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 3708 篇文献，本页显示第 2521 - 2540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2521 | 2025-04-06 |
Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3534559
PMID:40031253
|
研究论文 | 提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足 | 通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性 | 方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现 | 提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程 | 有限数据CT重建 | 数字病理 | NA | 深度学习 | PAIL（包含RDM、IDM和WDM模块） | CT图像 | 两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集 | NA | NA | NA | NA |
| 2522 | 2025-04-06 |
Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3539477
PMID:40031436
|
研究论文 | 本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能 | 设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力 | 未提及具体的数据集规模限制或模型在特定场景下的适用性限制 | 改进水下图像质量评估的准确性和可靠性 | 水下退化图像 | 计算机视觉 | NA | 深度学习 | EDANet (包含DIDNet和DQENet子网络) | 图像 | 在两个基准数据集上进行了测试（未提及具体样本数量） | NA | NA | NA | NA |
| 2523 | 2025-04-06 |
ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3540282
PMID:40031538
|
research paper | 本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率 | 提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题 | 未提及具体局限性 | 提高立体匹配算法在实时应用中的准确性和计算效率 | 立体匹配算法 | computer vision | NA | NA | ADStereo | image | 多个公共基准测试数据集（如KITTI stereo 2015） | NA | NA | NA | NA |
| 2524 | 2025-04-06 |
Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3536217
PMID:40031727
|
research paper | 提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法 | 结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络 | 未明确提及具体局限性 | 提高光谱图像去马赛克的重建质量和效率 | 光谱图像 | computer vision | NA | Fourier transform, deep learning | spatial-frequency transformer network | image | 模拟和真实数据（未明确提及具体数量） | NA | NA | NA | NA |
| 2525 | 2025-04-06 |
Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330487
PMID:37983145
|
研究论文 | 提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测 | 结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法 | 未明确说明方法在极端工况或传感器故障情况下的鲁棒性 | 提升复杂系统中剩余使用寿命预测的准确性 | 多传感器监测的工业设备系统 | 机器学习 | NA | 图神经网络（GNN） | GNN | 时间序列传感器数据 | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 2526 | 2025-04-06 |
MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1527300
PMID:40182923
|
研究论文 | 介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA） | 该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义 | 未明确提及具体局限性 | 提高药物-靶标亲和力预测的效率和准确性 | 药物分子和靶蛋白的序列 | 机器学习 | NA | 深度学习 | GCN和CNN | 生物序列数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 2527 | 2025-04-05 |
Accurate V2X traffic prediction with deep learning architectures
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1565287
PMID:40176965
|
研究论文 | 本文提出了一种基于深度学习的V2X环境交通预测方法 | 使用双向长短期记忆网络(BiLSTM)进行交通预测，并与其他深度学习架构进行比较，展示了BiLSTM在预测精度上的优势 | 未提及具体的数据集规模或实际部署中的潜在问题 | 提高V2X通信环境下的交通预测准确性 | V2X通信环境下的交通数据 | 机器学习 | NA | 深度学习 | BiLSTM, LSTM, GRU | 交通数据 | NA | NA | NA | NA | NA |
| 2528 | 2025-04-05 |
A flexible transoral swab sampling robot system with visual-tactile fusion approach
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1520374
PMID:40177224
|
研究论文 | 提出了一种基于视觉-触觉融合方法的经口拭子采样机器人系统，用于自主进行核酸采样 | 采用视觉-触觉融合方法进行导航，结合串并联混合柔性机构实现精确的远端姿态调整 | 初步实验阶段，尚未大规模验证其安全性和准确性 | 解决核酸采样过程中需要大量医护人员参与的问题 | 经口拭子采样机器人系统 | 机器人技术 | COVID-19, 季节性流感 | 深度学习, 视觉-触觉感知 | 深度学习 | 图像, 触觉反馈 | 初步实验阶段，未提及具体样本量 | NA | NA | NA | NA |
| 2529 | 2025-04-05 |
Construction of a predictive model for the efficacy of anti-VEGF therapy in macular edema patients based on OCT imaging: a retrospective study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505530
PMID:40177270
|
研究论文 | 基于OCT影像和深度学习构建预测模型，用于评估抗VEGF治疗黄斑水肿患者的疗效 | 创新性地引入组卷积和多卷积核处理多维特征，结合空间金字塔池化(SPP)提取最有用的特征，并利用ResNet50作为预训练模型进行模型融合 | 研究为回顾性研究，可能存在选择偏倚，且样本量未明确说明 | 开发自动化和高效的方法预测抗VEGF治疗黄斑水肿患者的疗效 | 黄斑水肿患者 | 数字病理 | 黄斑水肿 | OCT成像 | ResNet50结合注意力机制和SPP的深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2530 | 2025-04-05 |
The promise and limitations of artificial intelligence in CTPA-based pulmonary embolism detection
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1514931
PMID:40177281
|
综述 | 本文综述了人工智能在CTPA肺动脉栓塞检测中的应用及其前景与局限性 | 探讨了AI在CTPA图像分析中的能力，特别是在使用深度学习模型检测肺动脉栓塞方面的敏感性和特异性，以及与人类放射科医生的比较 | 算法偏见、可解释性问题以及严格验证的必要性，这些限制了AI在临床实践中的广泛应用 | 研究AI在CTPA肺动脉栓塞检测中的角色，以提高诊断精确性和效率 | CTPA图像中的肺动脉栓塞 | 数字病理学 | 肺动脉栓塞 | 深度学习 | 复杂神经网络 | CTPA图像 | 大型数据集 | NA | NA | NA | NA |
| 2531 | 2025-04-05 |
A Plantar Pressure Detection and Gait Analysis System Based on Flexible Triboelectric Pressure Sensor Array and Deep Learning
2025-01, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202405064
PMID:39473332
|
研究论文 | 开发了一种基于柔性摩擦电压力传感器阵列和深度学习的足底压力检测与步态分析系统 | 采用柔性、透气、可穿戴的静电纺丝纳米纤维膜作为足底压力传感器，并集成了32个FTPS到智能鞋垫中，实现了高灵敏度和无需外部电源的实时步态检测 | 未提及系统在极端环境下的性能表现或长期使用的耐久性测试 | 开发一种可穿戴、自供电的步态检测系统，用于人体健康评估和疾病早期诊断 | 足底压力与步态分析 | 机器学习 | NA | 静电纺丝纳米纤维膜技术 | LSTM | 压力传感器数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 2532 | 2025-04-04 |
Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images
2025, Health data science
DOI:10.34133/hds.0256
PMID:40170800
|
research paper | 评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见 | 首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较 | 研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性 | 探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见 | 皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变） | digital pathology | skin disease | multimodal large language models (LLMs), CNN, vision transformer | ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B | image | 约10,000张皮肤镜图像 | NA | NA | NA | NA |
| 2533 | 2025-04-04 |
Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1511716
PMID:40171113
|
research paper | 提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节 | 结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能 | 现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制 | 提高肺结节检测的准确性和性能 | 肺结节 | digital pathology | lung cancer | Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101 | CHSTM, Resnet-101 | medical images | LUNA-16数据集和LIDC/IDRI数据集 | NA | NA | NA | NA |
| 2534 | 2025-04-04 |
Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251332999
PMID:40171146
|
research paper | 该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类 | 结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果 | 未提及样本的多样性或跨数据集验证的局限性 | 开发高效的步态分类方法以评估行走能力 | 使用智能鞋垫传感器收集的步态数据 | digital health | gait-related disorders | 压力传感器和惯性测量单元（IMU） | deep sequential networks | sensor data（压力信号、IMU数据等） | 未明确提及具体样本数量，仅描述为受试者进行15米步行测试 | NA | NA | NA | NA |
| 2535 | 2025-04-04 |
Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1525650
PMID:40171256
|
研究论文 | 通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向 | 首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库的文献，可能未涵盖所有相关研究 | 评估人工智能在甲状腺癌领域的应用现状和发展趋势 | 2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献 | 数字病理 | 甲状腺癌 | 文献计量分析 | NA | 文献数据 | 956篇文献 | NA | NA | NA | NA |
| 2536 | 2025-04-04 |
Knowledge graph and its application in the study of neurological and mental disorders
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1452557
PMID:40171303
|
综述 | 本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战 | 结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力 | 仍需克服知识图谱在医学领域应用中的障碍和限制 | 研究知识图谱在神经和精神障碍领域的应用及其潜力 | 神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症） | 自然语言处理 | 神经和精神障碍 | 知识图谱（KG） | NA | 医学数据 | NA | NA | NA | NA | NA |
| 2537 | 2025-04-04 |
Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1498913
PMID:40171479
|
研究论文 | 本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用 | 更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力 | 在密集植被中检测花卉及应对环境变化方面仍存在挑战 | 增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测 | 花卉丰富的草地无人机图像 | 计算机视觉 | NA | 无人机成像、深度学习 | Faster R-CNN, SSD, EfficientDet | 图像 | 两个无人机图像数据集 | NA | NA | NA | NA |
| 2538 | 2025-04-03 |
COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States
2025, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2412284
PMID:40160484
|
research paper | 提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹 | 结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应 | 仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段 | 准确预测COVID-19疫情轨迹并制定遏制策略 | 美国各县的COVID-19确诊病例和死亡病例 | machine learning | COVID-19 | NA | LSTM, GRU | time-series data | 美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日） | NA | NA | NA | NA |
| 2539 | 2025-04-03 |
Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia
2025, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcaf109
PMID:40161217
|
research paper | 该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化 | 利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角 | 神经生物学限制尚未明确，生物标志物的特异性有待进一步验证 | 评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制 | 阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者 | digital pathology | Alzheimer's disease, schizophrenia, Type 2 diabetes | structural magnetic resonance imaging (MRI) | deep learning models | MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields) | NA | NA | NA | NA | NA |
| 2540 | 2025-04-03 |
Automatic classification of Giardia infection from stool microscopic images using deep neural networks
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30272
PMID:40161947
|
研究论文 | 本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染 | 与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像 | 样本量相对较小（1610张图像），且仅针对贾第虫感染 | 开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病 | 粪便显微镜图像中的贾第虫寄生虫 | 数字病理学 | 贾第虫病 | 深度学习 | Xception, ResNet-50, EfficientNet-B0 | 图像 | 1610张粪便显微镜图像 | NA | NA | NA | NA |