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 12107 篇文献，本页显示第 2721 - 2740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2721 | 2025-01-31 |
LWheatNet: a lightweight convolutional neural network with mixed attention mechanism for wheat seed classification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1509656
PMID:39866319
|
研究论文 | 本文提出了一种轻量级的卷积神经网络LWheatNet，用于小麦种子分类，结合了混合注意力机制和堆叠的倒置残差卷积网络 | 提出了混合注意力机制，结合了通道注意力和空间注意力，并设计了堆叠的倒置残差网络，使用深度可分离卷积、通道混洗和通道分割技术来减少模型参数和计算量 | 未提及具体局限性 | 提高小麦种子分类的准确性和实时性 | 小麦种子图像 | 计算机视觉 | NA | 深度可分离卷积、通道混洗、通道分割 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2722 | 2025-01-28 |
Editorial: Deep learning for high-dimensional sense, non-linear signal processing and intelligent diagnosis
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1538534
PMID:39866684
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2723 | 2025-01-31 |
Who is WithMe? EEG features for attention in a visual task, with auditory and rhythmic support
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1434444
PMID:39867449
|
研究论文 | 本研究探讨了与注意力最密切相关的EEG数据表示或特征，并评估了它们在处理跨被试变异性方面的能力 | 研究了单通道EEG时间序列的特征，包括时域特征和递归图，以及从多变量时间序列中直接获得的表示，如全局场功率或功能性脑网络，并探索了对不同类型噪声具有鲁棒性的持久同调特征 | 研究结果仅限于WithMe实验范式，需要进一步研究不同任务以提供更全面的理解 | 研究哪些EEG数据表示或特征与注意力最密切相关，并评估它们在处理跨被试变异性方面的能力 | EEG数据 | 脑机接口 | NA | EEG | 支持向量机(SVM), 深度学习架构 | 时间序列数据 | NA | NA | NA | NA | NA |
| 2724 | 2025-01-31 |
A stacking ensemble system for identifying the presence of histological variants in bladder carcinoma: a multicenter study
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1469427
PMID:39868365
|
研究论文 | 本研究旨在构建一个堆叠集成系统，用于简单、高效且非侵入性地识别膀胱癌的组织学变异 | 使用Swin UNETR算法构建交互式深度学习膀胱癌图像分割框架，并结合放射组学特征和深度学习特征构建堆叠集成系统 | 样本量相对较小，且仅基于CT图像进行分析，未涉及其他影像学或分子生物学数据 | 开发一种非侵入性方法，用于早期识别膀胱癌的组织学变异 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | CT成像、放射组学分析、深度学习 | Swin UNETR、堆叠集成模型 | CT图像 | 训练集410名患者，测试集60名患者 | NA | NA | NA | NA |
| 2725 | 2025-10-07 |
Generalizable deep learning approach for 3D particle imaging using holographic microscopy (HM)
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.535207
PMID:39876127
|
研究论文 | 提出一种基于深度学习的通用化三维粒子成像方法，用于全息显微镜分析 | 利用人类对粒子衍射图案纵向变化的感知特性开发深度学习架构，实现了处理速度数量级提升和高度通用化的三维粒子分析 | 仅使用简单粒子的少量合成和真实全息图进行训练 | 开发通用化的三维粒子成像分析方法 | 全息显微镜中的粒子 | 计算机视觉 | NA | 全息显微镜 | 深度学习 | 全息图像 | 少量合成和真实全息图 | NA | NA | 处理速度，通用性 | NA |
| 2726 | 2025-10-07 |
Qualitative identification of passive Fourier transform infrared spectra via an attention mechanism based deep learning approach
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.543450
PMID:39876146
|
研究论文 | 提出一种基于注意力机制的深度学习模型，用于被动傅里叶变换红外光谱的定性识别 | 首次将Transformer自注意力神经网络与协同注意力机制结合用于气体识别，实现联合特征学习与融合 | 未明确说明模型在极端弱信号条件下的性能极限 | 提高被动傅里叶变换红外光谱在复杂背景干扰下的气体识别精度 | 空气中的化学污染物气体 | 机器学习 | NA | 被动傅里叶变换红外光谱 | Transformer | 光谱数据 | NA | NA | Transformer, 协同注意力机制 | NA | NA |
| 2727 | 2025-10-07 |
Mobile-friendly under-sampling single-pixel imaging based on a lightweight hybrid CNN-ViT architecture
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.546375
PMID:39876166
|
研究论文 | 提出一种基于轻量级CNN-ViT混合架构的移动友好型欠采样单像素成像方法 | 提出移动ViT模块降低传统ViT计算成本，并结合CNN设计轻量级混合模型，同时提出适用于深度学习SPI的通用差分三元调制模式方案 | NA | 开发适用于移动设备的单像素成像重建方法 | 单像素成像系统 | 计算机视觉 | NA | 单像素成像 | CNN, ViT | 图像 | NA | NA | CNN-ViT混合架构 | 成像质量, 内存消耗, 计算负担 | 移动设备 |
| 2728 | 2025-10-07 |
Three-stage training strategy phase unwrapping method for high speckle noises
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.544968
PMID:39876182
|
研究论文 | 提出一种三阶段多任务相位展开方法，用于高散斑噪声条件下的相位恢复 | 提出三阶段训练策略和基于卷积的多尺度空间注意力模块，有效降低空间不一致噪声的干扰 | 仅使用模拟数据进行测试，未在真实实验数据上验证 | 提高高噪声条件下相位展开的测量精度 | 含噪声的包裹相位数据 | 计算机视觉 | NA | 相位展开技术 | CNN | 相位图像数据 | 不同噪声水平的模拟数据 | NA | UNet, DeepLabV3+ | 噪声鲁棒性, 相位恢复精度 | NA |
| 2729 | 2025-10-07 |
OAM-basis underwater single-pixel imaging based on deep learning at a low sampling rate
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.543358
PMID:39876191
|
研究论文 | 提出一种基于轨道角动量基和深度学习的低采样率水下单像素成像方法 | 首次将轨道角动量基采样方案与双注意力残差U-Net生成对抗网络相结合用于水下单像素成像 | NA | 解决水下环境中低采样率和高浊度条件下的成像挑战 | 水下目标图像 | 计算机视觉 | NA | 单像素成像 | GAN | 图像 | NA | NA | 双注意力残差U-Net生成对抗网络(DARU-GAN) | NA | NA |
| 2730 | 2025-10-07 |
A Deep Learning Framework for Automated Classification and Archiving of Orthodontic Diagnostic Documents
2024-Dec, Cureus
DOI:10.7759/cureus.76530
PMID:39877794
|
研究论文 | 提出基于卷积神经网络的深度学习框架，用于自动化正畸诊断图像的分类和归档 | 采用带有注意力模块的顺序分类方法，结合Grad-CAM可视化验证模型对临床相关特征的关注 | 研究仅聚焦于图像分类任务，尚未实现完整的诊断和治疗规划自动化 | 开发AI驱动的自动化正畸诊断图像分类和归档系统 | 正畸诊断图像 | 计算机视觉 | 口腔正畸 | 深度学习 | CNN | 图像 | 61,842张训练图像和13,729张外部验证图像，来自三家牙科诊所，涵盖13个类别 | NA | ResNet50, InceptionV3, 带注意力模块的自定义模型 | 准确率 | NA |
| 2731 | 2025-10-07 |
A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1480792
PMID:39871993
|
研究论文 | 开发基于CTA图像的深度学习模型用于颈动脉斑块检测，并进行两步早期临床验证研究 | 结合ResUNet与金字塔场景解析网络(PSPNet)增强斑块分割，采用两步早期临床验证研究模拟真实临床诊断场景 | 回顾性单中心研究，样本量相对有限 | 开发颈动脉斑块检测的深度学习模型并评估其临床应用可行性和价值 | 颈动脉粥样硬化斑块患者 | 计算机视觉 | 心血管疾病 | CTA成像 | 深度学习 | 医学图像 | 647例患者(训练集475例，验证集86例，测试集86例) | NA | ResUNet,PSPNet | 召回率,敏感度,精确度 | NA |
| 2732 | 2025-10-07 |
Deep learning-enabled exploration of global spectral features for photosynthetic capacity estimation
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1499875
PMID:39872203
|
研究论文 | 提出一种基于注意力机制和植被指数计算的深度学习模型，用于挖掘全球光谱特征以准确估算光合作用能力 | 开发具有增强可解释性的深度学习模型，能够发现最优植被指数形式并优于传统方法 | NA | 准确估算光合作用能力 | 植物光合作用能力 | 机器学习 | NA | 光谱分析 | 深度学习 | 光谱数据 | NA | NA | 注意力机制 | 决定系数(R), 均方根误差(RMSE) | NA |
| 2733 | 2025-10-07 |
Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1460354
PMID:39872877
|
研究论文 | 提出一种基于对比学习和Transformer的模型，用于预测冠状动脉支架植入术后接受双抗血小板治疗患者的不良事件风险 | 首次将对比学习与Transformer架构结合用于DAPT不良事件预测，通过最大化类内相似性和区分类间差异优化预测性能 | 使用回顾性真实世界数据，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证 | 提高冠状动脉支架植入术后患者双抗血小板治疗不良事件的预测准确性 | 接受药物洗脱支架植入的成年患者 | 医疗人工智能 | 心血管疾病 | 深度学习 | Transformer, 自编码器, 对比学习 | 临床电子健康记录 | 19,713名成年患者 | NA | Transformer, 自编码器 | 时间依赖性一致性指数(Ctd-index) | NA |
| 2734 | 2025-01-28 |
Artificial Intelligence in Fetal and Pediatric Echocardiography
2024-Dec-25, Children (Basel, Switzerland)
DOI:10.3390/children12010014
PMID:39857845
|
综述 | 本文综述了人工智能在胎儿和儿科超声心动图中的应用、挑战和未来方向 | 探讨了人工智能在自动化图像采集、图像分割、先天性心脏病检测和测量方面的潜力 | 数据集数量少、算法透明度、医生对AI的接受度以及可访问性等问题仍需解决 | 研究人工智能在胎儿和儿科超声心动图中的应用 | 胎儿和儿科患者 | 医学影像 | 先天性心脏病 | 机器学习和深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 2735 | 2025-01-29 |
A simple 2D multibody model to better quantify the movement quality of anterior cruciate ligament patients during single leg hop
2024-Dec, Acta orthopaedica Belgica
IF:0.5Q4
DOI:10.52628/90.4.12600
PMID:39869863
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2736 | 2024-11-21 |
Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy
2024-Nov, The Journal of physiology
DOI:10.1113/JP287001
PMID:39425751
|
研究论文 | 本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用 | 本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力 | 研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证 | 评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用 | 患有缺氧缺血性脑病（HIE）的足月新生儿 | 机器学习 | 新生儿疾病 | 近红外光谱（NIRS） | 机器学习模型和深度学习模型 | 信号 | 58名足月婴儿 | NA | NA | NA | NA |
| 2737 | 2025-01-29 |
Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group
2024-Sep-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb-02474-2024-02
PMID:39869478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2738 | 2024-08-05 |
Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view
2024-06-20, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-024-19118-0
PMID:38902622
|
研究论文 | 本文提出了一种可扩展的低成本算法，通过深度学习和谷歌街景图像估计头盔佩戴率 | 结合深度学习对象检测技术和谷歌街景图像的新方法，提供全球范围内的头盔佩戴率估算 | 研究样本仅限于3995张图像，可能影响算法的普遍适用性 | 旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定 | 使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 3995张图像 | NA | NA | NA | NA |
| 2739 | 2024-08-05 |
Leveraging data science and machine learning for urban climate adaptation in two major African cities: a HE2AT Center study protocol
2024-06-18, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2023-077529
PMID:38890141
|
研究论文 | 该研究旨在了解非洲城市中与热相关的健康影响复杂性 | 创新点在于综合健康、社会经济、气候和卫星影像数据来映射城市热风险，并建立热健康预测模型和预警系统 | 该研究主要集中于两座城市，可能无法广泛适用于其他地区 | 研究目的是促进非洲城市的气候适应能力，保护受到热危害不成比例影响的人群 | 研究对象包括在约翰内斯堡和阿比让进行的成人临床试验或队列研究的健康相关数据集 | 机器学习 | NA | 统计评估、机器学习和深度学习技术 | NA | 健康、社会经济、气候和卫星影像数据 | 2000年至2022年在约翰内斯堡和阿比让的成人临床试验或队列研究的健康数据 | NA | NA | NA | NA |
| 2740 | 2025-10-07 |
Histopathology and proteomics are synergistic for High-Grade Serous Ovarian Cancer platinum response prediction
2024-Jun-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.01.24308293
PMID:38883738
|
研究论文 | 本研究通过结合组织病理学全切片图像和蛋白质组学特征，开发多模态深度学习框架以预测高级别浆液性卵巢癌的铂类药物反应 | 首次将H&E染色全切片图像与蛋白质组特征通过多模态深度学习结合，在预测铂类反应和患者总生存期方面优于传统HRD评分 | NA | 提高高级别浆液性卵巢癌患者对铂类化疗反应的预测准确性 | 高级别浆液性卵巢癌患者 | 数字病理学 | 卵巢癌 | H&E染色，蛋白质组学，全切片成像 | 多模态深度学习 | 图像，蛋白质组数据 | NA | NA | NA | 预测准确性，生存分析 | NA |