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 17341 - 17360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17341 | 2025-03-19 |
Explainable AI in medical imaging: an interpretable and collaborative federated learning model for brain tumor classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1535478
PMID:40083877
|
研究论文 | 本文提出了一种可解释的协作联邦学习模型（CFLM），用于脑肿瘤分类，结合了可解释的人工智能（XAI）技术 | 结合了联邦学习（FL）和GoogLeNet架构，解决了传统集中式模型在数据多样性和模型透明度方面的挑战 | 研究中仅使用了10个客户端和50轮通信，样本量和训练轮次可能不足以全面验证模型的泛化能力 | 提高脑肿瘤分类的准确性和模型的可解释性，以支持临床决策 | 脑肿瘤（包括胶质瘤、脑膜瘤、无肿瘤和垂体瘤） | 计算机视觉 | 脑肿瘤 | 深度学习（DL）、联邦学习（FL）、Grad-CAM、显著性图可视化 | GoogLeNet | MRI图像 | 10个客户端，每个客户端使用分散的本地数据集进行训练 | NA | NA | NA | NA |
| 17342 | 2025-03-19 |
Effect of natural and synthetic noise data augmentation on physical action classification by brain-computer interface and deep learning
2025, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2025.1521805
PMID:40083893
|
研究论文 | 本研究探讨了自然和合成噪声数据增强对通过脑机接口和深度学习进行物理动作分类的影响 | 提出了两种噪声数据增强方法（自然和合成），并比较了它们对分类性能的影响，特别是在资源有限的设备上应用的潜力 | 研究中使用的深度神经网络相对简单，可能限制了模型的复杂性和性能 | 研究环境噪声对脑机接口中物理动作分类的影响 | 脑电图（EEG）信号和物理动作分类 | 脑机接口 | NA | 噪声数据增强（NDA） | 全连接网络（FCN）和卷积神经网络（CNN） | 脑电图（EEG）信号 | 使用grasp-and-lift（GAL）数据集中的手指-手掌-手操作数据 | NA | NA | NA | NA |
| 17343 | 2025-03-19 |
Patho-Net: enhancing breast cancer classification using deep learning and explainable artificial intelligence
2025, American journal of cancer research
IF:3.6Q2
DOI:10.62347/XKFN1793
PMID:40084355
|
研究论文 | 本文提出了一种名为Patho-Net的深度学习模型，用于乳腺癌分类，解决了可扩展性、固定大小输入图像和有限数据集上的过拟合问题 | Patho-Net模型结合了GRU网络和U-Net架构，无需调整图像大小，提高了计算效率，并通过XAI提供了模型预测的清晰视觉解释 | NA | 提高乳腺癌分类的准确性和可解释性 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习，可解释人工智能（XAI） | U-Net，GRU | 图像 | 100X BreakHis数据集 | NA | NA | NA | NA |
| 17344 | 2025-03-19 |
BMWP: the first Bengali math word problems dataset for operation prediction and solving
2025, Discover artificial intelligence
DOI:10.1007/s44163-025-00243-7
PMID:40092969
|
研究论文 | 本文介绍了首个孟加拉语数学应用题数据集BMWP，用于操作预测和解题，并探讨了使用深度学习技术进行孟加拉语应用题操作预测的方法 | 首次创建了孟加拉语数学应用题数据集BMWP，填补了低资源语言在这一领域的空白 | 数据集仅包含8653个应用题，可能不足以覆盖所有复杂情况 | 评估和提升AI模型在解决低资源语言数学应用题方面的能力 | 孟加拉语数学应用题 | 自然语言处理 | NA | 深度学习 | 深度学习神经网络架构 | 文本 | 8653个孟加拉语数学应用题 | NA | NA | NA | NA |
| 17345 | 2025-03-19 |
A review of machine learning and deep learning for Parkinson's disease detection
2025, Discover artificial intelligence
DOI:10.1007/s44163-025-00241-9
PMID:40092968
|
review | 本文综述了机器学习和深度学习在帕金森病检测和进展监测中的应用 | 通过整合多种数据源，提供了新的视角，并特别展示了音频分析和步态分析在早期症状检测和疾病进展监测中的有效性 | 需要大量且多样化的数据集，数据隐私问题，以及医疗数据质量的挑战，开发可解释的AI以确保临床医生能够信任和理解ML和DL模型 | 提高帕金森病诊断的准确性 | 帕金森病患者 | machine learning | geriatric disease | NA | SVM, RF, CNN | audio recordings, gait analysis, medical imaging | NA | NA | NA | NA | NA |
| 17346 | 2025-03-19 |
Pollen image manipulation and projection using latent space
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1539128
PMID:40093610
|
研究论文 | 本文利用深度学习技术中的风格迁移方法，研究如何通过显微镜图像处理改变花粉颗粒的大小和形状 | 首次将风格迁移技术应用于花粉颗粒图像的处理，以揭示其结构特征并生成多样化的花粉图像 | 未明确提及具体的数据集规模或实验验证的详细结果 | 研究花粉颗粒图像的处理方法，以增强对植物分类和生态学的理解 | 花粉颗粒的显微镜图像 | 计算机视觉 | NA | 风格迁移 | NA | 图像 | NA | NA | NA | NA | NA |
| 17347 | 2025-03-19 |
A two-step concept-based approach for enhanced interpretability and trust in skin lesion diagnosis
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.013
PMID:40093651
|
研究论文 | 本文提出了一种新颖的两步概念驱动方法，旨在提高皮肤病变诊断的可解释性和信任度 | 通过模拟概念瓶颈模型的两个阶段，利用预训练的视觉语言模型自动预测临床概念，并使用现成的大型语言模型基于预测概念生成疾病诊断，支持测试时的人工干预以修正预测概念，从而提高最终诊断的准确性和决策透明度 | 需要少量标注示例，且未提及在大规模数据集上的验证 | 提高深度学习系统在临床环境中的可解释性和信任度 | 皮肤病变诊断 | 计算机视觉 | 皮肤病变 | 概念瓶颈模型（CBM）、视觉语言模型（VLM）、大型语言模型（LLM） | CBM、VLM、LLM | 图像 | 三个皮肤病变数据集 | NA | NA | NA | NA |
| 17348 | 2025-03-19 |
The global research of artificial intelligence on inflammatory bowel disease: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251326217
PMID:40093709
|
研究论文 | 本文通过文献计量学分析评估了人工智能（AI）在炎症性肠病（IBD）中的相关研究，识别了研究基础、当前热点和未来发展方向 | 首次通过文献计量学分析总结了AI在IBD中的应用现状，并可视化揭示了发展趋势和未来研究热点 | AI在IBD中的应用仍处于初期阶段，研究深度和广度有待进一步扩展 | 评估AI在IBD中的研究现状，识别研究基础和未来发展方向 | 炎症性肠病（IBD） | 机器学习 | 炎症性肠病 | 文献计量学分析 | 深度学习模型 | 文献数据 | 176篇AI相关论文，涉及1919位作者、790个研究机构、184种期刊和49个国家/地区 | NA | NA | NA | NA |
| 17349 | 2025-03-19 |
Data transformation of unstructured electroencephalography reports by natural language processing: improving data usability for large-scale epilepsy studies
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1521001
PMID:40093737
|
研究论文 | 本研究介绍了一种利用自然语言处理技术将癫痫患儿的非结构化脑电图报告转化为结构化数据的层次算法 | 开发了一种结合深度学习和基于规则的关键词提取的分层算法，用于将非结构化脑电图报告转化为结构化数据，提高了数据可用性 | 研究主要针对儿科癫痫患者，可能不适用于其他类型的患者或疾病 | 提高脑电图报告的数据可用性，以支持大规模癫痫研究 | 儿科癫痫患者的脑电图报告 | 自然语言处理 | 癫痫 | 自然语言处理（NLP） | 深度学习 | 文本 | 17,172份脑电图报告，来自3,423名儿科患者，其中6,173份正常和6,173份异常报告用于算法开发 | NA | NA | NA | NA |
| 17350 | 2025-03-19 |
ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving
2025, Research (Washington, D.C.)
DOI:10.34133/research.0603
PMID:40093973
|
研究论文 | 本文介绍了ViE-Take，一个用于探索自动驾驶接管安全中情感影响的多模态数据集 | ViE-Take是首个以视觉驱动的方式探索自动驾驶接管中情感影响的数据集，具有多源情感激发、多模态驾驶员数据收集和多维情感注释三个关键属性 | 数据集的应用范围和深度仍需进一步验证和扩展 | 探索情感对驾驶员接管表现的影响，并开发相关预测模型 | 自动驾驶中的驾驶员接管表现 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GAN等 | 图像、视频 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17351 | 2025-03-18 |
Physics-based generative adversarial network for real-time acoustic holography
2025-May, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107583
PMID:39893755
|
研究论文 | 本文提出了一种基于物理模型的生成对抗网络（GAN），用于实时声学全息成像 | 提出了一种结合物理模型（ASM）的深度学习算法，用于学习从目标场到源相位全息图的逆物理映射，并开发了具有两个解码器分支的Y-Net结构，以解决神经网络在高频特征上的固有局限性 | 神经网络在高频特征上的固有局限性 | 提高相位全息图计算的高保真度和实时性能 | 声学全息成像中的相位全息图 | 计算机视觉 | NA | 生成对抗网络（GAN） | GAN, Y-Net | 声学全息图 | NA | NA | NA | NA | NA |
| 17352 | 2025-10-07 |
Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction
2025-Mar-04, ArXiv
PMID:38711427
|
研究论文 | 提出一种为概率性黑盒图像重建算法提供统计保证预测边界的框架 | 通过临床关注指标表示重建扫描，并利用保形预测校准真实指标的边界，提供比传统像素级边界方法更好的语义解释 | 需要先前的校准数据集进行边界校准 | 为深度学习重建算法提供统计保证的预测边界 | 稀疏视图计算机断层扫描(CT)图像 | 计算机视觉 | NA | 稀疏视图计算机断层扫描(CT) | 深度学习重建算法 | 医学图像 | NA | NA | NA | 边界语义解释质量, 异常重建检测能力 | NA |
| 17353 | 2025-10-07 |
Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
2025-Jan-20, ArXiv
PMID:39148932
|
研究论文 | 提出首个自动评估不完全海马反转的方法，通过预测四个解剖学标准并汇总成可解释的IHI评分 | 首次实现IHI的自动评级，提供可解释的评分系统，并在多队列中进行广泛验证 | 研究主要依赖特定队列数据，未涉及IHI形成的遗传或环境因素分析 | 开发自动评估不完全海马反转的方法，以替代耗时的人工视觉评估 | 来自IMAGEN、QTIM、QTAB和UKBiobank研究的4,389名参与者的海马结构 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | CNN, 深度学习模型 | 医学影像 | 4,389名参与者（IMAGEN: 2,008, QTIM: 993, QTAB: 403, UKBiobank: 985） | NA | conv5-FC3, ResNet, SECNN | NA | NA |
| 17354 | 2025-10-07 |
Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137233
PMID:39823885
|
研究论文 | 提出一种基于核表示的端到端网络CellNet，用于精确检测密集目标并应用于医学诊断 | 使用形状感知径向基函数学习目标的核表示，提高密集目标计数精度 | NA | 开发精确检测密集目标的神经网络模型并应用于医学诊断 | 粘附聚苯乙烯微球、血清样本中的降钙素原、不规则粘附细胞 | 计算机视觉 | NA | 生物素-链霉亲和素生物传感方法、人工智能转码 | 神经网络 | 数字图像 | NA | NA | CellNet | 检测准确率, 检测限 | NA |
| 17355 | 2025-03-17 |
Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model
2025-Apr-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.137308
PMID:39847932
|
研究论文 | 本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度 | 使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度 | 模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制 | 改进人为NOx排放强度的估计，并预测未来几年的排放趋势 | 中国2015-2022年的人为NOx排放 | 机器学习 | NA | 深度学习 | 深度学习模型 | 高分辨率NO浓度数据 | 2015-2022年的NOx排放数据 | NA | NA | NA | NA |
| 17356 | 2025-10-07 |
Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning
2025-Apr-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.11.064
PMID:39557309
|
研究论文 | 开发了一种结合主动学习和源自由域适应的深度学习方法来分割鼻咽癌大体肿瘤体积，解决多中心和多名标注者场景下的分割模型部署问题 | 首次将主动学习与源自由域适应相结合用于医学图像分割，仅需少量标注样本即可实现跨中心和跨标注者的泛化性能 | 需要少量目标域标注数据进行适应，且在某些多中心数据集上性能与传统全监督方法相比无统计学差异 | 开发能够泛化到多中心和多名标注者环境的鼻咽癌肿瘤体积分割方法 | 鼻咽癌患者的磁共振成像扫描 | 医学图像分析 | 鼻咽癌 | 磁共振成像 | 深度学习 | 医学图像 | 1057例来自5家医院的鼻咽癌患者MRI扫描，外加170例由4名专家标注的独立数据集 | NA | U-Net | Dice相似系数, 95% Hausdorff距离 | NA |
| 17357 | 2025-10-07 |
Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer
2025-Apr-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.11.104
PMID:39667584
|
研究论文 | 本研究开发了一种先验知识引导的U-Net模型，用于乳腺癌术后放疗中临床靶区的自动分割 | 首次将先验医学知识整合到深度学习框架中，采用两阶段自动分割策略 | 样本量相对有限（102例CT扫描），需进一步扩大验证 | 提高乳腺癌术后放疗中临床靶区自动分割的准确性和效率 | 乳腺癌术后患者的CT扫描图像 | 数字病理 | 乳腺癌 | CT扫描 | U-Net | 医学图像 | 102例乳腺癌患者CT扫描（80例训练，22例测试） | NA | U-Net | Dice相似系数, 95% Hausdorff距离, 平均表面距离, 表面DSC | NA |
| 17358 | 2025-03-17 |
A deep learning framework for multiplet splitting classification in 1H NMR
2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2025.107851
PMID:39978294
|
研究论文 | 本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类 | MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分 | NA | 开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性 | 小分子生成的一维NMR光谱 | 机器学习 | NA | NMR | 深度学习 | 光谱数据 | 48个实验性H NMR光谱 | NA | NA | NA | NA |
| 17359 | 2025-03-17 |
Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation
2025-Mar-10, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107337
PMID:40088831
|
研究论文 | 本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估 | STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色 | 研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力 | 优化EEG判别模型，提高ASD评估的准确性和适应性 | 自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据 | 脑机接口 | 自闭症谱系障碍 | 自训练模型，伪标签样本构建 | AutoEncoder, BiGRU, 多任务学习模型（MAC） | EEG数据 | 175名不同年龄组的ASD可疑儿童 | NA | NA | NA | NA |
| 17360 | 2025-03-17 |
Can artificial intelligence lower the global sudden cardiac death rate? A narrative review
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨了人工智能在预测和预防心脏骤停中的作用和应用 | 综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向 | 当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解 | 探索人工智能在预测和预防心脏骤停中的作用和应用 | 心脏骤停 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |