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 33459 篇文献，本页显示第 13941 - 13960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13941 | 2025-10-07 |
Automated Detection of Aberrant Episodes in Epileptic Conditions: Leveraging EEG and Machine Learning Algorithms
2025-Mar-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040355
PMID:40281715
|
研究论文 | 利用机器学习和深度学习算法从EEG信号中自动检测癫痫发作 | 提出结合Hurst指数和Daubechies 4离散小波变换的独特特征提取方法，使用单通道EEG和最少手工特征进行癫痫分类 | 仅使用单通道EEG数据，特征工程相对简单 | 开发自动检测癫痫发作的高效计算方法 | 癫痫患者的EEG信号 | 机器学习 | 癫痫 | EEG信号分析 | SVM,随机森林,LSTM | EEG信号 | CHB-MIT头皮EEG数据库 | NA | 随机森林分类器,支持向量机,长短期记忆网络 | 准确率,灵敏度 | 边缘硬件 |
| 13942 | 2025-10-07 |
A Hybrid Wavelet-Based Deep Learning Model for Accurate Prediction of Daily Surface PM2.5 Concentrations in Guangzhou City
2025-Mar-28, Toxics
IF:3.9Q1
DOI:10.3390/toxics13040254
PMID:40278570
|
研究论文 | 提出一种结合小波变换和深度学习的混合模型，用于精确预测广州市每日地表PM2.5浓度 | 首次将小波变换(W)与CNN、BiGRU和BiLSTM三种深度学习模型集成，构建W-CNN-BiGRU-BiLSTM混合架构 | 研究仅针对广州市特定区域，模型在其他地理区域的适用性有待验证 | 提高地表PM2.5浓度预测精度，为空气污染控制和城市规划提供支持 | 广州市2014-2020年的气象因子和空气污染物数据 | 机器学习 | NA | 小波变换 | CNN, BiLSTM, BiGRU | 时间序列数据 | 广州市2014-2020年每日气象和污染物数据 | NA | W-CNN-BiGRU-BiLSTM混合架构 | 相关系数(R), 均方根误差(RMSE), 平均绝对误差(MAE), 平均绝对百分比误差(MAPE) | NA |
| 13943 | 2025-10-07 |
Kidney Disease Segmentation and Classification Using Firefly Sigma Seeker and MagWeight Rank Techniques
2025-Mar-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040350
PMID:40281710
|
研究论文 | 提出一种结合Firefly Sigma Seeker和MagWeight Rank技术的肾脏疾病分割与分类方法 | 将Firefly Sigma Seeker和MagWeight Rank优化技术集成到并行卷积层架构中，动态调整参数并优化权重排序 | NA | 提高肾脏疾病医学图像分割的准确性和计算效率 | 肾脏疾病医学图像（MRI、CT扫描、超声图像） | 计算机视觉 | 肾脏疾病 | 医学影像分析 | CNN, Multi-Stream Neural Network | 图像 | NA | NA | 并行卷积层架构, MSNN | 准确率, 损失值, 计算时间 | NA |
| 13944 | 2025-04-29 |
CRISPR-MFH: A Lightweight Hybrid Deep Learning Framework with Multi-Feature Encoding for Improved CRISPR-Cas9 Off-Target Prediction
2025-Mar-28, Genes
IF:2.8Q2
DOI:10.3390/genes16040387
PMID:40282347
|
research paper | 提出了一种轻量级混合深度学习框架CRISPR-MFH，通过多特征编码改进CRISPR-Cas9脱靶预测 | 引入了新颖的多特征独立编码方法，将gRNA-DNA序列对编码为三个不同的特征矩阵以减少信息损失，并提出了结合多尺度可分离卷积和混合注意力机制的轻量级框架 | 模型参数规模增加会导致复杂性上升，限制实际应用性 | 改进CRISPR-Cas9系统的脱靶效应预测 | gRNA-DNA序列对 | machine learning | NA | deep learning | hybrid deep learning framework (multi-scale separable convolutions + hybrid attention mechanisms) | sequence data | multiple benchmark datasets | NA | NA | NA | NA |
| 13945 | 2025-10-07 |
Assessing Cancer Presence in Prostate MRI Using Multi-Encoder Cross-Attention Networks
2025-Mar-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11040098
PMID:40278014
|
研究论文 | 本文提出一种多编码器交叉注意力融合架构，用于通过前列腺MRI评估癌症存在 | 首次针对前列腺癌临床工作流程中关键但未被充分探索的任务进行大规模实验，提出多编码器交叉注意力融合架构 | NA | 区分有癌症存在（病理证实的前列腺癌患者）与无非可疑前列腺癌发现（无癌症存在）的病例 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 双参数磁共振成像(bpMRI) | 多编码器交叉注意力网络 | 医学影像, 临床变量 | 训练集4504名患者，测试集975名回顾性患者和435名前瞻性患者，总计来自11,000多个前列腺癌病例的600多万张图像表示 | NA | 多编码器交叉注意力融合架构 | AUC | NA |
| 13946 | 2025-04-29 |
Minimax Bayesian Neural Networks
2025-Mar-25, Entropy (Basel, Switzerland)
DOI:10.3390/e27040340
PMID:40282575
|
research paper | 本文研究了使用极小极大方法的更保守的贝叶斯神经网络（BNNs），揭示了闭环神经网络与BNNs之间的联系 | 将极小极大方法应用于贝叶斯神经网络，提出了一种更保守的BNNs，并揭示了其与闭环神经网络的联系 | 仅在简单数据集上进行了测试，未在大规模或复杂数据集上验证 | 研究贝叶斯神经网络的鲁棒性及其与闭环神经网络的关系 | 贝叶斯神经网络（BNNs）和闭环神经网络 | machine learning | NA | NA | Bayesian neural networks (BNNs), deterministic neural network, stochastic neural network | NA | 简单数据集（具体数量未提及） | NA | NA | NA | NA |
| 13947 | 2025-10-07 |
Large-Scale Coastal Marine Wildlife Monitoring with Aerial Imagery
2025-Mar-24, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11040094
PMID:40278010
|
研究论文 | 本研究利用航空影像和深度学习方法自动检测、分类和计数海洋沿岸物种 | 开发了基于航空影像和深度学习的自动化监测框架，用于海洋野生动物种群监测 | 模型性能因个体类型而异，F1分数在0.7-0.9之间波动 | 通过先进技术提高海洋野生动物监测的效率和准确性 | 南象海豹和南美海狮群体 | 计算机视觉 | 禽流感 | 航空影像采集 | 深度学习 | 高分辨率图像 | 阿根廷瓦尔德斯半岛的南象海豹和南美海狮群体图像数据集 | NA | NA | F1分数 | NA |
| 13948 | 2025-04-29 |
Development of an Intelligent Tablet Press Machine for the In-Line Detection of Defective Tablets Using Machine Learning and Deep Learning Models
2025-Mar-24, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics17040406
PMID:40284402
|
研究论文 | 开发了一种集成机器学习和深度学习模型的智能压片机，用于实时检测缺陷药片 | 将机器学习和深度学习模型集成到压片机中，实现实时检测药片缺陷，作为过程分析技术工具 | 研究仅针对特定药物（盐酸二甲双胍）的压片过程，未验证对其他药物的适用性 | 开发一种智能压片机，用于实时检测药片缺陷 | 盐酸二甲双胍药片 | 机器学习 | NA | 过程分析技术(PAT) | 随机森林(RF), 人工神经网络(ANN) | 实时处理数据（压缩力、排出力、压缩速度等） | 商业规模实验生产的盐酸二甲双胍药片 | NA | NA | NA | NA |
| 13949 | 2025-10-07 |
Deep Learning-Based Detection of Aflatoxin B1 Contamination in Almonds Using Hyperspectral Imaging: A Focus on Optimized 3D Inception-ResNet Model
2025-Mar-22, Toxins
IF:3.9Q1
DOI:10.3390/toxins17040156
PMID:40278655
|
研究论文 | 本研究开发了一种基于3D Inception-ResNet架构的深度学习模型，利用高光谱成像技术检测杏仁中的黄曲霉毒素B1污染 | 首次将优化的3D Inception-ResNet模型应用于杏仁黄曲霉毒素B1检测，采用轻量化设计实现高精度实时检测 | NA | 开发快速无损的杏仁黄曲霉毒素B1检测方法以确保食品安全 | 杏仁中的黄曲霉毒素B1污染 | 计算机视觉 | 食品安全相关疾病 | 高光谱成像 | CNN | 高光谱图像 | NA | NA | 3D Inception-ResNet | 准确率, F1-score, AUC | NA |
| 13950 | 2025-10-07 |
Deep Learning-Enhanced Motor Training: A Hybrid VR and Exoskeleton System for Cognitive-Motor Rehabilitation
2025-Mar-22, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040331
PMID:40281692
|
研究论文 | 本研究开发了一种结合VR和脑机接口的深度学习增强运动训练系统，用于认知运动康复 | 整合运动想象EEG数据实时分类与脑机接口，结合预制外骨骼和VR技术，开发了动态响应EEG输出的VR钓鱼游戏 | 临床测试仍在进行中，尚未完成全面验证 | 开发实用且可扩展的康复治疗和日常运动训练应用 | 老年人群的认知运动功能评估与训练 | 机器学习 | 老年疾病 | 脑电图(EEG), 虚拟现实(VR), 运动想象 | CNN, LSTM, SVM | EEG信号, 运动数据 | NA | NA | NA | 分类准确率(89.23%), ERD/ERS极化率 | NA |
| 13951 | 2025-10-07 |
A Color-Based Multispectral Imaging Approach for a Human Detection Camera
2025-Mar-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11040093
PMID:40278009
|
研究论文 | 提出一种基于四个选定波长的多光谱成像方法，通过检测衣物来实现人体检测 | 使用四个特定波长(453、556、668、708 nm)的多光谱方法，通过衣物检测作为人体检测的代理，实现轻量级实时处理 | 主要适用于白天条件和常见织物，对部分遮挡物体的检测仍存在挑战 | 开发支持实时处理的人体检测相机 | 衣物与背景的分离，人体检测 | 计算机视觉 | NA | 多光谱成像 | 多层感知机(MLP) | 多光谱图像 | NA | NA | 多层感知机 | 准确率,精确率,召回率,F1分数 | NA |
| 13952 | 2025-10-07 |
CAD-Skin: A Hybrid Convolutional Neural Network-Autoencoder Framework for Precise Detection and Classification of Skin Lesions and Cancer
2025-Mar-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040326
PMID:40281686
|
研究论文 | 提出一种基于卷积神经网络和自动编码器的混合框架CAD-Skin，用于精确检测和分类皮肤病变与皮肤癌 | 结合多尺度视网膜、伽马校正、非锐化掩蔽和对比度受限自适应直方图均衡化的现代预处理方法，并集成量子支持向量机进行最终分类 | 未明确说明模型在临床环境中的实际部署挑战和计算资源需求 | 开发精确的皮肤病变检测和分类系统以提高皮肤癌诊断效率 | 皮肤病变和皮肤癌图像，包括光化性角化病、恶性黑色素瘤等皮肤疾病 | 计算机视觉 | 皮肤癌 | 图像处理技术 | CNN, Autoencoder, QSVM | 皮肤病变图像 | 使用PAD-UFES-20-Modified、ISIC-2018和ISIC-2019数据集 | NA | 卷积神经网络-自动编码器混合框架 | 准确率 | NA |
| 13953 | 2025-10-07 |
Local Extremum Mapping for Weak Supervision Learning on Mammogram Classification and Localization
2025-Mar-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040325
PMID:40281685
|
研究论文 | 提出一种局部极值映射机制，用于乳腺X线摄影分类和弱监督病变定位 | 通过局部极值映射机制实现仅需图像级标签的病变定位，显著降低标注成本 | 在病变定位任务中Dice相似系数为0.37，仍有提升空间 | 开发弱监督学习方法用于乳腺X线摄影分析和病变检测 | 乳腺X线摄影图像中的病变区域 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 医学图像 | 两个公共乳腺X线摄影数据集（CBIS-DDSM和INbreast） | NA | 卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |
| 13954 | 2025-04-29 |
Methods for Brain Connectivity Analysis with Applications to Rat Local Field Potential Recordings
2025-Mar-21, Entropy (Basel, Switzerland)
DOI:10.3390/e27040328
PMID:40282562
|
research paper | 本文介绍了一系列用于分析大脑依赖网络的统计方法，并应用于大鼠海马局部场电位（LFP）时间序列数据 | 结合经典和前沿方法，探索了多种统计技术（如Granger因果性、谱传递熵、小波相干性等）以及拓扑数据分析（TDA）和深度学习框架，用于捕捉神经动态和连接性 | 未提及具体样本量或实验设计的局限性 | 分析大脑依赖网络以理解潜在的神经机制（如感知、行动和记忆） | 大鼠海马局部场电位（LFP）时间序列数据，专注于非空间嗅觉信息的编码 | 神经科学 | NA | Granger causality (GC), robust canonical coherence analysis, spectral transfer entropy (STE), wavelet coherence, topological data analysis (TDA), deep learning-based canonical correlation frameworks | NA | 时间序列数据（局部场电位记录） | NA | NA | NA | NA | NA |
| 13955 | 2025-04-29 |
Global Trends in Diabetic Foot Research (2004-2023): A Bibliometric Study Based on the Scopus Database
2025-Mar-21, International journal of environmental research and public health
DOI:10.3390/ijerph22040463
PMID:40283692
|
研究论文 | 通过文献计量分析探讨2004-2023年间糖尿病足研究的全球趋势 | 利用Scopus数据库进行文献计量分析，揭示糖尿病足研究的发展趋势和热点 | 仅基于Scopus数据库，可能未涵盖所有相关研究 | 分析糖尿病足研究的全球趋势和未来方向 | 2004-2023年间Scopus数据库中关于糖尿病足的研究文献 | 文献计量学 | 糖尿病足 | 文献计量分析工具（Excel, Python, Biblioshiny, VOSviewer） | NA | 文献数据 | 7136篇文献 | NA | NA | NA | NA |
| 13956 | 2025-04-29 |
Deep learning in GPCR drug discovery: benchmarking the path to accurate peptide binding
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf186
PMID:40285358
|
research paper | 本文评估了深度学习在预测G蛋白偶联受体（GPCRs）与其内源性肽配体相互作用中的应用，并比较了多种深度学习工具的性能 | 通过比较多种深度学习工具在GPCR与肽配体相互作用预测中的表现，提出了一个实用的模型选择指南，并创建了一个独立的基准测试集 | 竞争性锦标赛方法虽然加速了性能，但降低了真阳性恢复率 | 评估深度学习模型在GPCR药物发现中的准确性和实用性 | G蛋白偶联受体（GPCRs）及其内源性肽配体 | machine learning | NA | 深度学习（DL） | AlphaFold 2.3 (AF2), AlphaFold 3 (AF3), Chai-1, NeuralPLexer, RoseTTAFold-AllAtom, Peptriever, ESMFold, D-SCRIPT | protein sequences and structures | 124 ligands and 1240 decoys, 67 recent complexes | NA | NA | NA | NA |
| 13957 | 2025-04-29 |
Aminoacyl-tRNA synthetase urzymes optimized by deep learning behave as a quasispecies
2025-Mar, Structural dynamics (Melville, N.Y.)
DOI:10.1063/4.0000294
PMID:40290414
|
research paper | 利用深度学习优化氨酰-tRNA合成酶原酶，使其表现出类似准种的行为 | 使用ProteinMPNN和AlphaFold2深度学习算法重新设计优化的LeuAC原酶，显著提高了溶解度和催化能力 | 仅测试了8种变体，样本量较小 | 探索遗传编码起源的蛋白质设计 | 氨酰-tRNA合成酶原酶 | machine learning | NA | ProteinMPNN, AlphaFold2 | 深度学习 | 蛋白质序列 | 8种变体 | NA | NA | NA | NA |
| 13958 | 2025-04-29 |
Artificial Intelligence-Driven Approaches to Endoscopic Gastric Cancer Detection: Current Progress and Future Directions
2025-Mar, Cureus
DOI:10.7759/cureus.81194
PMID:40291198
|
research paper | 本文探讨了人工智能在胃镜胃癌检测中的当前进展和未来方向 | 利用深度学习模型（如CNN）提升胃镜检测胃癌的准确性和标准化评估 | 数据质量、假阳性/假阴性、地域偏见和监管障碍等问题仍需解决 | 提高胃癌的早期检测率，优化临床工作流程 | 胃癌患者的内窥镜图像 | digital pathology | gastric cancer | deep learning | CNN | image | NA | NA | NA | NA | NA |
| 13959 | 2025-04-29 |
The Role of Artificial Intelligence in the Prediction, Diagnosis, and Management of Cardiovascular Diseases: A Narrative Review
2025-Mar, Cureus
DOI:10.7759/cureus.81332
PMID:40291312
|
review | 本文综述了人工智能在心血管疾病预测、诊断和管理中的作用及其面临的挑战 | 探讨了AI技术（特别是机器学习和深度学习）在分析大规模数据集、提高诊断准确性和优化治疗策略方面的变革潜力 | AI实施面临监管、隐私、人群验证等障碍，以及系统互操作性和临床医生接受度的问题 | 探索AI在心血管护理中的应用、当前使用的局限性以及未来整合以改善患者预后 | 心血管疾病（CVDs） | machine learning | cardiovascular disease | machine learning, deep learning | NA | massive datasets | NA | NA | NA | NA | NA |
| 13960 | 2025-04-29 |
Proposal for a Method for Assessing the Quality of an Updated Deep Learning-Based Automatic Segmentation Program
2025-Mar, Cureus
DOI:10.7759/cureus.81307
PMID:40291313
|
research paper | 本研究旨在验证商业深度学习自动分割（DLS）方法在更新后是否能保持轮廓几何精度，并提出一种简化验证方法以减少临床工作负担 | 提出了一种简化验证方法，用于评估更新后的深度学习自动分割程序的质量，同时减少对临床工作流程的负担 | 研究中28个轮廓中有9个器官未满足既定标准，表明某些器官的轮廓质量在更新后有所下降 | 验证商业深度学习自动分割方法在更新后的几何精度，并简化验证流程 | 头颈、胸部、腹部和盆腔区域的28个器官 | digital pathology | NA | deep learning-based automatic segmentation (DLS) | NA | CT imaging | 109名参与者 | NA | NA | NA | NA |