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 3218 篇文献，本页显示第 2621 - 2640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2621 | 2025-01-29 |
Application of Additive Manufacturing and Deep Learning in Exercise State Discrimination
2025-Jan-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25020389
PMID:39860758
|
研究论文 | 本文介绍了3D打印和深度学习技术在智能可穿戴设备中的应用，用于检测运动疲劳状态 | 结合3D打印和LSTM神经网络设计智能可穿戴设备，提高了运动疲劳状态检测的准确性和舒适性 | 当前可穿戴传感设备的不适感和不精确性，以及疲劳检测方法的稳定性尚未完全解决 | 优化运动训练，预防过度疲劳和伤害，提高训练效率和安全性 | 运动疲劳状态 | 机器学习 | NA | 3D打印，深度学习 | LSTM | 生物电信号 | 大量数值实验 | NA | NA | NA | NA |
| 2622 | 2025-01-28 |
A Novel Ensemble Meta-Model for Enhanced Retinal Blood Vessel Segmentation Using Deep Learning Architectures
2025-Jan-09, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13010141
PMID:39857725
|
研究论文 | 本文提出了一种新颖的集成学习框架，结合了四种深度学习架构，用于增强视网膜血管分割 | 提出了一种结合U-Net、ResNet50、U-Net与ResNet50骨干以及U-Net与transformer块的集成学习框架，通过堆叠方法整合预测，实现了最先进的性能 | NA | 提高视网膜血管分割的准确性，以辅助诊断视网膜疾病 | 视网膜图像中的血管 | 计算机视觉 | 糖尿病视网膜病变、青光眼、高血压视网膜病变 | 深度学习 | U-Net, ResNet50, Transformer | 图像 | DRIVE和STARE数据集 | NA | NA | NA | NA |
| 2623 | 2025-01-28 |
Precision Medicine Assessment of the Radiographic Defect Angle of the Intrabony Defect in Periodontal Lesions by Deep Learning of Bitewing Radiographs
2025-Jan-08, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12010043
PMID:39851317
|
研究论文 | 本研究通过深度学习分析咬翼X光片中的骨内缺损放射线缺损角度，以评估牙周病的严重程度，从而优化治疗计划 | 采用一系列新颖的图像增强技术显著提高了诊断准确性，并使用YOLOv8模型检测受影响的牙齿 | 未提及样本的具体数量或多样性，可能影响模型的泛化能力 | 通过分析骨内缺损的放射线缺损角度，评估牙周病的严重程度，以优化治疗计划并改善患者护理 | 牙周病患者的咬翼X光片 | 计算机视觉 | 牙周病 | 深度学习 | YOLOv8 | 图像 | NA | NA | NA | NA | NA |
| 2624 | 2025-01-28 |
DeepGenMon: A Novel Framework for Monkeypox Classification Integrating Lightweight Attention-Based Deep Learning and a Genetic Algorithm
2025-Jan-08, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15020130
PMID:39857013
|
研究论文 | 本文提出了一种名为DeepGenMon的新型轻量级框架，用于准确分类各种皮肤病，如水痘、黄褐斑、猴痘等 | 该框架结合了基于注意力的卷积神经网络（CNN）和遗传算法（GA），以提高检测准确性并优化模型超参数 | 虽然模型在低资源环境下表现良好，但仍需进一步验证其在更大规模和多样化数据集上的性能 | 提高猴痘及其他皮肤病的早期检测和分类准确性 | 猴痘及其他皮肤病 | 计算机视觉 | 猴痘 | 基于注意力的卷积神经网络（CNN）和遗传算法（GA） | CNN | 图像 | 数据集1包含847张皮肤病图像，数据集2包含659张分类图像 | NA | NA | NA | NA |
| 2625 | 2025-01-28 |
Graph Convolutional Network with Neural Collaborative Filtering for Predicting miRNA-Disease Association
2025-Jan-08, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13010136
PMID:39857720
|
研究论文 | 本文提出了一种结合图卷积网络和神经协同过滤的机器学习模型，用于预测miRNA与疾病的关联 | 创新点在于结合了图卷积网络和神经协同过滤技术，有效捕捉网络中的miRNA和疾病特征向量，并保持网络结构 | 未提及具体局限性 | 研究目的是预测与疾病相关的miRNA，以理解人类疾病的潜在发病机制 | 研究对象是miRNA与疾病的关联 | 机器学习 | NA | 图卷积网络（GCN），神经协同过滤（NCF） | GCNCF | 网络数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2626 | 2025-01-28 |
Diabetes Prediction Through Linkage of Causal Discovery and Inference Model with Machine Learning Models
2025-Jan-07, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13010124
PMID:39857708
|
研究论文 | 本研究通过结合AI模型和因果发现与推理模型，预测糖尿病并定量分析其因果关系 | 结合AI模型与因果推理模型，不仅提供预测性能，还深入分析影响糖尿病的因素 | NA | 预测糖尿病并分析其因果关系 | 糖尿病患者 | 机器学习 | 糖尿病 | 因果发现技术（如LiNGAM） | 逻辑回归、深度学习、梯度提升、决策树 | 结构化数据 | Kaggle提供的国家糖尿病、消化和肾脏疾病研究所数据集 | NA | NA | NA | NA |
| 2627 | 2025-01-28 |
A Line of Sight/Non Line of Sight Recognition Method Based on the Dynamic Multi-Level Optimization of Comprehensive Features
2025-Jan-07, Sensors (Basel, Switzerland)
DOI:10.3390/s25020304
PMID:39860672
|
研究论文 | 本文提出了一种基于动态多级优化综合特征（DMOCF）的网络模型，用于识别5G信号中的视距（LOS）和非视距（NLOS）传播状态，以提高定位精度 | 通过向时间延迟神经网络（TDNN）添加res2模块和Squeeze and Excitation（SE）块，增强了模型的表达能力，使其能够深入理解信号中的细粒度特征信息，并通过添加具有位置编码的mamba模块来捕捉复杂传播现象下的局部模式 | NA | 提高5G信号在复杂环境中的定位精度，特别是在室内紧急救援、智能工厂管理和跟踪以及精准营销等场景中的应用 | 5G信号的传播状态（LOS/NLOS） | 机器学习 | NA | 动态多级优化综合特征（DMOCF）网络模型 | 时间延迟神经网络（TDNN） | 5G信道脉冲响应（CIR）信号 | NA | NA | NA | NA | NA |
| 2628 | 2025-01-28 |
Applying MLP-Mixer and gMLP to Human Activity Recognition
2025-Jan-07, Sensors (Basel, Switzerland)
DOI:10.3390/s25020311
PMID:39860680
|
研究论文 | 本文探讨了MLP-Mixer和gMLP在人类活动识别（HAR）中的应用，通过减少MLP层中的超参数值来评估这些模型的性能 | 提出了在传感器数据上使用较少的参数实现与图像处理任务相当的准确性，从而减少内存需求和计算复杂度 | 研究仅针对MLP-Mixer和gMLP模型，未涵盖其他可能适用于HAR的深度学习模型 | 评估MLP-Mixer和gMLP在人类活动识别任务中的性能，并探索减少参数对模型性能的影响 | 人类活动识别（HAR）任务 | 机器学习 | NA | 深度学习 | MLP-Mixer, gMLP, CNN | 传感器数据 | NA | NA | NA | NA | NA |
| 2629 | 2025-01-29 |
Research on grading detection methods for diabetic retinopathy based on deep learning
2025-Jan, Pakistan journal of medical sciences
IF:1.2Q2
DOI:10.12669/pjms.41.1.9171
PMID:39867796
|
研究论文 | 本文设计了一种基于深度学习的模型，用于糖尿病视网膜病变的早期筛查，并提供可解释的判断依据 | 采用Vision Transformer架构，结合公开的EyePACS数据集进行训练，并在预测病变区域方面表现优异 | 模型仅在IDRiD数据集的两个子集上进行了验证，可能需要更多样化的数据集进一步验证其泛化能力 | 实现糖尿病视网膜病变的早期筛查并提供可解释的诊断依据 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | Vision Transformer | 图像 | 使用EyePACS数据集进行训练，并在IDRiD数据集的两个子集上进行验证 | NA | NA | NA | NA |
| 2630 | 2025-01-29 |
Nanopore sequencing to detect A-to-I editing sites
2025, Methods in enzymology
DOI:10.1016/bs.mie.2024.11.028
PMID:39870444
|
研究论文 | 本文介绍了使用纳米孔直接RNA测序技术结合深度学习模型Dinopore来检测A-to-I RNA编辑位点 | 利用纳米孔直接RNA测序技术结合深度学习模型Dinopore，直接检测A-to-I RNA编辑位点，避免了传统方法的间接性和混淆问题 | NA | 检测A-to-I RNA编辑位点，以研究其在生物体中的编辑景观 | A-to-I RNA编辑位点 | 生物信息学 | NA | 纳米孔直接RNA测序 | 深度学习模型Dinopore | RNA序列数据 | NA | NA | NA | NA | NA |
| 2631 | 2025-01-29 |
Deep Learning MRI Reconstruction Delivers Superior Resolution and Improved Diagnostics
2025-Jan, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242952
PMID:39873600
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2632 | 2025-01-29 |
Deep Learning Superresolution for Simultaneous Multislice Parallel Imaging-Accelerated Knee MRI Using Arthroscopy Validation
2025-Jan, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241249
PMID:39873603
|
研究论文 | 本研究验证了深度学习超分辨率MRI在膝关节成像中的诊断性能，并与传统的加速MRI进行了比较 | 使用深度学习超分辨率技术提升加速MRI的图像质量，并通过关节镜检查作为独立参考标准进行验证 | 研究样本量相对较小（116名成人），且仅在膝关节成像中进行了验证 | 验证深度学习超分辨率MRI在膝关节成像中的诊断性能 | 患有膝关节疼痛的成人患者 | 医学影像 | 膝关节疾病 | 深度学习超分辨率技术 | 深度学习模型 | MRI图像 | 116名成人（平均年龄45岁，74名男性） | NA | NA | NA | NA |
| 2633 | 2025-01-28 |
Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach
2025-Jan-27, Plant, cell & environment
DOI:10.1111/pce.15393
PMID:39866067
|
研究论文 | 本研究利用AVIRIS-NG高光谱数据和机器学习技术，开发了一个包含130种植物物种的光谱库，用于精确分类植物功能类型（PFTs） | 通过高光谱数据生成光谱库，结合机器学习方法，显著提高了植物功能类型分类的准确性 | 研究仅限于Shoolpaneshwar野生动物保护区的植物物种，可能不适用于其他地区 | 推进植物功能类型（PFTs）的分类和监测 | Shoolpaneshwar野生动物保护区的130种植物物种 | 机器学习 | NA | AVIRIS-NG高光谱成像和ASD手持光谱辐射计 | Parzen Window (PW), Gradient Boosted Machine (GBM), Stochastic Gradient Descent (SGD) | 高光谱图像 | 130种植物物种 | NA | NA | NA | NA |
| 2634 | 2025-01-28 |
Introduction to Memristive Mechanisms and Models
2025-Jan-24, Recent patents on nanotechnology
IF:2.0Q3
|
研究论文 | 本文介绍了忆阻系统的机制和模型，探讨了其在神经形态计算中的应用 | 本文结合了Chua开发的动态系统框架和统计物理学及渗流理论，提供了对忆阻系统复杂动态行为的深入理解，并探讨了其在深度学习方法中的成功应用 | 本文主要关注理论模型和框架，缺乏对实际硬件实现的详细讨论 | 探讨忆阻系统在神经形态计算中的应用，以应对人工智能发展带来的计算能力需求增长 | 忆阻系统及其在神经形态计算中的应用 | 机器学习 | NA | NA | 动态系统模型、渗流理论模型 | NA | NA | NA | NA | NA | NA |
| 2635 | 2025-01-28 |
Deep learning for kidney trauma detection: CT image algorithm performance and external validation: experimental study
2025-Jan-24, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002221
PMID:39869390
|
研究论文 | 本研究开发并验证了一种用于检测肾脏创伤的深度学习算法，使用机构创伤数据和RSNA数据集进行外部验证 | 首次将深度学习技术应用于肾脏创伤的CT图像检测，并通过外部验证展示了其稳健性能 | 模型在外部验证中的阳性预测值较低，可能需要进一步优化图像分割和计算效率 | 开发并验证一种用于检测肾脏创伤的深度学习算法 | 肾脏创伤的CT图像 | 医学影像 | 肾脏创伤 | 深度学习 | RenoTrNet | CT图像 | 机构创伤数据和RSNA数据集中的随机选择病例 | NA | NA | NA | NA |
| 2636 | 2025-10-07 |
Generalization Analysis of Transformers in Distribution Regression
2025-Jan-21, Neural computation
IF:2.7Q3
DOI:10.1162/neco_a_01726
PMID:39556504
|
研究论文 | 本文提出了一个基于分布回归的Transformer学习框架，通过注意力算子分析Transformer的泛化能力 | 提出了注意力算子的数学表述，证明Transformer能将分布无损压缩为函数表示，并建立了泛化界 | 理论研究缺乏实证验证，实际应用效果需要进一步检验 | 分析Transformer在分布回归中的泛化能力及其数学机制 | Transformer模型及其在分布回归中的应用 | 机器学习 | NA | 分布回归，注意力机制分析 | Transformer | 分布数据 | NA | NA | Transformer | 泛化界 | NA |
| 2637 | 2025-10-07 |
Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging
2025-Jan, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.11.002
PMID:39549604
|
研究论文 | 本研究使用深度学习技术从非衰减校正SPECT图像生成伪CT图像，用于99mTc-GSA SPECT/CT肝脏成像中的衰减校正 | 首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露 | 研究样本量较小，仅包含正常和异常肝功能患者各一例，且需要进一步研究不同肝脏形态和各种肝脏疾病的影响 | 评估基于深度学习的衰减校正方法在99mTc-GSA SPECT/CT肝脏成像中的准确性和可行性 | 99mTc标记的半乳糖化人血清白蛋白SPECT/CT肝脏成像 | 医学影像分析 | 肝脏疾病 | SPECT/CT成像, 深度学习 | GAN | 医学影像 | 2例患者（正常和异常肝功能各1例） | NA | CycleGAN | 总肝脏计数, 结构相似性指数, 变异系数 | NA |
| 2638 | 2025-10-07 |
Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors
2025-Jan, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.11.027
PMID:39667265
|
研究论文 | 比较使用深度学习重建的屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的应用效果 | 首次将深度学习重建技术应用于屏气扩散加权磁共振成像，并与传统导航触发技术进行系统比较 | 样本量有限（91例患者），未详细说明深度学习模型的具体架构和训练细节 | 评估深度学习重建的屏气扩散加权磁共振成像在恶性肝肿瘤诊断中的可行性 | 恶性肝肿瘤患者 | 医学影像分析 | 肝癌 | 扩散加权磁共振成像，深度学习重建 | 深度学习 | 磁共振影像 | 91例恶性肝肿瘤患者 | NA | NA | 信噪比，对比噪声比，表观扩散系数值，图像质量评分 | 3T磁共振系统 |
| 2639 | 2025-01-27 |
Identifying protected health information by transformers-based deep learning approach in Chinese medical text
2025 Jan-Mar, Health informatics journal
IF:2.2Q3
DOI:10.1177/14604582251315594
PMID:39862116
|
研究论文 | 本文提出了一种基于BERT的深度学习算法，用于识别中文临床文本中的隐私信息，并验证了该方法在中国临床环境中隐私保护的可行性 | 首次将BERT模型与BiLSTM-CRF结合，用于中文临床文本中的隐私信息识别，并展示了显著的性能提升 | 研究仅基于中国某市级区域健康信息平台的数据，可能无法完全代表其他地区或国家的临床文本特征 | 开发一种有效的深度学习模型，用于识别和保护中文临床文本中的隐私信息 | 中文临床文本中的隐私信息 | 自然语言处理 | NA | BERT, BiLSTM, CRF | BERT-based BiLSTM-CRF | 文本 | 33,017份出院摘要，来自151家医疗机构 | NA | NA | NA | NA |
| 2640 | 2025-01-26 |
Deep learning analyses of splicing variants identify the link of PCP4 with amyotrophic lateral sclerosis
2025-Jan-24, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf025
PMID:39852553
|
研究论文 | 本研究开发了基于深度学习的Spliformer模型，用于预测RNA剪接，并揭示了PCP4与肌萎缩侧索硬化症（ALS）的关联 | 开发了Spliformer和Spliformer-motif模型，能够准确预测和解释pre-mRNA剪接，并发现了与ALS相关的罕见剪接变异 | 研究主要依赖于计算模型预测，实验验证部分仍需进一步扩展 | 研究目的是通过深度学习模型预测RNA剪接，并探索ALS的遗传机制 | 研究对象包括ALS患者和对照组的全基因组测序数据、RNA-seq数据以及Clinvar数据集 | 自然语言处理 | 肌萎缩侧索硬化症 | RNA-seq、全基因组测序（WGS）、minigene实验 | Transformer | 基因组数据、RNA-seq数据 | 1,370名ALS患者的全基因组测序数据 | NA | NA | NA | NA |