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 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-05-16 |
Enhancing Ophthalmic Diagnosis and Treatment with Artificial Intelligence
2025-Feb-28, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61030433
PMID:40142244
|
review | 本文综述了人工智能在眼科诊断和治疗中的当前应用及未来潜力 | 利用AI算法（特别是机器学习和深度学习）提高诊断准确性，个性化治疗计划，并优化手术精度 | 数据隐私、安全性和算法偏见等挑战仍需解决 | 探索人工智能在眼科领域的应用以提升诊断和治疗效果 | 糖尿病视网膜病变、年龄相关性黄斑变性和青光眼等眼科疾病 | digital pathology | diabetic retinopathy, age-related macular degeneration, glaucoma | machine learning, deep learning | ML, DL | multimodal data, including genetic information and patient histories | NA | NA | NA | NA | NA |
| 162 | 2025-05-16 |
Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework
2025-Feb-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11030024
PMID:40137564
|
研究论文 | 本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌 | 提出了M3-Net，一个基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能 | 样本量相对较小，仅包含95例患者病例 | 开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率 | 支气管内超声图像 | 数字病理学 | 肺癌 | 深度学习算法 | M3-Net | 图像 | 95例患者病例（13例良性，82例恶性），共1140张EBUS图像 | NA | NA | NA | NA |
| 163 | 2025-05-16 |
Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology
2025-Feb-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11030027
PMID:40137567
|
research paper | 本研究开发并验证了一种基于AI的自动测量颞下颌关节超声图像空间宽度的方法 | 首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像的自动分析 | 对关节窝的分割性能较低(Dice: 0.60 ± 0.24)，这与其复杂的几何形状有关 | 开发一种自动且可重复的颞下颌关节超声图像空间宽度测量方法 | 颞下颌关节超声图像 | digital pathology | temporomandibular joint disorders | ultrasonography | 2D Residual U-Net | image | 142张颞下颌关节超声图像 | NA | NA | NA | NA |
| 164 | 2025-05-16 |
ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network
2025-Feb-26, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11030023
PMID:40137562
|
research paper | 提出了一种结合ADMM迭代算法框架与CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建精度 | 结合模型驱动与数据驱动方法，利用ADMM框架约束网络减少数据依赖，并引入CNN和Transformer模型增强图像全局与局部表征能力 | 未明确提及具体局限性 | 提升稀疏视图CT扫描的重建精度并降低辐射暴露风险 | 稀疏视图CT扫描数据 | computer vision | NA | ADMM迭代算法、CNN、Transformer | ADMM-TransNet（CNN+Transformer） | CT图像 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 165 | 2025-05-16 |
Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts
2025-Feb-22, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11030021
PMID:40137561
|
研究论文 | 本文开发了一种基于深度学习的自动化分割流程，用于小鼠模型中前列腺癌患者来源的异种移植物的MRI图像分割 | 提出了一种结合切片分类器和多种U-Net架构的分割流程，特别是在肾脏肿瘤中表现最佳的密集残差循环U-Net架构 | 研究仅针对小鼠模型，未在人类患者中进行验证 | 开发自动化工具以监测和表征前列腺癌患者来源的异种移植物的肿瘤生长 | 小鼠模型中植入的六种不同前列腺癌患者来源的异种移植物 | 数字病理学 | 前列腺癌 | MRI | U-Net, 密集残差循环U-Net | 图像 | 六种不同前列腺癌患者来源的异种移植物，植入部位包括肾脏、肝脏和胫骨 | NA | NA | NA | NA |
| 166 | 2025-05-16 |
Utilization of Classification Learning Algorithms for Upper-Body Non-Cyclic Motion Prediction
2025-Feb-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25051297
PMID:40096019
|
research paper | 本研究探索了使用分类算法预测非周期性上肢运动的两种方法 | 采用KNN和深度学习模型从sEMG信号预测运动特征，深度学习模型能在肌肉电激活前以90%以上的确定性预测运动特征 | 未来可探索基于回归的预测模型以提高预测精度，并研究其在串联或可穿戴机器人应用中对流畅性的影响 | 提高外骨骼系统的控制流畅性，减少能量消耗和不适感 | 非周期性上肢运动 | machine learning | NA | 表面肌电图（sEMG） | KNN, deep neural network | sEMG信号 | 来自肘部周围六块肌肉的数据 | NA | NA | NA | NA |
| 167 | 2025-05-16 |
Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72539-0
PMID:39962172
|
research paper | 本研究旨在评估基于机器学习的放射组学方法在预测脊髓损伤患者预后方面的准确性 | 结合放射组学和深度迁移学习特征，利用MRI图像预测颈椎脊髓损伤患者术后上肢肌力改善情况 | 样本量较小（82例患者），且为回顾性研究 | 评估放射组学方法在预测脊髓损伤患者预后中的准确性 | 82例颈椎脊髓损伤患者 | digital pathology | spinal cord injury | MRI, 放射组学, 深度迁移学习 | random forest (RF), ResNet34 | MRI图像 | 82例患者（49例预后良好，33例预后不良） | NA | NA | NA | NA |
| 168 | 2025-05-16 |
SS-DTI: A deep learning method integrating semantic and structural information for drug-target interaction prediction
2025-Feb, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500027
PMID:40134345
|
research paper | 提出了一种名为SS-DTI的深度学习方法，整合语义和结构信息用于药物-靶点相互作用预测 | SS-DTI是一种新颖的端到端深度学习方法，整合了药物和蛋白质的语义与结构信息，通过多尺度语义特征提取块和GCNs来捕获局部和全局信息 | NA | 提高药物-靶点相互作用预测的准确性和效率 | 药物和蛋白质分子 | machine learning | NA | deep learning | GCNs (Graph Convolutional Networks) | 序列数据和结构数据 | 四个基准数据集 | NA | NA | NA | NA |
| 169 | 2025-05-16 |
Drug repurposing for non-small cell lung cancer by predicting drug response using pathway-level graph convolutional network
2025-Feb, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500015
PMID:40134346
|
research paper | 该研究提出了一种基于通路-通路相互作用网络的图卷积网络模型，用于预测药物反应并识别非小细胞肺癌的潜在药物再利用候选药物 | 该模型首次将已知的生物通路-通路相互作用整合到药物反应预测中，通过图卷积操作更有效地表示癌细胞系的特征 | 研究仅基于GDSC1000数据集进行验证，未在其他独立数据集上测试模型性能 | 开发更有效的药物反应预测模型以识别非小细胞肺癌的潜在再利用药物 | 非小细胞肺癌(NSCLC)和现有药物 | machine learning | lung cancer | graph convolutional network | GCN | pathway-pathway interaction network | GDSC1000数据集 | NA | NA | NA | NA |
| 170 | 2025-05-15 |
Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint
2025-02-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03096
PMID:39964084
|
research paper | 提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射（SERS）平台，以提高拉曼检测系统的灵敏度、集成度和实用性 | 结合深度学习和双功能微流控技术，实现多分子指纹的分区识别和同时检测 | 未提及具体样本量或实验重复次数，可能影响结果的统计显著性 | 提高拉曼检测系统的灵敏度、集成度和实用性 | 罗丹明6G（R6G）、福美双、芘、蒽和邻苯二甲酸二丁酯等分子 | 机器学习和微流控技术 | NA | 表面增强拉曼散射（SERS）和全连接神经网络技术 | 全连接神经网络 | 拉曼光谱数据 | NA | NA | NA | NA | NA |
| 171 | 2025-05-15 |
GPC-YOLO: An Improved Lightweight YOLOv8n Network for the Detection of Tomato Maturity in Unstructured Natural Environments
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051502
PMID:40096330
|
研究论文 | 提出了一种基于YOLOv8n的轻量级模型GPC-YOLO，用于在非结构化自然环境中检测番茄成熟度 | 引入了C2f-PC模块、GSConv轻量卷积、CCFF跨尺度特征融合模块，以及SimAM注意力机制和EIoU损失函数，显著降低了计算负担并提高了检测精度 | 研究仅针对番茄成熟度检测，未验证在其他水果或作物上的适用性 | 开发一种轻量化的目标检测模型，用于农业场景中的番茄成熟度识别 | 番茄果实 | 计算机视觉 | NA | 深度学习目标检测 | GPC-YOLO（基于YOLOv8n改进） | 图像 | 1249张手机拍摄的番茄图像 | NA | NA | NA | NA |
| 172 | 2025-05-15 |
A Comparative Study of Plantar Pressure and Inertial Sensors for Cross-Country Ski Classification Using Deep Learning
2025-Feb-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25051500
PMID:40096333
|
研究论文 | 本研究比较了足底压力和惯性传感器在越野滑雪技术分类中的应用，并开发了一种基于CNN和LSTM的深度学习模型 | 首次比较了低成本、低侵入性的足底压力传感器和惯性传感器在越野滑雪技术分类中的性能，并展示了在最小传感器设置下实现高分类准确率的潜力 | 研究仅针对越野滑雪技术分类，未验证在其他运动项目中的适用性 | 比较不同传感器在越野滑雪技术分类中的性能，并开发高效的分类方法 | 越野滑雪运动员 | 机器学习 | NA | 深度学习 | CNN和LSTM | 足底压力数据和惯性测量数据 | 未明确说明样本数量，但涉及多名滑雪运动员的数据 | NA | NA | NA | NA |
| 173 | 2025-05-15 |
Gesture Recognition Achieved by Utilizing LoRa Signals and Deep Learning
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051446
PMID:40096281
|
研究论文 | 本研究提出了一种基于LoRa技术的新型手势识别系统，结合了先进的信号预处理、自适应分割算法和改进的SS-ResNet50深度学习模型 | 通过结合残差学习和动态卷积技术，SS-ResNet50模型显著增强了多尺度手势特征的提取能力，提高了分类准确率 | NA | 开发一种低功耗、长距离的非接触式手势识别系统 | 手势识别 | 计算机视觉 | NA | LoRa技术 | SS-ResNet50 | 信号数据 | 六种手势的平均识别准确率超过95% | NA | NA | NA | NA |
| 174 | 2025-05-15 |
Application of Multiple Deep Learning Architectures for Emotion Classification Based on Facial Expressions
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051478
PMID:40096310
|
research paper | 该研究评估了十种先进的深度学习模型在面部表情识别任务上的性能，使用FER2013数据集 | 对多种深度学习架构在面部表情识别任务上的综合评估，揭示了计算效率与预测准确性之间的关键权衡 | 轻量级模型如MobileNet V1和ShuffleNet V2在准确性上存在限制，特别是在识别'恐惧'和'厌恶'等挑战性情绪类别时 | 评估深度学习模型在面部表情识别任务上的性能，以选择适合特定应用需求的架构 | 面部表情识别 | computer vision | NA | 深度学习 | VGG16, VGG19, ResNet50, ResNet101, DenseNet, GoogLeNet V1, MobileNet V1, EfficientNet V2, ShuffleNet V2, RepVGG | image | FER2013数据集 | NA | NA | NA | NA |
| 175 | 2025-05-15 |
Joint Driver State Classification Approach: Face Classification Model Development and Facial Feature Analysis Improvement
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051472
PMID:40096318
|
research paper | 本研究提出了一种结合CNN和面部标志分析模型的双框架方法，用于增强驾驶员困倦检测 | 通过集成CNN分类和精确的面部标志分析，提高了检测的鲁棒性，并在低光等挑战性条件下表现出更强的适应性 | NA | 开发一种鲁棒的驾驶员困倦检测方法，以提高道路安全 | 驾驶员的面部特征和生理状态 | computer vision | NA | image normalization, illumination correction, face hallucination | CNN, deep learning-based facial landmark analysis model | image | NA | NA | NA | NA | NA |
| 176 | 2025-05-15 |
EEG-Based Music Emotion Prediction Using Supervised Feature Extraction for MIDI Generation
2025-Feb-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25051471
PMID:40096343
|
研究论文 | 本文提出了一种基于EEG的音乐情感预测深度学习框架，用于生成与标记情感预测对齐的MIDI序列 | 通过监督特征提取和Centered Kernel Alignment技术，解决了神经和听觉领域之间的语义鸿沟问题，提高了情感分类和MIDI序列生成的质量 | 对于想象能力较弱的受试者，生成的MIDI输出质量较低，因为其神经模式与训练数据的一致性较差 | 开发一种能够生成与情感预测对齐的MIDI序列的AI驱动算法 | 脑电图(EEG)数据和听觉数据 | 机器学习 | NA | EEGNet, 自编码器, Centered Kernel Alignment | EEGNet, 自编码器 | EEG信号, MIDI序列 | 未明确说明样本数量，但涉及真实世界数据和特定受试者分析 | NA | NA | NA | NA |
| 177 | 2025-05-15 |
DAHD-YOLO: A New High Robustness and Real-Time Method for Smoking Detection
2025-Feb-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25051433
PMID:40096207
|
研究论文 | 提出了一种名为DAHD-YOLO的新型高鲁棒性实时吸烟检测方法 | 基于YOLOv8构建的DAHD-YOLO模型，引入了DBCA模块、AFGCA注意力机制、改进的ECA-FPN特征金字塔网络、解耦检测头更新以及Wise-PIoU边界框回归损失函数，显著提升了检测精度和实时性能 | 未提及在极端光照或遮挡条件下的性能表现 | 提高复杂环境中吸烟行为检测的准确性和实时性 | 吸烟行为 | 计算机视觉 | NA | 深度学习 | YOLOv8改进模型（DAHD-YOLO） | 图像 | 自建吸烟检测数据集（具体数量未说明） | NA | NA | NA | NA |
| 178 | 2025-05-15 |
Review of Non-Invasive Fetal Electrocardiography Monitoring Techniques
2025-Feb-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25051412
PMID:40096208
|
review | 本文综述了非侵入性胎儿心电图（NIFECG）监测技术的最新进展，包括信号采集、预处理、胎儿心电图提取及心脏异常分类 | 讨论了深度学习技术、多模态数据融合和远程监测系统在NIFECG中的潜在应用 | 分析了现有NIFECG数据集的特点和局限性，并提出了改进建议 | 推进NIFECG监测技术的发展和应用 | 非侵入性胎儿心电图监测技术 | 数字病理 | NA | 非侵入性胎儿心电图（NIFECG） | 深度学习 | 心电图信号 | NA | NA | NA | NA | NA |
| 179 | 2025-05-15 |
Optimization of Improved YOLOv8 for Precision Tomato Leaf Disease Detection in Sustainable Agriculture
2025-Feb-25, Sensors (Basel, Switzerland)
DOI:10.3390/s25051398
PMID:40096213
|
研究论文 | 提出了一种改进的YOLOv8算法，用于番茄叶病的实时检测，以提高农药施用的精确性 | 通过集成Depthwise Grouped Convolutions和AdamW优化器，提高了计算效率和检测精度，同时引入SE_Block增强特征表示 | 研究仅在受控环境中部署，未涉及大规模田间试验 | 提高番茄叶病检测的精确性，减少农药使用和环境污染 | 番茄叶片 | 计算机视觉 | 番茄病害 | 深度学习 | YOLOv8 | 图像 | 1500张番茄叶片图像，包含四种标签（全部、绿番茄、霜霉病和白粉病） | NA | NA | NA | NA |
| 180 | 2025-05-15 |
MRI-Based Meningioma Firmness Classification Using an Adversarial Feature Learning Approach
2025-Feb-25, Sensors (Basel, Switzerland)
DOI:10.3390/s25051397
PMID:40096246
|
研究论文 | 该研究提出了一种基于对抗特征学习方法的MRI脑膜瘤硬度分类模型 | 引入了无监督特征提取方法（BiGAN）和深度可分离深度学习模型，用于脑膜瘤硬度分类 | 未提及具体样本量或数据集的多样性限制 | 提高脑膜瘤硬度分类的准确性和效率 | MRI图像中的脑膜瘤 | 计算机视觉 | 脑膜瘤 | MRI | BiGAN, 深度可分离深度学习模型 | 图像 | NA | NA | NA | NA | NA |