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 1464 篇文献，本页显示第 1461 - 1464 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2025-10-07 |
Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy
2025-Sep-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144509
PMID:40306056
|
研究论文 | 基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性 | 将Canny边缘检测算法与改进的GoogLeNet架构相结合，通过优化Block 2中的inception模块、在全连接层应用L2正则化以及实施监控训练网络模型来提升性能 | 仅针对两种单花蜜（油菜蜜和枸杞蜜）进行验证，样本量较小（训练集133个，验证集33个，测试集12个） | 开发基于深度学习的三维荧光光谱蜂蜜真伪检测方法 | 两种单花蜜（油菜蜜和枸杞蜜）及其掺假样品（玉米糖浆或其他蜂蜜） | 计算机视觉 | NA | 三维荧光光谱 | CNN | 光谱数据 | 178个蜂蜜样本（训练集133，验证集33，测试集12） | NA | Canny-GoogLeNet | 准确率 | NA |
| 1462 | 2025-04-24 |
Comprehensive Raman spectroscopy analysis for differentiating toxic cyanobacteria through multichannel 1D-CNNs and SHAP-based explainability
2025-Sep-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127845
PMID:40081250
|
研究论文 | 结合拉曼光谱和深度学习技术对四种有毒蓝藻进行分类的研究 | 采用多通道一维卷积神经网络（1D-CNN）结合SHAP解释性方法，提高了分类准确率并增强了模型的可解释性 | 仅针对四种蓝藻物种进行研究，样本多样性可能有限 | 开发一种快速准确识别有毒蓝藻物种的方法，以支持水质监测和有害藻华早期检测 | 四种有毒蓝藻物种：Dolichospermum crassum, Aphanizomenon sp., Planktothrix agardhii 和 Microcystis aeruginosa | 机器学习 | NA | 拉曼光谱 | 1D-CNN | 光谱数据 | 四种蓝藻物种的光谱数据 | NA | NA | NA | NA |
| 1463 | 2025-04-24 |
Advanced SERSome-based artificial-intelligence technology for identifying medicinal and edible homologs
2025-Sep-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127931
PMID:40112588
|
研究论文 | 本研究提出了一种结合表面增强拉曼光谱（SERS）和深度学习的新方法，用于快速识别药食同源物质（MEHs） | 利用基于光谱集的SERS（称为'SERSome'）与深度学习结合，开发了一种新型识别模型，避免了反应过程中额外保护剂的使用，并克服了MEHs的荧光干扰 | NA | 提高药食同源物质的质量控制和快速识别能力 | 药食同源物质（MEHs） | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 1464 | 2025-04-24 |
Transformer-based deep learning models for quantification of La, Ce, and Nd in rare earth ores using laser-induced breakdown spectroscopy
2025-Sep-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127937
PMID:40127553
|
研究论文 | 本文提出了一种基于iTransformer-BiLSTM（iTBi）深度学习算法和随机森林（RF）算法的LIBS定量分析模型，用于精确测定稀土矿石中的La、Ce和Nd元素浓度 | 提出iTBi-LIBS和iTBi-RF-LIBS集成模型，有效降低基质效应和光谱重叠干扰，提高了定量分析的准确性 | 样本量较小（35个样本），且浓度范围有限（La: 0-1.924wt%, Ce: 0-2.917wt%, Nd: 0-1.492wt%） | 开发一种高效的LIBS定量分析方法，用于稀土矿石中La、Ce和Nd元素的实时定量分析 | 稀土矿石中的La、Ce和Nd元素 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | iTransformer-BiLSTM（iTBi）、随机森林（RF） | 光谱数据 | 35个样本 | NA | NA | NA | NA |