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 19253 篇文献，本页显示第 19141 - 19160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19141 | 2024-12-12 |
Application of deep learning algorithms in classification and localization of implant cutout for the postoperative hip
2025-01, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04692-6
PMID:38771507
|
研究论文 | 本研究探讨了使用卷积神经网络在骨盆前后位X光片上检测和定位植入物切出的可行性 | 首次使用深度学习算法进行植入物切出的分类和定位 | 对象检测模型在假阳性预测中产生了较多错误结果 | 验证深度学习算法在骨盆X光片上检测和定位植入物切出的可行性 | 骨盆前后位X光片上的植入物切出 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 40191张骨盆X光片 | NA | NA | NA | NA |
| 19142 | 2024-12-18 |
Application of a deep learning algorithm for the diagnosis of HCC
2025-Jan, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2024.101219
PMID:39687602
|
研究论文 | 本文开发并验证了一种深度学习算法，用于通过CT影像诊断肝细胞癌（HCC） | 本文首次应用时空3D卷积网络（ST3DCN）模型，通过薄层三相CT肝图像和相关临床信息进行HCC诊断，显著提高了诊断准确性 | 本文的局限性在于仅在特定患者群体中进行了验证，且依赖于特定的CT影像数据 | 研究目的是通过深度学习算法提高肝细胞癌的诊断准确性 | 研究对象为通过CT影像进行肝细胞癌诊断的患者 | 机器学习 | 肝癌 | 深度学习 | 时空3D卷积网络（ST3DCN） | 图像 | 2,832名患者和4,305次CT观察 | NA | NA | NA | NA |
| 19143 | 2024-12-17 |
A protocol for trustworthy EEG decoding with neural networks
2025-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106847
PMID:39549492
|
研究论文 | 本文设计了一种全面的脑电图解码协议，通过探索整个流程的超参数并使用多种子初始化来提供稳健的性能估计 | 提出了一个包含多种子初始化的全面超参数搜索协议，显著提高了脑电图解码的可靠性和性能 | 实验仅在特定的脑电图数据集和模型上验证，可能需要进一步验证其在其他数据集和模型上的适用性 | 设计一种可信赖且可靠的脑电图解码协议 | 脑电图解码任务中的超参数优化和性能稳定性 | 机器学习 | NA | 深度学习 | 神经网络 | 脑电图数据 | 204名参与者和26次记录会话 | NA | NA | NA | NA |
| 19144 | 2024-12-17 |
Towards generalizable face forgery detection via mitigating spurious correlation
2025-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106909
PMID:39579752
|
研究论文 | 本文提出了一种通过减少特征间的虚假相关性来提高人脸伪造检测模型泛化能力的方法 | 提出了Feature Independence Constrainer (FIC)来减少特征间的虚假相关性，并引入了细粒度高频成分和特征对齐模块来增强检测模型的性能 | 未提及具体的局限性 | 提高人脸伪造检测模型在跨域场景中的泛化能力 | 人脸伪造图像和视频的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 多个人脸伪造基准数据集 | NA | NA | NA | NA |
| 19145 | 2024-12-17 |
TV-Net: Temporal-Variable feature harmonizing Network for multivariate time series classification and interpretation
2025-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106896
PMID:39581040
|
研究论文 | 本文提出了一种时间可变特征协调网络（TV-Net），用于多变量时间序列分类和解释 | 引入了一种图注意力机制（GAT-g）来增强全局特征的学习，并首次利用博弈交互来量化特征组合的效用，通过Shapley值动态协调不同时间序列特征的表示能力 | NA | 解决多变量时间序列分类中的依赖关系学习问题，同时提供可解释性 | 多变量时间序列数据 | 机器学习 | NA | 图注意力机制（GAT-g），博弈交互 | 深度学习框架 | 时间序列 | 30个多变量时间序列数据集 | NA | NA | NA | NA |
| 19146 | 2024-12-17 |
Deep learning techniques for automated Alzheimer's and mild cognitive impairment disease using EEG signals: A comprehensive review of the last decade (2013 - 2024)
2025-Feb, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108506
PMID:39581069
|
综述 | 本文综述了过去十年中使用脑电信号进行阿尔茨海默病和轻度认知障碍自动检测的深度学习技术 | 首次系统性地探讨了使用脑电信号对轻度认知障碍和阿尔茨海默病进行分类的方法，并提出了未来研究的方向 | 本文指出了当前深度学习在轻度认知障碍和阿尔茨海默病检测中的局限性，并提出了改进建议 | 探讨深度学习技术在脑电信号检测轻度认知障碍和阿尔茨海默病中的应用，并为未来研究提供参考 | 轻度认知障碍和阿尔茨海默病 | 机器学习 | 老年疾病 | 深度学习 | NA | 脑电信号 | 74篇相关文献 | NA | NA | NA | NA |
| 19147 | 2024-12-17 |
Separable integral neural networks
2025-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106838
PMID:39615156
|
研究论文 | 本文提出了一种可分离积分层，用于在连续方式下表示离散的深度可分离卷积操作，并构建了一组轻量级的可分离积分神经网络（SINNs），部署在资源受限的移动设备上 | 创新点在于提出了可分离积分层，结合了积分神经网络和可分离卷积操作的优点，能够在保持竞争性能的同时降低计算成本 | NA | 研究目的是解决传统积分神经网络在移动设备上应用时无法表示可分离卷积操作的问题 | 研究对象是可分离积分层和基于此构建的轻量级神经网络 | 机器学习 | NA | 积分神经网络 | CNN | 图像 | ImageNet数据集 | NA | NA | NA | NA |
| 19148 | 2024-12-17 |
Three-Dimensional Deep Learning Normal Tissue Complication Probability Model to Predict Late Xerostomia in Patients With Head and Neck Cancer
2025-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.07.2334
PMID:39147208
|
研究论文 | 本研究利用三维深度学习模型预测头颈部癌症患者放疗后晚期口干症的发生 | 本研究首次将三维辐射剂量分布、CT影像、危险器官分割和临床变量结合，通过深度学习模型提高晚期口干症的预测准确性 | 深度学习模型在外部验证集上的表现不如参考模型，需要多中心数据进行训练以提高泛化能力 | 改进头颈部癌症患者放疗后晚期口干症的预测模型 | 头颈部癌症患者放疗后晚期口干症的预测 | 机器学习 | 头颈部癌症 | 深度学习 | 深度卷积神经网络（EfficientNet-v2 和 ResNet） | 三维剂量分布、CT影像、危险器官分割、临床变量 | 1208名头颈部癌症患者 | NA | NA | NA | NA |
| 19149 | 2024-12-17 |
Deep learning can detect elbow disease in dogs screened for elbow dysplasia
2025-Jan, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.13465
PMID:39679734
|
研究论文 | 本研究开发并评估了一种卷积神经网络（CNN，EfficientNet）用于评估筛查肘关节发育不良的犬只的肘关节X光片 | 本研究开发了一种基于深度学习模型的自动裁剪工具RetinaNet进行X光片预处理，并使用可解释的人工智能分析来可视化CNN模型预测的重要区域 | 本研究为回顾性诊断准确性研究，未提及前瞻性验证 | 开发并评估一种卷积神经网络用于检测筛查肘关节发育不良的犬只的肘关节异常 | 筛查肘关节发育不良的犬只的肘关节X光片 | 计算机视觉 | 肘关节疾病 | 卷积神经网络（CNN） | EfficientNet | 图像 | 7229张X光片，包括训练集4000张，验证集1000张，测试集2229张 | NA | NA | NA | NA |
| 19150 | 2024-12-16 |
Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29405
PMID:38850180
|
研究论文 | 本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR） | 本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性 | 本文为回顾性研究，样本量有限，且仅在两个中心进行了验证 | 旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应 | 乳腺癌患者对新辅助化疗的病理完全反应 | 机器学习 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | VGG-LSTM网络 | 图像 | 中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集 | NA | NA | NA | NA |
| 19151 | 2024-12-16 |
Deep Learning-Based Approach for Identifying and Measuring Focal Liver Lesions on Contrast-Enhanced MRI
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29404
PMID:38826142
|
研究论文 | 本文评估了基于深度学习的人工智能软件在对比增强磁共振成像（MRI）图像上识别和测量肝局灶性病变（FLLs）的性能 | 本文展示了基于深度学习的人工智能软件在自动识别和测量肝局灶性病变方面的实际应用价值，并证明了其与放射科医生结合使用时具有更高的检测率和敏感性 | 本文为回顾性研究，样本量有限，且未提及模型的泛化能力或在外部数据集上的验证 | 评估基于深度学习的人工智能软件在识别和测量肝局灶性病变方面的性能 | 395名患者的1149个肝局灶性病变 | 计算机视觉 | 肝病 | MRI | 深度学习 | 图像 | 395名患者，1149个肝局灶性病变 | NA | NA | NA | NA |
| 19152 | 2024-12-16 |
Clinical feasibility of a deep learning approach for conventional and synthetic diffusion-weighted imaging in breast cancer: Qualitative and quantitative analyses
2025-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111855
PMID:39616946
|
研究论文 | 本研究旨在探讨基于深度学习的重建方法在常规扩散加权成像（cDWI）和合成扩散加权成像（sDWI）中的临床可行性，并通过与cDWI和sDWI的比较，评估其在不同乳腺癌患者中的表现 | 深度学习重建的扩散加权成像在高质量b值下表现优于常规和合成扩散加权成像，并缩短了采集时间 | NA | 评估深度学习重建方法在乳腺癌扩散加权成像中的临床可行性 | 115名经活检证实的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | 115名乳腺癌患者 | NA | NA | NA | NA |
| 19153 | 2024-12-16 |
A Hybrid Model for Fetal Growth Restriction Assessment by Automatic Placental Radiomics on T2-Weighted MRI and Multifeature Fusion
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29399
PMID:38655903
|
研究论文 | 本文开发并验证了一种基于T2加权MRI和多特征融合的混合模型，用于自动评估胎儿生长受限 | 提出了一个混合模型，通过自动胎盘放射组学和多特征融合来提高胎儿生长受限的评估准确性，并引入了母体信息以提升性能 | 研究是回顾性的，且依赖于手动标注的胎盘数据 | 开发和验证一种能够通过自动胎盘放射组学和多特征融合来准确评估胎儿生长受限的混合模型 | 274名孕妇的胎盘和胎儿数据 | 数字病理学 | 胎儿生长受限 | T2加权MRI | 随机森林 | 图像 | 274名孕妇 | NA | NA | NA | NA |
| 19154 | 2024-12-16 |
Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29403
PMID:38676436
|
研究论文 | 本文开发了一种可解释的深度学习模型，用于在磁共振成像（MRI）上对腰椎间盘突出（LDH）进行分级和定位 | 利用深度学习模型自动化和标准化腰椎间盘突出的分级和定位过程，减少复杂性、时间和主观性 | 模型在外部测试集上的表现有所下降，表明需要进一步提高模型的泛化能力 | 开发一种能够对腰椎间盘突出进行分级和定位的深度学习模型 | 1496名患者的腰椎间盘突出MRI图像 | 计算机视觉 | 腰椎间盘突出 | 深度学习 | 深度学习模型 | 图像 | 1496名患者（男性783名，女性713名） | NA | NA | NA | NA |
| 19155 | 2024-12-15 |
Automated Detection of Central Retinal Artery Occlusion Using OCT Imaging via Explainable Deep Learning
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100630
PMID:39669299
|
研究论文 | 本文展示了使用深度学习模型通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）的能力 | 本文提出了一种可解释的深度学习模型，用于在OCT数据上检测CRAO，并展示了其在多分类任务中的高准确性 | 本文仅进行了回顾性外部验证研究，未来需要进一步的前瞻性研究来验证模型的临床应用 | 开发和验证一种深度学习模型，用于通过OCT影像自动检测视网膜中央动脉阻塞（CRAO） | 视网膜中央动脉阻塞（CRAO）及其鉴别诊断 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 来自德国蒂宾根大学医学中心和汉堡-埃彭多夫大学医学中心的患者的OCT数据 | NA | NA | NA | NA |
| 19156 | 2024-08-07 |
Editorial for "Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging"
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29457
PMID:38804734
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19157 | 2024-12-15 |
A deep-learning system for diagnosing ectopic eruption
2025-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105399
PMID:39424256
|
研究论文 | 构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发 | 该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性 | NA | 开发一种用于诊断异位萌发的深度学习系统 | 儿童的混合牙列和恒牙的异位萌发 | 机器学习 | NA | 深度学习 | 多阶段深度学习网络 | 图像 | 1576张儿童全景X光片，年龄范围为6-12岁 | NA | NA | NA | NA |
| 19158 | 2024-12-14 |
A multi-perspective deep learning framework for enhancer characterization and identification
2025-Feb, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究介绍了一种用于增强子特征化和识别的多视角深度学习框架MPDL-Enhancer | 创新的双尺度深度神经网络和独特的特征表示策略 | NA | 准确识别和表征增强子，以理解基因调控网络及相关疾病的发展 | 增强子序列 | 机器学习 | NA | dna2vec模型 | 双尺度深度神经网络 | DNA序列 | 独立测试数据集 | NA | NA | NA | NA |
| 19159 | 2024-12-14 |
Investigating streetscape environmental characteristics associated with road traffic crashes using street view imagery and computer vision
2025-Feb, Accident; analysis and prevention
DOI:10.1016/j.aap.2024.107851
PMID:39581057
|
研究论文 | 本研究利用街景图像和计算机视觉技术，结合语义分割和目标检测网络，分析了街道环境特征与道路交通事故之间的关系 | 本研究通过结合语义分割和目标检测网络，全面测量街道环境特征，克服了传统方法仅依赖语义分割的局限性 | 本研究主要基于百度街景图像，可能无法完全代表所有地区的街道环境特征 | 探讨街道环境特征与道路交通事故之间的关系，为提升道路安全提供依据 | 街道环境特征（如道路、人行道、建筑物等）与三种交通事故类型（车辆-车辆碰撞、车辆-行人碰撞、单车事故） | 计算机视觉 | NA | 深度学习 | 语义分割网络和目标检测网络 | 图像 | NA | NA | NA | NA | NA |
| 19160 | 2024-12-13 |
Deep learning-assisted surface-enhanced Raman spectroscopy detection of intracellular reactive oxygen species
2025-Mar-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127222
PMID:39556973
|
研究论文 | 本文结合表面增强拉曼光谱（SERS）技术和深度学习，建立了一种基于神经网络的细胞内活性氧（ROS）智能检测方法 | 本文创新性地将SERS技术与深度学习相结合，利用神经网络模型提高了SERS分析能力，并实现了对细胞内ROS的初步浓度预测 | 本文仅以过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）的同时检测为模板，未来可能需要扩展到更多种类的ROS检测 | 实现细胞内活性氧的智能分析，以促进疾病的快速诊断 | 细胞内活性氧（ROS），特别是过氧亚硝酸盐（ONOO）和次氯酸盐（ClO） | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 神经网络模型（ENN）和一维卷积神经网络模型（1D-CNN） | 光谱数据 | AuNP/4-MPBA/2-MP纳米探针的SERS光谱数据 | NA | NA | NA | NA |