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 19349 篇文献，本页显示第 17041 - 17060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17041 | 2025-03-29 |
A deep learning-based multi-view approach to automatic 3D landmarking and deformity assessment of lower limb
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84387-z
PMID:39747979
|
研究论文 | 提出一种基于深度学习的多视角方法，用于自动3D地标检测和下肢畸形评估 | 采用多视角渲染和金字塔式卷积神经网络整合技术，自动检测CT图像中的3D地标，提高地标检测和指标评估的速度与准确性 | 未提及具体样本量及数据来源的多样性，可能影响模型的泛化能力 | 开发一种自动检测下肢CT图像中3D地标的方法，以可靠诊断骨骼疾病 | 下肢CT图像中的骨骼地标 | 计算机视觉 | 骨骼疾病 | CT扫描 | 金字塔式CNN | 3D图像 | NA | NA | NA | NA | NA |
| 17042 | 2025-03-29 |
Non-invasive blood glucose monitoring using PPG signals with various deep learning models and implementation using TinyML
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84265-8
PMID:39753714
|
研究论文 | 本研究提出了一种创新的1秒信号分割方法，并评估了三种先进深度学习模型在利用PPG信号估计血糖水平方面的性能 | 创新的1秒信号分割技术显著提高了准确性和计算效率，并在嵌入式设备上实现了即时血糖估计 | 训练数据在手术和麻醉期间收集，可能影响模型在正常状态下的泛化能力 | 开发一种非侵入性、准确且方便的血糖监测方法 | PPG信号 | 机器学习 | 糖尿病 | PPG | 深度学习模型 | 信号数据 | 手术和麻醉期间收集的训练数据及单独测试数据集 | NA | NA | NA | NA |
| 17043 | 2025-03-29 |
Automated assessment of task-based performance of digital mammography and tomosynthesis systems using an anthropomorphic breast phantom and deep learning-based scoring
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S1.S13005
PMID:39416764
|
研究论文 | 本文提出了一种基于深度学习的自动化评分方法，用于评估数字乳腺X线摄影（DM）和数字乳腺断层合成（DBT）系统的任务性能 | 使用具有随机羟基磷灰石微钙化的逼真乳腺体模和基于Resnet-18架构的半自动化深度学习图像评分方法，解决了现有体模方法背景不真实、评分主观和信号模式不具代表性的问题 | 研究仅基于体模实验，未涉及真实临床数据 | 开发一种客观的任务型图像质量评估方法，用于乳腺X线摄影和断层合成系统 | 数字乳腺X线摄影（DM）和数字乳腺断层合成（DBT）系统 | 数字病理学 | 乳腺癌 | 深度学习和ROC分析 | Resnet-18 | 图像 | 实验使用临床乳腺X线摄影系统收集的2D和伪3D乳腺X线照片 | NA | NA | NA | NA |
| 17044 | 2025-03-29 |
SUMO-LMNet: Lossless mapping network for predicting SUMOylation sites in SUMO1 and SUMO2 using high-dimensional features
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.005
PMID:40143924
|
研究论文 | 介绍了一种名为SUMO-LMNet的深度学习框架，用于精确预测SUMO1和SUMO2的SUMOylation位点 | SUMO-LMNet整合了无损映射策略和深度学习架构，提高了预测准确性和可解释性，并引入了Combined Heatmap Feature Analysis (CHFA)进行数据集范围的评估 | Grad-CAM在单个预测中突出关键特征，但在样本间缺乏一致性，且未提供数据集范围的特征重要性评估 | 提高SUMO1和SUMO2修饰位点的预测准确性，以助于基因调控和疾病机制的研究 | SUMO1和SUMO2的SUMOylation位点 | 机器学习 | NA | 深度学习 | CNN | 序列数据 | NA | NA | NA | NA | NA |
| 17045 | 2025-03-29 |
SympCoughNet: symptom assisted audio-based COVID-19 detection
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1551298
PMID:40144457
|
research paper | 提出了一种名为SympCoughNet的深度学习网络，通过结合咳嗽声音和临床症状数据来检测COVID-19 | 首次将临床症状数据与咳嗽声音结合用于COVID-19检测，并采用症状编码通道加权增强特征处理 | 错误的症状输入可能影响预测结果 | 提高COVID-19检测的准确性和便捷性 | COVID-19患者 | machine learning | COVID-19 | 深度学习 | CNN | 音频和临床数据 | UK COVID-19 Vocal Audio Dataset | NA | NA | NA | NA |
| 17046 | 2025-03-29 |
A multi-modal deep learning solution for precise pneumonia diagnosis: the PneumoFusion-Net model
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1512835
PMID:40144549
|
research paper | 提出了一种名为PneumoFusion-Net的多模态深度学习模型，用于精确诊断肺炎 | 整合了CT图像、临床文本、实验室数值结果和放射学报告，首次在肺炎诊断中实现了多模态数据的深度融合 | 模型仅在单一数据集上进行验证，需要更多外部数据验证其泛化能力 | 开发一个高精度的肺炎分类系统，区分细菌性和病毒性肺炎 | 肺炎患者的CT图像及相关临床数据 | digital pathology | pneumonia | deep learning | PneumoFusion-Net | CT images, clinical text, numerical lab test results, radiology reports | 10,095份肺炎CT图像及相关临床数据 | NA | NA | NA | NA |
| 17047 | 2025-03-29 |
Multimodal diagnosis of Alzheimer's disease based on resting-state electroencephalography and structural magnetic resonance imaging
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1515881
PMID:40144547
|
研究论文 | 提出了一种基于静息态脑电图和结构磁共振成像的多模态阿尔茨海默病诊断模型 | 首次探索深度学习与脑电图多模态结合用于阿尔茨海默病诊断，设计了多模态联合注意力机制以增强模态间协作 | 未提及模型在其他神经退行性疾病上的泛化能力 | 提升多模态阿尔茨海默病诊断的准确性和脑电图在多模态研究中的应用 | 阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | 静息态脑电图（EEG），结构磁共振成像（sMRI） | CNN，随机森林 | EEG信号，MRI图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 17048 | 2025-03-29 |
Review of applications of deep learning in veterinary diagnostics and animal health
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1511522
PMID:40144529
|
review | 本文综述了深度学习在兽医诊断和动物健康领域的应用 | 系统性地回顾了深度学习在兽医医学中的多种诊断应用，并分析了其发展趋势和潜在影响 | 需要更大更多样的数据集，存在可解释性问题，需专家参与模型开发以确保有效性 | 探讨深度学习在兽医诊断领域的应用及其未来发展方向 | 兽医诊断和动物健康 | machine learning | NA | deep learning | NA | radiography, cytology, health record, MRI, environmental data, photo/video imaging, ultrasound | 39篇主要研究文章 | NA | NA | NA | NA |
| 17049 | 2025-03-29 |
YO-AFD: an improved YOLOv8-based deep learning approach for rapid and accurate apple flower detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541266
PMID:40144752
|
研究论文 | 提出了一种基于YOLOv8改进的YO-AFD深度学习方法，用于快速准确地检测苹果花 | 设计了新的注意力模块ISAT，结合了IRMB和SCSA模块，并引入了基于FIoU的回归损失函数，以提高模型对不同尺度特征的关注和关键特征的提取能力 | 未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力 | 提高苹果花的检测准确性和速度，以评估果树生长状态、预测花期和早期产量估计 | 苹果花 | 计算机视觉 | NA | 深度学习 | YOLOv8, ISAT, C2f-IS | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17050 | 2025-03-29 |
Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial dysplasia
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1550512
PMID:40144879
|
研究论文 | 本研究评估了基于深度学习的超分辨率扫描系统在口腔上皮异常增生（OED）数字扫描和诊断中的可行性 | 结合深度学习和超分辨率扫描技术，提高了口腔上皮组织病理切片的成像清晰度，解决了现有数字扫描仪成像速度慢、数据量大等问题 | 研究样本量较小，仅使用了40张病理切片进行模型训练 | 评估基于深度学习的超分辨率数字切片扫描系统在OED病理诊断中的可行性 | 口腔上皮异常增生（OED）的病理切片 | 数字病理 | 口腔潜在恶性疾病 | 深度学习 | NA | 图像 | 40张口腔上皮组织病理切片和200张确诊OED的切片 | NA | NA | NA | NA |
| 17051 | 2025-03-28 |
Classifying Alzheimer's Disease Using a Finite Basis Physics Neural Network
2025-Apr, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24727
PMID:39704389
|
research paper | 提出了一种基于有限基物理神经网络（FBPINN）的分类方法CAD-FBPINN，用于阿尔茨海默病（AD）的分类 | 结合了海马优化算法（SHOA）优化FBPINN，提高了AD分类的准确性 | 未提及具体的数据集规模或多样性限制 | 开发一种可靠的AD分类方法，以支持临床治疗应用 | 阿尔茨海默病患者的功能性磁共振成像（MRI）数据 | digital pathology | geriatric disease | functional magnetic resonance imaging (MRI), Newton-time-extracting wavelet transform (NTEWT) | FBPINN, SHOA | image | 数据来自AD Neuroimaging Initiative (ADNI)数据集，但未提及具体样本数量 | NA | NA | NA | NA |
| 17052 | 2025-03-28 |
Deep learning analysis for rheumatologic imaging: current trends, future directions, and the role of human
2025-Apr-01, Journal of rheumatic diseases
IF:2.2Q3
DOI:10.4078/jrd.2024.0128
PMID:40134548
|
review | 本文综述了深度学习在风湿病影像分析中的应用、当前趋势、未来方向及人类角色的重要性 | 深度学习在风湿病影像分析中的应用展示了超越人类表现的潜力，特别是在关节损伤评估和疾病进展监测方面 | 深度学习面临数据偏见、解释性有限以及需要大量标注数据集等挑战 | 探讨深度学习在风湿病影像分析中的应用及其对未来诊断、治疗决策和个性化医疗的潜在影响 | 风湿病影像数据，包括类风湿性关节炎(RA)、骨关节炎(OA)和脊柱关节炎(SpA)患者的影像 | digital pathology | rheumatoid arthritis, osteoarthritis, spondyloarthritis | 深度学习(DL) | CNN | image | NA | NA | NA | NA | NA |
| 17053 | 2025-03-28 |
Machine Learning Potential for Copper Hydride Clusters: A Neutron Diffraction-Independent Approach for Locating Hydrogen Positions
2025-Mar-26, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c02046
PMID:40088162
|
研究论文 | 本文提出了一种名为SSW-NN的创新策略，用于准确预测金属氢化物团簇中氢的位置，无需依赖中子衍射数据 | 提出了一种不依赖中子衍射数据的机器学习方法SSW-NN，能够准确预测氢的位置，适用于仅有X射线衍射数据或DFT预测的情况 | 虽然方法在铜氢化物团簇上验证有效，但对于其他金属氢化物系统的普适性仍需进一步验证 | 开发一种不依赖中子衍射的机器学习方法，用于确定金属氢化物团簇中氢的位置 | 铜氢化物团簇及其他金属氢化物系统（如银和合金氢化物） | 机器学习 | NA | SSW-NN（随机表面行走与神经网络结合的方法） | 神经网络 | X射线衍射数据、DFT预测数据 | 铜氢化物团簇及其他金属氢化物系统（具体数量未提及） | NA | NA | NA | NA |
| 17054 | 2025-03-28 |
Image segmentation and coverage estimation of deep-sea polymetallic nodules based on lightweight deep learning model
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89952-8
PMID:40128230
|
研究论文 | 本文提出了一种名为YOLOv7-PMN的轻量级深度学习模型，用于深海多金属结核的图像分割和覆盖率估计 | 模型采用MobileNetV3-Small轻量级特征提取框架，并集成多级Squeeze-and-Excitation注意力机制，提高了检测精度和推理速度，同时减少了模型大小 | 未明确提及具体局限性 | 实时、准确、高效地计算深海多金属结核的覆盖率参数 | 深海多金属结核 | 计算机视觉 | NA | 深度学习 | YOLOv7-PMN（基于YOLOv7改进的轻量级模型） | 海底视频数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17055 | 2025-03-28 |
A deep learning-based hybrid method for PM2.5 prediction in central and western China
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95460-6
PMID:40128263
|
research paper | 该研究提出了一种基于深度学习的混合方法，用于预测中国中部和西部地区的PM2.5浓度 | 结合Transformer和LSTM架构，并通过粒子群优化（PSO）算法进行参数优化，利用LSTM的门控机制、Transformer的位置编码和自注意力机制以及PSO的优化能力，提升了PM预测的性能 | 未提及模型在其他地区或不同污染条件下的适用性 | 提高PM2.5预测的准确性和可靠性 | 中国中部和西部地区的PM2.5浓度数据 | machine learning | NA | deep learning, PSO | Transformer, LSTM | 时间序列数据 | 未明确提及样本数量，但涉及多个城市和不同时期的数据 | NA | NA | NA | NA |
| 17056 | 2025-03-28 |
Detection of cyber attacks in electric vehicle charging systems using a remaining useful life generative adversarial network
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92895-9
PMID:40128270
|
research paper | 本研究提出了一种基于生成对抗网络（GAN）的剩余使用寿命（RUL）方法，用于检测电动汽车充电系统中的网络攻击 | 利用GAN结合RUL方法预测网络攻击的剩余时间，为网络安全策略带来革命性变化 | 研究仅针对电动汽车充电设备（EVSE）在空闲和充电状态下的网络和主机攻击场景进行了测试 | 提高电动汽车充电系统的网络安全，减少网络攻击带来的经济和声誉损失 | 电动汽车充电设备（EVSE）及其网络攻击 | machine learning | NA | GAN, GRU, LSTM, RNN, CNN, MLP | GAN-GRU, GAN-LSTM, GAN-RNN, GAN-CNN, GAN-MLP, GAN-Dense Layer | 网络攻击数据 | NA | NA | NA | NA | NA |
| 17057 | 2025-03-28 |
High-speed threat detection in 5G SDN with particle swarm optimizer integrated GRU-driven generative adversarial network
2025-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95011-z
PMID:40122918
|
研究论文 | 本文提出了一种结合粒子群优化器和GRU驱动的生成对抗网络的高效深度学习模型，用于5G软件定义网络中的威胁检测 | 创新点在于将粒子群优化器(PSO)与GRU驱动的生成对抗网络(GAN)相结合，优化网络权重并生成合成攻击数据，从而提高检测性能 | NA | 开发高效的深度学习模型以提高5G SDN环境中的攻击检测性能和响应能力 | 5G软件定义网络(SDN)中的网络流量数据 | 机器学习 | NA | 深度学习 | PSO-GRUGAN-IDS（结合PSO、GRU和GAN的入侵检测系统分类器） | 网络流量数据 | 使用InSDN数据集进行评估 | NA | NA | NA | NA |
| 17058 | 2025-03-28 |
Impact of Artificial Intelligence on Periodontology: A Review
2025-Mar, Cureus
DOI:10.7759/cureus.81162
PMID:40134460
|
review | 本文综述了人工智能在牙周病学中的应用及其影响 | 探讨了AI在牙周病诊断、治疗规划和患者管理中的创新应用 | 存在数据隐私、算法可靠性和临床验证需求等挑战 | 评估AI在牙周病学中的当前应用、优势、限制和未来可能性 | 牙周病学中的AI技术应用 | digital pathology | periodontal disease | machine learning, deep learning, computer vision | NA | radiographic images, clinical data | NA | NA | NA | NA | NA |
| 17059 | 2025-03-28 |
Predicting noncoding RNA and disease associations using multigraph contrastive learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81862-5
PMID:39747154
|
研究论文 | 提出一种名为K-MGCMLD的多图对比学习方法，用于预测miRNA、lncRNA与疾病之间的关联 | 结合K-means聚类和多图对比学习（包括局部和全局图对比学习），提高了预测准确性并能同时预测多种非编码RNA与疾病的关联 | 未明确提及具体局限性 | 提高非编码RNA与疾病关联预测的准确性，并实现多种类型关联的同时预测 | miRNA、lncRNA与疾病之间的关联 | 机器学习 | 肺癌、阿尔茨海默病 | 多图对比学习 | GCN、XGBoost | 图数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 17060 | 2025-03-28 |
Validation of musculoskeletal segmentation model with uncertainty estimation for bone and muscle assessment in hip-to-knee clinical CT images
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83793-7
PMID:39747203
|
研究论文 | 本研究验证了一种改进的深度学习模型，用于从临床CT图像中进行髋部和股骨的肌肉骨骼体积分割及不确定性估计 | 改进了深度学习模型，增加了不确定性估计功能，并在多厂商/扫描仪、不同疾病状态和患者体位的大规模CT数据库上进行了验证 | 基线模型的训练数据库较小（N=20） | 验证改进的深度学习模型在肌肉骨骼分割中的准确性和可靠性 | 髋部至膝部的临床CT图像 | 数字病理 | 肌肉骨骼疾病 | 临床CT成像 | 深度学习模型 | 3D医学图像 | 大规模CT数据库（具体数量未明确说明），基线模型训练样本N=20 | NA | NA | NA | NA |