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 |
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 |
| 13762 | 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 |
| 13763 | 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 |
| 13764 | 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 |
| 13765 | 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 |
| 13766 | 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 |
| 13767 | 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 |
| 13768 | 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 |
| 13769 | 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 |
| 13770 | 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 |
| 13771 | 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 |
| 13772 | 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 |
| 13773 | 2025-10-07 |
[Application and considerations of artificial intelligence and neuroimaging in the study of brain effect mechanisms of acupuncture and moxibustion]
2025-Apr-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion
|
综述 | 分析人工智能与神经影像技术在针灸脑效应机制研究中的应用现状与挑战 | 首次系统整合机器学习与深度学习技术优化多模态神经影像数据在针灸研究中的应用 | 存在神经影像数据质量不一致、图像信息异质性高等问题 | 探索针灸脑效应机制 | 脑结构与功能 | 医学影像分析 | 神经系统疾病 | 脑电图(EEG)、磁共振成像(MRI) | 机器学习,深度学习 | 神经影像数据 | NA | NA | NA | NA | NA |
| 13774 | 2025-10-07 |
The genetic architecture of and evolutionary constraints on the human pelvic form
2025-Apr-11, Science (New York, N.Y.)
DOI:10.1126/science.adq1521
PMID:40208988
|
研究论文 | 通过深度学习分析骨盆形态的遗传结构，揭示人类骨盆与大脑的协同进化关系 | 首次使用大规模双能X射线吸收测量扫描数据，通过深度学习识别与骨盆表型相关的遗传位点 | 研究样本仅来自英国生物银行，可能限制结果在其他人群的普适性 | 探究人类骨盆形态的遗传结构和进化限制 | 人类骨盆形态特征 | 机器学习 | 产科疾病 | 双能X射线吸收测量法 | 深度学习 | 医学影像 | 31,115个双能X射线吸收测量扫描 | NA | NA | NA | NA |
| 13775 | 2025-10-07 |
Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis
2025-Apr-11, Arthritis research & therapy
IF:4.4Q1
DOI:10.1186/s13075-025-03508-9
PMID:40217251
|
研究论文 | 本研究应用深度学习分析系统性硬化症患者皮肤活检图像，探索AI量化病理特征的潜力 | 首次将神经网络分析应用于系统性硬化症临床试验，提出'纤维化评分'作为新型皮肤结局指标 | 样本量小（仅10名患者入组，5名有可用活检），研究早期终止 | 开发基于人工智能的系统性硬化症皮肤病理定量评估方法 | 弥漫性皮肤系统性硬化症成人患者 | 数字病理 | 系统性硬化症 | 组织化学染色（Masson三色染色、H&E、CD3、α-平滑肌肌动蛋白染色） | 深度学习 | 病理图像 | 10名患者（其中5名有可用活检数据） | NA | NA | Spearman相关性，比值比 | NA |
| 13776 | 2025-10-07 |
Improved YOLO for long range detection of small drones
2025-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95580-z
PMID:40210712
|
研究论文 | 提出一种改进的轻量级无人机检测方法LMWP-YOLO，用于复杂环境下的小型远距离无人机检测 | 结合多维协作注意力机制和多尺度融合，采用深度可分离卷积和高效激活函数减少参数规模，优化损失函数和改进边界框匹配 | 未明确说明在极端天气条件下的检测性能，也未讨论模型在移动设备上的实际部署效果 | 开发轻量级无人机检测方法以提升公共安全 | 小型远距离无人机 | 计算机视觉 | NA | NA | YOLO | 图像 | NA | NA | LMWP-YOLO, YOLO11n | mAP | NA |
| 13777 | 2025-10-07 |
DeepATsers: a deep learning framework for one-pot SERS biosensor to detect SARS-CoV-2 virus
2025-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96557-8
PMID:40210912
|
研究论文 | 开发了一种基于CNN和GAN的深度学习框架DeepATsers，用于快速检测SARS-CoV-2病毒 | 首次将CNN与GAN结合应用于一锅法SERS生物传感器，通过数据增强技术显著提升蛋白质分类准确率 | 原始实验数据集较小（126个光谱），仅针对SARS-CoV-2病毒进行验证 | 开发快速检测COVID-19感染的深度学习框架 | SARS-CoV-2病毒蛋白（S蛋白、N蛋白、VLP蛋白、链霉亲和素蛋白） | 机器学习 | COVID-19 | SERS生物传感器 | CNN, GAN | 光谱数据 | 原始126个光谱，增强后780个光谱 | NA | CNN, GAN | 准确率 | NA |
| 13778 | 2025-10-07 |
EcoTaskSched: a hybrid machine learning approach for energy-efficient task scheduling in IoT-based fog-cloud environments
2025-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96974-9
PMID:40211053
|
研究论文 | 提出一种基于混合机器学习的节能任务调度模型EcoTaskSched，用于物联网雾-云环境中的任务调度 | 首次将CNN与BiLSTM混合模型应用于雾-云环境任务调度，通过CNN提取工作负载特征，BiLSTM捕获序列信息预测最优任务分配序列 | 尚未在真实物联网环境中进行长期测试，未来需要集成更多机器学习模型进行优化 | 实现雾-云环境中节能高效的任务调度，在保证服务质量的同时降低能耗 | 物联网雾-云计算环境中的任务调度 | 机器学习 | NA | 深度学习 | CNN, BiLSTM | 任务工作负载数据 | 使用DeFog基准测试生成的工作负载数据，包含正常和密集工作负载场景 | NA | CNN, BiLSTM | 能耗降低率, 任务完成率, 平均响应时间, SLA违规率, 吞吐量, 执行成本 | Azure B2s计划的四个物理节点，COSCO框架模拟雾-云环境 |
| 13779 | 2025-10-07 |
Analysis of RNA translation with a deep learning architecture provides new insight into translation control
2025-Apr-10, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf277
PMID:40219965
|
研究论文 | 开发了一种深度神经网络模型TranslationAI，用于从RNA序列直接预测和分析翻译起始与终止位点 | 揭示了密码子使用在调控翻译终止中的新作用，并发现了数千个新的开放阅读框 | 模型主要基于人类转录本训练，在其他生物中的预测性能可能有限 | 理解基因翻译调控机制并准确注释RNA中的编码区域 | 人类转录本、真核生物、原核生物和RNA病毒的多顺反子转录本 | 生物信息学 | NA | RNA序列分析 | 深度神经网络 | RNA序列数据 | 整个人类转录组 | NA | NA | 预测准确率 | NA |
| 13780 | 2025-10-07 |
Application of artificial intelligence in the diagnosis of malignant digestive tract tumors: focusing on opportunities and challenges in endoscopy and pathology
2025-Apr-09, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06428-z
PMID:40205603
|
综述 | 系统回顾人工智能在恶性消化道肿瘤内镜和病理诊断中的应用进展与挑战 | 聚焦内镜检查和病理诊断两大关键领域，系统分析AI技术在消化道肿瘤诊断中的创新应用与转化瓶颈 | 研究数据标准化不足、模型可解释性不够、临床验证薄弱、多中心泛化能力待验证 | 评估人工智能在恶性消化道肿瘤诊断中的应用现状，为后续研究和临床转化提供建议 | 食管癌、胃癌、结直肠癌等恶性消化道肿瘤 | 数字病理 | 消化道肿瘤 | 深度学习 | CNN, 多模态预训练模型 | 内镜图像, 病理图像 | NA | NA | NA | NA | NA |