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 1209 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2025-10-07 |
Discovery of anticancer peptides from natural and generated sequences using deep learning
2025-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.138880
PMID:39706427
|
研究论文 | 本研究通过深度学习模型从天然和生成序列中发现抗癌肽，并进行了广泛的实验验证 | 提出基于三通道深度学习架构的CNBT-ACPred预测模型，结合大规模体外和体内实验验证，显著提升预测性能 | NA | 开发高效的抗癌肽预测方法并发现新型抗癌肽 | 抗癌肽(ACPs) | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | Uniprot数据库380万条序列，生成模型10万条序列，最终验证41条候选肽 | NA | 三通道深度学习架构 | 准确率,MCC | NA |
| 862 | 2025-02-21 |
Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy
2025-Feb-20, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr04033c
PMID:39865849
|
研究论文 | 本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究 | 创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性 | 研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化 | 研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理 | 研究对象为液体活检中的循环肿瘤细胞（CTCs） | 数字病理学 | 癌症 | 原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型 | 深度学习模型 | 图像、力学数据 | 三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物 | NA | NA | NA | NA |
| 863 | 2025-02-21 |
EBHOA-EMobileNetV2: a hybrid system based on efficient feature selection and classification for cardiovascular disease diagnosis
2025-Feb-19, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2466081
PMID:39970065
|
研究论文 | 本文提出了一种基于深度学习的智能医疗框架，用于心血管疾病的诊断，结合了有效的特征选择和分类技术 | 结合了增强的二进制蝗虫优化算法（EBHOA）和增强的MobileNetV2模型（EMobileNetV2），以提高心血管疾病预测的准确性和一致性 | 未提及模型在其他数据集上的泛化能力，以及在实际临床环境中的应用效果 | 提高心血管疾病预测的准确性，以改善临床实践和患者护理 | 心血管疾病（CVD）患者 | 机器学习 | 心血管疾病 | 增强的二进制蝗虫优化算法（EBHOA）、增强的MobileNetV2模型（EMobileNetV2） | EMobileNetV2 | 结构化数据 | UCI Heart Disease和Framingham Heart Study数据集 | NA | NA | NA | NA |
| 864 | 2025-02-21 |
Mental Health Screening Using the Heart Rate Variability and Frontal Electroencephalography Features: A Machine Learning-Based Approach
2025-Feb-19, JMIR mental health
IF:4.8Q1
DOI:10.2196/72803
PMID:39971280
|
研究论文 | 本研究探讨了使用心率和前额脑电图特征进行心理健康筛查的机器学习方法 | 结合心率和前额脑电图特征进行心理健康筛查，展示了可能的协同效应 | 需要进一步研究以预测治疗反应并基于基线生理标志物提出优选治疗方案 | 探讨心率和前额脑电图特征在机器学习算法中对精神病患者和健康对照者的分类准确性 | 182名参与者（87名精神病患者和95名健康对照者） | 机器学习 | 精神疾病 | 支持向量机（SVM） | SVM | 生理信号（心率和脑电图） | 182名参与者（87名精神病患者和95名健康对照者） | NA | NA | NA | NA |
| 865 | 2025-02-21 |
Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review
2025-Feb-17, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251317521
PMID:39960227
|
系统综述 | 本文系统回顾了基于数字图像分析的人工智能技术在糖尿病足筛查中的应用 | 探讨了人工智能在糖尿病足筛查中的潜力，特别是深度学习方法的应用 | 需要进一步评估临床适用性，包括伦理问题和患者数据安全性，以及开发更全面的数据集 | 识别并分析使用数字图像分析开发AI模型进行糖尿病足筛查的研究 | 糖尿病足筛查 | 计算机视觉 | 糖尿病 | 数字图像分析 | 人工神经网络（ANNs）和卷积神经网络（CNNs） | 热成像或足部热图 | 2214篇相关文章，其中9篇符合纳入标准 | NA | NA | NA | NA |
| 866 | 2025-02-21 |
Super-resolution synthetic MRI using deep learning reconstruction for accurate diagnosis of knee osteoarthritis
2025-Feb-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01911-z
PMID:39961957
|
研究论文 | 本研究评估了深度学习重建（DLR）技术在合成MRI（SyMRI）上的准确性，包括T2测量和DLR合成MRI（SyMRIDL）在膝关节骨关节炎（KOA）患者中的诊断性能，以常规MRI为标准参考 | 使用深度学习重建技术生成合成MRI图像，提供准确的T2测量值，能够更自信地从正常外观的软骨中识别早期软骨退化 | 样本量相对较小（36名志愿者和70名患者），且研究时间较短（2023年5月至10月） | 评估DLR合成MRI在膝关节骨关节炎诊断中的准确性和性能 | 膝关节骨关节炎患者和志愿者 | 医学影像 | 膝关节骨关节炎 | 深度学习重建（DLR），合成MRI（SyMRI） | 深度学习模型 | MRI图像 | 36名志愿者和70名患者 | NA | NA | NA | NA |
| 867 | 2025-02-21 |
Multi-label software requirement smells classification using deep learning
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86673-w
PMID:39962114
|
研究论文 | 本研究开发了一种基于深度学习的多标签软件需求异味分类模型，用于检测单个需求中的多种软件需求异味 | 首次将LSTM、Bi-LSTM和GRU等高级神经网络架构与ELMo和Word2Vec等词嵌入技术结合，用于多标签软件需求异味分类 | 研究仅基于8120个需求数据集，可能无法覆盖所有类型的软件需求异味 | 提高软件需求异味检测的自动化水平，减少人工检测的时间和错误 | 软件需求异味 | 自然语言处理 | NA | 深度学习 | LSTM, Bi-LSTM, GRU | 文本 | 8120个需求数据集 | NA | NA | NA | NA |
| 868 | 2025-02-21 |
A deep learning framework based on structured space model for detecting small objects in complex underwater environments
2025-Feb-17, Communications engineering
DOI:10.1038/s44172-025-00367-9
PMID:39962196
|
研究论文 | 本文提出了一种结合结构化空间模型（SSM）与特征增强的创新方法，专门用于复杂水下环境中的小目标检测 | 结合结构化空间模型（SSM）与特征增强，开发了高精度、轻量级的检测模型UWNet，显著提高了计算效率并保持了高检测精度 | 未提及具体局限性 | 解决水下目标检测中精度与模型效率及实时性能的平衡问题 | 水下环境中的小目标，如海星和扇贝 | 计算机视觉 | NA | 结构化空间模型（SSM）与特征增强 | UWNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 869 | 2025-02-21 |
Stacked encoding and AutoML-based identification of lead-zinc small open pit active mines around Rampura Agucha in Rajasthan state, India
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89672-z
PMID:39962260
|
研究论文 | 本研究旨在通过Sentinel 2图像分析，利用机器学习算法检测和分类印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 结合多种波段比率和光谱指数，使用深度学习堆叠编码器和15种不同的机器学习分类器，提高了复杂矿区及其周边地物特征的检测精度 | 研究仅限于Sentinel 2图像数据，未涉及其他遥感数据源 | 检测和分类铅锌露天矿区域及其周边地物特征 | 印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 机器学习 | NA | Sentinel 2图像分析 | extra tree classifier (et), light gradient boosting machine classifier (lightgbm), random forest classifier (rf) | 卫星图像 | NA | NA | NA | NA | NA |
| 870 | 2025-02-21 |
Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90430-4
PMID:39962323
|
研究论文 | 本文提出了一种基于深度卷积神经网络的增强型人群密度监测技术，用于智能城市规划 | 提出了DCNNCDM-IUP技术，结合SE-DenseNet和ConvLSTM方法，通过红狐优化算法进行超参数选择，提高了人群密度监测的准确性 | 未提及具体的数据集规模或实际应用中的潜在挑战 | 开发一种高效的人群密度监测技术，以支持智能城市的交通管理、公共安全和城市规划 | 智能城市中的人群密度监测 | 计算机视觉 | NA | 深度学习（DL）、高斯滤波（GF）、红狐优化（RFO） | SE-DenseNet、ConvLSTM | 图像、时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 871 | 2025-02-21 |
Comparison of YOLO-based sorghum spike identification detection models and monitoring at the flowering stage
2025-Feb-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01338-z
PMID:39962585
|
研究论文 | 本研究比较了基于YOLO的高粱穗识别检测模型，并评估了其在开花期的监测效果 | 首次对不同高度和天气条件下的YOLO模型性能进行了比较研究，并确定了YOLOv8m为最有效的模型 | 研究仅基于2023年采集的图像数据，未考虑更多年份或更广泛的环境条件 | 评估数据集大小对模型准确性的影响，并预测高粱开花期 | 高粱开花期的穗识别 | 计算机视觉 | NA | 无人机图像采集 | YOLOv5, YOLOv8, YOLOv9, YOLOv10 | 图像 | 200到350张图像，分别在15米和30米高度采集 | NA | NA | NA | NA |
| 872 | 2025-02-21 |
Exploring autonomous methods for deepfake detection: A detailed survey on techniques and evaluation
2025-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42273
PMID:39968137
|
综述 | 本文对深度伪造检测的自主方法进行了详细调查，分析了相关技术和评估方法 | 本文综合了2018年至2024年间的最新研究，探讨了利用先进机器学习、计算机视觉和音频分析技术的创新检测方法 | 研究仅限于2018年至2024年间的最新研究，可能未涵盖早期的重要进展 | 提高数字生态系统的安全性和意识，通过推进对自主检测和评估方法的理解 | 深度伪造媒体（图像、视频和音频） | 计算机视觉 | NA | 深度学习模型 | NA | 图像、视频、音频 | NA | NA | NA | NA | NA |
| 873 | 2025-02-21 |
Diagnosis Anthracnose of Chili Pepper Using Convolutional Neural Networks Based Deep Learning Models
2025-Feb, The plant pathology journal
DOI:10.5423/PPJ.OA.11.2024.0178
PMID:39916419
|
研究论文 | 本研究应用深度学习模型（MobileNet、ResNet50v2和Xception）通过迁移学习诊断辣椒炭疽病，旨在确定准确和高效疾病诊断所需的最小数据集大小 | 通过迁移学习方法，评估不同数据集大小对模型性能的影响，为农业应用中的数据可用性和模型性能平衡提供实用指南 | 需要大量标注数据集，获取成本较高 | 研究辣椒炭疽病的早期和准确检测方法，以减少产量损失和市场价值下降 | 辣椒（Capsicum annuum L.） | 计算机视觉 | 植物病害 | 迁移学习 | CNN（MobileNet、ResNet50v2、Xception） | 图像 | 500、1,000、2,000、3,000和4,000个样本 | NA | NA | NA | NA |
| 874 | 2025-02-20 |
Artificial intelligence in the management of metabolic disorders: a comprehensive review
2025-Feb-19, Journal of endocrinological investigation
IF:3.9Q2
DOI:10.1007/s40618-025-02548-x
PMID:39969797
|
综述 | 本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力 | 本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案 | 探讨人工智能在代谢性疾病管理中的应用及其潜力 | 代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 自然语言处理, 计算机视觉, 机器学习 | 代谢性疾病 | 机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习 | NA | NA | NA | NA | NA | NA | NA |
| 875 | 2025-02-20 |
Deep learning for augmented process monitoring of scalable perovskite thin-film fabrication
2025-Feb-18, Energy & environmental science
IF:32.4Q1
DOI:10.1039/d4ee03445g
PMID:39830789
|
研究论文 | 本文展示了深度学习在增强大面积钙钛矿薄膜制造过程监控中的应用 | 利用深度学习增强成像方法，实现材料成分监控、薄膜质量早期评估及过程控制建议生成 | 研究基于中等规模数据集，可能在大规模应用中存在限制 | 提高钙钛矿光伏材料的大面积制造可重复性 | 钙钛矿薄膜的制造过程 | 机器学习 | NA | 深度学习 | NA | 图像数据 | 中等规模数据集 | NA | NA | NA | NA |
| 876 | 2025-02-20 |
A dataset for surface defect detection on complex structured parts based on photometric stereo
2025-Feb-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04454-6
PMID:39956811
|
研究论文 | 本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD） | 提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集 | NA | 解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测 | 金属表面缺陷 | 计算机视觉 | NA | 光度立体视觉 | FCOS, YOLOv5, YOLOv8, RT-DETR | 图像 | 138,585张单通道图像和9,239张混合图像 | NA | NA | NA | NA |
| 877 | 2025-02-20 |
Helmet material design for mitigating traumatic axonal injuries through AI-driven constitutive law enhancement
2025-Feb-16, Communications engineering
DOI:10.1038/s44172-025-00370-0
PMID:39956866
|
研究论文 | 本文通过AI驱动的本构定律增强，优化头盔衬里材料设计，以减少创伤性轴索损伤 | 利用深度学习模型预测不同衬里材料保护下假人头部的峰值旋转速度和加速度，并通过材料优化显著降低脑损伤风险 | 研究主要针对250至500焦耳冲击能量范围内的脑损伤风险，未涵盖所有可能的冲击条件 | 提高运动头盔对脑损伤的保护效率 | 头盔衬里材料 | 机器学习 | 脑损伤 | 深度学习 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 878 | 2025-02-20 |
Global Daily Column Average CO2 at 0.1° × 0.1° Spatial Resolution Integrating OCO-3, GOSAT, CAMS with EOF and Deep Learning
2025-Feb-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04135-w
PMID:39952969
|
研究论文 | 本研究通过整合CAMS、GOSAT和OCO-3卫星数据，利用DINEOF和DINCAE方法重建了高时空分辨率的全球二氧化碳柱平均浓度数据集 | 结合DINEOF和DINCAE两种先进的数据重建方法，填补了卫星观测数据中的缺失，生成了高分辨率、无间隙的全球二氧化碳柱平均浓度数据集 | 未提及具体的数据覆盖时间范围或长期稳定性验证 | 解决卫星观测数据中的缺失问题，生成高时空分辨率的全球二氧化碳分布数据 | 全球二氧化碳柱平均浓度 | 机器学习 | NA | DINEOF, DINCAE | 卷积自编码器 | 卫星观测数据 | 整合了CAMS、GOSAT和OCO-3卫星的观测数据 | NA | NA | NA | NA |
| 879 | 2025-10-07 |
Enhancing Semantic Segmentation in High-Resolution TEM Images: A Comparative Study of Batch Normalization and Instance Normalization
2025-Feb-17, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/mam/ozae093
PMID:39405188
|
研究论文 | 本研究比较了批归一化和实例归一化在透射电子显微镜图像语义分割中的性能差异 | 首次系统比较批归一化和实例归一化在TEM图像语义分割任务中的表现，发现实例归一化具有更优性能 | 研究仅使用了两种网络架构和两个数据集，可能需要更多样化的验证 | 评估不同归一化方法对TEM图像语义分割模型性能的影响 | 高分辨率透射电子显微镜图像 | 计算机视觉 | NA | 透射电子显微镜 | CNN | 图像 | 两个不同的数据集 | NA | U-Net, ResNet | Dice系数, 交并比 | NA |
| 880 | 2025-02-19 |
Harnessing the synergy of statistics and deep learning for BCI competition 4 dataset 4: a novel approach
2025-Feb-15, Brain informatics
DOI:10.1186/s40708-025-00250-5
PMID:39954182
|
研究论文 | 本文提出了一种结合统计分析和深度学习的创新方法，用于处理BCI竞赛4数据集4中的ECoG信号，以识别手指运动模式 | 结合统计分析预处理数据，并设计了一个新的神经网络模型BC4D4，该模型在BCI竞赛4数据集4上取得了优于现有技术的性能 | NA | 提高从ECoG信号中识别手指运动模式的准确性和效率 | BCI竞赛4数据集4中的ECoG信号 | 机器学习 | NA | ECoG信号处理 | CNN（卷积神经网络）和Dense神经网络 | ECoG信号 | BCI竞赛4数据集4 | NA | NA | NA | NA |