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 33293 篇文献，本页显示第 7981 - 8000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7981 | 2025-10-06 |
X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111721
PMID:40612478
|
研究论文 | 提出一个用于槟榔分级的新型X射线图像数据集X-ArecaNet | 首次通过X射线内部检测方法创建槟榔分级数据集，填补了无损检测槟榔质量的研究空白 | 数据集未进行图像增强，样本量相对有限（共900张图像） | 为槟榔产业建立基于深度学习的质量分级标准 | 槟榔果实 | 计算机视觉 | NA | X射线成像 | 深度学习 | X射线图像 | 900张X射线图像（3个等级各300张） | YOLOv5 | NA | NA | NA |
| 7982 | 2025-10-06 |
Urban tree species benchmark dataset for time series classification
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111777
PMID:40612477
|
研究论文 | 本文提出了一个用于城市树种分类的基准数据集，包含多源光学卫星图像时间序列数据 | 提供了首个专门针对城市树种的卫星图像时间序列分类基准数据集，并开发了基于InceptionTime的多源数据融合模型 | 数据集仅覆盖法国斯特拉斯堡市的20个常见树种，可能无法代表其他地区的树种多样性 | 开发城市树种分类的基准数据集和深度学习模型，支持城市森林管理和生态监测 | 城市树种，特别是法国斯特拉斯堡市的公共树木 | 计算机视觉 | NA | 多源光学卫星遥感（Sentinel-2和PlanetScope） | 深度学习 | 卫星图像时间序列 | 45,084棵树木，涵盖20个最常见树种 | 深度学习框架 | InceptionTime, Dual-InceptionTime | 置信度得分，正确性标志，t-SNE可视化分析 | NA |
| 7983 | 2025-10-06 |
Super-resolution tactile sensor arrays with sparse units enabled by deep learning
2025-Jul-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv2124
PMID:40601743
|
研究论文 | 提出一种基于深度学习的超分辨率触觉传感器阵列，通过稀疏分布的物理传感器单元实现高密度压力刺激感知 | 开发了通用智能框架，包含传感器布局拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型，仅用23个物理传感器生成2700个虚拟传感器 | NA | 为人形机器人提供高分辨率触觉感知能力，实现接触式交互任务 | 触觉传感器阵列系统 | 机器感知 | NA | 深度学习 | 自注意力机制 | 触觉压力数据 | NA | NA | 自注意力辅助触觉超分辨率模型 | 超分辨率比例因子, 平均定位误差 | NA |
| 7984 | 2025-10-06 |
Deep learning-based CNN model for multiclass classification of fingerprint patterns
2025-Jul-04, Medicine, science, and the law
DOI:10.1177/00258024251355042
PMID:40611678
|
研究论文 | 提出基于卷积神经网络的指纹图案多分类模型，用于自动分类指纹类型 | 开发专门用于指纹多分类的CNN模型，采用亨利分类系统对四种指纹图案进行自动分类 | 样本量相对较小（2000个指纹图案），模型准确率有待进一步提升 | 开发自动指纹分类系统以提高指纹识别效率 | 指纹图案（拱形、环形、螺旋形和复合形） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2000个指纹图案，来自200名参与者 | NA | CNN | 准确率，混淆矩阵 | NA |
| 7985 | 2025-10-06 |
Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance
2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502098
PMID:40613249
|
综述 | 本文综述了NASICON磷酸盐材料中元素优化策略对钠存储性能的提升作用 | 系统提出多元素优化、高熵材料、梯度掺杂和AI驱动等未来研究方向 | 存在合成不一致性、电化学分析技术有限和掺杂机制不明确等挑战 | 推动NASICON材料在钠离子电池中的广泛应用 | NASICON磷酸盐材料 | 材料科学 | NA | 元素掺杂优化 | 机器学习,深度学习 | 材料性能数据 | NA | NA | NA | 容量,低温性能,成本效益 | NA |
| 7986 | 2025-10-06 |
Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease
2025-Jul-04, The British journal of radiology
DOI:10.1093/bjr/tqaf105
PMID:40613687
|
综述 | 本文综述了慢性阻塞性肺疾病定量CT成像技术的最新研究进展、技术应用及临床挑战 | 系统总结了深度学习技术在COPD定量CT分析中的自动化应用，并探讨了图像标准化等创新方法提升临床适用性的潜力 | 指出定量CT技术在常规临床实践中的应用仍存在障碍 | 探讨COPD定量CT成像技术的进展及其在疾病评估和管理中的应用 | 慢性阻塞性肺疾病（COPD）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | CT成像 | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 7987 | 2025-10-06 |
Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70004
PMID:40613800
|
综述 | 本文综述了多参数MRI与深度学习分类网络在前列腺癌评估中的整合应用 | 系统探讨了深度学习模型与PI-RADS诊断标准的比较、领域知识和临床信息融入MRI深度学习分类器的价值，以及提升模型可解释性的方法 | 未进行原始实验验证，主要基于现有文献分析；缺乏具体性能指标的定量比较 | 评估深度学习与多参数MRI在前列腺癌分类中的整合应用前景 | 前列腺癌MRI图像数据及深度学习分类模型 | 数字病理 | 前列腺癌 | 多参数MRI | 深度学习分类网络 | 医学影像 | NA | NA | NA | NA | NA |
| 7988 | 2025-07-05 |
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70030
PMID:40613856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7989 | 2025-10-06 |
iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification
2025-Jul-04, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01641-x
PMID:40613943
|
研究论文 | 提出了一种名为iACP-DPNet的可解释抗癌肽识别深度学习模型 | 采用双池化因果扩张卷积网络架构，结合全局平均池化和注意力池化机制，增强了局部关键残基和全局序列上下文的协同建模能力 | NA | 开发高性能且可解释的抗癌肽识别计算方法 | 抗癌肽(ACPs) | 生物信息学 | 癌症 | 蛋白质语言模型ProtBert，特征选择方法LightGBM和MIC | 因果扩张卷积网络 | 蛋白质序列数据 | NA | NA | 双池化因果扩张卷积网络，GlobalAveragePooling，注意力池化 | 特异性(Sp)，敏感性(Sn)，准确率(Acc)，马修斯相关系数(MCC) | NA |
| 7990 | 2025-10-06 |
From gas sensing to AI-gas sensing
2025-Jul-03, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc01291k
PMID:40521933
|
综述 | 本文综述了人工智能技术在气体传感领域的应用进展与发展潜力 | 系统阐述了AI技术如何通过深度学习特征提取、模式识别、漂移补偿和边缘设备部署等创新方法推动气体传感技术发展 | NA | 探讨人工智能技术如何推动人工嗅觉系统的发展 | 气体传感技术与人工智能的融合应用 | 机器嗅觉 | NA | 气体传感技术 | 深度学习 | 化学信号 | NA | NA | NA | NA | 边缘设备、嗅觉芯片、神经形态处理器、感存算一体化系统 |
| 7991 | 2025-10-06 |
Artificial Intelligence in Rhinology
2025-Jul-03, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011654
PMID:40608779
|
综述 | 本文综述了人工智能在鼻科学领域的应用现状与发展前景 | 系统总结了人工智能技术在鼻科疾病诊断、手术规划和新器械开发中的创新应用 | 许多AI应用需要设备完善的医疗中心环境，在资源匮乏地区实施存在挑战 | 探讨人工智能技术在鼻科学领域的应用潜力与发展方向 | 鼻科疾病诊断与治疗相关研究 | 医疗人工智能 | 鼻科疾病 | 机器学习,深度学习 | 分类算法,深度学习算法 | 放射影像数据,临床数据 | NA | NA | NA | NA | NA |
| 7992 | 2025-10-06 |
Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models
2025-Jul-03, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3579732
PMID:40608870
|
研究论文 | 提出一种名为TOP2混合决策的新算法，通过利用基础模型的TOP2类别信息来提升集成模型的TOP1准确率 | 首次将基础模型的TOP2类别信息引入集成学习决策过程，通过基于TOP1类别和TOP2类别排名的层次划分机制改进集成模型性能 | 未明确说明在非图像领域的适用性，且实验范围限于特定模型和数据集 | 提升集成学习模型在视觉任务中的TOP1准确率 | 深度学习集成模型 | 计算机视觉 | NA | NA | 集成学习 | 图像 | 多个数据集（具体数量未明确说明） | NA | NA | TOP1准确率 | NA |
| 7993 | 2025-10-06 |
Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network
2025-Jul-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adeb92
PMID:40609554
|
研究论文 | 提出基于卷积神经网络的多模态视网膜疾病分类模型，通过整合OCT和OCTA图像提高诊断准确率 | 采用亮线裁剪技术去除无用黑边区域，提出双分支多模态融合架构和两步训练方法解决数据不足问题 | 训练图像数量有限，存在类别不平衡问题 | 开发自动诊断视网膜疾病的深度学习模型 | 年龄相关性黄斑变性和糖尿病视网膜病变等视网膜疾病 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描(OCT)，光学相干断层扫描血管成像(OCTA) | CNN | 图像 | NA | NA | 双分支卷积神经网络 | 准确率,精确率,召回率,特异性,F1分数 | NA |
| 7994 | 2025-10-06 |
CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction
2025-Jul-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8914
PMID:40610235
|
研究论文 | 本研究开发了一种基于保形预测的胶质瘤分割不确定性量化方法CONSeg | 首次将保形预测应用于胶质瘤分割的不确定性量化，并提出不确定性比率指标 | 研究仅使用公开数据集，未在更多临床场景验证 | 提高胶质瘤分割模型的可靠性和不确定性量化能力 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 深度学习分割 | CNN | 医学影像 | UCSF数据集495例，UPenn数据集147例 | NA | UNet | Dice分数系数, 95百分位Hausdorff距离, 覆盖率 | NA |
| 7995 | 2025-10-06 |
Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification
2025-Jul-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01589-1
PMID:40610693
|
研究论文 | 本研究探索轻量级深度学习模型在脑肿瘤多分类中的应用 | 提出将MobileNetV3和SqueezeNet的特征嵌入层进行融合的混合模型，在保证诊断准确性的同时提高部署效率 | 仅使用单一公开数据集，未在更多临床数据上验证模型泛化能力 | 开发准确且高效的脑肿瘤自动分类方法 | 脑部MRI图像中的四类情况：胶质瘤、脑膜瘤、垂体瘤和无肿瘤 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN | 图像 | 7023张MRI图像（65%训练集，17%验证集，18%测试集） | NA | MobileNetV3,SqueezeNet | 准确率 | NA |
| 7996 | 2025-10-06 |
Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03960-2
PMID:40592932
|
研究论文 | 开发一种基于CNN-GRU混合模型的肺癌检测方法，用于AI医疗系统中的准确诊断 | 首次将CNN的空间特征提取能力与GRU的序列建模能力相结合，构建混合深度学习模型用于肺癌检测 | 未提及模型在不同类型肺癌或不同阶段患者中的泛化能力 | 提高AI医疗系统中肺癌检测的准确率 | 肺癌CT影像数据 | 计算机视觉 | 肺癌 | CT影像分析 | CNN, GRU | 医学影像 | NA | NA | CNN-GRU混合架构 | 准确率 | NA |
| 7997 | 2025-10-06 |
Hybrid attention transformer integrated YOLOV8 for fruit ripeness detection
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04184-0
PMID:40592947
|
研究论文 | 提出融合混合注意力变换器的HAT-YOLOV8模型用于户外果园环境中的水果成熟度检测 | 将混合注意力变换器(HAT)集成到YOLOV8中，结合Shuffle Attention模块增强复杂依赖关系捕获能力，并使用EIoU损失函数替代CIoU | NA | 解决户外果园环境中光照变化和果实簇阴影对成熟水果识别与分类的挑战 | 五种水果品种，每种分为三个不同成熟度等级 | 计算机视觉 | NA | 深度学习 | YOLOV8, Transformer | 图像 | 包含五种水果品种的数据集 | PyTorch | YOLOV8, Hybrid Attention Transformer, Shuffle Attention | mAP | NA |
| 7998 | 2025-10-06 |
Research on fault diagnosis method for variable condition planetary gearbox based on SKN attention mechanism and deep transfer learning
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04858-9
PMID:40592955
|
研究论文 | 提出一种基于SKN注意力机制和深度迁移学习的变工况行星齿轮箱故障诊断方法 | 结合选择性核网络注意力机制和局部最大均值差异子域适配，实现变工况下故障特征的动态提取和域适应 | 仅验证了8种变工况任务，未涉及更复杂的实际工业场景 | 提升变工况下行星齿轮箱故障诊断的准确率 | 行星齿轮箱故障数据 | 机器学习 | NA | 深度迁移学习 | 深度神经网络 | 振动信号数据 | 8种变工况任务数据集 | NA | 选择性核网络(SKN) | 故障识别准确率 | NA |
| 7999 | 2025-10-06 |
A novel edge crop method and enhanced YOLOv5 for efficient wind turbine blade damage detection
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04882-9
PMID:40592991
|
研究论文 | 提出一种新颖的边缘裁剪方法和增强型YOLOv5网络，用于高效检测风力涡轮机叶片损伤 | 提出自适应边缘裁剪方法通过叶片边缘特征调整裁剪步长，并在YOLOv5头部引入全局注意力机制，用基于注意力的尺度内特征交互模块替换原SPPF模块 | NA | 提高风力涡轮机叶片损伤检测的准确性和效率 | 风力涡轮机叶片损伤 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 来自内蒙古西部的风力涡轮机叶片损伤数据集 | PyTorch | YOLOv5s | 准确率 | NA |
| 8000 | 2025-10-06 |
Clustering cell nuclei on microgrooves for disease diagnosis using deep learning
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05788-2
PMID:40593025
|
研究论文 | 本研究利用变分自编码器和高斯混合模型对微沟槽基底上培养的野生型和层粘连蛋白病突变型成肌细胞核进行聚类分析 | 首次将深度学习技术与微沟槽基底相结合，实现基于核形态和变形程度的自动分类 | 未明确说明样本规模和数据来源的具体限制 | 开发基于核变形自动分类的疾病诊断方法 | 野生型成肌细胞和层粘连蛋白病相关突变型成肌细胞的细胞核 | 计算机视觉 | 层粘连蛋白病 | 微沟槽基底培养技术 | VAE, GMM | 细胞核图像 | NA | NA | 标准变分自编码器 | 聚类性能 | NA |