深度学习在生物医药领域中的应用
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，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10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 24907 篇文献，本页显示第 2141 - 2160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2141 | 2025-05-08 |
Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence
2025-May-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143150
PMID:39923522
|
研究论文 | 本研究使用深度学习算法和可解释人工智能技术预测海鲷鱼的新鲜度 | 结合CNN、DenseNet121等深度学习模型与Grad-CAM、LIME等XAI算法，开发了一种非破坏性的海鲷鱼新鲜度检测方法 | 仅针对冰箱储存条件下的海鲷鱼进行研究，未涉及其他储存条件或鱼类品种 | 开发基于图像分析的鱼类新鲜度自动检测技术 | 海鲷鱼（Sparus aurata）的眼睛和鳃部图像 | 计算机视觉 | NA | 深度学习、可解释人工智能（XAI） | CNN, DenseNet121, Inception V3, ResNet50 | 图像 | NA |
| 2142 | 2025-05-08 |
SERS based determination of ceftriaxone, ampicillin, and vancomycin in serum using WS2/Au@Ag nanocomposites and a 2D-CNN regression model
2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125850
PMID:39929115
|
research paper | 开发了一种基于表面增强拉曼光谱（SERS）和二维卷积神经网络（2D-CNN）回归模型的快速检测新生儿败血症治疗中抗生素浓度的方法 | 结合超灵敏SERS与2D-CNN深度学习模型，实现了对复杂混合血清溶液中多种抗生素浓度的同时高精度预测 | 研究仅针对三种抗生素（头孢曲松、氨苄西林和万古霉素）进行了验证，未涵盖其他可能的治疗药物 | 开发一种快速、准确的抗生素治疗药物监测（TDM）方法，以优化新生儿败血症的治疗 | 头孢曲松、氨苄西林和万古霉素三种抗生素在血清中的浓度 | machine learning | neonatal sepsis | surface-enhanced Raman spectroscopy (SERS) | 2D-CNN | spectroscopic data | NA |
| 2143 | 2025-05-08 |
Detection of Heavy Metal Copper Stress in Apple Rootstocks Using Surface-Enhanced Raman Spectroscopy
2025-May-07, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c00126
PMID:40264342
|
research paper | 利用表面增强拉曼光谱（SERS）结合深度学习模型快速准确检测苹果砧木中的重金属铜胁迫水平 | 结合SERS与1D-SAE-CNN深度学习模型，实现了对苹果砧木中铜胁迫水平的快速准确分类 | 研究仅针对铜胁迫，未涉及其他重金属污染物的检测 | 开发一种快速准确检测苹果砧木中重金属铜胁迫水平的方法 | 苹果砧木 | digital pathology | NA | 表面增强拉曼光谱（SERS）、扫描电子显微镜-能谱分析（SEM-EDS）、微拉曼成像 | 一维堆叠自编码卷积神经网络（1D-SAE-CNN） | 光谱数据、图像数据 | 10种常见铜胁迫浓度的苹果砧木样本 |
| 2144 | 2025-05-08 |
Single-microphone deep envelope separation based auditory attention decoding for competing speech and music
2025-May-07, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/add0e7
PMID:40280149
|
研究论文 | 本研究介绍了一种端到端的单麦克风深度学习系统，用于在竞争性语音和音乐设置中进行源分离和听觉注意解码（AAD） | 直接在观察到的混合音频信号的包络上应用深度源分离，并通过深度刺激重建将分离后的包络与从脑电图（EEG）信号获得的包络进行比较 | 源分离在混合音乐和语音信号上表现较差，但AAD性能未受影响 | 开发一种用于源分离和听觉注意解码的深度学习系统 | 竞争性语音和音乐信号 | 机器学习 | NA | 深度刺激重建，Pearson相关 | 深度学习模型 | 音频信号，EEG信号 | 60秒EEG试验中提取的20秒时间窗口 |
| 2145 | 2025-05-08 |
Field-Portable Technology for Illicit Drug Discrimination via Deep Learning of Hybridized Reflectance/Fluorescence Spectroscopic Fingerprints
2025-May-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05247
PMID:40329645
|
research paper | 该研究开发了一种基于深度学习的便携式技术，通过混合反射/荧光光谱指纹来鉴别非法药物 | 结合荧光和反射光谱技术，利用深度学习算法准确识别新型精神活性物质（NPS），并能在便携设备上实现 | 研究主要针对苯二氮卓类和硝氮烯类药物，对其他药物类别的普适性有待进一步验证 | 开发一种便携式技术，用于非法药物的现场快速鉴别，以支持社区伤害减少工作 | 新型精神活性物质（NPS），特别是苯二氮卓类和硝氮烯类药物 | machine learning | NA | 混合反射/荧光光谱技术 | 深度学习算法 | 光谱数据 | 11种苯二氮卓类药物及多种复杂混合物样本 |
| 2146 | 2025-05-08 |
Response to Letter: "Skin Cancer Detection Using Deep Learning Approaches" by Haque et al
2025-May-07, Cancer biotherapy & radiopharmaceuticals
DOI:10.1089/cbr.2025.0122
PMID:40329831
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2147 | 2025-05-08 |
Deep learning-based prognostic assessment of polyploid giant cancer cells and mitotic figures in liver cancer
2025-May-07, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03360-8
PMID:40332632
|
研究论文 | 利用深度学习算法快速检测细胞水平特征，并结合生存分析建立肝癌症诊断和治疗的新型预后风险评估系统 | 结合细胞水平特征检测和生存分析，构建了一个全流程的计算系统，用于肝癌症的预后评估 | 样本量相对较小（172例肝癌症病例），可能影响模型的泛化能力 | 开发一个实用的肝癌症预后风险评估系统，以改善患者的预后和治疗计划 | 肝癌症患者 | 数字病理学 | 肝癌症 | 深度学习 | CellFDet框架 | 病理图像 | 172例肝癌症病例，340张病理图像 |
| 2148 | 2025-05-08 |
Benchmarking the methods for predicting base pairs in RNA-RNA interactions
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf289
PMID:40327448
|
研究论文 | 本文通过使用三维RNA复合物结构中的碱基对作为基准，评估了23种不同方法在预测RNA-RNA相互作用中的性能 | 研究发现基于深度学习的方法SPOT-RNA能够准确预测未见过的RNA结构之间甚至没有单体结构的RNA之间的相互作用 | 实验确定的RNA-RNA相互作用在碱基对分辨率上仍然具有挑战性 | 评估和比较不同计算方法在预测RNA-RNA相互作用中的性能 | RNA-RNA相互作用 | 生物信息学 | NA | 深度学习 | SPOT-RNA | RNA三维结构数据 | 23种不同方法 |
| 2149 | 2025-05-08 |
A Survey and Evaluation of Adversarial Attacks in Object Detection
2025-May-06, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3561225
PMID:40327472
|
综述 | 本文对目标检测中的对抗攻击进行了调查和评估，提出了分类框架并评估了现有攻击方法的有效性 | 提出了针对目标检测架构的对抗攻击分类框架，并对现有攻击方法进行了全面评估 | 未提出新的对抗攻击防御方法，主要关注现有攻击方法的评估和分类 | 评估目标检测系统中的对抗攻击脆弱性并提出分类框架 | 目标检测模型（包括传统检测器和现代视觉语言预训练检测器） | 计算机视觉 | NA | 对抗攻击 | 传统目标检测器和现代视觉语言预训练检测器 | 图像 | NA |
| 2150 | 2025-05-08 |
AdvMixUp: Adversarial MixUp Regularization for Deep Learning
2025-May-06, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3562363
PMID:40327482
|
research paper | 提出了一种名为AdvMixUp的新方法，通过结合对抗训练来生成更具挑战性的混合样本，以减少深度神经网络中的过拟合问题 | AdvMixUp通过结合对抗训练生成样本依赖和特征级别的插值掩码，从而创建更接近决策边界的混合样本 | 未提及具体局限性 | 减少深度神经网络中的过拟合问题 | 深度神经网络（DNNs） | machine learning | NA | 对抗训练（AT） | DNNs | image | CIFAR-10, CIFAR-100, Tiny-ImageNet, ImageNet数据集 |
| 2151 | 2025-05-08 |
Physics-Assisted Machine Learning for the Simulation of the Slurry Drying in the Manufacturing Process of Battery Electrodes: A Hybrid Time-Dependent VGG16-DEM Model
2025-May-06, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c23103
PMID:40327815
|
研究论文 | 本研究提出了一种混合物理辅助机器学习（PAML）模型，结合深度学习（DL）技术和经典离散元方法（DEM）来模拟锂离子电池电极制造过程中的浆料干燥 | 通过结合DL和DEM，提出了一种新的混合模型，显著降低了计算成本并提高了模拟效率 | 模型在特定配方（96%活性材料和4%碳粘合剂）上训练，对其他配方的泛化能力有待进一步验证 | 提高锂离子电池电极制造过程中浆料干燥模拟的效率和准确性 | 锂离子电池电极制造过程中的浆料干燥过程 | 机器学习 | NA | 深度学习（DL），离散元方法（DEM） | VGG16-DEM混合模型 | 模拟数据 | NA |
| 2152 | 2025-05-08 |
A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01527-1
PMID:40329156
|
研究论文 | 本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割 | 首次将YOLOv8深度学习AI模型应用于下颌髁突超声图像的分割，并取得了较高的性能指标（F1分数0.93，敏感性0.90，精确度0.96） | 研究仅使用了回顾性的超声图像数据，样本量相对有限（668张图像） | 开发并评估用于下颌髁突超声图像分割的计算机辅助诊断工具 | 成人下颌髁突的超声图像 | 数字病理 | 口腔颌面部疾病 | 超声成像 | YOLOv8 | 图像 | 668张回顾性超声图像 |
| 2153 | 2025-05-08 |
Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01525-3
PMID:40329155
|
研究论文 | 本研究评估了深度学习模型在利用对比增强超声（CEUS）图像分类不同亚型实性肾实质肿瘤的能力，并比较了它们的分类性能 | 首次使用深度学习模型（ResNet-18和RepVGG）对CEUS图像中的肾实质肿瘤亚型进行分类，并比较了两种模型的性能 | 研究为回顾性设计，样本量相对较小（237例），且仅使用了单一影像学方法（CEUS） | 评估深度学习模型在肾实质肿瘤亚型分类中的应用价值 | 237例肾肿瘤的CEUS图像（包括46例AML、118例ccRCC、48例pRCC和25例chRCC） | 数字病理 | 肾癌 | 对比增强超声（CEUS） | ResNet-18, RepVGG | 图像 | 237例肾肿瘤CEUS图像 |
| 2154 | 2025-05-08 |
Deep Learning-Based CT-Less Cardiac Segmentation of PET Images: A Robust Methodology for Multi-Tracer Nuclear Cardiovascular Imaging
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01528-0
PMID:40329157
|
研究论文 | 开发了一种基于深度学习的无CT心脏PET图像分割方法，用于多示踪剂核心血管成像 | 提出了一种直接分割心脏PET图像的深度学习方法，克服了传统基于CT图像分割的局限性 | 研究中仅使用了146名患者的406张心脏PET图像，样本量相对有限 | 开发一种可靠的心脏PET图像分割方法，用于心血管疾病的诊断 | 心脏PET图像 | 数字病理 | 心血管疾病 | PET/CT成像 | nnU-Net V2 | 医学图像 | 146名患者的406张心脏PET图像（43 F-FDG、329 N-NH和37 Rb图像） |
| 2155 | 2025-05-08 |
Enhancing Breast Cancer Detection Through Optimized Thermal Image Analysis Using PRMS-Net Deep Learning Approach
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01465-y
PMID:40329154
|
research paper | 该研究通过优化的热图像分析，使用PRMS-Net深度学习方法增强乳腺癌检测 | 创新性地结合了渐进残差网络（PRN）和ResNet-50，构建了渐进残差多类支持向量机网络（PRMS-Net），显著提升了特征提取和分类效果 | 未提及具体的数据来源和样本多样性，可能影响模型的泛化能力 | 提升乳腺癌早期检测的准确性和效率 | 乳腺癌的热图像数据 | digital pathology | breast cancer | thermal image analysis | PRMS-Net (Progressive Residual Multi-Class Support Vector Machine-Net) | image | 未明确提及样本数量，但使用了五折交叉验证方法 |
| 2156 | 2025-05-08 |
Letter to the Editor: Deep Learning and Numerical Analysis for Bladder Outflow Obstruction and Detrusor Underactivity Diagnosis in Men: A Novel Urodynamic Evaluation Scheme
2025-May-06, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.70049
PMID:40329494
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2157 | 2025-05-08 |
Cost-efficient training of hyperspectral deep learning models for the detection of contaminating grains in bulk oats by fluorescent tagging
2025-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125856
PMID:39923708
|
研究论文 | 本文提出了一种基于荧光标记的高光谱深度学习模型，用于高效检测燕麦中的污染谷物 | 利用荧光标记技术高效生成地面真实分割掩码，减少人工标注的需求和错误 | 荧光标记仅在紫外光谱范围内可见，可能限制了在其他光谱范围的应用 | 开发一种成本效益高的高光谱深度学习模型训练方法，用于检测燕麦中的污染谷物 | 燕麦中的污染谷物（如未涂层的斯佩尔特小麦粒） | 计算机视觉 | NA | 荧光标记技术 | 深度学习分割模型 | 高光谱图像 | 燕麦与斯佩尔特小麦粒的混合物样本 |
| 2158 | 2025-05-08 |
A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds
2025-May-05, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108087
PMID:40328008
|
研究论文 | 提出了一种结合成本敏感学习和动态阈值的实时交通风险预测框架 | 将交通风险细分为四个等级，并引入成本敏感学习和动态阈值以提高预测可靠性 | 未提及具体的数据来源限制或模型在其他数据集上的泛化能力 | 提高实时交通风险预测的可靠性，促进主动交通安全管理 | 交通状态和风险数据 | 机器学习 | NA | 成本敏感学习(CSL)、动态阈值(DTs)、遗传算法(GA) | 机器/深度学习模型 | 车辆轨迹数据 | HighD数据集中的交通状态和风险数据 |
| 2159 | 2025-05-08 |
Inter-hospital transferability of AI: A case study on phase recognition in cholecystectomy
2025-May-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110235
PMID:40328029
|
research paper | 本研究探讨了AI模型在胆囊切除术阶段识别中的跨医院可转移性 | 分析了训练数据多样性和手术技术差异对模型泛化能力的影响，并提出结合公开数据和特定机构数据提升模型可转移性的方法 | 研究仅针对胆囊切除术，样本量相对有限（104例公开手术和21例自录视频） | 开发具有跨临床环境泛化能力的手术阶段识别AI模型 | 胆囊切除术视频数据 | digital pathology | NA | deep learning | ResNet50 + MS-TCN | video | 104例公开手术视频 + 21例自录手术视频 |
| 2160 | 2025-05-08 |
Oral cavity carcinoma detection using BAT algorithm-optimized machine learning models with transfer learning and random sampling
2025-May-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110250
PMID:40328028
|
研究论文 | 提出了一种结合迁移学习、随机采样和BAT算法优化的集成机器学习分类器TR-ROS-BAT-ML，用于口腔癌检测 | 整合了迁移学习、随机采样和基于BAT算法的优化策略，提出了一种新的诊断框架TR-ROS-BAT-ML | 未来研究需要整合多模态数据并进一步优化以提高临床适用性 | 提高口腔癌的早期和准确检测 | 口腔鳞状细胞癌（OSCC）和正常口腔上皮组织的H&E染色组织学图像 | 数字病理 | 口腔癌 | H&E染色组织学图像分析 | NANSNetLarge, EfficientNetB7, EfficientNetV2L, EfficientNetV2S, EfficientNetV2M, XGBoost, AdaBoost, Extra Trees, Histogram-Based Gradient Boosting, MultiLayer Perceptron | 图像 | 1224张H&E染色组织学图像（100x和400x放大），来自230名患者 |