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 23937 篇文献，本页显示第 2201 - 2220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2201 | 2025-04-12 |
Development of a handheld GPU-assisted DSC-TransNet model for the real-time classification of plant leaf disease using deep learning approach
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82629-8
PMID:39875383
|
研究论文 | 开发了一种基于深度学习的混合模型DSC-TransNet，用于实时分类植物叶片病害 | 结合VGG19架构特征与transformer编码器块，提高了对叶片图像中复杂空间依赖关系的捕捉能力 | NA | 为农业提供快速准确的叶片病害识别工具，促进可持续作物生产 | 葡萄、甜椒和番茄植物的叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | DSC-TransNet（结合VGG19和transformer编码器块） | 图像 | 多种数据集（包括葡萄、甜椒和番茄叶片） |
| 2202 | 2025-04-12 |
A guide for active learning in synergistic drug discovery
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85600-3
PMID:39875437
|
研究论文 | 本文探讨了主动学习在协同药物发现中的关键组成部分，并提供了实施建议 | 研究发现分子编码对性能影响有限，而细胞环境特征显著提升预测效果，主动学习仅需探索10%的组合空间即可发现60%的协同药物对 | 研究未提及具体的数据集规模或实验验证的广泛性 | 优化协同药物组合筛选过程，提高AI在药物发现中的效率 | 协同药物组合 | 机器学习 | NA | 主动学习 | 深度学习 | 分子和细胞环境数据 | NA |
| 2203 | 2025-04-12 |
A pediatric emergency prediction model using natural language process in the pediatric emergency department
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87161-x
PMID:39875462
|
研究论文 | 本研究利用深度学习和自然语言处理技术开发了一个预测模型，用于识别儿科急诊病例 | 使用基于KM-BERT框架的深度学习模型和自然语言处理技术，显著提高了急诊病例识别的准确性 | 研究仅基于韩国一家三级医院的电子病历数据，可能限制了模型的泛化能力 | 开发一个更精确高效的儿科急诊病例预测模型，以优化医疗资源分配和改善患者预后 | 儿科急诊病例 | 自然语言处理 | 儿科急诊疾病 | NLP, DL | KM-BERT, Gradient Boosting | 电子病历文本 | 87,759例儿科病例 |
| 2204 | 2025-04-12 |
Identifying factors that contribute to collision avoidance behaviours while walking in a natural environment
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88149-3
PMID:39875496
|
研究论文 | 研究在自然环境中行走时影响避碰行为的因素 | 利用深度学习算法在真实环境中分析行人行走轨迹，揭示与实验室研究不同的行为模式 | 研究仅在一个繁忙的城市路径上进行，可能无法推广到所有自然环境 | 识别和了解影响行人避碰行为的因素 | 行人行走行为 | 行为分析 | NA | 深度学习算法 | NA | 视频 | 繁忙城市路径上的行人行走轨迹 |
| 2205 | 2025-04-12 |
OCT-based diagnosis of glaucoma and glaucoma stages using explainable machine learning
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87219-w
PMID:39875492
|
research paper | 该研究开发了一种基于光学相干断层扫描（OCT）图像的可解释人工智能（XAI）工具，用于青光眼的诊断和分期 | 利用SHAP-based全局特征排序和部分依赖分析（PDA）开发了一种新型算法，实现了可解释的人工智能工具，提高了诊断的透明度和可信度 | 研究样本量相对较小（334只正常眼和268只青光眼），可能影响模型的泛化能力 | 开发一个可解释的人工智能工具，用于青光眼的诊断和分期，以提高临床决策的透明度和准确性 | 青光眼患者和正常人的OCT图像 | digital pathology | glaucoma | optical coherence tomography (OCT) | machine learning (ML) models | image | 334只正常眼和268只青光眼（86早期，72中期，110晚期） |
| 2206 | 2025-04-12 |
Digital framework for georeferenced multiplatform surveillance of banana wilt using human in the loop AI and YOLO foundation models
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87588-2
PMID:39875516
|
research paper | 该研究开发了一个基于AI的多平台地理参考监测系统，用于提高香蕉枯萎病的检测和管理效率 | 结合了YOLO系列基础模型和可解释AI技术，并采用人机交互AI提升地面图像模型的预测能力 | 未提及样本量的具体数字，且不同地区的检测性能存在差异 | 开发一个高效的香蕉枯萎病监测系统 | 香蕉枯萎病（包括镰刀菌枯萎病和黄单胞菌枯萎病） | computer vision | 植物病害 | 深度学习 | YOLO-NAS, YOLOv8, YOLOv9, Faster-RCNN | image | NA |
| 2207 | 2025-04-12 |
Using partially shared radiomics features to simultaneously identify isocitrate dehydrogenase mutation status and epilepsy in glioma patients from MRI images
2025-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87778-y
PMID:39875517
|
研究论文 | 利用部分共享的放射组学特征从MRI图像中同时识别胶质瘤患者的异柠檬酸脱氢酶（IDH）突变状态和癫痫 | 探索了IDH突变状态与癫痫发生之间的相关性，并提出了一种基于LASSO的迭代方法选择共享和特定任务的特征，以提高两种模型的性能 | 研究为回顾性设计，可能受到样本选择偏差的影响，且外部验证数据集仅用于IDH突变状态的识别 | 提高胶质瘤患者IDH突变状态识别和癫痫诊断模型的性能 | II-IV级胶质瘤患者 | 数字病理学 | 胶质瘤 | 放射组学特征提取 | LASSO | MRI图像 | 399名患者（训练集279名，内部测试集120名），外加TCIA多中心数据集的228名患者用于外部验证 |
| 2208 | 2025-04-12 |
Prompting large language models to extract chemical‒disease relation precisely and comprehensively at the document level: an evaluation study
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320123
PMID:40198724
|
研究论文 | 评估大型语言模型在文档级化学-疾病关系提取中的精确性和全面性能力 | 设计了多种提示工程策略的工作流程，以评估LLMs在化学-疾病关系提取中的表现，并分析了提取过程中的内容偏见和错误特征 | 提示工程策略的效果有限，LLMs在理解生物医学文本的隐含含义方面存在误解 | 评估大型语言模型在文档级化学-疾病关系提取中的能力 | 三种大型语言模型（GPT3.5、GPT4.0和Claude-opus） | 自然语言处理 | NA | 提示工程策略 | GPT3.5, GPT4.0, Claude-opus | 文本 | 自建数据集 |
| 2209 | 2025-04-12 |
Ensemble Deep Learning Models for Automated Segmentation of Tumor and Lymph Node Volumes in Head and Neck Cancer Using Pre- and Mid-Treatment MRI: Application of Auto3DSeg and SegResNet
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_21
PMID:40201772
|
research paper | 该研究开发了一种基于SegResNet架构的深度学习管道，用于头颈癌MRI中肿瘤和淋巴结体积的自动分割 | 集成了Auto3DSeg框架，采用加权多数投票融合多个SegResNet模型的预测结果，实现了治疗前和治疗中MRI的自动分割 | 治疗中MRI的分割性能有待提高，特别是GTVp的分割效果较差（DSCagg为0.49） | 改进放射肿瘤学工作流程，特别是自适应放射治疗中的自动分割技术 | 头颈癌患者的MRI扫描图像（治疗前和治疗中） | digital pathology | head and neck cancer | MRI | SegResNet | image | NA |
| 2210 | 2025-04-12 |
Benchmark of Deep Encoder-Decoder Architectures for Head and Neck Tumor Segmentation in Magnetic Resonance Images: Contribution to the HNTSMRG Challenge
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_15
PMID:40201773
|
research paper | 本文对几种先进的深度学习编码器-解码器架构在头颈部肿瘤磁共振图像分割任务中的表现进行了基准测试 | 比较了多种最新的分割架构在低数据量和低对比度任务（如头颈部肿瘤MRI分割）中的表现，发现传统残差UNet方法优于其他最新方法 | 研究仅针对头颈部肿瘤MRI分割任务，结果可能不适用于其他医学图像分割场景 | 评估不同深度学习架构在头颈部肿瘤MRI分割中的性能 | 头颈部肿瘤的磁共振图像 | digital pathology | head and neck cancer | MRI | UNet, UNETR, SwinUNETR, SegMamba | image | HNTSMRG挑战赛数据集 |
| 2211 | 2025-04-11 |
Retraction: The use of deep learning algorithm and digital media art in all-media intelligent electronic music system
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321391
PMID:40202926
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2212 | 2025-04-11 |
Retraction: Performance for rotor system of hybrid electromagnetic bearing and elastic foil gas bearing with dynamic characteristics analysis under deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321328
PMID:40202933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2213 | 2025-04-11 |
Retraction: Applying Internet information technology combined with deep learning to tourism collaborative recommendation system
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321330
PMID:40202931
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2214 | 2025-04-11 |
Retraction: Risk factor analysis combined with deep learning in the risk assessment of overseas investment of enterprises
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321411
PMID:40202928
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2215 | 2025-04-11 |
Retraction: Single image super-resolution via image quality assessment-guided deep learning network
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321386
PMID:40202936
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2216 | 2025-04-11 |
Retraction: Deep learning in public health: Comparative predictive models for COVID-19 case forecasting
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321232
PMID:40203008
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2217 | 2025-04-12 |
Enhancing student-centered walking environments on university campuses through street view imagery and machine learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321028
PMID:40203019
|
research paper | 该研究开发了一个深度学习框架，用于评估中国长三角地区四所大学校园步行环境的感知体验 | 利用大规模街景图像和机器学习模型预测校园步行环境的感知评分，并识别影响感知体验的关键空间设计元素 | 研究仅涵盖中国长三角地区的四所大学，样本覆盖范围有限 | 优化以学生为中心的校园步行环境 | 大学校园步行环境 | machine learning | NA | Baidu Street View Images (BSVIs), machine learning | Random Forest (RF), linear regression | image, perceptual ratings | 15,596张街景图像和100名志愿者的感知评分 |
| 2218 | 2025-04-11 |
Retraction: Harnessing the power of AI: Advanced deep learning models optimization for accurate SARS-CoV-2 forecasting
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321233
PMID:40203015
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2219 | 2025-04-12 |
Utilizing a deep learning model based on BERT for identifying enhancers and their strength
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320085
PMID:40203028
|
研究论文 | 提出了一种基于BERT和CNN的深度学习模型DNABERT2-Enhancer，用于识别增强子及其强度 | 结合BERT模型进行特征提取和CNN模型进行分类，通过迁移学习优化增强子识别任务，性能优于现有预测器 | 未提及具体的数据集规模或模型在其他数据集上的泛化能力 | 提高增强子及其活动强度的识别准确性 | DNA序列中的增强子 | 自然语言处理 | NA | 深度学习 | BERT, CNN | DNA序列 | 未提及具体样本数量 |
| 2220 | 2025-04-12 |
Deep learning-based improved side-channel attacks using data denoising and feature fusion
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315340
PMID:40203055
|
研究论文 | 本文提出了一种基于深度学习的改进侧信道攻击方法，结合数据去噪和特征融合技术 | 提出基于InceptionNet的网络结构减少训练参数并提升攻击效率，以及基于LU-Net的网络结构用于去噪，保留信号的时间连贯性和空间细节 | NA | 提升侧信道攻击的效率和准确性 | 侧信道攻击的数据集（ASCAD和DPA Contest v4） | 机器学习 | NA | 深度学习 | InceptionNet, LU-Net, LSTM | 侧信道数据 | ASCAD数据集和DPA Contest v4数据集 |