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 13761 - 13780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13761 | 2025-10-07 |
Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach
2025-Jun-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137581
PMID:39954434
|
研究论文 | 本研究创新性地结合表面增强拉曼光谱与深度学习技术，开发了一种用于食源性病原体检测的高效工具 | 采用自动混合网络设计策略和神经架构搜索技术优化CNN架构，引入U-Net架构和注意力机制提升关键光谱特征识别能力 | NA | 开发快速精确的食源性病原体检测方法 | 22种食源性病原体 | 计算机视觉 | 食源性疾病 | 表面增强拉曼光谱 | CNN | 光谱数据 | 22种食源性病原体测试样本 | NA | U-Net | 准确率 | NA |
| 13762 | 2025-10-07 |
DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer
2025-Jun, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110370
PMID:40089082
|
研究论文 | 基于DCE-MRI的瘤内亚区深度学习分析预测乳腺癌Ki-67表达水平 | 首次结合k-means聚类与3D ResNet18深度学习模型分析瘤内异质性亚区，提出亚区联合模型显著提升Ki-67表达预测性能 | 回顾性研究设计，样本量有限（290例），未说明模型泛化能力到其他医疗中心的情况 | 评估基于DCE-MRI的瘤内亚区深度学习分析对乳腺癌Ki-67表达水平的预测能力 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | 深度学习, 逻辑回归 | 医学影像 | 290例来自两家医院的乳腺癌患者 | NA | 3D ResNet18 | AUC, 决策曲线分析 | NA |
| 13763 | 2025-10-07 |
URDD: An open dataset for urban roadway disease detection and classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111499
PMID:40226197
|
研究论文 | 本文介绍了一个用于城市道路病害检测与分类的开放数据集URDD | 创建了专门针对道路病害检测与分类任务的专业数据集，推动人工智能在自主道路病害检测中的应用 | NA | 提高道路病害检测的效率和准确性，改善城市道路维护管理 | 城市道路病害 | 计算机视觉 | NA | 探地雷达 | CNN | 图像 | NA | NA | NA | NA | NA |
| 13764 | 2025-10-07 |
GeNIS: A modular dataset for network intrusion detection and classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111487
PMID:40226195
|
研究论文 | 本文介绍了一个用于网络入侵检测和分类的模块化数据集GeNIS | 针对中小型企业网络攻击场景，提供包含多阶段攻击序列和真实正常网络活动的模块化数据集 | 数据集主要针对中小型企业场景，可能不适用于大型企业或特殊网络环境 | 为网络入侵检测系统开发提供高质量标注数据集 | 网络流量数据和网络攻击场景 | 机器学习 | NA | 网络流量分析，特征提取 | NA | 网络流量数据，CSV文件，PCAPNG文件 | 超过3700万个网络数据包，280万个网络流 | NA | NA | NA | 空客网络靶场平台 |
| 13765 | 2025-10-07 |
Weed-crop dataset in precision agriculture: Resource for AI-based robotic weed control systems
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111486
PMID:40226192
|
研究论文 | 本文提出了一个用于精准农业中杂草识别的RGB图像数据集，支持基于AI的机器人杂草控制系统开发 | 提供了在多样化环境条件下收集的真实田间杂草-作物数据集，包含多种杂草和作物物种 | 数据集规模相对有限，仅包含1120张标注图像 | 开发用于精准农业中实时杂草识别的高精度深度学习模型 | 五种杂草物种和八种作物物种 | 计算机视觉 | NA | RGB图像采集 | 深度学习模型 | 图像 | 1120张标注图像，包含5种杂草和8种作物 | NA | NA | 目标检测准确率 | NA |
| 13766 | 2025-10-07 |
A hybrid network based on multi-scale convolutional neural network and bidirectional gated recurrent unit for EEG denoising
2025-Apr-19, Neuroscience
IF:2.9Q2
|
研究论文 | 提出基于多尺度卷积神经网络和双向门控循环单元的混合网络用于脑电图信号去噪 | 结合多尺度CNN和双向GRU的混合网络架构，集成通道注意力机制，能够同时提取多尺度频率特征和时间依赖特征 | NA | 开发有效的脑电图信号去噪方法以提高神经科学研究的准确性和可靠性 | 脑电图信号及其中的肌电、眼电和心电伪迹 | 信号处理 | 神经系统疾病 | 脑电图信号处理 | CNN, BiGRU, GAN | 脑电图时间序列数据 | 公开数据集 | NA | 多尺度卷积神经网络, 双向门控循环单元, 生成对抗网络 | 相对均方根误差, 相关系数, 信噪比 | NA |
| 13767 | 2025-10-07 |
Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112169
PMID:40224006
|
研究论文 | 开发了一种基于深度学习的语义分割模型(EDA-UNet)，用于自动评估IVOCT图像中的冠状动脉斑块 | 首次提出专门针对IVOCT图像冠状动脉斑块组织的深度学习语义分割模型EDA-UNet | 研究使用了来自三个中心的数据，但样本来源仍有限 | 实现冠状动脉斑块的自动特征分析和定量评估 | 冠状动脉斑块组织 | 计算机视觉 | 心血管疾病 | 血管内光学相干断层扫描(IVOCT) | 深度学习语义分割模型 | 医学图像 | 来自三个医疗中心的IVOCT图像数据集 | NA | EDA-UNet | Dice系数, 相关性分析, 一致性检验 | NA |
| 13768 | 2025-04-16 |
Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Apr-15, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15348
PMID:40231655
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13769 | 2025-10-07 |
Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting
2025-Apr-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00198
PMID:40231794
|
研究论文 | 本研究开发了一种基于导电体表印迹的选择性单细菌分析和运动追踪方法 | 通过密度泛函理论预测理想单体，制备具有清晰高精度识别位点的分子印迹材料，并开发深度学习辅助的单细菌运动轨迹追踪方法 | NA | 开发高选择性细菌检测和单细菌监测技术 | 细菌（使用脂多糖和细胞作为模板） | 生物传感器 | NA | 导电分子印迹、电化学传感、单细菌运动追踪 | 深度学习模型 | 细菌运动轨迹数据 | NA | NA | NA | 检测限（10 CFU/mL）、选择性（提高433%） | NA |
| 13770 | 2025-10-07 |
Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model
2025-Apr-15, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04942-8
PMID:40232413
|
研究论文 | 本研究开发了一种基于深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性 | 首个在大型队列中使用多序列MRI的深度学习模型，结果显示与训练有素的放射科医生检测效果相当 | 研究基于单一机构数据库，需要外部验证来确认泛化能力 | 评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用 | 经病理确诊的子宫内膜异位症患者和年龄匹配的对照组患者 | 医学影像分析 | 子宫内膜异位症 | 多序列MRI（矢状位脂肪饱和T1加权、T2加权） | 深度学习 | 医学影像 | 病例组395例患者，对照组356例患者 | NA | 3D-DenseNet-121 | F1分数, AUROCC, 敏感性, 特异性, Fleiss' kappa | NA |
| 13771 | 2025-10-07 |
Focusing properties and deep learning-based efficient tuning of symmetric butterfly beams
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557170
PMID:40232438
|
研究论文 | 提出新型对称蝴蝶高斯光束及其基于深度学习的快速传播特性预测方法 | 首次提出对称蝴蝶高斯光束概念，并开发了比传统算法快8000倍的深度学习预测模型 | 未明确说明模型在不同光学条件下的泛化能力 | 研究新型自聚焦光束的传播特性及其快速预测方法 | 对称蝴蝶高斯光束 | 计算光学 | NA | 深度学习 | 神经网络 | 光学传播数据 | NA | NA | NA | 平均相对误差 | NA |
| 13772 | 2025-10-07 |
Multi-viewpoint tampering detection for integral imaging
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557452
PMID:40232459
|
研究论文 | 提出一种结合像素映射和深度学习的3D集成成像方案，实现篡改检测与自恢复功能 | 首次在相机阵列集成成像中实现篡改检测与自恢复功能，通过多视点恢复信息嵌入实现篡改区域的双重恢复 | 未明确说明计算成本的具体优化程度和系统实时性能 | 开发具有篡改保护功能的3D集成成像系统 | 集成成像系统的光场数据和元素图像阵列 | 计算机视觉 | NA | 深度学习, 像素映射 | NA | 3D光场图像, 元素图像阵列 | NA | NA | NA | 视差效果, 篡改检测效果 | NA |
| 13773 | 2025-04-16 |
Invited Perspective: How Do Green- and Bluespaces Reduce Heat-Related Health Risks? Gaining New Insights from Street-View Imagery, Deep Learning Models, and Smartphone Data
2025-Apr-14, Environmental health perspectives
IF:10.1Q1
DOI:10.1289/EHP15400
PMID:40228076
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13774 | 2025-10-07 |
An Automated AI Framework for Quantitative Measurement of Mammalian Behavior
2025-Apr-14, Integrative zoology
IF:3.5Q1
DOI:10.1111/1749-4877.12985
PMID:40230073
|
研究论文 | 开发了一个基于面部识别和深度学习的自动化框架，用于定量测量和分析多种哺乳动物的行为 | 首个能够自动定量测量多种哺乳动物行为的框架，结合了面部识别和基于动物骨架模型的时空信息分析 | NA | 开发自动化定量测量动物行为的方法 | 10种不同哺乳动物类群的个体，包括3种灵长类、3种牛科动物、3种食肉动物和1种马科动物 | 计算机视觉 | NA | 深度学习, 面部识别 | 深度学习模型 | 视频数据 | 10种不同哺乳动物类群 | NA | NA | 准确率 | NA |
| 13775 | 2025-10-07 |
Unveiling chromatin dynamics with virtual epigenome
2025-Apr-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58481-3
PMID:40221401
|
研究论文 | 提出一种名为EpiVerse的计算方法，利用表观遗传信号和深度学习技术预测染色质相互作用 | 结合估算表观遗传信号与先进深度学习技术，在多任务学习框架中同时预测Hi-C接触图谱和染色质状态，显著提高跨细胞类型预测准确性 | NA | 开发计算模型预测染色质三维结构和表观基因组动态 | 人类染色质相互作用和表观基因组 | 计算生物学 | NA | Hi-C, ChIP-seq, 表观遗传信号估算 | 深度学习 | 基因组学数据，表观遗传数据 | 39种人类组织 | NA | NA | 准确性，可解释性 | NA |
| 13776 | 2025-10-07 |
Detection of surface defects in soybean seeds based on improved Yolov9
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92429-3
PMID:40221419
|
研究论文 | 提出基于改进Yolov9的大豆种子表面缺陷检测方法 | 在Yolov9中引入GhostNet的轻量级卷积模块GhostConv，构建Yolov9-c-ghost-Forward模型 | NA | 开发高效的大豆种子表面缺陷自动检测方法 | 大豆种子 | 计算机视觉 | NA | 深度学习技术 | CNN | 图像 | NA | NA | Yolov9, GhostNet | 召回率, mAP0.5 | NA |
| 13777 | 2025-10-07 |
Integrating hybrid bald eagle crow search algorithm and deep learning for enhanced malicious node detection in secure distributed systems
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93549-6
PMID:40221436
|
研究论文 | 提出一种混合秃鹰-乌鸦搜索算法与深度学习相结合的技术，用于增强安全分布式系统中的恶意节点检测 | 首次将混合秃鹰-乌鸦搜索算法(HBECSA)与卷积稀疏自编码器(CSAE)相结合，并采用蜣螂优化算法(DBO)进行参数调优 | 仅在WSN-DS基准数据库上进行评估，未提及在其他分布式系统数据集上的泛化能力 | 提高分布式系统中恶意节点检测的准确性和可靠性 | 分布式系统中的恶意节点 | 机器学习 | NA | 恶意节点检测技术 | 自编码器 | 网络节点行为数据 | WSN-DS基准数据库 | NA | 卷积稀疏自编码器(CSAE) | 准确率 | NA |
| 13778 | 2025-10-07 |
Integrating advanced deep learning techniques for enhanced detection and classification of citrus leaf and fruit diseases
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97159-0
PMID:40221550
|
研究论文 | 本研究评估了四种深度学习模型在柑橘叶部和果实病害图像分类中的性能 | 首次系统比较EfficientNetB0、ResNet50、DenseNet121和InceptionV3在柑橘病害检测中的表现，其中InceptionV3和DenseNet121达到99.12%的测试准确率 | 数据集规模相对较小（仅759张图像），未在更广泛的实际田间环境中验证模型泛化能力 | 开发准确的柑橘病害检测和分类方法以支持农业病害管理 | 柑橘叶部和果实病害图像 | 计算机视觉 | 植物病害 | 深度学习图像分析 | CNN | 图像 | 759张图像，涵盖9个病害类别（包括黑斑病、溃疡病、黄龙病、疮痂病、煤烟病及健康样本） | NA | EfficientNetB0, ResNet50, DenseNet121, InceptionV3 | 准确率, F1-score, 精确率, 召回率 | NA |
| 13779 | 2025-10-07 |
Deep learning-based identification of patients at increased risk of cancer using routine laboratory markers
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97331-6
PMID:40221571
|
研究论文 | 开发基于常规血液标志物的深度学习模型用于识别癌症高风险患者 | 利用常规血液检测指标（全血细胞计数和全面代谢 panel）结合深度学习技术进行癌症风险分层 | 仅针对结直肠癌、肝癌和肺癌三种癌症类型进行了验证，未涵盖其他癌症类型 | 开发基于血液标志物的癌症风险分层方法，用于早期筛查和人群健康管理 | 癌症高风险人群的识别 | 机器学习 | 结直肠癌、肝癌、肺癌 | 常规血液检测（全血细胞计数、全面代谢 panel） | 深度学习 | 血液检测数据 | NA | NA | NA | ROC曲线下面积（AUC） | NA |
| 13780 | 2025-10-07 |
ChatIOS: Improving Automatic 3-Dimensional Tooth Segmentation via GPT-4V and Multimodal Pre-training
2025-Apr-12, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105755
PMID:40228651
|
研究论文 | 提出融合GPT-4V和多模态预训练技术的ChatIOS框架，用于提升口内扫描仪生成的三维牙齿分割效果 | 首次将GPT-4V应用于数字牙科领域，开创了三维牙齿分割的多模态预训练范式 | 研究仅基于Teeth3DS数据集，未在其他数据集验证泛化能力 | 提升三维牙齿自动分割的准确性和效率 | 口内扫描仪生成的三维牙齿数据 | 计算机视觉 | 牙科疾病 | 三维点云处理，多模态预训练 | 深度学习 | 三维点云，二维图像，文本描述 | 1800个口内扫描数据（约24000颗标注牙齿），来自900名患者 | NA | PointNet++ | mIoU, 分割准确率, Dice相似系数, 处理速度 | NA |