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 3695 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 | 2025-10-07 |
Novel deep reinforcement learning based collision avoidance approach for path planning of robots in unknown environment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312559
PMID:39821118
|
研究论文 | 提出了一种基于深度强化学习的机器人路径规划方法，用于在未知环境中实现碰撞避免 | 将Q学习与深度学习相结合的新型强化学习算法，在狭窄和拥挤的通道环境中表现出优越性能 | 在狭窄通道环境中需要400次迭代才能收敛，收敛速度仍有提升空间 | 解决机器人在未知环境中的路径规划和碰撞避免问题 | 机器人运动规划系统 | 机器学习 | NA | 强化学习，深度学习 | Q-learning | 环境传感器数据 | 在拥挤环境中210次迭代收敛，在狭窄通道中400次迭代收敛 | NA | 深度强化学习网络 | 转弯次数，收敛速度 | NA |
| 2522 | 2025-10-07 |
Correction: Secure deep learning for distributed data against malicious central server
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318164
PMID:39847555
|
correction | 对一篇关于分布式数据安全深度学习的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2523 | 2025-10-07 |
Pedestrian POSE estimation using multi-branched deep learning pose net
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312177
PMID:39854382
|
研究论文 | 提出一种多分支深度学习姿态网络用于行人全身姿态估计和方向识别 | 开发了多分支深度学习姿态网络(MBDLP-Net)，能够有效识别行人的全身姿态和方向，在复杂场景下表现优异 | NA | 通过计算机视觉工具自动分析行人行为和意图 | 行人全身姿态和方向估计 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用四个数据集：BDBO、PKU-Reid、TUD Multiview Pedestrians和CIFAR-100(100个类别) | NA | 多分支深度学习姿态网络(MBDLP-Net) | 平均准确率 | NA |
| 2524 | 2025-10-07 |
Clinical validation of an artificial intelligence algorithm for classifying tuberculosis and pulmonary findings in chest radiographs
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1512910
PMID:39991462
|
研究论文 | 评估基于卷积神经网络的人工智能算法在胸部X光片解读中的性能，并与医师团队进行比较 | 使用真实世界数据验证AI算法在多样化医疗环境中的有效性，并评估算法热图对医师决策的影响 | 回顾性研究设计，算法在93%的情况下未影响医师决策 | 评估AI算法在胸部X光片解读中的性能及其对非专科医师的辅助价值 | 胸部X光片及参与验证的医师团队 | 计算机视觉 | 肺结核 | 胸部X光成像 | CNN | 医学影像 | 2021年1月至2023年7月期间的回顾性数据 | NA | 三个独立模型分别用于肺部异常、放射学发现和肺结核检测 | AUC, 准确率, 灵敏度, 特异性 | NA |
| 2525 | 2025-04-01 |
Segmentation of the iliac crest from CT-data for virtual surgical planning of facial reconstruction surgery using deep learning
2025-01-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83031-0
PMID:39773990
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于从CT数据中分割髂嵴，以辅助面部重建手术的虚拟规划 | 首次采用3D U-Net架构的卷积神经网络实现髂嵴的自动化分割，并应用迁移学习优化模型训练 | 研究仅针对髂嵴分割，未涉及其他骨骼结构的自动化处理 | 开发自动化分割髂嵴的方法，以支持数字化手术规划流程 | 髂嵴的CT影像数据 | 数字病理 | 面部重建手术 | CT成像 | 3D U-Net | CT影像 | 1,398个手动分割的数据集（其中400个用于训练和验证，177个用于测试） | NA | NA | NA | NA |
| 2526 | 2025-04-01 |
Prediction of white matter hyperintensities evolution one-year post-stroke from a single-point brain MRI and stroke lesions information
2025-01-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83128-6
PMID:39774013
|
研究论文 | 本研究利用单点脑MRI和卒中病灶信息预测卒中后一年白质高信号（WMH）的演变 | 结合卒中病灶信息并使用概率深度学习模型预测WMH演变，提出了一种新的体积损失函数以提高预测准确性 | 研究主要针对轻度卒中事件后的WMH演变，可能不适用于其他类型的卒中或脑部疾病 | 预测卒中后一年白质高信号的演变，以支持个性化治疗干预 | 轻度卒中患者的白质高信号（WMH）和卒中病灶 | 数字病理学 | 心血管疾病 | T2-FLAIR脑MRI | Probabilistic U-Net | 图像 | NA | NA | NA | NA | NA |
| 2527 | 2025-04-01 |
Multi-scale feature fusion of deep convolutional neural networks on cancerous tumor detection and classification using biomedical images
2025-01-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84949-1
PMID:39774273
|
研究论文 | 本文提出了一种基于多尺度特征融合的深度卷积神经网络（MFFDCNN-CTDC）模型，用于生物医学图像中的癌症肿瘤检测和分类 | 结合ResNet50和EfficientNet架构进行多尺度特征融合，并采用混合烟花鲸鱼优化算法（FWWOA）进行参数调优 | 未提及模型在临床环境中的实际应用效果及泛化能力 | 开发一种高效的癌症肿瘤检测和分类方法 | 皮肤癌肿瘤 | 数字病理学 | 皮肤癌 | 深度学习 | CNN（ResNet50, EfficientNet, Unet3+, CAE） | 图像 | ISIC 2017和HAM10000数据集 | NA | NA | NA | NA |
| 2528 | 2025-04-01 |
Deep learning-based encryption scheme for medical images using DCGAN and virtual planet domain
2025-01-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84186-6
PMID:39774748
|
research paper | 提出了一种基于DCGAN和VPD的医学图像加密新技术 | 整合DCGAN和VPD方法生成诱饵图像，并利用时间戳、随机数和1-DEC映射生成加密密钥 | 未明确提及具体样本量或实验数据集的详细构成 | 增强医学图像的安全性，防止未经授权的访问和篡改 | 医学图像 | 数字病理 | NA | DCGAN, VPD, 1-DEC映射 | DCGAN | image | NA | NA | NA | NA | NA |
| 2529 | 2025-04-01 |
Ensemble genetic and CNN model-based image classification by enhancing hyperparameter tuning
2025-01-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76178-3
PMID:39762285
|
研究论文 | 提出了一种结合遗传算法和卷积神经网络的集成模型（EGACNN），通过优化超参数来提升图像分类的效率和准确率 | 结合遗传算法（GA）和卷积神经网络（CNN）进行超参数优化，提出EGACNN模型，显著提高了图像分类的准确率 | 研究仅基于MNIST数据集，未在其他更复杂的数据集上进行验证 | 提升基于CNN的图像分类系统的性能，利用集成学习和遗传算法的优势 | 图像分类模型 | 计算机视觉 | NA | 遗传算法（GA） | CNN, GA, 集成学习（EGACNN, CSNN） | 图像 | MNIST数据集 | NA | NA | NA | NA |
| 2530 | 2025-04-01 |
Prediction of ECG signals from ballistocardiography using deep learning for the unconstrained measurement of heartbeat intervals
2025-01-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84049-0
PMID:39762351
|
研究论文 | 利用深度学习从心冲击图(BCG)信号中提取心电图(ECG)波形，并探索其在R-R间期(RRI)估计中的应用 | 提出了一种基于双向长短期记忆网络(BiLSTM)的深度学习模型，能够从BCG信号中预测ECG信号，实现无约束的心跳间隔测量 | 模型在长期记录数据上的泛化能力仍有提升空间，且样本量相对较小(18名参与者用于训练，12名用于验证) | 开发一种无约束的心率监测方法，适用于家庭环境中的长期心脏健康监测 | 心冲击图(BCG)信号和心电图(ECG)信号 | 机器学习 | 心血管疾病 | 深度学习信号处理 | BiLSTM | 生理信号(BCG和ECG) | 18名参与者用于训练模型，12名不同参与者用于长期记录验证 | NA | NA | NA | NA |
| 2531 | 2025-04-01 |
Explainable attention based breast tumor segmentation using a combination of UNet, ResNet, DenseNet, and EfficientNet models
2025-01-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84504-y
PMID:39762417
|
研究论文 | 本研究提出了一种基于改进UNet架构的深度学习技术，用于乳腺肿瘤分割，结合了注意力机制和先进的编码器架构 | 结合了CBAM和非局部注意力机制，以及ResNet、DenseNet和EfficientNet等先进的编码器架构，显著提升了分割性能 | 未来研究需探索多模态成像、实时临床应用以及更先进的注意力机制以进一步提升分割性能 | 提高乳腺肿瘤分割的准确性和可靠性 | 乳腺超声图像（BUSI）数据集中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | UNet、ResNet、DenseNet、EfficientNet | 图像 | BUSI数据集中的乳腺超声图像 | NA | NA | NA | NA |
| 2532 | 2025-04-01 |
Diagnostic Performance of a Computer-aided System for Tuberculosis Screening in Two Philippine Cities
2025, Acta medica Philippina
DOI:10.47895/amp.vi0.8950
PMID:39967706
|
research paper | 评估qXR3.0技术在菲律宾两个城市中用于结核病筛查的诊断性能 | 首次在菲律宾本地评估基于AI的结核病筛查系统qXR3.0的性能，并与放射科医生的诊断进行比较 | 样本量较小（82名参与者），未来研究需要更大样本量验证结果 | 评估qXR3.0技术在结核病筛查中的诊断性能，并验证其是否符合WHO标准 | 菲律宾15岁及以上成年人 | digital pathology | tuberculosis | deep learning neural networks (DLNNs) | qXR3.0 | chest radiographs (CXRs) | 82名参与者 | NA | NA | NA | NA |
| 2533 | 2025-04-01 |
Detection of ionospheric disturbances with a sparse GNSS network in simulated near-real time Mw 7.8 and Mw 7.5 Kahramanmaraş earthquake sequence
2025, GPS solutions
IF:4.5Q1
DOI:10.1007/s10291-024-01808-2
PMID:39990601
|
研究论文 | 本文开发了一种近实时检测电离层扰动的方法，用于识别由地震引起的电离层异常信号 | 利用LSTM神经网络自动检测地震引起的电离层扰动，无需事先知晓地震事件 | 方法在夜间电离水平较低时可能无法检测到较小幅度的扰动 | 开发近实时电离层扰动检测方法，用于地震监测 | 由Kahramanmaraş地震序列引起的电离层扰动 | 地球物理监测 | NA | GNSS总电子含量(TEC)测量 | LSTM | 卫星信号数据 | 2023年2月6日Kahramanmaraş地震序列数据 | NA | NA | NA | NA |
| 2534 | 2025-03-30 |
Correction: Detection and recognition of foreign objects in Pu-erh Sun-dried green tea using an improved YOLOv8 based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321409
PMID:40153338
|
correction | 对一篇关于使用改进的YOLOv8深度学习模型检测和识别普洱茶晒青毛茶中外来物的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2535 | 2025-03-29 |
Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf043
PMID:40139910
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2536 | 2025-03-30 |
Impact of imbalanced features on large datasets
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1455442
PMID:40151465
|
research paper | 本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响 | 研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术 | 未提及具体的数据集大小或实验的具体细节 | 探索类别不平衡对图像分类性能的影响 | 图像和视频数据 | computer vision | NA | Distributed Gaussian (D-GA), Distributed Poisson (D-PO) | Random Forest (RF), SVM, deep learning models | image, video | large datasets（未提及具体数量） | NA | NA | NA | NA |
| 2537 | 2025-03-30 |
Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1404564
PMID:40151568
|
研究论文 | 本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估 | 系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度 | NA | 提高大规模农场中羊群个体监测的准确性和效率 | 羊群 | 计算机视觉 | NA | 深度学习 | YOLOv5s, GhostNet, EfficientNet | 图像 | NA | NA | NA | NA | NA |
| 2538 | 2025-03-30 |
Transformer-based ensemble model for dialectal Arabic sentiment classification
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2644
PMID:40151815
|
研究论文 | 该研究提出了一种基于Transformer的集成模型，用于方言阿拉伯语的情感分类 | 提出了一种基于Transformer的集成模型，在方言阿拉伯语情感分类任务中表现优于传统机器学习和深度学习模型 | 研究仅限于三个基准数据集，可能无法涵盖所有方言阿拉伯语的变体 | 提高方言阿拉伯语情感分类的准确性和性能 | 阿拉伯语推文的情感分类 | 自然语言处理 | NA | AraVec, FastText, AraBERT, TF-IDF | Transformer-based ensemble model, SVM, NB, DT, XGBoost, CNN, BLSTM, CAMeLBERT, XLM-RoBERTa, MARBERT | 文本 | 三个基准数据集：ASTD、ASAD和TEAD | NA | NA | NA | NA |
| 2539 | 2025-03-30 |
A semantic segmentation-based automatic pterygium assessment and grading system
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1507226
PMID:40151829
|
研究论文 | 本研究开发了一种结合深度学习和图像处理技术的自动翼状胬肉评估和分级系统 | 通过整合语义分割和曲线拟合技术，实现了翼状胬肉的自动分级，与医生临床评估高度一致 | 数据集的构建仍需在未来研究中进一步优化 | 开发自动化的翼状胬肉评估系统以优化治疗并减轻患者痛苦 | 翼状胬肉患者 | 数字病理学 | 眼部疾病 | 深度学习、图像处理 | 改进的TransUnet架构 | 图像 | 临床数据集中的裂隙灯显微镜图像 | NA | NA | NA | NA |
| 2540 | 2025-03-29 |
Explainable artificial intelligence with UNet based segmentation and Bayesian machine learning for classification of brain tumors using MRI images
2025-01-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84692-7
PMID:39753735
|
研究论文 | 本文提出了一种结合UNet分割和贝叶斯机器学习的新型可解释人工智能技术，用于MRI图像中脑肿瘤的分类 | 提出了一种新的可解释人工智能技术XAISS-BMLBT，结合了MEDU-Net+分割、ResNet50特征提取和贝叶斯正则化人工神经网络（BRANN）分类，以及改进的径向移动优化模型进行超参数调优 | 未提及具体的数据集大小和多样性，可能影响模型的泛化能力 | 提高脑肿瘤在MRI图像中的分割和分类准确率，以辅助医生进行更快速和准确的诊断 | MRI图像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | MRI扫描、深度学习 | UNet、ResNet50、BRANN | 图像 | 使用了基准数据库，但未提及具体样本数量 | NA | NA | NA | NA |