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 10761 - 10780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10761 | 2025-05-15 |
REDInet: a temporal convolutional network-based classifier for A-to-I RNA editing detection harnessing million known events
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf107
PMID:40112338
|
研究论文 | 本文介绍了一种基于时间卷积网络的深度学习算法REDInet，用于在人类RNA测序数据中检测A-to-I RNA编辑 | REDInet利用时间卷积网络直接从RNA测序数据中分类编辑事件，无需耦合基因组数据，提高了检测准确性和效率 | 算法依赖于REDIportal数据库的编辑位点，可能受限于该数据库的覆盖范围和准确性 | 开发一种高效的A-to-I RNA编辑检测工具 | 人类RNA测序数据中的A-to-I编辑事件 | 生物信息学 | NA | RNA测序(RNAseq) | 时间卷积网络(Temporal Convolutional Network) | RNA测序数据 | 超过8000个RNA测序数据样本 | NA | NA | NA | NA |
| 10762 | 2025-05-15 |
Deep learning-driven survival prediction in pan-cancer studies by integrating multimodal histology-genomic data
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf121
PMID:40116660
|
研究论文 | 开发了一种基于深度学习的多模态融合网络CATfusion，用于整合组织学-基因组数据进行全面的癌症生存预测 | 提出了跨注意力转换器为基础的多模态融合网络CATfusion，利用自监督学习策略和跨注意力机制整合多种数据类型，包括mRNA-seq、miRNA-seq、拷贝数变异、DNA甲基化变异、突变数据和组织病理学图像 | 未提及具体的数据集规模或特定癌症类型的局限性 | 提高癌症生存预测的准确性，以支持个性化临床管理和治疗策略制定 | 多种癌症类型的患者数据 | 数字病理学 | 泛癌研究 | mRNA-seq, miRNA-seq, 拷贝数变异分析, DNA甲基化分析, 突变分析 | CATfusion（基于Transformer的多模态融合网络） | 多模态数据（图像、文本、基因组数据） | NA | NA | NA | NA | NA |
| 10763 | 2025-05-15 |
Deep learning implementation for extrahepatic bile duct detection during indocyanine green fluorescence-guided laparoscopic cholecystectomy: pilot study
2025-Mar-04, BJS open
IF:3.5Q1
DOI:10.1093/bjsopen/zraf013
PMID:40119711
|
研究论文 | 开发了一个实时深度学习系统，用于在吲哚菁绿荧光引导的腹腔镜胆囊切除术中识别肝外胆管 | 使用YOLOv7实时目标检测模型增强手术视频中胆管识别的速度和准确性 | 研究为初步试验，样本量相对较小，需要进一步验证 | 开发一个辅助外科医生在腹腔镜胆囊切除术中识别关键解剖标志的深度学习系统 | 肝外胆管（包括胆总管和胆囊管） | 计算机视觉 | 胆囊疾病 | 深度学习 | YOLOv7 | 手术视频和图像 | 113名患者的手术视频，提取了3993张图像 | NA | NA | NA | NA |
| 10764 | 2025-05-15 |
An Improved YOLOv8-Based Method for Detecting Pests and Diseases on Cucumber Leaves in Natural Backgrounds
2025-Mar-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25051551
PMID:40096374
|
research paper | 提出了一种基于YOLOv8改进的深度学习网络模型SEDCN-YOLOv8，用于在复杂自然背景下准确检测黄瓜叶片上的病虫害 | 引入了DCNv2变形卷积网络改进C2f模块，集成了SEAM注意力模块构建改进检测头，并使用Focaler-SIOU损失函数替代原CIOU损失函数 | 未明确提及模型在其他作物病虫害检测上的泛化能力 | 提高自然背景下黄瓜叶片病虫害的检测准确率 | 黄瓜叶片上的病虫害 | computer vision | NA | deep learning | YOLOv8改进模型SEDCN-YOLOv8 | image | 未明确提及具体样本数量，使用了一个黄瓜病虫害数据集 | NA | NA | NA | NA |
| 10765 | 2025-05-15 |
Hybrid deep learning for computational precision in cardiac MRI segmentation: Integrating Autoencoders, CNNs, and RNNs for enhanced structural analysis
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109597
PMID:39967188
|
研究论文 | 本文探讨了混合深度学习方法在心脏MRI分割中的应用，结合了Autoencoders、CNNs和RNNs以提高图像分析的精确度和准确性 | 提出了一种结合传统算法和先进深度学习模型的混合框架，显著提高了心脏MRI图像的质量和诊断准确性 | NA | 提高心脏MRI分割的精确度，以促进早期诊断和患者护理 | 心脏MRI图像 | 计算机视觉 | 心血管疾病 | QuickScan技术、平衡稳态自由进动（bSSFP）成像 | Autoencoders、CNNs、RNNs | 图像 | NA | NA | NA | NA | NA |
| 10766 | 2025-05-15 |
A novel graph convolutional neural network model for predicting soil Cd and As pollution: Identification of influencing factors and interpretability
2025-Mar-01, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2025.117926
PMID:39978104
|
研究论文 | 本研究探讨了一种新型图卷积神经网络模型DistNet-GCN在预测土壤镉(Cd)和砷(As)污染中的应用，并识别了影响污染分布的关键环境因素 | 提出了一种能够模拟土壤Cd/As浓度与局部空间范围内环境影响因素关系传递过程的DistNet-GCN模型，通过将采样点空间位置作为网络节点、重金属浓度作为节点标签、环境因素作为节点属性，从空间关系图结构中提取数据集的关键特征 | NA | 准确预测土壤中有毒金属浓度以保障土壤环境安全 | 土壤中的镉(Cd)和砷(As)污染 | 机器学习 | NA | 图卷积神经网络 | GCN | 空间数据 | NA | NA | NA | NA | NA |
| 10767 | 2025-05-15 |
Research on mood monitoring and intervention for anxiety disorder patients based on deep learning wearable devices
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241291376
PMID:40105160
|
研究论文 | 本研究基于深度学习可穿戴设备，开发了一个用于焦虑症患者情绪监测和干预的高级系统 | 使用Bi-LSTM网络处理HRV数据，提高了情绪状态预测的准确率，达到97% | 未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 开发一个能够准确监测和预测焦虑症患者情绪状态的系统 | 焦虑症患者的生理数据（HRV）和情绪状态 | 机器学习 | 焦虑症 | HRV监测 | Bi-LSTM | 生理信号数据 | NA | NA | NA | NA | NA |
| 10768 | 2025-05-15 |
Diabetic retinopathy detection via deep learning based dual features integrated classification model
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241292939
PMID:40105166
|
研究论文 | 提出一种基于深度学习的双特征集成分类模型（DD-FIC），用于从彩色视网膜图像中检测糖尿病视网膜病变（DR） | 结合全局和局部特征的双阶段特征提取模块，以及使用Wavelet integrated Retinex算法去噪 | NA | 开发一种高效的计算机视觉智能系统，用于自动检测糖尿病视网膜病变 | 糖尿病视网膜病变（DR） | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | DD-FIC（双特征集成分类模型）、Multi-channel CNN、CNN、VGG NiN、Shallow CNN | 图像（彩色视网膜图像） | Kaggle数据集 | NA | NA | NA | NA |
| 10769 | 2025-05-15 |
Parkinson's disease prediction using improved crayfish optimization based hybrid deep learning
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296352
PMID:40105156
|
research paper | 该研究提出了一种基于改进小龙虾优化的混合深度学习模型，用于预测帕金森病的发展过程 | 结合了改进的小龙虾优化算法（ImCfO）和基于注意力的高效双向网络（ImCfO_Attn_EffBNet），以提高预测准确率和收敛速度 | NA | 预测帕金森病的发展过程，以促进早期诊断和治疗 | 帕金森病患者的数据 | machine learning | geriatric disease | Empirical Mode Decomposition (EMD), Improved Crayfish Optimization (ImCfO) | ImCfO_Attn_EffBNet (结合了EfficientNet-B7, BiLSTM和Attention模块) | NA | NA | NA | NA | NA | NA |
| 10770 | 2025-05-15 |
Detection of motor nervous disease using deep learning based Duple feature extraction network
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241291367
PMID:40105172
|
research paper | 提出了一种基于深度学习的Duple特征提取网络，用于早期检测运动神经元疾病（MND） | 提出了一种新颖的Duple特征提取网络，结合了颜色和结构特征提取，显著提高了MND早期检测的准确率和F1分数 | 未提及数据集的多样性和模型在临床环境中的实际应用效果 | 开发一种自动化方法，用于快速准确地检测运动神经元疾病（MND） | 运动神经元疾病（MND）患者 | digital pathology | motor nervous disease | DTI imaging, deep learning | Duple feature extraction network (LinkNet, MobileNet), DNN | DTI images | NA | NA | NA | NA | NA |
| 10771 | 2025-05-15 |
Deep learning-driven multi-omics sequential diagnosis with Hybrid-OmniSeq: Unraveling breast cancer complexity
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296438
PMID:40105178
|
研究论文 | 本文介绍了一种名为'Hybrid-OmniSeq'的深度学习驱动的多组学序列诊断方法，用于解析乳腺癌的复杂性 | 结合了DNN、SFFS和TSVD熵的自适应学习技术，以及多种机器学习分类器，显著提高了乳腺癌诊断的准确性 | 仅使用了METABRIC RNA-seq数据集进行验证，可能需要更多样化的数据集来验证方法的普适性 | 提高乳腺癌诊断的精确性和有效性 | 乳腺癌的分子亚型 | 机器学习 | 乳腺癌 | RNA-seq | DNN, Logistic Regression, Random Forest | 基因数据 | METABRIC RNA-seq数据集中的乳腺癌内在亚型样本 | NA | NA | NA | NA |
| 10772 | 2025-05-15 |
Developing a method for predicting DNA nucleosomal sequences using deep learning
2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241297900
PMID:40105177
|
研究论文 | 开发了一种使用深度学习预测DNA核小体序列的方法 | 展示了简化模型在解决生物问题上的优越性，强调了简单设计的重要性 | 讨论了使用复杂计算机技术理解和解决简单生物问题所面临的挑战 | 创建一个深度学习模型来识别核苷酸序列中的核小体 | DNA核苷酸序列 | 机器学习 | NA | 深度学习 | CNN | 序列数据 | NA | NA | NA | NA | NA |
| 10773 | 2025-05-15 |
Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint
2025-02-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03096
PMID:39964084
|
research paper | 提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射（SERS）平台，以提高拉曼检测系统的灵敏度、集成度和实用性 | 结合深度学习和双功能微流控技术，实现多分子指纹的分区识别和同时检测 | 未提及具体样本量或实验重复次数，可能影响结果的统计显著性 | 提高拉曼检测系统的灵敏度、集成度和实用性 | 罗丹明6G（R6G）、福美双、芘、蒽和邻苯二甲酸二丁酯等分子 | 机器学习和微流控技术 | NA | 表面增强拉曼散射（SERS）和全连接神经网络技术 | 全连接神经网络 | 拉曼光谱数据 | NA | NA | NA | NA | NA |
| 10774 | 2025-05-15 |
GPC-YOLO: An Improved Lightweight YOLOv8n Network for the Detection of Tomato Maturity in Unstructured Natural Environments
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051502
PMID:40096330
|
研究论文 | 提出了一种基于YOLOv8n的轻量级模型GPC-YOLO，用于在非结构化自然环境中检测番茄成熟度 | 引入了C2f-PC模块、GSConv轻量卷积、CCFF跨尺度特征融合模块，以及SimAM注意力机制和EIoU损失函数，显著降低了计算负担并提高了检测精度 | 研究仅针对番茄成熟度检测，未验证在其他水果或作物上的适用性 | 开发一种轻量化的目标检测模型，用于农业场景中的番茄成熟度识别 | 番茄果实 | 计算机视觉 | NA | 深度学习目标检测 | GPC-YOLO（基于YOLOv8n改进） | 图像 | 1249张手机拍摄的番茄图像 | NA | NA | NA | NA |
| 10775 | 2025-05-15 |
A Comparative Study of Plantar Pressure and Inertial Sensors for Cross-Country Ski Classification Using Deep Learning
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051500
PMID:40096333
|
研究论文 | 本研究比较了足底压力和惯性传感器在越野滑雪技术分类中的应用，并开发了一种基于CNN和LSTM的深度学习模型 | 首次比较了低成本、低侵入性的足底压力传感器和惯性传感器在越野滑雪技术分类中的性能，并展示了在最小传感器设置下实现高分类准确率的潜力 | 研究仅针对越野滑雪技术分类，未验证在其他运动项目中的适用性 | 比较不同传感器在越野滑雪技术分类中的性能，并开发高效的分类方法 | 越野滑雪运动员 | 机器学习 | NA | 深度学习 | CNN和LSTM | 足底压力数据和惯性测量数据 | 未明确说明样本数量，但涉及多名滑雪运动员的数据 | NA | NA | NA | NA |
| 10776 | 2025-05-15 |
Gesture Recognition Achieved by Utilizing LoRa Signals and Deep Learning
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051446
PMID:40096281
|
研究论文 | 本研究提出了一种基于LoRa技术的新型手势识别系统，结合了先进的信号预处理、自适应分割算法和改进的SS-ResNet50深度学习模型 | 通过结合残差学习和动态卷积技术，SS-ResNet50模型显著增强了多尺度手势特征的提取能力，提高了分类准确率 | NA | 开发一种低功耗、长距离的非接触式手势识别系统 | 手势识别 | 计算机视觉 | NA | LoRa技术 | SS-ResNet50 | 信号数据 | 六种手势的平均识别准确率超过95% | NA | NA | NA | NA |
| 10777 | 2025-05-15 |
Application of Multiple Deep Learning Architectures for Emotion Classification Based on Facial Expressions
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051478
PMID:40096310
|
research paper | 该研究评估了十种先进的深度学习模型在面部表情识别任务上的性能，使用FER2013数据集 | 对多种深度学习架构在面部表情识别任务上的综合评估，揭示了计算效率与预测准确性之间的关键权衡 | 轻量级模型如MobileNet V1和ShuffleNet V2在准确性上存在限制，特别是在识别'恐惧'和'厌恶'等挑战性情绪类别时 | 评估深度学习模型在面部表情识别任务上的性能，以选择适合特定应用需求的架构 | 面部表情识别 | computer vision | NA | 深度学习 | VGG16, VGG19, ResNet50, ResNet101, DenseNet, GoogLeNet V1, MobileNet V1, EfficientNet V2, ShuffleNet V2, RepVGG | image | FER2013数据集 | NA | NA | NA | NA |
| 10778 | 2025-05-15 |
Joint Driver State Classification Approach: Face Classification Model Development and Facial Feature Analysis Improvement
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051472
PMID:40096318
|
research paper | 本研究提出了一种结合CNN和面部标志分析模型的双框架方法，用于增强驾驶员困倦检测 | 通过集成CNN分类和精确的面部标志分析，提高了检测的鲁棒性，并在低光等挑战性条件下表现出更强的适应性 | NA | 开发一种鲁棒的驾驶员困倦检测方法，以提高道路安全 | 驾驶员的面部特征和生理状态 | computer vision | NA | image normalization, illumination correction, face hallucination | CNN, deep learning-based facial landmark analysis model | image | NA | NA | NA | NA | NA |
| 10779 | 2025-05-15 |
EEG-Based Music Emotion Prediction Using Supervised Feature Extraction for MIDI Generation
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051471
PMID:40096343
|
研究论文 | 本文提出了一种基于EEG的音乐情感预测深度学习框架，用于生成与标记情感预测对齐的MIDI序列 | 通过监督特征提取和Centered Kernel Alignment技术，解决了神经和听觉领域之间的语义鸿沟问题，提高了情感分类和MIDI序列生成的质量 | 对于想象能力较弱的受试者，生成的MIDI输出质量较低，因为其神经模式与训练数据的一致性较差 | 开发一种能够生成与情感预测对齐的MIDI序列的AI驱动算法 | 脑电图(EEG)数据和听觉数据 | 机器学习 | NA | EEGNet, 自编码器, Centered Kernel Alignment | EEGNet, 自编码器 | EEG信号, MIDI序列 | 未明确说明样本数量，但涉及真实世界数据和特定受试者分析 | NA | NA | NA | NA |
| 10780 | 2025-05-15 |
DAHD-YOLO: A New High Robustness and Real-Time Method for Smoking Detection
2025-Feb-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25051433
PMID:40096207
|
研究论文 | 提出了一种名为DAHD-YOLO的新型高鲁棒性实时吸烟检测方法 | 基于YOLOv8构建的DAHD-YOLO模型，引入了DBCA模块、AFGCA注意力机制、改进的ECA-FPN特征金字塔网络、解耦检测头更新以及Wise-PIoU边界框回归损失函数，显著提升了检测精度和实时性能 | 未提及在极端光照或遮挡条件下的性能表现 | 提高复杂环境中吸烟行为检测的准确性和实时性 | 吸烟行为 | 计算机视觉 | NA | 深度学习 | YOLOv8改进模型（DAHD-YOLO） | 图像 | 自建吸烟检测数据集（具体数量未说明） | NA | NA | NA | NA |