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 19349 篇文献，本页显示第 17401 - 17420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17401 | 2025-03-16 |
Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents
2025-Feb-27, Foods (Basel, Switzerland)
DOI:10.3390/foods14050825
PMID:40077527
|
研究论文 | 本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式 | 首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分 | 未提及样本量的具体数量，可能影响模型的泛化能力 | 提高百合产品的质量评估和营养完整性 | 百合 | 计算机视觉 | NA | 高光谱成像 | CLSTM (卷积神经网络-长短期记忆网络) | 图像 | 未提及具体数量 | NA | NA | NA | NA |
| 17402 | 2025-03-16 |
HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction
2025-Feb-26, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050507
PMID:40077069
|
研究论文 | 本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估 | 提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性 | 未提及模型的泛化能力及在其他数据集上的表现 | 提高心血管疾病风险预测的准确性 | 70,000名心脏病患者 | 机器学习 | 心血管疾病 | 集成学习 | HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM | 临床数据 | 70,000名心脏病患者 | NA | NA | NA | NA |
| 17403 | 2025-03-16 |
Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050549
PMID:40075796
|
研究论文 | 本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测 | J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常 | NA | 提高乳腺癌的早期和准确检测 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 微波辐射成像（MWR） | 分层自对比模型（J-MWR） | 温度数据 | 4932名患者 | NA | NA | NA | NA |
| 17404 | 2025-03-16 |
An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050551
PMID:40075797
|
研究论文 | 本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类 | 创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维 | 未提及具体局限性 | 研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能 | 研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN（EfficientNet-B0、EfficientNet-B2、ResNet50） | 图像 | 27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%） | NA | NA | NA | NA |
| 17405 | 2025-03-16 |
Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050552
PMID:40075799
|
研究论文 | 本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病 | 提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94 | 研究未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 开发一种能够早期检测和诊断胆囊疾病的AI系统 | 胆囊疾病 | 计算机视觉 | 胆囊疾病 | 内容基于图像检索（CBIR） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 17406 | 2025-03-16 |
SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification
2025-Feb-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050541
PMID:40075789
|
研究论文 | 本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度 | SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题 | NA | 提高皮肤癌分类的准确性并降低计算复杂度 | 皮肤癌 | 计算机视觉 | 皮肤癌 | 粒子群优化（PSO） | SADASNet | 图像 | HAM10000数据集 | NA | NA | NA | NA |
| 17407 | 2025-03-16 |
A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance
2025-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050537
PMID:40075785
|
研究论文 | 本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术 | 通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法 | NA | 增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析 | 人类活动识别 | 机器学习 | 残疾 | 深度学习（DL）和机器学习（ML） | CNN, BiLSTM, Attention-CNN-BiLSTM | 活动数据 | 公开可用的数据集（UCI-HAR数据集和WISDM） | NA | NA | NA | NA |
| 17408 | 2025-03-16 |
Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics
2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408353
PMID:39497614
|
研究论文 | 本文介绍了一种新型的无标记细胞分选方法，结合深度学习图像识别和微流体操作，基于细胞形态进行分选 | 该方法首次将YOLOv8目标检测模型与Safe Interval Path Planning算法结合，用于数字微流控平台上的细胞分选，实现了高精度和高纯度的分选效果 | 实验样本仅限于HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞，未涉及更广泛的细胞类型 | 开发一种高效、无标记的细胞分选技术，以推动细胞生物学的基础研究和临床应用 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | 数字病理学 | NA | 数字微流控技术（AM-DMF） | YOLOv8 | 图像 | HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞 | NA | NA | NA | NA |
| 17409 | 2025-03-15 |
Deep learning the flow law of Antarctic ice shelves
2025-Mar-14, Science (New York, N.Y.)
DOI:10.1126/science.adp3300
PMID:40080586
|
研究论文 | 本研究利用遥感数据和物理信息深度学习，揭示了南极冰架流动规律及其粘度结构 | 首次通过深度学习方法揭示了南极冰架在压缩区和扩展区的流动规律，并构建了冰架范围的各向异性粘度图 | 研究结果依赖于遥感数据，可能存在数据精度和覆盖范围的限制 | 研究南极冰架的流动规律和粘度结构，以预测南极冰盖的未来质量损失 | 南极冰架 | 机器学习 | NA | 物理信息深度学习 | 深度学习 | 遥感数据 | 多个冰架的数据 | NA | NA | NA | NA |
| 17410 | 2025-03-15 |
AI-Powered Image-Based Assessment of Pressure Injuries Using You Only Look once (YOLO) Version 8 Models
2025-Mar-13, Advances in wound care
IF:5.8Q1
DOI:10.1089/wound.2024.0245
PMID:40081991
|
研究论文 | 本研究旨在通过机器学习和YOLOv8深度学习模型提升压力性损伤的检测和分期准确性 | 首次将YOLOv8模型应用于压力性损伤分期，并通过优化器和超参数调优显著提升了检测精度 | 研究基于模拟数据集，未在真实临床环境中进行验证 | 提升压力性损伤的检测和分期准确性 | 压力性损伤图像 | 计算机视觉 | 压力性损伤 | 深度学习 | YOLOv8 | 图像 | 公开的高质量数据集 | NA | NA | NA | NA |
| 17411 | 2025-03-15 |
A transformer-based real-time earthquake detection framework in heterogeneous environments
2025-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82087-2
PMID:40069212
|
研究论文 | 本文介绍了一种基于Transformer的实时地震检测框架TFEQ，旨在解决在高度异构环境中部署深度学习技术的挑战 | TFEQ模型独特地同时分析P波和S波，解决了现有模型通常只关注S波检测而忽视P波早期检测的问题 | NA | 开发一种能够在异构物联网环境中进行实时地震检测的深度学习模型 | 地震波（P波和S波） | 机器学习 | NA | 深度学习 | Transformer | 传感器数据 | CrowdQuake计划收集的MEMS传感器数据 | NA | NA | NA | NA |
| 17412 | 2025-03-15 |
Fuzzy control algorithm of cleaning parameters of street sweeper based on road garbage volume grading
2025-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92771-6
PMID:40069257
|
研究论文 | 本文提出了一种基于道路垃圾量分级的模糊控制算法，用于调整街道清扫车的清洁参数，以提高清洁效率和降低能耗 | 创新点在于结合YOLO v5深度学习模型进行目标检测和垃圾分类，并基于垃圾覆盖率和重量计算道路垃圾量分级系数，进而开发模糊控制模型以优化清扫车操作参数 | 未提及算法的泛化能力及在不同城市环境中的适用性 | 研究目的是通过智能算法优化街道清扫车的清洁参数，以提高清洁效率和降低能耗 | 研究对象是街道清扫车及其清洁参数 | 计算机视觉 | NA | YOLO v5 | 模糊控制模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17413 | 2025-03-15 |
DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning
2025-Mar-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.27.640693
PMID:40060558
|
研究论文 | 本文介绍了DeepPath，一个基于深度学习的框架，用于快速生成蛋白质状态之间的物理真实过渡路径 | DeepPath采用主动学习方法，利用分子力学力场作为指导，迭代优化预测路径，克服了数据稀缺性问题 | 尽管DeepPath在预测蛋白质过渡路径方面表现出色，但其依赖于已知的蛋白质状态，可能限制了其在未知状态预测中的应用 | 研究目的是开发一种高效的方法来预测蛋白质的构象转变路径，以替代计算成本高的分子动力学模拟 | 研究对象包括SHP2激活、CdiB H1分泌和BAM复合体侧门开启等生物相关测试案例 | 机器学习 | NA | 分子动力学模拟 | 深度学习 | 蛋白质结构数据 | 三个生物相关测试案例 | NA | NA | NA | NA |
| 17414 | 2025-03-15 |
Medical image classification by incorporating clinical variables and learned features
2025-Mar, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.241222
PMID:40078919
|
研究论文 | 本文提出了一种新颖的方法，通过结合临床变量来增强深度学习模型在医学图像分类中的表现，同时不压倒信息 | 与大多数现有深度神经网络模型仅考虑单像素信息不同，该方法捕捉了更全面的视角，并通过降维技术优化特征，与临床变量信息保持平衡 | 未明确提及具体局限性 | 提升医学图像分类的准确性 | 医学图像 | 计算机视觉 | 结核病和皮肤病 | 深度学习 | 预训练的深度神经网络 | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 17415 | 2025-03-15 |
Learning maximally spanning representations improves protein function annotation
2025-Feb-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.13.638156
PMID:40027840
|
研究论文 | 本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性 | MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力 | 虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证 | 提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别 | 蛋白质功能注释 | 计算生物学 | NA | 深度学习 | 预训练蛋白质语言模型 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 17416 | 2025-03-15 |
CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发并验证了一种基于CT的放射组学和深度学习融合模型，用于预测早期肺腺癌患者的隐匿性淋巴结转移 | 结合了放射组学和深度学习技术，使用3D SE-ResNet34网络构建融合模型，显著提高了预测隐匿性淋巴结转移的准确性 | 研究为回顾性分析，可能存在选择偏倚；样本量相对较小，需要更大规模的多中心研究进一步验证 | 开发并验证一种非侵入性预测模型，用于早期肺腺癌患者的隐匿性淋巴结转移 | 早期肺腺癌患者 | 数字病理 | 肺癌 | CT成像，深度学习 | 3D SE-ResNet34 | CT图像 | 358名患者（训练队列186名，内部验证队列48名，外部测试队列124名） | NA | NA | NA | NA |
| 17417 | 2025-03-15 |
Deep learning-based multi-task prediction of response to neoadjuvant chemotherapy using multiscale whole slide images in breast cancer: A multicenter study
2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
研究论文 | 本研究开发了一种基于多尺度全切片图像（WSIs）的多任务深度学习模型（DLMM），用于预测乳腺癌患者对新辅助化疗（NAC）的反应 | 通过多尺度特征表示的串联融合和基于门控的注意力机制，模型能够精细预测治疗反应和病理完全缓解（pCR） | 尽管在多个测试集中表现出色，但模型仍需进一步验证其在不同临床环境中的普适性 | 开发一种深度学习模型，以更精确地预测乳腺癌患者对新辅助化疗的反应 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 多任务深度学习模型（DLMM） | 图像 | 1,670张全切片图像，包括训练集、验证集、内部测试集、外部测试集和前瞻性测试集 | NA | NA | NA | NA |
| 17418 | 2025-03-15 |
AI models for the identification of prognostic and predictive biomarkers in lung cancer: a systematic review and meta-analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1424647
PMID:40078179
|
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识别肺癌预后和预测生物标志物方面的有效性 | 本文首次系统地评估了AI模型在肺癌生物标志物识别中的应用，涵盖了多种AI方法和生物标志物目标 | 需要进一步的大规模前瞻性研究来验证和优化AI驱动生物标志物的临床效用 | 评估人工智能模型在识别肺癌预后和预测生物标志物方面的有效性 | 肺癌患者及其生物标志物 | 机器学习 | 肺癌 | 深度学习与机器学习算法 | NA | NA | 34项研究 | NA | NA | NA | NA |
| 17419 | 2025-03-15 |
A 5G network based conceptual framework for real-time malaria parasite detection from thick and thin blood smear slides using modified YOLOv5 model
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251321540
PMID:40078448
|
研究论文 | 本文提出了一种基于5G网络的实时疟疾寄生虫检测框架，使用改进的YOLOv5模型从厚薄血涂片中进行检测 | 通过引入两个SENet层改进YOLOv5x网络架构，优化了模型在5G网络上的实时检测性能 | 未提及模型在低资源环境下的实际部署效果和成本效益分析 | 开发一种实时疟疾检测系统，特别是在诊断资源有限的地区 | 厚薄血涂片中的疟疾寄生虫 | 数字病理学 | 疟疾 | 深度学习 | 改进的YOLOv5x模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17420 | 2025-03-15 |
A spatial and temporal transformer-based EEG emotion recognition in VR environment
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1517273
PMID:40078487
|
研究论文 | 本文提出了一种基于Transformer的EEG情感识别方法EmoSTT，用于VR环境中的情感识别 | 首次在VR环境中使用纯Transformer方法进行EEG情感识别，并通过两个独立的Transformer模块全面建模EEG信号的时空信息 | 研究主要依赖于实验室环境和VR环境下的数据集，尚未在更广泛的真实场景中进行验证 | 提高EEG情感识别在真实场景中的生态效度，探索VR环境下的情感识别方法 | 参与者在观看VR视频时的EEG数据 | 脑机接口 | NA | EEG信号处理 | Transformer | EEG信号 | 未明确提及具体样本数量 | NA | NA | NA | NA |