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 16021 - 16040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16021 | 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 |
| 16022 | 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 |
| 16023 | 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 |
| 16024 | 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 |
| 16025 | 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 |
| 16026 | 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 |
| 16027 | 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 |
| 16028 | 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 |
| 16029 | 2025-01-28 |
Deep learning-assistance significantly increases the detection sensitivity of neurosurgery residents for intracranial aneurysms in subarachnoid hemorrhage
2025-Feb, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2024.110971
PMID:39673838
|
研究论文 | 本研究评估了深度学习模型在提高神经外科住院医师通过CT血管造影检测颅内动脉瘤敏感性方面的有效性 | 首次将深度学习模型应用于神经外科住院医师的动脉瘤检测培训，显著提高了检测敏感性，特别是在小动脉瘤的检测上 | 研究样本量较小，仅包含104例患者的CTA扫描，且仅涉及三名住院医师 | 评估深度学习模型在提高神经外科住院医师检测颅内动脉瘤敏感性方面的效果 | 104例动脉瘤性蛛网膜下腔出血患者的CTA扫描，共126个动脉瘤 | 数字病理 | 颅内动脉瘤 | CT血管造影（CTA） | 深度学习模型（DLM） | 图像 | 104例患者的CTA扫描，共126个动脉瘤 | NA | NA | NA | NA |
| 16030 | 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 |
| 16031 | 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 |
| 16032 | 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 |
| 16033 | 2025-10-07 |
AI-powered techniques in anatomical imaging: Impacts on veterinary diagnostics and surgery
2025-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2024.152355
PMID:39577814
|
综述 | 探讨人工智能技术在兽医解剖成像领域的创新应用及其对诊断和手术的影响 | 系统评估AI技术在兽医影像诊断中的创新应用，包括提升诊断准确性和手术规划精度 | 存在数据隐私、算法偏见及临床工作流程整合等挑战 | 探索AI赋能成像工具在兽医诊断和手术中的创新与挑战 | 兽医诊断影像及手术应用 | 计算机视觉 | NA | X射线、超声、CT扫描、MRI/乳腺摄影 | 深度学习, 卷积神经网络 | 医学影像 | NA | NA | NA | 诊断准确性 | NA |
| 16034 | 2025-10-07 |
Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109498
PMID:39662319
|
研究论文 | 通过结合明场和荧光显微镜成像及多模态信息融合，提升基于AI的口腔癌细胞学检测性能 | 首次利用Papanicolaou染色样本的自发荧光特性进行多模态成像，并采用弱监督深度学习方法和多种多模态信息融合策略 | 依赖于准确的图像配准以最大化多模态分析效益，细胞级注释的不可行性限制了模型性能 | 通过多模态成像和深度多模态信息融合改进基于AI的口腔癌检测 | 从健康人群和癌症患者收集的刷检活检Papanicolaou染色液基细胞学切片 | 数字病理学 | 口腔癌 | 全玻片显微镜成像，荧光成像，图像配准 | 深度学习 | 图像 | NA | NA | Co-Attention Fusion Network (CAFNet) | F1分数, 准确率 | NA |
| 16035 | 2025-10-07 |
Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109521
PMID:39667056
|
系统综述 | 系统评估机器学习模型在预测常见精神障碍中的应用，重点关注生活方式因素作为预测因子的效用 | 首个评估诊断性机器学习在常见精神障碍中应用价值的系统综述，同时评估偏倚风险和预测因子类型 | 研究存在高度异质性和偏倚风险，生活方式数据利用不足 | 综合机器学习预测常见精神障碍的证据，评估模型性能，确定生活方式数据在机器学习模型中的潜在价值 | 使用机器学习方法预测成人常见精神障碍的研究 | 机器学习 | 精神障碍 | 机器学习 | 深度学习, 多种机器学习方法 | 生活方式数据, 生物数据, 人口统计-环境数据, 心理社会数据 | 117项研究（111项仅模型开发，16项开发和验证） | NA | NA | 准确率 | NA |
| 16036 | 2025-10-07 |
Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109467
PMID:39672009
|
研究论文 | 提出基于神经场表示的无监督心脏电影MRI重建方法NF-cMRI | 使用隐式神经场表示进行无监督重建，无需大型训练数据集，避免引入数据偏差 | NA | 开发无需监督学习的加速心脏电影MRI重建方法 | 心脏电影MRI数据 | 医学影像处理 | 心血管疾病 | 心脏电影MRI，径向欠采样采集 | 神经场表示 | MRI图像 | NA | NA | NF-cMRI | 清晰度，伪影鲁棒性，时空描绘质量 | NA |
| 16037 | 2025-10-07 |
Exploring diabetes through the lens of AI and computer vision: Methods and future prospects
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109537
PMID:39672014
|
综述 | 探讨人工智能和计算机视觉在糖尿病检测与管理中的应用方法及未来前景 | 系统整合工业4.0技术（机器学习、深度学习和计算机视觉机器人）应对糖尿病相关挑战 | 未涉及具体实验验证和性能评估数据 | 研究人工智能和计算机视觉在糖尿病早期诊断和治疗中的促进作用 | 糖尿病相关的临床数据分析和技术应用 | 计算机视觉, 机器学习 | 糖尿病 | NA | NA | 临床数据 | NA | NA | NA | NA | NA |
| 16038 | 2025-10-07 |
DCA-Enhanced Alzheimer's detection with shearlet and deep learning integration
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109538
PMID:39674071
|
研究论文 | 本研究提出了一种结合剪切波变换和深度学习的方法，通过MRI数据实现阿尔茨海默病的早期检测 | 将3D剪切波变换与四种预训练CNN模型结合，并使用判别相关分析(DCA)融合深度特征和剪切波特征 | 样本量相对有限(200名患者)，且数据来自单一来源ADNI | 开发能够准确诊断早期阿尔茨海默病的计算模型 | 阿尔茨海默病患者MRI数据 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI) | CNN, SVM, DTB | 3D医学影像 | 200名患者(AD 50人，进行性轻度认知障碍转AD 50人，稳定性轻度认知障碍50人，认知正常50人) | NA | SqueezeNet-v1.1, MobileNet-v2, Xception, Inception-v3 | 准确率 | NA |
| 16039 | 2025-10-07 |
Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109561
PMID:39693688
|
研究论文 | 提出一种基于3D U-net的核中心点映射方法PAC-MAP，用于精确检测密集3D细胞系统中的细胞核位置 | 通过预测核中心点位置及其邻近关系而非精确分割核形状，解决了高密度3D细胞系统中分割困难的挑战 | 依赖有限的专家标注数据（30张图像），在极高密度条件下性能可能受限 | 开发精确检测密集3D细胞系统中细胞核位置的方法 | 密集球状体和脑类器官中的细胞核 | 数字病理 | 胶质母细胞瘤 | 3D图像分析 | U-net | 3D图像 | 30张专家标注图像和2300多张弱监督批量图像 | NA | 3D U-net | F1分数, 召回率 | NA |
| 16040 | 2025-10-07 |
Generating synthetic CT images from unpaired head and neck CBCT images and validating the importance of detailed nasal cavity acquisition through simulations
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109568
PMID:39700859
|
研究论文 | 本研究提出使用循环一致性生成对抗网络从非配对头颈部锥形束CT图像生成合成CT图像，并通过计算流体动力学验证详细鼻腔分割的重要性 | 结合多种损失函数和数据增强策略的cycleGAN模型用于CBCT去噪，开发基于规则的自动气道分割方法，并通过CFD分析鼻腔精细分割对气流的影响 | 未明确说明训练数据的具体样本量和多样性限制 | 提高头颈部CBCT图像质量以替代传统CT，实现精确的气道分割和流体动力学分析 | 头颈部锥形束CT图像和合成CT图像 | 医学影像处理 | 头颈部疾病 | 锥形束CT, 计算流体动力学 | cycleGAN | 医学图像 | NA | NA | cycleGAN | 平均绝对误差, 峰值信噪比, 结构相似性指数, Dice系数 | NA |