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 12301 - 12320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12301 | 2025-10-07 |
Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach
2025-May, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968231215324
PMID:38014538
|
研究论文 | 本研究开发了一种基于迁移学习的深度学习模型，利用1型糖尿病数据预测2型糖尿病患者的低血糖事件 | 首次将1型糖尿病连续血糖监测数据通过迁移学习应用于2型糖尿病患者的低血糖预测 | 模型在外部验证集上的阳性预测值为40.49%，仍有提升空间 | 开发能够准确预测胰岛素治疗的2型糖尿病患者低血糖事件的深度学习模型 | 226名1型糖尿病患者和180名2型糖尿病患者的连续血糖监测数据 | 机器学习 | 糖尿病 | 连续血糖监测(CGM) | CNN | 时间序列数据 | 406名患者（226名T1D，180名T2D），外部验证使用334,711个一小时CGM样本 | NA | 卷积神经网络 | AUC, 阳性预测值, 特异性, 敏感性 | NA |
| 12302 | 2025-05-02 |
DDUM: Deformable Dilated U-structure Module for coronary stenosis detection
2025-May, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104337
PMID:40306887
|
research paper | 提出了一种可变形可扩展的U结构模块（DDUM），用于提高冠状动脉狭窄检测的准确性和泛化能力 | DDUM模块能够针对冠状动脉狭窄检测任务优化通用网络，显著提升模型性能和泛化能力 | 未提及具体的数据集规模和多样性限制 | 提高冠状动脉狭窄检测的准确性和模型泛化能力 | 冠状动脉狭窄检测 | computer vision | cardiovascular disease | deep learning | ResNet50 + faster R-CNN | medical imaging (coronary angiography) | NA | NA | NA | NA | NA |
| 12303 | 2025-05-02 |
Improved Image Quality of Virtual Monochromatic Images with Deep Learning Image Reconstruction Algorithm on Dual-Energy CT in Patients with Pancreatic Ductal Adenocarcinoma
2025-Apr-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01514-6
PMID:40307592
|
研究论文 | 本研究旨在评估使用深度学习图像重建（DLIR）算法在双能CT（DECT）上重建的虚拟单色图像（VMIs）在胰腺导管腺癌（PDAC）诊断中的图像质量 | 首次在DECT上应用DLIR算法重建VMIs，显著提高了图像质量，特别是在低keV水平下 | 研究样本量较小（50例患者），且为回顾性分析 | 评估DLIR算法在DECT上重建VMIs的图像质量，以改善PDAC的诊断 | 50例经组织学确认的PDAC患者 | 数字病理 | 胰腺癌 | 双能CT（DECT） | 深度学习图像重建（DLIR） | 医学影像 | 50例PDAC患者 | NA | NA | NA | NA |
| 12304 | 2025-05-01 |
Correction: Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug‑in modules
2025-Apr-29, Knee surgery & related research
IF:4.1Q1
DOI:10.1186/s43019-025-00268-3
PMID:40302005
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12305 | 2025-05-02 |
Harnessing deep learning to monitor people's perceptions towards climate change on social media
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97441-1
PMID:40295576
|
研究论文 | 利用深度学习监测社交媒体上人们对气候变化的看法 | 提出了一种基于自然语言处理的可扩展方法框架，用于长期监测社交媒体用户对气候变化的看法和反应 | 研究仅针对西班牙、葡萄牙和英语的社交媒体帖子，可能无法代表全球范围内的观点 | 监测和分析社交媒体上人们对气候变化的看法，以支持基于数据的决策 | 社交媒体用户对气候变化的看法和反应 | 自然语言处理 | NA | 自然语言处理 | 深度学习 | 文本 | 1771千条来自西班牙、葡萄牙和英语的X/Twitter帖子 | NA | NA | NA | NA |
| 12306 | 2025-05-02 |
SkinEHDLF a hybrid deep learning approach for accurate skin cancer classification in complex systems
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98205-7
PMID:40295588
|
research paper | 提出了一种名为SkinEHDLF的混合深度学习模型，用于提高皮肤癌分类的准确性 | 结合了ConvNeXt、EfficientNetV2和Swin Transformer的优势，并引入了自适应注意力特征融合机制 | 未提及具体局限性 | 提高皮肤癌分类的准确性和可靠性 | 皮肤病变图像 | computer vision | skin cancer | 深度学习 | ConvNeXt, EfficientNetV2, Swin Transformer | image | 401,059张皮肤病变图像 | NA | NA | NA | NA |
| 12307 | 2025-05-02 |
Optimizing photovoltaic integration in grid management via a deep learning-based scenario analysis
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98724-3
PMID:40295668
|
research paper | 该研究开发了一种结合深度学习技术的双阶段优化模型，以解决光伏系统并入电网的挑战 | 利用生成对抗网络（GANs）模拟多样化和高分辨率的能源生成-消耗模式，并通过实时自适应控制框架进行动态调整，显著提升电网效率和稳定性 | 未提及具体的地理或气候条件限制，可能影响模型的普适性 | 优化光伏系统在电网管理中的集成，提高经济与环境效益 | 光伏系统与电网的集成管理 | machine learning | NA | GANs | GAN | 能源生成与消耗数据 | NA | NA | NA | NA | NA |
| 12308 | 2025-05-02 |
Impact of fine-tuning parameters of convolutional neural network for skin cancer detection
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99529-0
PMID:40295678
|
research paper | 该研究探讨了卷积神经网络（CNN）参数微调对皮肤癌检测性能的影响 | 通过调整CNN的层数、Conv2D层的滤波器数量及去除dropout层，显著提高了分类器的准确率，从62.5%提升至85% | 研究未涉及其他类型的深度学习模型或更广泛的数据集验证 | 优化CNN参数以提高皮肤癌图像数据集的分类准确率 | 皮肤癌图像数据集 | computer vision | skin cancer | NA | CNN | image | NA | NA | NA | NA | NA |
| 12309 | 2025-05-02 |
Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem
2025-Apr-28, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04728-2
PMID:40295939
|
研究论文 | 本研究结合心脏电生理模拟和深度学习方法，为非侵入性心脏电生理成像（ECGI）的实现提供了新方案 | 结合三维双域心脏电生理活动模型与深度学习算法（包括粒子群优化-反向传播神经网络、CNN和LSTM）来重建心脏表面电位 | 未提及实际临床应用中的潜在限制或样本多样性问题 | 开发非侵入性心脏电生理成像技术以改善心律失常的诊断和治疗 | 心脏电活动及体表电位映射 | 数字病理 | 心血管疾病 | 心脏电生理模拟、深度学习 | 粒子群优化-BP神经网络、CNN、LSTM | 模拟心电图数据 | NA | NA | NA | NA | NA |
| 12310 | 2025-05-02 |
Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern
2025-Apr-28, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04133-z
PMID:40295983
|
研究论文 | 利用人工智能技术自动识别血液透析患者中重复出现的间歇性动脉血氧饱和度锯齿模式 | 首次应用一维卷积神经网络(1D-CNN)对血液透析过程中的SaO2锯齿模式进行实时分类 | 研究样本量较小(仅22名患者)，且仅针对特定血管通路(动静脉瘘)患者 | 开发自动识别血液透析患者间歇性低氧血症的人工智能系统 | 维持性血液透析患者的动脉血氧饱和度(SaO2)数据 | 数字病理学 | 心血管疾病 | Crit-Line设备连续监测 | 1D-CNN | 时间序列数据 | 22名患者的89次血液透析治疗中的4075个5分钟片段 | NA | NA | NA | NA |
| 12311 | 2025-05-02 |
Deep learning-based tennis match type clustering
2025-Apr-28, BMC sports science, medicine & rehabilitation
DOI:10.1186/s13102-025-01147-w
PMID:40296175
|
研究论文 | 本研究旨在基于比赛方式定义和聚类网球比赛类型 | 首次使用深度学习模型对网球比赛类型进行聚类分析，并识别出四种不同的比赛类型 | 样本量较小，仅包含2023年国际网球公开赛五场决赛的32场比赛 | 聚类网球比赛类型并为每种类型制定比赛策略 | 2023年国际网球公开赛五场决赛的32场比赛 | 机器学习 | NA | 深度学习 | 三种未指定具体名称的聚类模型 | 比赛记录数据 | 32场比赛 | NA | NA | NA | NA |
| 12312 | 2025-05-02 |
Publisher Correction: The intelligent fault identification method based on multi-source information fusion and deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99035-3
PMID:40295585
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12313 | 2025-05-02 |
18F-FDG PET/CT-based deep learning models and a clinical-metabolic nomogram for predicting high-grade patterns in lung adenocarcinoma
2025-Apr-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01684-3
PMID:40295979
|
research paper | 开发并验证基于18F-FDG PET/CT图像的深度学习和传统临床代谢模型，用于无创预测侵袭性肺腺癌的高级别模式 | 结合深度学习和临床代谢参数构建预测模型，并通过列线图可视化 | 样本量较小且为回顾性研究，可能影响模型的泛化能力 | 预测侵袭性肺腺癌的高级别模式 | 303名侵袭性肺腺癌患者 | digital pathology | lung cancer | 18F-FDG PET/CT | DL (deep learning), logistic regression | image (PET/CT) | 303名患者，按7:1:2比例分为训练集、验证集和测试集 | NA | NA | NA | NA |
| 12314 | 2025-05-02 |
DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms
2025-Apr-24, Frontiers in bioscience (Landmark edition)
DOI:10.31083/FBL36603
PMID:40302345
|
研究论文 | 提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点 | 结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题 | 未明确说明模型在更广泛RNA序列上的泛化能力 | 开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制 | RNA中的m6Am修饰位点 | 生物信息学 | NA | One-Hot编码，深度学习 | DenseNet, TCN, CBAM | RNA序列数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 12315 | 2025-05-02 |
Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis
2025-Apr-23, BMC cardiovascular disorders
IF:2.0Q3
DOI:10.1186/s12872-025-04746-0
PMID:40269704
|
meta-analysis | 比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能 | 首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析 | 大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性 | 评估机器学习模型相比传统统计方法在预测PCI后结果中的优势 | 经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI） | machine learning | cardiovascular disease | NA | ML vs. logistic regression | clinical data | 59项研究 | NA | NA | NA | NA |
| 12316 | 2025-05-02 |
Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data
2025-Apr, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2025.109754
PMID:39799874
|
研究论文 | 本研究评估了一种基于深度学习的模型，利用死后24小时采集的高光谱图像预测猪颈肉半棘肌的烹饪损失 | 首次将深度学习模型应用于高光谱图像数据，预测猪颈肉半棘肌的烹饪损失，并通过像素级数据增强克服小样本问题 | 样本量相对较小（70个猪颈肉），且分类准确率随等级数量增加而下降 | 开发一种非破坏性方法来预测猪颈肉的质量特性 | 猪颈肉的半棘肌（SC肌肉） | 计算机视觉 | NA | 高光谱成像 | 深度学习模型（具体未说明），对比PCR和PLSR模型 | 高光谱图像 | 70个猪颈肉样本，采用像素级数据增强 | NA | NA | NA | NA |
| 12317 | 2025-05-02 |
Improved Pine Wood Nematode Disease Diagnosis System Based on Deep Learning
2025-Apr, Plant disease
IF:4.4Q1
DOI:10.1094/PDIS-06-24-1221-RE
PMID:40267359
|
研究论文 | 本研究提出了一种基于深度学习的松材线虫病诊断系统，通过荧光识别技术提高检测效率和准确性 | 首次将荧光识别技术应用于松材线虫病检测，并开发了集激发、检测、数据分析与传输于一体的专用系统，改进了YOLOv5模型，提高了大尺寸图像的识别精度 | 未提及系统在不同环境条件下的稳定性和泛化能力 | 开发快速有效的松材线虫病检测方法以减少病害传播和松树砍伐 | 松材线虫病 | 计算机视觉 | 植物病害 | 荧光识别技术 | 改进的YOLOv5（集成Res2Net、SimAM注意力机制和Bi-FPN） | 图像 | 未明确提及具体样本数量，但系统可检测DNA浓度低至1 fg/μl的样本 | NA | NA | NA | NA |
| 12318 | 2025-05-02 |
Deep learning and its applications in nuclear magnetic resonance spectroscopy
2025 Apr-Jun, Progress in nuclear magnetic resonance spectroscopy
IF:7.3Q1
DOI:10.1016/j.pnmrs.2024.101556
PMID:40306798
|
综述 | 本文综述了深度学习在核磁共振光谱中的基础知识和当前应用，并指出了现有挑战和改进方向 | 深度学习技术在核磁共振光谱中的应用展示了在速度和准确性上的显著改进 | 深度学习在核磁共振中的应用仍面临数据量和模型泛化能力的挑战 | 探讨深度学习如何解决核磁共振光谱中的获取时间长和灵敏度低的问题 | 核磁共振光谱技术及其在化学、生物学和医学领域的应用 | 机器学习 | NA | 核磁共振光谱 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 12319 | 2025-05-02 |
Exploring the Feasibility of Deep Learning for Predicting Lignin GC-MS Analysis Results Using TGA and FT-IR
2025-Mar-18, Polymers
IF:4.7Q1
DOI:10.3390/polym17060806
PMID:40292675
|
研究论文 | 本研究探讨了利用深度学习方法，通过TGA和FT-IR分析数据预测木质素GC-MS分析结果的可行性 | 首次提出使用深度学习模型基于TGA和FT-IR数据预测GC-MS分析结果，为预算有限的研究提供替代方案 | 模型需要进一步验证以提升在不同木质素底物上的泛化能力，且需与有机化学家合作评估实际应用价值 | 开发一种经济高效的木质素分析方法，替代高成本的GC-MS技术 | 木质素（植物细胞壁提取的复杂生物聚合物） | 机器学习 | NA | TGA（热重分析）、FT-IR（傅里叶变换红外光谱）、GC-MS（气相色谱-质谱联用） | 深度学习 | 光谱数据、热分析数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 12320 | 2025-05-02 |
An efficient deep learning system for automatic detection of Acute Lymphoblastic Leukemia
2025-Mar, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.12.043
PMID:39799077
|
research paper | 提出了一种基于深度学习的急性淋巴细胞白血病自动检测系统，结合MobileNetV2和ShuffleNet以提高检测性能 | 结合MobileNetV2和ShuffleNet，引入建议的权重因子和最优阈值以平衡计算效率和分类性能 | 未提及模型在其他数据集上的泛化能力 | 开发高效的急性淋巴细胞白血病自动检测系统 | 急性淋巴细胞白血病（ALL）的检测 | digital pathology | leukemia | deep learning, transfer learning | MobileNetV2, ShuffleNet | image | ALLIDB1和ALLIDB2数据集 | NA | NA | NA | NA |