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 1401 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 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 |
| 522 | 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 |
| 523 | 2025-05-02 |
Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem
2025-Apr-28, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04728-2
PMID:40295939
|
研究论文 | 本研究结合心脏电生理模拟和深度学习方法，为非侵入性心脏电生理成像（ECGI）的实现提供了新方案 | 结合三维双域心脏电生理活动模型与深度学习算法（包括粒子群优化-反向传播神经网络、CNN和LSTM）来重建心脏表面电位 | 未提及实际临床应用中的潜在限制或样本多样性问题 | 开发非侵入性心脏电生理成像技术以改善心律失常的诊断和治疗 | 心脏电活动及体表电位映射 | 数字病理 | 心血管疾病 | 心脏电生理模拟、深度学习 | 粒子群优化-BP神经网络、CNN、LSTM | 模拟心电图数据 | NA | NA | NA | NA | NA |
| 524 | 2025-05-02 |
Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern
2025-Apr-28, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04133-z
PMID:40295983
|
研究论文 | 利用人工智能技术自动识别血液透析患者中重复出现的间歇性动脉血氧饱和度锯齿模式 | 首次应用一维卷积神经网络(1D-CNN)对血液透析过程中的SaO2锯齿模式进行实时分类 | 研究样本量较小(仅22名患者)，且仅针对特定血管通路(动静脉瘘)患者 | 开发自动识别血液透析患者间歇性低氧血症的人工智能系统 | 维持性血液透析患者的动脉血氧饱和度(SaO2)数据 | 数字病理学 | 心血管疾病 | Crit-Line设备连续监测 | 1D-CNN | 时间序列数据 | 22名患者的89次血液透析治疗中的4075个5分钟片段 | NA | NA | NA | NA |
| 525 | 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 |
| 526 | 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 |
| 527 | 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 |
| 528 | 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 |
| 529 | 2025-05-02 |
Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis
2025-Apr-23, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04746-0
PMID:40269704
|
meta-analysis | 比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能 | 首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析 | 大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性 | 评估机器学习模型相比传统统计方法在预测PCI后结果中的优势 | 经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI） | machine learning | cardiovascular disease | NA | ML vs. logistic regression | clinical data | 59项研究 | NA | NA | NA | NA |
| 530 | 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 |
| 531 | 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 |
| 532 | 2025-05-02 |
Deep learning and its applications in nuclear magnetic resonance spectroscopy
2025 Apr-Jun, Progress in nuclear magnetic resonance spectroscopy
IF:7.3Q1
DOI:10.1016/j.pnmrs.2024.101556
PMID:40306798
|
综述 | 本文综述了深度学习在核磁共振光谱中的基础知识和当前应用，并指出了现有挑战和改进方向 | 深度学习技术在核磁共振光谱中的应用展示了在速度和准确性上的显著改进 | 深度学习在核磁共振中的应用仍面临数据量和模型泛化能力的挑战 | 探讨深度学习如何解决核磁共振光谱中的获取时间长和灵敏度低的问题 | 核磁共振光谱技术及其在化学、生物学和医学领域的应用 | 机器学习 | NA | 核磁共振光谱 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 533 | 2025-10-07 |
Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies
2025-Apr-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf081
PMID:40052574
|
研究论文 | 基于深度学习自动分析25073例非对比增强MRI数据，研究升主动脉形态的决定因素 | 首次在大规模流行病学队列中应用深度学习自动分割胸主动脉，并结合因果分析揭示升主动脉直径的决定因素 | 研究为横断面设计，无法确定因果关系的时间顺序，且仅基于德国人群数据 | 探究升主动脉形态的决定因素及其与心血管健康的关系 | 25073名德国国家队列(NAKO)参与者的非对比增强磁共振血管成像数据 | 医学影像分析 | 心血管疾病 | 非对比增强磁共振血管成像(NC-MRA) | 深度学习 | 3D MRI图像 | 25073例NC-MRA研究 | NA | NA | 决定系数(r²), P值 | NA |
| 534 | 2025-10-07 |
Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review
2025-Apr-30, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c11492
PMID:40237548
|
综述 | 本文综述了高光谱成像技术结合深度学习方法在果蔬质量安全检测中的应用现状与前景 | 系统整合高光谱成像与深度学习技术在果蔬质量检测中的最新应用，提出未来研究方向包括成本优化、个性化特征提取和模型泛化能力提升 | NA | 探讨高光谱成像与深度学习技术在果蔬质量安全检测中的应用潜力与发展方向 | 水果和蔬菜的质量安全检测 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习 | 高光谱图像 | NA | NA | NA | 检测精度, 检测效率 | NA |
| 535 | 2025-05-01 |
Engaging the Community: CASP Special Interest Groups
2025-Apr-30, Proteins
IF:3.2Q2
DOI:10.1002/prot.26833
PMID:40304050
|
评论 | 本文介绍了CASP特别兴趣小组（SIGs）的成立及其在促进跨学科对话和合作中的作用 | 通过建立特别兴趣小组和在线研讨会系列，促进了CASP社区成员之间的持续对话和跨学科合作 | 未提及具体的预测算法或技术的改进细节 | 促进CASP社区成员之间的持续对话和跨学科合作 | CASP社区成员，包括深度学习专家和NMR专家等 | 生物分子结构预测 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 536 | 2025-05-01 |
Automated Operative Phase and Step Recognition in Vestibular Schwannoma Surgery: Development and Preclinical Evaluation of a Deep Learning Neural Network (IDEAL Stage 0)
2025-Apr-30, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003466
PMID:40304484
|
research paper | 开发并评估了一种深度学习神经网络，用于自动识别前庭神经鞘瘤手术中的操作阶段和步骤 | 首次将机器学习应用于长时间（中位数超过5小时）、数据量大的手术视频分析，特别是在前庭神经鞘瘤切除术中 | 在个别步骤分类上仍有改进空间，且样本量较小 | 开发并评估一种能够自动识别手术工作流程的机器学习模型，用于前庭神经鞘瘤切除术 | 21例显微镜下经乙状窦后入路前庭神经鞘瘤切除术的手术视频 | digital pathology | vestibular schwannoma | deep learning | CNN and RNN | video | 21例手术视频 | NA | NA | NA | NA |
| 537 | 2025-05-01 |
Functional blepharoptosis screening with generative augmented deep learning from external ocular photography
2025-Apr-30, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2497460
PMID:40304715
|
research paper | 开发并验证了一种深度学习模型，用于从外部眼部照片中检测功能性上睑下垂，并量化了使用合成图像增强训练数据对模型性能的影响 | 利用生成对抗网络（StyleGAN）生成的合成数据增强训练集，提高了模型检测功能性上睑下垂的性能 | 样本量相对较小，且仅来自单一的三级眼整形诊所，可能影响模型的泛化能力 | 开发一种能够从外部眼部照片中高置信度检测功能性上睑下垂的深度学习模型 | 771只眼睛的外部眼部照片，包括639例临床诊断为功能性上睑下垂和132例无此症状的患者 | computer vision | geriatric disease | deep learning, StyleGAN | CNN, GAN | image | 771只眼睛（539训练，76验证，156测试），并额外使用2000张合成图像增强训练集 | NA | NA | NA | NA |
| 538 | 2025-10-07 |
Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review
2025-Apr-29, JMIR rehabilitation and assistive technologies
DOI:10.2196/69457
PMID:40163619
|
系统综述 | 本文系统综述了过去24年婴儿哭声分类方法、实施和应用方面的进展 | 首次系统性地回顾婴儿哭声分类领域24年的发展历程，识别了从传统统计方法向机器学习和深度学习方法的转变趋势 | 90%的模型未在实际应用中部署，数据隐私和保密性考虑不足，联邦学习等去噪技术使用有限 | 系统回顾婴儿哭声分类技术的进展，识别该领域的最新趋势和发展方向 | 婴儿哭声信号 | 自然语言处理 | NA | 音频信号处理 | 机器学习,深度学习,混合方法 | 音频 | 126项符合条件的研究 | NA | NA | NA | NA |
| 539 | 2025-05-01 |
Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01513-7
PMID:40301288
|
研究论文 | 提出了一种创新的多模态深度学习框架，用于高效应用于多模态年龄相关性黄斑变性分类任务 | 引入了低秩适应（LoRA）技术以减少多模态集成的计算复杂性，并使用深度典型相关分析（DCCA）进行非线性映射和特征融合 | NA | 解决单模态信息不足以完全捕捉年龄相关性黄斑变性复杂病理特征的问题 | 年龄相关性黄斑变性（AMD）患者 | 计算机视觉 | 年龄相关性黄斑变性 | 深度典型相关分析（DCCA），低秩适应（LoRA） | Vision Transformer | 图像（CFP和OCT） | 公共数据集MMC-AMD | NA | NA | NA | NA |
| 540 | 2025-05-01 |
Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01479-6
PMID:40301289
|
研究论文 | 本文提出了一种基于注意力机制的双路径深度学习架构，结合ConvNeXt和Swin Transformer网络，用于血液细胞图像分类 | 创新性地结合了卷积神经网络和Transformer的优势，并引入了多尺度预处理模块（MPM）以提升图像质量 | 未提及模型在临床实际应用中的具体验证情况 | 提高血液细胞图像分类的准确性和效率，以辅助血液学疾病的诊断 | 血液细胞图像 | 计算机视觉 | 血液疾病 | 深度学习 | ConvNeXt, Swin Transformer | 图像 | 17,092张血液细胞图像 | NA | NA | NA | NA |