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 1206 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2025-03-19 |
Non-invasive Assessment of Coronary Artery Disease: The Role of AI in the Current Status and Future Directions
2025-Feb, Cureus
DOI:10.7759/cureus.78994
PMID:40091936
|
研究论文 | 本文探讨了人工智能在非侵入性冠状动脉疾病评估中的当前应用和未来发展方向 | 强调了人工智能，特别是深度学习和自然语言处理技术，在提高非侵入性冠状动脉疾病评估诊断准确性和临床效率方面的革命性潜力 | 人工智能的广泛应用面临数据隐私、高计算成本和资源分配不均等关键挑战 | 研究目的是探索人工智能在非侵入性冠状动脉疾病评估中的应用及其未来发展方向 | 冠状动脉疾病（CAD）患者 | 自然语言处理 | 心血管疾病 | 深度学习，自然语言处理 | NA | NA | NA | NA | NA | NA | NA |
| 642 | 2025-03-16 |
Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI
2025-Feb-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050595
PMID:40075842
|
研究论文 | 本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术 | 首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面 | 研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性 | 评估深度学习重建技术在膀胱MRI中的图像质量 | 57例膀胱肿块患者 | 医学影像 | 膀胱癌 | 多路复用灵敏度编码扩散加权成像（MUSE-DWI） | CNN | MRI图像 | 57例膀胱肿块患者 | NA | NA | NA | NA |
| 643 | 2025-03-16 |
Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050576
PMID:40075823
|
研究论文 | 本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性 | 利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策 | 尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化 | 评估Denti.AI在口腔内X光片中检测RBL的诊断准确性 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | 数字病理 | 牙周病 | 深度学习 | CNN | 图像 | 39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面 | NA | NA | NA | NA |
| 644 | 2025-03-16 |
Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model
2025-Feb-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050582
PMID:40075829
|
研究论文 | 本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类 | 提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异 | NA | 提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划 | 乳腺癌 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet121 | 图像 | 使用BreakHis数据集中的全切片组织病理学图像 | NA | NA | NA | NA |
| 645 | 2025-03-16 |
Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents
2025-Feb-27, Foods (Basel, Switzerland)
DOI:10.3390/foods14050825
PMID:40077527
|
研究论文 | 本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式 | 首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分 | 未提及样本量的具体数量，可能影响模型的泛化能力 | 提高百合产品的质量评估和营养完整性 | 百合 | 计算机视觉 | NA | 高光谱成像 | CLSTM (卷积神经网络-长短期记忆网络) | 图像 | 未提及具体数量 | NA | NA | NA | NA |
| 646 | 2025-03-16 |
HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction
2025-Feb-26, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13050507
PMID:40077069
|
研究论文 | 本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估 | 提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性 | 未提及模型的泛化能力及在其他数据集上的表现 | 提高心血管疾病风险预测的准确性 | 70,000名心脏病患者 | 机器学习 | 心血管疾病 | 集成学习 | HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM | 临床数据 | 70,000名心脏病患者 | NA | NA | NA | NA |
| 647 | 2025-03-16 |
Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050549
PMID:40075796
|
研究论文 | 本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测 | J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常 | NA | 提高乳腺癌的早期和准确检测 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 微波辐射成像（MWR） | 分层自对比模型（J-MWR） | 温度数据 | 4932名患者 | NA | NA | NA | NA |
| 648 | 2025-03-16 |
An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050551
PMID:40075797
|
研究论文 | 本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类 | 创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维 | 未提及具体局限性 | 研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能 | 研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN（EfficientNet-B0、EfficientNet-B2、ResNet50） | 图像 | 27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%） | NA | NA | NA | NA |
| 649 | 2025-03-16 |
Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System
2025-Feb-25, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050552
PMID:40075799
|
研究论文 | 本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病 | 提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94 | 研究未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 开发一种能够早期检测和诊断胆囊疾病的AI系统 | 胆囊疾病 | 计算机视觉 | 胆囊疾病 | 内容基于图像检索（CBIR） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 650 | 2025-03-16 |
SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification
2025-Feb-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050541
PMID:40075789
|
研究论文 | 本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度 | SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题 | NA | 提高皮肤癌分类的准确性并降低计算复杂度 | 皮肤癌 | 计算机视觉 | 皮肤癌 | 粒子群优化（PSO） | SADASNet | 图像 | HAM10000数据集 | NA | NA | NA | NA |
| 651 | 2025-03-16 |
A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance
2025-Feb-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15050537
PMID:40075785
|
研究论文 | 本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术 | 通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法 | NA | 增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析 | 人类活动识别 | 机器学习 | 残疾 | 深度学习（DL）和机器学习（ML） | CNN, BiLSTM, Attention-CNN-BiLSTM | 活动数据 | 公开可用的数据集（UCI-HAR数据集和WISDM） | NA | NA | NA | NA |
| 652 | 2025-03-15 |
Learning maximally spanning representations improves protein function annotation
2025-Feb-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.13.638156
PMID:40027840
|
研究论文 | 本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性 | MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力 | 虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证 | 提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别 | 蛋白质功能注释 | 计算生物学 | NA | 深度学习 | 预训练蛋白质语言模型 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 653 | 2025-03-14 |
Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data
2025-Feb-19, ArXiv
PMID:40034133
|
研究论文 | 本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建 | RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题 | 尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制 | 研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法 | 研究对象是MRI图像，特别是低场输入下的图像重建 | 计算机视觉 | NA | 神经风格迁移（NST） | NA | 图像 | NA | NA | NA | NA | NA |
| 654 | 2025-03-13 |
Unified resilience model using deep learning for assessing power system performance
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42802
PMID:40066024
|
研究论文 | 本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能 | 提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素 | NA | 提高电力系统的性能，特别是关注天气因素对系统弹性的影响 | 电池和储能设备的弹性 | 机器学习 | NA | 深度学习 | 深度学习模型 | 环境因素数据、低弹性损耗数据 | NA | NA | NA | NA | NA |
| 655 | 2025-03-12 |
Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities
2025-Feb, Cureus
DOI:10.7759/cureus.78685
PMID:40062093
|
综述 | 本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT） | 本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用 | 大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性 | 探讨AI工具在近视性黄斑病变检测中的有效性和实用性 | 近视性黄斑病变患者 | 数字病理学 | 近视性黄斑病变 | 眼底摄影, 光学相干断层扫描（OCT） | ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost | 图像 | 13项研究，主要来自中国 | NA | NA | NA | NA |
| 656 | 2025-10-07 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-25, ArXiv
PMID:38827456
|
研究论文 | 介绍了一种基于几何深度学习的3D RNA逆向设计方法gRNAde | 首次将几何深度学习应用于3D RNA逆向设计，考虑结构构象多样性而非单一二级结构 | NA | 开发能够考虑3D结构和动力学的RNA序列设计方法 | RNA分子 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 14个PDB RNA结构+10个结构化RNA骨架 | PyTorch Geometric | 多状态图神经网络，自回归解码器 | 天然序列恢复率，成功率 | NA |
| 657 | 2025-10-07 |
Global Deep Forecasting with Patient-Specific Pharmacokinetics
2025-Feb-12, ArXiv
PMID:37965077
|
研究论文 | 提出一种结合全局-局部架构和药代动力学编码器的深度学习方法，用于患者特异性血糖预测 | 开发了新型混合全局-局部架构和患者特异性药代动力学编码器，能够将个体患者的药物治疗效果信息整合到深度学习模型中 | NA | 解决因可变药物管理和个体药代动力学特性带来的医疗时间序列数据预测挑战 | 患者血糖水平时间序列数据 | 机器学习 | 糖尿病 | 深度学习 | 混合全局-局部模型 | 时间序列数据 | 模拟数据和真实世界数据 | NA | 混合全局-局部架构 | 预测准确率 | NA |
| 658 | 2025-10-07 |
A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks
2025-Feb-07, Micromachines
IF:3.0Q2
DOI:10.3390/mi16020193
PMID:40047666
|
研究论文 | 本文设计了一种用于合成孔径雷达目标检测任务的低功耗硬件加速器 | 提出适用于多维卷积并行计算的处理引擎和独特的存储器排列设计，充分利用FPGA计算资源 | 仅基于Virtex 7 690t芯片进行验证，未在其他硬件平台上测试 | 解决机载或星载实时处理平台的功耗问题，实现实时SAR图像目标检测 | 合成孔径雷达图像中的目标检测 | 计算机视觉 | NA | 合成孔径雷达成像 | CNN | SAR图像 | NA | Yolov5s | Yolov5s | 处理速度（52.19张/秒），功耗（7瓦） | Virtex 7 690t FPGA芯片 |
| 659 | 2025-03-06 |
XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42575
PMID:40040968
|
研究论文 | 本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性 | 提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性 | 未提及具体局限性 | 通过早期检测番茄叶部疾病，减少农业损失并最大化产量 | 番茄叶部疾病 | 计算机视觉 | NA | 深度学习 | XLTLDisNet | 图像 | PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像） | NA | NA | NA | NA |
| 660 | 2025-03-06 |
A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42483
PMID:40040994
|
研究论文 | 本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量 | 创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性 | 未明确提及具体局限性 | 开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施 | 电动汽车充电需求 | 机器学习 | NA | 深度学习 | 混合贝叶斯网络深度学习（HBNDL） | 交易数据和气候分析数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |