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 1342 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 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 |
| 1022 | 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 |
| 1023 | 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 |
| 1024 | 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 |
| 1025 | 2025-03-27 |
Ensemble approach to deep learning seabed classification using multichannel ship noisea)
2025-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0036221
PMID:40135961
|
研究论文 | 本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据 | 采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响 | 实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显 | 开发一种基于深度学习的海底分类方法 | 海底类型 | 机器学习 | NA | 多通道水听器声谱图分析 | ResNet-18 | 声谱图 | SBCEX 2017实验测量数据 | NA | NA | NA | NA |
| 1026 | 2025-03-26 |
Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers
2025-Mar-25, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c00811
PMID:40074545
|
research paper | 该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为 | 首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联 | 研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物 | 探索复杂拓扑结构嵌段共聚物的自组装行为规律 | AB型星形嵌段共聚物PEO-PS | soft matter science | NA | deep learning | neural network | experimental data | 包含两种聚合物特性和三种合成条件参数的数据集 | NA | NA | NA | NA |
| 1027 | 2025-03-26 |
From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification
2025-Mar-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05707
PMID:40085530
|
研究论文 | 提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性 | 引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法 | 未明确提及具体局限性 | 提高核电站中不稳定光谱的分类准确性 | 核金属材料 | 机器学习 | NA | LIBS（激光诱导击穿光谱） | 深度学习算法（含注意力机制） | 光谱数据 | NA | NA | NA | NA | NA |
| 1028 | 2025-03-26 |
Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators
2025-Mar-25, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf148
PMID:40130376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1029 | 2025-03-26 |
Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86830-1
PMID:40121214
|
research paper | 本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性 | 研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能 | NA | 提高物体检测模型在大气湍流条件下的准确性和鲁棒性 | 热适应和基于深度学习的物体检测模型 | computer vision | NA | turbulence image augmentation techniques | RTMDet-x, DINO-4scale, YOLOv8-x | image | NA | NA | NA | NA | NA |
| 1030 | 2025-03-26 |
High-resolution image reflection removal by Laplacian-based component-aware transformer
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94464-6
PMID:40121298
|
research paper | 提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT | 利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB） | NA | 解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解 | 高分辨率图像中的反射模式 | computer vision | NA | Laplacian金字塔网络，transformer | transformer (CSTB) | image | 多个基准数据集 | NA | NA | NA | NA |
| 1031 | 2025-03-26 |
4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning
2025-Mar-21, Communications engineering
DOI:10.1038/s44172-025-00390-w
PMID:40119014
|
research paper | 提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影 | 结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息 | 需要验证在更广泛实验条件下的适用性 | 解决从稀疏投影重建4D信息的挑战 | 水滴碰撞模拟和增材制造实验数据 | 计算机视觉 | NA | X射线多投影成像 | 深度学习 | X射线投影图像 | 模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影 | NA | NA | NA | NA |
| 1032 | 2025-03-26 |
The artificial intelligence revolution in gastric cancer management: clinical applications
2025-Mar-21, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-025-03756-4
PMID:40119433
|
review | 本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用 | 人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破 | 目前大多数基于AI的模型尚未在临床实践中广泛应用 | 探讨人工智能技术在胃癌临床管理中的应用及其潜力 | 胃癌 | digital pathology | gastric cancer | machine learning, deep learning | NA | image, text | NA | NA | NA | NA | NA |
| 1033 | 2025-03-26 |
Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111839
PMID:40124476
|
研究论文 | 开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降 | 首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型 | 样本量相对有限（526例），且前瞻性队列样本量较小（108例） | 预测未破裂颅内动脉瘤支架置入术后认知功能下降风险 | 接受支架置入术治疗的未破裂颅内动脉瘤患者 | 数字病理学 | 颅内动脉瘤 | 扩散加权磁共振成像（DWI） | 深度学习放射组学列线图（DLRN） | 医学影像 | 526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例） | NA | NA | NA | NA |
| 1034 | 2025-03-26 |
CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111974
PMID:40124480
|
研究论文 | 介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节 | 提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度 | 未提及具体的数据集限制或模型在特定条件下的性能下降情况 | 提高肺结节分割的效率和准确性，以辅助肺癌的早期检测 | CT图像中的肺结节 | 数字病理 | 肺癌 | 深度学习 | CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN） | CT图像 | 多个公开数据集（未提及具体数量） | NA | NA | NA | NA |
| 1035 | 2025-03-26 |
Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data
2025-Mar-18, ArXiv
PMID:40034134
|
研究论文 | 本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析 | 使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升 | 方法在高维情况下可能仍面临计算挑战 | 开发一种计算高效的方法来量化空间点模式中的聚集现象 | 人类口腔微生物生物膜图像 | 机器学习 | NA | BayesFlow方法 | 可逆神经网络 | 图像 | 两个不同的口腔微生物生物膜图像 | NA | NA | NA | NA |
| 1036 | 2025-03-26 |
Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions
2025-Mar-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10763
PMID:40124037
|
research paper | 提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断 | 结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能 | 模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息 | 提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度 | 食管病变 | digital pathology | esophageal cancer | deep learning | MobileNetV2 with mutual attention module | image | 三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR | NA | NA | NA | NA |
| 1037 | 2025-03-26 |
Detection of deterministic and chaotic signals on the basis of the LSTM model training results
2025-Mar-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0224768
PMID:40131283
|
研究论文 | 本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为 | 该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据 | 方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试 | 提供一种替代传统LLE计算的混沌信号检测方法 | 动态信号（混沌和确定性信号） | 机器学习 | NA | LSTM神经网络 | LSTM | 动态信号数据 | 公开可用的混沌和确定性信号数据集 | NA | NA | NA | NA |
| 1038 | 2025-03-25 |
Thermal conductivity of the layered titanate K0.8Li0.27Ti1.73O4 explored by a deep learning interatomic potential
2025-Mar-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255515
PMID:40125679
|
研究论文 | 本研究通过深度学习原子间势能预测层状钛酸盐K0.8Li0.27Ti1.73O4的热导率 | 采用深度神经网络模型构建原子间势能，克服了传统方法的局限性，为层状材料的热导率研究提供了新方法 | 研究仅针对K0.8Li0.27Ti1.73O4一种材料，未验证其他层状材料的适用性 | 预测层状氧化物材料的热导率 | 层状钛酸盐K0.8Li0.27Ti1.73O4 (KLTO) | 材料科学 | NA | 深度学习 | 深度神经网络 | 原子力、能量和弹性性质数据 | NA | NA | NA | NA | NA |
| 1039 | 2025-03-25 |
Deep learning for cardiac abnormalities in chest X-rays: performance metrics with imbalanced data and extracardiac objects
2025-Mar-24, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae759
PMID:39776179
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1040 | 2025-03-25 |
Transforming wearable sensor data for robust feature selection in human activity recognition using reinforcement learning approach
2025-Mar-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2480686
PMID:40125899
|
研究论文 | 本文提出了一种利用深度强化学习方法处理可穿戴传感器数据，以提高人体活动识别的准确性和鲁棒性 | 结合生成式演员-评论家（GAC）方法和循环生成对抗网络，增强了类间差异并减少了类内变化，提高了噪声环境下的识别准确率 | 未提及该方法在实时处理或计算资源消耗方面的表现 | 提高可穿戴传感器数据在人体活动识别中的准确性和鲁棒性 | 可穿戴传感器收集的人体活动数据 | 机器学习 | NA | 深度强化学习（GAC）、循环生成对抗网络 | GAC、GAN | 时间序列传感器数据 | UCI-HAR和Motion Sense数据集（具体样本量未提及） | NA | NA | NA | NA |