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 32372 篇文献，本页显示第 5121 - 5140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5121 | 2025-10-06 |
PeakDetective: A Semisupervised Deep Learning-Based Approach for Peak Curation in Untargeted Metabolomics
2023-06-27, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c00764
PMID:37314824
|
研究论文 | 开发了一种基于半监督深度学习的峰检测方法PeakDetective，用于非靶向代谢组学中的峰筛选 | 结合无监督自动编码器和主动学习分类器，仅需少于100个用户标记的峰即可快速训练模型 | 需要用户提供少量标记数据，性能可能受特定LC/MS方法和样本类型影响 | 解决非靶向代谢组学数据处理中峰检测的假阳性问题 | LC/MS代谢组学数据中的色谱峰 | 机器学习 | NA | LC/MS，非靶向代谢组学 | 自动编码器，分类器 | 代谢组学色谱峰数据 | 五个不同的LC/MS数据集，包括SARS-CoV-2数据集 | Python | 自动编码器 | 准确率，统计显著性代谢物检测数量 | NA |
| 5122 | 2025-10-06 |
Automatic Classification of Cancer Pathology Reports: A Systematic Review
2022, Journal of pathology informatics
DOI:10.1016/j.jpi.2022.100003
PMID:35242443
|
系统综述 | 对2010-2021年间发表的癌症病理报告自动分类自然语言处理系统进行系统性回顾和分析 | 首次系统性回顾和比较了不同NLP方法在癌症病理报告分类中的应用，并基于PRISMA指南进行规范化分析 | 仅纳入2010-2021年间的25篇文献，部分癌症特征提取任务仍存在挑战 | 评估自然语言处理技术在癌症病理报告自动分类中的应用现状和发展趋势 | 癌症病理报告文本数据 | 自然语言处理 | 癌症 | 自然语言处理 | 基于规则的系统,统计机器学习,深度学习 | 文本 | 25篇研究论文 | NA | NA | NA | NA |
| 5123 | 2025-10-06 |
QCAE-QOC-SVM: A hybrid quantum machine learning model for DoS and Fuzzy attack detection on autonomous vehicle CAN bus
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103471
PMID:40687355
|
研究论文 | 提出一种混合量子机器学习模型用于检测自动驾驶车辆CAN总线上的DoS和Fuzzy攻击 | 结合量子卷积自编码器和基于支持向量机的量子正交分类器，首次将混合量子机器学习应用于车辆网络安全检测 | NA | 开发针对自动驾驶车辆CAN总线网络攻击的检测方法 | 自动驾驶车辆CAN总线信号 | 机器学习 | NA | 量子机器学习 | QCAE, QOC-SVM | CAN总线流量数据 | 300,000个实例 | NA | 量子卷积自编码器, 量子正交分类器 | F1分数 | 高性能计算设施 |
| 5124 | 2025-10-06 |
Advancing non-invasive melanoma diagnostics with deep learning and multispectral photoacoustic imaging
2025-Oct, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100743
PMID:40686556
|
研究论文 | 提出结合深度学习与多光谱光声成像的非侵入性黑色素瘤诊断框架 | 首次将一维卷积神经网络与主动轮廓算法结合，实现无需人工干预的黑色素瘤3D边界自动划定 | 研究未提及模型在更大样本群体中的泛化能力验证 | 开发非侵入性黑色素瘤边界自动识别技术以改进临床诊断流程 | 人类黑色素瘤多光谱光声成像数据 | 计算机视觉 | 黑色素瘤 | 多光谱光声成像 | CNN | 光谱数据 | NA | NA | 一维卷积神经网络 | NA | NA |
| 5125 | 2025-10-06 |
Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf074
PMID:40418276
|
研究论文 | 本研究开发了一种新型多模态Transformer时序注意力网络，通过整合纵向非侵入性诊断数据来预测免疫治疗患者的生存率 | 提出了MMTSimTA网络架构，结合了时序注意力和多模态融合技术，专门用于处理纵向多模态医疗数据 | 研究基于单一中心的694名患者数据，需要外部验证来确认模型的泛化能力 | 利用深度学习整合多模态纵向数据改进免疫治疗患者的生存预测 | 694名接受免疫治疗的泛癌种患者 | 医疗人工智能 | 癌症 | CT成像、血液检测、药物治疗记录 | Transformer, 人工神经网络 | 纵向多模态数据（血液测量值、用药记录、CT器官体积） | 694名患者 | NA | MMTSimTA（多模态Transformer时序注意力网络） | AUC（曲线下面积） | NA |
| 5126 | 2025-10-06 |
Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf070
PMID:40498469
|
研究论文 | 本研究通过持续学习方法解决代谢综合征识别中因医院与非医院环境分布偏移导致的灾难性遗忘问题 | 提出在医疗环境中应用持续学习策略，并发现训练顺序（从医院到非医院环境）对模型性能有显著影响 | 仅使用三个医疗数据集，可能无法完全代表所有现实医疗场景的分布偏移情况 | 开发能够适应不同医疗环境分布偏移的深度学习模型，提高代谢综合征识别的准确性和泛化能力 | 代谢综合征患者 | 机器学习 | 代谢综合征 | 深度学习 | 深度学习模型 | 医疗数据 | 三个医疗数据集（MIMIC、NHANES和专有数据集） | NA | NA | AUROC, 精确召回曲线下面积 | NA |
| 5127 | 2025-10-06 |
StarNet: Indian star gooseberries dataset for quality and maturity assessment
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111825
PMID:40687364
|
研究论文 | 本文介绍了用于印度星醋栗质量与成熟度评估的StarNet数据集 | 创建了首个专门针对印度星醋栗的多类别图像数据集，包含不同成熟阶段、排列方式和标注样本 | 数据集仅包含792张图像样本，可能需要在更大规模数据上验证模型性能 | 开发自动化计算机视觉模型用于水果质量评估和分级 | 印度星醋栗水果 | 计算机视觉 | NA | 图像采集 | NA | 图像 | 792张星醋栗图像样本 | NA | NA | NA | NA |
| 5128 | 2025-10-06 |
Okra disease dataset for classification and segmentation: Dataset collection, analysis and applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111662
PMID:40687361
|
研究论文 | 本文介绍了一个用于秋葵叶片疾病分类和分割的综合数据集，包含2500张在印度实地采集的图像 | 这是首个公开的印度秋葵叶片疾病数据集，在真实世界条件下采集，包含光照、叶片位置和环境因素的自然变化 | 数据集规模有限，未来需要扩展更多图像以包含不同生长阶段和环境条件 | 为早期植物疾病分类、检测和分割研究提供基准资源 | 秋葵叶片图像，包括健康叶片和五种疾病类别 | 计算机视觉 | 植物疾病 | 图像采集 | 深度学习模型 | 图像 | 2500张秋葵叶片图像，包含6个类别（1个健康类+5个疾病类） | NA | NA | NA | NA |
| 5129 | 2025-10-06 |
InterDuPa-UAV: A UAV-based dataset for the classification of intercropped durian and papaya trees
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111843
PMID:40687368
|
研究论文 | 本文提出了一个基于无人机图像的榴莲和木瓜间作树木分类数据集 | 创建了首个专门针对榴莲和木瓜间作树木的无人机图像数据集，为多树种分类和精准农业决策提供资源 | 数据集仅包含两种树种，且来自单一混合种植园，可能限制模型的泛化能力 | 开发用于精准农业的多树种分类和空间模式分析的数据资源 | 间作种植的榴莲树和木瓜树 | 计算机视觉 | NA | 无人机航拍 | NA | 图像 | 311张无人机图像，包含3327张榴莲树图像和2872张木瓜树图像 | NA | NA | NA | NA |
| 5130 | 2025-10-06 |
Current challenges and opportunities in active and passive data collection for mobile health sensing: a scoping review
2025-Aug, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf025
PMID:40688708
|
综述 | 本文通过范围综述分析了移动健康感知中主动和被动数据收集面临的挑战与机遇 | 首次系统性地识别和分析了移动健康感知中主动与被动数据收集并存的挑战，并提出了机器学习优化方案 | 仅纳入77项研究，可能未涵盖所有相关文献；仅关注同时收集主动和被动数据的研究 | 分析移动健康感知中数据收集的挑战并探索解决方案 | 使用移动和泛在设备进行健康数据收集的研究 | 机器学习 | NA | 移动感知技术 | NA | 主动数据和被动移动感知数据 | 77项符合纳入标准的研究 | NA | NA | NA | NA |
| 5131 | 2025-10-06 |
A modular deep learning pipeline for enhanced plane-wave beamforming and B-mode image quality
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17948
PMID:40698752
|
研究论文 | 提出一种模块化深度学习管道，用于增强平面波波束成形和B模式图像质量 | 将波束成形过程分为两个模块：基于多注意力U-Net的模型用于捕获时延数据中的复杂依赖关系，以及超分辨率模型用于缩放到原始B模式图像网格 | 同时管理两个模型增加了复杂性 | 克服传统波束成形方法的限制，提高平面波图像质量和模块化程度 | 超声成像中的平面波技术 | 医学影像处理 | NA | 平面波超声成像 | U-Net, 超分辨率模型 | 模拟数据、实验数据、体内数据 | PICMUS数据集中的模拟、实验和体内数据 | NA | 多注意力U-Net, 超分辨率模型 | 对比噪声比(CNR), 对比度比(CR), 广义对比噪声比(gCNR), 分辨率 | NA |
| 5132 | 2025-10-06 |
Self-Assembly MXene/PDA@Cotton Fabric Pressure Sensor Integrated with Deep Learning for Sign Language Recognition
2025-Jul-23, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c08568
PMID:40643219
|
研究论文 | 开发了一种基于MXene/PDA@棉织物的多功能可穿戴压力传感器，并结合深度学习实现手语识别 | 采用双氢键自组装策略修饰纬编棉织物开发柔性压力传感器，并将其与智能算法结合实现静态手势识别和动态手语翻译 | NA | 开发用于智能人机交互的下一代手语识别系统 | 柔性压力传感器在生理参数监测和手语识别中的应用 | 人机交互, 智能传感 | NA | 双氢键自组装策略 | 深度学习 | 压力传感信号 | NA | NA | NA | 检测范围, 灵敏度, 响应/恢复时间, 稳定性 | NA |
| 5133 | 2025-10-06 |
Deep Learning-Assisted Inverse Design of Transparent Absorbers Based on Ionic Liquids Using Mixture Density Networks
2025-Jul-23, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c08242
PMID:40643426
|
研究论文 | 本研究提出了一种基于混合密度网络的透明波吸收器逆向设计方法 | 采用混合密度网络架构，将离子液体类型和层间结构参数同时作为设计变量，可快速预测满足条件的设计方案 | NA | 开发透明波吸收器的逆向设计方法 | 基于多种离子液体的透明波吸收器 | 机器学习 | NA | NA | MDN | 结构参数与性能数据 | NA | NA | 混合密度网络 | 吸收带宽、平均透射率、厚度 | NA |
| 5134 | 2025-10-06 |
Hybrid deep learning model for image de-noising and de-mosaicking with adaptive Gannet optimization algorithm
2025-Jul-23, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2529299
PMID:40697071
|
研究论文 | 提出一种结合自适应塘鹅优化算法的混合深度学习模型，用于图像去噪和去马赛克处理 | 提出结合E-GAN和自适应塘鹅优化算法的AG_DenseResNet混合模型，实现图像去噪和去马赛克的联合优化 | NA | 提高图像重建质量，解决噪声和马赛克伪影问题 | 图像重建 | 计算机视觉 | NA | NA | GAN, DenseNet | 图像 | 公开可用的Kodak数据集 | NA | Efficient Generative Adversarial Network (E-GAN), Adaptive Gannet-based Residual DenseNet (AG_DenseResNet) | PSNR, SSIM, MSE, LPIPS | NA |
| 5135 | 2025-10-06 |
Machine learning-driven inverse design of puncture needles with tailored mechanics
2025-Jul-23, Minimally invasive therapy & allied technologies : MITAT : official journal of the Society for Minimally Invasive Therapy
IF:1.7Q2
DOI:10.1080/13645706.2025.2537927
PMID:40698677
|
研究论文 | 提出一种基于机器学习的穿刺针逆向设计方法，实现针具力学行为的精确定制 | 首次将机器学习与有限元分析结合，建立针具结构与力学响应的复杂映射关系，实现从目标穿刺曲线直接生成最优结构参数 | 方法依赖于有限元仿真数据的训练质量，尚未进行大规模实际临床验证 | 开发能够实现穿刺针个性化力学性能定制的智能设计方法 | 穿刺针的结构参数与力学性能关系 | 机器学习 | NA | 有限元分析 | 深度学习神经网络 | 仿真数据 | 大规模有限元仿真数据集 | NA | NA | 归一化均方根误差,分类准确率,损失函数 | NA |
| 5136 | 2025-10-06 |
Just-in-Time DNP Book Club: An Inclusive Immersion Experience
2025-Jul-23, Nursing education perspectives
IF:0.9Q3
DOI:10.1097/01.NEP.0000000000001448
PMID:40699031
|
研究论文 | 介绍为护理实践博士项目设计的即时虚拟读书俱乐部实施经验 | 采用即时响应学生需求的教师引导虚拟读书俱乐部模式，将现实情境与高级护理实践原则相结合 | 活动为无计划的反应性活动，缺乏系统性评估 | 探索虚拟读书俱乐部在护理教育中的实施效果和价值 | 护理实践博士项目学生 | NA | NA | 虚拟讨论，个人总结反思 | NA | NA | NA | NA | NA | 学生和教师的评价反馈 | NA |
| 5137 | 2025-10-06 |
Thin-Slice Brain CT Image Quality and Lesion Detection Evaluation in Deep Learning Reconstruction Algorithm
2025-Jul-23, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01542-3
PMID:40699306
|
研究论文 | 评估基于深度学习的精确图像重建算法在薄层脑部CT图像中的图像质量和病灶检测性能 | 首次在薄层脑部CT图像中系统比较深度学习重建算法与传统重建方法的性能差异 | 单中心回顾性研究，样本量有限（60例患者） | 比较不同重建算法在脑部CT图像质量和病灶检测方面的性能 | 脑部非增强CT扫描图像 | 医学影像分析 | 脑血管疾病 | 计算机断层扫描 | 深度学习重建算法 | 医学影像 | 60例患者（29男31女，平均年龄65.47±18.40岁），其中39例有病灶 | NA | NA | 对比噪声比, 信噪比, 图像噪声, 病灶检出率 | NA |
| 5138 | 2025-07-24 |
Integrating radiology and histology via co-attention deep learning for predicting progression-free survival in patients with metastatic prostate cancer
2025-Jul-22, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003697
PMID:40693634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5139 | 2025-10-06 |
Supervised versus unsupervised GAN for pseudo-CT synthesis in brain MR-guided radiotherapy
2025-Jul-22, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01606-1
PMID:40694229
|
研究论文 | 比较监督式(Pix2Pix)和非监督式(CycleGAN)生成对抗网络在脑部MR引导放疗中合成伪CT图像的性能 | 首次系统比较监督式和非监督式GAN在MR-to-CT合成任务中的表现，并评估其临床可行性 | 研究仅基于3270个配对图像，且仅评估了脑部肿瘤放疗场景 | 开发精确的MR-to-CT合成方法以支持MR-only放疗计划 | 脑部肿瘤患者的T1和T2加权MRI图像及对应CT图像 | 医学影像分析 | 脑肿瘤 | MRI, CT | GAN | 医学图像 | 3270个配对的T1和T2加权MRI图像 | TensorFlow, PyTorch | Pix2Pix, CycleGAN | SSIM, PSNR, MAE | NA |
| 5140 | 2025-10-06 |
Area detection improves the person-based performance of a deep learning system for classifying the presence of carotid artery calcifications on panoramic radiographs
2025-Jul-22, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00843-0
PMID:40694246
|
研究论文 | 本研究开发了两种带有区域检测功能的深度学习系统，用于在全景X光片上分类颈动脉钙化，并比较其基于患者的分类性能 | 首次比较了前置区域检测与同步区域检测对深度学习系统在全景X光片上诊断颈动脉钙化性能的影响 | 样本量相对有限（580张全景X光片），仅使用单一医疗机构数据 | 评估区域检测功能对深度学习系统诊断颈动脉钙化性能的改进效果 | 290名颈动脉钙化患者和290名对照者的580张全景X光片 | 计算机视觉 | 心血管疾病 | 全景X光摄影 | CNN | 医学影像 | 580张全景X光片（来自580名参与者） | NA | GoogLeNet, YOLOv7 | AUC | NA |