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 11101 - 11120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11101 | 2025-05-12 |
Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127821
PMID:40020613
|
研究论文 | 建立了一种用于养心氏片中多种化学成分智能分析的全面表征策略 | 开发了深度学习辅助质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式 | 未明确提及具体限制 | 开发一种用于复杂天然产物中多种成分表征的集成策略 | 养心氏片中的化学成分 | 质谱分析与深度学习 | NA | 在线综合二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS） | 深度学习 | 质谱数据 | 228种化合物（包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物） | NA | NA | NA | NA |
| 11102 | 2025-05-12 |
Deformable image registration with strategic integration pyramid framework for brain MRI
2025-Jul, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110386
PMID:40122188
|
research paper | 提出了一种基于金字塔结构的战略集成配准网络，用于脑部MRI的可变形图像配准 | 设计了CNN编码器和Transformer解码器，有效提取和增强全局与局部特征，并在金字塔结构的最低尺度引入渐进优化迭代以减少误差积累 | 未提及具体的数据集大小或多样性限制 | 提高脑部MRI图像配准的准确性和鲁棒性 | 脑部MRI图像 | digital pathology | NA | deep learning-based deformable registration | CNN, Transformer | image | 多个脑部MRI数据集（未提及具体数量） | NA | NA | NA | NA |
| 11103 | 2025-05-12 |
Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed
2025-Jun-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143557
PMID:40020621
|
研究论文 | 开发了一种基于优化深度学习方法的移动应用程序，用于低成本、非破坏性和实时预测油菜籽中的蛋白质和油含量 | 使用轻量级深度学习模型FasterNet-L，结合神经修剪技术，显著提高了预测速度和模型效率 | 未提及模型在其他作物上的泛化能力验证 | 开发一种高效、低成本的油菜籽蛋白质和油含量预测方法 | 油菜籽 | 计算机视觉 | NA | 深度学习 | FasterNet-L | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 11104 | 2025-05-12 |
A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules
2025-Jun-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117251
PMID:40020636
|
研究论文 | 本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性 | 提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下的异常检测准确性和效率 | 使用的数据集为模拟人类胃肠道的猪胃图像，可能无法完全反映真实人类胃肠道环境的复杂性 | 提高胃肠道疾病的早期筛查准确性和效率 | 胃肠道疾病（如癌症、溃疡、炎症等）的早期检测 | 数字病理学 | 胃肠道疾病 | 近红外荧光胶囊内镜(NIRF-CE) | Multimodal-Retinex-Attention-YOLO (MRAY), YOLO | 图像 | 使用NIRF-CE系统捕获的猪胃图像数据集 | NA | NA | NA | NA |
| 11105 | 2025-05-12 |
DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction
2025-Jun, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.108982
PMID:40020469
|
research paper | 提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽 | 结合了二叉树的深度学习结构，并使用ProtBERT和ESM-2预训练模型提取1D和2D广义特征，进一步利用BiLSTM和TextCNN捕捉局部特征和上下文依赖关系 | 未提及模型在真实临床环境中的表现或泛化能力 | 提高抗血管生成肽的预测准确性，以支持肿瘤治疗 | 抗血管生成肽（AAPs） | machine learning | tumor | ProtBERT, ESM-2, BiLSTM, TextCNN | DeepTree-AAPred (binary tree-based deep learning model) | protein sequence data | 标准数据集（具体数量未提及） | NA | NA | NA | NA |
| 11106 | 2025-05-12 |
Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications
2025-Jun, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.106949
PMID:40036906
|
review | 本文综述了人工智能在生物医学应用中数据驱动的增材制造过程中的作用 | 探讨了AI在增材制造预处理、打印过程和后处理中的应用潜力，特别是在满足个性化医疗需求方面 | 未提及具体的技术实施限制或数据可用性问题 | 探索AI如何优化增材制造全流程以提升生物医学产品的个性化适配性 | 增材制造流程（预处理、打印、后处理）及生物医学产品（组织工程、假体、芯片器官等） | machine learning | NA | 监督学习、无监督学习、深度学习、强化学习 | NA | 制造参数、结构设计数据、材料特性数据 | NA | NA | NA | NA | NA |
| 11107 | 2025-05-12 |
Comparison of deep learning models for facial attractiveness assessment on 3D photos
2025-Jun, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105735
PMID:40199417
|
研究论文 | 本研究比较了几种著名的CNN模型在中国6-18岁正畸患者面部吸引力评估中的准确性和精确性 | 首次在3D照片上比较了多种CNN模型在面部吸引力评估中的表现，并分析了模型准确性与训练效率之间的权衡 | 研究仅针对中国6-18岁正畸患者，样本多样性可能有限 | 评估不同CNN模型在面部吸引力评估中的性能 | 中国6-18岁正畸患者的面部3D照片 | 计算机视觉 | 正畸 | 3D摄影 | CNN (包括ResNet18, ResNet50, ResNet101, VGG-16, VGG-19, Inception-v3, MobileNet-v2, DenseNet121) | 3D照片转换的2D RGB图像 | 1272名患者的3D照片 | NA | NA | NA | NA |
| 11108 | 2025-05-12 |
SapFlower: an automated tool for sap flow data preprocessing, gap-filling, and analysis using deep learning
2025-Jun, The New phytologist
DOI:10.1111/nph.70107
PMID:40200603
|
research paper | 介绍了一个名为SapFlower的自动化工具，用于处理、填补和分析植物液流数据 | 整合了自动清洗、机器学习和深度学习模型，能够高效处理液流数据中的噪声和缺失值 | 未来需要针对不同树种进行特定校正，并支持更多测量方法 | 提高植物液流数据处理的效率和可访问性 | 植物液流数据 | machine learning | NA | thermal dissipation probes (TDP) | random forest, Gaussian process regression, LSTM, BiLSTM | sap flow data | NA | NA | NA | NA | NA |
| 11109 | 2025-05-12 |
Predicting lung cancer bone metastasis using CT and pathological imaging with a Swin Transformer model
2025-Jun, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2025.100681
PMID:40342492
|
research paper | 开发了一种基于Swin Transformer的多模态深度学习模型，用于通过整合CT成像和病理数据预测肺癌患者的骨转移风险 | 首次将Swin Transformer模型应用于多模态（CT和病理图像）数据融合，以预测肺癌骨转移风险 | 样本量相对较小（215例患者），且未提及外部验证集的结果 | 早期预测肺癌患者的骨转移风险，以实现及时干预并改善患者预后 | 215例确诊肺癌患者（包括有和无骨转移的患者） | digital pathology | lung cancer | CT成像和数字化组织病理学成像 | Swin Transformer | image | 215例肺癌患者 | NA | NA | NA | NA |
| 11110 | 2025-05-12 |
Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin
2025-May-15, Toxicology letters
IF:2.9Q2
DOI:10.1016/j.toxlet.2025.03.008
PMID:40180199
|
研究论文 | 本研究采用可解释的机器学习方法预测化学物质对眼睛和皮肤的刺激性和腐蚀性 | 结合大量实验数据开发多种机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入见解 | 模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间 | 评估农药、化妆品和眼科药物中化学物质的潜在刺激性 | 化学物质对眼睛和皮肤的刺激性和腐蚀性 | 机器学习 | NA | 机器学习和深度学习 | 多种机器学习和深度学习模型 | 实验数据 | 3316个眼刺激实验数据点和3080个皮肤刺激实验数据点 | NA | NA | NA | NA |
| 11111 | 2025-05-12 |
Quantitative analysis and clinical determinants of orthodontically induced root resorption using automated tooth segmentation from CBCT imaging
2025-May-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06052-9
PMID:40340630
|
research paper | 本研究应用深度学习和CBCT技术定量分析正畸诱导的牙根吸收（OIRR）及其风险因素，以提高评估的准确性和效率 | 利用深度学习自动分割CBCT图像中的牙齿，实现OIRR的精确量化，并分析其临床影响因素 | 研究样本量较小（108例），且部分因素对牙根吸收的解释方差较低（3%至15.4%） | 提高正畸诱导牙根吸收的评估准确性和临床决策支持 | 108名正畸患者的CBCT扫描数据 | digital pathology | geriatric disease | CBCT成像 | 深度学习模型 | 3D图像 | 108名正畸患者 | NA | NA | NA | NA |
| 11112 | 2025-05-12 |
Hearing vocals to recognize schizophrenia: speech discriminant analysis with fusion of emotions and features based on deep learning
2025-May-08, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-025-06888-z
PMID:40340671
|
研究论文 | 开发了一种基于深度学习的精神分裂症语音判别模型，结合不同情感刺激和特征 | 结合不同情感刺激和特征融合，提高了精神分裂症检测的准确性和特异性 | 样本量相对较小，且仅使用固定文本进行语音分析 | 提高精神分裂症的准确检测 | 精神分裂症患者和健康对照者 | 自然语言处理 | 精神分裂症 | log-Mel频谱图和MFCCs提取 | CNN | 语音 | 156名精神分裂症患者和74名健康对照者 | NA | NA | NA | NA |
| 11113 | 2025-05-12 |
Optimizing the dynamic treatment regime of outpatient rehabilitation in patients with knee osteoarthritis using reinforcement learning
2025-May-08, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01609-9
PMID:40340812
|
研究论文 | 本研究通过构建膝关节骨关节炎数据库并应用强化学习算法，开发了一种动态治疗推荐系统，以优化膝关节骨关节炎的个性化治疗方案 | 结合特征选择和强化学习技术，提出了一种创新的治疗方法优化方案，为慢性病管理提供了新的可能性 | 研究依赖于模拟实验验证算法有效性，实际临床应用效果有待进一步验证 | 优化膝关节骨关节炎患者的门诊康复动态治疗方案 | 膝关节骨关节炎患者 | 机器学习 | 膝关节骨关节炎 | 随机森林特征选择，强化学习算法（DDPG、DQN、BCQ） | DDPG、DQN、BCQ | 临床问卷数据 | 大量临床数据（具体数量未提及） | NA | NA | NA | NA |
| 11114 | 2025-05-12 |
A multi-label deep residual shrinkage network for high-density surface electromyography decomposition in real-time
2025-May-08, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01639-3
PMID:40340912
|
研究论文 | 提出了一种名为ML-DRSNet的新型实时高密度表面肌电图分解算法，结合多标签学习和深度残差收缩网络以提高准确性和降低延迟 | 首次将多标签学习与深度残差收缩网络(DRSNet)结合用于HD-sEMG分解，显著提高了分解精度并降低了延迟 | 仅在一个公共sEMG数据集上进行了评估，需要更多临床数据验证 | 提高表面肌电图分解的准确性和实时性 | 运动单位尖峰序列(MUSTs) | 生物医学信号处理 | 神经肌肉疾病 | 高密度表面肌电图(HD-sEMG) | 深度残差收缩网络(DRSNet), 多标签深度卷积神经网络(ML-DCNN) | 生物电信号 | 公共sEMG数据集 | NA | NA | NA | NA |
| 11115 | 2025-05-12 |
Predicting adenine base editing efficiencies in different cellular contexts by deep learning
2025-May-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03586-7
PMID:40340964
|
研究论文 | 本研究通过深度学习模型BEDICT2.0预测腺嘌呤碱基编辑在不同细胞环境中的效率 | 开发了BEDICT2.0深度学习模型，能够高精度预测腺嘌呤碱基编辑在细胞系和肝脏中的效率，并验证了其在体外和体内环境中的适用性 | 模型在细胞系和肝脏中的预测准确性存在差异，且未在其他类型的细胞或组织中验证 | 预测腺嘌呤碱基编辑在不同细胞环境中的效率，以纠正致病突变 | 腺嘌呤碱基编辑（ABEs）在细胞系和鼠肝脏中的应用 | 机器学习 | NA | 腺嘌呤碱基编辑（ABEs）、深度测序 | 深度学习模型（BEDICT2.0） | 基因序列数据 | 2,195个致病突变和12,000个引导RNA | NA | NA | NA | NA |
| 11116 | 2025-05-12 |
The published role of artificial intelligence in drug discovery and development: a bibliometric and social network analysis from 1990 to 2023
2025-May-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00988-4
PMID:40341055
|
研究论文 | 本文通过文献计量和社交网络分析方法，系统分析了1990年至2023年间人工智能在药物发现和开发中的应用，揭示了该领域的演变、趋势和关键贡献者 | 首次全面分析了AI在药物发现和开发领域的文献计量特征，识别了高产作者、活跃机构、高影响力期刊以及国际合作模式 | 研究仅基于Web of Science数据库，可能未涵盖所有相关文献 | 系统分析AI在药物发现和开发领域的应用，理解该领域的演变、趋势和关键贡献者 | 1990-2023年间发表的4059篇科学文献，涉及13932位作者和1071种期刊 | 药物发现与开发 | NA | 文献计量分析、社交网络分析 | NA | 文献数据 | 4059篇科学出版物 | NA | NA | NA | NA |
| 11117 | 2025-05-12 |
Effective data selection via deep learning processes and corresponding learning strategies in ultrasound image classification
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00416-5
PMID:40341123
|
research paper | 本研究提出了一种通过深度学习和创新学习策略优化数据选择的新方法，以增强迁移学习在医学影像分类中的应用 | 提出了一种两阶段网络架构，通过原始网络和True网络的协同工作，优化数据选择并提高分类准确性，无需额外训练数据 | 方法在数据集已达上限且无法扩展的情况下特别有效，但在数据量充足的情况下可能优势不明显 | 提高数据有限情况下医学影像分类的迁移学习效果 | 甲状腺结节超声图像和皮肤镜图像 | computer vision | 甲状腺疾病 | 深度学习 | ResNet101, Vision Transformer, CNN | image | NA | NA | NA | NA | NA |
| 11118 | 2025-05-12 |
Real time intelligent garbage monitoring and efficient collection using Yolov8 and Yolov5 deep learning models for environmental sustainability
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99885-x
PMID:40341180
|
研究论文 | 本文提出了一种基于YOLOv8和YOLOv5深度学习模型的实时智能垃圾监测和高效收集系统，以应对城市垃圾管理问题 | 采用两阶段轻量级深度学习模型（YOLOv5和YOLOv8）进行垃圾分类，显著减少参数和计算成本，同时提高垃圾检测和分类的准确性 | 需要进一步研究目标遮挡问题、CPU和GPU硬件优化以及机器人系统集成 | 提高城市垃圾管理的效率和准确性，促进环境可持续发展 | 城市中的垃圾箱及其内部和外部的垃圾 | 计算机视觉 | NA | 深度学习 | YOLOv8, YOLOv5, EfficientNet | 图像 | 公共数据集和新构建的垃圾数据集 | NA | NA | NA | NA |
| 11119 | 2025-05-12 |
Clinical assessment and interpretation of dysarthria in ALS using attention based deep learning AI models
2025-May-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01654-7
PMID:40341287
|
研究论文 | 提出一种基于注意力的深度学习AI模型，用于评估ALS患者的构音障碍严重程度 | 采用注意力机制的深度学习模型提高了构音障碍评估的准确性，同时保持了临床可解释性 | 模型性能依赖于有限的样本量和远程收集的录音数据 | 提高ALS患者构音障碍评估的精确度和临床实用性 | ALS患者的语音录音 | 自然语言处理 | ALS（肌萎缩侧索硬化症） | 深度学习 | 基于注意力的深度学习模型 | 音频 | 125名参与者的2,102条录音 | NA | NA | NA | NA |
| 11120 | 2025-05-12 |
Leveraging retinanet based object detection model for assisting visually impaired individuals with metaheuristic optimization algorithm
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99903-y
PMID:40341297
|
research paper | 提出了一种基于RetinaNet和元启发式优化算法的对象检测模型，用于帮助视觉障碍人士 | 结合RetinaNet、EfficientNetB0、LSTM-AE和蒲公英优化器(DO)进行对象检测和分类，提高了准确率 | 仅在室内对象检测数据集上进行了验证，未测试室外复杂环境 | 改进实时对象检测方法，帮助视觉障碍人士识别物体 | 视觉障碍人士日常需要识别的物体 | computer vision | NA | Weiner filter, RetinaNet, EfficientNetB0, LSTM-AE, Dandelion Optimizer | RetinaNet, EfficientNetB0, LSTM-AE | image | 室内对象检测数据集(具体数量未提及) | NA | NA | NA | NA |