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 2761 - 2780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2761 | 2025-03-05 |
Advanced driving assistance integration in electric motorcycles: road surface classification with a focus on gravel detection using deep learning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1520557
PMID:40028228
|
研究论文 | 本文提出了一种在嵌入式系统（如Raspberry Pi）上高效运行的深度学习模型，用于实时监测道路状况，特别是砾石检测，以提高摩托车骑手的安全性 | 通过比较多种先进的卷积神经网络架构，确定了EfficientNetV2在推理时间和准确性之间的最佳平衡，特别适合交通密集的城市环境中的实时应用 | 研究主要关注砾石检测，未涉及其他道路状况或更复杂的驾驶辅助功能 | 开发一种能够在嵌入式系统上实时运行的深度学习模型，用于监测道路状况，提高摩托车骑手的安全性 | 摩托车骑手和道路状况，特别是砾石检测 | 计算机视觉 | NA | 深度学习 | CNN（包括EfficientNet和Inception） | 图像 | NA | NA | NA | NA | NA |
| 2762 | 2025-03-05 |
Determining the meter of classical Arabic poetry using deep learning: a performance analysis
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1523336
PMID:40028229
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于准确确定古典阿拉伯诗歌的韵律 | 采用字符级编码保留关键语言特征，并测试了多种深度学习架构，其中双向长短期记忆模型在完整诗句和半诗句数据上均取得了最高准确率 | 未提及模型在其他语言或诗歌类型上的泛化能力 | 开发一种能够准确分类古典阿拉伯诗歌韵律的深度学习模型 | 古典阿拉伯诗歌的韵律 | 自然语言处理 | NA | 深度学习 | LSTM, GRU, Bi-LSTM | 文本 | 未明确提及具体样本数量，但使用了大规模数据集，并按70-15-15的比例划分训练、验证和测试集 | NA | NA | NA | NA |
| 2763 | 2025-03-05 |
Refining Pseudo Labeling via Multi-Granularity Confidence Alignment for Unsupervised Cross Domain Object Detection
2025-Jan-01, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3522807
PMID:40030753
|
研究论文 | 本文提出了一种名为多粒度置信度对齐均值教师（MGCAMT）的新框架，用于无监督跨域目标检测，通过同时缓解类别、实例和图像级别的置信度错位来优化伪标签，从而提升教师-学生学习的性能 | 提出了多粒度置信度对齐均值教师（MGCAMT）框架，通过分类置信度对齐（CCA）、任务置信度对齐（TCA）和图像聚焦置信度对齐（FCA）三个模块，解决了伪标签中的置信度错位问题，从而优化了无监督跨域目标检测的性能 | 未明确提及具体局限性，但可能包括对特定数据集或场景的依赖，以及计算复杂度较高的问题 | 解决无监督跨域目标检测中的伪标签置信度错位问题，提升目标检测模型的泛化能力 | 无监督跨域目标检测中的伪标签生成与优化 | 计算机视觉 | NA | 均值教师（Mean Teacher）、证据深度学习（EDL） | MGCAMT（多粒度置信度对齐均值教师） | 图像 | 未明确提及具体样本数量，但涉及多个场景的实验 | NA | NA | NA | NA |
| 2764 | 2025-10-07 |
A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China's elderly
2025-Jan-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.09.147
PMID:39321977
|
研究论文 | 使用机器学习算法预测中国老年人群抑郁风险因素 | 首次在中国大型代表性老年数据库中应用机器学习方法，从整体和个体层面预测抑郁风险因素 | 需要专业临床输入的进一步研究来推进该领域 | 预测中国老年人群抑郁风险因素 | 中国老年人 | 机器学习 | 精神健康疾病 | 机器学习算法 | 深度学习算法 | 调查问卷数据 | 符合纳入标准的CHARLS第四波参与者 | NA | NA | NA | NA |
| 2765 | 2025-10-07 |
Enhancing repeatability of follicle counting with deep learning reconstruction high-resolution MRI in PCOS patients
2025-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84812-3
PMID:39775101
|
研究论文 | 本研究通过深度学习重建高分辨率MRI技术提升多囊卵巢综合征患者卵泡计数的可重复性 | 首次将深度学习重建技术应用于单次激发快速自旋回波序列，有效补偿图像噪声并提高卵泡检测的可重复性 | 样本量较小（仅22名PCOS患者），且仅由一名观察者评估主观噪声 | 提高PCOS诊断中卵泡计数的准确性和可重复性 | 多囊卵巢综合征患者的卵巢MRI图像 | 医学影像分析 | 多囊卵巢综合征 | PROPELLER MRI, SSFSE T2加权序列, 深度学习重建 | 深度学习 | MRI图像 | 22名PCOS患者 | NA | NA | 模糊伪影, 主观噪声, 卵泡显着性, FNPO评估可重复性 | NA |
| 2766 | 2025-03-02 |
Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes
2025-Jan-31, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020139
PMID:40001659
|
研究论文 | 本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测 | 使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能 | 样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力 | 开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策 | 青光眼患者的视网膜神经纤维层（RNFL）厚度变化 | 数字病理学 | 青光眼 | 光学相干断层扫描（OCT） | 线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN） | 图像（OCT扫描） | 251名参与者（437只眼睛） | NA | NA | NA | NA |
| 2767 | 2025-10-07 |
Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images
2025-Jan-23, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06017-6
PMID:39849586
|
研究论文 | 提出一种针对胃癌组织病理图像中癌周组织的深度学习框架，通过优化非癌区域权重提升癌症诊断准确率 | 首次发现非癌区域权重依赖的模型性能，揭示具有重塑微环境和区域癌化特征的非癌区域对癌症诊断的价值 | 研究仅针对胃癌，未验证其他癌症类型的适用性 | 利用组织病理图像中癌周组织的特征改进癌症诊断准确性 | 胃癌组织病理图像中的癌区和非癌区域 | 数字病理 | 胃癌 | 组织病理成像 | CNN | 图像 | NA | NA | MobileNetV2 | 准确率 | NA |
| 2768 | 2025-10-07 |
Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis
2025, Research (Washington, D.C.)
DOI:10.34133/research.0568
PMID:39830364
|
研究论文 | 提出一种深度学习框架GIST，整合组织学图像和空间转录组数据用于组织空间特征分析 | 首次利用在数百万组织学图像上预训练的病理学基础模型增强特征提取，并采用混合图变换器模型整合组织学和转录组特征 | 仅在人类肺癌、乳腺癌和结直肠癌数据集上验证，尚未在其他癌症类型或组织中测试 | 开发整合组织学和转录组学的空间细胞特征分析方法 | 人类肺癌、乳腺癌和结直肠癌组织 | 数字病理学 | 肺癌,乳腺癌,结直肠癌 | 空间分辨转录组学,组织染色成像 | 图变换器,基础模型 | 图像,转录组数据 | NA | NA | 混合图变换器 | 空间域识别准确率,微环境分割准确率,基因表达分析准确率 | NA |
| 2769 | 2025-03-02 |
Paving the way for new antimicrobial peptides through molecular de-extinction
2025, Microbial cell (Graz, Austria)
DOI:10.15698/mic2025.02.841
PMID:40012704
|
研究论文 | 本文探讨了通过分子去灭绝技术研究古代基因组和蛋白质组中的抗菌肽（AMPs），作为传统抗生素的替代品 | 利用分子去灭绝技术挖掘古代基因组和蛋白质组中的抗菌肽，结合软件工具和深度学习模型，发现了多种新型抗菌肽 | NA | 研究古代基因组和蛋白质组中的抗菌肽，以发现新型抗生素并深入了解进化过程 | 古代基因组和蛋白质组中的抗菌肽 | 生物信息学 | NA | 分子去灭绝技术、深度学习 | 深度学习模型 | 基因组数据、蛋白质组数据 | NA | NA | NA | NA | NA |
| 2770 | 2025-03-02 |
Artificial Intelligence Powered Automated and Early Diagnosis of Acute Lymphoblastic Leukemia Cancer in Histopathological Images: A Robust SqueezeNet-Enhanced Machine Learning Framework
2025, International journal of telemedicine and applications
IF:3.1Q2
DOI:10.1155/ijta/2257215
PMID:40017574
|
研究论文 | 本研究提出了一种基于SqueezeNet增强的机器学习框架，用于自动筛查和分类急性淋巴细胞白血病组织病理学图像 | 结合深度学习（DL）和机器学习（ML）算法，解决了理解组织病理学图像和分类过程的复杂性 | 未提及具体局限性 | 提高急性淋巴细胞白血病的早期和精确诊断 | 急性淋巴细胞白血病的组织病理学图像 | 数字病理学 | 急性淋巴细胞白血病 | 深度学习（DL）和机器学习（ML） | SqueezeNet、神经网络（NN）、逻辑回归（LR）、随机森林（RF） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2771 | 2025-03-02 |
Advancing antibiotic discovery with bacterial cytological profiling: a high-throughput solution to antimicrobial resistance
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1536131
PMID:40018674
|
综述 | 本文综述了细菌细胞学分析（BCP）作为一种快速、可扩展且成本效益高的方法，用于识别抗生素作用机制，并探讨其在抗生素发现中的应用 | 介绍了BCP在药物发现中的潜力，特别是通过识别spirohexenolide A对耐甲氧西林金黄色葡萄球菌的细胞靶点，展示了其创新性 | 讨论了BCP的优势、局限性及潜在改进方向，并指出某些病原体的细胞学特征尚未被研究 | 推动抗生素发现，以应对抗菌素耐药性（AMR）这一全球健康威胁 | 不同细菌生物和不同类别的抗生素 | 数字病理学 | 抗菌素耐药性 | 细菌细胞学分析（BCP） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2772 | 2025-03-01 |
Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs
2025-Jan-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020134
PMID:40001654
|
研究论文 | 本研究开发了一种基于深度学习的辅助诊断系统，用于牙科全景X光片中牙源性鼻窦炎的精确诊断 | 结合了多种深度学习模型，并融合了常见的对比度受限自适应直方图均衡化、最小-最大归一化和RGB映射方法，显著提高了诊断准确性 | 未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 开发一种辅助牙医精确诊断牙源性鼻窦炎的AI系统 | 牙科全景X光片中的牙源性鼻窦炎 | 计算机视觉 | 牙源性鼻窦炎 | 深度学习 | YOLO 11n, YOLOv8n-cls | 图像 | NA | NA | NA | NA | NA |
| 2773 | 2025-03-01 |
FDoSR-Net: Frequency-Domain Informed Auto-Encoder Network for Arbitrary-Scale 3D Whole-Heart MRI Super-Resolution
2025-Jan-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020129
PMID:40001649
|
研究论文 | 本文旨在开发一种三维超分辨率网络，用于执行任意比例的三维全心磁共振成像超分辨率，同时保持精细的图像细节 | 提出了一种利用频域正则化训练的3D自编码器框架，能够在训练中保持精细图像细节，并实现任意比例的超分辨率 | NA | 开发一种能够执行任意比例三维全心磁共振成像超分辨率的网络 | 三维全心磁共振成像 | 计算机视觉 | 心血管疾病 | NA | 3D自编码器 | 三维磁共振成像 | 120个三维全心磁共振成像体积，使用四种不同的序列获取 | NA | NA | NA | NA |
| 2774 | 2025-03-01 |
Anatomically Guided Deep Learning System for Right Internal Jugular Line (RIJL) Segmentation and Tip Localization in Chest X-Ray
2025-Jan-29, Life (Basel, Switzerland)
DOI:10.3390/life15020201
PMID:40003610
|
研究论文 | 本研究提出了一种结合解剖学标志分割、RIJL分割网络和后处理功能的深度学习系统，用于在胸部X光图像中准确分割右颈内静脉导管（RIJL）并定位其尖端 | 通过整合解剖学知识和空间推理，利用气管作为解剖学标志提取与RIJL最相关的子区域，从而提高了分割和尖端定位的准确性 | NA | 开发一种自动化深度学习系统，以减少临床医生在胸部X光图像中检查右颈内静脉导管（RIJL）放置的工作量 | 右颈内静脉导管（RIJL）在胸部X光图像中的分割和尖端定位 | 计算机视觉 | NA | 深度学习 | nnU-Net | 图像 | NA | NA | NA | NA | NA |
| 2775 | 2025-03-01 |
Deep Learning-Enhanced Portable Chemiluminescence Biosensor: 3D-Printed, Smartphone-Integrated Platform for Glucose Detection
2025-Jan-27, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020119
PMID:40001639
|
研究论文 | 本文介绍了一种新型便携式化学发光生物传感器平台，结合深度学习和智能手机集成，用于葡萄糖检测 | 该平台采用低成本蜡印微垫和3D打印黑盒，替代传统笨重设备，并通过深度学习模型显著提升检测性能 | NA | 开发一种成本效益高且选择性强的葡萄糖检测平台 | 葡萄糖 | 生物传感 | NA | 化学发光（CL）传感 | Random Forest, SVM, InceptionV3, VGG16, ResNet-50 | 图像 | 600张实验化学发光图像，其中80%用于模型训练，20%用于测试 | NA | NA | NA | NA |
| 2776 | 2025-03-01 |
CLTNet: A Hybrid Deep Learning Model for Motor Imagery Classification
2025-Jan-27, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15020124
PMID:40002457
|
研究论文 | 本文提出了一种名为CLTNet的混合深度学习模型，用于改进基于脑电图（EEG）的运动想象（MI）分类 | CLTNet模型创新性地结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和Transformer模块，以更全面地理解运动想象期间EEG信号的特征 | NA | 改进基于EEG的运动想象分类，以促进脑机接口（BCI）技术的应用 | 运动想象EEG信号 | 机器学习 | NA | NA | CNN, LSTM, Transformer | EEG信号 | BCI IV 2a和BCI IV 2b数据集 | NA | NA | NA | NA |
| 2777 | 2025-03-01 |
A Robust Method for Real Time Intraoperative 2D and Preoperative 3D X-Ray Image Registration Based on an Enhanced Swin Transformer Framework
2025-Jan-26, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020114
PMID:40001635
|
研究论文 | 本文提出了一种基于增强Swin Transformer框架的实时术中2D和术前3D X射线图像配准方法，用于图像引导手术中的病灶定位 | 采用双通道Swin Transformer特征提取器，结合注意力机制和特征金字塔，提高了2D X射线和3D CT图像配准的速度和精度 | NA | 提高图像引导手术中2D X射线和3D CT图像配准的准确性和效率 | 术中2D X射线图像和术前3D CT图像 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 来自开源数据集的三个不同感兴趣区域 | NA | NA | NA | NA |
| 2778 | 2025-03-01 |
Predicting Epileptic Seizures Using EfficientNet-B0 and SVMs: A Deep Learning Methodology for EEG Analysis
2025-Jan-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020109
PMID:40001629
|
研究论文 | 本研究提出了一种结合EfficientNet-B0卷积神经网络和六种支持向量机（SVM）集成投票机制的框架，用于癫痫发作预测 | 该框架首次将EfficientNet-B0与SVM集成结合，利用归一化短时傅里叶变换（STFT）和通道相关性特征从EEG信号中提取频谱和空间信息，提高了预测的准确性和鲁棒性 | 研究仅在CHB-MIT数据集上进行了验证，未在其他数据集上测试其泛化能力 | 开发一种高效的癫痫发作预测方法，以改善癫痫患者的管理和干预时机 | 癫痫患者的EEG信号 | 机器学习 | 癫痫 | 短时傅里叶变换（STFT） | EfficientNet-B0, SVM | EEG信号 | CHB-MIT数据集 | NA | NA | NA | NA |
| 2779 | 2025-03-01 |
A Future Picture: A Review of Current Generative Adversarial Neural Networks in Vitreoretinal Pathologies and Their Future Potentials
2025-Jan-24, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020284
PMID:40002698
|
综述 | 本文回顾了当前生成对抗网络（GANs）在玻璃体视网膜病变中的应用及其未来潜力 | 探讨了GANs在眼科领域的应用，特别是其在提高诊断准确性、扩展成像技术能力及预测治疗反应方面的潜力 | 当前GAN模型在可靠性和准确性方面面临挑战 | 探索GANs在视网膜疾病诊断和治疗监测中的临床应用 | 玻璃体视网膜病变 | 计算机视觉 | 视网膜疾病 | 生成对抗网络（GANs） | GAN | 图像 | NA | NA | NA | NA | NA |
| 2780 | 2025-03-01 |
Segmentation of ADPKD Computed Tomography Images with Deep Learning Approach for Predicting Total Kidney Volume
2025-Jan-22, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020263
PMID:40002677
|
研究论文 | 本文提出了一种基于深度学习的框架，用于自动分割ADPKD患者的CT图像以预测总肾脏体积（TKV） | 开发了一个逐步框架，能够稳健处理非增强CT（NCCT）和增强CT（CCT）图像，确保样本利用的平衡和跨模态的一致性表现 | 缺乏对CT模态变化的深入研究 | 通过自动分割ADPKD患者的CT图像来预测总肾脏体积（TKV） | ADPKD患者的CT图像 | 计算机视觉 | 肾脏疾病 | 深度学习 | SSD, Inception V2, DeepLab V3+ | CT图像 | NA | NA | NA | NA | NA |