03-12 |
Unlocking the potential of digital pathology: Novel baselines for compression
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100421
PMID:40059908
|
研究论文 | 本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量 | 提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用 | 深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化 | 评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率 | 全切片图像（WSI） | 数字病理学 | NA | 深度学习 | NA | 图像 | 四个不同的数据集 | NA | NA | NA | NA |