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 3405 篇文献，本页显示第 3401 - 3405 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3401 | 2025-10-06 |
Efficient wheat variety identification using Raman hyperspectral imaging in combination with deep learning
2026-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126722
PMID:40694955
|
研究论文 | 本研究开发了一种结合拉曼高光谱成像和深度学习技术的小麦品种高效识别方法 | 提出基于Segment Anything Model的ROI提取框架，利用化学先验知识选择拉曼特征峰增强可解释性，并设计融合多尺度特征提取和Transformer模块的拉曼光谱注意力网络 | NA | 开发高效、可解释的小麦品种识别方法 | 小麦籽粒 | 计算机视觉 | NA | 拉曼高光谱成像 | Transformer, 深度学习 | 高光谱图像 | 8个小麦品种 | NA | Segment Anything Model, Transformer | 准确率 | NA |
| 3402 | 2025-10-06 |
Discriminant research on edible oil components by oblique-incidence reflectivity difference
2026-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126746
PMID:40737913
|
研究论文 | 通过斜入射反射差技术和深度学习算法对食用油成分进行鉴别研究 | 首次将斜入射反射差(OIRD)技术与八种深度学习算法结合用于食用油成分分析 | 仅针对三种脂肪酸成分(亚油酸、油酸、α-亚麻酸)进行研究，样本范围有限 | 开发基于OIRD和深度学习的食用油成分快速鉴别方法 | 食用油中的亚油酸、油酸和α-亚麻酸成分 | 机器学习 | NA | 斜入射反射差(OIRD) | 深度学习 | 光谱反射数据 | NA | NA | Time Series Transformer | 精确率,召回率,F1分数 | NA |
| 3403 | 2025-10-06 |
Enhanced bi-branch deep learning network for in vivo hyperspectral imaging recognition of organs and tissues
2026-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126815
PMID:40845607
|
研究论文 | 开发了一种增强型双分支深度学习网络，用于活体高光谱成像中器官和组织的识别 | 结合图卷积网络(GCN)和Transformer的双分支架构，通过特征增强模块提升模型性能，能够同时提取局部区域信息和长程边界依赖关系 | NA | 提高活体高光谱成像中器官和组织结构的识别精度 | 猪器官数据集和斑马鱼活体器官组织 | 计算机视觉 | NA | 高光谱成像，漫反射近红外光谱 | GCN, Transformer | 高光谱图像 | 公共猪数据集和斑马鱼活体测量数据 | NA | 双分支网络，图卷积网络，Transformer | 精度 | NA |
| 3404 | 2025-10-06 |
Detection of aging-induced vascular remodeling based on Raman imaging and deep learning
2026-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126832
PMID:40848497
|
研究论文 | 本研究结合拉曼成像和深度学习技术检测小鼠主动脉的老化诱导血管重塑 | 首次使用拉曼成像同时分析主动脉组织中五种成分的含量和分布变化，并结合深度学习实现年轻与老化组织的准确区分 | 研究仅基于小鼠主动脉组织，尚未在人类样本中验证 | 开发早期检测血管老化的无标记成像方法 | 小鼠主动脉组织切片 | 医学影像分析 | 血管老化相关疾病 | 拉曼成像，代谢组学，MCR-ALS分析 | 深度学习 | 拉曼光谱图像 | 未明确说明样本数量的小鼠主动脉组织 | NA | NA | AUC | NA |
| 3405 | 2025-10-06 |
A novel colorimetric detection based on bifunctionalized gold nanoparticle combined with machine learning and deep learning models to identify microbial transglutaminase in foods
2026-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.128533
PMID:40602019
|
研究论文 | 开发了一种结合双功能化金纳米颗粒与机器学习/深度学习的比色检测方法，用于食品中微生物转谷氨酰胺酶的识别与预测 | 首次将双功能化金纳米颗粒的比色检测与机器学习和深度学习模型相结合，用于检测食品中的微生物转谷氨酰胺酶活性 | NA | 开发高效检测食品中微生物转谷氨酰胺酶活性的方法 | 食品中的微生物转谷氨酰胺酶 | 机器学习 | NA | 比色检测、金纳米颗粒技术 | 决策树,随机森林,多层感知器 | 吸光度数据 | 648个mTG浓度-吸光度数据点，来自6种不同食品类型 | NA | 多层感知器 | 准确率 | NA |