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 19314 篇文献，本页显示第 12961 - 12980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12961 | 2025-10-06 |
Deep learning-enhanced signal detection for communication systems
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324916
PMID:40424260
|
研究论文 | 提出一种结合MIMO与OFDM技术的深度学习增强型通信信号检测系统 | 创新性地采用双DNN级联结构和混合激活函数设计，并构建基于CNN批归一化机制的DCNet解码器 | NA | 优化通信信号检测的准确性和实时性能 | MIMO-OFDM通信系统信号 | 机器学习 | NA | 多输入多输出技术、正交频分复用技术 | DNN, CNN | 通信信号数据 | NA | NA | 双DNN级联结构, DCNet | 准确率, 符号错误率, 吞吐量, 调制错误率, 误检率, 漏检率, 检测速度, 延迟 | CPU使用率25%, 内存使用适中 |
| 12962 | 2025-10-06 |
InBRwSANet: Self-attention based parallel inverted residual bottleneck architecture for human action recognition in smart cities
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322555
PMID:40424287
|
研究论文 | 提出一种基于自注意力的并行倒置残差瓶颈架构用于智能城市中的人类行为识别 | 结合并行倒置残差瓶颈模块与自注意力机制的新型深度学习架构，并采用粒子群优化算法选择超参数 | 仅在HMDB51和UCF101两个数据集上进行测试，需要更多样化的数据集验证泛化能力 | 解决复杂人类行为识别问题，提升智能城市中的实时监控和人机交互应用 | 人类行为视频数据 | 计算机视觉 | NA | 深度学习 | CNN, 自注意力机制 | 视频 | HMDB51和UCF101数据集 | NA | InBRwSANet, 并行倒置残差瓶颈块, 自注意力机制 | 准确率, 误差范围 | NA |
| 12963 | 2025-10-06 |
Application of a grey wolf optimization-enhanced convolutional neural network and bidirectional gated recurrent unit model for credit scoring prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322225
PMID:40424348
|
研究论文 | 提出一种结合灰狼优化算法、卷积神经网络和双向门控循环单元的信用评分预测模型 | 首次将灰狼优化算法与CNN-BiGRU模型结合用于信用评分预测，通过智能优化算法提升模型参数调优效果 | NA | 提高信用评分预测的准确性和效率，解决传统方法对大规模高维金融数据特征提取不足的问题 | 金融信用评分数据 | 机器学习 | NA | 深度学习 | CNN, BiGRU | 金融时序数据 | 多个公开信用评分数据集（包括LendingClub贷款数据集） | NA | CNN-BiGRU-GWO | MAE, MAPE, RMSE, MSE | NA |
| 12964 | 2025-06-01 |
Uncertainty-Aware Bayesian Deep Learning with Noisy Training Labels for Epileptic Seizure Detection
2025, Uncertainty for safe utilization of machine learning in medical imaging : 6th international workshop, UNSURE 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. UNSURE (Workshop) (6th : 2024 : ...
DOI:10.1007/978-3-031-73158-7_1
PMID:40433566
|
研究论文 | 提出了一种新颖的贝叶斯框架BUNDL，用于在监督深度学习中减轻标签噪声的影响，特别针对基于EEG的癫痫发作检测 | 利用领域知识设计后验分布，自动调整基于数据不确定性的“干净标签”，并可以包装任何现有检测模型 | 未提及具体局限性 | 减轻监督深度学习中标签噪声的影响，提高癫痫发作检测的准确性 | EEG信号和癫痫发作检测 | 机器学习 | 癫痫 | 贝叶斯深度学习 | 深度网络 | EEG信号 | 模拟EEG数据集和Temple University Hospital (TUH)语料库 | NA | NA | NA | NA |
| 12965 | 2025-06-01 |
Deep learning-based classification of speech disorder in stroke and hearing impairment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315286
PMID:40435156
|
research paper | 该研究开发了一种基于深度学习的模型，用于分类由中风和听力障碍引起的语音障碍 | 研究不仅比较正常人和语音障碍患者的语音数据，还进一步分类语音障碍的具体病因，如中风和听力障碍 | 研究仅针对韩语语音障碍数据，可能无法推广到其他语言或更广泛的语音障碍类型 | 分类语音障碍的具体病因，如中风和听力障碍，通过分析语音数据 | 由中风和听力障碍引起的韩语语音障碍数据 | natural language processing | stroke, hearing impairment | deep learning | ResNet-18, Inception V3, SEResNeXt-18 | voice data | NA | NA | NA | NA | NA |
| 12966 | 2025-06-01 |
Odor classification: Exploring feature performance and imbalanced data learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322514
PMID:40435193
|
research paper | 本研究探讨了嗅觉这一复杂且未被充分理解的感官模式，旨在填补近期研究中使用机器学习和深度学习方法预测人类嗅觉感知的两个空白 | 通过构建包含2606个分子的新数据集，评估了三种特征（质谱、振动光谱和分子指纹）的性能，并提出了可解释的成本敏感多层感知器模型（CSMLP）来处理类别不平衡问题 | 研究中未提及具体的数据集来源和分子选择的偏差可能对结果的影响 | 比较不同特征在气味分类中的预测性能，并解决多标签数据集中的类别不平衡问题 | 2606个分子及其对应的质谱、振动光谱和分子指纹特征 | machine learning | NA | multi-label classification, random resampling, cost-sensitive learning | multilayer perceptron (MLP), CSMLP | mass spectra (MS), vibrational spectra (VS), molecular fingerprint features (FP) | 2606个分子 | NA | NA | NA | NA |
| 12967 | 2025-06-01 |
Implications of artificial intelligence in periodontal treatment maintenance: a scoping review
2025, Frontiers in oral health
IF:3.0Q1
DOI:10.3389/froh.2025.1561128
PMID:40438083
|
综述 | 本文探讨了人工智能在牙周治疗维护中的应用及其影响 | 人工智能在牙周病诊断和治疗规划中展现出高精度和个性化护理的优势 | 标准化和伦理问题是人工智能广泛应用的关键挑战 | 评估人工智能在牙周维护中的应用及其效果 | 牙周病（牙龈炎和牙周炎） | 人工智能在医疗健康中的应用 | 牙周病 | 深度学习算法，如卷积神经网络（CNNs）和分割技术 | Multi-Label U-Net, CNN | 临床数据和影像数据 | 2018年至2024年间发表的研究 | NA | NA | NA | NA |
| 12968 | 2025-06-01 |
Label-Free Prediction of Fluorescently Labeled Fibrin Networks
2025, Biomaterials research
IF:8.1Q1
DOI:10.34133/bmr.0211
PMID:40438124
|
research paper | 提出一种深度学习工具，用于从无标记图像堆栈中预测荧光标记的光学切片，以恢复反射共聚焦显微镜（RCM）未检测到的纤维 | 使用深度学习模型从RCM图像和激光透射图像预测荧光标记，避免了荧光染料对细胞活力和样品的影响 | 预测的纤维比原始荧光标记略宽（0.213 ± 0.009 μm） | 开发一种无需荧光标记即可研究细胞外基质（ECM）纤维结构的方法 | 纤维蛋白网络和胶原蛋白等天然生物材料的纤维结构 | digital pathology | NA | 反射共聚焦显微镜（RCM）和深度学习 | 全卷积图像到图像映射架构 | 图像 | NA | NA | NA | NA | NA |
| 12969 | 2025-06-01 |
Construction of a predictive model for rebleeding risk in upper gastrointestinal bleeding patients based on clinical indicators such as Helicobacter pylori infection
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1510126
PMID:40438212
|
研究论文 | 基于幽门螺杆菌感染等临床指标构建上消化道出血患者再出血风险的预测模型 | 结合幽门螺杆菌感染程度与多项临床实验室检查数据，开发了一种深度学习模型，用于预测上消化道出血患者的再出血风险 | 研究样本仅来自单一医院的254名患者，可能影响模型的泛化能力 | 构建一个预测上消化道出血患者再出血风险的临床模型 | 上消化道出血患者 | 数字病理 | 上消化道出血 | 深度学习 | Transformer + KAN | 临床信息和实验室指标 | 254名上消化道出血患者 | NA | NA | NA | NA |
| 12970 | 2025-06-01 |
Next-generation fall detection: harnessing human pose estimation and transformer technology
2025, Health systems (Basingstoke, England)
DOI:10.1080/20476965.2024.2395574
PMID:40438315
|
research paper | 该研究结合人体姿态估计框架和transformer深度学习模型，开发了一种轻量级、保护隐私的跌倒检测系统 | 结合三种领先的人体姿态估计框架和transformer模型，开发出可在低功耗设备上运行、无需穿戴设备且所有处理均在本地完成的隐私保护跌倒检测系统 | 未提及系统在极端光照条件或复杂背景环境下的表现 | 开发高精度、高效且保护隐私的老年人跌倒检测系统 | 老年人跌倒行为 | computer vision | geriatric disease | human pose estimation, transformer deep learning | transformer | video | 未提及具体样本数量，但进行了真实世界测试 | NA | NA | NA | NA |
| 12971 | 2025-06-01 |
Knowledge map of artificial intelligence in neurodegenerative diseases: a decade-long bibliometric and visualization study
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1586282
PMID:40438502
|
研究论文 | 通过文献计量和可视化方法分析过去十年神经退行性疾病领域AI研究的文献，挖掘该领域的核心期刊、机构、作者和国家，并分析关键词以推测未来研究趋势 | 首次使用文献计量和可视化方法系统分析神经退行性疾病AI研究领域的知识图谱，并预测未来四大研究趋势 | 仅基于Web of Science数据库的1921篇文献进行分析，可能未涵盖所有相关研究 | 分析神经退行性疾病领域AI研究的现状和发展趋势 | 2015-2025年间神经退行性疾病AI研究领域的1921篇文献 | 机器学习 | 神经退行性疾病 | 文献计量分析、知识图谱可视化 | NA | 文献数据 | 1921篇出版物 | NA | NA | NA | NA |
| 12972 | 2025-06-01 |
Comparative analysis of multi-zone peritumoral radiomics in breast cancer for predicting NAC response using ABVS-based deep learning models
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1586715
PMID:40438687
|
research paper | 本研究通过基于ABVS的深度学习模型，比较分析乳腺癌多区域瘤周放射组学特征，以预测新辅助化疗（NAC）反应 | 首次系统比较不同瘤周厚度区域对NAC反应预测的准确性，并开发了结合瘤内和瘤周特征的AI模型 | 研究为回顾性分析，样本量相对有限（402例患者） | 建立可临床实施的框架，通过标准化预测模型早期识别NAC无反应者 | 乳腺癌患者 | digital pathology | breast cancer | Automated Breast Volume Scanning (ABVS), radiomics | TabNet | image | 402例乳腺癌患者 | NA | NA | NA | NA |
| 12973 | 2025-06-01 |
Reducing annotation effort in agricultural data: simple and fast unsupervised coreset selection with DINOv2 and K-means
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1546756
PMID:40438735
|
research paper | 该研究提出了一种结合DINOv2和K-means的无监督核心集选择方法，以减少农业数据标注的工作量 | 结合了最新的基础模型DINOv2作为特征选择器与K-means聚类方法，提出了一种简单有效的核心集选择方法 | 未提及方法在大规模数据集上的扩展性或计算效率 | 减少农业应用中深度学习模型训练所需的标注数据量 | 农业数据 | machine learning | NA | DINOv2, K-means | multiclass classification model | image | 在两个不同数据集上进行了验证，具体样本量未提及 | NA | NA | NA | NA |
| 12974 | 2025-06-01 |
Deep learning-based anomaly detection for precision field crop protection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1576756
PMID:40438741
|
research paper | 提出了一种结合IMSFNet和AROS的新型框架，用于精准农业中的异常检测和资源优化 | 整合了多模态数据融合和时空建模的IMSFNet，以及基于实时环境反馈的AROS资源优化策略 | 未提及具体实验样本量和跨地区应用的普适性验证 | 优化精准农业中的作物保护和资源利用效率 | 农田作物健康异常（病虫害爆发、疾病传播、营养缺乏等） | 精准农业 | NA | 多模态数据融合（无人机、卫星、地面传感器、气象站数据） | IMSFNet（集成多模态智能农业网络） | 多源时空数据 | NA | NA | NA | NA | NA |
| 12975 | 2025-06-01 |
Optimizing drug synergy prediction through categorical embeddings in deep neural networks
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf033
PMID:40438791
|
研究论文 | 本文研究了在深度神经网络中使用分类嵌入来优化药物协同预测 | 利用分类嵌入捕捉类别元素间的相似性，特别是在数据稀缺情况下表现出优势 | 未提及具体的数据集规模或模型验证的局限性 | 提高药物协同作用的预测准确性 | 药物组合的协同作用 | 机器学习 | 癌症 | 深度神经网络 | DNN | 药物组合数据 | NA | NA | NA | NA | NA |
| 12976 | 2025-05-31 |
MedScale-Former: Self-guided multiscale transformer for medical image segmentation
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103554
PMID:40209553
|
研究论文 | 提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性 | 引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义 | 需要进一步验证在不同医学图像数据集上的泛化能力 | 提高医学图像分割的准确性，减少对大量标注数据的依赖 | 医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞） | 数字病理 | 皮肤病变、肺器官疾病、多发性骨髓瘤 | 自监督学习、多尺度Transformer | Transformer | 医学图像 | NA | NA | NA | NA | NA |
| 12977 | 2025-05-31 |
General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103603
PMID:40300379
|
research paper | 提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性 | 采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度 | 方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量 | 提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型 | 视网膜图像 | computer vision | NA | 潜在扩散模型 | autoencoders, diffusion networks | image | 利用大量公共数据集进行自监督训练，具体样本数量未提及 | NA | NA | NA | NA |
| 12978 | 2025-05-31 |
Medical image translation with deep learning: Advances, datasets and perspectives
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103605
PMID:40311301
|
综述 | 本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战 | 详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标 | 未提及具体实验数据或样本量的限制 | 推动医学图像翻译领域的持续进步和创新 | 医学图像翻译技术及其应用 | 数字病理 | NA | 深度学习 | CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models | 医学图像 | NA | NA | NA | NA | NA |
| 12979 | 2025-05-31 |
ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103600
PMID:40324320
|
research paper | 提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计 | ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性 | 研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降 | 开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类 | 主动脉瓣狭窄（AS）患者 | digital pathology | cardiovascular disease | B-mode echocardiography | prototype-based neural network | video | 私有数据集和公开可用的TMED-2数据集 | NA | NA | NA | NA |
| 12980 | 2025-05-31 |
Deep implicit optimization enables robust learnable features for deformable image registration
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103577
PMID:40328129
|
research paper | 该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征 | 通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示 | NA | 弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性 | 可变形图像配准 | computer vision | NA | deep learning, iterative optimization solver | deep network | image | NA | NA | NA | NA | NA |