深度学习在生物医药领域中的应用
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，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10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 1500 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2025-03-26 |
Evaluation of stapes image quality with ultra-high-resolution CT in comparison to cone-beam CT and high-resolution CT in cadaveric heads
2025-Mar-24, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8748
PMID:40127966
|
研究论文 | 比较超高清CT、锥束CT和高分辨率CT在尸体头部中对镫骨成像质量的能力 | 首次将超高清CT（带和不带深度学习重建）与锥束CT和高分辨率CT在镫骨成像质量方面进行比较，并以微CT作为参考标准 | 样本量较小（11例颞骨标本），且所有样本均为尸体标本，可能无法完全反映活体情况 | 评估不同CT扫描技术对镫骨成像质量的影响 | 11例颞骨标本 | 医学影像 | NA | 高分辨率CT、超高清CT、锥束CT、微CT、深度学习重建 | NA | CT图像 | 11例颞骨标本 |
| 1082 | 2025-03-26 |
Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study
2025-Mar-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01475-w
PMID:40128503
|
研究论文 | 探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值 | 使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能 | 研究为回顾性设计，样本量相对较小（263例患者） | 评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能 | 高风险孕妇中的疑似胎盘植入患者 | 数字病理 | 胎盘植入谱（PAS） | MRI成像 | DenseNet-121, SVM, KNN, RF, LGBM | 医学影像 | 263例患者（170例训练集，93例外部验证集） |
| 1083 | 2025-03-26 |
Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models
2025-Mar-24, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24847
PMID:40129051
|
研究论文 | 本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR） | 结合U-Net和Dense-Net模型，通过计算动静脉比率（AVR）实现HR的自动检测和分级 | NA | 开发一种自动化的高血压视网膜病变诊断和分级方法 | 高血压视网膜病变（HR）患者的视网膜图像 | 数字病理学 | 心血管疾病 | 深度学习 | U-Net, Dense-Net | 图像 | AVRDB数据集 |
| 1084 | 2025-03-26 |
Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning
2025-Mar-24, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70011
PMID:40129053
|
研究论文 | 本研究探索利用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示 | 开发了一种全卷积去噪自编码器，用于处理FTIR光谱数据，通过自定义损失函数有效降噪并保留关键分子信息，提高了肺癌检测准确率2.6个百分点 | NA | 探索红外光谱数据的低维表示方法以提升疾病诊断效果 | 人类血液的红外分子指纹 | 机器学习 | 肺癌 | FTIR光谱技术 | 全卷积去噪自编码器 | 光谱数据 | NA |
| 1085 | 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 |
| 1086 | 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 |
| 1087 | 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 |
| 1088 | 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 |
| 1089 | 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） |
| 1090 | 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） |
| 1091 | 2025-03-26 |
Single-View 3D Hair Modeling with Clumping Optimization
2025-Mar-20, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3552919
PMID:40111766
|
research paper | 该论文提出了一种结合毛发成簇效应的单视图3D毛发建模方法，通过分层毛发表示和可微分框架优化毛发的几何结构和成簇参数 | 引入了毛发成簇修饰器到引导毛发和基于蒙皮的毛发表达中，提出了一种分层毛发表示方法，并设计了一个完全可微分的框架来迭代求解引导毛发位置和成簇参数 | 未提及具体的数据集规模或计算资源需求，可能在实际应用中存在性能限制 | 提升单视图毛发重建的真实感，特别是毛发的成簇效果，以支持高质量的毛发渲染和模拟 | 3D毛发建模 | computer vision | NA | 深度学习，基于线的栅格化渲染 | NA | image | NA |
| 1092 | 2025-03-26 |
A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability
2025-Mar-20, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3543926
PMID:40111782
|
research paper | 本文提出了一个统一的框架，利用深度学习结合稳定性先验信息进行动力学建模和控制设计 | 提出了一种新颖的基于神经网络的框架，同时学习系统动力学、稳定反馈控制器和闭环系统的李雅普诺夫函数，显式保证学习模型的稳定性 | NA | 开发一个数据驱动且具有控制理论保证的动力学建模和控制设计框架 | 控制系统 | machine learning | NA | deep learning | NN | NA | NA |
| 1093 | 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 |
| 1094 | 2025-03-26 |
Population-Driven Synthesis of Personalized Cranial Development from Cross-Sectional Pediatric CT Images
2025-Mar-18, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3550842
PMID:40100672
|
research paper | 提出了一种新的深度学习方法来预测儿科颅骨发育并合成时间序列图像 | 设计了一种新的生成对抗网络（GAN），具有Siamese循环编码器-解码器生成器架构和身份保留机制，能够仅使用横断面数据进行训练 | 需要进一步验证在更大规模数据集上的泛化能力 | 预测儿科颅骨发育并合成个性化时间序列图像 | 儿科颅骨发育 | 计算机视觉 | 儿科疾病 | 深度学习 | GAN | CT图像 | 2,014名受试者（年龄0-10岁）的横断面头部CT图像 |
| 1095 | 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 |
| 1096 | 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 |
| 1097 | 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 |
| 1098 | 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 |
| 1099 | 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） |
| 1100 | 2025-03-25 |
Parallel convolutional SpinalNet: A hybrid deep learning approach for breast cancer detection using mammogram images
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2480299
PMID:40125951
|
研究论文 | 提出了一种并行卷积SpinalNet混合深度学习模型，用于通过乳腺X光图像高效检测乳腺癌 | 结合并行卷积神经网络(PCNN)和SpinalNet开发了PConv-SpinalNet模型，在乳腺癌检测中表现出色 | NA | 通过深度学习技术提高乳腺癌检测的准确率 | 乳腺X光图像中的肿瘤检测 | 计算机视觉 | 乳腺癌 | Gabor滤波器、LadderNet、图像增强技术(图像操作、图像擦除、图像混合)、多种特征提取方法(CNN特征、Texton、LGBP、SIFT、LMP与DCT) | PConv-SpinalNet (PCNN与SpinalNet的集成) | 图像 | NA |