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 19281 篇文献，本页显示第 17061 - 17080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17061 | 2025-03-28 |
DeepSpoofNet: a framework for securing UAVs against GPS spoofing attacks
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2714
PMID:40134872
|
研究论文 | 提出DeepSpoofNet框架，用于保护无人机免受GPS欺骗攻击 | 结合高级特征选择技术和强大的神经网络架构，提出一种混合NN模型（ANOVA + CNN-BiLSTM），显著提高了GPS欺骗攻击检测的准确性和性能 | 当前最先进研究中存在的挑战包括数据集不平衡、特征选择次优以及在资源受限环境中的攻击检测准确性 | 解决无人机GPS欺骗攻击检测中的挑战 | 无人机（UAVs）及其GPS接收器 | 机器学习 | NA | 深度学习、特征选择 | CNN、BiLSTM、混合NN模型 | GPS信号数据 | NA | NA | NA | NA | NA |
| 17062 | 2025-03-28 |
Automatic cassava disease recognition using object segmentation and progressive learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2721
PMID:40134883
|
研究论文 | 本研究开发了一种基于深度学习的框架，用于在现实条件下早期、准确且高效地检测木薯病害 | 提出了一种结合自监督对象分割技术和渐进学习算法（PLA）的方法，利用三元组损失和分类损失学习鲁棒的特征嵌入 | NA | 开发一种适用于大规模农业使用的木薯病害检测方法 | 木薯病害 | 计算机视觉 | 植物病害 | 自监督对象分割技术，渐进学习算法（PLA） | 深度学习 | 图像 | Kaggle竞赛中的Cassava Leaf Disease Classification (CLDC)数据集 | NA | NA | NA | NA |
| 17063 | 2025-03-28 |
Optimal intrusion detection for imbalanced data using Bagging method with deep neural network optimized by flower pollination algorithm
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2745
PMID:40134887
|
研究论文 | 本文提出了一种基于元启发式和深度学习技术的新型入侵检测系统（IDS），用于处理物联网网络中的不平衡数据问题 | 结合花授粉算法（FPA）和深度神经网络（DNN）的混合方法，并采用RB Bagging策略处理类别不平衡问题 | 未明确提及具体局限性 | 开发高效的入侵检测系统以管理物联网网络中的风险和漏洞 | 物联网网络中的入侵检测 | 机器学习 | NA | 花授粉算法（FPA），深度神经网络（DNN） | DNN | 网络流量数据 | 四个公共数据集（NSL-KDD, UNSW NB-15, CIC-IDS-2017, BoT-IoT） | NA | NA | NA | NA |
| 17064 | 2025-03-28 |
Development of a cryptocurrency price prediction model: leveraging GRU and LSTM for Bitcoin, Litecoin and Ethereum
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2675
PMID:40134889
|
research paper | 该研究开发了一种利用GRU和LSTM模型预测比特币、莱特币和以太坊价格的加密货币价格预测模型 | 比较了GRU和LSTM在加密货币价格预测中的表现，发现GRU模型优于LSTM | 未考虑社交媒体趋势和交易量等可能影响加密货币价格的其他变量 | 开发高精度的加密货币价格预测模型 | 比特币(BTC)、莱特币(LTC)和以太坊(ETH)三种主要加密货币 | machine learning | NA | NA | GRU, LSTM | time-series data | 历史价格数据来自CryptoDataDownload，按80:20的比例划分训练集和测试集 | NA | NA | NA | NA |
| 17065 | 2025-02-12 |
Response to Letter to the Editor Regarding: Multimodal Deep Learning-Based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Apr-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005296
PMID:39931786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17066 | 2025-10-07 |
Multi-type stroke lesion segmentation: comparison of single-stage and hierarchical approach
2025-Apr, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03243-4
PMID:39549224
|
研究论文 | 本研究比较了单阶段和分层方法在脑部CT扫描中多类型卒中病灶分割的性能 | 首次系统比较单阶段直接分割与分层分类后分割两种方法在多类型卒中病灶分割中的表现 | 数据集仅来自单一国家机构，可能影响模型泛化能力 | 开发有效的多类型卒中病灶自动分割方法以辅助临床决策 | 脑部CT扫描图像中的缺血性和出血性卒中病灶 | 计算机视觉 | 卒中 | CT扫描 | CNN, Transformer | 医学图像 | 6650张图像（1130例缺血性卒中，1093例出血性卒中，4427例非卒中） | PyTorch, TensorFlow | ResNet, ResNeXt, ViT, U-Net, U-Net++, DeepLabV3 | AUC, IoU | NA |
| 17067 | 2025-03-27 |
Deep learning-based prediction of Monte Carlo dose distribution for heavy ion therapy
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100735
PMID:40129728
|
研究论文 | 提出了一种基于深度学习的模型，用于快速预测重离子治疗中的蒙特卡洛模拟剂量分布 | 开发了Cascade Hierarchically Densely 3D U-Net (CHD U-Net)模型，能够在几秒钟内预测蒙特卡洛剂量分布，且准确率高于现有方法 | 样本量相对较小，仅包含67例头颈患者和30例胸腹患者 | 提高重离子治疗中剂量分布的预测准确性和计算效率 | 头颈和胸腹部位的重离子治疗患者 | 医学影像分析 | 癌症 | 深度学习 | CHD U-Net | CT图像和TPSDose数据 | 67例头颈患者和30例胸腹患者 | NA | NA | NA | NA |
| 17068 | 2025-03-27 |
External validation of an algorithm to detect vertebral level mislabeling and autocontouring errors
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100738
PMID:40129727
|
research paper | 该研究对外部验证了一种椎体自动轮廓工具的算法，并研究了一种后处理方法以提高其性能至临床可接受水平 | 开发了一种后处理技术，显著提高了椎体定位的准确性 | 在外部数据集上的性能相比原始训练数据集有所下降 | 验证和改进椎体自动轮廓工具的临床适用性 | CT扫描中的椎体 | digital pathology | NA | machine learning, deep learning | NA | CT scans | 81例CT扫描（40例来自机构A，41例来自机构B） | NA | NA | NA | NA |
| 17069 | 2025-03-27 |
ADAM: automated digital phenotyping and morphological texture analysis of bone biopsy images using deep learning
2025-Apr, JBMR plus
IF:3.4Q2
DOI:10.1093/jbmrpl/ziaf028
PMID:40129969
|
研究论文 | 开发了一种名为ADAM的自动化流程，用于通过深度学习对骨活检图像进行数字表型分析和形态纹理分析 | ADAM流程能够快速生成组织与细胞图谱，并在无需额外染色的情况下，通过亮场显微镜图像进行骨细胞计数 | 对于形态异质性较高的骨细胞计数，如破骨细胞和成骨细胞，其相关系数相对较低 | 提高骨活检图像分析的自动化程度和准确性，以改善病理工作流程和诊断洞察 | 未脱钙骨活检图像中的组织与细胞成分 | 数字病理学 | 骨病 | 深度学习 | NA | 图像 | 最多20张图像 | NA | NA | NA | NA |
| 17070 | 2025-03-27 |
A statistical method for high-throughput emergence rate calculation for soybean breeding plots based on field phenotypic characteristics
2025-Mar-24, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01356-x
PMID:40122826
|
research paper | 本研究提出了一种基于无人机和地面测量数据的高通量大豆出苗率统计方法，旨在提高密集种植环境下育种筛选的效率和准确性 | 结合背景分割、深度学习目标检测和生长归一化思想，提出了一种新的高通量大豆出苗率统计方法，解决了现有方法在密集环境下的低通量、低效率和精度不足问题 | 方法在极端密集或高度重叠的种植环境下可能仍存在计数误差 | 开发一种高效、精确的大豆出苗率统计方法，以加速育种筛选过程 | 密集种植环境下的大豆幼苗 | digital agriculture | NA | 无人机遥感成像、深度学习目标检测 | Yolov8n | 遥感图像 | 未明确说明具体样本数量，但涉及密集种植环境下的大豆幼苗图像数据 | NA | NA | NA | NA |
| 17071 | 2025-03-27 |
Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China
2025-Mar-23, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01937-3
PMID:40121609
|
研究论文 | 基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型 | 结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能 | 研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证 | 开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性 | 纯磨玻璃肺结节（pGGNs） | 数字病理学 | 肺癌 | CT成像 | cLung-RADS® v2022 | 医学影像 | 526名患者（共572个肺结节），分为训练集（169例）和验证集（403例） | NA | NA | NA | NA |
| 17072 | 2025-03-27 |
Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021
2025-Mar-22, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04794-3
PMID:40121204
|
research paper | 该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图 | 采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统 | NA | 为水资源管理和湿地保护提供数据支持 | 长江中游城市群的内陆水体 | machine learning | NA | 弱监督深度学习 | NA | 卫星图像 | 14000个验证点 | NA | NA | NA | NA |
| 17073 | 2025-03-27 |
An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08609-8
PMID:39672993
|
研究论文 | 基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型 | 结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型 | 样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列 | 预测颈脊髓损伤患者的预后 | 168名颈脊髓损伤患者 | 数字病理学 | 颈脊髓损伤 | MRI影像组学分析，深度学习迁移学习 | Lasso回归，深度学习模型 | MRI图像（T1WI和T2WI），临床数据 | 168名颈脊髓损伤患者 | NA | NA | NA | NA |
| 17074 | 2025-03-27 |
Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08623-w
PMID:39708132
|
研究论文 | 开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折 | 使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折 | 样本量相对较小，外部验证和前瞻性验证的样本数量有限 | 开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折 | 胸腰椎骨折患者 | 计算机视觉 | 骨科疾病 | CT成像 | 3D V-Net, ResNet, DenseNet | 医学影像 | 训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个 | NA | NA | NA | NA |
| 17075 | 2025-03-27 |
Ensemble approach to deep learning seabed classification using multichannel ship noisea)
2025-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0036221
PMID:40135961
|
研究论文 | 本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据 | 采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响 | 实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显 | 开发一种基于深度学习的海底分类方法 | 海底类型 | 机器学习 | NA | 多通道水听器声谱图分析 | ResNet-18 | 声谱图 | SBCEX 2017实验测量数据 | NA | NA | NA | NA |
| 17076 | 2025-10-07 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 提出一种基于混合卷积的自适应ResNet与注意力机制模型，用于花生叶部病害检测与自适应分割 | 结合自适应TransResunet++分割、HP-BWCF优化算法和HCAR-AM分类模型，通过双阶段特征提取提升检测精度 | NA | 开发高效的花生叶部病害检测系统 | 花生叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN, ResNet, 注意力机制 | 图像 | NA | NA | 自适应TransResunet++, HCAR-AM, ResNet | 多种性能指标 | NA |
| 17077 | 2025-03-27 |
Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review
2025-Feb, Cureus
DOI:10.7759/cureus.79391
PMID:40130121
|
系统综述 | 本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性 | 强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术 | 部署AI工具用于诊断目的的问题需要更多关注 | 探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合 | 肌肉骨骼疾病 | 数字病理学 | 肌肉骨骼疾病 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |
| 17078 | 2025-03-27 |
Deep learning-based discovery of compounds for blood pressure lowering effects
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83924-0
PMID:39747442
|
研究论文 | 本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物 | 利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物 | 仅验证了50个分子的预测结果，样本量相对较小 | 预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现 | 26,000种化合物 | 机器学习 | 心血管疾病 | 深度学习，分子对接 | 深度学习模型 | 化合物数据 | 26,000种化合物，其中50个分子用于验证 | NA | NA | NA | NA |
| 17079 | 2025-03-27 |
The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84023-w
PMID:39748016
|
研究论文 | 开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果 | 比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性 | 未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法 | 开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 特征选择方法包括互信息、F-classif和卡方检验 | 决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN | 基因数据 | NA | NA | NA | NA | NA |
| 17080 | 2025-03-27 |
LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_13
PMID:40123747
|
research paper | 本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动 | LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动 | 在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播 | 提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析 | 心脏磁共振（CMR）成像视频 | digital pathology | cardiovascular disease | DENSE CMR, 潜在扩散模型 | diffusion model | video | NA | NA | NA | NA | NA |