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 1226 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-02-18 |
Deep learning for automated hip fracture detection and classification : achieving superior accuracy
2025-Feb-01, The bone & joint journal
|
研究论文 | 本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性 | 使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性 | 研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小 | 提高髋部骨折的诊断准确性 | 髋部骨折的X光片 | 计算机视觉 | 髋部骨折 | 深度学习 | CNN | 图像 | 5,168张髋部前后位X光片（4,493张用于训练，675张用于验证） | NA | NA | NA | NA |
| 882 | 2025-02-17 |
Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01407-8
PMID:39953256
|
研究论文 | 本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶 | 结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割 | 模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间 | 提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划 | 缺血性卒中病灶 | 计算机视觉 | 心血管疾病 | 深度学习 | Attention ResUnet | CT灌注扫描图像 | ISLES 2018数据集，采用五折交叉验证 | NA | NA | NA | NA |
| 883 | 2025-02-17 |
Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01287-4
PMID:39953255
|
研究论文 | 本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势 | 研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪） | 评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 带有金属植入物的猪上颌面部区域CT图像 | 医学影像 | NA | CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR） | 深度学习 | CT图像 | 四只猪的上颌面部区域图像 | NA | NA | NA | NA |
| 884 | 2025-02-17 |
Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01442-5
PMID:39953259
|
研究论文 | 本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型 | 提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性 | 样本量相对较小，外部验证数据集仅包含24名患者 | 提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性 | 非小细胞肺癌（NSCLC）患者 | 计算机视觉 | 肺癌 | CT成像 | 混合模型（放射组学+深度学习） | CT图像 | 235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集） | NA | NA | NA | NA |
| 885 | 2025-02-17 |
Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model
2025-Feb-13, Journal of ophthalmic inflammation and infection
IF:2.9Q1
DOI:10.1186/s12348-025-00465-x
PMID:39946047
|
研究论文 | 本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用 | 利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法 | 研究样本量相对较小，且未涵盖所有可能的MK亚型 | 开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区 | 微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎） | 计算机视觉 | 角膜炎 | 深度学习 | 卷积神经网络（CNN） | 图像 | 889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例） | NA | NA | NA | NA |
| 886 | 2025-02-17 |
Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT
2025-Feb-04, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030516
PMID:39941883
|
研究论文 | 本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性 | 将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性 | 研究主要关注胰腺癌，未涉及其他类型的癌症或疾病 | 提高胰腺癌预测的准确性，尤其是在少量数据的情况下 | 电子健康记录（EHRs）中的胰腺癌预测 | 自然语言处理 | 胰腺癌 | Med-BERT | Med-BERT-Sum, Med-BERT-Mask | 电子健康记录（EHRs） | 10到500个样本 | NA | NA | NA | NA |
| 887 | 2025-02-17 |
Development of Nipple Trauma Evaluation System With Deep Learning
2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association
IF:2.1Q2
DOI:10.1177/08903344241303867
PMID:39718190
|
研究论文 | 本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养 | 首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统 | 研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用 | 开发一种能够自动检测和分类乳头创伤的深度学习系统 | 乳头创伤图像 | 计算机视觉 | NA | 深度学习 | 对象检测和分类模型 | 图像 | 753张图像 | NA | NA | NA | NA |
| 888 | 2025-02-17 |
Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data
2025-Feb, Social science & medicine (1982)
DOI:10.1016/j.socscimed.2025.117690
PMID:39892039
|
研究论文 | 本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征 | 利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解 | 研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素 | 开发预测韩国青少年饮酒的算法，并识别重要特征 | 韩国青少年 | 机器学习 | NA | 深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等） | Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost | 横截面数据 | 41,239名韩国青少年 | NA | NA | NA | NA |
| 889 | 2025-02-16 |
Unsupervised cross talk suppression for self-interference digital holography
2025-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.544342
PMID:39951778
|
研究论文 | 本文提出了一种基于循环一致性生成对抗网络（CycleGAN）的无监督串扰抑制方法，用于自干涉数字全息术 | 创新点在于提出了一种无需配对训练数据的无监督学习方法，通过显著性约束避免图像内容失真 | 在实际实验中，获取配对数据集以完成训练是困难的 | 研究目的是提高自干涉数字全息术在非相干成像领域的分辨率 | 自干涉数字全息术中的串扰信息 | 计算机视觉 | NA | 自干涉数字全息术 | CycleGAN | 图像 | NA | NA | NA | NA | NA |
| 890 | 2025-02-16 |
Fourier-inspired single-pixel holography
2025-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.547399
PMID:39951780
|
研究论文 | 本文介绍了一种名为傅里叶启发的单像素全息术（FISH）的有效数字全息术方法，该方法使用单像素探测器而非传统相机来捕捉光场信息 | FISH结合了傅里叶单像素成像和离轴全息技术，能够直接获取有用信息，而无需在空间域记录全息图并在傅里叶域过滤不需要的项，此外，还采用深度学习技术联合优化采样掩模和成像增强模型，以在低采样率下实现高质量结果 | NA | 探索并验证一种新的数字全息术方法，以在低采样率下实现高质量的单像素相位成像 | 光场信息的捕捉与成像 | 计算机视觉 | NA | 傅里叶单像素成像、离轴全息技术、深度学习 | 深度学习模型 | 光场信息 | NA | NA | NA | NA | NA |
| 891 | 2025-02-16 |
A deep learning model to predict dose distributions for breast cancer radiotherapy
2025-Feb-12, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01942-4
PMID:39937302
|
研究论文 | 本文提出了一种基于3D U-Net的深度学习模型，用于准确预测乳腺癌放射治疗的剂量分布 | 该模型采用了双编码器组合注意力（DECA）模块、跨阶段部分+Resnet+注意力（CRA）模块、难度感知和关键区域损失等创新技术 | 研究仅针对乳腺癌患者，未涉及其他类型的癌症 | 提高乳腺癌放射治疗的剂量分布预测精度和规划效率 | 乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | 3D U-Net | 3D图像 | 176名乳腺癌患者 | NA | NA | NA | NA |
| 892 | 2025-02-16 |
OHID-1: A New Large Hyperspectral Image Dataset for Multi-Classification
2025-Feb-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04542-7
PMID:39939330
|
研究论文 | 本文介绍了一个新的大规模高光谱图像数据集OHID-1，旨在提升高光谱图像分类性能并挑战现有算法 | OHID-1数据集提供了更复杂的特征和更高的分类复杂性，包含7个类别标签，覆盖更广的区域 | NA | 提升高光谱图像分类性能并挑战现有高光谱图像处理算法 | 高光谱图像数据集OHID-1 | 计算机视觉 | NA | NA | NA | 高光谱图像 | 10幅高光谱图像，来自中国珠海市不同区域 | NA | NA | NA | NA |
| 893 | 2025-02-16 |
Steering drilling wellbore trajectory prediction based on the NOA-LSTM-FCNN method
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89826-z
PMID:39939666
|
研究论文 | 本文提出了一种基于NOA-LSTM-FCNN方法的导向钻井井眼轨迹预测方法，旨在解决复杂地质条件下井眼轨迹难以准确预测的问题 | 结合NOA、LSTM和FCNN，提出了一种新的井眼轨迹预测方法，显著提高了预测精度 | NA | 提高复杂地质条件下井眼轨迹的预测精度 | 井眼轨迹数据 | 机器学习 | NA | NA | LSTM, FCNN | 井眼轨迹数据 | NA | NA | NA | NA | NA |
| 894 | 2025-02-16 |
A machine learning model for detecting and quantifying tropical cyclone related disturbance and recovery in estuaries
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89196-6
PMID:39939689
|
研究论文 | 本研究开发了一种基于机器学习的模型，用于检测和量化热带气旋对河口生态系统造成的干扰及其恢复时间 | 利用LSTM深度学习模型检测干扰并量化其严重性，同时开发基于高斯滤波的算法评估恢复时间 | 模型主要关注河口水质的变化，未全面考虑其他生态系统因素 | 开发一种能够检测和量化热带气旋对河口生态系统干扰及其恢复时间的模型 | 河口生态系统，特别是水质变化 | 机器学习 | NA | LSTM深度学习模型，高斯滤波算法 | LSTM | 时间序列数据 | NOAA国家河口研究保护区系统的数据 | NA | NA | NA | NA |
| 895 | 2025-02-16 |
Universal attention guided adversarial defense using feature pyramid and non-local mechanisms
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89267-8
PMID:39939692
|
研究论文 | 本文提出了一种通用的注意力引导对抗防御方法，通过特征金字塔和非局部机制增强深度神经网络对对抗样本的防御能力 | 提出了两种防御模块：基于特征金字塔的注意力空间引导（FPAS）模块和基于注意力的非局部（ANL）模块，分别用于对抗注意力转移攻击和注意力衰减攻击 | 未明确提及具体局限性 | 提高深度神经网络对对抗样本的防御能力，特别是在高安全领域中的应用 | 对抗样本及其对深度神经网络的影响 | 机器学习 | NA | NA | Wide-ResNet | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 896 | 2025-02-14 |
Author Correction: An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study
2025-Feb-12, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00827-7
PMID:39939705
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 897 | 2025-02-16 |
Deep Learning-Driven Single-Lead ECG Classification: A Rapid Approach for Comprehensive Cardiac Diagnostics
2025-Feb-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030384
PMID:39941314
|
研究论文 | 本研究探讨了使用先进深度学习模型对单导联心电图数据进行分类的潜力，以解决资源有限或偏远地区对可访问、早期和准确心脏诊断的迫切需求 | 研究从传统的多导联心电图分析转向单导联心电图数据，探索了深度学习模型在心脏疾病分类中的应用，并评估了五种最先进的深度学习架构的性能 | 研究中未提及数据集的多样性和样本量，可能影响模型的泛化能力 | 解决资源有限或偏远地区对可访问、早期和准确心脏诊断的需求 | 单导联心电图数据 | 机器学习 | 心血管疾病 | 深度学习 | Inception, DenseNet201, MobileNetV2, NASNetLarge, VGG16 | 心电图数据 | NA | NA | NA | NA | NA |
| 898 | 2025-02-16 |
Harnessing Artificial Intelligence in Obesity Research and Management: A Comprehensive Review
2025-Feb-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030396
PMID:39941325
|
综述 | 本文综述了人工智能（AI），特别是机器学习和深度学习在肥胖研究和管理中的临床应用，包括风险因素识别、结果预测、个性化治疗和医疗干预的改进 | 本文综合评估了AI在肥胖研究和管理中的应用，包括多种AI驱动模型的使用，如机器学习和深度学习，用于肥胖预测、患者分层和个性化管理策略 | AI模型的有效性受数据集类型、研究目标和模型可解释性的影响，且存在数据质量、伦理考虑和技术要求等挑战 | 探索AI在肥胖研究和治疗中的应用，以改进肥胖的预测、管理和个性化治疗 | 肥胖相关的研究和管理 | 机器学习 | 肥胖 | 机器学习和深度学习 | 机器学习和深度学习模型 | 遗传、表观遗传和临床数据 | NA | NA | NA | NA | NA |
| 899 | 2025-02-16 |
Applications of Artificial Intelligence for Metastatic Gastrointestinal Cancer: A Systematic Literature Review
2025-Feb-06, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030558
PMID:39941923
|
系统文献综述 | 本文系统综述了人工智能在转移性胃肠道癌症诊断、治疗和随访中的应用 | 总结了AI技术在提高诊断准确性、预测治疗结果和识别预后生物标志物方面的潜力 | 依赖回顾性数据、影像协议不一致、样本量小、数据预处理和模型可解释性问题 | 探讨人工智能在转移性胃肠道癌症中的应用 | 转移性胃肠道癌症 | 机器学习 | 胃肠道癌症 | NA | 机器学习和深度学习模型 | NA | 46项研究 | NA | NA | NA | NA |
| 900 | 2025-02-16 |
Multi-Sensor Temporal Fusion Transformer for Stock Performance Prediction: An Adaptive Sharpe Ratio Approach
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030976
PMID:39943615
|
研究论文 | 本文介绍了一种新颖的深度学习模型TFT-ASRO，用于预测金融市场中的夏普比率，通过整合实时市场传感器数据和金融指标来提高预测准确性 | 提出了Temporal Fusion Transformer with Adaptive Sharpe Ratio Optimization (TFT-ASRO)模型，结合多任务学习框架和自适应优化方法，显著提高了夏普比率的预测准确性 | 模型主要基于美国历史股票价格和收益数据进行验证，可能在其他市场或不同时间段的表现有所不同 | 提高金融市场中夏普比率的预测准确性，以优化投资组合管理和投资策略 | 美国历史股票价格和收益数据 | 机器学习 | NA | 深度学习 | Temporal Fusion Transformer (TFT) | 实时市场传感器数据、金融指标 | 美国历史股票价格和收益数据的综合数据集 | NA | NA | NA | NA |