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 6081 - 6100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6081 | 2025-10-06 |
Child face detection on front passenger seat through deep learning
2024, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2024.2346811
PMID:38717829
|
研究论文 | 本研究开发了一种基于深度学习的儿童面部检测系统，用于监测汽车前排乘客座位上的儿童并提醒驾驶员 | 使用专门生成的数据集和MobileNetV2架构，在树莓派4B上实现实时儿童检测系统 | 实验环境较为理想化，传感器未受阳光直射遮挡，也未考虑车辆中常见的污垢覆盖情况 | 通过车内监控系统检测前排乘客座位上的儿童，降低汽车事故中儿童的伤亡风险 | 汽车前排乘客座位上的乘客（儿童和成人） | 计算机视觉 | NA | 深度学习，面部检测 | CNN | 图像 | 原始数据集：102张空座位，71名儿童（0-13岁），96名成人（14-75岁）；数据增强后：2,496张成人图像，2,310张儿童图像 | TensorFlow, Keras | MobileNetV2 | 准确率，精确率 | 树莓派4 Model B |
| 6082 | 2025-10-06 |
Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes
2024, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2024.2356663
PMID:39485495
|
研究论文 | 比较不同深度学习方法从ICD编码估计损伤严重程度的性能 | 首次系统比较编码器-解码器神经机器翻译模型与前馈神经网络在损伤严重程度估计中的表现，并对比直接与间接估计方法的优劣 | 仅使用美国国家创伤数据库数据，可能限制模型在其他人群的泛化能力 | 开发从ICD编码准确估计损伤严重程度的方法 | 创伤患者的ICD编码数据 | 自然语言处理 | 创伤 | 深度学习方法 | NMT, FFNN | 医疗编码文本数据 | 训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年) | NA | 编码器-解码器神经网络，前馈神经网络 | ISS≥16正确分类百分比，ISS精确匹配百分比 | GPU（具体型号未指定） |
| 6083 | 2025-10-06 |
ADHD detection based on human action recognition
2024, Neuroscience applied
DOI:10.1016/j.nsa.2024.104093
PMID:40656101
|
研究论文 | 提出了一种基于人体动作识别的注意力缺陷多动障碍检测系统 | 首次录制真实多模态ADHD数据集，设计新型多动测试捕获ADHD特征，使用简单非穿戴式传感器实现低成本检测 | 依赖视频数据质量，未与其他神经影像数据直接比较 | 开发基于人体动作识别的低成本ADHD检测方法 | 注意力缺陷多动障碍患者的行为特征 | 计算机视觉 | 注意力缺陷多动障碍 | 视频动作分析 | 深度学习 | RGB视频 | 真实多模态ADHD数据集 | NA | NA | 准确率, AUC | NA |
| 6084 | 2025-10-06 |
Investigating mental workload caused by NDRTs in highly automated driving with deep learning
2024, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2023.2276657
PMID:38240567
|
研究论文 | 本研究通过深度学习模型分析高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响 | 使用LSTM和BLSTM深度学习模型对EEG信号进行脑力负荷分类，并发现特定频段数据能提升分类准确率 | 样本量较小（28名参与者），实验环境为模拟驾驶场景 | 研究高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响并开发分类模型 | 驾驶员在高度自动驾驶场景下的脑力负荷 | 机器学习 | NA | 脑电图（EEG）信号采集，NASA任务负荷指数量表（NASA-TLX） | LSTM, BLSTM | EEG信号 | 28名参与者 | NA | 长短期记忆网络（LSTM），双向长短期记忆网络（BLSTM） | 分类准确率 | NA |
| 6085 | 2025-10-06 |
Artificial intelligence-enabled penicillin allergy delabelling: an implementation study
2023-11, Internal medicine journal
IF:1.8Q2
DOI:10.1111/imj.16266
PMID:37997266
|
研究论文 | 本研究实施了一种基于深度学习AI算法的青霉素过敏标签去除系统 | 使用深度学习人工智能算法识别适合进行青霉素过敏评估的患者，并通过电子邮件通知系统实现过敏标签去除 | 需要进一步研究优化此类方法 | 通过人工智能技术实现青霉素过敏标签的准确去除 | 被标记为青霉素过敏的患者 | 医疗人工智能 | 药物过敏 | 深度学习 | 深度学习算法 | 医疗记录数据 | 干预组59人，对照组未明确数量 | NA | NA | 统计学显著性(P值) | NA |
| 6086 | 2025-10-06 |
FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines
2023-10, SLAS discovery : advancing life sciences R & D
IF:2.7Q2
DOI:10.1016/j.slasd.2023.08.004
PMID:37573010
|
研究论文 | 开发用于自动化细胞检测流程中图像聚焦分析的深度学习工具FocA | 提出能够在近实时条件下识别聚焦/失焦图像的深度学习工具，使用下采样图像小块训练以最大化计算效率而不影响准确性 | NA | 确保自动化细胞检测中图像数据的质量和一致性 | 自动化细胞生物学研究平台生成的图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | 准确率 | 最小计算资源 |
| 6087 | 2025-10-06 |
Neurofusionnet: a comprehensive framework for accurate epileptic seizure prediction from EEG data with hybrid meta-heuristic optimization algorithm
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10293-3
PMID:40661693
|
研究论文 | 提出一个名为Neurofusionnet的综合框架，通过混合元启发式优化算法从EEG数据中准确预测癫痫发作 | 结合了改进的ShuffleNet V2、SqueezeNet、EfficientNet V2和基于多头注意力的GhostNet V2的检测模型，并采用混合黑猩猩增强狐狸优化算法进行特征选择 | NA | 开发一个准确预测癫痫发作的完整框架 | 癫痫患者的EEG数据 | 医学人工智能 | 癫痫 | EEG信号处理、独立成分分析、小波变换 | 深度学习 | EEG信号 | NA | NA | Improved ShuffleNet V2, SqueezeNet, EfficientNet V2, Multi Head Attention based GhostNet V2 | NA | NA |
| 6088 | 2025-10-06 |
Structure from motion-convolutional neural network model (SfM-CNN) achieved accurate portable Chinese dietary chemical composition estimation for dietary recall
2025-Oct-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144908
PMID:40449202
|
研究论文 | 开发了一种结合运动恢复结构和卷积神经网络(SfM-CNN)的AI模型，用于自动化估算中国膳食的化学成分 | 首次将先进的三维重建技术与深度学习相结合，采用SIFT算法实现特征提取和食物体积估算，误差低于4% | NA | 开发准确、高效且 culturally relevant 的膳食化学成分估算工具 | 中国膳食 | 计算机视觉 | NA | SIFT算法，3D重建 | CNN | 图像 | ChineseDish-100数据集 | NA | SIFT-ResNet50 | R值0.949，误差率 | NA |
| 6089 | 2025-10-06 |
Detection and classification of meat freshness using an optimized deep learning method
2025-Oct-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144783
PMID:40479992
|
研究论文 | 提出一种基于深度学习的肉类新鲜度检测与分类方法 | 结合VGG19特征提取与改进型人工原生动物优化器(IAPO)进行特征选择，并通过粒子群优化(PSO)增强优化效果 | 论文未明确说明实验数据的规模和多样性限制 | 开发准确的肉类新鲜度分类系统以保障食品安全 | 肉类新鲜度（新鲜、半新鲜、变质） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | VGG19 | 准确率, 灵敏度, 特异性 | NA |
| 6090 | 2025-10-06 |
Low-field NMR-based deep learning for non-destructive quality assessment of frozen model foods
2025-Oct-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145181
PMID:40540836
|
研究论文 | 本研究利用低场核磁共振结合深度学习技术对冷冻模型食品进行无损质量评估 | 首次将低场核磁共振技术与反向传播人工神经网络结合，用于冷冻食品质量评估 | 仅使用凝胶模型食品，未涉及真实食品样品 | 开发冷冻食品无损质量评估方法 | 含水量90%和80%的凝胶模型食品 | 机器学习 | NA | 低场核磁共振(LF-NMR) | PLSR, BP-ANN | 核磁共振数据 | 梯度温度条件下冷冻的凝胶模型食品样品 | NA | NA | R, RMSE, RPD | NA |
| 6091 | 2025-10-06 |
Deep learning reduced order models of vaginal tear propagation
2025-Oct, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.107074
PMID:40499333
|
研究论文 | 本文开发了结合有限元分析、本征正交分解和机器学习的计算模型来预测阴道变形和撕裂传播 | 首次将本征正交分解降阶模型与机器学习相结合应用于阴道组织撕裂预测，显著提高了计算效率 | 基于啮齿动物离体微力学数据，尚未在人体组织上验证 | 开发计算模型预测阴道分娩过程中的组织变形和撕裂传播 | 阴道组织在压力作用下的变形和撕裂行为 | 计算生物力学 | 产科创伤 | 有限元分析，本征正交分解，机器学习 | 机器学习模型，降阶模型 | 位移场数据，压力数据 | 基于啮齿动物离体微力学数据 | NA | POD-ML模型 | 均方根误差 | NA |
| 6092 | 2025-10-06 |
Longitudinal EEG-based assessment of neuroplasticity and adaptive responses to transcranial focused ultrasound stimulation
2025-Oct, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110521
PMID:40581220
|
研究论文 | 本研究提出了一种整合经颅聚焦超声刺激与脑电图监测的纵向评估协议模型，用于评估神经可塑性和适应性脑响应 | 开发了集成纵向评估协议模型，结合统计建模和神经网络模式识别，实现了对经颅聚焦超声刺激诱导的神经可塑性变化的动态监测 | 未明确说明样本规模和具体实验设计细节 | 评估经颅聚焦超声刺激对神经可塑性和适应性脑响应的长期影响 | 脑电图信号和神经适应性轨迹 | 神经工程 | 神经系统疾病 | 经颅聚焦超声刺激，脑电图监测 | 神经网络，机器学习分类器，深度学习模型 | 脑电图信号 | NA | NA | NA | NA | NA |
| 6093 | 2025-10-06 |
Predicting rat lumbar vertebral failure patterns as synthetic μCT images using a deep convolutional generative adversarial network
2025-Oct, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.107116
PMID:40582223
|
研究论文 | 本研究开发了一种生成式深度学习模型，通过创建大鼠腰椎骨折的合成3D μCT图像来预测骨折模式 | 首次使用3D条件生成对抗网络(cGAN)从不同加载状态的μCT图像预测大鼠腰椎骨折模式 | 训练样本量较小(64个图像)，仅针对大鼠腰椎进行验证 | 开发能够预测生物结构损伤行为的生成式深度学习模型 | 大鼠腰椎椎体 | 计算机视觉 | 骨科疾病 | μCT成像 | cGAN | 3D μCT图像 | 64个训练图像，8个验证图像 | NA | 3D条件生成对抗网络 | DSC, JAC, FID, SSIM | NA |
| 6094 | 2025-10-06 |
Near-infrared spectroscopy coupled with Gramian angular field two-dimensional convolutional neural network for white tea adulteration detection
2025-Aug-30, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14353
PMID:40405615
|
研究论文 | 本研究结合格拉米角场图像编码技术和二维卷积神经网络，利用近红外光谱数据定量检测白茶的地理来源掺假 | 首次将格拉米角场图像编码技术应用于近红外光谱数据，结合二维卷积神经网络进行茶叶掺假定量检测 | 未提及模型在其他茶叶品种或更大样本规模下的泛化能力 | 开发基于近红外光谱的白茶地理来源掺假定量检测方法 | 白茶样品 | 计算机视觉 | NA | 近红外光谱技术 | CNN | 光谱数据, 图像 | NA | NA | 2D-CNN, 1D-CNN | R2, 均方根误差 | NA |
| 6095 | 2025-10-06 |
A PET/CT-based 3D deep learning model for predicting spread through air spaces in stage I lung adenocarcinoma
2025-Aug, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-025-03870-9
PMID:39994163
|
研究论文 | 本研究开发了一种基于PET/CT的3D深度学习模型，用于预测I期肺腺癌患者的气腔扩散状态 | 首次将3D深度学习模型与PET/CT影像融合应用于STAS预测，并通过两阶段读者研究验证临床实用性 | 回顾性研究设计，需要前瞻性验证 | 预测I期肺腺癌患者术前气腔扩散状态 | 162名I期肺腺癌患者 | 医学影像分析 | 肺癌 | 18F-FDG PET/CT成像 | 深度学习 | 3D医学影像 | 162例患者，按4:1比例分为训练集和测试集 | NA | ResNet50 | AUC, 敏感性, 特异性, 诊断准确率 | NA |
| 6096 | 2025-10-06 |
Deep Learning in Echocardiography for Enhanced Detection of Left Ventricular Function and Wall Motion Abnormalities
2025-Aug, Ultrasound in medicine & biology..
|
系统综述 | 本文系统回顾了深度学习技术在超声心动图中检测心血管异常的应用 | 首次系统评估深度卷积神经网络在超声心动图诊断左心室功能和室壁运动异常中的整合应用 | 数据多样性不足、图像质量问题以及深度学习模型的计算需求限制了临床广泛应用 | 评估深度学习技术在超声心动图诊断心血管异常中的效果和应用前景 | 29项关于深度学习在超声心动图中应用的研究 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度卷积神经网络(DCNN) | 超声心动图像 | 29项研究 | NA | 深度卷积神经网络 | 诊断准确性, 可重复性 | NA |
| 6097 | 2025-10-06 |
Deep learning dosiomics in grade 4 radiation-induced lymphopenia prediction in radiotherapy for esophageal cancer: a multi-center study
2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110995
PMID:40550423
|
研究论文 | 本研究探讨了使用深度学习、剂量组学特征结合剂量体积直方图参数和临床因素预测食管癌放疗患者4级放射性淋巴细胞减少症的可行性 | 首次将深度学习剂量组学与剂量组学特征、DVH参数和临床因素相结合构建多中心预测模型 | 回顾性研究设计，样本量相对有限 | 预测食管癌放疗患者的4级放射性淋巴细胞减少症 | 545名接受放疗的食管癌患者 | 医学影像分析 | 食管癌 | 放疗剂量分布分析 | 深度学习 | 放射剂量分布数据，临床数据 | 545名患者来自5个医疗中心 | NA | NA | AUC | NA |
| 6098 | 2025-10-06 |
Generation of synthetic tomographic images from biplanar X-ray: a narrative review of history, methods, and the state of the art
2025-Aug, Journal of neurosurgical sciences
IF:1.3Q3
DOI:10.23736/S0390-5616.25.06506-3
PMID:40662246
|
综述 | 本文综述了基于深度学习的从双平面或多平面二维X射线生成合成三维CT图像的方法 | 系统梳理了深度学习在合成CT生成领域的最新进展，包括CNN、GAN和条件扩散处理等先进技术 | 作为叙述性综述，未进行定量分析或方法比较 | 探讨从二维X射线生成合成三维CT图像的深度学习方法 | 双平面或多平面二维X射线数据 | 医学影像分析 | NA | X射线成像，CT成像 | CNN, GAN, 条件扩散模型 | 二维X射线图像，三维CT图像 | NA | NA | NA | NA | NA |
| 6099 | 2025-10-06 |
Deep quantum Monte Carlo approach for polaritonic chemistry
2025-Jul-21, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0272805
PMID:40662707
|
研究论文 | 提出一种深度学习变分量子蒙特卡洛方法用于求解光学腔中分子的电子和光子薛定谔方程 | 将典型电子神经网络波函数拟设扩展到描述联合费米子和玻色子系统，在量子蒙特卡洛框架中处理电子-光子系统 | 仅应用于腔中氢分子系统，尚未验证更复杂分子体系 | 解决光学腔中分子系统的量子力学计算问题 | 光学腔中捕获的氢分子 | 机器学习 | NA | 量子蒙特卡洛方法 | 神经网络 | 量子态数据 | 氢分子系统 | NA | 神经网络波函数拟设 | 能量、偶极矩、电荷密度位移、光子场状态、电子-光子纠缠度 | NA |
| 6100 | 2025-10-06 |
MS2MP: A Deep Learning Framework for Metabolic Pathway Prediction from MS/MS-Based Untargeted Metabolomics
2025-Jul-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06875
PMID:40583780
|
研究论文 | 提出一种直接从MS/MS非靶向代谢组学数据预测KEGG代谢通路的深度学习框架MS2MP | 首个能够直接从MS谱图预测代谢通路的计算工具，无需先进行代谢物注释 | 仅基于33,221个实验MS谱图进行训练，可能对某些罕见代谢通路覆盖不足 | 开发直接从串联质谱数据预测代谢通路的深度学习方法 | 非靶向代谢组学中的MS/MS谱图和KEGG代谢通路 | 机器学习 | NA | 串联质谱(MS/MS)，非靶向代谢组学 | 图神经网络(GNN) | 质谱数据，图数据(碎片树图) | 33,221个实验MS谱图，161个代谢物标准品 | NA | 图神经网络 | 平衡准确率，精确匹配率 | NA |