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 36487 篇文献，本页显示第 3441 - 3460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3441 | 2025-11-18 |
Quantum-enhanced dual-layer graph attention network for time-series forecasting
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23574-y
PMID:41238579
|
研究论文 | 提出一种结合量子傅里叶变换和双图层注意力网络的时间序列预测模型QFreqFormer | 首次将量子傅里叶变换与图注意力网络结合，通过量子并行处理实现频率分量的分解与重构 | 未明确说明模型在极端噪声环境或超长序列预测中的表现 | 提升时间序列预测在复杂模式下的准确性和计算效率 | 交通预测、金融分析、能源消耗监测等领域的时间序列数据 | 机器学习 | NA | 量子傅里叶变换，图卷积网络 | Transformer, GCN, 注意力机制 | 时间序列数据 | 基准数据集（未指定具体数量） | NA | QFreqFormer, D-PAD, Q-FR-Q | 均方误差, 平均绝对误差 | 量子并行处理（未指定具体硬件） |
| 3442 | 2025-11-18 |
Trustworthy pneumonia detection in chest X-ray imaging through attention-guided deep learning
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23664-x
PMID:41238604
|
研究论文 | 提出一种注意力引导的深度学习框架，用于胸部X光图像中肺炎的可靠检测 | 结合空间特征提取、时间依赖捕获和脉冲神经处理的创新框架，通过注意力机制增强可解释性 | 仅使用公开数据集验证，未在真实临床环境中进行大规模测试 | 开发可靠且可解释的肺炎自动检测方法 | 胸部X光图像 | 计算机视觉 | 肺炎 | 胸部X光成像 | CNN, RNN, 脉冲神经网络 | 医学图像 | 公开胸部X光数据集 | NA | 注意力机制引导的深度学习架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 3443 | 2025-11-18 |
Real-time deforestation anomaly detection using YOLO and LangChain agents for sustainable environmental monitoring
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23617-4
PMID:41238617
|
研究论文 | 提出一种结合YOLOv8目标检测和LangChain智能代理的实时森林砍伐异常检测框架 | 首次将YOLOv8目标检测与LangChain智能代理相结合，实现动态阈值调整、强化学习反馈和GIS驱动报告 | 平均精度较低(mAP50≈0.07)，检测性能有待进一步提升 | 开发实时森林砍伐监测解决方案以保护全球生态系统和生物多样性 | 卫星和无人机图像中的森林砍伐指标（树桩、伐木机械、未经授权的人类活动） | 计算机视觉 | NA | 目标检测, 智能代理, 强化学习 | YOLO, LangChain代理 | 卫星图像, 无人机图像 | 带标注的卫星和无人机图像数据集 | YOLOv8, LangChain | YOLOv8 | box_loss, cls_loss, 分布焦点损失, mAP50, 召回率 | NA |
| 3444 | 2025-11-18 |
Multiscale neural assimilation scheme for high-resolution sea surface temperature reconstruction from satellite observations
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23682-9
PMID:41238614
|
研究论文 | 提出一种多尺度神经同化方案，利用4DVarNet深度学习框架从卫星观测数据重建高分辨率海表温度 | 将自注意力嵌入变分自编码器作为先验模型，实现概率重建和高效采样，提升不确定性量化能力 | 未明确说明模型在极端天气条件下的性能表现 | 解决卫星海表温度观测因轨道限制和云覆盖导致的数据缺失问题 | 北海和波罗的海区域的海表温度数据 | 机器学习 | NA | 卫星观测，深度学习 | 变分自编码器，自注意力机制 | 卫星观测数据，海表温度数据 | NA | 4DVarNet | 变分自编码器，自注意力机制 | 空间分辨率，收敛速度，小尺度海洋特征表征能力 | NA |
| 3445 | 2025-11-18 |
A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23686-5
PMID:41238639
|
研究论文 | 提出一种结合拓扑深度学习和传统机器学习模型的新方法，用于从脑电图数据中分类阿尔茨海默病 | 首次将拓扑深度学习与多种机器学习模型结合，从脑电图数据中提取拓扑和神经特征，增强对疾病特异性模式的识别能力 | 作为概念验证研究，需要在更大、更多样化的多中心队列中进行验证以确认泛化能力 | 开发更准确的阿尔茨海默病诊断和鉴别诊断工具 | 阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照者 | 机器学习 | 阿尔茨海默病 | 脑电图分析 | 拓扑深度学习,SVM,RF,NN,LR | 脑电图信号 | 88名个体的脑电图记录 | NA | NA | 准确率 | NA |
| 3446 | 2025-11-18 |
Measured multi-source semi-supervised working condition recognition based on curvelet pooling and attention mechanism learning
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23732-2
PMID:41238661
|
研究论文 | 提出一种基于曲波池化和注意力机制学习的抽油井多源半监督工况识别方法 | 将第二代曲波变换引入ResNet-50池化层，采用多头自注意力机制实现多源数据交互互补，结合动态调整伪标签置信度和自适应类别公平正则化的双策略半监督分类算法 | 仅针对高压低渗透薄油藏区块数据验证，未在其他类型油藏测试 | 提高抽油井多源测量图像数据的工况识别准确性和工程实用性 | 抽油井地面示功图和电功率图图像数据 | 计算机视觉 | NA | 曲波变换，注意力机制 | CNN, 自注意力机制 | 图像 | 来自中国某油田高压低渗透薄油藏区块的测量数据 | PyTorch | ResNet-50, 多头自注意力机制 | 准确率，泛化能力 | NA |
| 3447 | 2025-11-18 |
Optimizing solar power forecasting with metaheuristic algorithms and deep learning models for photovoltaic grid connected systems
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23822-1
PMID:41238665
|
研究论文 | 提出一种结合元启发式算法和深度学习模型的新型太阳能功率预测方法 | 首次将火鹰优化算法与GRU-LSTM混合模型相结合用于光伏功率预测 | 仅针对两种特定光伏技术进行评估，未涵盖其他光伏类型 | 优化光伏并网系统的太阳能功率预测精度 | 多晶硅和单晶硅光伏阵列的功率输出数据 | 机器学习 | NA | 时间序列预测 | GRU, LSTM | 时间序列数据 | PEARL系统中的两个光伏阵列（多晶硅阵列1和单晶硅阵列2） | NA | FHO-GRU-LSTM混合架构 | R2分数, 均方根误差, 平均绝对误差, 残差偏差分析 | NA |
| 3448 | 2025-11-18 |
Revealing new associations between lncRNAs and diseases through cross attention mechanism and multiple level feature fusion
2025-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23627-2
PMID:41238720
|
研究论文 | 提出一种基于深度学习的新方法LDA-CAMF，用于预测新的lncRNA-疾病关联 | 设计了交叉注意力机制动态解码lncRNA与疾病间的高阶相互依赖关系，并提出多级特征融合策略增强模型表达能力 | NA | 推断新的lncRNA-疾病关联候选者，为复杂疾病的病理机制研究和诊疗提供新线索 | lncRNA与疾病之间的关联关系 | 生物信息学 | 复杂疾病 | 深度学习 | XGBoost, 注意力机制 | 生物分子关联数据 | 基于lncRNADisease和MNDR数据库的数据 | NA | 交叉注意力机制, 多级特征融合 | AUC, AUPR | NA |
| 3449 | 2025-11-18 |
Tumor cell- and infiltrating immune cell-based supervised learning artificial intelligence multimodal platform for tumor prognosis
2025-Nov-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01125-y
PMID:41238821
|
研究论文 | 开发基于肿瘤细胞和浸润免疫细胞的人工智能多模态平台用于口腔鳞状细胞癌预后评估 | 首次开发能够同时识别肿瘤细胞和肿瘤浸润免疫细胞作为关键预测特征的AI平台，并构建结合病理特征和临床特征的多模态列线图 | 样本量相对有限（240张全切片图像），仅针对口腔鳞状细胞癌 | 开发人工智能平台用于口腔鳞状细胞癌患者的总体生存评估 | 口腔鳞状细胞癌患者 | 数字病理 | 口腔鳞状细胞癌 | 全切片图像分析 | CNN | 图像 | 240张全切片图像，来自多中心队列 | NA | 四种不同的卷积神经网络架构 | c-index | NA |
| 3450 | 2025-11-18 |
Artificial intelligence-driven kidney organ allocation: systematic review of clinical outcome prediction, ethical frameworks, and decision-making algorithms
2025-Nov-14, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04576-4
PMID:41239278
|
系统综述 | 系统综述人工智能在肾脏器官分配中的应用，包括临床结局预测、伦理框架和决策算法 | 首次系统评估AI在肾脏分配中的预测模型、操作算法和伦理考量，识别关键研究空白 | 多数研究仅限于模拟环境，缺乏真实世界验证，伦理框架应用不一致 | 改善终末期肾病患者的肾脏移植分配效率和公平性 | 肾脏移植的供体-受体匹配和临床结局预测 | 机器学习 | 肾脏疾病 | 系统文献综述 | 深度学习,集成方法 | 临床数据,回顾性队列数据 | 16项符合纳入标准的研究 | NA | NA | C-index,公平性指标 | NA |
| 3451 | 2025-11-18 |
Engineering strategies for microbial synthesis, customized modification, and application of hemoglobin
2025-Nov-14, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108752
PMID:41242508
|
综述 | 系统探讨血红蛋白微生物合成、功能定制化修饰及多领域应用的工程策略 | 重点阐述人工智能算法在血红蛋白功能定制化修饰中的应用，并提出整合帕累托优化、深度学习与合成生物学的前沿技术框架 | 未涉及具体实验验证数据，主要基于文献综述的理论分析 | 突破血红蛋白天然来源限制与功能局限，推动其生物医学应用 | 血红蛋白及其突变体与衍生物 | 合成生物学 | NA | 微生物合成、人工智能算法、深度学习、合成生物学 | NA | NA | NA | NA | NA | NA | NA |
| 3452 | 2025-11-18 |
AI-driven prediction of progression to oral squamous cell carcinoma using a multiresolution pathology model
2025-Nov-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02014-1
PMID:41233507
|
研究论文 | 开发基于多分辨率深度学习的病理模型，用于预测口腔潜在恶性病变进展为鳞状细胞癌的风险 | 首次将视觉变换器(ViT)应用于口腔病理图像分析，相比传统CNN模型表现更优，能够识别与恶性转化相关的组织病理学特征 | 需要在更大规模的前瞻性队列中进行进一步验证 | 改善口腔潜在恶性病变的风险分层和治疗决策 | 口腔潜在恶性病变患者 | 数字病理学 | 口腔鳞状细胞癌 | 数字病理 | ViT, CNN | 全切片病理图像 | 221张数字化全切片图像（111例进展者，110例非进展者） | NA | 视觉变换器(ViT) | 准确率, F1分数, AUROC | NA |
| 3453 | 2025-11-15 |
Evaluation of CNN-based deep learning models for auto-contouring in glioblastoma radiotherapy: a review
2025-Nov-13, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02748-y
PMID:41233797
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3454 | 2025-11-15 |
Automated detection and segmentation of chondromalacia patella on axial knee MRI using YOLOv11 and a custom CNN: a deep learning-based diagnostic model
2025-Nov-13, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09275-7
PMID:41233843
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3455 | 2025-11-18 |
A stomata imaging and segmentation pipeline incorporating generative AI to reduce dependency on manual groundtruthing
2025-Nov-13, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01451-z
PMID:41233891
|
研究论文 | 提出一种结合生成式AI的气孔成像与分割流程，减少对人工标注数据的依赖 | 通过生成式AI合成数据增强模型泛化能力，实现跨物种气孔分割的自动适应 | 主要针对豌豆叶片进行研究，在其他植物物种上的适用性需进一步验证 | 开发自动化气孔性状提取系统，解决植物生物学中机器学习应用的标注瓶颈 | 豌豆叶片气孔 | 计算机视觉 | NA | 指甲油印迹技术，显微成像 | 深度学习网络 | 显微图像 | NA | NA | NA | 分割准确率 | NA |
| 3456 | 2025-11-18 |
Multi-class brain tumor MRI segmentation and classification using deep learning and machine learning approaches
2025-Nov-13, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00953-2
PMID:41233922
|
研究论文 | 本研究使用深度学习和机器学习方法对脑肿瘤MRI图像进行多类别分割和分类 | 提出边缘精炼二元直方图分割(ER-BHS)方法提取混合特征，并采用基于相关性的特征优化方法 | 样本量相对有限（1200张图像），仅包含六种肿瘤亚型 | 探索深度学习和机器学习方法在脑肿瘤MRI图像分类中的有效性 | 恶性与良性脑肿瘤及其六种亚型的MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | 深度学习,机器学习,神经网络 | 医学图像 | 1200张DICOM格式脑肿瘤MRI图像，每类肿瘤200张图像 | NA | 随机委员会(RC)分类器 | 准确率 | NA |
| 3457 | 2025-11-18 |
Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography
2025-Nov, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500181
PMID:40709742
|
研究论文 | 开发用于三维光学相干断层扫描图像分析的3D卷积神经网络，以增强经皮肾造口术中的内窥镜引导 | 首次将3D-CNN应用于前视内窥镜OCT图像分析，在推理延迟方面显著优于其他先进体积架构，为实时手术引导提供关键优势 | 研究仅使用10个猪肾脏数据集，样本规模有限，未在人体组织上进行验证 | 开发用于OCT引导手术干预的计算机辅助诊断工具 | 猪肾脏的3D OCT图像 | 计算机视觉 | 肾脏疾病 | 光学相干断层扫描(OCT) | 3D-CNN, 3D-ViT, 3D-DenseNet121, M3T | 3D图像 | 10个猪肾脏 | NA | 3D卷积神经网络, 3D Vision Transformer, 3D-DenseNet121, Multi-plane and Multi-slice Transformer | 准确率, 推理延迟 | NA |
| 3458 | 2025-11-18 |
Comparison of kinematics between markerless and marker-based motion capture systems for change of direction maneuvers
2025-Nov, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2025.112965
PMID:40974779
|
研究论文 | 比较无标记与基于标记的运动捕捉系统在变向动作中的运动学数据差异 | 首次系统比较无标记运动捕捉系统与金标准标记系统在变向动作中的运动学数据表现 | 样本仅包含23名男性参与者，未评估不同体型或性别的影响 | 评估无标记运动捕捉系统在运动表现评估中的适用性 | 人体变向动作的运动学特征 | 运动生物力学 | NA | 深度学习多摄像头同步捕捉，三角测量和逆运动学重建 | 深度学习 | 视频，运动学数据 | 23名男性参与者，每人进行5次90度变向动作试验 | NA | NA | Bland-Altman分析，组内相关系数，均方根偏差，归一化均方根误差 | NA |
| 3459 | 2025-11-18 |
Directed optimization and generation of yeast promoter sequences driven by deep learning
2025-Nov, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148505
PMID:41138880
|
研究论文 | 提出基于扩散模型的酵母启动子定向优化与生成框架DOSDiff，无需预训练序列-表达预测器即可实现启动子功能增强 | 首次将扩散模型应用于启动子工程，通过局部序列编辑实现定向优化，无需依赖序列到表达预测模型 | 未明确说明模型在更广泛物种中的适用性及计算效率分析 | 开发无需预训练S2E模型的启动子定向优化方法 | 酵母启动子序列 | 机器学习 | NA | 深度学习，扩散模型 | 扩散模型 | DNA序列 | 酿酒酵母和毕赤酵母启动子（具体数量未明确） | NA | 扩散模型 | 4-mers分布相似度，表达增强倍数 | NA |
| 3460 | 2025-10-30 |
Simulation, artificial intelligence, and deep learning enhance emergency department leadership in life-threatening scenarios
2025-Nov, CJEM
DOI:10.1007/s43678-025-01035-9
PMID:41148511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |