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 33224 篇文献，本页显示第 11481 - 11500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11481 | 2025-05-17 |
YOLO-BCD: A Lightweight Multi-Module Fusion Network for Real-Time Sheep Pose Estimation
2025-Apr-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25092687
PMID:40363127
|
research paper | 本研究开发了一种名为YOLOv8-BCD的优化深度学习框架，专门用于绵羊姿态识别，以提高实时监测动物姿态的效率和准确性 | 1) 通过双向跨层连接实现自适应多尺度特征聚合 2) 上下文感知注意力加权以突出关键区域 3) 针对资源受限设备进行精简检测头优化 | NA | 开发一个平衡计算效率和检测准确性的深度学习框架，用于实时监测绵羊姿态 | 绵羊的三种特征姿态（站立、躺卧和侧卧） | computer vision | NA | 深度学习 | YOLOv8-BCD | image | 1476张标注图像 | NA | NA | NA | NA |
| 11482 | 2025-05-17 |
Smartphone-Based Deep Learning System for Detecting Ractopamine-Fed Pork Using Visual Classification Techniques
2025-Apr-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25092698
PMID:40363136
|
研究论文 | 本研究提出了一种基于智能手机的深度学习系统，用于通过视觉分类技术检测含有莱克多巴胺的猪肉 | 开发了一种三阶段的视觉检测系统，结合MobileNet模型，实现了对猪肉部位、来源及莱克多巴胺含量的高精度分类 | 猪肉来源分类和莱克多巴胺检测的准确率仍有提升空间（分别为79.11%和80.67%） | 解决消费者对进口含莱克多巴胺猪肉的识别需求，提升肉类真实性验证和市场透明度 | 北美（美国和加拿大）进口的含莱克多巴胺猪肉与台湾本地猪肉 | 计算机视觉 | NA | 视觉分类技术 | MobileNet | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 11483 | 2025-05-17 |
Research and Optimization of White Blood Cell Classification Methods Based on Deep Learning and Fourier Ptychographic Microscopy
2025-Apr-24, Sensors (Basel, Switzerland)
DOI:10.3390/s25092699
PMID:40363138
|
研究论文 | 本文提出了一种基于深度学习和傅里叶叠层显微技术的白细胞分类优化方法CCE-YOLOv7，旨在提高分类准确性和模型效率 | 1) 设计了结合CNN局部模式提取和Transformer全局上下文推理的Conv2Former主干网络 2) 采用CARAFE上采样算子提升特征图质量 3) 引入EMA模块优化多尺度特征融合 4) 使用Soft-NMS改善密集或重叠细胞场景下的检测性能 | NA | 提升白细胞分类的准确性和计算效率 | 白细胞图像 | 数字病理 | 血液疾病 | 傅里叶叠层显微技术(FPM) | CCE-YOLOv7 (基于YOLOv7改进) | 图像 | 使用FPM系统获取的白细胞图像数据集 | NA | NA | NA | NA |
| 11484 | 2025-05-17 |
Guided Filter-Inspired Network for Low-Light RAW Image Enhancement
2025-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25092637
PMID:40363077
|
research paper | 提出了一种基于引导滤波启发的网络（GFNet），用于低光照RAW图像增强任务 | GFNet以引导滤波的方式融合源图像，在网络中推断系数，从而更好地捕捉源图像之间的内在关联，保留细节并减少噪声 | 当前基于融合的方法未能充分探索源图像之间的物理相关性，导致无法充分利用不同源图像提供的互补信息 | 提高低光照RAW图像增强的性能 | 低光照RAW图像 | computer vision | NA | deep learning | GFNet | image | NA | NA | NA | NA | NA |
| 11485 | 2025-05-17 |
SECrackSeg: A High-Accuracy Crack Segmentation Network Based on Proposed UNet with SAM2 S-Adapter and Edge-Aware Attention
2025-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25092642
PMID:40363082
|
研究论文 | 提出了一种基于改进UNet架构的高精度裂缝分割网络SECrackSeg，结合了SAM2 S-Adapter和边缘感知注意力机制 | 1) 使用冻结骨干的SAM2 S-Adapter增强低数据场景下的泛化能力；2) 采用多尺度空洞卷积模块促进多尺度特征融合；3) 引入MI上采样减少上采样过程中的特征损失；4) 实施边缘感知注意力机制提高裂缝边缘分割精度 | 未明确提及具体限制，但传统深度学习方法在有限样本下的泛化能力差和细粒度特征提取不足的问题可能仍然存在 | 提高裂缝分割的精度和鲁棒性，用于结构健康监测和基础设施维护 | 裂缝图像 | 计算机视觉 | NA | 深度学习 | UNet, SAM2 | 图像 | CFD、Crack500和DeepCrack数据集 | NA | NA | NA | NA |
| 11486 | 2025-05-17 |
Automated Recognition and Measurement of Corrugated Pipes for Precast Box Girder Based on RGB-D Camera and Deep Learning
2025-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25092641
PMID:40363081
|
研究论文 | 本文提出了一种基于RGB-D摄像头和深度学习的波纹管自动识别与测量方法，用于预制箱梁中的波纹管定位 | 结合RGB-D摄像头和深度学习技术，提出了一种成本效益高且测量精度高的波纹管自动识别与测量方法 | 方法在模拟预制工厂环境中测试，实际现场应用效果未验证 | 开发一种自动化方法以精确识别和测量预制箱梁中的波纹管位置 | 预制箱梁中的波纹管 | 计算机视觉 | NA | 深度学习 | BP神经网络 | 点云数据 | 三种波纹管的测试数据 | NA | NA | NA | NA |
| 11487 | 2025-05-17 |
Stain Normalization of Histopathological Images Based on Deep Learning: A Review
2025-Apr-18, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15081032
PMID:40310413
|
review | 本文综述了基于深度学习的组织病理学图像染色归一化方法的最新进展 | 系统回顾了115篇相关文献，涵盖了监督、无监督和自监督的深度学习方法，并分析了它们的贡献与局限性 | 未提及具体方法的性能比较结果 | 标准化不同来源图像的色彩分布，以提升下游算法在分类、分割和检测等任务中的性能 | H&E染色的组织病理学图像 | digital pathology | cancer | deep learning | supervised, unsupervised, self-supervised methods | image | 115篇相关文献 | NA | NA | NA | NA |
| 11488 | 2025-05-17 |
Machine learning of clinical phenotypes facilitates autism screening and identifies novel subgroups with distinct transcriptomic profiles
2025-Apr-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95291-5
PMID:40188264
|
research paper | 本研究利用机器学习方法提高自闭症谱系障碍（ASD）筛查准确性，并通过整合临床评估和分子数据识别出具有不同转录组特征的新亚组 | 深度学习模型在ASD筛查中达到95.23%的准确率，并发现仅需27个ADI-R子项即可保持类似性能，同时识别出三个临床和基因表达模式均不同的亚组 | 研究依赖于特定数据库（AGRE和GSE15402）的数据，可能影响结果的普适性 | 提高ASD筛查准确性并识别具有生物学意义的亚型 | 自闭症谱系障碍（ASD）患者 | machine learning | autism spectrum disorder | 深度学习 | 深度学习模型 | 临床评估数据和分子数据 | 2794名个体 | NA | NA | NA | NA |
| 11489 | 2025-05-17 |
Deep learning-based uncertainty quantification for quality assurance in hepatobiliary imaging-based techniques
2025-Apr-04, Oncotarget
DOI:10.18632/oncotarget.28709
PMID:40184325
|
评论 | 本文探讨了基于深度学习的肝胆成像技术中的不确定性量化如何提高诊断准确性和可靠性 | 介绍了Anisotropic Hybrid Network (AHUNet)这一现代架构，通过创新的卷积方法结合2D成像和3D体积数据 | 未提及具体的研究限制 | 提高肝胆成像技术的诊断准确性和可靠性，特别是在肿瘤学条件和癌前病变的早期检测中 | 肝胆成像技术 | 数字病理学 | 肝癌 | 深度学习 | AHUNet | 2D成像和3D体积数据 | NA | NA | NA | NA | NA |
| 11490 | 2025-05-17 |
MIST: An interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis
2025-Apr-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr7134
PMID:40184452
|
research paper | 介绍了一个名为MIST的深度学习框架，用于单T细胞转录组和受体分析，具有可解释性和灵活性 | MIST框架通过三个潜在空间（基因表达、TCR和联合潜在空间）进行T细胞功能研究，能够解析细胞功能和抗原特异性 | NA | 深入T细胞免疫功能研究 | 单T细胞的转录组和T细胞受体（TCR）特征 | machine learning | lung cancer, COVID19 | single-cell transcriptome analysis, TCR analysis | deep learning framework (MIST) | transcriptomic data, TCR data | 抗原特异性T细胞、肺癌免疫治疗和COVID19相关的T细胞数据集 | NA | NA | NA | NA |
| 11491 | 2025-05-17 |
CodonTransformer: a multispecies codon optimizer using context-aware neural networks
2025-Apr-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58588-7
PMID:40180930
|
研究论文 | 介绍了一种名为CodonTransformer的多物种密码子优化工具，利用上下文感知神经网络优化DNA序列的密码子使用 | 提出了CodonTransformer，一个基于Transformer架构的多物种深度学习模型，能够生成具有自然密码子分布特征的宿主特异性DNA序列 | NA | 开发一个能够优化DNA序列密码子使用的深度学习模型，以适应不同生物体的偏好 | 164种生物体的超过100万对DNA-蛋白质序列 | 机器学习 | NA | 深度学习 | Transformer | DNA序列和蛋白质序列 | 超过100万对DNA-蛋白质序列，来自164种生物体 | NA | NA | NA | NA |
| 11492 | 2025-05-17 |
Genetically regulated eRNA expression predicts chromatin contact frequency and reveals genetic mechanisms at GWAS loci
2025-Apr-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58023-x
PMID:40180945
|
research paper | 该研究开发了增强子RNA的遗传调控表达模型，并利用深度学习预测三维染色质接触频率，揭示了其在复杂性状中的作用 | 利用增强子RNA的遗传调控表达预测染色质接触频率，并揭示其在GWAS位点的遗传机制 | 研究仅基于49种细胞和组织类型，可能无法涵盖所有情况 | 探索增强子RNA的遗传调控表达及其在疾病风险中的作用 | 增强子RNA和经典基因 | 基因组学 | 精神分裂症 | Hi-C, TWAS, Mendelian randomization | 深度学习模型 | 基因组数据 | >70,000个DNA样本 | NA | NA | NA | NA |
| 11493 | 2025-05-17 |
Linking sequence restoration capability of shuffled coronary angiography to coronary artery disease diagnosis
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95640-4
PMID:40181050
|
研究论文 | 本研究探讨了冠状动脉造影（CA）帧序列在冠状动脉疾病（CAD）诊断中的潜力，并开发了一种自监督深度学习模型来评估序列恢复能力 | 揭示了冠状动脉造影帧序列中的'序列价值'，并开发了一种自监督深度学习模型来自动评估这一能力 | 未提及具体样本量，可能影响结果的普遍性 | 探索冠状动脉造影帧序列在CAD诊断中的应用价值 | 冠状动脉造影帧序列 | 数字病理 | 心血管疾病 | 自监督深度学习 | 深度学习模型 | 图像序列 | NA | NA | NA | NA | NA |
| 11494 | 2025-05-17 |
An enhanced CNN-Bi-transformer based framework for detection of neurological illnesses through neurocardiac data fusion
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96052-0
PMID:40181122
|
研究论文 | 提出了一种基于CNN-Bi-transformer的多模态深度学习框架，通过神经心脏数据融合预测精神疾病 | 结合MEG、EEG和ECG信号，利用CardioNeuroFusionNet模型实现多模态数据融合，提高了预测性能 | 未提及具体样本量及数据集的多样性限制 | 开发一种创新的方法来预测精神疾病，提高诊断准确性 | 癫痫、睡眠障碍、双相情感障碍、饮食障碍和抑郁症等精神疾病患者 | 机器学习 | 精神疾病 | 多模态深度学习 | CNN-Bi-transformer (CardioNeuroFusionNet) | MEG、EEG和ECG信号 | NA | NA | NA | NA | NA |
| 11495 | 2025-05-17 |
Deep learning assisted retinal microvasculature assessment and cerebral small vessel disease in Fabry disease
2025-Apr-03, Orphanet journal of rare diseases
IF:3.4Q2
DOI:10.1186/s13023-025-03627-1
PMID:40181436
|
research paper | 该研究利用深度学习评估法布里病患者的视网膜微血管参数，并分析其与脑小血管病相关脑损伤的相关性 | 首次使用深度学习辅助分析法布里病患者的视网膜微血管参数，并发现这些参数与脑小血管病评分显著相关 | 样本量较小（仅27名患者和27名对照），且为回顾性研究 | 评估法布里病患者的视网膜微血管变化及其与脑小血管病的相关性 | 法布里病患者和健康对照者的视网膜微血管参数 | digital pathology | Fabry disease | deep learning | NA | image | 27名法布里病患者和27名年龄性别匹配的健康对照者 | NA | NA | NA | NA |
| 11496 | 2025-05-17 |
Tackling a textbook example of multistep enzyme catalysis with deep learning-driven design
2025-Apr-03, Molecular cell
IF:14.5Q1
DOI:10.1016/j.molcel.2025.03.012
PMID:40185078
|
research paper | 该研究利用深度学习技术设计出与天然酶相媲美的丝氨酸水解酶 | 首次通过深度学习设计出复杂且高效的丝氨酸水解酶，挑战了传统酶设计的局限性 | 未提及具体设计酶的催化效率或稳定性数据 | 探索深度学习在复杂多步酶催化设计中的应用 | 丝氨酸水解酶 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 11497 | 2025-05-17 |
Hybrid deep learning model for density and growth rate estimation on weed image dataset
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86357-5
PMID:40175374
|
研究论文 | 本文提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计 | 结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数 | NA | 通过深度学习模型提高杂草密度和生长率的估计精度，以帮助制定合适的杂草管理策略 | 杂草图像数据集中的杂草 | 计算机视觉 | NA | 深度学习 | HCNN（混合CNN），SegNet，U-Net | 图像 | 2100张杂草图像（包括500张原始数据集图像和1600张来自CWFID数据集的图像） | NA | NA | NA | NA |
| 11498 | 2025-05-17 |
Machine learning fusion for glioma tumor detection
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89911-3
PMID:40175410
|
研究论文 | 本文介绍了一种用于胶质瘤检测和分级的系统框架，通过分析脑部磁共振图像并利用深度学习模型进行分类 | 提出了一种融合机器学习的框架，能够高精度地分类胶质瘤，准确率达到99.21% | 需要进一步的研究和验证以优化系统并确保其临床适用性 | 开发一种准确高效的脑肿瘤检测系统，以提升患者护理和生存率 | 脑部胶质瘤 | 数字病理学 | 脑肿瘤 | 磁共振成像（MRI） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 11499 | 2025-05-17 |
Investigation on potential bias factors in histopathology datasets
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89210-x
PMID:40175463
|
research paper | 本文探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差 | 揭示了TCGA数据集中存在的站点特异性偏差，并分析了这种偏差对深度学习模型性能的影响 | 研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法推广到其他数据集或模型 | 调查数字病理学数据集中潜在偏差因素的来源及其影响 | TCGA数据集中的数字病理学图像 | digital pathology | NA | deep learning | KimiaNet, EfficientNet | image | TCGA数据集中的样本 | NA | NA | NA | NA |
| 11500 | 2025-05-17 |
Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92641-1
PMID:40175474
|
research paper | 该研究提出了一种多模态点云补全方法和融合网络MMF-Net，用于草莓采摘机器人通过RGB-D图像准确估计草莓重量以实现分级 | 针对对称物体设计了多模态点云补全方法，并开发了融合点云和RGB图像特征的MMF-Net模型 | 仅针对对称物体（草莓）进行研究，方法在非对称物体上的适用性未验证 | 提高草莓采摘机器人通过视觉信息进行重量估计的准确性 | 草莓 | computer vision | NA | RGB-D成像，点云处理 | MMF-Net（融合EfficientNet和PointNet） | RGB-D图像，点云数据 | 1521组草莓RGB-D图像及其重量和尺寸测量数据 | NA | NA | NA | NA |