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 1345 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2025-03-29 |
Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends
2025-Mar-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030091
PMID:40137203
|
综述 | 本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合 | 探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架 | HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战 | 提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求 | 人类活动识别技术及其应用 | 机器学习 | NA | 传感器技术、深度学习 | CNN, LSTM, 注意力机制, 强化学习框架 | RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息 | NA | NA | NA | NA | NA |
| 982 | 2025-03-29 |
Comparative Evaluation of Deep Learning Models for Diagnosis of Helminth Infections
2025-Mar-20, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm15030121
PMID:40137437
|
研究论文 | 本研究评估了深度学习模型在准确分类蛔虫和绦虫卵显微图像中的效果，提出了一种技术增强的临床诊断方法 | 使用先进的深度学习模型（ConvNeXt Tiny、EfficientNet V2 S和MobileNet V3 S）进行蛔虫卵分类，展示了高准确率 | 研究未提及模型在真实临床环境中的泛化能力或对不同种类寄生虫卵的适用性 | 评估深度学习模型在寄生虫感染诊断中的效果，提高诊断准确性和效率 | 蛔虫（Ascaris）和绦虫（Taenia）的卵以及未感染的卵 | 计算机视觉 | 寄生虫感染 | 深度学习 | ConvNeXt Tiny, EfficientNet V2 S, MobileNet V3 S | 图像 | 包含蛔虫、绦虫和未感染卵的多样化数据集 | NA | NA | NA | NA |
| 983 | 2025-03-29 |
Recovering Image Quality in Low-Dose Pediatric Renal Scintigraphy Using Deep Learning
2025-Mar-19, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030088
PMID:40137200
|
研究论文 | 本研究提出了一种先进的图像增强策略，旨在解决儿科肾闪烁扫描中减少辐射剂量的挑战 | 评估了四种去噪神经网络在低剂量儿科肾闪烁扫描中的应用，发现UDnCNN在信噪比和多尺度结构相似性之间取得了最佳平衡 | 研究仅基于公开数据库的数据，未涉及实际临床环境中的验证 | 开发一种深度学习方法来提高低剂量儿科肾闪烁扫描的图像质量，以减少患者的辐射暴露 | 儿科肾闪烁扫描图像 | 数字病理 | 儿科肾病 | 深度学习 | DnCNN, UDnCNN, DUDnCNN, AttnGAN | 图像 | 来自公共动态肾闪烁扫描数据库的数据 | NA | NA | NA | NA |
| 984 | 2025-03-29 |
Deep Learning-Based Semantic Segmentation for Objective Colonoscopy Quality Assessment
2025-Mar-18, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030084
PMID:40137196
|
research paper | 本研究旨在通过专门训练的深度学习语义分割神经网络客观评估结肠镜检查的整体质量 | 提出了一种基于深度学习的语义分割方法，能够识别和量化结肠黏膜、残留物和伪影的百分比，提供比波士顿肠道准备量表更全面和客观的评估 | Cohen's Kappa值为0.28，表明与专家评估的一致性仅为一般水平 | 客观评估结肠镜检查的质量 | 结肠镜检查视频帧 | digital pathology | NA | 深度学习语义分割 | semantic segmentation network | image | 数千个结肠镜检查视频帧 | NA | NA | NA | NA |
| 985 | 2025-03-29 |
Automatic Segmentation of Plants and Weeds in Wide-Band Multispectral Imaging (WMI)
2025-Mar-18, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030085
PMID:40137197
|
研究论文 | 本文提出了一种基于宽带多光谱图像的植物和杂草自动分割算法，结合PIF-Net和优化的U-Net模型 | 结合PIF-Net进行特征提取与融合，并优化U-Net模型以实现高精度语义分割 | 研究仅基于CAVIAR数据集的多光谱图像场景，未在其他数据集上验证 | 开发一种高效的植物和杂草分割算法，以推动精准农业中的深度学习应用 | 植物和杂草 | 计算机视觉 | NA | 宽带多光谱成像(WMI) | PIF-Net, U-Net | 多光谱图像 | CAVIAR数据集中的场景 | NA | NA | NA | NA |
| 986 | 2025-03-29 |
MSBiLSTM-Attention: EEG Emotion Recognition Model Based on Spatiotemporal Feature Fusion
2025-Mar-13, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10030178
PMID:40136832
|
研究论文 | 提出了一种基于时空特征融合的EEG情感识别模型MSBiLSTM-Attention | 结合多尺度卷积、双向长短期记忆网络和注意力机制，实现EEG信号的自动特征提取和分类 | 需要进一步验证模型在其他数据集上的泛化能力 | 提高基于EEG信号的情感识别准确率 | EEG信号 | 机器学习 | NA | 深度学习 | MSBiLSTM-Attention (多尺度CNN + BiLSTM + 注意力机制) | EEG信号 | SEED数据集 | NA | NA | NA | NA |
| 987 | 2025-03-29 |
Enhancing Single-Cell and Bulk Hi-C Data Using a Generative Transformer Model
2025-Mar-12, Biology
DOI:10.3390/biology14030288
PMID:40136544
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型HiCENT，用于提升单细胞和批量Hi-C数据的质量 | 开发了HiCENT模型，首次将Transformer架构应用于Hi-C数据的增强，显著提升了单细胞和批量Hi-C数据的质量 | 未明确提及模型在不同细胞类型或物种间的泛化能力 | 解决Hi-C数据（特别是单细胞Hi-C数据）中测序深度不足和噪声高的问题，提升染色质相互作用数据的质量 | 批量Hi-C数据和单细胞Hi-C数据 | 生物信息学 | NA | Hi-C技术 | Transformer | 基因组相互作用数据 | GM12878细胞系和五个人类细胞系的Hi-C数据 | NA | NA | NA | NA |
| 988 | 2025-03-29 |
GM-CBAM-ResNet: A Lightweight Deep Learning Network for Diagnosis of COVID-19
2025-Mar-03, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11030076
PMID:40137188
|
研究论文 | 提出了一种名为GM-CBAM-ResNet的轻量级深度学习网络，用于基于心电图（ECG）图像诊断COVID-19 | 通过将卷积模块替换为Ghost模块（GM）并在ResNet的残差模块中添加卷积块注意力模块（CBAM），构建了轻量级网络GM-CBAM-ResNet | 未提及具体的数据集规模或多样性限制 | 开发一种轻量级深度学习网络，用于快速准确诊断COVID-19 | COVID-19患者的心电图图像 | 计算机视觉 | COVID-19 | 深度学习 | GM-CBAM-ResNet, ResNet, GM-ResNet, CBAM-ResNet | 图像 | 使用公开的'ECG Images dataset of Cardiac and COVID-19 Patients'数据集 | NA | NA | NA | NA |
| 989 | 2025-03-29 |
Integration of longitudinal load-bearing tissue MRI radiomics and neural network to predict knee osteoarthritis incidence
2025-Mar, Journal of orthopaedic translation
IF:5.9Q1
DOI:10.1016/j.jot.2025.01.007
PMID:40144553
|
研究论文 | 本研究开发并测试了一种结合负重组织MRI影像组学和临床变量的模型（LBTC-RM），用于预测膝关节骨关节炎（KOA）的发生 | 首次整合纵向负重组织MRI影像组学和神经网络算法预测KOA发生，提供了一种更可解释且临床适用的早期KOA检测方法 | 需要未来在不同人群中进一步验证以增强其临床适用性和普适性 | 开发预测膝关节骨关节炎（KOA）发生的模型 | 700个基线时无放射学KOA的膝关节，包含2164个4年随访期间的膝关节MRI | 数字病理学 | 膝关节骨关节炎 | MRI影像组学 | 神经网络 | MRI图像 | 总开发队列1082例（542例病例 vs 540例对照），总测试队列1082例（534例病例 vs 548例对照） | NA | NA | NA | NA |
| 990 | 2025-03-28 |
Machine Learning Potential for Copper Hydride Clusters: A Neutron Diffraction-Independent Approach for Locating Hydrogen Positions
2025-Mar-26, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c02046
PMID:40088162
|
研究论文 | 本文提出了一种名为SSW-NN的创新策略，用于准确预测金属氢化物团簇中氢的位置，无需依赖中子衍射数据 | 提出了一种不依赖中子衍射数据的机器学习方法SSW-NN，能够准确预测氢的位置，适用于仅有X射线衍射数据或DFT预测的情况 | 虽然方法在铜氢化物团簇上验证有效，但对于其他金属氢化物系统的普适性仍需进一步验证 | 开发一种不依赖中子衍射的机器学习方法，用于确定金属氢化物团簇中氢的位置 | 铜氢化物团簇及其他金属氢化物系统（如银和合金氢化物） | 机器学习 | NA | SSW-NN（随机表面行走与神经网络结合的方法） | 神经网络 | X射线衍射数据、DFT预测数据 | 铜氢化物团簇及其他金属氢化物系统（具体数量未提及） | NA | NA | NA | NA |
| 991 | 2025-03-28 |
Image segmentation and coverage estimation of deep-sea polymetallic nodules based on lightweight deep learning model
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89952-8
PMID:40128230
|
研究论文 | 本文提出了一种名为YOLOv7-PMN的轻量级深度学习模型，用于深海多金属结核的图像分割和覆盖率估计 | 模型采用MobileNetV3-Small轻量级特征提取框架，并集成多级Squeeze-and-Excitation注意力机制，提高了检测精度和推理速度，同时减少了模型大小 | 未明确提及具体局限性 | 实时、准确、高效地计算深海多金属结核的覆盖率参数 | 深海多金属结核 | 计算机视觉 | NA | 深度学习 | YOLOv7-PMN（基于YOLOv7改进的轻量级模型） | 海底视频数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 992 | 2025-03-28 |
A deep learning-based hybrid method for PM2.5 prediction in central and western China
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95460-6
PMID:40128263
|
research paper | 该研究提出了一种基于深度学习的混合方法，用于预测中国中部和西部地区的PM2.5浓度 | 结合Transformer和LSTM架构，并通过粒子群优化（PSO）算法进行参数优化，利用LSTM的门控机制、Transformer的位置编码和自注意力机制以及PSO的优化能力，提升了PM预测的性能 | 未提及模型在其他地区或不同污染条件下的适用性 | 提高PM2.5预测的准确性和可靠性 | 中国中部和西部地区的PM2.5浓度数据 | machine learning | NA | deep learning, PSO | Transformer, LSTM | 时间序列数据 | 未明确提及样本数量，但涉及多个城市和不同时期的数据 | NA | NA | NA | NA |
| 993 | 2025-03-28 |
Detection of cyber attacks in electric vehicle charging systems using a remaining useful life generative adversarial network
2025-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92895-9
PMID:40128270
|
research paper | 本研究提出了一种基于生成对抗网络（GAN）的剩余使用寿命（RUL）方法，用于检测电动汽车充电系统中的网络攻击 | 利用GAN结合RUL方法预测网络攻击的剩余时间，为网络安全策略带来革命性变化 | 研究仅针对电动汽车充电设备（EVSE）在空闲和充电状态下的网络和主机攻击场景进行了测试 | 提高电动汽车充电系统的网络安全，减少网络攻击带来的经济和声誉损失 | 电动汽车充电设备（EVSE）及其网络攻击 | machine learning | NA | GAN, GRU, LSTM, RNN, CNN, MLP | GAN-GRU, GAN-LSTM, GAN-RNN, GAN-CNN, GAN-MLP, GAN-Dense Layer | 网络攻击数据 | NA | NA | NA | NA | NA |
| 994 | 2025-03-28 |
High-speed threat detection in 5G SDN with particle swarm optimizer integrated GRU-driven generative adversarial network
2025-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95011-z
PMID:40122918
|
研究论文 | 本文提出了一种结合粒子群优化器和GRU驱动的生成对抗网络的高效深度学习模型，用于5G软件定义网络中的威胁检测 | 创新点在于将粒子群优化器(PSO)与GRU驱动的生成对抗网络(GAN)相结合，优化网络权重并生成合成攻击数据，从而提高检测性能 | NA | 开发高效的深度学习模型以提高5G SDN环境中的攻击检测性能和响应能力 | 5G软件定义网络(SDN)中的网络流量数据 | 机器学习 | NA | 深度学习 | PSO-GRUGAN-IDS（结合PSO、GRU和GAN的入侵检测系统分类器） | 网络流量数据 | 使用InSDN数据集进行评估 | NA | NA | NA | NA |
| 995 | 2025-03-28 |
Impact of Artificial Intelligence on Periodontology: A Review
2025-Mar, Cureus
DOI:10.7759/cureus.81162
PMID:40134460
|
review | 本文综述了人工智能在牙周病学中的应用及其影响 | 探讨了AI在牙周病诊断、治疗规划和患者管理中的创新应用 | 存在数据隐私、算法可靠性和临床验证需求等挑战 | 评估AI在牙周病学中的当前应用、优势、限制和未来可能性 | 牙周病学中的AI技术应用 | digital pathology | periodontal disease | machine learning, deep learning, computer vision | NA | radiographic images, clinical data | NA | NA | NA | NA | NA |
| 996 | 2025-03-27 |
A statistical method for high-throughput emergence rate calculation for soybean breeding plots based on field phenotypic characteristics
2025-Mar-24, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01356-x
PMID:40122826
|
research paper | 本研究提出了一种基于无人机和地面测量数据的高通量大豆出苗率统计方法，旨在提高密集种植环境下育种筛选的效率和准确性 | 结合背景分割、深度学习目标检测和生长归一化思想，提出了一种新的高通量大豆出苗率统计方法，解决了现有方法在密集环境下的低通量、低效率和精度不足问题 | 方法在极端密集或高度重叠的种植环境下可能仍存在计数误差 | 开发一种高效、精确的大豆出苗率统计方法，以加速育种筛选过程 | 密集种植环境下的大豆幼苗 | digital agriculture | NA | 无人机遥感成像、深度学习目标检测 | Yolov8n | 遥感图像 | 未明确说明具体样本数量，但涉及密集种植环境下的大豆幼苗图像数据 | NA | NA | NA | NA |
| 997 | 2025-03-27 |
Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China
2025-Mar-23, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01937-3
PMID:40121609
|
研究论文 | 基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型 | 结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能 | 研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证 | 开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性 | 纯磨玻璃肺结节（pGGNs） | 数字病理学 | 肺癌 | CT成像 | cLung-RADS® v2022 | 医学影像 | 526名患者（共572个肺结节），分为训练集（169例）和验证集（403例） | NA | NA | NA | NA |
| 998 | 2025-03-27 |
Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021
2025-Mar-22, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04794-3
PMID:40121204
|
research paper | 该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图 | 采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统 | NA | 为水资源管理和湿地保护提供数据支持 | 长江中游城市群的内陆水体 | machine learning | NA | 弱监督深度学习 | NA | 卫星图像 | 14000个验证点 | NA | NA | NA | NA |
| 999 | 2025-03-27 |
An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08609-8
PMID:39672993
|
研究论文 | 基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型 | 结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型 | 样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列 | 预测颈脊髓损伤患者的预后 | 168名颈脊髓损伤患者 | 数字病理学 | 颈脊髓损伤 | MRI影像组学分析，深度学习迁移学习 | Lasso回归，深度学习模型 | MRI图像（T1WI和T2WI），临床数据 | 168名颈脊髓损伤患者 | NA | NA | NA | NA |
| 1000 | 2025-03-27 |
Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08623-w
PMID:39708132
|
研究论文 | 开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折 | 使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折 | 样本量相对较小，外部验证和前瞻性验证的样本数量有限 | 开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折 | 胸腰椎骨折患者 | 计算机视觉 | 骨科疾病 | CT成像 | 3D V-Net, ResNet, DenseNet | 医学影像 | 训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个 | NA | NA | NA | NA |