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 17561 - 17580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17561 | 2025-03-06 |
Deep Learning Model Compression With Rank Reduction in Tensor Decomposition
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330542
PMID:37976188
|
研究论文 | 本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现 | 提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩 | 未提及具体局限性 | 研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型 | 深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol） | 机器学习 | NA | 张量分解 | 深度学习模型 | 图像 | MNIST、CIFAR-10/100、ImageNet数据集 | NA | NA | NA | NA |
| 17562 | 2025-03-06 |
Communication-Efficient Nonconvex Federated Learning With Error Feedback for Uplink and Downlink
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3333804
PMID:37995164
|
研究论文 | 本文提出了两种通信高效的非凸联邦学习算法，EF21和LAG，用于适应上行和下行通信，以减少通信成本而不牺牲学习质量 | 提出了新的EF21算法和LAG梯度过滤技术，结合两者设计了EF-LAG算法，并进一步提出了双向EF-LAG算法，显著减少了通信成本 | 未提及具体限制 | 研究在大规模在线学习环境中，如何通过通信高效的非凸联邦学习算法减少通信成本 | 在线招募的工人设备，如手机、笔记本电脑和台式电脑 | 机器学习 | NA | EF21算法、LAG梯度过滤技术 | 非凸联邦学习模型 | 合成数据和深度学习基准数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17563 | 2025-03-06 |
A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3329466
PMID:38241098
|
研究论文 | 本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程 | 提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接 | 未提及模型的局限性 | 开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性 | 电力系统中的负荷预测 | 机器学习 | NA | 时间序列分解策略 | Seq2Seq, TCN, LSTM | 时间序列数据 | 多个真实世界数据集中的案例 | NA | NA | NA | NA |
| 17564 | 2025-03-06 |
Deep Face Leakage: Inverting High-Quality Faces From Gradients Using Residual Optimization
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3533210
PMID:40036427
|
研究论文 | 本文提出了一种名为DFLeak的方法，通过残差优化从梯度中反演高质量面部图像，以增强协作学习中的面部数据泄露效果 | 引入了一种优越的初始化方法来稳定反演过程，并提出了一种无先验面部恢复（PFFR）结果的残差优化方法，以丰富面部细节 | 未明确提及具体限制 | 提高从梯度中反演面部图像的质量，以增强协作学习中的隐私保护效果 | 面部图像 | 计算机视觉 | NA | 梯度反演攻击 | NA | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 17565 | 2025-03-06 |
Identification of benign and malignant breast nodules on ultrasound: comparison of multiple deep learning models and model interpretation
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1517278
PMID:40040727
|
研究论文 | 本研究开发了一种弱监督深度学习算法，用于区分超声图像中的良性和恶性乳腺肿瘤，无需图像注释 | 提出了一种无需图像注释的弱监督深度学习算法，用于乳腺肿瘤的超声诊断 | 研究中使用的数据集可能有限，且未涉及其他类型的肿瘤或不同成像技术 | 开发一种弱监督深度学习算法，以提高乳腺肿瘤超声诊断的准确性 | 乳腺超声图像中的良性和恶性结节 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet121, ResNet50, EfficientNetb0, Vision Transformer | 图像 | 3049张乳腺超声图像（良性1320张，恶性1729张） | NA | NA | NA | NA |
| 17566 | 2025-03-06 |
A bibliometric analysis of studies on artificial intelligence in neuroscience
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1474484
PMID:40040909
|
研究论文 | 本文通过文献计量分析探讨了人工智能在神经科学领域的研究趋势和影响 | 首次对1983年至2024年间发表的1,208篇相关研究进行系统性分析，揭示了该领域的快速增长和国际合作趋势 | 未深入探讨AI模型在神经科学中的伦理问题和数据隐私问题 | 评估人工智能在神经科学中的应用现状和未来方向 | 神经科学领域的人工智能研究 | 机器学习 | 神经系统疾病 | 文献计量分析 | 深度学习, 机器学习 | 文献数据 | 1,208篇研究论文 | NA | NA | NA | NA |
| 17567 | 2025-03-06 |
TAL-SRX: an intelligent typing evaluation method for KASP primers based on multi-model fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1539068
PMID:40041015
|
研究论文 | 本文提出了一种基于多模型融合的KASP引物分型效果智能评估方法TAL-SRX，旨在提高分子标记辅助育种中优秀标记的大规模筛选效率 | 通过结合深度学习和传统机器学习算法，提出了一种新的KASP引物分型效果评估方法，并引入了Transformer算法来捕捉高维特征空间中的全局依赖关系 | 未明确提及方法的局限性 | 提高KASP引物分型效果评估的智能化和准确性，以支持分子标记辅助育种 | KASP引物的分型效果 | 机器学习 | NA | 深度学习，传统机器学习 | ANN, LSTM, Transformer | KASP测试结果数据 | 3399组棉花品种资源材料的KASP测试结果 | NA | NA | NA | NA |
| 17568 | 2025-03-05 |
IM- LTS: An Integrated Model for Lung Tumor Segmentation using Neural Networks and IoMT
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103201
PMID:40026592
|
研究论文 | 本文提出了一种集成模型IM-LTS，用于使用神经网络和医疗物联网进行肺肿瘤分割 | 结合了MobileNetV2和U-NET两种架构，并采用迁移学习技术，使用预训练的神经网络作为U-NET模型的编码器进行分割 | 未提及具体的数据集大小和样本类型，可能影响模型的泛化能力 | 开发一种高精度的肺肿瘤分割和分类模型，以支持早期疾病诊断 | 肺肿瘤 | 数字病理学 | 肺癌 | 深度学习，迁移学习 | MobileNetV2, U-NET, 支持向量机 | CT图像 | NA | NA | NA | NA | NA |
| 17569 | 2025-03-05 |
Deep learning-assisted Raman spectroscopy for automated identification of specific minerals
2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125843
PMID:39954524
|
研究论文 | 本研究开发了一种基于深度学习的卷积注意力网络，用于快速准确识别矿物成分，并引入Grad-Cam++技术以可视化预测的重要区域 | 相比纯卷积神经网络（CNN），该模型更擅长学习特征峰中的细节，以区分具有相似拉曼光谱的矿物 | NA | 开发自动化识别矿物成分的深度学习模型，以加速现场地质工作中拉曼光谱数据的处理 | 矿物成分 | 机器学习 | NA | 拉曼光谱 | 卷积注意力网络 | 光谱数据 | 大量已知数据 | NA | NA | NA | NA |
| 17570 | 2025-03-05 |
AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103432
PMID:39700845
|
研究论文 | 本文提出了一种自动化的跨模态3D融合框架AutoFOX，用于冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）的融合，以改善冠状动脉疾病的诊断和预后 | AutoFOX框架首次采用了先进的侧支管腔重建算法，增强了分叉病变的评估，并通过深度学习模型TransCAN实现了3D血管对齐，显著提高了对齐精度 | 尽管AutoFOX在3D对齐和分叉病变评估方面表现出色，但其在临床应用中的广泛推广仍需进一步的多中心验证和优化 | 开发一种自动化的3D融合框架，以提高冠状动脉疾病的诊断和预后评估 | 冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）数据 | 数字病理学 | 心血管疾病 | 深度学习 | TransCAN | 3D图像 | 多中心数据集 | NA | NA | NA | NA |
| 17571 | 2025-03-05 |
DDoCT: Morphology preserved dual-domain joint optimization for fast sparse-view low-dose CT imaging
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103420
PMID:39705821
|
研究论文 | 本文提出了一种名为DDoCT的双域联合优化低剂量CT成像框架，旨在通过减少管电流和投影数量来降低辐射剂量，同时解决由此引入的噪声和伪影问题 | DDoCT框架在投影和图像域中进行联合优化，不仅解决了减少管电流引入的噪声，还特别关注了减少投影数量引起的条纹伪影问题，提升了在快速低剂量CT成像环境中的适用性 | NA | 开发一种能够在减少辐射剂量的同时，有效降低噪声和伪影的低剂量CT成像方法 | 低剂量CT成像 | 计算机视觉 | NA | CT成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 17572 | 2025-03-05 |
Personalized dental crown design: A point-to-mesh completion network
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103439
PMID:39705822
|
研究论文 | 本文介绍了一种端到端的深度学习模型，用于自动生成个性化的牙冠网格 | 提出了一种结合特征提取器和基于transformer的模型，以及点对网格模块的深度学习模型，用于牙冠设计，显著减少了Chamfer距离和MSE | 未提及具体的数据集大小或模型在不同临床环境中的泛化能力 | 开发一种自动生成个性化牙冠的深度学习模型，以提高牙冠设计的效率和准确性 | 牙冠设计 | 计算机视觉 | NA | 深度学习 | transformer, 点对网格模块 | 点云数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17573 | 2025-03-05 |
SurgiTrack: Fine-grained multi-class multi-tool tracking in surgical videos
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103438
PMID:39708509
|
研究论文 | 本文提出了一种名为SurgiTrack的新型深度学习方法，用于在手术视频中进行精细的多类别多工具跟踪 | SurgiTrack利用YOLOv7进行精确的工具检测，并采用注意力机制建模工具的起始方向，作为操作者的代理，以实现工具重新识别 | 手术视频中未明确捕捉到操作者的信息，工具在遮挡或重新插入体内后的重新识别仍然具有挑战性 | 提高手术视频中工具跟踪的准确性和灵活性，以支持计算机辅助干预的成功 | 手术视频中的多类别多工具 | 计算机视觉 | NA | 深度学习 | YOLOv7, 注意力机制 | 视频 | CholecTrack20数据集 | NA | NA | NA | NA |
| 17574 | 2025-03-05 |
TractGraphFormer: Anatomically informed hybrid graph CNN-transformer network for interpretable sex and age prediction from diffusion MRI tractography
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103476
PMID:39870000
|
研究论文 | 本文介绍了一种名为TractGraphFormer的混合图CNN-Transformer深度学习框架，用于从扩散MRI纤维束成像中预测性别和年龄 | TractGraphFormer结合了局部解剖特征和全局特征依赖，通过图CNN模块捕捉白质几何和灰质连接性，并通过Transformer模块增强全局信息学习，同时包含一个注意力模块用于解释预测性白质连接 | NA | 研究目的是通过扩散MRI纤维束成像预测个体的性别和年龄 | 研究对象包括儿童（n = 9345）和年轻成年人（n = 1065） | 数字病理学 | NA | 扩散MRI纤维束成像 | Graph CNN-Transformer | 图像 | 儿童（n = 9345）和年轻成年人（n = 1065） | NA | NA | NA | NA |
| 17575 | 2025-03-05 |
Application-driven validation of posteriors in inverse problems
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103474
PMID:39892221
|
研究论文 | 本文提出了一个系统框架，用于在逆问题中基于应用需求验证后验方法 | 首次将目标检测验证中的关键原则应用于后验方法的验证，提出了模式中心验证方法 | 未提及具体局限性 | 解决逆问题中多解情况下的后验方法验证问题 | 后验方法（如条件扩散模型和可逆神经网络） | 计算机视觉 | NA | NA | 条件扩散模型、可逆神经网络 | 图像 | NA | NA | NA | NA | NA |
| 17576 | 2025-10-07 |
ResGEM: Multi-Scale Graph Embedding Network for Residual Mesh Denoising
2025-Apr, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3378309
PMID:38498760
|
研究论文 | 提出一种用于残差网格去噪的多尺度图嵌入网络ResGEM | 提出包含法线感知和顶点感知双分支的新流程，引入多尺度嵌入模块和残差解码结构，并设计了增强平滑和泛化能力的正则化项 | NA | 解决具有不规则拓扑结构的网格去噪问题，在平滑度和几何细节之间取得平衡 | 噪声污染的三维网格 | 计算机视觉 | NA | NA | 图卷积网络(GCN) | 三维网格数据 | NA | NA | ResGEM, 边缘条件嵌入模块(EEMs), 残差块 | NA | NA |
| 17577 | 2025-03-05 |
A spatiotemporal CNN-LSTM deep learning model for predicting soil temperature in diverse large-scale regional climates
2025-Mar-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.178901
PMID:39987832
|
研究论文 | 本研究开发了一种结合CNN和LSTM的深度学习模型，用于预测不同气候区域下的土壤温度 | 结合CNN和LSTM模型，首次用于预测大范围区域内的土壤温度，并在多种气候条件下验证了其准确性 | 研究仅针对加拿大和美国的五个气候区域，未涵盖全球其他气候类型 | 开发一种可靠的土壤温度预测模型，以支持农业、水文和气候适应等领域的决策 | 土壤温度 | 机器学习 | NA | 深度学习 | CNN-LSTM | 时间序列数据 | 加拿大和美国的五个气候区域的年度小时时间序列土壤温度数据 | NA | NA | NA | NA |
| 17578 | 2025-03-05 |
Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images
2025-Mar-04, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2457955
PMID:40035544
|
研究论文 | 本研究开发了一种优化的深度学习模型，用于通过语音信号和手绘螺旋图像进行帕金森病分类 | 结合了ZFNet和DRN模型，并利用LHO算法进行训练，通过多数投票选择最佳输出 | 未提及模型在不同数据集上的泛化能力 | 开发一种用于帕金森病早期诊断的深度学习模型 | 帕金森病患者 | 深度学习 | 帕金森病 | 深度学习 | ZFNet, DRN | 语音信号, 手绘图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17579 | 2025-03-05 |
Recommendations for Artificial Intelligence Application in Continued Process Verification: A Journey Toward the Challenges and Benefits of AI in the Biopharmaceutical Industry
2025-Mar-03, PDA journal of pharmaceutical science and technology
DOI:10.5731/pdajpst.2024.012950
PMID:39730202
|
review | 本文探讨了人工智能（AI）在生物制药行业持续过程验证（CPV）中的变革性影响，并提供了实施AI的综合建议 | 提出了将AI与监管标准对齐的建议，并强调透明度、可解释性和风险管理，为AI在制药制造中的实施建立最佳实践 | 未涉及CPV of the Future项目中使用的具体算法，因为需要独立于算法进行通用化 | 研究AI在生物制药行业持续过程验证中的应用挑战与机遇 | 生物制药行业中的持续过程验证（CPV） | machine learning | NA | AI, Machine Learning, Deep Learning | NA | real-time data | NA | NA | NA | NA | NA |
| 17580 | 2025-03-05 |
RESNET-50 with ontological visual features based medicinal plants classification
2025-Mar-03, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2447878
PMID:40028706
|
研究论文 | 本文提出了一种基于本体视觉特征和RESNET-50的药用植物分类方法 | 结合了本体关系、群体智能技术（粒子群和布谷鸟搜索算法）以及深度学习模型RESNET-50，提出了一个混合模型来提高分类准确性 | 未提及样本多样性和模型泛化能力的验证 | 提高药用植物叶片分类的准确性和效率 | 15种药用植物的叶片 | 计算机视觉 | NA | 粒子群算法、布谷鸟搜索算法、回归神经网络（GRNN）、RESNET-50 | RESNET-50、GRNN | 图像 | 15种药用植物的叶片数据集 | NA | NA | NA | NA |