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 17121 - 17140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17121 | 2025-10-07 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Jan-21, ArXiv
PMID:39398212
|
研究论文 | 本文开发了一种可微分的Gillespie算法，用于模拟化学动力学、参数估计和设计合成生物电路 | 利用深度学习突破开发了完全可微分的Gillespie算法变体，通过平滑函数近似原始算法中的不连续操作 | NA | 开发可微分算法用于化学动力学模拟、参数学习和生物网络设计 | 化学反应网络和基因启动子 | 机器学习 | NA | Gillespie算法，深度学习 | NA | mRNA表达水平测量数据 | NA | NA | NA | NA | NA |
| 17122 | 2025-10-07 |
Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion
2025 Jan-Dec, Acute medicine & surgery
IF:1.5Q2
DOI:10.1002/ams2.70049
PMID:40018053
|
研究论文 | 开发基于深度学习的全自动胆囊CT图像识别系统，用于急性胆囊炎的快速诊断 | 首个针对急性胆囊炎的完全自动化CT图像诊断系统，结合多种深度学习模型和后处理技术 | 需要进一步临床验证，样本量相对有限 | 开发辅助临床医生快速评估需胆囊切除术的急性胆囊炎的自动化系统 | 急性胆囊炎患者和对照组参与者的CT图像 | 计算机视觉 | 急性胆囊炎 | CT成像 | CNN | 医学图像 | 250名急性胆囊炎患者和270名对照参与者 | NA | VGG-16, U-Net | 准确率, 灵敏度, 特异性 | NA |
| 17123 | 2025-03-26 |
Artificial intelligence in obstructive sleep apnea: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324446
PMID:40123882
|
研究论文 | 通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向 | 首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库，可能遗漏其他重要文献来源 | 探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势 | 2011-2024年间发表的867篇关于AI在OSA中应用的文献 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 文献计量分析 | NA | 文献数据 | 867篇文献 | NA | NA | NA | NA |
| 17124 | 2025-03-26 |
Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation
2025, American journal of cardiovascular disease
DOI:10.62347/YQHQ1079
PMID:40124093
|
研究论文 | 本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势 | AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异 | NA | 比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用 | Brugada综合征（BrS）及其相关基因变异 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | ECG数据、基因数据 | NA | NA | NA | NA | NA |
| 17125 | 2025-03-26 |
Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches
2025, American journal of neurodegenerative disease
DOI:10.62347/DZNQ2482
PMID:40124352
|
系统综述 | 本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法 | 突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势 | 仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术 | 评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发 | 神经退行性疾病中的脑结构变化 | 机器学习 | 神经退行性疾病 | 曲率估计技术 | 神经网络回归, CNN | 神经影像数据 | 105篇研究论文 | NA | NA | NA | NA |
| 17126 | 2025-03-26 |
Improved food recognition using a refined ResNet50 architecture with improved fully connected layers
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101005
PMID:40124390
|
research paper | 本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性 | 开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳 | 未明确说明模型在其他食物类别或不同环境下的泛化能力 | 评估食物识别系统在医院和餐厅环境中对人体健康的影响 | 16类食物（分为早餐、午餐和晚餐） | computer vision | NA | 深度学习算法 | ResNet50 | image | 初始12,000张图像，通过数据增强扩展到66,000张 | NA | NA | NA | NA |
| 17127 | 2025-03-26 |
Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging
2025, American journal of nuclear medicine and molecular imaging
IF:2.0Q3
DOI:10.62347/MLFB9278
PMID:40124765
|
研究论文 | 提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像 | 利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求 | 2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差 | 优化心肌灌注SPECT成像的采集时间和成像质量 | 心肌灌注SPECT成像 | 数字病理 | 心血管疾病 | SPECT/CT扫描 | U-Net（2D和3D） | 图像 | 116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集） | NA | NA | NA | NA |
| 17128 | 2025-03-26 |
Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1558997
PMID:40124951
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级 | 提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征 | 研究为双中心回顾性研究，样本量相对有限(100例患者) | 开发非侵入性肾细胞癌WHO/ISUP核分级方法 | 肾细胞癌患者 | 数字病理 | 肾细胞癌 | CEUS和B型超声 | MUF-Net(多模态深度学习模型) | 超声视频和图像 | 100例患者的6293张超声图像 | NA | NA | NA | NA |
| 17129 | 2025-03-26 |
Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S501316
PMID:40125481
|
研究论文 | 开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜 | 首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD) | 存在少量误分类情况，有7例RD被错误标记为PVD | 提高在超声检查中识别和区分附着于视盘的膜的准确性 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 超声检查(USG) | Vision Transformer (ViT) | 图像 | 训练和验证集505个样本，测试集212个样本 | NA | NA | NA | NA |
| 17130 | 2025-03-26 |
[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-0303
PMID:40128957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17131 | 2025-03-25 |
Ink classification in historical documents using hyperspectral imaging and machine learning methods
2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125916
PMID:40049019
|
研究论文 | 本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类 | 结合高光谱成像和多种机器学习方法（包括传统算法和深度学习模型）进行墨水分类，并在具有挑战性的条件下实现高准确率 | 仅针对三种特定类型的墨水进行分类，可能不适用于其他类型的墨水 | 开发非侵入性的墨水识别和映射方法，以促进历史文献的保护和分析 | 历史文献中的墨水（纯金属没食子酸墨水、含碳墨水和非含碳墨水） | 计算机视觉 | NA | 高光谱成像 | SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model | 图像 | 模拟样本和历史文献样本 | NA | NA | NA | NA |
| 17132 | 2025-03-25 |
Evaluation of a novel ensemble model for preoperative ovarian cancer diagnosis: Clinical factors, O-RADS, and deep learning radiomics
2025-Apr, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102335
PMID:40048985
|
research paper | 本研究开发了一种结合临床变量、O-RADS和深度学习放射组学的集成模型，用于术前卵巢癌诊断，并评估其对超声医师诊断能力的提升效果 | 首次将临床变量、O-RADS评分和深度学习放射组学特征相结合，构建集成模型，显著提高了卵巢癌的诊断准确性和超声医师的诊断能力 | 研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的泛化能力 | 提高术前卵巢癌诊断的准确性并评估模型对超声医师诊断能力的提升效果 | 卵巢癌患者 | digital pathology | ovarian cancer | deep learning radiomics, LASSO method | ensemble model | transvaginal ultrasound images | 来自两个中心的数据（具体样本量未明确说明） | NA | NA | NA | NA |
| 17133 | 2025-03-25 |
Gran canaria vegetation segmentation dataset from multi-year aerial imagery for environmental monitoring and conservation
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111419
PMID:40124302
|
research paper | 介绍了一个针对Gran Canaria（加那利群岛，西班牙）的新数据集，旨在通过计算机视觉技术自动生成植被地图 | 该数据集在基于航拍图像的语义分割领域中独特，提供了20个明确定义的植被群落的详细注释，超越了现有数据集的广泛分类 | NA | 开发并测试能够自动生成植被地图的深度学习模型，以支持环境监测和保护 | Gran Canaria的植被群落 | computer vision | NA | deep learning, computer vision | NA | aerial imagery | 20个明确定义的植被群落，以及五个非植被类别（如水体、道路或建筑物） | NA | NA | NA | NA |
| 17134 | 2025-03-25 |
Thermal conductivity of the layered titanate K0.8Li0.27Ti1.73O4 explored by a deep learning interatomic potential
2025-Mar-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255515
PMID:40125679
|
研究论文 | 本研究通过深度学习原子间势能预测层状钛酸盐K0.8Li0.27Ti1.73O4的热导率 | 采用深度神经网络模型构建原子间势能，克服了传统方法的局限性，为层状材料的热导率研究提供了新方法 | 研究仅针对K0.8Li0.27Ti1.73O4一种材料，未验证其他层状材料的适用性 | 预测层状氧化物材料的热导率 | 层状钛酸盐K0.8Li0.27Ti1.73O4 (KLTO) | 材料科学 | NA | 深度学习 | 深度神经网络 | 原子力、能量和弹性性质数据 | NA | NA | NA | NA | NA |
| 17135 | 2025-03-25 |
Deep learning for cardiac abnormalities in chest X-rays: performance metrics with imbalanced data and extracardiac objects
2025-Mar-24, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae759
PMID:39776179
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17136 | 2025-03-25 |
Transforming wearable sensor data for robust feature selection in human activity recognition using reinforcement learning approach
2025-Mar-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2480686
PMID:40125899
|
研究论文 | 本文提出了一种利用深度强化学习方法处理可穿戴传感器数据，以提高人体活动识别的准确性和鲁棒性 | 结合生成式演员-评论家（GAC）方法和循环生成对抗网络，增强了类间差异并减少了类内变化，提高了噪声环境下的识别准确率 | 未提及该方法在实时处理或计算资源消耗方面的表现 | 提高可穿戴传感器数据在人体活动识别中的准确性和鲁棒性 | 可穿戴传感器收集的人体活动数据 | 机器学习 | NA | 深度强化学习（GAC）、循环生成对抗网络 | GAC、GAN | 时间序列传感器数据 | UCI-HAR和Motion Sense数据集（具体样本量未提及） | NA | NA | NA | NA |
| 17137 | 2025-03-25 |
Parallel convolutional SpinalNet: A hybrid deep learning approach for breast cancer detection using mammogram images
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2480299
PMID:40125951
|
研究论文 | 提出了一种并行卷积SpinalNet混合深度学习模型，用于通过乳腺X光图像高效检测乳腺癌 | 结合并行卷积神经网络(PCNN)和SpinalNet开发了PConv-SpinalNet模型，在乳腺癌检测中表现出色 | NA | 通过深度学习技术提高乳腺癌检测的准确率 | 乳腺X光图像中的肿瘤检测 | 计算机视觉 | 乳腺癌 | Gabor滤波器、LadderNet、图像增强技术(图像操作、图像擦除、图像混合)、多种特征提取方法(CNN特征、Texton、LGBP、SIFT、LMP与DCT) | PConv-SpinalNet (PCNN与SpinalNet的集成) | 图像 | NA | NA | NA | NA | NA |
| 17138 | 2025-03-25 |
HUNHODRL: Energy efficient resource distribution in a cloud environment using hybrid optimized deep reinforcement model with HunterPlus scheduler
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2480294
PMID:40126006
|
研究论文 | 提出一种基于深度学习的签名验证方法，用于增强教育安全和合法性 | 采用VGG19架构处理学生签名的独特特征，提供灵活性和可扩展性 | 未提及对不同签名风格和文化差异的适应性 | 解决学生签名验证问题，提升学术机构的安全性和合法性 | 学生签名 | 机器学习 | NA | 深度学习 | CNN (VGG19) | 图像 | 未明确提及 | NA | NA | NA | NA |
| 17139 | 2025-03-25 |
Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2472626
PMID:40126079
|
研究论文 | 本文提出了一种基于深度学习的苹果叶部病害分类方法，结合了Tunicate Swarm Sine Cosine算法优化的深度残差网络（TSSCA-based DRN） | 提出了TSSCA-based DRN模型，结合了Tunicate Swarm算法和Sine Cosine算法，显著提高了分类器的性能 | NA | 提高苹果叶部病害的检测准确率 | 苹果树的叶部病害 | 计算机视觉 | 植物病害 | 深度残差网络（DRN）、Tunicate Swarm算法（TSA）、Sine Cosine算法（SCA） | TSSCA-based DRN | 图像 | Plant Pathology 2020 - FGVC7数据集 | NA | NA | NA | NA |
| 17140 | 2025-03-25 |
Correlation of point-wise retinal sensitivity with localized features of diabetic macular edema using deep learning
2025-Mar-23, Canadian journal of ophthalmology. Journal canadien d'ophtalmologie
DOI:10.1016/j.jcjo.2025.02.013
PMID:40090368
|
research paper | 本研究使用深度学习技术评估糖尿病黄斑水肿（DME）局部特征与点状视网膜敏感度（RS）之间的关联 | 首次使用深度学习算法自动量化OCT扫描中的视网膜内液（IRF）和椭圆体区（EZ）厚度，并分析其与点状视网膜敏感度的关联 | 样本量较小（20名患者的20只眼），且EZ厚度在硬性渗出物（HEs）下方的值被排除 | 评估糖尿病黄斑水肿（DME）的局部特征与点状视网膜敏感度（RS）之间的关联 | 20名临床显著DME患者的20只眼 | digital pathology | diabetic macular edema | OCT, microperimetry (MP), deep learning (DL) | DL-based algorithms | OCT scans, microperimetry data | 20 eyes of 20 patients with clinically significant DME | NA | NA | NA | NA |