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 33150 篇文献，本页显示第 3381 - 3400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3381 | 2025-10-06 |
Sparse-MoE-SAM: A Lightweight Framework Integrating MoE and SAM with a Sparse Attention Mechanism for Plant Disease Segmentation in Resource-Constrained Environments
2025-Aug-24, Plants (Basel, Switzerland)
DOI:10.3390/plants14172634
PMID:40941799
|
研究论文 | 提出一种集成稀疏注意力和混合专家机制的轻量级植物病害分割框架Sparse-MoE-SAM | 结合稀疏注意力机制和两阶段MoE解码器，动态激活关键通道并优化计算路径，在保持精度的同时显著降低计算成本 | NA | 解决资源受限环境下植物病害分割模型部署的挑战 | 植物叶片病害区域 | 计算机视觉 | 植物病害 | 深度学习 | SAM, MoE | 图像 | 三个异构数据集（PlantVillage Extended, CVPPP和自采集田间图像） | PyTorch | Segment Anything Model, 混合专家解码器, 空洞空间金字塔池化 | 平均交并比 | 移动和边缘设备 |
| 3382 | 2025-10-06 |
Transfer Learning-Based Multi-Sensor Approach for Predicting Keyhole Depth in Laser Welding of 780DP Steel
2025-Aug-24, Materials (Basel, Switzerland)
DOI:10.3390/ma18173961
PMID:40942387
|
研究论文 | 本研究开发了基于深度学习的多传感器模型，用于预测780DP钢激光焊接中的熔深深度 | 首次将迁移学习技术应用于激光焊接熔深预测，并比较了单传感器与多传感器模型的性能差异 | 需要精密的光学相干断层扫描校准，且微调模型性能反而下降 | 开发准确预测激光焊接过程中关键孔深度的深度学习模型 | 780双相钢的激光焊接过程 | 机器视觉 | NA | 光学相干断层扫描，激光焊接，光谱仪信号采集 | CNN | 图像，光谱信号 | NA | TensorFlow, Keras | MobileNetV2, ResNet50V2, EfficientNetB3, Xception | 决定系数R，平均绝对误差MAE | NA |
| 3383 | 2025-10-06 |
A Survey of Deep Learning-Based 3D Object Detection Methods for Autonomous Driving Across Different Sensor Modalities
2025-Aug-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25175264
PMID:40942694
|
综述 | 本文系统综述了基于深度学习的自动驾驶3D目标检测方法，重点关注不同传感器模态的应用 | 提出了按输入模态分类的结构化分类法，并提供了模态无关的全面概述 | 作为综述文章，不包含原创性实验研究 | 系统梳理和比较自动驾驶中基于深度学习的3D目标检测方法 | 自动驾驶场景中的3D目标检测方法 | 计算机视觉 | NA | 深度学习 | NA | 图像,点云,雷达数据,多模态数据 | NA | NA | NA | 标准评估指标 | NA |
| 3384 | 2025-10-06 |
Digital Cardiovascular Twins, AI Agents, and Sensor Data: A Narrative Review from System Architecture to Proactive Heart Health
2025-Aug-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25175272
PMID:40942702
|
综述 | 本文综述了数字心血管孪生、AI智能体和传感器数据在心血管疾病预测和预防中的应用 | 提出结合数字心血管孪生、多模态传感器数据和人工智能的多层架构，实现心血管疾病的早期预警和个性化预防 | 作为叙事性综述，缺乏原始数据分析和系统性质量评估 | 探讨心血管疾病从被动治疗向预测性预防性护理转变的技术路径 | 心血管疾病患者的多模态数据（心电图、光电容积脉搏波、机械心动图等） | 数字病理学 | 心血管疾病 | 可穿戴IoT设备（ECG、PPG、机械心动图）、临床记录、实验室生物标志物、遗传标记 | 机器学习,深度学习,图神经网络,Transformer网络,生成式AI | 多维度数据流、传感器数据、临床数据 | 基于183项2016-2025年间发表的研究 | NA | 图网络,Transformer,贝叶斯滤波器,卡尔曼滤波器 | NA | 云计算,边缘计算 |
| 3385 | 2025-10-06 |
Intelligent Fault Diagnosis System for Running Gear of High-Speed Trains
2025-Aug-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25175269
PMID:40942699
|
研究论文 | 本研究将TimesNet时间序列建模框架引入高速列车走行部故障诊断领域，通过创新的多周期分解和二维张量重塑策略提升诊断性能 | 首次将TimesNet框架应用于轨道交通走行部故障诊断，采用多维时间序列数据二维重塑技术增强周期特征提取能力 | 未明确说明模型在其他类型机械故障诊断中的泛化能力，且计算资源需求未详细量化 | 开发满足实时性要求的高速列车走行部智能故障诊断系统 | 高速列车走行部轴承和变速箱 | 机器学习 | NA | 时间序列分析 | TimesNet | 多元时间序列数据 | 高速列车轴承故障数据集和变速箱多模式故障数据集 | NA | TimesNet | 诊断准确率, 推理时间 | 嵌入式部署平台 |
| 3386 | 2025-10-06 |
Efficient Deep Learning-Based Arrhythmia Detection Using Smartwatch ECG Electrocardiograms
2025-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25175244
PMID:40942673
|
研究论文 | 提出一种基于1D CNN的高效深度学习模型，用于从智能手表心电图检测心律失常 | 首次将深度学习模型应用于智能手表心电图数据，并同时考虑模型效率和临床实用性 | 二元模型特异性较低(6.25%)，可能影响实际应用效果 | 开发高效的心律失常自动检测方法以支持临床诊断 | 智能手表采集的心电图数据 | 机器学习 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | 使用UMass Medical School Simband和MIT-BIH心律失常两个数据库 | NA | 1D CNN | 准确率, 灵敏度, 特异性 | 模型参数120万，计算量68.48 MFlops |
| 3387 | 2025-10-06 |
Pressure-Guided LSTM Modeling for Fermentation Quantification Prediction
2025-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25175251
PMID:40942681
|
研究论文 | 本研究开发了一种结合深度学习和区块链技术的发酵监测框架，用于预测发酵过程的量化指标 | 将LSTM模型与区块链数据记录相结合，提高了发酵监测的可靠性和透明度 | NA | 开发可靠的发酵过程预测和监测系统 | 发酵过程的量化指标预测 | 机器学习 | NA | 模块化传感器单元数据采集，区块链数据记录 | LSTM | 多元时间序列数据 | AAG1-3数据集 | NA | LSTM | 决定系数(R²) | NA |
| 3388 | 2025-10-06 |
High-Performance Automated Detection of Sheep Binocular Eye Temperatures and Their Correlation with Rectal Temperature
2025-Aug-22, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15172475
PMID:40941270
|
研究论文 | 本研究开发了一种用于自动检测绵羊双眼区域的E-S-YOLO11n模型，并分析了眼温与直肠温度的相关性 | 首次提出E-S-YOLO11n模型用于绵羊双眼区域的自动检测，并系统分析了双眼温度差异及其与直肠温度的关系 | 环境因素可能限制眼温作为直肠温度替代指标的可靠性，眼温与直肠温度相关性较弱且未达到统计学显著性 | 开发非接触式动物体温监测方法，探索眼温与直肠温度的相关性 | 绵羊 | 计算机视觉 | NA | 红外热成像技术(IRT) | YOLO | 热成像图像 | NA | NA | E-S-YOLO11n | 精确率,召回率,mAP@0.5,F1分数,FPS,参数量,模型大小,GFLOPs | NA |
| 3389 | 2025-10-06 |
Small Object Detection in Agriculture: A Case Study on Durian Orchards Using EN-YOLO and Thermal Fusion
2025-Aug-22, Plants (Basel, Switzerland)
DOI:10.3390/plants14172619
PMID:40941783
|
研究论文 | 提出EN-YOLO深度学习模型用于榴莲果园病虫害的小目标检测 | 集成EfficientNet骨干网络和多模态注意力机制，引入大跨度残差边缘保留关键空间信息，采用多模态输入策略 | NA | 开发自动化病虫害检测系统以提升榴莲种植管理效率 | 榴莲果园中的病虫害 | 计算机视觉 | 植物病虫害 | 多模态成像（RGB、近红外、热成像） | YOLO | 图像 | 真实果园数据集 | NA | EN-YOLO, EfficientNet, YOLOv8, YOLOv5-EB, Fieldsentinel-YOLO | 计数准确率, 检测准确率, 泛化能力, 小目标识别能力 | 支持实时无人机部署 |
| 3390 | 2025-10-06 |
Robust Pavement Modulus Prediction Using Time-Structured Deep Models and Perturbation-Based Evaluation on FWD Data
2025-Aug-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25175222
PMID:40942651
|
研究论文 | 提出一种结合时间结构建模和扰动评估的集成框架，用于路面结构模量的鲁棒预测 | 开发了五种时间序列输入策略，设计了混合Wide & Deep ResRNN架构，并采用基于高斯噪声扰动的蒙特卡洛式置信区间估计方法 | 仅使用±3%方差的高斯噪声模拟传感器不确定性，可能无法覆盖所有实际噪声类型 | 提高路面结构模量预测的准确性和鲁棒性 | 路面结构模量 | 机器学习 | NA | Falling Weight Deflectometer (FWD) 数据采集 | SimpleRNN, GRU, LSTM | 时间序列数据 | NA | NA | Wide & Deep ResRNN | 预测准确度, 稳定性 | NA |
| 3391 | 2025-10-06 |
Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review
2025-Aug, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15330
PMID:40163741
|
系统综述 | 比较深度学习模型与人类专家和其他诊断方法在口腔癌临床检测中的诊断准确性 | 首次通过贝叶斯荟萃分析直接比较深度学习模型与人类专家在口腔癌诊断中的准确性 | 纳入研究数量有限（8项），所有研究均存在偏倚风险，证据等级较低 | 评估深度学习模型在口腔癌诊断中的临床应用价值 | 口腔黏膜病变（癌变与非癌变）的摄影图像 | 计算机视觉 | 口腔癌 | 深度学习 | 深度学习模型 | 图像 | 8项研究纳入的患者口腔黏膜病变图像 | NA | NA | 灵敏度, 特异度 | NA |
| 3392 | 2025-10-06 |
Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06332-0
PMID:40658209
|
研究论文 | 开发并验证基于深度学习的全自动腺样体尺寸测量系统，用于侧位头颈部X光片分析 | 首次实现基于RTMDet和RTMPose网络的腺样体尺寸全自动测量系统 | 回顾性研究，仅包含两个中心的711张X光片 | 开发全自动腺样体尺寸测量系统以提高临床诊断效率 | 头颈部侧位X光片中的腺样体组织 | 计算机视觉 | 耳鼻喉疾病 | X射线成像 | 深度学习 | 医学影像 | 711张侧位头颈部X光片，来自两个医疗中心 | NA | RTMDet, RTMPose | ICC, MAD, RMS, Bland-Altman图 | NA |
| 3393 | 2025-10-06 |
Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead
2025-Jul-17, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.008
PMID:40683367
|
综述 | 本叙述性综述探讨人工智能在糖尿病护理中的最新应用、挑战与未来发展方向 | 整合传统机器学习与深度学习算法在糖尿病并发症筛查、疾病风险预测和临床决策支持中的综合应用 | 基于文献综述方法，缺乏原始数据分析和实验验证 | 评估人工智能在糖尿病护理中的应用潜力与发展方向 | 糖尿病及其并发症（视网膜病变、黄斑水肿、神经病变）患者 | 机器学习 | 糖尿病 | 机器学习、深度学习 | NA | 电子健康记录、医学图像 | NA | NA | NA | NA | NA |
| 3394 | 2025-10-06 |
Modeling inter-reader variability in clinical target volume delineation for soft tissue sarcomas using diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17865
PMID:40317577
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习技术，用于生成软组织肉瘤临床靶区(CTV)的多个轮廓，模拟临床实践中不同医师之间的勾画差异 | 首次将扩散模型应用于模拟临床靶区勾画的读者间变异性，能够生成任意数量的不同且合理的CTV轮廓 | 研究样本量相对较小(51例训练集+5例验证集)，需要更大规模的数据验证模型的泛化能力 | 开发能够模拟临床实践中不同医师CTV勾画变异性的自动分割方法 | 软组织肉瘤患者的医学影像数据 | 医学影像分析 | 软组织肉瘤 | FDG-PET, CT, MRI多模态影像 | 扩散模型 | 医学影像 | 51例患者训练集，5例患者独立验证集 | NA | 扩散模型 | Dice指数, 广义能量距离(GED), 召回率, 精确率 | NA |
| 3395 | 2025-10-06 |
Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656907
PMID:40501585
|
研究论文 | 提出一种基于生物诱导稀疏注意力的长上下文蛋白质语言模型，可在整个病毒基因组尺度上分析蛋白质序列 | 将Transformer模型的上下文大小扩展到整个病毒基因组，通过基于蛋白质-蛋白质相互作用的稀疏注意力机制捕获长程跨蛋白质相互作用 | 目前仅针对病毒基因组进行验证，尚未扩展到更复杂的真核生物基因组 | 开发能够捕获基因组范围内蛋白质相互作用的深度学习模型 | 病毒基因组中的蛋白质序列 | 自然语言处理 | NA | 蛋白质语言模型 | Transformer | 蛋白质序列数据 | NA | NA | Transformer with sparse attention | 嵌入质量评估 | NA |
| 3396 | 2025-10-06 |
Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study
2025-Apr-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.22.25325465
PMID:40313259
|
研究论文 | 本研究利用深度学习技术自动量化胎盘绒毛膜绒毛的组织学特征，并分析其与母婴临床特征的关联 | 首次开发基于深度学习的自动化方法检测超过900万个胎盘绒毛，并通过无监督聚类识别出与生物学分类一致的绒毛亚型 | 研究仅纳入足月胎盘样本，未包含早产胎盘；样本量相对有限 | 建立胎盘绒毛结构的客观标准化方法，探索胎盘结构与母婴特征的关联 | 新罕布什尔州出生队列研究中的1,531个足月胎盘全玻片图像 | 数字病理学 | 妇产科疾病 | 全玻片图像分析 | 深度学习分割模型 | 病理图像 | 1,531个足月胎盘全玻片图像，检测超过900万个绒毛 | NA | NA | 统计显著性(p值) | NA |
| 3397 | 2025-10-06 |
One-click image reconstruction in single-molecule localization microscopy via deep learning
2025-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.13.648574
PMID:40376092
|
研究论文 | 开发了基于深度学习的单分子定位超分辨显微成像一键式图像重建软件AutoDS和AutoDS3D | 通过自动从原始成像数据提取实验参数，显著减少了人工干预，在2D情况下可从预训练模型中选择最优模型，在3D情况下通过图形用户界面实现一键重建 | 未明确说明模型对新实验条件的泛化能力极限 | 简化单分子定位超分辨显微镜的图像重建流程 | 单分子定位超分辨显微镜数据 | 计算机视觉 | NA | 单分子定位超分辨显微镜 | 深度神经网络 | 显微图像 | NA | NA | 基于Deep-STORM和DeepSTORM3D | NA | NA |
| 3398 | 2025-10-06 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究通过整合临床基因表达数据和数学模型，为活体肝移植供体开发了个性化渐进机制数字孪生模型 | 首次将全转录组RNA测序数据与肝脏再生数学模型结合，创建可预测个体恢复轨迹的个性化数字孪生模型 | 样本量较小（12名供体），仅针对健康LDLT供体进行研究 | 开发个性化数字孪生模型以预测活体肝移植供体的肝脏恢复轨迹 | 活体肝移植供体的肝脏再生过程 | 数字病理 | 肝移植 | RNA测序, WGCNA, 深度学习 | 深度学习, 数学模型 | 基因表达数据 | 12名健康LDLT供体，在一年内14个时间点采集数据 | NA | NA | NA | NA |
| 3399 | 2025-10-06 |
A pathology-attention multi-instance learning framework for multimodal classification of colorectal lesions
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1592950
PMID:40548052
|
研究论文 | 提出一种病理注意力多示例学习框架PAT-MIL，用于结直肠病变的多模态分类 | 集成动态注意力机制与专家定义文本原型，通过病理知识驱动的语义引导和自适应原型分布优化，实现视觉与文本模态的协同建模 | 未提及模型在更广泛数据集上的泛化能力验证，以及计算效率的具体分析 | 开发无需像素级标注的结直肠病变分类方法，提升数字病理图像分析的准确性和泛化能力 | 结直肠病变的全切片图像(WSI) | 数字病理 | 结直肠癌 | 数字病理图像分析 | 多示例学习(MIL), 注意力机制 | 全切片图像(WSI), 文本原型 | 内部五分类数据集，外部数据集CRS-2024和UniToPatho | NA | PAT-MIL, ABMIL, DSMIL | 准确率, AUC | NA |
| 3400 | 2025-10-06 |
Optimization design of interior space based on the two-stage deep learning network and Single sample-driven method
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329487
PMID:40929124
|
研究论文 | 提出融合两阶段深度学习网络和单样本驱动机制的室内空间优化设计框架 | 结合Transformer网络的多维特征提取和扩散模型的迭代优化，实现单样本驱动的个性化设计 | NA | 优化室内空间设计流程，提升设计效率和个性化程度 | 室内空间设计 | 计算机视觉 | NA | 深度学习 | Transformer, 扩散模型 | 图像 | 多个公开数据集（InteriorNet、SUN RGB-D、NYU Depth V2、ScanNet） | NA | Transformer, 扩散模型 | 设计周期减少率、空间利用率提升率、比例协调改善率、配色分数提升率 | NA |