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 32373 篇文献，本页显示第 15161 - 15180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15161 | 2025-10-07 |
Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water
2025-May-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137325
PMID:39864200
|
研究论文 | 开发了一种基于水凝胶数字RT-LAMP的灵敏度增强方法，用于食品和水中诺如病毒的定量检测 | 通过原位蒸发富集和界面酶反应将检测灵敏度提高20倍，并在15分钟内实现单病毒定量 | NA | 开发高灵敏度诺如病毒检测方法用于食品安全监测和环境监测 | 人类诺如病毒、其他细菌和病毒 | 数字病理 | 诺如病毒感染 | 数字反转录环介导等温扩增(RT-LAMP)、水凝胶技术 | 深度学习模型 | 图像数据 | 3个湖水样本、草莓样本、自来水、饮用水 | NA | NA | 灵敏度 | 智能手机应用 |
| 15162 | 2025-10-07 |
Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network
2025-May-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137314
PMID:39874751
|
研究论文 | 提出一种基于多平台高光谱影像和深度回归网络的内陆水体营养盐污染制图方法 | 提出结合高维注意力加权差异的深度卷积空谱联合学习方法，优化深度特征提取 | NA | 解决水质制图不准确的问题，实现多参数水质指标的高精度估算 | 内陆水体中的总氮、总磷和氨氮三种关键富营养化相关水质参数 | 计算机视觉 | NA | 高光谱遥感 | 深度学习回归网络 | 高光谱影像 | NA | NA | 深度卷积网络 | 决定系数(R2), 平均绝对误差(MAE), 均方误差(MSE) | NA |
| 15163 | 2025-03-19 |
Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100670
PMID:40091912
|
研究论文 | 本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用 | 通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性 | 研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用 | 验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性 | 年龄相关性黄斑变性（AMD）患者 | 数字病理学 | 年龄相关性黄斑变性 | 光谱域OCT（SD-OCT） | UNet, DeepLabv3 | 图像 | 402个SD-OCT扫描 | NA | NA | NA | NA |
| 15164 | 2025-10-07 |
Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases
2025-Apr, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01221-3
PMID:39798067
|
研究论文 | 本研究探讨了神经网络复杂度对神经肌肉疾病患者MRI图像中大腿肌肉自动分割的影响 | 首次系统研究神经网络复杂度降低对个体肌肉脂肪分数量化的影响 | 研究样本量相对有限（73名受试者），仅针对大腿肌肉区域 | 评估不同复杂度U-Net架构在神经肌肉疾病患者大腿肌肉分割和脂肪分数量化中的性能 | 神经肌肉疾病患者和健康受试者的大腿MRI图像 | 医学影像分析 | 神经肌肉疾病 | MRI | U-Net | 医学图像 | 1450张大腿图像，来自59名患者和14名健康受试者（共73人） | NA | U-Net, nnU-Net | Dice分数, 脂肪分数量化误差 | GPU内存使用（2.37-12.8 GB），训练时间（14-167小时） |
| 15165 | 2025-03-19 |
Towards precision agriculture: A dataset for early detection of corn leaf pests
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111394
PMID:40083639
|
研究论文 | 本文介绍了一个用于早期检测玉米叶害虫的数据集，旨在通过机器学习和深度学习模型提高精准农业和自动化害虫检测的水平 | 提供了一个包含多种玉米叶害虫图像的数据集，涵盖了不同生长阶段和田间环境下的图像，并包含了手动和算法分割的背景，增强了数据集的多样性和实用性 | 数据集主要基于智能手机拍摄的图像，可能存在图像质量不一致的问题，且背景污染可能影响模型的训练效果 | 开发机器学习和深度学习模型，用于早期检测玉米叶害虫，以支持精准农业和可持续农业实践 | 玉米叶害虫，特别是Spodoptera frugiperda（秋粘虫）、叶枯病和Zonocerus variegatus（杂色蝗虫） | 计算机视觉 | NA | 机器学习和深度学习 | NA | 图像 | 数据集包含1308张未增强的健康叶片图像、11772张增强的健康叶片图像、848张感染叶片图像和7632张增强的感染叶片图像 | NA | NA | NA | NA |
| 15166 | 2025-10-07 |
Can deep learning classify cerebral ultrasound images for the detection of brain injury in very preterm infants?
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11028-4
PMID:39212671
|
研究论文 | 本研究开发了深度学习模型用于分类早产儿脑部超声图像，区分正常与异常情况，作为计算机辅助检测工具 | 首次将深度学习应用于早产儿脑部超声图像的自动分类，并采用预测不确定性过滤策略提升模型性能 | 模型在初始阶段性能仅达到中等水平，需要多种机器学习策略来提升性能 | 开发计算机辅助检测工具，为早产儿脑部超声扫描提供及时解读 | 极早产婴儿（胎龄220-306周）的脑部超声图像 | 计算机视觉 | 脑损伤 | 脑部超声成像 | CNN | 图像 | 538名婴儿的4180张脑部超声图像 | NA | 卷积神经网络 | ROC AUC, PR AUC, 精确率, 召回率 | NA |
| 15167 | 2025-10-07 |
Artificial intelligence guided search for van der Waals materials with high optical anisotropy
2025-Mar-17, Materials horizons
IF:12.2Q1
DOI:10.1039/d4mh01332h
PMID:39704611
|
研究论文 | 利用几何方法和机器学习加速筛选具有高光学各向异性的范德华材料 | 结合几何聚类与深度学习架构（特别是原子线图神经网络）实现范德华材料光学各向异性的高效预测 | NA | 开发高效筛选具有巨大光学各向异性范德华材料的方法 | 范德华材料 | 机器学习 | NA | 密度泛函理论, 椭圆偏振测量 | 图神经网络 | 晶体结构数据, 光学参数 | NA | NA | Atomistic Line Graph Neural Network | 预测能力验证 | NA |
| 15168 | 2025-03-19 |
EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model
2025-Mar-17, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2477801
PMID:40096584
|
研究论文 | 本文提出了一种基于自编码器特征融合和MSC-TimesNet模型的脑电图（EEG）情感识别方法 | 提出了一种创新的深度学习模型MSC-TimesNet，结合多尺度卷积核，有效提取周期内和周期间信息 | 未提及具体局限性 | 提高EEG信号在情感识别任务中的分类性能 | 脑电图（EEG）信号 | 机器学习 | NA | 自编码器特征融合，MSC-TimesNet模型 | MSC-TimesNet | EEG信号 | 公共数据集DEAP和Dreamer | NA | NA | NA | NA |
| 15169 | 2025-10-07 |
A deep learning tissue classifier based on differential co-expression genes predicts the pregnancy outcomes of cattle†
2025-Mar-16, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf009
PMID:39832283
|
研究论文 | 基于差异共表达基因开发深度学习组织分类器预测牛妊娠结局 | 首次整合多来源样本分析基因共变异，利用差异共表达基因而非传统差异表达基因构建预测模型 | 样本量相对有限（330个样本），仅基于转录组数据 | 预测牛人工授精或胚胎移植后的妊娠结局 | 牛血液和子宫内膜组织样本 | 机器学习 | 生殖疾病 | 转录组分析 | 深度学习 | 基因表达数据 | 330个样本（来自7个不同来源，两种组织类型） | NA | NA | 准确率 | NA |
| 15170 | 2025-03-19 |
VM-UNet++ research on crack image segmentation based on improved VM-UNet
2025-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92994-7
PMID:40089495
|
研究论文 | 本文提出了一种基于改进VM-UNet的裂纹图像分割方法VM-UNet++，旨在提高裂纹检测的准确性 | 本文创新性地结合了Mamba架构和UNet模型的优势，显著提升了裂纹分割的准确性 | 尽管VM-UNet++在分割精度上有所提升，但其计算成本仍然是一个挑战 | 研究目的是改进裂纹图像分割的准确性，以满足实际应用需求 | 研究对象是裂纹图像 | 计算机视觉 | NA | 深度学习 | VM-UNet++ | 图像 | Crack500和Ozgenel公共数据集 | NA | NA | NA | NA |
| 15171 | 2025-03-19 |
Emerging trends in SERS-based veterinary drug detection: multifunctional substrates and intelligent data approaches
2025-Mar-15, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00393-z
PMID:40089516
|
review | 本文综述了基于表面增强拉曼散射（SERS）的兽药检测方法的发展，特别是多功能基底和智能数据分析的应用 | 提出了多功能基底的概念，并探讨了深度学习技术在SERS检测中的应用，包括基底结构设计优化、光学性质预测、光谱预处理及定性和定量分析 | 选择报告分子、数据不平衡和计算需求方面的挑战 | 提高兽药残留检测的精确性和效率 | 兽药残留 | machine learning | NA | SERS | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 15172 | 2025-03-19 |
A theory and data-driven method for rapid bottom hole pressure calculation in UGS
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93337-2
PMID:40087345
|
研究论文 | 本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力 | 创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度 | 方法在样本有限的环境中的应用仍需进一步验证 | 提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理 | 地下储气库（UGS）的井底压力 | 机器学习 | NA | 神经网络模型 | TDDNN（理论和数据驱动的神经网络模型） | 理论模型生成的样本和真实样本 | NA | NA | NA | NA | NA |
| 15173 | 2025-03-19 |
Integrating numerical models with deep learning techniques for flood risk assessment
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93465-9
PMID:40087490
|
研究论文 | 本研究结合数值模型与深度学习技术，用于洪水风险评估，特别是通过LSTM模型进行未来20年的流量预测，并生成洪水区域图和灾害图 | 将LSTM模型与HEC-RAS软件结合，用于洪水风险评估，并通过多种统计和图形分析方法评估模型性能 | 研究仅针对伊朗Nesa河的40年日流量数据，可能无法直接推广到其他河流或地区 | 通过LSTM模型预测流量，并结合HEC-RAS软件生成洪水区域图和灾害图，以提高洪水预警系统的效率 | 伊朗Nesa河的日流量数据 | 机器学习 | NA | LSTM, HEC-RAS | LSTM | 时间序列数据 | 40年的日流量数据 | NA | NA | NA | NA |
| 15174 | 2025-03-19 |
Optimized attention-enhanced U-Net for autism detection and region localization in MRI
2025-Mar-14, Psychiatry research. Neuroimaging
|
研究论文 | 本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架 | 结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位 | NA | 通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果 | 自闭症谱系障碍（ASD）患者 | 计算机视觉 | 自闭症 | MRI图像处理 | Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet) | MRI图像 | 公开数据集ABIDE | NA | NA | NA | NA |
| 15175 | 2025-03-19 |
An optimal federated learning-based intrusion detection for IoT environment
2025-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93501-8
PMID:40082567
|
研究论文 | 本文提出了一种基于联邦学习的最优入侵检测方法，用于物联网环境中的网络安全 | 采用联邦学习训练深度学习分类器，结合Chimp优化算法选择最优特征，提高了入侵检测的准确率 | 未提及具体的数据集规模或实验环境的局限性 | 提高物联网网络中入侵检测的准确性和效率 | 物联网网络中的入侵检测系统 | 机器学习 | NA | 联邦学习, Chimp优化算法 | 深度学习分类器 | 网络数据 | 使用MQTT基准数据集进行实验 | NA | NA | NA | NA |
| 15176 | 2025-03-19 |
Multilabel classification for defect prediction in software engineering
2025-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93242-8
PMID:40082581
|
研究论文 | 本文探讨了在软件工程中使用多标签分类进行缺陷预测的方法 | 将缺陷预测从传统的多类分类问题转变为多标签分类问题，考虑了缺陷可能同时属于多个类别的情况 | 未提及具体的数据集大小或来源，可能影响结果的普适性 | 提高软件缺陷预测的准确性和效率 | 软件缺陷报告 | 机器学习 | NA | 机器学习、深度学习 | Multinomial Naive Bayes, Logistic Regression, Random Forest, MLP, CNN | 文本 | NA | NA | NA | NA | NA |
| 15177 | 2025-03-19 |
A dual branch model for predicting microseismic magnitude time series named DTFNet
2025-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93272-2
PMID:40082632
|
研究论文 | 本文提出了一种名为DTFNet的双分支模型，用于预测微震震级时间序列，以提高煤矿岩爆的智能预警准确性 | DTFNet模型结合了时间序列分解和深度学习，通过二次分解和双分支结构有效建模微震时间序列数据，并深度提取微震震级数据的特征 | 未明确提及具体局限性 | 提高煤矿岩爆的智能预警准确性 | 微震震级时间序列数据 | 机器学习 | NA | 互补集合经验模态分解、排列熵、变分模态分解 | DTFNet（双分支时间序列预测模型） | 时间序列数据 | 多个工作面的微震监测目录 | NA | NA | NA | NA |
| 15178 | 2025-03-19 |
Exploring the significance of the frontal lobe for diagnosis of schizophrenia using explainable artificial intelligence and group level analysis
2025-Mar-13, Psychiatry research. Neuroimaging
|
研究论文 | 本文通过可解释的人工智能和群体水平分析，探讨了额叶在精神分裂症诊断中的重要性 | 使用可解释的深度学习方法（Grad-CAM）和群体水平分析，识别精神分裂症患者的重要脑区，并在额叶中发现了显著的分类特征 | 未提及样本的具体数量或多样性，可能影响结果的普适性 | 研究精神分裂症诊断中额叶的作用，并帮助临床医生制定治疗方案 | 精神分裂症患者和健康对照组（CN） | 数字病理学 | 精神分裂症 | 功能性磁共振成像（fMRI）、结构性磁共振成像（sMRI） | 深度学习（Grad-CAM） | MRI图像（sMRI和fMRI） | NA | NA | NA | NA | NA |
| 15179 | 2025-03-19 |
Deep Learning for Odor Prediction on Aroma-Chemical Blends
2025-Mar-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c07078
PMID:40092758
|
研究论文 | 本文探讨了深度学习技术在预测香气化学混合物嗅觉品质方面的应用 | 提出了图神经网络模型，用于准确预测香气化学混合物的嗅觉品质，并分析了模型架构变化对预测性能的显著影响 | 研究主要集中于分子对的预测，未涉及更复杂的混合物 | 探索深度学习在预测香气化学混合物嗅觉品质中的应用 | 香气化学混合物 | 机器学习 | NA | 深度学习 | 图神经网络 | 分子对数据 | NA | NA | NA | NA | NA |
| 15180 | 2025-03-19 |
DeepEpiIL13: Deep Learning for Rapid and Accurate Prediction of IL-13-Inducing Epitopes Using Pretrained Language Models and Multiwindow Convolutional Neural Networks
2025-Mar-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10960
PMID:40092768
|
研究论文 | 本文介绍了一种名为DeepEpilL13的新型深度学习框架，用于快速准确地预测IL-13诱导的表位 | DeepEpilL13结合了预训练语言模型和多窗口卷积神经网络（CNN），能够从蛋白质序列中有效探索与IL-13诱导相关的局部和全局序列模式 | NA | 提高IL-13诱导表位预测的效率和准确性，以推动针对过敏性炎症、COVID-19相关细胞因子风暴及相关疾病的靶向治疗 | IL-13诱导的表位 | 自然语言处理 | COVID-19 | 深度学习 | 预训练语言模型和多窗口卷积神经网络（CNN） | 蛋白质序列 | 基准数据集和独立的SARS-CoV-2数据集 | NA | NA | NA | NA |