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 16751 篇文献，本页显示第 15341 - 15360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15341 | 2025-02-19 |
DeepFlood for Inundated Vegetation High-Resolution Dataset for Accurate Flood Mapping and Segmentation
2025-Feb-15, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04554-3
PMID:39955285
|
研究论文 | 本文介绍了DeepFlood，一个用于洪水映射和分割的高分辨率数据集，旨在提高洪水范围的快速准确评估 | DeepFlood是一个包含高分辨率载人和无人机航拍图像以及合成孔径雷达（SAR）图像的新数据集，特别标注了淹没植被，这是洪水映射中最具挑战性的区域之一 | NA | 提高洪水范围的快速准确评估，以支持有效的灾害响应、减灾规划和资源分配 | 洪水映射和分割 | 计算机视觉 | NA | 卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |
| 15342 | 2025-02-19 |
Exploration of contemporary modernization in UWSNs in the context of localization including opportunities for future research in machine learning and deep learning
2025-Feb-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89916-y
PMID:39955359
|
综述 | 本文探讨了水下无线传感器网络（UWSNs）中的定位技术现代化，包括机器学习与深度学习在未来研究中的机遇 | 本文不仅回顾了UWSNs定位技术的基础与挑战，还探讨了机器学习和深度学习在提升定位过程中的潜在贡献，并提出了未来研究方向 | 本文主要基于理论分析和模拟评估，缺乏实际应用场景的验证 | 提升水下无线传感器网络中的定位技术，以支持环境监测、灾害管理、军事监视等应用 | 水下无线传感器网络（UWSNs）中的节点定位 | 机器学习 | NA | 机器学习（ML）、深度学习（DL） | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 15343 | 2025-02-19 |
Enhancing pediatric congenital heart disease detection using customized 1D CNN algorithm and phonocardiogram signals
2025-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42257
PMID:39959496
|
研究论文 | 本研究提出了一种定制的1D卷积神经网络（1D-CNN），用于将心音图（PCG）信号分类为正常或异常，为先天性心脏病（CHD）的诊断提供了一种自动化且高效的解决方案 | 结合现代信号处理与深度学习，提出了一种定制的1D-CNN模型，用于CHD的自动检测，显著提高了诊断的准确性和可靠性 | 数据集变异性和噪声问题仍然存在，未来需要扩展到多类分类并评估在更广泛医疗问题上的表现 | 提高先天性心脏病的早期检测效率，提供一种自动化诊断方法 | 心音图（PCG）信号 | 数字病理 | 先天性心脏病 | 低通和高通滤波（60-650 Hz）、重采样、降噪、数据增强技术（分块、填充、音高变换） | 1D-CNN | 信号 | 本地儿科PCG信号和公开可访问的数据集 | NA | NA | NA | NA |
| 15344 | 2025-02-19 |
Optimal surface defect detector design based on deep learning for 3D geometry
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88112-2
PMID:39952973
|
研究论文 | 本文提出了一种基于深度学习的3D几何表面缺陷检测器设计方法，用于钢铁制造环境中的自动检测 | 通过几何变换生成数据集，并提出了基于性能的模型优化算法，解决了现有方法中图像数据曲率问题和2D产品的局限性 | 研究仅针对3D几何产品，未涉及其他类型的钢铁产品 | 开发一种适用于钢铁制造环境的自动表面缺陷检测方法 | 钢铁制造环境中的3D几何产品 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 15345 | 2025-02-19 |
Model-constrained deep learning for online fault diagnosis in Li-ion batteries over stochastic conditions
2025-Feb-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56832-8
PMID:39952987
|
研究论文 | 本文采用深度学习方法开发了一种适用于锂离子电池在不可预测条件下运行的在线故障诊断网络 | 网络集成了电池模型约束，并采用了一个框架来管理随机系统的演化，从而实现故障的实时确定 | NA | 探索深度学习在电池实时预测和诊断中的应用，以提高电池安全性和经济效益 | 锂离子电池 | 机器学习 | NA | 深度学习 | NA | 电池运行数据 | 来自515辆车的1820万条有效数据 | NA | NA | NA | NA |
| 15346 | 2025-02-19 |
Multi-step ahead forecasting of daily streamflow based on the transform-based deep learning model under different scenarios
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89837-w
PMID:39953056
|
研究论文 | 本文介绍了一种基于相对位置编码增强的Informer模型（Rel-Informer），用于多步径流预测，并与标准Informer、Transformer和LSTM模型进行比较 | 提出了相对位置编码增强的Informer模型（Rel-Informer），并在不同情景下验证其多步径流预测能力 | 区域建模的精度低于个体建模，尽管通过微调有所改善 | 研究多步径流预测的深度学习模型在不同情景下的表现 | 径流预测 | 机器学习 | NA | 深度学习 | Rel-Informer, Informer, Transformer, LSTM | 径流数据 | 使用公开的CAMELS数据集进行训练和验证 | NA | NA | NA | NA |
| 15347 | 2025-02-19 |
MultiT2: A Tool Connecting the Multimodal Data for Bacterial Aromatic Polyketide Natural Products
2025-Feb-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c11266
PMID:39959056
|
研究论文 | 本文介绍了一种名为MultiT2的算法，用于整合细菌芳香聚酮类天然产物的多模态数据 | 首次在天然产物领域应用多模态算法整合生物学相关但数学上不同的数据集，以重组知识图谱 | 由于天然产物数据的高度碎片化，整合多模态数据具有挑战性 | 提高天然产物科学的研究效率，特别是在克服繁琐和耗时的过程方面 | 细菌芳香聚酮类天然产物 | 机器学习 | NA | 深度学习 | NA | 多模态数据 | NA | NA | NA | NA | NA |
| 15348 | 2025-02-19 |
Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm
2025-Jan-24, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-882
PMID:39958220
|
研究论文 | 本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证 | 该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖 | 需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性 | 开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率 | 无大于8毫米非钙化实性肺结节的个体 | 计算机视觉 | 肺癌 | 低剂量胸部CT（LDCT） | 3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0） | 图像 | 训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体） | NA | NA | NA | NA |
| 15349 | 2025-02-19 |
A deep learning algorithm to generate synthetic computed tomography images for brain treatments from 0.35 T magnetic resonance imaging
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100708
PMID:39958708
|
研究论文 | 本研究开发了一种深度学习算法，用于从低场强磁共振成像（MRI）快速生成合成CT（sCT）图像，应用于脑部治疗 | 首次探索了在低场强MRI下生成脑部sCT图像的深度学习算法，为MRI-only放疗提供了新的可能性 | 研究样本量较小（56名患者），且仅针对脑部治疗，未涉及其他部位 | 开发一种快速生成脑部sCT图像的深度学习算法，以支持MRI-only放疗工作流程 | 脑部MRI图像及其对应的sCT图像 | 医学影像处理 | 脑部疾病 | 深度学习，条件生成对抗网络（cGAN） | cGAN | MRI图像 | 56名患者（32名训练，8名验证，16名测试） | NA | NA | NA | NA |
| 15350 | 2025-02-19 |
Detection of Body Packs in Abdominal CT scans Through Artificial Intelligence; Developing a Machine Learning-based Model
2025, Archives of academic emergency medicine
IF:2.9Q1
DOI:10.22037/aaemj.v13i1.2479
PMID:39958959
|
研究论文 | 本研究旨在开发一种基于人工智能的新诊断方法，用于实时检测腹部CT扫描中的体内藏毒包 | 提出了一种改进的RetinaNet模型，通过使用角度边界框（angled Bbox）来提高检测体内藏毒包的准确性 | 需要由领域专家精心策划定制数据集以确保成功训练 | 开发一种基于人工智能的实时检测体内藏毒包的方法 | 腹部CT扫描图像 | 计算机视觉 | NA | 深度学习 | RetinaNet | 图像 | 888张腹部CT扫描图像 | NA | NA | NA | NA |
| 15351 | 2025-02-19 |
Artificial intelligence applied to diabetes complications: a bibliometric analysis
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1455341
PMID:39959916
|
研究论文 | 本文通过文献计量学方法分析了人工智能在糖尿病并发症领域的应用研究趋势和热点 | 利用CiteSpace、Vosviewer和bibliometix等工具构建知识图谱，可视化文献信息，揭示研究趋势和热点 | 仅基于PubMed数据库的文献，可能未涵盖所有相关研究 | 探索人工智能在糖尿病并发症领域的应用研究趋势和前沿热点 | 1988年至2024年间发表的关于人工智能在糖尿病并发症中应用的科学文章 | 机器学习 | 糖尿病 | 文献计量分析 | NA | 文本 | 935篇符合条件的文章 | NA | NA | NA | NA |
| 15352 | 2025-02-18 |
An efficient deep learning approach for automatic speech recognition using EEG signals
2025-Feb-16, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2456982
PMID:39957214
|
研究论文 | 本文提出了一种结合Gannet优化算法和Elman递归神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别 | 提出了一种新的高效深度学习框架EDLA，结合了Gannet优化算法和Elman递归神经网络，显著提高了基于EEG信号的语音识别准确率 | 研究仅在Kara One数据集上进行了评估，可能需要更多样化的数据集来验证其泛化能力 | 提高基于EEG信号的自动语音识别准确率，以促进人机交互和辅助技术发展 | EEG信号 | 自然语言处理 | NA | Savitzky-Golay滤波器，递归特征消除 | Elman Recurrent Neural Network (ERNN) | EEG信号 | Kara One数据集 | NA | NA | NA | NA |
| 15353 | 2025-02-18 |
Comment on "A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation"
2025-Feb-15, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2025.02.017
PMID:39956680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15354 | 2025-02-18 |
Deep learning for automated hip fracture detection and classification : achieving superior accuracy
2025-Feb-01, The bone & joint journal
|
研究论文 | 本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性 | 使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性 | 研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小 | 提高髋部骨折的诊断准确性 | 髋部骨折的X光片 | 计算机视觉 | 髋部骨折 | 深度学习 | CNN | 图像 | 5,168张髋部前后位X光片（4,493张用于训练，675张用于验证） | NA | NA | NA | NA |
| 15355 | 2025-02-18 |
Deep learning for cardiac imaging: focus on myocardial diseases, a narrative review
2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese
IF:2.7Q2
DOI:10.1016/j.hjc.2024.12.002
PMID:39662734
|
综述 | 本文探讨了深度学习在心脏成像中的应用，特别是针对心肌疾病的自动分割、放射组学特征表型和预测 | 本文综述了深度学习在心脏成像中的最新应用，特别是自动分割和放射组学特征表型，展示了其在心肌疾病诊断和管理中的潜力 | 本文未涉及深度学习模型在临床实践中的具体实施挑战和解决方案 | 探讨深度学习在心脏成像中的应用，特别是针对心肌疾病的诊断和管理 | 心肌疾病 | 医学影像 | 心血管疾病 | 深度学习 | 深度学习算法 | 医学影像（CT、CMR、超声心动图、SPECT） | NA | NA | NA | NA | NA |
| 15356 | 2025-02-17 |
A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction
2025-Mar-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133008
PMID:39880045
|
研究论文 | 本研究开发了一种多模态深度学习模型，整合心电图（ECG）信号和实验室指标，以提高急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）的诊断准确性 | 通过融合ECG特征和实验室指标，利用深度学习模型提高诊断准确性，为心血管疾病的快速诊断提供了新工具 | 研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力 | 提高急性A型主动脉夹层和急性心肌梗死的诊断准确性 | 急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）患者 | 机器学习 | 心血管疾病 | 深度学习 | ResNet-34, RandomForest, XGBoost, LightGBM | ECG信号和实验室指标 | 训练和验证集：136例AAD-type A和141例AMI患者；前瞻性测试集：30例AMI和32例AAD-type A患者 | NA | NA | NA | NA |
| 15357 | 2025-02-17 |
Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01407-8
PMID:39953256
|
研究论文 | 本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶 | 结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割 | 模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间 | 提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划 | 缺血性卒中病灶 | 计算机视觉 | 心血管疾病 | 深度学习 | Attention ResUnet | CT灌注扫描图像 | ISLES 2018数据集，采用五折交叉验证 | NA | NA | NA | NA |
| 15358 | 2025-02-17 |
Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01287-4
PMID:39953255
|
研究论文 | 本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势 | 研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪） | 评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 带有金属植入物的猪上颌面部区域CT图像 | 医学影像 | NA | CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR） | 深度学习 | CT图像 | 四只猪的上颌面部区域图像 | NA | NA | NA | NA |
| 15359 | 2025-02-17 |
Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01442-5
PMID:39953259
|
研究论文 | 本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型 | 提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性 | 样本量相对较小，外部验证数据集仅包含24名患者 | 提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性 | 非小细胞肺癌（NSCLC）患者 | 计算机视觉 | 肺癌 | CT成像 | 混合模型（放射组学+深度学习） | CT图像 | 235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集） | NA | NA | NA | NA |
| 15360 | 2025-02-17 |
Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model
2025-Feb-13, Journal of ophthalmic inflammation and infection
IF:2.9Q1
DOI:10.1186/s12348-025-00465-x
PMID:39946047
|
研究论文 | 本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用 | 利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法 | 研究样本量相对较小，且未涵盖所有可能的MK亚型 | 开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区 | 微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎） | 计算机视觉 | 角膜炎 | 深度学习 | 卷积神经网络（CNN） | 图像 | 889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例） | NA | NA | NA | NA |