深度学习在生物医药领域中的应用
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，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10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 2580 篇文献，本页显示第 1501 - 1520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1501 | 2025-03-27 |
LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_13
PMID:40123747
|
research paper | 本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动 | LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动 | 在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播 | 提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析 | 心脏磁共振（CMR）成像视频 | digital pathology | cardiovascular disease | DENSE CMR, 潜在扩散模型 | diffusion model | video | NA |
| 1502 | 2025-03-27 |
Automatic brain quantification in children with unilateral cerebral palsy
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1540480
PMID:40129724
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积 | 利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能 | 样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁） | 探索单侧脑瘫儿童脑部结构与功能之间的关系 | 单侧脑瘫儿童 | 数字病理学 | 脑瘫 | T1加权和FLAIR MRI | 深度学习模型 | MRI图像 | 训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁） |
| 1503 | 2025-03-27 |
Laser induced forward transfer imaging using deep learning
2025, Discover applied sciences
DOI:10.1007/s42452-025-06679-x
PMID:40129928
|
研究论文 | 提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法 | 利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路 | 预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差 | 提高激光诱导正向转移技术的精度和效率 | 铜滴在受体基板上的沉积图像 | 计算机视觉 | NA | 激光诱导正向转移（LIFT） | 神经网络 | 图像 | NA |
| 1504 | 2025-03-27 |
Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1448106
PMID:40129949
|
研究论文 | 该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet | 提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测 | 研究为初步研究，可能存在数据量和模型泛化能力的限制 | 预测药物不良反应（ADRs）的发生 | 药物和基因表达变化 | 机器学习 | NA | 药物基因组学数据 | CNN | 基因组学数据 | NA |
| 1505 | 2025-03-27 |
Code generation system based on MDA and convolutional neural networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1491958
PMID:40135112
|
研究论文 | 该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码 | 结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码 | 神经网络训练过程中存在硬件限制 | 开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段 | 系统描述图和相应案例研究 | 计算机视觉 | NA | 计算机视觉、深度学习 | CNN | 图像 | NA |
| 1506 | 2025-03-26 |
Artificial intelligence in obstructive sleep apnea: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324446
PMID:40123882
|
研究论文 | 通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向 | 首次使用VOSviewer和Citespace对OSA领域AI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，可能遗漏其他重要文献来源 | 探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势 | 2011-2024年间发表的867篇关于AI在OSA中应用的文献 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 文献计量分析 | NA | 文献数据 | 867篇文献 |
| 1507 | 2025-03-26 |
Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation
2025, American journal of cardiovascular disease
DOI:10.62347/YQHQ1079
PMID:40124093
|
研究论文 | 本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势 | AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异 | NA | 比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用 | Brugada综合征（BrS）及其相关基因变异 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | ECG数据、基因数据 | NA |
| 1508 | 2025-03-26 |
Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches
2025, American journal of neurodegenerative disease
DOI:10.62347/DZNQ2482
PMID:40124352
|
系统综述 | 本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法 | 突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势 | 仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术 | 评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发 | 神经退行性疾病中的脑结构变化 | 机器学习 | 神经退行性疾病 | 曲率估计技术 | 神经网络回归, CNN | 神经影像数据 | 105篇研究论文 |
| 1509 | 2025-03-26 |
Improved food recognition using a refined ResNet50 architecture with improved fully connected layers
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101005
PMID:40124390
|
research paper | 本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性 | 开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳 | 未明确说明模型在其他食物类别或不同环境下的泛化能力 | 评估食物识别系统在医院和餐厅环境中对人体健康的影响 | 16类食物（分为早餐、午餐和晚餐） | computer vision | NA | 深度学习算法 | ResNet50 | image | 初始12,000张图像，通过数据增强扩展到66,000张 |
| 1510 | 2025-03-26 |
Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging
2025, American journal of nuclear medicine and molecular imaging
IF:2.0Q3
DOI:10.62347/MLFB9278
PMID:40124765
|
研究论文 | 提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像 | 利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求 | 2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差 | 优化心肌灌注SPECT成像的采集时间和成像质量 | 心肌灌注SPECT成像 | 数字病理 | 心血管疾病 | SPECT/CT扫描 | U-Net（2D和3D） | 图像 | 116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集） |
| 1511 | 2025-03-26 |
Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1558997
PMID:40124951
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级 | 提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征 | 研究为双中心回顾性研究，样本量相对有限(100例患者) | 开发非侵入性肾细胞癌WHO/ISUP核分级方法 | 肾细胞癌患者 | 数字病理 | 肾细胞癌 | CEUS和B型超声 | MUF-Net(多模态深度学习模型) | 超声视频和图像 | 100例患者的6293张超声图像 |
| 1512 | 2025-03-26 |
Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S501316
PMID:40125481
|
研究论文 | 开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜 | 首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD) | 存在少量误分类情况，有7例RD被错误标记为PVD | 提高在超声检查中识别和区分附着于视盘的膜的准确性 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 超声检查(USG) | Vision Transformer (ViT) | 图像 | 训练和验证集505个样本，测试集212个样本 |
| 1513 | 2025-03-26 |
[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-0303
PMID:40128957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1514 | 2025-03-23 |
A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84940-w
PMID:39820053
|
研究论文 | 本研究介绍了一种基于深度学习的创新技术，用于预测2D翼型的压力分布图像，旨在应用于基于图像的近似优化设计 | 提出了一种结合无监督和监督学习的混合架构深度学习模型，使用自编码器（AE）进行无监督学习，全连接神经网络（FNN）进行监督学习，并开发了基于2D图像数据的代理模型 | NA | 开发一种简化且加速图像预测的方法，用于2D翼型的压力分布预测 | 2D翼型的压力分布图像 | 计算机视觉 | NA | 深度学习 | 自编码器（AE）、卷积自编码器（CAE）、全连接神经网络（FNN） | 图像 | NA |
| 1515 | 2025-03-23 |
Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1506104
PMID:40115888
|
研究论文 | 本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳 | 开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳 | 实验在受控的实验室条件下进行，未在真实环境中验证 | 增强SSMVEP响应强度并减少视觉疲劳 | 稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP） | 脑机接口 | NA | EEGNet深度学习算法和快速傅里叶变换（FFT） | EEGNet | 脑电图（EEG）数据 | NA |
| 1516 | 2025-03-23 |
AM-MTEEG: multi-task EEG classification based on impulsive associative memory
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1557287
PMID:40115889
|
研究论文 | 本文提出了一种基于冲动联想记忆的多任务EEG分类模型AM-MTEEG，用于跨受试者的EEG分类 | AM-MTEEG模型结合了深度学习的卷积网络和冲动网络，利用双向联想记忆进行跨受试者的EEG分类，提高了分类精度并减少了性能差异 | NA | 提高跨受试者EEG分类的准确性和一致性 | 脑电图（EEG）数据 | 脑机接口 | NA | 深度学习 | 卷积编码器-解码器、冲动神经元、双向联想记忆 | EEG数据 | 两个BCI竞赛数据集 |
| 1517 | 2025-03-22 |
Current Status of Artificial Intelligence Use in Colonoscopy
2025, Digestion
IF:3.0Q2
DOI:10.1159/000543345
PMID:39724867
|
研究论文 | 本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响 | 介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变 | 存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益 | 评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力 | 结肠镜检查中的结直肠息肉检测和诊断 | 数字病理学 | 结直肠癌 | 深度学习 | NA | 医学影像 | NA |
| 1518 | 2025-03-22 |
Deep learning-based analysis of 12-lead electrocardiograms in school-age children: a proof of concept study
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1471989
PMID:40109297
|
研究论文 | 本研究旨在开发和验证一种基于深度学习的模型，用于自动分析儿童12导联心电图，以筛查有猝死风险的儿科心脏病 | 开发了一种新的基于深度学习的模型，用于自动分析儿童心电图，其诊断性能至少与传统算法相当 | 需要进一步研究以开发适用于学龄儿童的自动心电图分析方法 | 开发和验证一种基于深度学习的模型，用于自动分析儿童心电图，以筛查有猝死风险的儿科心脏病 | 6-18岁儿童的心电图数据 | 机器学习 | 心血管疾病 | 信号处理方法 | 深度学习模型 | 心电图数据 | 1,842份心电图，来自1,062名患者 |
| 1519 | 2025-03-22 |
PoseRL-Net: human pose analysis for motion training guided by robot vision
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1531894
PMID:40109574
|
研究论文 | 本文提出了一种基于深度学习的人体姿态识别模型PoseRL-Net，旨在解决传统方法在复杂动态环境中人体姿态识别的局限性 | PoseRL-Net集成了时空图卷积网络（STGCN）、注意力机制、门控循环单元（GRU）模块、姿态优化和对称约束，提高了姿态估计的准确性和鲁棒性 | NA | 提高复杂动态环境中人体姿态识别的准确性和鲁棒性，以支持人机交互中的智能决策和运动规划 | 人体姿态 | 计算机视觉 | NA | 深度学习 | STGCN, GRU | 视频 | Human3.6M和MPI-INF-3DHP数据集 |
| 1520 | 2025-03-22 |
Revolutionizing electrocardiography: the role of artificial intelligence in modern cardiac diagnostics
2025-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000002778
PMID:40109609
|
综述 | 本文综述了人工智能（AI）在现代心脏诊断中的革命性作用，特别是在心电图（ECG）分析中的应用 | AI，尤其是深度学习模型，通过实现自动化、高精度的诊断，彻底改变了ECG分析，展示了在心律失常检测、异常心跳分类和结构性心脏病预测方面的最新进展 | 实际应用中面临模型可解释性、数据隐私问题和多样化训练数据集需求的挑战 | 探讨AI在提高心脏诊断准确性、效率和可扩展性方面的潜力 | 心电图（ECG）数据 | 数字病理学 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA |