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 1957 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 222 | 2026-02-11 |
An artificial intelligence mechanism for detecting cystic lesions on CBCT images using deep learning
2025-12, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.102152
PMID:39551180
|
研究论文 | 本研究开发并评估了一种基于深度卷积神经网络的人工智能机制，用于在锥形束计算机断层扫描图像上检测和分类囊性病变 | 提出了一种结合数据增强的深度卷积神经网络方法，用于自动检测和诊断牙源性囊肿和根尖周囊肿，在CBCT图像上实现了高精度的病变识别与分类 | 样本量相对较小（仅150例），且仅针对两种特定类型的囊肿（牙源性囊肿和根尖周囊肿）进行评估，可能限制了模型的泛化能力 | 开发并评估一种人工智能机制，用于在CBCT图像上自动检测和分类囊性病变 | 锥形束计算机断层扫描图像中的囊性病变，包括牙源性囊肿和根尖周囊肿 | 计算机视觉 | 口腔颌面部疾病 | 锥形束计算机断层扫描 | CNN | 图像 | 150个CBCT样本（50例无病变，50例牙源性囊肿，50例根尖周囊肿） | NA | 深度卷积神经网络 | 召回率, 精确率, F1分数, 平均精度, 灵敏度, 特异性, 准确率, AUC | NA |
| 223 | 2026-02-10 |
Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety
2025-Dec, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71303
PMID:41356232
|
综述 | 本文综述了光谱和成像技术在无损检测肉类品质与安全方面的最新进展，包括其原理、应用、优缺点及未来展望 | 总结了多种先进光谱和成像技术在肉类检测中的多场景应用，并探讨了结合深度学习算法以提高检测全面性和准确性的未来研究方向 | 这些技术在工业应用中仍面临成本高、数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢 | 总结光谱和成像技术在肉类品质与安全检测中的最新发展，以推动高质量食品交付消费者 | 肉类（作为人类饮食中重要的动物蛋白来源） | 机器视觉 | NA | 近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像 | NA | 光谱数据、图像数据 | NA | NA | NA | NA | NA |
| 224 | 2026-02-09 |
MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30940-3
PMID:41419754
|
研究论文 | 本研究提出了一种基于MapReduce的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测 | 将轻量级MobileNetV3分类器与MapReduce风格的数据管道相结合，实现了预处理和批量推理的跨节点并行化处理 | 仅使用了2152张图像的数据集，且病害类别仅限于三类，未在更大规模或更多类别的数据集上进行验证 | 实现马铃薯叶部病害的准确、及时检测，以支持可持续精准农业并减少作物产量损失 | 马铃薯叶部病害图像，包括疫病等类别 | 计算机视觉 | 马铃薯叶部病害 | 图像处理，数据增强 | CNN | 图像 | 2152张图像，分为三个类别 | TensorFlow, PyTorch (未明确指定，但基于MobileNetV3推断) | MobileNetV3 | 准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率 | GPU训练，MapReduce管道实现水平可扩展性 |
| 225 | 2026-02-09 |
Evaluation of computer-aided detection for gastric cancer using white-light and linked-color imaging: a pilot study
2025-Dec, iGIE : innovation, investigation and insights
DOI:10.1016/j.igie.2025.09.010
PMID:41647811
|
研究论文 | 本研究评估了新型计算机辅助检测系统CAD EYE在胃镜中使用白光成像和联动彩色成像检测胃癌的性能 | 首次比较了CADe系统在WLI与LCI模式下的检测框出现频率，并评估了其在胃癌检测中的实际应用效果 | 单中心回顾性研究，样本量有限，假阳性率较高，需要进一步优化 | 评估计算机辅助检测系统在胃癌诊断中的性能 | 接受胃镜检查的胃癌患者 | 数字病理 | 胃癌 | 白光成像，联动彩色成像，计算机辅助检测 | 深度学习模型 | 内窥镜图像 | 210名患者（105名CADe组，105名对照组），来自600名患者的倾向评分匹配 | NA | CAD EYE系统 | 假阳性检测次数，检测框出现频率，活检率，检查时间，癌症检测率，关键胃部位识别准确率 | NA |
| 226 | 2026-02-07 |
Deep learning-driven morphological fingerprinting: rapid, accurate and low-cost pathogen identification via the analysis of dried patterns of droplets
2025-Dec-29, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-025-03923-9
PMID:41462248
|
研究论文 | 本研究提出了一种基于深度学习的AI平台，通过分析微生物悬浮液干燥后形成的物种特异性脱水图案，实现快速、准确且低成本的病原体识别 | 首次利用微生物悬浮液干燥过程中的脱水图案作为形态指纹，结合深度学习模型进行病原体分类，提供了一种新型的快速诊断方法 | 研究仅针对七种常见血流感染病原体，未涵盖所有可能病原体；且需在40°C下进行干燥步骤，可能受环境条件影响 | 开发一种快速、低成本的血流感染病原体识别技术，以指导及时抗生素治疗 | 常见血流感染病原体，包括大肠杆菌、肺炎克雷伯菌、铜绿假单胞菌、鲍曼不动杆菌、金黄色葡萄球菌、粪肠球菌和白色念珠菌 | 计算机视觉 | 血流感染 | 脱水图案分析 | CNN | 图像 | 10,055张脱水图案图像 | PyTorch | ResNet-34 | 准确率, AUC-ROC | NA |
| 227 | 2025-12-29 |
A survival prediction model for leptomeningeal metastasis patients with non-small cell lung cancer based on deep learning
2025-Dec-28, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15503-z
PMID:41455921
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 228 | 2026-02-06 |
Deep learning-based predictive models for assessing the impact of clinical factors and second primary malignancy on survival in patients with colorectal cancer
2025-Dec-31, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03760-4
PMID:41476205
|
研究论文 | 本研究利用结直肠癌患者数据开发深度学习模型，预测伴随第二原发恶性肿瘤患者的生存率，并分析临床因素和第二原发恶性肿瘤类型对生存的影响 | 首次针对结直肠癌患者伴随第二原发恶性肿瘤的生存预测开发深度学习模型，并系统评估33种临床因素及不同第二原发恶性肿瘤类型对生存结果的影响 | 研究基于回顾性数据，可能存在选择偏倚；未考虑所有潜在混杂因素；模型性能虽高但需外部验证 | 开发预测模型以评估临床因素和第二原发恶性肿瘤对结直肠癌患者生存的影响 | 21,522名伴随第二原发恶性肿瘤的结直肠癌患者 | 机器学习 | 结直肠癌 | 深度学习 | 深度学习模型 | 临床数据 | 21,522名患者 | NA | NA | AUC | NA |
| 229 | 2026-02-06 |
DCPR: a deep learning framework for circadian phase reconstruction
2025-Dec-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06363-2
PMID:41469552
|
研究论文 | 本研究开发了一个名为DCPR的无监督深度学习框架，用于从非时序转录组数据中准确重建昼夜节律相位 | 提出首个专门用于从非时序转录组数据重建昼夜节律相位的无监督深度学习框架，在模拟和真实数据上均优于现有方法 | 未明确说明框架对数据质量和样本量的具体要求，也未讨论其在其他类型组学数据（如蛋白质组学）上的适用性 | 开发一个计算工具，从非时序转录组数据中准确推断基因表达的昼夜节律振荡模式 | 昼夜节律系统的基因表达振荡模式 | 机器学习 | 昼夜节律相关疾病 | 转录组测序 | 深度学习 | 基因表达数据 | NA | NA | NA | 预测准确性 | NA |
| 230 | 2026-02-06 |
Capsule graph networks for accurate and interpretable crystalline materials property prediction
2025-Dec-29, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01139-5
PMID:41462335
|
研究论文 | 本文提出了一种结合胶囊网络与E(3)等变性的图神经网络框架，用于精确且可解释的晶体材料性质预测 | 首次将E(3)等变图神经网络与胶囊网络结合，捕捉晶体材料的几何对称性和层次结构，实现可解释的基元发现 | 未明确说明模型在处理更大规模或更复杂晶体结构时的可扩展性 | 开发一个精确且可解释的深度学习框架，用于预测晶体材料的性质并理解其结构-性质关系 | 晶体材料 | 机器学习 | NA | NA | 图神经网络, 胶囊网络 | 图数据 | Materials Project 和 Matbench 数据集 | NA | Capsule Graph Networks with E(3)-Equivariance (CGN-e3) | MAE | NA |
| 231 | 2026-02-06 |
Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections
2025-Dec-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02223-8
PMID:41420101
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在真实世界中用于糖尿病视网膜病变筛查的性能 | 首次对全球范围内监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素 | 研究依赖于已发表文献，可能存在报告偏倚；不同研究间的异质性较高，尽管通过元回归解释了部分原因 | 评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界诊断性能 | 糖尿病视网膜病变筛查 | 医学影像分析 | 糖尿病视网膜病变 | 深度学习 | 深度学习系统 | 眼底图像 | 82项研究，覆盖887,244次检查，涉及25种设备，来自28个国家 | NA | NA | 灵敏度, 特异度 | NA |
| 232 | 2026-02-06 |
FHBDSR-Net: automated measurement of diseased spikelet rate of Fusarium Head Blight on wheat spikes
2025-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-025-00245-0
PMID:41312098
|
研究论文 | 本文提出了一种名为FHBDSR-Net的轻量级深度学习框架，用于自动测量小麦穗部赤霉病的病小穗率 | 构建了包含620张高分辨率RGB图像和5,222个小穗级标注的数据集，并设计了多尺度特征增强架构、Inner-EfficiCIoU损失函数和尺度感知注意力模块，以解决小目标检测、特征表示不足和密集空间编码的挑战 | 未明确提及模型在更广泛环境或不同小麦品种上的泛化能力，以及数据集的规模可能仍有扩展空间 | 开发一种自动化、高效且非破坏性的方法来精确量化小麦赤霉病的病小穗率，以支持抗病育种 | 小麦穗部图像，特别是赤霉病感染的小穗 | 计算机视觉 | 小麦赤霉病 | 深度学习，图像分析 | CNN | 图像 | 620张高分辨率RGB图像，包含5,222个小穗级标注 | 未明确指定，但基于深度学习框架 | FHBDSR-Net（自定义架构） | 平均精度，皮尔逊相关系数 | 适用于资源受限的移动设备部署，但未具体说明训练时使用的GPU或云平台 |
| 233 | 2026-02-06 |
Detecting mangrove seedlings from UAV imagery using deep learning for restoration monitoring
2025-Dec-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30387-6
PMID:41326629
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于从超高分辨率无人机影像中检测红树林幼苗，以支持红树林生态系统的恢复监测 | 首次针对红树林生态系统提出了专门的幼苗检测方法，将用于人群计数的深度学习技术（密度图预测与定位）创新性地应用于自然环境的幼苗检测任务，并展示了优于现有先进目标检测框架（ResNet-DETR）的性能 | 存在标注不准确、无人机影像随时间推移可能不一致以及深度学习方法固有的局限性等挑战 | 开发一种自动化工具，用于大规模、准确地检测红树林幼苗，以评估生态恢复成效并指导保护策略 | 红树林幼苗 | 计算机视觉 | NA | 无人机遥感成像 | 深度学习 | 图像 | 阿拉伯联合酋长国阿布扎比酋长国22个播种点的无人机影像 | NA | MaxViT-UNet, ResNet-DETR | F1分数, 精确率, 召回率 | NA |
| 234 | 2026-02-05 |
Artifact-robust Deep Learning-based Segmentation of 3D Phase-contrast MR Angiography: A Novel Data Augmentation Approach
2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.tn.2024-0211
PMID:40619248
|
研究论文 | 本研究提出了一种新颖的数据增强方法，用于改善受搏动伪影影响的3D相位对比磁共振血管成像图像的深度学习分割效果 | 通过向k空间幅度添加周期性误差来模拟搏动伪影，从而创建了一种专门针对PC-MRA图像伪影的数据增强技术 | 研究仅在16名志愿者的数据集上进行评估，样本量相对较小 | 提高受搏动伪影影响的3D相位对比磁共振血管成像图像的血管分割准确性 | 3D相位对比磁共振血管成像图像 | 医学图像分析 | 心血管疾病 | 相位对比磁共振血管成像 | 深度学习模型 | 3D医学图像 | 16名志愿者的PC-MRA数据集 | NA | NA | Dice-Sørensen系数, Intersection over Union, 平均对称表面距离 | NA |
| 235 | 2026-02-03 |
A novel deep learning approach for intrusion detection in maritime radar networks
2025-Dec-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34353-0
PMID:41469470
|
研究论文 | 本文提出了一种名为MARINERNet的深度学习入侵检测系统，专门用于海上雷达网络，通过集成1D卷积层、挤压-激励模块和残差连接，自动从原始雷达网络数据中提取特征，以提高检测准确性 | 引入了一种新颖的深度学习架构，结合1D卷积层、挤压-激励模块和残差连接，自动提取特征，无需手动干预，并在多类和二类分类任务中实现了最先进的性能 | 未明确提及具体限制，如数据集的多样性、实际部署中的计算开销或对抗性攻击的鲁棒性 | 开发一个深度学习入侵检测系统，以实时检测海上雷达网络中的网络攻击，确保关键基础设施的安全 | 海上雷达网络及其相关的网络数据 | 机器学习 | NA | 深度学习 | CNN | 原始雷达网络数据 | NA | NA | 1D卷积层、挤压-激励模块、残差连接 | 准确率 | NA |
| 236 | 2026-02-03 |
A multi-objective optimization framework integrating ICSL deep learning for forecasting and scheduling emergency medical supply demand in public health emergencies
2025-Dec-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34300-z
PMID:41476145
|
研究论文 | 本文提出了一种集成ICSL深度学习的多目标优化框架，用于预测和调度公共卫生事件中的应急医疗物资需求 | 结合传染病特征和政府隔离措施影响，通过ICSL深度学习架构预测应急医疗物资最大需求，并构建考虑紧迫性、调度时间和成本的多目标调度分配模型 | NA | 解决重大疫情中后期应急医疗物资的预测与分配挑战 | 公共卫生事件中的应急医疗物资需求与调度 | 机器学习 | NA | 深度学习 | LSTM, BP神经网络 | 疫情控制措施数据 | 武汉疫情防控措施数据 | NA | ICSL深度学习架构 | 预测准确率 | NA |
| 237 | 2026-01-01 |
Prioritizing missense mutations via a deep learning phosphorylation prediction model
2025-Dec-30, Human genomics
IF:3.8Q2
DOI:10.1186/s40246-025-00898-4
PMID:41469746
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 238 | 2026-01-01 |
Artificial intelligence technology for the ethical issues research from a Marxist perspective under deep learning
2025-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34208-8
PMID:41469803
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 239 | 2025-12-30 |
Evaluation of a YOLOv5x-based deep learning model for interproximal caries segmentation on bitewing radiographs across primary and permanent teeth
2025-Dec-29, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07570-2
PMID:41457204
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 240 | 2026-02-03 |
Improving sign Language recognition system for assisting deaf and dumb people using pathfinder algorithm with representation learning model
2025-Dec-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34283-x
PMID:41461898
|
研究论文 | 本研究提出了一种基于路径寻找算法和特征提取模型的美国手语识别系统，旨在通过优化策略提升识别准确性和鲁棒性 | 整合路径寻找算法与SE-DenseNet特征提取模型及Elman神经网络分类器，通过参数调优提升手语识别性能 | 仅在美国手语数据集上进行测试，未涉及其他手语变体或真实复杂场景验证 | 提高手语识别系统的准确性和实用性，以辅助聋哑人士沟通 | 美国手语手势图像数据 | 计算机视觉 | NA | 高斯滤波去噪，深度学习特征提取与分类 | Elman神经网络 | 图像 | 未明确指定样本数量，使用美国手语数据集 | 未明确指定，可能涉及自定义实现 | SE-DenseNet, Elman神经网络 | 准确率 | NA |