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 8761 - 8780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8761 | 2025-06-08 |
YOLO-ODD: an improved YOLOv8s model for onion foliar disease detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1551794
PMID:40475906
|
research paper | 本文提出了一种改进的YOLOv8s模型YOLO-ODD，用于检测洋葱叶部病害 | 通过集成CABM和DTAH注意力机制，改进了YOLOv8模型，提高了对洋葱叶部病害的检测准确率 | NA | 开发一种能够早期检测洋葱叶部病害的深度学习模型 | 洋葱叶部病害（炭疽病、茎枯病、紫斑病和扭曲病） | computer vision | plant disease | deep learning | YOLOv8 | image | NA | NA | NA | NA | NA |
| 8762 | 2025-06-08 |
Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation
2024-11-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/60334
PMID:39622697
|
研究论文 | 本文提出了一种基于邻近词计算的临床命名实体识别数据集增强算法，以解决数据稀缺和标注困难的问题 | 提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段和重组实现数据集的邻近扩展表达 | 算法依赖于现有公共知识，可能无法覆盖所有专业领域的词汇 | 解决临床命名实体识别任务中的数据稀缺和标注困难问题 | 电子病历文本中的命名实体 | 自然语言处理 | NA | RoBERTa, CRF, BiLSTM | SSSS + RoBERTa + CRF, SSSS + RoBERTa + BiLSTM + CRF | 文本 | CCKS-2017和CCKS-2019数据集 | NA | NA | NA | NA |
| 8763 | 2025-10-06 |
Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches
2024-11-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/45289
PMID:39565685
|
研究论文 | 本研究开发了一种基于双向长短期记忆网络的深度学习模型，用于从韩国社交网络服务数据中自动检测药物不良反应帖子 | 首次针对韩语SNS数据开发了基于Bi-LSTM的药物不良反应检测模型，并提出了从药物名称-不良反应词对关联分析到模型构建的完整流程 | 研究仅针对两种非甾体抗炎药进行验证，模型在其他药物类型上的泛化能力需要进一步验证 | 开发能够自动监测药物不良反应的深度学习分类模型 | 韩国社交网络服务中的药物相关信息帖子 | 自然语言处理 | 药物不良反应 | 自然语言处理, 关联分析 | Bi-LSTM | 文本 | 2005年至2020年期间的博客帖子、咖啡馆帖子和NAVER问答帖子 | NA | Bidirectional Long Short-Term Memory | 准确率, AUC | NA |
| 8764 | 2025-10-06 |
Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis
2024-Aug-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.27.609971
PMID:39253514
|
研究论文 | 本研究通过构建斑马鱼胚胎发育的单细胞多组学图谱，揭示了脊椎动物胚胎发生的基因调控逻辑 | 发现了Nanog在启动中内胚层基因增强子可及性的新功能，提出了'即时分化'新概念，揭示了由母源沉积调控因子驱动的浅层调控网络 | 研究主要集中于斑马鱼早期胚胎发育阶段，未验证其他脊椎动物模型的普适性 | 系统解析脊椎动物胚胎发生过程中细胞类型多样化的基因调控逻辑 | 斑马鱼早期胚胎发育过程 | 计算生物学 | NA | 单细胞多组学测序（RNA表达和染色质可及性） | 深度学习模型 | DNA序列数据、RNA表达数据、染色质可及性数据 | 斑马鱼早期胚胎发育阶段的单细胞样本 | NA | NA | NA | NA |
| 8765 | 2025-10-06 |
Deep Learning Based Metabolite Annotation
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10341007
PMID:38082953
|
研究论文 | 本研究探索基于深度学习的代谢物注释方法，通过高维光谱数据表示提升分子指纹预测精度 | 研究高维光谱数据和分子指纹表示以改进分子指纹预测准确性 | NA | 改进非靶向代谢组学中代谢物注释的准确性 | 代谢物分子指纹 | 机器学习 | NA | 液相色谱-质谱联用(LC-MS), 串联质谱(MS/MS) | CNN | 质谱数据 | 来自MoNA存储库和NIST 20的MS/MS光谱数据 | NA | 卷积神经网络 | 准确率 | NA |
| 8766 | 2025-10-06 |
Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans
2023-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.106512
PMID:36701964
|
研究论文 | 本研究开发了一种基于优化视网膜层分割和深度集成学习的非进展性年龄相关性黄斑变性自动分类方法 | 结合图割算法与三次样条自动标注11个视网膜边界，并采用集成Bagged Tree和端到端深度学习分类器的深度集成机制 | 仅针对非进展性AMD分类，未涵盖进展性AMD病例 | 改进年龄相关性黄斑变性的自动检测与分类 | SD-OCT扫描图像中的视网膜层结构 | 计算机视觉 | 年龄相关性黄斑变性 | SD-OCT扫描，图割算法，三次样条拟合 | 集成学习，深度学习 | 医学图像 | 内部和外部数据集（具体数量未明确说明） | NA | Bagged Tree，深度学习分类器 | 错误率，AUC，诊断准确率 | NA |
| 8767 | 2025-06-08 |
OWAE-Net: COVID-19 detection from ECG images using deep learning and optimized weighted average ensemble technique
2022-Nov, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200154
PMID:40477980
|
research paper | 该研究提出了一种名为OWAE-Net的深度学习方法，通过优化加权平均集成技术，利用ECG图像进行COVID-19的多类别分类检测 | 使用三种深度学习模型的集成方法，并通过网格搜索技术优化加权平均集成技术，提高了COVID-19检测的准确率 | NA | 开发一种更快、更安全的COVID-19诊断方法 | ECG图像 | digital pathology | COVID-19 | deep learning, grid search | VGG-19, EfficientNet-B4, DenseNet-121, OWAE | image | NA | NA | NA | NA | NA |
| 8768 | 2025-06-08 |
Deep viewing for the identification of Covid-19 infection status from chest X-Ray image using CNN based architecture
2022-Nov, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200130
PMID:40478040
|
research paper | 该研究提出了一种基于CNN的深度学习技术，用于从胸部X光图像中自动诊断Covid-19感染状态 | 使用大量数据集（10,293张X光片）训练和测试模型，并在区分Covid-19和肺炎患者方面取得了99.60%的高准确率 | 现有技术大多未使用大量数据进行训练和测试，本研究虽然使用了较大数据集，但仍可能存在数据多样性和泛化能力方面的限制 | 开发一种快速准确的Covid-19自动诊断系统，以辅助临床医生和研究人员 | 胸部X光图像，包括Covid-19、肺炎和正常患者三类 | computer vision | Covid-19 | 深度学习 | CNN | image | 10,293张X光片（其中2,875张为Covid-19患者） | NA | NA | NA | NA |
| 8769 | 2025-06-08 |
AI-aided on-chip nucleic acid assay for smart diagnosis of infectious disease
2022-May, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2021.12.005
PMID:40477452
|
research paper | 提出了一种结合深度学习和微流控纸基分析设备的AI辅助芯片核酸测定方法，用于智能诊断传染病 | 首次将AI整合到芯片PCR数据分析中，能够预测qPCR的最终输出和趋势，并探索每个反应的动态和内在特征 | NA | 提高PCR检测效率，实现传染病的智能诊断 | SARS-CoV-2 ORF1ab基因的合成RNA模板 | digital pathology | infectious disease | PCR, deep learning, microfluidic paper-based analytical devices (µPADs) | RNN, LSTM, GRU | real-time PCR data | NA | NA | NA | NA | NA |
| 8770 | 2025-06-08 |
Novel deep learning approach to model and predict the spread of COVID-19
2022-May, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200068
PMID:40477648
|
研究论文 | 本文提出了一种名为Deep Sequential Prediction Model (DSPM)的深度学习技术和基于机器学习的Non-parametric Regression Model (NRM)来预测COVID-19的传播 | 提出了DSPM和NRM两种新模型，用于预测COVID-19的传播，并在公开数据集上验证了其优越性能 | 未提及模型在实际应用中的泛化能力或对不同地区数据的适应性 | 开发稳健的人工智能技术以预测COVID-19的传播 | COVID-19的传播趋势 | 机器学习 | COVID-19 | 深度学习、机器学习 | DSPM、NRM、SVM、LSTM | 公开的新型冠状病毒数据集 | NA | NA | NA | NA | NA |
| 8771 | 2025-06-08 |
Adaptively temporal graph convolution model for epidemic prediction of multiple age groups
2022-Mar, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2021.07.007
PMID:40477716
|
research paper | 提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在不同年龄组中表现出色 | ATGCN模型通过图学习方法捕捉多年龄组的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型 | 未明确提及模型在其他传染病预测中的泛化能力，且未讨论计算复杂度或实时预测的可行性 | 探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测 | COVID-19和流感的确诊病例数据，重点关注不同年龄组之间的传播模式 | machine learning | COVID-19, influenza | graph-based deep learning approach | ATGCN (adaptively temporal graph convolution model) | multivariate time series data | 两个数据集（COVID-19和流感），具体样本量未明确说明 | NA | NA | NA | NA |
| 8772 | 2025-06-08 |
Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods
2022, Smart learning environments
IF:6.7Q1
DOI:10.1186/s40561-022-00212-y
PMID:40477985
|
review | 本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法 | 提出了一个清晰的分类法来定义参与度，并总结了机器学习方法在自动参与度识别中的应用 | 存在一些关键挑战，如认知和个性化参与度问题，以及可能影响实际应用的机器学习问题 | 为研究人员提供关于自动参与度估计的见解，以增强智能学习中的自动参与度识别方法 | 学习者的参与度 | machine learning | NA | machine learning, deep learning | NA | dataset | 47篇研究文章 | NA | NA | NA | NA |
| 8773 | 2025-06-08 |
AFCM-LSMA: New intelligent model based on Lévy slime mould algorithm and adaptive fuzzy C-means for identification of COVID-19 infection from chest X-ray images
2021-Aug, Advanced engineering informatics
IF:8.0Q1
DOI:10.1016/j.aei.2021.101317
PMID:40477230
|
研究论文 | 提出了一种基于Lévy黏菌算法和自适应模糊C均值的新型智能模型AFCM-LSMA，用于从胸部X光图像中识别COVID-19感染 | 结合自适应模糊C均值(AFCM)和改进的基于Lévy分布的黏菌算法(SMA)，提出了一种新的优化模型AFCM-LSMA，用于COVID-19的快速诊断 | NA | 开发一个稳健的模型，从胸部X光图像中提取COVID-19的高级特征，以帮助快速诊断 | 胸部X光图像 | 计算机视觉 | COVID-19 | Lévy黏菌算法，自适应模糊C均值 | AFCM-LSMA | 图像 | NA | NA | NA | NA | NA |
| 8774 | 2025-06-08 |
Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis
2021, Smart learning environments
IF:6.7Q1
DOI:10.1186/s40561-020-00145-4
PMID:40477293
|
研究论文 | 本文通过文献计量学方法分析了智能学习环境领域的研究趋势、学者生产力和主题焦点 | 提供了智能学习环境领域的全面概览，包括研究热点、主题焦点和未来方向 | 仅基于Scopus数据库的1081篇同行评议文章，可能未涵盖所有相关研究 | 分析智能学习环境领域的研究趋势、学者生产力和主题焦点 | 智能学习环境领域的科学出版物 | 教育技术 | NA | 文献计量分析 | NA | 文本 | 1081篇同行评议文章 | NA | NA | NA | NA |
| 8775 | 2025-06-08 |
Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification
2021, Augmented human research
DOI:10.1007/s41133-021-00051-5
PMID:40477829
|
研究论文 | 本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别 | 结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别 | 未提及具体样本量或实际应用中的性能表现 | 开发一种能够帮助视觉障碍者在自然场景中识别文本的系统 | 视觉障碍者 | 计算机视觉 | NA | 梯度图像方法、对比度图像方法、自适应图像映射、笔画宽度变换、Gabor变换 | 深度神经网络、粒子群优化 | 图像 | 使用IIIT5K数据集进行开发 | NA | NA | NA | NA |
| 8776 | 2025-06-07 |
Convolutional Neural Network approach to classify mitochondrial morphologies
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态 | 利用CNN架构开发了MitoClass软件，能够快速、准确地对线粒体形态进行分类 | NA | 开发一种高效的方法，定量评估细胞群体中线粒体形状的变化 | 线粒体网络的形态 | 计算机视觉 | NA | 超分辨率成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 8777 | 2025-06-07 |
iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类 | 结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能 | 未提及具体的数据集规模或多样性限制 | 开发计算方法来快速准确地识别增强子及其强度 | DNA序列中的增强子及其强度 | 生物信息学 | NA | one-hot编码和核苷酸化学性质(NCP) | 改进的DenseNet和自注意力机制 | DNA序列数据 | NA | NA | NA | NA | NA |
| 8778 | 2025-06-07 |
Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144311
PMID:40334489
|
研究论文 | 本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量 | 创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围 | 深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性 | 开发一种快速、经济高效的大米抗性淀粉含量预测方法 | 大米中的抗性淀粉(RS) | 机器学习 | NA | 近红外光谱(NIR) | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 8779 | 2025-06-07 |
Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144649
PMID:40349518
|
综述 | 本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展 | 利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备 | 模型可解释性、数据集标准化和工业可扩展性等挑战 | 推动超声波辅助提取技术的智能化转型 | 植物活性成分 | 机器学习 | NA | 超声波辅助提取(UAE) | 机器学习和深度学习模型 | NA | NA | NA | NA | NA | NA |
| 8780 | 2025-06-07 |
Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144678
PMID:40359792
|
review | 本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展 | 探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力 | 讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战 | 旨在推动智能食品安全系统的发展，实现实时现场检测以确保食品质量和公共健康 | 食源性病原体、污染物、食品添加剂、营养素及有害残留物（如农药和兽药） | 食品安全 | NA | 纳米酶技术、AI、ML、DL、3D打印 | NA | 实时生物传感数据 | NA | NA | NA | NA | NA |