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 36465 篇文献，本页显示第 13061 - 13080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13061 | 2025-06-12 |
Classification of non-small cell lung cancer by histologic subtype using deep learning in public and private data sets of computed tomography images
2025 Jan-Dec, Radiologia brasileira
DOI:10.1590/0100-3984.2024.0093
PMID:40487349
|
研究论文 | 开发了一种基于深度学习的系统，用于从CT图像中分类非小细胞肺癌的组织学亚型 | 使用2D U-Net和VGG16网络进行肿瘤分割和分类，并在公共和私人数据集上验证了其准确性 | 研究仅针对腺癌和鳞状细胞癌两种亚型，未涵盖其他非小细胞肺癌亚型 | 开发一个深度学习系统，用于从CT图像中自动分类非小细胞肺癌的组织学亚型 | 非小细胞肺癌（NSCLC）的CT图像 | 数字病理学 | 肺癌 | CT成像 | 2D U-Net, VGG16 | 图像 | 28,506张CT图像用于预训练，2,015张用于验证，3,080张腺癌和鳞状细胞癌图像用于分类算法开发 | NA | NA | NA | NA |
| 13062 | 2025-06-12 |
Brain Tumour Detection Using VGG-Based Feature Extraction With Modified DarkNet-53 Model
2025, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/ijbi/5535505
PMID:40487802
|
research paper | 该研究提出了一种基于改进DarkNet-53模型和VGG特征提取的脑肿瘤检测方法，以提高MRI扫描中脑肿瘤的早期诊断准确率 | 结合改进的DarkNet-53架构和入侵杂草优化（IWO）算法，优化特征提取过程，显著提高脑肿瘤检测的准确率 | 研究仅基于3264个MRI扫描样本，可能需要更大规模的数据集验证模型的泛化能力 | 提高脑肿瘤的早期检测准确率，以改善治疗效果和患者预后 | MRI扫描图像中的脑肿瘤 | computer vision | brain tumor | deep learning | modified DarkNet-53 with VGG-based feature extraction | MRI images | 3264 MRI scans | NA | NA | NA | NA |
| 13063 | 2025-06-12 |
Automatic identification of human spermatozoa with zona pellucida-binding capability using deep learning
2025, Human reproduction open
IF:8.3Q1
DOI:10.1093/hropen/hoaf024
PMID:40487847
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于自动识别具有透明带结合能力的人类精子，以预测其受精潜力 | 首次建立了一个独立于传统精液分析的深度学习模型，基于精子受精能力而非WHO标准进行形态评估 | 模型目前仅适用于高分辨率、风干、Diff-Quik染色的精子样本，需要进一步研究验证其在其他图像质量和大样本量下的分类性能 | 开发一种能够预测精子受精潜力的自动化评估方法 | 人类精子 | 数字病理学 | 男性不育症 | 深度学习 | VGG13 | 图像 | 1083张Diff-Quik染色图像用于训练，220张用于独立测试，临床验证涉及117名男性患者的33000多张精子图像 | NA | NA | NA | NA |
| 13064 | 2025-06-12 |
Leveraging machine learning in nursing: innovations, challenges, and ethical insights
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1514133
PMID:40487987
|
综述 | 本文综述了机器学习在护理领域的应用，探讨其对患者护理、护理实践和医疗保健服务的影响 | 填补了机器学习在护理领域应用的讨论空白，平衡了技术创新与护理的人本特性 | 未提及具体研究样本量，且主要基于2019-2023年的文献，可能无法涵盖最新进展 | 分析机器学习在护理中的整合情况，包括当前应用、挑战、伦理考量和未来发展潜力 | 护理领域的机器学习应用 | 机器学习 | NA | 机器学习 | 深度学习（如COMPOSER模型） | NA | NA | NA | NA | NA | NA |
| 13065 | 2025-06-12 |
Enhancing corn industry sustainability through deep learning hybrid models for price volatility forecasting
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323714
PMID:40489457
|
研究论文 | 本研究提出了一种基于多模块小波变换的融合预测模型TLDCF-TSD-BBF，用于准确预测短期玉米价格波动，从而提升玉米产业的可持续性 | 提出了TLDCF-TSD-BBF模型，整合了TLDCF-TSD、BiTCEN、BiLSTM和FECAM等多种技术，显著提高了预测精度和鲁棒性 | 研究仅针对中国五大玉米产区的价格数据，可能无法完全代表全球其他地区的玉米价格波动情况 | 解决玉米价格波动对产业可持续性带来的挑战 | 玉米价格波动 | 机器学习 | NA | 小波变换、双向时间卷积增强网络、双向长短期记忆网络、频率增强通道注意力机制 | TLDCF-TSD-BBF（整合了BiTCEN、BiLSTM等技术） | 时间序列数据 | 中国五大玉米产区的价格数据 | NA | NA | NA | NA |
| 13066 | 2025-06-12 |
Continuous glucose monitoring combined with artificial intelligence: redefining the pathway for prediabetes management
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1571362
PMID:40491592
|
综述 | 本文系统探讨了连续血糖监测(CGM)技术与人工智能(AI)结合在糖尿病前期管理中的潜在应用 | 结合CGM实时动态监测与AI深度学习分析，提出糖尿病前期精准诊断、个性化干预和决策支持的新模式 | 面临数据管理、算法优化和伦理问题等挑战 | 探索CGM与AI结合技术在糖尿病前期管理中的应用潜力 | 糖尿病前期患者 | 医疗人工智能 | 糖尿病 | 连续血糖监测(CGM), 深度学习 | 深度学习模型 | 动态血糖数据 | NA | NA | NA | NA | NA |
| 13067 | 2025-06-12 |
Constructing segmentation method for wheat powdery mildew using deep learning
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1524283
PMID:40491814
|
research paper | 本研究提出了一种基于深度学习的RSE-Swin Unet方法，用于小麦白粉病图像的准确分割 | 结合ResNet和SENet改进Swin-Unet架构，有效捕捉图像全局和局部特征，提高分割精度 | 仅在小麦白粉病和条锈病数据集上进行了测试，未涉及其他作物病害 | 开发高精度的小麦病害图像分割方法 | 小麦白粉病和条锈病图像 | computer vision | wheat powdery mildew | deep learning | RSE-Swin Unet (改进的Swin-Unet架构) | image | 自建小麦白粉病数据集和条锈病数据集（具体数量未提及） | NA | NA | NA | NA |
| 13068 | 2025-06-12 |
Rice-SVBDete: a detection algorithm for small vascular bundles in rice stem's cross-sections
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1589161
PMID:40491816
|
研究论文 | 提出了一种名为Rice-SVBDete的深度学习算法，用于检测水稻茎横截面中的小维管束 | 在YOLOv8架构中引入了动态蛇形卷积（DSConv）、多尺度特征融合（MFF）机制和新的强大交并比（PIoU）损失函数，以提高对小目标的检测精度 | 未提及算法在不同光照条件或不同水稻品种上的泛化能力 | 提高水稻茎横截面中小维管束的检测精度，以支持水稻育种和栽培策略的改进 | 水稻茎横截面中的小维管束 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 13069 | 2025-06-12 |
CytoLNCpred-a computational method for predicting cytoplasm associated long non-coding RNAs in 15 cell-lines
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1585794
PMID:40491847
|
research paper | 开发了一种名为CytoLNCpred的计算方法，用于预测15种人类细胞系中与细胞质相关的长链非编码RNA（lncRNA） | 克服了以往方法使用噪声数据集和排除在细胞质与细胞核之间无明显差异定位的lncRNA的缺点，开发了基于机器学习和深度学习的新模型 | 虽然模型表现良好，但基于相关性的特征与机器学习算法结合的表现优于基于大语言模型（LLM）的方法 | 预测细胞质相关的lncRNA，以更好地理解lncRNA的功能 | 15种人类细胞系中的lncRNA | 生物信息学 | NA | 机器学习、深度学习、DNABERT-2 | 机器学习算法、DNABERT-2 | 序列数据 | 15种人类细胞系 | NA | NA | NA | NA |
| 13070 | 2025-06-12 |
Early detection of retinal and choroidal microvascular impairments in diabetic patients with myopia
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1609928
PMID:40491952
|
研究论文 | 评估和量化糖尿病患者视网膜和脉络膜血流变化，探索其与糖尿病风险因素的关联 | 结合SS-OCTA和人工智能增强的分割与血管分析，提供了一种精细的早期检测视网膜和脉络膜微血管损伤的方法 | 样本量较小（n=133），且仅针对特定类型的糖尿病患者 | 早期检测糖尿病患者视网膜和脉络膜微血管损伤 | 糖尿病患者（包括无糖尿病视网膜病变、非增殖性糖尿病视网膜病变及高度近视患者） | 数字病理 | 糖尿病视网膜病变 | SS-OCTA（扫频源光学相干断层扫描血管成像） | U-Net, ResNet-50 | 图像 | 133名糖尿病患者（43名无糖尿病视网膜病变，48名非增殖性糖尿病视网膜病变，42名无糖尿病视网膜病变但高度近视） | NA | NA | NA | NA |
| 13071 | 2025-10-06 |
Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation
2024-Oct-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599135
PMID:38915491
|
研究论文 | 提出一种基于深度学习的稀疏标注方法，能够快速生成密集3D分割用于生物图像分析 | 开发了从稀疏2D标注快速生成密集3D分割的新方法，将人工标注时间减少了三个数量级 | 方法主要针对脑神经纤维网的复杂结构，在其他生物组织上的适用性需要进一步验证 | 解决生物成像数据中密集3D重建的实例分割问题，降低训练数据生成的人工成本 | 脑神经纤维网中的树突、轴突和胶质细胞过程 | 计算机视觉 | NA | 连续切片电子显微镜成像 | 深度学习模型 | 3D生物医学图像，2D序列切片图像 | NA | NA | NA | 分割准确度 | NA |
| 13072 | 2024-10-02 |
Towards deep learning methods for quantification of the right ventricle using 2D echocardiography
2024, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2347125
PMID:39351980
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13073 | 2025-10-06 |
The informativeness of the gradient revisited
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107517
PMID:40359739
|
研究论文 | 本文重新探讨了梯度信息量的理论边界及其在深度学习中的实际影响 | 提出了一个衡量梯度信息量的通用方差边界，该边界与目标函数类的成对独立性和输入分布的碰撞熵相关 | 理论分析可能无法完全覆盖所有实际深度学习场景的复杂性 | 深入理解基于梯度的深度学习方法的理论局限性 | 梯度信息量、目标函数类、输入分布 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | 方差边界 | NA |
| 13074 | 2025-10-06 |
Pruning the ensemble of convolutional neural networks using second-order cone programming
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107544
PMID:40367720
|
研究论文 | 提出一种基于二阶锥规划的卷积神经网络集成剪枝方法 | 使用稀疏二阶锥优化模型同时最大化集成模型的准确性和多样性 | 仅在CIFAR-10、CIFAR-100和MNIST数据集上进行了测试 | 解决深度学习模型集成中的计算复杂度问题 | 包含不同深度和层数的卷积神经网络集成 | 机器学习 | NA | 集成剪枝 | CNN | 图像 | CIFAR-10、CIFAR-100和MNIST数据集 | NA | 具有不同深度和层数的CNN | 准确性 | NA |
| 13075 | 2025-10-06 |
SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107607
PMID:40375420
|
研究论文 | 提出一种基于混合图注意力网络的SurvGraph模型，用于胃癌患者全切片病理图像的生存预测 | 采用混合图构建方法整合多种特征类型，并利用多头注意力图网络进行生存预测 | NA | 开发基于全切片病理图像的胃癌患者生存预测模型 | 胃癌患者 | 数字病理学 | 胃癌 | 全切片病理图像分析 | 图神经网络,多头注意力网络 | 病理图像 | 708名胃癌患者，来自三个独立队列 | NA | 混合图注意力网络 | 一致性指数(C-index) | NA |
| 13076 | 2025-10-06 |
Enhancing the transferability of adversarial attacks via Scale Enriching
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107549
PMID:40378598
|
研究论文 | 提出一种通过尺度丰富方法增强对抗样本在黑盒攻击中可迁移性的技术 | 通过特定范围内的输入尺度缩放来丰富代理模型的注意力区域，提高不同模型间的可迁移性，且不引入额外噪声 | 未明确说明在极端尺度变化或非图像数据上的适用性 | 提升对抗攻击在黑盒设置下的可迁移性 | 深度神经网络模型 | 计算机视觉 | NA | 对抗攻击 | 深度神经网络 | 图像 | ImageNet数据集 | NA | NA | 成功率 | NA |
| 13077 | 2025-06-11 |
S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107590
PMID:40398182
|
research paper | 提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文的图像压缩方法S2LIC | 设计了自适应通道和全局交互注意力上下文(ACGC)熵模型，实现了切片间和切片内的双特征聚合，并引入残差SwinV2 Transformer模型捕获全局特征信息 | 未明确提及具体限制 | 提高图像压缩的率失真性能和编解码速度 | 图像数据 | computer vision | NA | 深度学习 | SwinV2 Transformer, ACGC | image | 三个不同数据集（Kodak、Tecnick和CLIC Pro） | NA | NA | NA | NA |
| 13078 | 2025-06-11 |
Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107595
PMID:40424761
|
研究论文 | 本研究探讨了自监督视觉变换器（ViTs）在模拟人类注视行为方面的表现，发现其自注意力机制能够形成与人类注视行为高度一致的结构化注意力模式 | 首次展示了自监督DINO训练的ViTs能够自发形成与人类注视行为相似的注意力模式，并识别出三种不同的注意力头集群 | 研究仅基于视频数据，未探讨其他视觉刺激下的表现 | 探索自监督视觉变换器是否能够模拟人类视觉注意力机制 | 自监督DINO训练的视觉变换器（ViTs） | 计算机视觉 | NA | 自监督学习（DINO） | ViT (Vision Transformer) | 视频 | NA | NA | NA | NA | NA |
| 13079 | 2025-06-11 |
VKAD: A novel fault detection and isolation model for uncertainty-aware industrial processes
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107664
PMID:40435556
|
研究论文 | 提出了一种名为VKAD的新型故障检测与隔离模型，用于处理不确定性感知的工业过程 | 将Koopman算子理论与变分自编码器结合，提出VKAD模型，能够推断动态系统观测值的分布并捕获系统演化的不确定性 | 未明确提及 | 提高工业过程中故障检测与隔离的准确性和可靠性 | 工业过程的动态系统 | 机器学习 | NA | 变分自编码器 | VKAD（Variational Koopman Anomaly Detector） | 时间序列数据 | Tennessee Eastman Process (TEP)数据集和真实卫星在轨遥测数据集(SAT) | NA | NA | NA | NA |
| 13080 | 2025-10-06 |
Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples
2025-Aug-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138370
PMID:40267710
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习的新型方法，用于快速筛选环境样品中具有共代谢能力的微塑料降解细菌 | 首次将高光谱成像技术与深度学习算法相结合，直接在共代谢固体培养基上快速识别微塑料降解细菌，显著提高了筛选效率 | 仅成功筛选出一种PBAT降解细菌，方法验证范围有限，需要进一步扩大样本验证 | 开发高效筛选微塑料降解细菌的新方法，解决传统筛选方法耗时且效率低的问题 | 环境样品中的共代谢微塑料降解细菌，特别是PBAT降解细菌 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习算法 | 高光谱图像数据 | NA | NA | NA | 与传统方法验证结果一致 | NA |