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 19346 篇文献，本页显示第 17001 - 17020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17001 | 2025-03-30 |
Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model
2025-Feb-24, Life (Basel, Switzerland)
DOI:10.3390/life15030358
PMID:40141703
|
research paper | 开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势 | 采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类 | 环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下 | 通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病 | 50名健康成年人在不同条件下进行举重任务 | computer vision | occupational low back pain | OpenPose算法用于检测和提取关键身体点 | bidirectional LSTM | video | 50名健康成年人 | NA | NA | NA | NA |
| 17002 | 2025-03-30 |
Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy
2025-Feb-22, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics17030290
PMID:40142954
|
综述 | 本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响 | 探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用 | 面临数据整合、AI驱动决策的伦理问题及监管合规等挑战 | 研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响 | 制药制造过程中的生产流程和质量控制 | 机器学习 | NA | 云计算、数据分析 | 深度学习 | 传感器数据 | NA | NA | NA | NA | NA |
| 17003 | 2025-03-30 |
Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network
2025-Feb-21, Entropy (Basel, Switzerland)
DOI:10.3390/e27030220
PMID:40149144
|
研究论文 | 本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计 | 将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题 | NA | 提高大规模MIMO通信系统中信道估计的准确性和效率 | 大规模MIMO通信系统 | 机器学习 | NA | 深度学习 | PACE-Net（极化自注意力辅助神经网络） | 信道数据 | NA | NA | NA | NA | NA |
| 17004 | 2025-03-30 |
Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks
2025-Feb-20, Life (Basel, Switzerland)
DOI:10.3390/life15030327
PMID:40141673
|
research paper | 该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性 | 采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11% | 数据集来自Kaggle，可能存在样本多样性和泛化能力的限制 | 提高脑肿瘤分类的准确性和效率，支持临床决策 | MRI图像中的脑肿瘤与非肿瘤图像 | computer vision | brain tumor | deep transfer learning | InceptionResNetV2, VGG19, Xception, MobileNetV2 | image | Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及 | NA | NA | NA | NA |
| 17005 | 2025-03-29 |
Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf043
PMID:40139910
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17006 | 2025-03-30 |
Impact of imbalanced features on large datasets
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1455442
PMID:40151465
|
research paper | 本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响 | 研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术 | 未提及具体的数据集大小或实验的具体细节 | 探索类别不平衡对图像分类性能的影响 | 图像和视频数据 | computer vision | NA | Distributed Gaussian (D-GA), Distributed Poisson (D-PO) | Random Forest (RF), SVM, deep learning models | image, video | large datasets（未提及具体数量） | NA | NA | NA | NA |
| 17007 | 2025-03-30 |
Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1404564
PMID:40151568
|
研究论文 | 本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估 | 系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度 | NA | 提高大规模农场中羊群个体监测的准确性和效率 | 羊群 | 计算机视觉 | NA | 深度学习 | YOLOv5s, GhostNet, EfficientNet | 图像 | NA | NA | NA | NA | NA |
| 17008 | 2025-03-30 |
Transformer-based ensemble model for dialectal Arabic sentiment classification
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2644
PMID:40151815
|
研究论文 | 该研究提出了一种基于Transformer的集成模型，用于方言阿拉伯语的情感分类 | 提出了一种基于Transformer的集成模型，在方言阿拉伯语情感分类任务中表现优于传统机器学习和深度学习模型 | 研究仅限于三个基准数据集，可能无法涵盖所有方言阿拉伯语的变体 | 提高方言阿拉伯语情感分类的准确性和性能 | 阿拉伯语推文的情感分类 | 自然语言处理 | NA | AraVec, FastText, AraBERT, TF-IDF | Transformer-based ensemble model, SVM, NB, DT, XGBoost, CNN, BLSTM, CAMeLBERT, XLM-RoBERTa, MARBERT | 文本 | 三个基准数据集：ASTD、ASAD和TEAD | NA | NA | NA | NA |
| 17009 | 2025-03-30 |
A semantic segmentation-based automatic pterygium assessment and grading system
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1507226
PMID:40151829
|
研究论文 | 本研究开发了一种结合深度学习和图像处理技术的自动翼状胬肉评估和分级系统 | 通过整合语义分割和曲线拟合技术，实现了翼状胬肉的自动分级，与医生临床评估高度一致 | 数据集的构建仍需在未来研究中进一步优化 | 开发自动化的翼状胬肉评估系统以优化治疗并减轻患者痛苦 | 翼状胬肉患者 | 数字病理学 | 眼部疾病 | 深度学习、图像处理 | 改进的TransUnet架构 | 图像 | 临床数据集中的裂隙灯显微镜图像 | NA | NA | NA | NA |
| 17010 | 2025-03-29 |
Predicting radiation-induced hypothyroidism in nasopharyngeal carcinoma patients using a deep learning model
2025-May, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100946
PMID:40144227
|
research paper | 本研究开发了一种基于深度学习生存分析的模型，用于预测鼻咽癌患者放射性甲状腺功能减退症（RIHT）的发生 | 使用DeepSurv深度学习模型预测RIHT，其性能优于传统的Cox和NTCP模型 | 研究为回顾性设计，可能存在选择偏倚 | 开发高准确度的RIHT预测模型，以支持个性化患者管理 | 535名鼻咽癌患者 | digital pathology | nasopharyngeal carcinoma | deep learning survival analysis | DeepSurv, CNN | clinical data | 535名鼻咽癌患者（2015年1月至2020年10月） | NA | NA | NA | NA |
| 17011 | 2025-10-07 |
Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs
2025-Apr, Odontology
IF:1.9Q2
DOI:10.1007/s10266-024-00989-z
PMID:39198339
|
研究论文 | 开发两步深度学习模型用于在全景X光片上自动检测种植体区域并识别多种种植体类型 | 提出两步深度学习框架，先检测种植体区域再按制造商分类识别具体类型 | Nobel公司的Parallel类种植体分类性能相对较低 | 开发自动检测和识别牙科种植体的深度学习模型 | 牙科种植体 | 计算机视觉 | 牙科疾病 | 全景X射线成像 | CNN | X光图像 | 1574张全景X光片，包含3675个种植体 | YOLO, EfficientNet | YOLO v7, EfficientNet | 召回率, 精确率, F1分数, 准确率 | NA |
| 17012 | 2025-10-07 |
A Novel Network for Low-Dose CT Denoising Based on Dual-Branch Structure and Multi-Scale Residual Attention
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01254-z
PMID:39261373
|
研究论文 | 提出一种基于双分支结构和多尺度残差注意力的新型网络用于低剂量CT图像去噪 | 提出自适应动态卷积块(ADCB)、多尺度边缘增强注意力块(MEAB)和多尺度残差卷积块(MRCB)三个创新模块，通过双分支框架分别提取浅层和深层图像特征 | NA | 提高低剂量CT图像去噪效果和图像质量 | 低剂量医学CT图像 | 计算机视觉 | NA | CT成像 | CNN | 医学图像 | 两个公开数据集：AAPM-Mayo数据集和Qin_LUNG_CT数据集 | NA | 双分支网络架构，包含ADCB、MEAB、MRCB模块 | PSNR, SSIM, RMSE | NA |
| 17013 | 2025-03-29 |
Tea grading, blending, and matching based on computer vision and deep learning
2025-Apr, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14088
PMID:39711109
|
research paper | 本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法 | 结合ResNet模型和CBAM注意力模块，提高了茶叶图像特征提取能力，显著提升了分类和匹配的准确率 | 仅针对乌龙茶和红茶进行了测试，未涵盖其他茶类 | 提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性 | 乌龙茶和红茶的图像数据 | computer vision | NA | deep learning | ResNet with CBAM | image | NA | NA | NA | NA | NA |
| 17014 | 2025-03-29 |
Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103146
PMID:40144691
|
研究论文 | 开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型，用于感染性肾积水的诊断 | 使用改进的U-Net算法开发了肾积水分割模型（HRSM），并结合3D CNN和临床数据建立了感染性肾积水诊断模型（IHDM） | 需要更多多样化的真实世界多中心验证研究来验证模型的稳健性 | 开发一种全自动分割和非侵入性诊断模型，用于感染性肾积水的诊断 | 肾积水患者 | 数字病理 | 肾积水 | CT图像分析 | Improved U-Net, 3D CNN, SVM | CT图像 | 615名患者（包括5876张标注的CT图像） | NA | NA | NA | NA |
| 17015 | 2025-03-29 |
A data-driven approach to turmeric disease detection: Dataset for plant condition classification
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111435
PMID:40144898
|
研究论文 | 本文提出了一种基于数据驱动的姜黄病害检测方法，并构建了一个用于植物状态分类的数据集 | 构建了一个包含1037张原始图像和4628张增强图像的姜黄植物病害数据集，并应用Inception-v3模型实现了97.36%的分类准确率 | 数据集仅包含五种姜黄植物状态，可能无法涵盖所有可能的病害类型 | 开发AI辅助解决方案以实现精准农业和可持续作物生产 | 姜黄植物及其病害（健康叶片、干枯叶片、叶斑病、根茎病根和健康根茎） | 计算机视觉 | 植物病害 | 数据增强（翻转、旋转、亮度调整） | Inception-v3 | 图像 | 1037张原始图像和4628张增强图像 | NA | NA | NA | NA |
| 17016 | 2025-03-29 |
[Application and future of artificial intelligence in oral esthetics]
2025-Mar-28, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
review | 本文探讨了人工智能在口腔美学领域的应用及其未来发展 | 通过深度学习等技术，AI提升了牙科修复设计、微笑分析和个性化治疗的精确度和效率 | 应用仍面临技术限制、伦理问题和数据多样性不足等挑战 | 促进口腔美学领域的智能化和以人为中心的发展 | 牙科修复设计、微笑分析和个性化治疗 | digital pathology | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 17017 | 2025-03-29 |
Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images
2025-Mar-28, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2476079
PMID:40151966
|
research paper | 该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络（HFBO-based DCNN），用于MRI图像的脑肿瘤分类 | 结合了混合水果蜜蜂优化算法（HFBO）和深度卷积神经网络（DCNN）以提高脑肿瘤分类的准确性 | 未提及对不同类型脑肿瘤的分类效果是否一致，也未讨论算法在更大规模数据集上的泛化能力 | 提高脑肿瘤分类的准确性 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | MRI | DCNN, HFBO | image | NA | NA | NA | NA | NA |
| 17018 | 2025-03-29 |
Concerns regarding deployment of AI-based applications in dentistry - a review
2025-Mar-25, BDJ open
IF:2.5Q2
DOI:10.1038/s41405-025-00319-7
PMID:40133287
|
review | 本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性 | 强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性 | 研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性 | 评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战 | 牙科AI应用程序 | digital pathology | NA | Deep Learning, Machine Learning | NA | NA | 44项研究（34项来自电子搜索，10项来自手动搜索） | NA | NA | NA | NA |
| 17019 | 2025-03-29 |
The invisible architects: microbial communities and their transformative role in soil health and global climate changes
2025-Mar-25, Environmental microbiome
IF:6.2Q1
DOI:10.1186/s40793-025-00694-6
PMID:40133952
|
综述 | 本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制 | 提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化 | NA | 探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力 | 土壤微生物群落及其对土壤环境的影响 | 微生物生态学 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 17020 | 2025-03-29 |
Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening
2025-Mar-21, Environment & health (Washington, D.C.)
DOI:10.1021/envhealth.4c00160
PMID:40144325
|
研究论文 | 该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选 | 提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案 | NA | 开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选 | 酵母细胞 | 分子生物学 | NA | GFP融合技术、蛋白质组学检测 | 统计模型、深度学习模型 | 蛋白质效应水平指数(PELI) | NA | NA | NA | NA | NA |