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 19275 篇文献，本页显示第 19241 - 19260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19241 | 2024-12-02 |
IGUANe: A 3D generalizable CycleGAN for multicenter harmonization of brain MR images
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103388
PMID:39546981
|
研究论文 | 本文介绍了一种名为IGUANe的3D通用CycleGAN模型，用于多中心脑部MRI图像的协调 | IGUANe通过集成任意数量的域进行训练，扩展了CycleGAN的架构，使其能够处理多中心数据，并在推理阶段适用于未知采集站点的图像 | 未来的研究需要在其他多中心环境中进一步评估IGUANe的性能 | 开发一种能够协调多中心脑部MRI图像的深度学习方法，以提高后续分析的一致性 | 多中心脑部MRI图像 | 计算机视觉 | NA | CycleGAN | CycleGAN | 图像 | 11个不同扫描仪的T1加权图像 | NA | NA | NA | NA |
| 19242 | 2024-12-01 |
Enhanced network synchronization connectivity following transcranial direct current stimulation (tDCS) in bipolar depression: Effects on EEG oscillations and deep learning-based predictors of clinical remission
2025-Jan-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.09.054
PMID:39293596
|
研究论文 | 研究双相抑郁中经颅直流电刺激（tDCS）对脑电图（EEG）振荡和深度学习预测临床缓解的影响 | 首次探讨了家庭式tDCS治疗对双相抑郁患者脑电图振荡网络的影响，并利用深度学习方法预测临床反应 | 样本量较小，且仅限于双相抑郁患者 | 探讨双相抑郁中脑电图振荡网络的变化、tDCS治疗的效果及临床反应的预测 | 双相抑郁患者及其脑电图数据 | 神经科学 | 精神疾病 | 经颅直流电刺激（tDCS） | 深度学习 | 脑电图（EEG） | 20名双相抑郁患者（14名女性） | NA | NA | NA | NA |
| 19243 | 2024-11-29 |
Automated detection of motion artifacts in brain MR images using deep learning
2025-Jan, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5276
PMID:39439086
|
研究论文 | 本研究利用深度学习模型自动检测脑部MRI图像中的运动伪影 | 首次利用2D卷积神经网络在合成数据上训练，实现对脑部T加权图像中运动伪影的三分类检测 | 模型在合成数据上的表现优于真实数据，可能存在泛化能力不足的问题 | 开发一种自动检测脑部MRI图像中运动伪影的深度学习模型，以加速质量评估过程 | 脑部T加权MRI图像中的运动伪影 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 六个运动模拟的回顾性数据集和一个前瞻性数据集 | NA | NA | NA | NA |
| 19244 | 2024-11-29 |
Unveiling the decision making process in Alzheimer's disease diagnosis: A case-based counterfactual methodology for explainable deep learning
2025-Jan, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110318
PMID:39528206
|
研究论文 | 本文提出了一种结合U-Net和生成对抗网络（GAN）的新方法，用于生成阿尔茨海默病（AD）诊断的综合反事实诊断图，以提高深度学习模型的可解释性和透明度 | 本文创新性地将反事实推理引入深度学习模型，通过生成详细的反事实图来解释模型决策过程，从而提高模型的可解释性和透明度 | NA | 提高阿尔茨海默病诊断模型的可解释性和透明度，促进精准医学在AD护理中的应用 | 阿尔茨海默病（AD）的诊断和深度学习模型的可解释性 | 机器学习 | 阿尔茨海默病 | 生成对抗网络（GAN） | U-Net | 图像 | ADNI数据集 | NA | NA | NA | NA |
| 19245 | 2024-11-26 |
Statistical inference and neural network training based on stochastic difference model for air pollution and associated disease transmission
2025-Jan-07, Journal of theoretical biology
IF:1.9Q3
DOI:10.1016/j.jtbi.2024.111987
PMID:39522944
|
研究论文 | 本文建立了一个耦合的离散SEIS模型和Beverton-Holt模型，用于描述空气污染与疾病传播之间的关系，并通过贝叶斯统计理论估计参数变化点和切换区间的参数值 | 提出了扩展的传输动力学信息神经网络（TDINN）算法，结合深度学习和差分方程，探索疾病与污染物浓度变化之间的未知机制 | 数据拟合中的偏差表明疾病与污染物浓度变化之间存在更复杂的关联模式 | 研究空气污染与疾病传播之间的机制 | 空气污染浓度变化与疾病感染之间的关系 | 机器学习 | 呼吸道疾病 | 神经网络 | TDINN | 时间序列数据 | NA | NA | NA | NA | NA |
| 19246 | 2024-09-30 |
Can deep learning-derived IVUS predict outcomes in deferred CAD?
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132594
PMID:39332454
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19247 | 2024-11-22 |
Machine Learning-Based X-Ray Projection Interpolation for Improved 4D-CBCT Reconstruction
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3459622
PMID:39564553
|
研究论文 | 本文提出了一种基于机器学习的X射线投影插值方法，用于改进4D-CBCT重建 | 利用预训练的深度学习模型和一种新的回归预测建模方法生成中间投影，以提高4D-CBCT图像质量 | NA | 改进4D-CBCT重建图像质量 | 4D-CBCT图像重建中的投影插值 | 计算机视觉 | NA | 机器学习 | 深度学习模型 | 图像 | 数字仿真数据集和临床数据集 | NA | NA | NA | NA |
| 19248 | 2024-11-22 |
Breast Cancer Detection on Dual-View Sonography via Data-Centric Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3454958
PMID:39564554
|
研究论文 | 本研究通过双视图超声成像和数据中心深度学习方法，旨在提高AI辅助的乳腺癌诊断准确性 | 定制基于DenseNet的模型，通过双视图超声数据集提高模型区分恶性与良性肿瘤的能力，并设计多种集成策略将双视图整合到模型输入中，以最大化性能 | 未提及具体局限性 | 提高AI辅助乳腺癌诊断的准确性 | 双视图乳腺超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19249 | 2024-11-22 |
An Integrated Framework for Infectious Disease Control Using Mathematical Modeling and Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3455801
PMID:39564557
|
研究论文 | 本文提出了一种结合数学建模和深度学习的传染病控制综合框架 | 本文创新性地将确定性和随机模型与深度学习模型相结合，以提高解决方案预测的性能，并研究了时间延迟对感染率和疫苗接种率的影响 | NA | 开发有效的传染病控制策略 | 传染病模式预测和疫苗接种对感染率的影响 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 19250 | 2024-11-21 |
Integrating deep learning and data fusion for enhanced oranges soluble solids content prediction using machine vision and Vis/NIR spectroscopy
2025-Feb-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141488
PMID:39396473
|
研究论文 | 本文开发了一种具有颜色校正能力的深度学习模型，用于基于多源数据融合预测橙子的可溶性固形物含量 | 提出了结合机器视觉和可见/近红外光谱的多源数据融合方法，并构建了基于颜色校正的一维卷积神经网络模型 | NA | 提高水果成分预测的准确性 | 橙子的可溶性固形物含量 | 机器学习 | NA | 可见/近红外光谱 | 一维卷积神经网络 | 图像和光谱数据 | NA | NA | NA | NA | NA |
| 19251 | 2024-11-20 |
An intelligent sensing platform for detecting and identifying biochemical substances based on terahertz spectra
2025-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.126950
PMID:39353219
|
研究论文 | 本文开发了一种基于太赫兹光谱的智能传感平台，用于准确识别各种生物化学物质的太赫兹光谱 | 提出了两种识别模式：一维太赫兹光谱识别（OTSI）和基于太赫兹光谱图像的识别（TSII），并分别使用小型卷积神经网络（MCNN）和YOLO-v5目标检测模型进行识别 | NA | 开发一种智能传感平台，用于准确识别生物化学物质的太赫兹光谱 | 五种氨基酸（苯丙氨酸、甲硫氨酸、赖氨酸、亮氨酸、苏氨酸）和五种碳水化合物（阿斯巴甜、果糖、葡萄糖、乳糖一水合物、蔗糖） | 机器学习 | NA | 太赫兹时域光谱（THz-TDS） | 卷积神经网络（CNN）、YOLO-v5 | 光谱 | 10种生物化学物质 | NA | NA | NA | NA |
| 19252 | 2024-11-20 |
Rapid identification of Radix Astragali by data fusion of laser-induced breakdown spectroscopy and Raman spectroscopy coupled with deep learning
2025-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127016
PMID:39406087
|
研究论文 | 本文提出了一种结合激光诱导击穿光谱（LIBS）和拉曼光谱与深度学习技术的方法，用于快速准确地识别黄芪样本 | 本文创新性地将LIBS和拉曼光谱数据融合，并利用卷积神经网络（CNN）模型进行分类，显著提高了黄芪样本的识别准确率 | 本文未详细讨论该方法在其他药材或复杂环境下的适用性和性能 | 旨在提高黄芪样本的快速准确识别能力，评估其质量和药效 | 黄芪样本 | 机器学习 | NA | 激光诱导击穿光谱（LIBS）、拉曼光谱 | 卷积神经网络（CNN） | 光谱数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 19253 | 2024-11-20 |
A smartphone-integrated deep learning strategy-assisted rapid detection system for monitoring dual-modal immunochromatographic assay
2025-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127043
PMID:39406103
|
研究论文 | 研究将自建并优化训练的YOLO v5模型集成到Java语言开发的智能手机应用中，开发了一种基于深度学习策略的双模态免疫层析快速检测系统，用于黄曲霉毒素B1（AFB1）的等级判定和浓度预测 | 创新性地使用量子点微球荧光免疫层析芯片进行半定量分析，并结合传统的胶体金纳米颗粒比色条，开发了一种紧凑且多功能的硬件设备，易于集成到不同尺寸的智能手机中，并利用智能手机的无线充电功能解决供电问题 | NA | 开发一种基于深度学习策略的双模态免疫层析快速检测系统，用于黄曲霉毒素B1（AFB1）的等级判定和浓度预测 | 黄曲霉毒素B1（AFB1）的等级判定和浓度预测 | 计算机视觉 | NA | 深度学习 | YOLO v5 | 图像 | NA | NA | NA | NA | NA |
| 19254 | 2024-11-15 |
Characterizing the concentration of ethanol-water solutions by oblique-incidence reflectivity difference combined with deep learning algorithms
2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125069
PMID:39241400
|
研究论文 | 本文利用斜入射反射率差分法结合深度学习算法，研究了乙醇-水溶液浓度的检测 | 本文创新性地将斜入射反射率差分法与多种深度学习算法结合，实现了乙醇-水溶液浓度的快速、非破坏性、准确和可靠的检测 | NA | 研究乙醇-水溶液浓度的检测方法 | 乙醇-水溶液的浓度 | 机器学习 | NA | 斜入射反射率差分法 | 多层感知器（MLP）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、CNN + BiLSTM + Attention | 信号 | 体积浓度为0-95%的乙醇-水溶液 | NA | NA | NA | NA |
| 19255 | 2024-11-15 |
Rapid elimination of scattering in three-dimensional fluorescence spectra via deep learning
2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125121
PMID:39299067
|
研究论文 | 本文提出了一种基于深度学习CycleGAN模型的三维荧光光谱散射快速消除方法 | 利用深度学习CycleGAN模型自动批量消除三维荧光光谱中的散射效应 | NA | 开发一种能够自动批量消除三维荧光光谱中散射效应的方法 | 三维荧光光谱中的散射效应 | 机器学习 | NA | 深度学习 | CycleGAN | 光谱 | 大量模拟的三维荧光光谱数据和两组未见过的真实实验三维荧光光谱数据 | NA | NA | NA | NA |
| 19256 | 2024-11-15 |
Deep learning and feature reconstruction assisted vis-NIR calibration method for on-line monitoring of key growth indicators during kombucha production
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141411
PMID:39332357
|
研究论文 | 本文提出了一种基于深度学习和特征重构的可见近红外光谱校准方法，用于实时监测康普茶生产中的关键生长指标 | 本文创新性地结合了深度学习技术和可见近红外光谱技术，通过特征重构和多种神经网络模型的比较，实现了对康普茶生产过程中残糖和细菌浓度的实时监测 | 本文未详细讨论模型的泛化能力和在不同生产条件下的适用性 | 研究目的是开发一种能够实时监测康普茶生产过程中关键生长指标的方法，以确保产品质量 | 研究对象是康普茶生产过程中的残糖和细菌浓度 | 机器学习 | NA | 可见近红外光谱技术 | 卷积神经网络（1DCNN和2DCNN） | 光谱数据 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 19257 | 2024-11-15 |
A multi-verse optimizer-based CNN-BiLSTM pixel-level detection model for peanut aflatoxins
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141393
PMID:39342735
|
研究论文 | 本研究开发了一种基于多宇宙优化器的CNN-BiLSTM融合模型，用于高光谱图像中花生黄曲霉毒素的像素级检测 | 本研究创新性地使用了多宇宙优化器算法优化CNN-BiLSTM模型，显著提高了黄曲霉毒素检测的准确性和召回率 | NA | 提高高光谱图像中黄曲霉毒素像素级检测的准确性 | 花生中的黄曲霉毒素 | 计算机视觉 | NA | 多宇宙优化器 | CNN-BiLSTM | 高光谱图像 | 不同浓度的黄曲霉毒素光谱数据 | NA | NA | NA | NA |
| 19258 | 2024-11-15 |
Application of machine vision in food computing: A review
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141238
PMID:39368204
|
综述 | 本文基于实际应用案例，综述了机器视觉在食品计算中的研究现状和前景 | 探讨了基于传统机器学习和深度学习方法的图像识别技术在食品计算中的应用 | NA | 为食品行业与人工智能技术的融合和交叉提供坚实的理论基础和技术指导 | 食品计算中的图像识别技术 | 计算机视觉 | NA | 机器视觉 | 传统机器学习方法和深度学习方法 | 图像 | NA | NA | NA | NA | NA |
| 19259 | 2024-11-15 |
Integrating different detection techniques and data analysis methods for comprehensive food authenticity verification
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141471
PMID:39368208
|
综述 | 本文综述了用于食品真实性验证的先进检测技术和数据分析方法的整合 | 强调了复杂数据处理方法和多种技术整合在增强食品真实性测试中的关键作用 | 未具体提及 | 评估不同数据处理技术的优缺点，并探讨其潜在协同作用 | 食品真实性检测技术及其数据处理方法 | 机器学习 | NA | 机器学习和深度学习 | NA | 数据 | NA | NA | NA | NA | NA |
| 19260 | 2024-11-15 |
Image quality improvement in single plane-wave imaging using deep learning
2025-Jan, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107479
PMID:39366205
|
研究论文 | 本文提出了一种利用深度学习技术在单平面波成像中提高图像质量的方法 | 本文提出了一种新的方法，通过考虑单平面波的射频信号特性，使用1D U-Net、2D U-Net及其组合的编码器-解码器模型，生成高质量的超声图像 | 本文未提及具体的研究局限性 | 提高单平面波成像中的空间分辨率和对比度 | 超声图像的质量 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了一个公开的大规模SPWI/CPWC数据集 | NA | NA | NA | NA |