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 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2025-02-16 |
Towards Explainable Artificial Intelligence for GNSS Multipath LSTM Training Models
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030978
PMID:39943617
|
研究论文 | 本文提出了一种结合RNN和LSTM的可解释框架，用于GNSS多路径效应的检测和分析 | 结合RNN和LSTM与层间相关性传播（LRP）技术，创建了一个可解释的多路径检测框架，并发现LRP相关性分数与信号异常之间的相关性 | 未提及具体局限性 | 提高GNSS应用中深度学习模型的可解释性，并开发更可靠的导航系统 | GNSS信号的多路径效应、载噪比和卫星仰角 | 机器学习 | NA | 层间相关性传播（LRP） | LSTM | GNSS信号数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 902 | 2025-02-16 |
A Prestressed Concrete Cylinder Pipe Broken Wire Detection Algorithm Based on Improved YOLOv5
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030977
PMID:39943616
|
研究论文 | 本文研究了一种基于改进YOLOv5的预应力混凝土圆柱管断丝检测算法，旨在提高断丝检测的效率和准确性 | 提出了轻量级算法YOLOv5-Break，通过使用MobileNetV3替换YOLOv5网络主干、引入动态卷积和坐标注意力机制，以及采用Focal_EIoU损失函数，显著降低了模型的计算复杂度和内存占用，同时保持了高精度 | 算法在特定数据集上表现优异，但在其他类型或规模的数据集上的泛化能力尚未验证 | 开发一种高效且轻量化的预应力混凝土圆柱管断丝检测算法，以替代传统耗时费力的检测方法 | 预应力混凝土圆柱管（PCCP）的断丝检测 | 计算机视觉 | NA | 连续小波变换（CWT） | YOLOv5-Break（基于YOLOv5的改进模型） | 时频谱图 | 自建的断丝数据集 | NA | NA | NA | NA |
| 903 | 2025-02-16 |
Multi-Classification of Skin Lesion Images Including Mpox Disease Using Transformer-Based Deep Learning Architectures
2025-Feb-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030374
PMID:39941304
|
研究论文 | 本文提出了一种基于Transformer深度学习架构的多分类皮肤病变图像诊断模型，包括对Mpox（猴痘）疾病的诊断 | 使用Transformer架构进行皮肤病变图像的多分类诊断，并研究了自监督学习、自蒸馏和移位窗口技术对分类成功率的影响 | 研究中使用的数据集可能有限，且未提及模型在其他疾病或数据集上的泛化能力 | 开发一种快速、可靠的多分类皮肤病变图像诊断模型，特别是针对Mpox疾病 | 皮肤病变图像，包括Mpox疾病的图像 | 计算机视觉 | 皮肤疾病 | 深度学习 | Transformer（SwinTransformer, ViT, MAE, DINO） | 图像 | Mpox Skin Lesion Dataset, Version 2.0（具体样本数量未提及） | NA | NA | NA | NA |
| 904 | 2025-02-16 |
Alzheimer's Prediction Methods with Harris Hawks Optimization (HHO) and Deep Learning-Based Approach Using an MLP-LSTM Hybrid Network
2025-Feb-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030377
PMID:39941306
|
研究论文 | 本文提出了一种结合群体智能与深度学习的集成方法，用于阿尔茨海默病的分类 | 结合了Harris Hawks Optimization (HHO)算法与多层感知器(MLP)和长短期记忆(LSTM)网络的混合模型，用于特征选择和分类 | 研究仅使用了ADNI数据集，可能限制了模型的泛化能力 | 提高阿尔茨海默病的早期诊断准确性 | 阿尔茨海默病相关的MRI图像 | 医学影像分析 | 阿尔茨海默病 | 卷积神经网络(CNN), 灰度共生矩阵(GLCM), Harris Hawks Optimization (HHO) | MLP-LSTM混合网络 | MRI图像 | ADNI数据集 | NA | NA | NA | NA |
| 905 | 2025-02-16 |
Deep Learning to Distinguish Edema Secondary to Retinal Vein Occlusion and Diabetic Macular Edema: A Multimodal Approach Using OCT and Infrared Imaging
2025-Feb-05, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14031008
PMID:39941677
|
研究论文 | 本文提出了一种使用深度学习方法区分视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿的多模态方法，结合OCT和红外成像技术 | 首次使用深度学习模型对OCT图像进行分类，以区分视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿，并引入了多模态输入（OCT B扫描、红外图像和糖尿病信息） | 研究依赖于单一数据集，可能限制了模型的泛化能力 | 提供一种可靠的工具，帮助眼科医生提高诊断的准确性和速度 | 视网膜静脉阻塞继发性黄斑水肿和糖尿病性黄斑水肿患者 | 计算机视觉 | 视网膜疾病 | OCT成像、红外成像 | 卷积神经网络（CNN），VGG-19 | 图像（OCT B扫描、红外图像） | 766名患者，包括208只健康眼、207只视网膜静脉阻塞继发性黄斑水肿眼、218只糖尿病性黄斑水肿眼和200只其他病理眼 | NA | NA | NA | NA |
| 906 | 2025-02-16 |
Deep Learning-Based Ground-Penetrating Radar Inversion for Tree Roots in Heterogeneous Soil
2025-Feb-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25030947
PMID:39943586
|
研究论文 | 本文提出了一种基于深度学习的地面穿透雷达（GPR）反演方法，用于实时成像地下树根和分层异质土壤的介电常数空间分布 | 引入了结合金字塔卷积和视觉Transformer的PyViTENet模型，通过增加边缘反演任务，提高了对异质结构细节的关注 | NA | 开发一种能够准确检测地下树根和异质土壤介电常数分布的方法，以支持树木健康和资源管理 | 地下树根和分层异质土壤 | 计算机视觉 | NA | 地面穿透雷达（GPR） | PyViTENet（结合金字塔卷积和视觉Transformer的模型） | 模拟数据集和实测数据集 | NA | NA | NA | NA | NA |
| 907 | 2025-02-16 |
A Survey of Deep Learning-Based Pedestrian Trajectory Prediction: Challenges and Solutions
2025-Feb-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25030957
PMID:39943596
|
综述 | 本文综述了基于深度学习的行人轨迹预测方法，探讨了其面临的挑战及解决方案 | 总结了深度学习在行人轨迹预测中的主要挑战，并提出了相应的解决方案，同时分析了主流数据集上的最新研究成果 | 未提出新的预测模型或算法，主要基于现有文献进行分析和总结 | 研究基于深度学习的行人轨迹预测方法，提升预测准确性、效率和可靠性 | 行人轨迹预测 | 计算机视觉 | NA | 深度学习 | NA | 轨迹数据 | NA | NA | NA | NA | NA |
| 908 | 2025-02-16 |
DeiT and Image Deep Learning-Driven Correction of Particle Size Effect: A Novel Approach to Improving NIRS-XRF Coal Quality Analysis Accuracy
2025-Feb-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25030928
PMID:39943568
|
研究论文 | 本文提出了一种结合Segment Anything Model (SAM)和Data-Efficient Image Transformers (DeiTs)的新方法，用于校正煤样粒度效应对NIRS-XRF煤质分析精度的影响 | 首次将SAM用于煤样粒度精确分割，并结合DeiT模型分析粒度与灰分测量误差的关系，显著提高了灰分预测的准确性和一致性 | NA | 提高NIRS-XRF煤质分析的准确性和一致性 | 煤样 | 计算机视觉 | NA | 近红外光谱和X射线荧光光谱(NIRS-XRF) | Segment Anything Model (SAM), Data-Efficient Image Transformers (DeiTs) | 图像 | NA | NA | NA | NA | NA |
| 909 | 2025-02-16 |
Building Better Deep Learning Models Through Dataset Fusion: A Case Study in Skin Cancer Classification with Hyperdatasets
2025-Feb-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030352
PMID:39941282
|
研究论文 | 本文探讨了通过数据集融合构建更大规模、更多样化的训练数据集的重要性，并提出了一个名为Data Merger App的图像数据集合并应用，以简化和合成大规模数据集的管理 | 提出了Data Merger App，能够识别不同数据集中的共同类别，并提供工具将它们合并和组织成结构良好且易于访问的形式 | NA | 研究通过数据集融合提高深度学习模型在皮肤癌分类中的性能 | 皮肤癌图像 | 计算机视觉 | 皮肤癌 | NA | CNN (VGG16, ResNet50, MobileNetV3-small, DenseNet-161), Visual Transformer (ViT) | 图像 | NA | NA | NA | NA | NA |
| 910 | 2025-02-16 |
Training State-of-the-Art Deep Learning Algorithms with Visible and Extended Near-Infrared Multispectral Images of Skin Lesions for the Improvement of Skin Cancer Diagnosis
2025-Feb-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030355
PMID:39941285
|
研究论文 | 本研究探讨了使用多光谱成像技术改进深度学习模型对皮肤病变分类的效果 | 使用多光谱图像而非传统的RGB图像来训练深度学习模型，以提高皮肤病变分类的准确性 | 数据集规模较小，可能影响模型的泛化能力 | 改进皮肤病变的诊断方法，特别是皮肤癌的诊断 | 皮肤病变，包括痣、黑色素瘤和基底细胞癌 | 计算机视觉 | 皮肤癌 | 多光谱成像 | CNN, VGG-16 | 图像 | 327个痣、112个黑色素瘤和70个基底细胞癌的多光谱图像 | NA | NA | NA | NA |
| 911 | 2025-02-16 |
Advancements in Artificial Intelligence for Kidney Transplantology: A Comprehensive Review of Current Applications and Predictive Models
2025-Feb-03, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14030975
PMID:39941645
|
综述 | 本文深入探讨了人工智能在肾脏移植学中的当前应用和预测模型 | 重点介绍了机器学习和深度学习技术及其子类型在肾脏移植中的应用，包括移植排斥预测模型、个性化免疫抑制治疗优化、供体与受体匹配算法以及组织病理学图像的复杂分析 | NA | 探讨人工智能在肾脏移植学中的应用及其对临床决策的影响 | 肾脏移植学中的数据和预测模型 | 机器学习 | 肾脏疾病 | 机器学习和深度学习 | NA | 医学数据 | NA | NA | NA | NA | NA |
| 912 | 2025-02-16 |
Geographical Origin Traceability of Navel Oranges Based on Near-Infrared Spectroscopy Combined with Deep Learning
2025-Feb-03, Foods (Basel, Switzerland)
DOI:10.3390/foods14030484
PMID:39942078
|
研究论文 | 本研究基于近红外光谱结合深度学习技术，探讨了脐橙地理来源的快速、无损、精确追溯方法 | 首次将一维卷积神经网络（1DCNN）应用于脐橙地理来源的追溯，并与多种传统机器学习算法进行了比较 | 研究仅针对中国五个主要产区的Newhall脐橙，样本来源和品种有限 | 探索一种快速、无损、精确的脐橙地理来源追溯方法，以防止产地欺诈现象 | 脐橙 | 机器学习 | NA | 近红外光谱（NIRS） | 一维卷积神经网络（1DCNN） | 光谱数据 | 490个来自中国五个主要产区的Newhall脐橙 | NA | NA | NA | NA |
| 913 | 2025-02-16 |
Adaptive Grasp Pose Optimization for Robotic Arms Using Low-Cost Depth Sensors in Complex Environments
2025-Feb-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25030909
PMID:39943551
|
研究论文 | 本文提出了一种高效的抓取姿态估计算法，适用于配备两指平行夹持器和消费级深度相机的机械臂系统 | 与依赖大量数据且对低精度点云效率低下的传统深度学习方法不同，本文采用椭球建模来克服这些问题，并通过三阶段优化来细化抓取路径 | NA | 提高机械臂在复杂环境中的抓取成功率和计算效率 | 机械臂系统，特别是配备两指平行夹持器和消费级深度相机的系统 | 机器人学 | NA | 椭球建模，非线性优化 | NA | 点云数据 | 通过仿真和实验验证，具体样本数量未提及 | NA | NA | NA | NA |
| 914 | 2025-02-16 |
A Deep Learning Model for Detecting the Arrival Time of Weak Underwater Signals in Fluvial Acoustic Tomography Systems
2025-Feb-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25030922
PMID:39943561
|
研究论文 | 本文提出了一种用于检测河流声学断层扫描系统中弱水下信号到达时间的深度学习模型 | 提出了一种双通道深度学习模型（DCA-Net），通过设计交互模块和注意力模块来提高网络的特征信息提取能力 | 模型在复杂水下环境中的应用效果仍需进一步验证 | 解决传统匹配滤波方法在低信噪比（SNR）环境下难以有效应用的问题 | 河流声学断层扫描系统中的声学信号 | 机器学习 | NA | 深度学习 | DCA-Net | 声学信号 | 使用现场收集的声学断层扫描系统接收信号合成的低SNR数据（-10、-15和-20分贝） | NA | NA | NA | NA |
| 915 | 2025-02-16 |
Automatic Detection of Occluded Main Coronary Arteries of NSTEMI Patients with MI-MS ConvMixer + WSSE Without CAG
2025-Feb-02, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030347
PMID:39941277
|
研究论文 | 本研究提出了一种基于深度学习的新方法，用于自动检测NSTEMI患者中被阻塞的主要冠状动脉 | 开发了新的多输入多尺度（MI-MS）ConvMixer模型，用于自动检测，并引入了WSSE算法以根据特征重要性权重调整分类预测值，提高了分类器性能 | 研究未提及模型在不同人群或不同医疗环境中的泛化能力，也未讨论模型在实际临床应用中可能遇到的挑战 | 旨在通过自动检测NSTEMI患者中被阻塞的主要冠状动脉，减少对冠状动脉造影（CAG）的依赖 | NSTEMI患者 | 数字病理 | 心血管疾病 | 深度学习 | MI-MS ConvMixer | 12通道ECG数据 | NA | NA | NA | NA | NA |
| 916 | 2025-10-07 |
An interpretable ensemble model combining handcrafted radiomics and deep learning for predicting the overall survival of hepatocellular carcinoma patients after stereotactic body radiation therapy
2025-Feb-14, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06119-8
PMID:39948208
|
研究论文 | 开发结合手工放射组学和深度学习的可解释集成模型，预测肝细胞癌患者接受立体定向放疗后的2年生存率 | 首次将手工放射组学特征与深度学习特征及临床数据融合构建集成模型，并应用后验可解释性技术阐明影像数据对预测结果的贡献 | 样本量相对有限（186例患者），需在更大队列中验证模型性能 | 预测肝细胞癌患者接受立体定向放疗后的生存结局 | 186例接受立体定向放疗的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | CT影像分析，放射组学特征提取 | CNN，集成学习 | CT影像，临床数据 | 186例肝细胞癌患者 | NA | 多种卷积神经网络架构 | AUC | NA |
| 917 | 2025-10-07 |
Towards an interpretable deep learning model of cancer
2025-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00822-y
PMID:39948231
|
观点文章 | 提出利用深度学习算法整合多组学数据和分子网络先验知识构建可解释性癌症模型 | 首次系统阐述如何利用深度学习突破实验和计算限制，构建系统层面的癌症计算模型 | 未提供具体模型实现细节和验证结果，属于概念性框架 | 开发可解释的深度学习模型以理解癌症发病机制并推动精准肿瘤学应用 | 癌细胞状态、分子网络、肿瘤微环境 | 机器学习 | 癌症 | 多组学数据整合 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 918 | 2025-10-07 |
Triboelectric Sensors Based on Glycerol/PVA Hydrogel and Deep Learning Algorithms for Neck Movement Monitoring
2025-Feb-14, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20821
PMID:39950449
|
研究论文 | 本研究开发了一种基于甘油/PVA水凝胶的摩擦电传感器和深度学习算法，用于颈部运动监测 | 采用甘油/PVA水凝胶和硅橡胶制备柔性可拉伸摩擦电纳米发电机，通过优化浓度和厚度参数提高灵敏度至4.50 V/kPa，并首次将CNN-BiLSTM算法应用于颈部运动监测 | 未提及样本规模和研究对象的具体特征，缺乏跨设备验证 | 开发用于颈部运动监测的智能系统以预防颈椎病 | 人体颈部运动 | 传感器技术, 深度学习 | 颈椎病 | 摩擦电纳米发电机(TENG), 水凝胶制备 | CNN, BiLSTM | 传感器信号数据 | NA | NA | CNN-BiLSTM混合架构 | 识别准确率 | 树莓派4B |
| 919 | 2025-10-07 |
BiFPN-enhanced SwinDAT-based cherry variety classification with YOLOv8
2025-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89624-7
PMID:39948150
|
研究论文 | 提出一种基于BiFPN增强的SwinDAT与YOLOv8结合的混合深度学习模型，用于樱桃品种分类 | 首次将BiFPN与YOLOv8n-cls框架集成，并采用Swin Transformer和可变形注意力Transformer技术增强分类性能 | 仅使用土耳其西地中海地区的樱桃品种数据集，未验证在其他地区的适用性 | 开发准确的樱桃品种自动分类方法以提升农业实践和经济效益 | 樱桃品种 | 计算机视觉 | NA | 深度学习 | YOLOv8, Transformer | 图像 | 来自土耳其西地中海地区的樱桃品种数据集 | YOLOv8 | BiFPN, SwinDAT, YOLOv8n-cls | 精确率, 召回率, F1分数, 准确率 | NA |
| 920 | 2025-10-07 |
Prediction of InSAR deformation time-series using improved LSTM deep learning model
2025-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83084-1
PMID:39948371
|
研究论文 | 本研究开发了一种改进的LSTM深度学习模型，用于预测InSAR形变时间序列数据 | 提出了改进的LSTM模型，相比传统RNN和LSTM模型在形变预测精度上有显著提升 | 研究仅基于印度Khetri铜矿带单一矿区的26个TSX/TDX数据集，需要更多数据验证模型泛化能力 | 预测采矿引起的地表形变时间序列，为矿山沉降监测和管理提供技术支持 | 矿山地表形变监测数据 | 机器学习 | NA | InSAR（干涉合成孔径雷达）技术 | LSTM, RNN, mLSTM | 时间序列数据 | 26个TSX/TDX数据集 | NA | LSTM, RNN, 改进LSTM | 准确率, RMS误差 | NA |