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 1213 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2025-10-07 |
An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis
2025-Feb, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467384
PMID:39320999
|
研究论文 | 提出一种可解释的时空耦合学习统一框架，并应用于动态脑功能连接分析 | 构建基于时空相关性的深度学习网络，能有效整合节点表征与节点间连接性的时变耦合关系，并提供更好的结果可解释性 | NA | 开发能够挖掘时空耦合关系的可解释深度学习框架 | fMRI和MEG时间序列数据，脑动态功能连接 | 机器学习 | NA | fMRI, MEG | 深度学习 | 时间序列数据，神经影像数据 | NA | NA | NA | NA | NA |
| 562 | 2025-04-06 |
Conv-MTD: A CNN Based Multi-Label Medical Tubes Detection and Classification Model to Facilitate Resource-constrained Point-of-care Devices
2025-Feb-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3543245
PMID:40036431
|
research paper | 提出了一种基于CNN的多标签医疗管检测与分类模型Conv-MTD，用于辅助资源受限的即时医疗设备 | 利用EfficientNet-B7架构作为主干，并在中间层增强辅助头以缓解梯度消失问题，同时采用16位浮点量化优化模型 | 未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果 | 开发一种自动化检测和分类医疗管放置位置的模型，以辅助放射科医生 | 医疗管的放置位置检测与分类 | digital pathology | NA | CXR imaging | CNN, EfficientNet-B7 | image | NA | NA | NA | NA | NA |
| 563 | 2025-04-03 |
Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms
2025-Feb, Cureus
DOI:10.7759/cureus.79662
PMID:40161150
|
review | 本文综述了人工智能和机器学习在主动脉瘤预测建模中的当前状态和未来方向，强调了其在风险评估、筛查和预后中的多样性和进展 | 探讨了将临床、影像和基因组数据整合到AI/ML中以提高预测性和临床适用性，并讨论了将AI预测模型转化为临床实践的挑战和前景 | 数据质量、模型可解释性以及法律和伦理问题 | 增强主动脉瘤的风险评估和管理，推动心血管护理向精准医学转变 | 腹主动脉瘤（AAAs） | machine learning | cardiovascular disease | supervised and unsupervised learning, deep learning | NA | clinical, imaging, genomic data | NA | NA | NA | NA | NA |
| 564 | 2025-04-01 |
Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging
2025-Feb-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030231
PMID:40150695
|
research paper | 本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果 | 首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力 | 研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体 | 评估深度学习重建技术在加速心脏磁共振成像中的性能 | 心脏电影成像 | digital pathology | cardiovascular disease | cardiac MR (CMR) | deep learning-based reconstruction | image | 数字幻影和健康志愿者数据（具体数量未提及） | NA | NA | NA | NA |
| 565 | 2025-04-01 |
Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images
2025-Feb-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030218
PMID:40150682
|
research paper | 提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估 | 首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络 | 未提及与其他现有方法的对比或临床验证的广泛性 | 开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性 | 肩袖损伤的MRI图像 | digital pathology | rotator cuff injury | MRI | Unet + FPN | image | 376名患者的5640张图像用于训练，94名患者的1410张图像用于测试 | NA | NA | NA | NA |
| 566 | 2025-04-01 |
A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation
2025-Feb-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030221
PMID:40150686
|
研究论文 | 提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能 | 首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强 | 研究仅基于公开数据集进行验证，未涉及实际临床环境测试 | 开发非接触式高血压检测方法 | 心冲击图(BCG)信号 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 时序信号数据 | 公开数据集（具体数量未说明） | NA | NA | NA | NA |
| 567 | 2025-04-01 |
From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications
2025-Feb-20, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15030220
PMID:40149742
|
综述 | 本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展 | 整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力 | 实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题 | 推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展 | EEG信号及其与生理信号的结合 | 认知神经科学 | NA | EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测） | CNN, RNN | EEG信号, 生理信号 | 64项研究 | NA | NA | NA | NA |
| 568 | 2025-04-01 |
Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification
2025-Feb-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030212
PMID:40150677
|
research paper | 该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度 | 提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示 | 未提及具体局限性 | 提高乳腺癌早期检测和治疗的诊断方法 | 乳腺癌组织病理学图像 | digital pathology | breast cancer | deep learning, transformer model | Virchow2, Nomic | image | BACH数据集 | NA | NA | NA | NA |
| 569 | 2025-04-01 |
Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers
2025-Feb-13, Oncology
IF:2.5Q3
DOI:10.1159/000544179
PMID:39947156
|
研究论文 | 本研究开发了一种基于深度学习的自动分割脾脏CT图像方法，并结合放射组学和深度学习特征构建了胃癌淋巴结转移预测模型 | 使用U-Mamba深度学习模型实现脾脏CT图像的全自动分割，结合放射组学和深度学习特征构建预测模型，并生成列线图以探索临床指导意义 | 研究仅纳入284名患者，样本量相对有限 | 开发胃癌淋巴结转移的预测方法 | 284名经病理确诊的胃癌患者 | 数字病理 | 胃癌 | CT成像 | U-Mamba, 机器学习方法 | CT图像 | 284名胃癌患者 | NA | NA | NA | NA |
| 570 | 2025-03-30 |
Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model
2025-Feb-24, Life (Basel, Switzerland)
DOI:10.3390/life15030358
PMID:40141703
|
research paper | 开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势 | 采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类 | 环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下 | 通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病 | 50名健康成年人在不同条件下进行举重任务 | computer vision | occupational low back pain | OpenPose算法用于检测和提取关键身体点 | bidirectional LSTM | video | 50名健康成年人 | NA | NA | NA | NA |
| 571 | 2025-03-30 |
Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy
2025-Feb-22, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics17030290
PMID:40142954
|
综述 | 本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响 | 探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用 | 面临数据整合、AI驱动决策的伦理问题及监管合规等挑战 | 研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响 | 制药制造过程中的生产流程和质量控制 | 机器学习 | NA | 云计算、数据分析 | 深度学习 | 传感器数据 | NA | NA | NA | NA | NA |
| 572 | 2025-03-30 |
Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network
2025-Feb-21, Entropy (Basel, Switzerland)
DOI:10.3390/e27030220
PMID:40149144
|
研究论文 | 本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计 | 将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题 | NA | 提高大规模MIMO通信系统中信道估计的准确性和效率 | 大规模MIMO通信系统 | 机器学习 | NA | 深度学习 | PACE-Net（极化自注意力辅助神经网络） | 信道数据 | NA | NA | NA | NA | NA |
| 573 | 2025-03-30 |
Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks
2025-Feb-20, Life (Basel, Switzerland)
DOI:10.3390/life15030327
PMID:40141673
|
research paper | 该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性 | 采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11% | 数据集来自Kaggle，可能存在样本多样性和泛化能力的限制 | 提高脑肿瘤分类的准确性和效率，支持临床决策 | MRI图像中的脑肿瘤与非肿瘤图像 | computer vision | brain tumor | deep transfer learning | InceptionResNetV2, VGG19, Xception, MobileNetV2 | image | Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及 | NA | NA | NA | NA |
| 574 | 2025-03-30 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法 | 采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性 | 未提及具体的数据集规模或实验环境的多样性限制 | 开发一种实时监测陶瓷增材制造中涂层缺陷的方法 | 陶瓷增材制造过程中的涂层缺陷 | 计算机视觉 | NA | 多图像融合、深度学习 | CW-YOLO | 图像 | NA | NA | NA | NA | NA |
| 575 | 2025-03-29 |
Multimodal Deep Learning Model for Cylindrical Grasp Prediction Using Surface Electromyography and Contextual Data During Reaching
2025-Feb-27, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10030145
PMID:40136799
|
research paper | 该研究提出了一种多模态深度学习模型，用于结合表面肌电信号和上下文数据预测圆柱形抓握动作 | 整合了表面肌电信号和上下文信息的多模态模型，相比传统单模态方法能更好地预测真实场景中的抓握动作 | 仅针对圆柱形抓握这一特定抓握类型进行研究，未涵盖其他常见抓握类型 | 改进人机交互系统中抓握动作的预测精度 | 人体抓握动作（特别是圆柱形抓握） | machine learning | NA | 表面肌电信号(EMG)采集 | CNN（用于EMG处理）和全连接网络（用于上下文信息处理）的混合架构 | 生物电信号（EMG）和上下文数据 | 未明确说明受试者数量 | NA | NA | NA | NA |
| 576 | 2025-03-29 |
Concealed Weapon Detection Using Thermal Cameras
2025-Feb-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030072
PMID:40137184
|
研究论文 | 本文提出了一种利用热成像和深度学习的两阶段方法，用于隐蔽手枪检测，为执法和监控应用提供潜在的实时解决方案 | 提出了一种轻量级算法，适用于低端嵌入式设备，并创建了一个针对隐蔽场景定制的热数据集 | 实验数据集可能不够广泛，且仅针对手枪检测 | 开发一种高效、可靠的隐蔽武器检测技术，以提升公共安全 | 隐蔽手枪 | 计算机视觉 | NA | 热成像和深度学习 | NA | 热成像图像 | 定制热数据集（具体数量未提及） | NA | NA | NA | NA |
| 577 | 2025-03-29 |
Explainable Siamese Neural Networks for Detection of High Fall Risk Older Adults in the Community Based on Gait Analysis
2025-Feb-22, Journal of functional morphology and kinesiology
IF:2.6Q1
DOI:10.3390/jfmk10010073
PMID:40137325
|
research paper | 该研究提出了一种基于步态分析的深度学习新方法，用于检测社区中高跌倒风险的老年人 | 将生物力学时间序列数据转化为视觉表示，并应用CNN和SNN进行跌倒风险评估，同时利用Grad-CAM增强模型的可解释性 | 未提及具体的数据集规模限制或模型在其他人群中的泛化能力 | 提高老年人跌倒风险预测的准确性，以实施及时预防措施 | 社区中的老年人 | machine learning | geriatric disease | gait analysis | CNN, SNN, RF | time-series data, visual representations | NA | NA | NA | NA | NA |
| 578 | 2025-03-29 |
A Narrative Review on the Role of Artificial Intelligence (AI) in Colorectal Cancer Management
2025-Feb, Cureus
DOI:10.7759/cureus.79570
PMID:40144438
|
review | 本文综述了人工智能（AI）在结直肠癌管理中的作用及其潜在优势 | 探讨了AI在结直肠癌筛查、病理评估、精准手术和术后护理中的创新应用 | 多中心研究和随机试验的缺乏限制了AI在标准实践中全面评估和整合的可能性 | 评估AI在结直肠癌管理中的应用及其对临床实践的潜在影响 | 结直肠癌患者，特别是35岁以上的成年患者 | digital pathology | colorectal cancer | deep learning | NA | NA | 122篇文献（包括随机对照试验、队列研究、荟萃分析等） | NA | NA | NA | NA |
| 579 | 2025-10-07 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 提出一种基于混合卷积的自适应ResNet与注意力机制模型，用于花生叶部病害检测与自适应分割 | 结合自适应TransResunet++分割、HP-BWCF优化算法和HCAR-AM分类模型，通过双阶段特征提取提升检测精度 | NA | 开发高效的花生叶部病害检测系统 | 花生叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN, ResNet, 注意力机制 | 图像 | NA | NA | 自适应TransResunet++, HCAR-AM, ResNet | 多种性能指标 | NA |
| 580 | 2025-03-27 |
Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review
2025-Feb, Cureus
DOI:10.7759/cureus.79391
PMID:40130121
|
系统综述 | 本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性 | 强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术 | 部署AI工具用于诊断目的的问题需要更多关注 | 探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合 | 肌肉骨骼疾病 | 数字病理学 | 肌肉骨骼疾病 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |