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 1382 篇文献，本页显示第 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2025-05-17 |
Multiscale Two-Stream Fusion Network for Benggang Classification in Multi-Source Images
2025-May-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25092924
PMID:40363361
|
研究论文 | 提出了一种基于多尺度特征和双流融合网络（MS-TSFN）的崩岗分类方法，用于多源图像中的崩岗识别 | 采用双流融合网络结合注意力机制的特征融合块，实现了多源图像中多尺度特征的深度融合 | 未提及具体的数据集规模限制或模型泛化能力测试 | 提高崩岗在多源图像中的识别精度 | 中国南方丘陵和山区的崩岗 | 计算机视觉 | NA | 无人机采集的DOM和DSM数据、Canny边缘检测 | ResNeSt、MS-TSFN | 多源图像（DOM和DSM） | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 922 | 2025-05-17 |
Decoding Poultry Welfare from Sound-A Machine Learning Framework for Non-Invasive Acoustic Monitoring
2025-May-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25092912
PMID:40363349
|
研究论文 | 本研究提出了一种结合信号级统计分析与机器学习和深度学习分类器的集成分析框架，用于在福利评估背景下解释鸡的叫声 | 该研究创新性地将信号级统计分析、机器学习和深度学习分类器相结合，用于非侵入性声学监测家禽福利，并强调了模型的可解释性 | 研究仅评估了三种互补数据集，可能无法涵盖所有家禽福利相关的声音情况 | 开发一种可扩展的、基于生物学的实时家禽福利监测工具 | 鸡的叫声 | 机器学习 | NA | 声学监测 | Random Forest, HistGradientBoosting, CatBoost, TabNet, LSTM | 声音信号 | 三个互补数据集（健康相关叫声、行为呼叫类型和应激诱导声学反应） | NA | NA | NA | NA |
| 923 | 2025-05-17 |
A Novel 3D Approach with a CNN and Swin Transformer for Decoding EEG-Based Motor Imagery Classification
2025-May-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25092922
PMID:40363359
|
研究论文 | 本文提出了一种结合CNN和Swin Transformer的新型端到端解码网络，用于提高基于EEG的运动想象分类的准确性 | 将EEG信号转换为三维数据结构，结合一维和二维卷积进行时空特征提取，并使用3D Swin Transformer模块进行深度特征探索 | 方法在不同BCI任务中的适用性及临床实施的潜力有待进一步探索 | 提高基于EEG的运动想象分类的准确性 | 脑电图(EEG)信号 | 脑机接口 | 肌肉或神经损伤 | EEG信号处理 | CNN和Swin Transformer | EEG信号 | BCI Competition IV-2a数据集 | NA | NA | NA | NA |
| 924 | 2025-05-17 |
Efficient Deep Learning Model Compression for Sensor-Based Vision Systems via Outlier-Aware Quantization
2025-May-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25092918
PMID:40363355
|
research paper | 提出了一种针对传感器视觉系统的高效深度学习模型压缩方法，通过异常值感知量化（OAQ）提高量化精度 | 提出异常值感知量化（OAQ）方法，有效重塑权重分布以减少异常值对量化精度的影响，并与现有量化方案正交兼容 | 未提及具体在哪些传感器或实际应用场景中的限制 | 优化资源受限环境下传感器视觉系统中的深度学习模型效率 | 深度学习模型的量化方法 | computer vision | NA | 量化方法（OAQ） | CNN（如ResNet20） | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 925 | 2025-05-17 |
A Transfer Learning Framework for Predicting and Interpreting Drug Responses via Single-Cell RNA-Seq Data
2025-May-04, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26094365
PMID:40362602
|
research paper | 该研究提出了一个基于迁移学习的框架，用于通过单细胞RNA测序数据预测和解释药物反应 | 设计了一个共享编码器将批量和单细胞测序数据对齐到统一的潜在空间，并通过稀疏解码器增强模型的可解释性 | 临床样本获取有限，且scRNA-seq药物反应数据的系统性收集和利用仍有限 | 提高药物反应预测的准确性和可解释性 | 单细胞RNA测序数据 | machine learning | cancer | scRNA-seq | transfer learning | RNA sequencing data | 五个scRNA-seq数据集 | NA | NA | NA | NA |
| 926 | 2025-05-17 |
Aircraft Wake Vortex Recognition Method Based on Improved Inception-VGG16 Hybrid Network
2025-May-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25092909
PMID:40363346
|
研究论文 | 提出了一种基于改进的Inception-VGG16混合网络的飞机尾涡识别方法 | 结合改进的InceptionB和InceptionC模块进行多尺度特征并行提取，后端采用VGG16的层次结构进行深度特征提取，显著提高了分类准确率 | 未提及模型在其他机场或不同气象条件下的泛化能力 | 解决飞机尾涡准确识别的挑战 | 飞机尾涡 | 计算机视觉 | NA | 深度学习 | Inception-VGG16混合网络 | 二维多普勒雷达径向速度数据 | 3530个风场样本 | NA | NA | NA | NA |
| 927 | 2025-05-17 |
Deep Learning-Based Synthetic CT for Personalized Treatment Modality Selection Between Proton and Photon Therapy in Thoracic Cancer
2025-May-03, Cancers
IF:4.5Q1
DOI:10.3390/cancers17091553
PMID:40361479
|
研究论文 | 本研究开发了一种基于深度学习的合成CT（sCT）工作流程，用于在胸部癌症治疗中比较质子与光子疗法的优势 | 利用深度学习预测的sCT仅基于诊断CT（dCT）进行治疗方案比较，为临床决策提供支持 | 研究样本量较小（训练集46例，测试集15例），可能影响模型的泛化能力 | 开发个性化治疗模式选择工具，优化胸部癌症患者的放射治疗方案 | 胸部癌症患者 | 数字病理 | 胸部癌症 | 深度学习 | U-Net | CT图像 | 46例训练样本（公共数据库）+15例测试样本（机构患者） | NA | NA | NA | NA |
| 928 | 2025-05-17 |
Role and Potential of Artificial Intelligence in Biomarker Discovery and Development of Treatment Strategies for Amyotrophic Lateral Sclerosis
2025-May-02, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26094346
PMID:40362582
|
review | 本文探讨了人工智能在肌萎缩侧索硬化症（ALS）生物标志物发现和治疗策略开发中的角色和潜力 | 综述了AI在ALS生物标志物发现、诊断准确性和治疗开发中的创新应用，包括AlphaFold和深度学习模型在蛋白质组学和神经影像学中的革命性进展 | 未提及具体研究样本量或实验验证结果 | 探索AI在ALS生物标志物发现和治疗策略开发中的应用 | 肌萎缩侧索硬化症（ALS） | machine learning | neurodegenerative disease | omics, neuroimaging | deep learning | omics data, neuroimaging data | NA | NA | NA | NA | NA |
| 929 | 2025-05-17 |
Exploring Smartphone-Based Edge AI Inferences Using Real Testbeds
2025-May-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25092875
PMID:40363312
|
研究论文 | 本文探讨了基于智能手机的边缘AI在实时计算机视觉推理中的竞争力 | 研究了智能手机集群在边缘AI中的应用潜力，特别是在实时计算机视觉推理任务中的性能表现 | 实验仅使用了五款低/中端智能手机和三款SBC，样本范围和多样性有限 | 评估智能手机集群在边缘AI实时计算机视觉推理中的性能表现 | 智能手机集群和单板计算机(SBC)在边缘AI任务中的性能比较 | 计算机视觉 | NA | 深度学习模型推理 | 预训练DL模型 | 图像流数据 | 8个异构边缘节点(5款智能手机和3款SBC) | NA | NA | NA | NA |
| 930 | 2025-05-17 |
MHFS-FORMER: Multiple-Scale Hybrid Features Transformer for Lane Detection
2025-May-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25092876
PMID:40363313
|
research paper | 提出了一种基于Transformer的端到端模型MHFS-FORMER，用于解决复杂场景下的车道检测问题 | 设计了MHFNet融合多尺度特征与Transformer Encoder，引入多参考可变形注意力模块增强模型表示能力，并开发了ShuffleLaneNet探索多尺度车道特征的通道和空间信息 | 未明确提及具体限制 | 提升复杂场景下车道检测的准确性和实时性 | 车道检测 | computer vision | NA | NA | Transformer (MHFS-FORMER, MHFNet, ShuffleLaneNet) | image | TuSimple和CULane数据集 | NA | NA | NA | NA |
| 931 | 2025-05-17 |
Microfluidics with Machine Learning for Biophysical Characterization of Cells
2025-May, Annual review of analytical chemistry (Palo Alto, Calif.)
|
综述 | 本文探讨了微流控技术与机器学习在细胞生物物理特性表征中的协同作用 | 整合人工智能方法（包括机器学习和深度学习）与微流控技术，以解决高通量微流控系统数据分析的挑战 | 未提及具体的技术实施细节或实验验证结果 | 提升细胞生物物理特性表征的准确性和效率，促进新的生物学发现 | 细胞的生物物理特性 | 生物医学工程 | NA | 微流控技术、机器学习和深度学习 | NA | 微流控实验产生的高通量数据 | NA | NA | NA | NA | NA |
| 932 | 2025-05-17 |
Deep Learning Methods in the Imaging of Hepatic and Pancreaticobiliary Diseases
2025 May-Jun 01, Journal of clinical gastroenterology
IF:2.8Q2
DOI:10.1097/MCG.0000000000002125
PMID:40193287
|
综述 | 本文综述了深度学习和机器学习在肝胆胰疾病影像诊断中的应用 | AI通过高敏感性和特异性提高诊断准确性，CNN算法增强图像分析并减少变异性 | AI在这些胃肠病学专业领域的应用主要局限于实验性试验 | 提高肝胆胰疾病的检测、评估和治疗规划 | 肝胆胰疾病的影像诊断 | 数字病理学 | 肝胆胰疾病 | 深度学习、机器学习 | CNN | 影像 | NA | NA | NA | NA | NA |
| 933 | 2025-05-17 |
Circular RNA discovery with emerging sequencing and deep learning technologies
2025-May, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-025-02157-7
PMID:40247051
|
综述 | 本文总结了环状RNA（circRNA）在基因调控和疾病发病机制中的新兴作用，以及利用新兴测序技术和深度学习技术进行circRNA发现和功能分析的最新突破 | 结合长读长和单细胞RNA测序技术与深度学习算法，以前所未有的分辨率和规模研究circRNA | circRNA低表达水平及与线性RNA的高序列相似性给检测和表征带来挑战 | 探索circRNA的发现、表征和功能分析算法，以及其在生物医学应用中的潜力 | 环状RNA（circRNA） | 生物信息学 | NA | 长读长测序、单细胞RNA测序 | 深度学习 | RNA序列数据 | NA | NA | NA | NA | NA |
| 934 | 2025-05-16 |
Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany
2025-May-13, Aging clinical and experimental research
IF:3.4Q2
DOI:10.1007/s40520-025-03048-x
PMID:40355760
|
research paper | 评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行机会性骨质疏松筛查的成本效益 | 利用AI驱动的胸部X光片进行骨质疏松筛查，提高早期检测率，降低骨折风险，改善公共卫生结果 | 研究基于德国骨质疏松指南和AI模型准确性，可能在其他地区或不同指南下结果不同 | 评估AI驱动的胸部X光片在骨质疏松筛查中的成本效益 | 德国50岁及以上的女性 | digital pathology | geriatric disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 935 | 2025-05-16 |
An Interpretable AI for Smart Homes: Identifying Fall Prevention Strategies for Older Adults Using Multimodal Deep Learning
2025-May-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3569891
PMID:40366850
|
research paper | 开发了一个可解释的AI框架，用于通过多模态深度学习识别老年人跌倒预防策略 | 使用BiCrossNet架构的多模态预测模型，结合静态和时间序列数据，通过PIMP和SHAP方法解释特征重要性 | NA | 识别老年人家庭跌倒预防策略 | 老年人 | machine learning | geriatric disease | multimodal deep learning | BiCrossNet | multimodal (static and timeseries data) | 12,540 data points | NA | NA | NA | NA |
| 936 | 2025-05-16 |
Deep learning applications in prosthodontics: A systematic review
2025-May-13, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.009
PMID:40368705
|
systematic review | 本文系统综述了深度学习在修复牙科中的应用，包括修复体设计、治疗计划辅助、颜色匹配及地标检测等方面 | 首次系统评估了深度学习在修复牙科中的多种应用，并总结了当前研究的主要方向和成果 | 研究方法缺乏标准化，且部分研究存在偏倚风险，需进一步验证以确保临床可靠性 | 评估深度学习在修复牙科中的应用，特别是在修复体设计、治疗计划辅助和颜色匹配等方面的效果 | 牙科修复体（如嵌体、高嵌体、牙冠及固定牙科修复体）及其相关治疗过程 | digital pathology | dental disease | deep learning | CNN, GAN | image | 31 studies (from 3359 screened) | NA | NA | NA | NA |
| 937 | 2025-05-16 |
Automated seizure detection in epilepsy using a novel dynamic temporal-spatial graph attention network
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01015-0
PMID:40355495
|
research paper | 提出了一种动态时空图注意力网络（DTS-GAN）用于癫痫发作的自动检测 | 通过结合图信号处理和混合深度学习框架，DTS-GAN能够自适应地学习电极节点间的瞬态功能交互 | 未提及具体的数据集规模或多样性限制 | 解决固定拓扑图模型在分析时变脑网络中的局限性 | 癫痫患者的脑电图（EEG）数据 | digital pathology | epilepsy | EEG | DTS-GAN (Dynamic Temporal-Spatial Graph Attention Network) | EEG sequences | TUSZ数据集 | NA | NA | NA | NA |
| 938 | 2025-05-16 |
Classification of multi-lead ECG based on multiple scales and hierarchical feature convolutional neural networks
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94127-6
PMID:40355498
|
research paper | 提出了一种结合多尺度和分层特征的卷积神经网络（CNN）及Lead Encoder Attention（LEA）机制，用于多导联心电图（ECG）分类 | 结合多尺度和分层特征的CNN及LEA机制，有效整合ECG的形态和时间特征 | 未提及具体局限性 | 提高心律失常的分类准确率，用于心血管疾病的诊断 | 多导联心电图（ECG）数据 | machine learning | cardiovascular disease | CNN, LEA | CNN | ECG信号 | MIT-BIH-AR数据库和超过150,000条ECG记录的CCDD数据库 | NA | NA | NA | NA |
| 939 | 2025-05-16 |
Impact of pharmacology perception and learning strategies on academic achievement in undergraduate pharmacy students
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91510-1
PMID:40355613
|
研究论文 | 本研究评估了药学本科生对药理学教育的感知、学习策略及其对学业成就的影响 | 揭示了深度学习策略与学业成就之间的强正相关性，并验证了问卷的内部一致性和因子负荷 | 研究为横断面设计，无法追踪学习策略的长期变化 | 评估药理学教育在药学本科生中的感知作用及其对学业成就的影响 | 210名药学本科生（二年级至五年级） | 药学教育 | NA | 问卷调查、Pearson相关分析、多元回归分析、内部一致性检验（Cronbach's alpha）、因子负荷分析 | NA | 问卷数据 | 210名药学本科生（120名男性，90名女性） | NA | NA | NA | NA |
| 940 | 2025-05-16 |
Advances to IoT security using a GRU-CNN deep learning model trained on SUCMO algorithm
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99574-9
PMID:40355669
|
研究论文 | 本文提出了一种结合CNN和GRU的混合深度学习模型，用于分类物联网安全威胁，并通过SUCMO算法优化模型性能 | 提出了一种结合CNN和GRU的混合深度学习模型，并采用SUCMO算法进行超参数优化，提高了分类准确率 | NA | 提高物联网安全威胁检测的准确性和效率 | 物联网安全威胁，如DoS攻击和Botnets | 机器学习 | NA | 深度学习 | CNN, GRU | 网络数据 | 两个数据集，UNSW-NB15和BoT-IoT | NA | NA | NA | NA |