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 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2025-10-05 |
AI-driven advances in metal-organic frameworks: from data to design and applications
2025-Sep-29, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04220h
PMID:41017480
|
综述 | 本文全面概述人工智能在加速金属有机框架研究中的策略与应用 | 系统整合了AI在MOF领域的多种驱动策略，包括性质预测、结构生成与合成规划的规模化实现 | 面临数据质量、模型可解释性和实验验证的挑战 | 加速金属有机框架材料的研究与创新 | 金属有机框架材料 | 机器学习 | NA | 图神经网络，生成模型，AI-模拟混合框架 | 深度学习，生成模型 | 化学结构数据，材料属性数据 | NA | NA | 图神经网络，生成模型 | NA | NA |
| 762 | 2025-10-05 |
Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials
2025-Sep-29, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00561
PMID:41017675
|
综述 | 探讨人工智能在神经再生生物材料开发中的应用及其对外周神经病变修复的潜力 | 将人工智能与生物材料开发相结合，通过机器学习和深度学习优化材料性能并预测神经再生效果 | 面临数据整合困难、算法复杂性高以及临床转化难度大等挑战 | 开发用于外周神经病变修复的智能再生生物材料 | 外周神经病变修复材料 | 机器学习 | 外周神经病变 | 3D生物打印 | 机器学习,深度学习 | 材料性能数据,虚拟实验数据 | NA | NA | NA | 生物相容性,机械性能 | NA |
| 763 | 2025-10-05 |
Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning
2025-Sep-29, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2561926
PMID:41020342
|
研究论文 | 本研究开发了一种基于大数据和深度学习的个性化运动康复分析模型，通过整合可穿戴设备和环境传感器技术来监测健身气功训练效果 | 将嵌入式技术和大数据分析应用于健身气功康复管理，创建了技术增强的个性化康复模型 | NA | 建立现代健康康复管理模式，通过技术整合提升康复效果 | 健身气功训练参与者 | 机器学习 | 康复医学 | 可穿戴设备,环境传感器,大数据分析 | 深度学习模型 | 生理数据,运动数据 | NA | NA | NA | 心率变异性,呼吸频率,运动效率,压力水平,依从率 | NA |
| 764 | 2025-10-05 |
Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps
2025-Sep-29, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03744-7
PMID:41021086
|
研究论文 | 提出一种结合元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于角膜地形图圆锥角膜分类 | 结合改进的Swin Transformer块与残差多层感知器，并引入北极狐优化器增强模型收敛性和鲁棒性，同时集成SHAP可解释性分析 | NA | 开发自动化和可扩展的圆锥角膜检测方法 | 圆锥角膜患者 | 计算机视觉 | 圆锥角膜 | 角膜地形图成像 | Transformer, MLP | 图像 | NA | NA | Swin Transformer, Residual MLP | 准确率 | NA |
| 765 | 2025-10-05 |
Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review
2025-Sep-28, Journal of paediatrics and child health
IF:1.6Q2
DOI:10.1111/jpc.70172
PMID:41015898
|
系统综述 | 本系统综述评估了人工智能在检测发育性髋关节发育不良（DDH）方面的诊断准确性 | 首次系统评估深度学习算法在DDH检测中的应用效果，比较了X射线和超声图像两种影像模式的诊断性能 | 外部数据集评估有限，限制了结果的普适性 | 评估深度学习算法在DDH诊断中的准确性 | 有DDH风险或疑似DDH的儿童（<16岁） | 医学影像分析 | 发育性髋关节发育不良 | 超声成像，X射线成像 | 深度学习 | 超声图像，X射线图像 | 超声图像研究15项（n=8315），X射线研究8项（n=7091） | NA | NA | AUC，敏感度，特异度 | NA |
| 766 | 2025-10-05 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2025-Sep-28, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 提出基于多光谱成像和YOLOv5的血细胞识别方法 | 首次将多光谱成像与YOLOv5结合用于血细胞识别，通过多波长图像融合显著提升识别性能 | 白细胞样本相对稀缺，可能影响模型泛化能力 | 开发高精度的自动化血细胞计数方法 | 血细胞（红细胞、白细胞、血小板） | 计算机视觉 | 血液疾病 | 多光谱成像 | YOLOv5 | 多光谱图像 | 五个波长的血细胞图像 | PyTorch | YOLOv5标准版和修改版 | 精确度 | NA |
| 767 | 2025-10-05 |
Single-image estimation of tree volume via pixel-mapped 3D reconstruction: A low-cost solution using deep learning and curvature segmentation
2025-Sep-27, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180420
PMID:41016068
|
研究论文 | 提出一种基于单张图像的树木体积自动测量框架，通过深度学习与曲率分割实现低成本林业调查 | 集成SegFormer深度学习模型、树干骨架提取、自适应曲率分割算法和分段三维重建，实现从图像像素到物理单位的直接映射 | 主要误差来源于分段高度不准确，单木体积和高度测量误差为2.01%-7.68% | 开发低成本、高效率的树木参数测量方法以替代昂贵的LiDAR技术 | 北京地区4个树种的3013棵树木 | 计算机视觉 | NA | 摄影测量，深度学习 | SegFormer | 图像，点云数据 | 3013棵树木图像数据，141棵树木的破坏性测量数据 | NA | SegFormer | 体积测量误差，高度测量误差，效率提升倍数 | NA |
| 768 | 2025-10-05 |
Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning
2025-Sep-27, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110713
PMID:41016125
|
研究论文 | 本研究使用单通道脑电图的密度谱阵列结合深度学习技术来区分癫痫性和功能性/分离性发作 | 首次将单通道脑电图（Cz电极）的密度谱阵列与深度学习结合用于癫痫与非癫痫性发作的鉴别诊断 | 回顾性研究，样本量相对有限（99名患者），仅针对内侧颞叶癫痫和功能性/分离性发作 | 开发一种基于单通道脑电图和深度学习的癫痫与非癫痫性发作自动鉴别方法 | 内侧颞叶癫痫患者和功能性/分离性发作患者 | 医疗人工智能 | 癫痫 | 长程视频脑电图监测，密度谱阵列分析 | CNN | 脑电图信号 | 99名患者（48名mTLE，51名FDS），206次发作（106次训练，33次测试） | PyTorch | ResNet34 | AUC | NA |
| 769 | 2025-10-05 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果 | 首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，显著提升了豆纹动脉的显示质量 | 样本量较小（仅5名健康志愿者），属于初步研究 | 评估压缩感知深度学习重建在TOF-MRA中对豆纹动脉显示效果的改善 | 健康志愿者的豆纹动脉 | 医学影像分析 | 脑血管疾病 | 时间飞跃磁共振血管成像 | 深度学习 | 磁共振图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 图像质量评分, 外周豆纹动脉可见度 | NA |
| 770 | 2025-10-05 |
Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution
2025-Sep-26, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw0783
PMID:41004578
|
研究论文 | 提出了一种结合合成复频率波与物理信息卷积神经网络的等离子体传感方法，用于溶液中纳米级蛋白质二级结构的实时定量分析 | 将合成复频率波增强技术与物理信息卷积神经网络相结合，显著提高了蛋白质二级结构预测精度，解决了水溶液中蛋白质动态研究的数据稀缺问题 | NA | 开发能够在水溶液中实时定量分析纳米级蛋白质二级结构及其构象变化的新方法 | 亚10纳米尺度蛋白质的二级结构和构象动态变化 | 计算生物学 | NA | 中红外等离子体传感，合成复频率波增强技术 | CNN | 光谱数据 | NA | NA | 物理信息卷积神经网络 | 平均相对误差 | NA |
| 771 | 2025-10-05 |
Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins
2025-Sep-26, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw8122
PMID:41004582
|
研究论文 | 提出一种可扩展的深度学习重建方法，用于加速多维核磁共振波谱分析 | 将深度学习扩展到处理更高维度波谱和变化加速因子，通过一维数据学习和秩-1 Hankel矩阵近似实现 | 需要复杂网络和更多数据，可扩展性面临挑战 | 开发可扩展的深度学习方法来加速多维核磁共振波谱重建 | 蛋白质的多维核磁共振波谱 | 机器学习 | NA | 核磁共振波谱 | 神经网络 | 时间域信号，波谱数据 | NA | NA | NA | 重建误差 | NA |
| 772 | 2025-10-05 |
COVID-19 Pneumonia Diagnosis Using Medical Images: Deep Learning-Based Transfer Learning Approach
2025-Sep-26, JMIRx med
DOI:10.2196/75015
PMID:41004646
|
研究论文 | 本研究评估了基于深度迁移学习的COVID-19肺炎医学影像诊断方法 | 首次系统比较多种先进卷积神经网络在COVID-19诊断中的表现，并证明DenseNet121在突变病毒株诊断中的鲁棒性 | 未明确说明数据集规模和来源，缺乏多中心验证 | 开发快速、准确且对病毒突变具有韧性的COVID-19医学影像诊断系统 | 胸部X光和CT影像 | 计算机视觉 | COVID-19肺炎 | 医学影像分析 | CNN | 图像 | NA | NA | VGG16, ResNet50, ConvNeXtTiny, MobileNet, NASNetMobile, DenseNet121 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 773 | 2025-10-05 |
MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis
2025-Sep-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05743-w
PMID:41006273
|
研究论文 | 本文提出了一个包含CT影像和临床特征的多模态数据集MultiD4CAD，用于冠状动脉疾病分析 | 提供了包含心外膜和冠状动脉周围脂肪组织分割的多模态数据集，结合影像特征与临床生物标志物 | 数据集仅包含疑似冠状动脉疾病患者，未提及样本多样性或外部验证 | 开发用于冠状动脉疾病分析的临床决策支持系统 | 疑似冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像(CCTA) | NA | 影像, 临床数据 | NA | NA | NA | NA | NA |
| 774 | 2025-10-05 |
Optimized YOLO based model for photovoltaic defect detection in electroluminescence images
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13956-7
PMID:41006343
|
研究论文 | 提出一种优化的PV-YOLOv12n模型用于光伏电致发光图像中的缺陷检测 | 在YOLOv12n基础上引入A2C2f模块增强关键缺陷区域的特征提取能力 | 未提及模型在其他类型光伏缺陷或不同成像条件下的泛化能力 | 开发高效的光伏面板缺陷自动检测方法以保障光伏系统可靠性 | 光伏面板电致发光图像中的缺陷 | 计算机视觉 | NA | 电致发光成像 | YOLO | 图像 | PVEL-AD和Roboflow数据集 | NA | YOLOv12n, PV-YOLOv12n | mAP@50, mAP@50-95, 召回率, 精确率, 推理速度 | NA |
| 775 | 2025-10-05 |
Enhancing indoor activity recognition for disabled persons using multi head self attention recurrent neural network with improved pelican algorithm
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14515-w
PMID:41006356
|
研究论文 | 提出一种基于改进鹈鹕优化算法的多头自注意力循环神经网络方法，用于增强残疾人士的室内活动识别 | 结合改进鹈鹕优化算法(IPOA)进行超参数调优，并采用双向长短期记忆网络与多头自注意力机制(BiLSTM-MHSA)进行活动分类 | 仅在Florence 3D Actions数据集上进行验证，需要进一步在实际环境中测试 | 提高残疾人士室内活动识别系统的准确性和适应性 | 残疾人士的室内日常活动 | 计算机视觉 | 残疾人士 | 深度学习，传感器数据分析 | BiLSTM, Self-Attention | 图像，传感器数据 | Florence 3D Actions数据集 | TensorFlow, PyTorch | EfficientNetB7, BiLSTM-MHSA | 准确率 | NA |
| 776 | 2025-10-05 |
A novel deep neural architecture for efficient and scalable multidomain image classification
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10517-w
PMID:41006388
|
研究论文 | 提出一种名为DeepFreqNet的新型深度神经网络架构，用于高效可扩展的多领域图像分类 | 结合多尺度特征提取、深度可分离卷积和残差连接三种强大组件，无需大量重新配置即可适应不同数据集 | NA | 开发能够有效泛化到不同图像领域的高性能多领域图像分类模型 | 多领域图像数据，包括MRI肿瘤分类、血细胞分类和手语识别 | 计算机视觉 | 肿瘤 | NA | CNN | 图像 | 九个基准数据集 | NA | DeepFreqNet | 准确率 | NA |
| 777 | 2025-10-05 |
A physics-based fingerprinting approach for efficient device identification in OWC system
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-12220-2
PMID:41006393
|
研究论文 | 提出一种基于物理学的指纹识别方法，用于光学无线通信系统中的高效设备识别 | 将LED的非线性响应变化量化为等效电路模型中的集总参数，作为物理指纹特征，替代传统数据密集型深度学习方法 | NA | 开发适用于资源受限物联网环境的高效设备认证解决方案 | 光学无线通信系统中的设备识别 | 机器学习 | NA | 等效电路模型 | 物理模型 | 信号数据 | NA | NA | 等效电路模型 | 分类准确率 | NA |
| 778 | 2025-10-05 |
Optimized extreme learning machines with deep learning for high-performance network traffic classification
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-16980-9
PMID:41006381
|
研究论文 | 提出一种结合改进极限学习机和深度学习的网络流量分类框架，用于准确识别安全和不安全网络流量 | 通过粒子群优化算法优化模型参数，并采用基于深度学习的特征选择机制评估输入特征相关性 | NA | 开发高性能网络流量分类方法以增强网络安全防护 | 网络流量数据 | 机器学习 | NA | NA | 极限学习机,深度学习 | 网络流量数据 | CICIDS 2017数据集 | NA | 改进极限学习机(IELM) | 准确率 | NA |
| 779 | 2025-10-05 |
Secure federated learning with metaheuristic optimized dimensionality reduction and multi-head attention for DDoS attack mitigation
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-15052-2
PMID:41006431
|
研究论文 | 提出一种基于元启发式优化降维和多头注意力的安全联邦学习方法，用于物联网环境中的DDoS攻击检测与缓解 | 结合鹦鹉优化算法进行特征选择，使用时间卷积网络和双向门控循环单元与多头注意力机制进行攻击分类，并采用麋鹿群优化器进行参数调优 | 仅在NSLKDD和CIC-IDS2017数据集上进行了验证，需要在实际物联网环境中进一步测试 | 为物联网环境中的DDoS攻击提供有效的检测和缓解策略 | 物联网设备面临的分布式拒绝服务攻击 | 机器学习 | NA | 联邦学习，深度学习 | TCN, Bi-GRU, 多头注意力机制 | 网络流量数据 | NSLKDD和CIC-IDS2017数据集 | NA | 时间卷积网络，双向门控循环单元，多头注意力机制 | 准确率 | NA |
| 780 | 2025-10-05 |
Leveraging hybrid deep learning with starfish optimization algorithm based secure mechanism for intelligent edge computing in smart cities environment
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11608-4
PMID:41006459
|
研究论文 | 提出一种基于混合深度学习和海星优化算法的智能边缘计算安全机制，用于智慧城市环境中的入侵检测 | 结合卷积神经网络和双向门控循环单元与交叉注意力机制(CNN-BiGRU-CrAM)，并采用海星优化算法进行超参数调优 | NA | 为智慧城市中的边缘计算提供安全的入侵检测系统 | 物联网边缘计算环境中的网络安全 | 机器学习 | NA | 深度学习 | CNN, BiGRU | 网络数据 | Edge-IIoT和ToN-IoT数据集 | NA | CNN-BiGRU-CrAM | 准确率 | NA |