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 32922 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-11-02 |
Development and Validation of Deep Learning Model for Predicting Long-Term Prognosis in Patients with Symptomatic Intracranial Arterial Stenosis
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S538889
PMID:41164008
|
研究论文 | 开发并验证用于预测症状性颅内动脉狭窄患者长期预后的深度学习模型 | 首次将深度学习模型应用于症状性ICAS患者的长期预后预测，与传统逻辑回归模型相比表现出显著优越性能 | 回顾性研究设计，样本量相对有限（266例患者），需外部验证确认泛化能力 | 预测症状性颅内动脉狭窄患者的疾病进展风险 | 266例症状性颅内动脉狭窄患者 | 机器学习 | 脑血管疾病 | NA | 深度学习, 逻辑回归 | 临床数据 | 266例症状性ICAS患者（训练集70%，验证集30%） | NA | NA | 准确率, 敏感度, 特异度, 精确率, F1分数, AUC | NA |
| 242 | 2025-11-02 |
A systematic review of deep learning-based segmentation techniques for brain tumor detection (2013-2023)
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251380645
PMID:41164152
|
系统综述 | 对2013-2023年间基于深度学习的脑肿瘤图像分割技术进行系统性回顾和文献计量分析 | 首次对脑肿瘤图像分割领域进行系统性文献计量分析，识别关键研究趋势和利益相关者 | 仅涵盖2013-2023年期间文献，可能遗漏最新研究进展 | 调查脑肿瘤检测中基于深度学习的图像分割技术的研究格局和发展趋势 | 931篇经过PRISMA筛选的学术文献 | 计算机视觉 | 脑肿瘤 | 文献计量分析，PRISMA指南 | 深度学习 | 文献数据 | 931篇文档 | VOSviewer, R Studio | NA | NA | NA |
| 243 | 2025-11-02 |
Advances in artificial intelligence applications for the management of chronic obstructive pulmonary disease
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1685254
PMID:41164160
|
综述 | 本文综述人工智能在慢性阻塞性肺疾病全病程管理中的技术应用与临床价值 | 建立了融合生物信息学与多组学分析的智能管理框架，提供覆盖疾病全过程的个体化解决方案 | 未提及具体数据验证结果和临床实施障碍 | 探讨AI在COPD诊疗防控中的临床应用前景与发展方向 | 慢性阻塞性肺疾病患者 | 机器学习 | 慢性阻塞性肺疾病 | 多模态数据, 放射组学, 多组学分析 | 机器学习, 深度学习 | 多模态数据 | NA | NA | NA | NA | NA |
| 244 | 2025-11-02 |
A hybrid framework for enhanced segmentation and classification of colorectal cancer histopathology
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1647074
PMID:41164179
|
研究论文 | 提出一种结合Swin Transformer、EfficientNet和ResUNet-A的混合深度学习系统，用于结直肠癌组织病理学的增强分割和分类 | 整合自注意力机制、复合缩放和残差学习，结合多种先进架构的优势，在特征提取、全局上下文建模和空间分类方面实现创新 | 未提及外部验证集的表现，可能缺乏对不同数据集的泛化能力评估 | 开发自动化结直肠癌组织病理学分析系统，提高诊断准确性和效率 | 结直肠癌组织病理学图像，包括锯齿状腺瘤、息肉、腺癌、高级别和低级别上皮内瘤变及正常组织 | 数字病理学 | 结直肠癌 | 组织病理学染色 | 深度学习 | 组织病理学图像 | 未明确说明具体样本数量 | 未明确说明 | Swin Transformer,EfficientNet,ResUNet-A | 准确率,精确率,召回率,F1分数 | NA |
| 245 | 2025-11-02 |
Detection of antimicrobial peptides from fecal samples of FMT donors using deep learning
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1689589
PMID:41164228
|
研究论文 | 本研究结合宏基因组学和深度学习从粪便微生物移植供体样本中挖掘抗菌肽 | 首次将深度学习与宏基因组学相结合从人类粪便微生物组中挖掘功能性抗菌肽 | 仅从120个供体样本中挖掘，样本规模相对有限 | 从粪便微生物移植供体中发现具有抗菌活性的新型抗菌肽 | 粪便微生物移植供体的粪便样本 | 机器学习 | 细菌感染相关疾病 | 宏基因组学, 宏蛋白质组学, 分子对接, 分子动力学模拟 | 深度学习 | 宏基因组序列数据 | 120个粪便微生物移植供体样本 | NA | NA | NA | NA |
| 246 | 2025-11-02 |
YOLOv8-Seg: a deep learning approach for accurate classification of osteoporotic vertebral fractures
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1651798
PMID:41164317
|
研究论文 | 本研究开发了一种基于YOLOv8-Seg深度学习模型的自动化方法，用于从CT图像中准确分类骨质疏松性椎体骨折 | 首次将YOLOv8-Seg模型应用于骨质疏松性椎体骨折的自动分类，实现了对压碎型、前楔形和双凹型骨折的高精度识别 | 测试集样本量较小（仅30张图像），需要更大规模的外部验证 | 开发自动化工具辅助骨质疏松性椎体骨折的早期精确诊断 | 骨质疏松性椎体骨折患者的CT图像 | 计算机视觉 | 骨质疏松性椎体骨折 | CT成像 | YOLOv8-Seg | 医学图像 | 673张CT图像（643张训练验证，30张测试） | NA | YOLOv8-Seg | mAP50-95 | NA |
| 247 | 2025-11-02 |
Quantitative analysis of gait and balance using deep learning on monocular videos and the timed up and go test in idiopathic normal-pressure hydrocephalus
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1644543
PMID:41164460
|
研究论文 | 本研究验证了基于单目视频和深度学习算法的视觉步态分析系统在特发性正常压力脑积水患者中的步态参数评估能力 | 首次将基于单目视频的视觉步态分析系统与定时起立行走测试相结合，用于预测特发性正常压力脑积水患者的跌倒风险 | 样本量相对较小（59名患者），仅使用单中心数据 | 研究视觉步态分析系统测量的步态参数与定时起立行走测试评分的关系，并开发预测跌倒风险的机器学习模型 | 特发性正常压力脑积水患者 | 计算机视觉 | 神经退行性疾病 | 基于视频的步态分析 | 深度学习 | 视频 | 59名患者 | NA | NA | AUC | NA |
| 248 | 2025-11-02 |
Ethical and legal concerns in artificial intelligence applications for the diagnosis and treatment of lung cancer: a scoping review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1663298
PMID:41164831
|
综述 | 本范围综述探讨人工智能在肺癌诊疗应用中的伦理和法律问题 | 首次系统梳理AI在肺癌领域应用的伦理法律挑战，重点关注数据隐私和算法公平性等核心问题 | 缺乏全面的法律分析，大多数研究来自高收入国家，全球视角不足 | 分析AI在肺癌诊疗应用中产生的伦理和法律问题 | 人工智能在肺癌筛查、诊断、治疗和预后中的应用 | 医疗人工智能 | 肺癌 | 深度学习 | 混合和多模态AI系统 | 诊断影像数据 | 20篇符合条件的研究文献 | NA | NA | NA | NA |
| 249 | 2025-11-02 |
Physically Consistent Image Augmentation for Deep Learning in Mueller Matrix Polarimetry
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3618390
PMID:41082429
|
研究论文 | 提出一种用于穆勒矩阵偏振测量中深度学习任务的物理一致图像增强框架 | 开发了专门针对偏振数据的物理一致性数据增强方法，解决了传统增强技术会破坏偏振特性的问题 | NA | 改善偏振成像数据在深度学习中的增强方法，提升模型泛化能力 | 穆勒矩阵偏振图像 | 计算机视觉 | NA | 穆勒矩阵偏振测量 | 深度学习模型 | 偏振图像 | 多个数据集（具体数量未明确说明） | NA | 语义分割模型 | 模型泛化能力和性能指标 | NA |
| 250 | 2025-11-02 |
Explainable AI-enabled hybrid deep learning architecture for breast cancer detection
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1658741
PMID:41112281
|
研究论文 | 提出一种结合可解释人工智能的混合深度学习架构用于乳腺癌检测 | 集成三种不同预训练CNN架构的混合深度学习框架，并引入XAI组件增强模型可解释性 | NA | 开发可靠且可解释的乳腺癌诊断系统 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 医学图像 | NA | NA | DENSENET121,Xception,VGG16 | 准确率 | NA |
| 251 | 2025-11-02 |
Artificial intelligence (AI)-Enabled behavioral health application for college students: Pilot study protocol
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335847
PMID:41166359
|
研究论文 | 开发一款基于人工智能的行为健康应用程序，用于大学生抑郁症状的自动化筛查 | 结合传感器行为数据和深度学习技术开发主动式心理健康自我意识工具 | 仅针对两所美国大学的1000名新生，样本代表性有限 | 开发自动化抑郁行为筛查工具，解决高等教育机构心理健康需求 | 18岁及以上的大学一年级本科生 | 机器学习 | 抑郁症 | 传感器数据采集，调查问卷 | 深度学习 | 传感器行为数据，调查问卷数据 | 约1000名来自两所美国大学的一年级本科生 | NA | NA | NA | NA |
| 252 | 2025-11-02 |
Enhanced audience sentiment analysis in IoT-integrated metaverse media communication
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332106
PMID:41166380
|
研究论文 | 提出一种集成物联网和元宇宙媒体的深度学习情感分析框架，用于增强观众情感分析能力 | 融合BERT双向编码和GPT生成建模的BG-Hybrid混合模型，结合动态窗口分割和持续优化机制 | 实验主要基于Twitter和亚马逊数据集，在更广泛的元宇宙场景中验证仍需进一步研究 | 开发可扩展的实时情感分析系统，处理异构高速媒体流 | 物联网集成元宇宙媒体通信中的观众情感 | 自然语言处理 | NA | 情感分析 | BERT, GPT | 文本数据 | Twitter Sentiment140和Amazon Reviews数据集 | NA | BG-Hybrid混合架构 | 准确率, F1分数, 响应延迟 | NA |
| 253 | 2025-11-02 |
Correction: Image recognition technology for bituminous concrete reservoir panel cracks based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335901
PMID:41171705
|
修正 | 对一篇基于深度学习的沥青混凝土水库面板裂缝图像识别技术文章进行修正 | NA | NA | NA | NA | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 254 | 2025-11-02 |
The group-housed pigs attacking and daily behaviors detection and tracking based on improved YOLOv5s and DeepSORT
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0334783
PMID:41171718
|
研究论文 | 基于改进YOLOv5s和DeepSORT的群养猪攻击行为与日常行为检测跟踪方法 | 引入注意力机制和Shape-IoU优化边界框回归损失函数，提升模型在遮挡和重叠场景下的鲁棒性 | 未明确说明数据集规模和具体实验环境限制 | 开发稳定高精度的猪只行为自动检测与跟踪深度学习方法 | 群养猪只的进食、站立、躺卧和攻击四种行为类型 | 计算机视觉 | NA | 视频监控 | YOLOv5s, DeepSORT | 视频 | NA | PyTorch | YOLOv5s, DeepSORT | mAP@0.5, MOTA, MOTP | NA |
| 255 | 2025-11-02 |
Contrast limited adaptive histogram equalization (CLAHE) and colour difference histogram (CDH) feature merging capsule network (CCFMCapsNet) for complex image recognition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335393
PMID:41171751
|
研究论文 | 提出一种结合CLAHE和CDH特征融合的胶囊网络CCFM-CapsNet，用于复杂图像识别和植物病害检测 | 在原始CapsNet中集成CLAHE降噪和CDH特征提取，并加入最大池化和dropout层，显著提升了复杂图像识别性能 | 胶囊网络存在编码器网络考虑图像中每个元素和拥挤问题，对复杂图像处理仍有挑战 | 开发高性能植物病害检测模型，支持联合国可持续发展目标2（零饥饿） | 苹果、香蕉、葡萄、玉米、芒果、辣椒、土豆、水稻、番茄的叶片病害，以及fashion-MNIST和CIFAR-10数据集 | 计算机视觉 | 植物病害 | CLAHE（对比度受限自适应直方图均衡化），CDH（颜色差异直方图） | CapsNet（胶囊网络） | 图像 | 多个植物病害数据集及fashion-MNIST、CIFAR-10标准数据集 | NA | CCFM-CapsNet（CLAHE和CDH特征融合胶囊网络） | 准确率 | NA |
| 256 | 2025-11-02 |
Automated forest land division using deep learning and drone imagery
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335009
PMID:41171825
|
研究论文 | 提出一种基于无人机影像和深度学习技术的自动化森林地块划分解决方案 | 利用无人机影像和先进计算机视觉算法实现自动化树木计数，替代传统耗时且易出错的人工方法 | NA | 开发自动化树木计数系统以支持森林地块划分决策 | 森林区域中的树木 | 计算机视觉 | NA | 无人机影像处理 | 深度学习 | 无人机影像 | NA | NA | NA | NA | NA |
| 257 | 2025-11-02 |
PhysioFormer: Integrating multimodal physiological signals and symbolic regression for explainable affective state prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335221
PMID:41171897
|
研究论文 | 提出PhysioFormer模型，通过整合多模态生理信号和符号回归实现可解释的情感状态预测 | 结合特征嵌入和情感表示模块处理时间序列动态变化，并引入符号回归增强模型可解释性 | 当前仅在WESAD数据集上验证，需在更大数据集和实时应用中优化 | 开发高可靠性、高精度的情感计算模型用于心理健康监测 | 多模态生理信号和个体属性数据 | 机器学习 | 心理健康 | 多模态生理信号处理 | Transformer | 时间序列生理信号 | WESAD数据集的手腕和胸部子集 | NA | PhysioFormer | 准确率, 敏感性 | NA |
| 258 | 2025-11-02 |
A novel channel reduction concept to enhance the classification of motor imagery tasks in brain-computer interface systems
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335511
PMID:41171945
|
研究论文 | 提出一种结合统计检验和深度学习的混合方法，用于增强基于脑电图的运动想象任务分类性能 | 提出结合t检验与Bonferroni校正的通道选择方法，并开发DLRCSPNN深度学习框架 | NA | 开发新型通道选择方法以提升脑机接口系统中运动想象任务的分类性能 | 脑电图信号中的运动想象任务 | 脑机接口 | 运动障碍 | 脑电图信号分析 | 神经网络 | 脑电图信号 | 三个实时脑机接口数据集 | DLRCSPNN | DLRCSP特征提取结合神经网络分类 | 准确率 | NA |
| 259 | 2025-11-02 |
Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon
2025, Arquivos brasileiros de oftalmologia
IF:1.1Q3
DOI:10.5935/0004-2749.2025-0053
PMID:41172514
|
研究论文 | 评估基于MobileNet-V2的深度学习模型在巴西亚马逊地区使用智能手机拍摄的前段照片中检测翼状胬肉的诊断准确性 | 在偏远亚马逊地区使用智能手机采集图像并结合深度学习模型进行翼状胬肉检测的首个试点研究 | 样本量较小（76只眼睛），仅为初步研究结果 | 开发适用于偏远地区的翼状胬肉自动检测工具 | 巴西巴塞卢斯地区的38名参与者（76只眼睛） | 计算机视觉 | 眼科疾病 | 智能手机前段摄影 | CNN | 图像 | 76只眼睛 | NA | MobileNet-V2 | 灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值, AUC | NA |
| 260 | 2025-11-02 |
A deep learning-based approach for unbiased kinematic analysis in CNS injury
2024-Nov, Experimental neurology
IF:4.6Q1
DOI:10.1016/j.expneurol.2024.114944
PMID:39242068
|
研究论文 | 开发基于深度学习的无标记运动学分析方法用于中枢神经系统损伤研究 | 开发了两种基于深度学习的无标记运动学分析系统(MotorBox和MotoRater)，消除了研究者偏见和变异性 | NA | 改进脊髓损伤后功能评估方法，提高临床转化成功率 | 小鼠脊髓损伤模型 | 计算机视觉 | 脊髓损伤 | 深度学习，运动学分析 | 深度学习模型 | 视频图像 | NA | DeepLabCut | NA | 运动指标，步态指标 | NA |