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 1511 篇文献，本页显示第 1401 - 1420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1401 | 2025-03-05 |
Automated Tumor Segmentation in Breast-Conserving Surgery Using Deep Learning on Breast Tomosynthesis
2025-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01457-y
PMID:40032761
|
研究论文 | 本研究旨在通过深度学习模型改进乳腺癌保乳手术中的肿瘤分割，利用数字乳腺断层合成技术提高术中肿瘤边缘的精确度 | 采用改进的U-Net架构，结合卷积块注意力模块（CBAM），以提高肿瘤边缘分割的精度 | 研究样本量较小，仅包含51例患者，可能影响结果的普遍性 | 提高乳腺癌保乳手术中的肿瘤分割精度，改善术中边缘评估和手术效果 | 乳腺癌患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成技术（DBT） | 改进的U-Net架构，结合卷积块注意力模块（CBAM） | 图像 | 51例患者 |
| 1402 | 2025-03-05 |
Diagnosing Ankylosing Spondylitis via Architecture-Modified ResNet and Combined Conventional Magnetic Resonance Imagery
2025-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01427-4
PMID:40032762
|
研究论文 | 本文探讨了使用改进的ResNet架构和组合的常规磁共振成像（MRI）来诊断强直性脊柱炎（AS） | 通过架构修改的ResNet50模型和组合的常规MRI序列进行AS分类，显著提高了诊断的准确性和特异性 | 研究样本量较小，仅涉及56名患者，可能影响模型的泛化能力 | 研究目的是确定是否可以使用MRI训练/优化卷积神经网络（CNNs）进行AS分类，并确定哪种类型的常规MRI可能占主导地位 | 强直性脊柱炎（AS）患者和对照组的骶髂关节（SIJs） | 计算机视觉 | 强直性脊柱炎 | 常规磁共振成像（MRI） | ResNet50, InceptionV3, VGG16, YOLOv5 | 图像 | 56名患者的534个AS和606个对照SIJs |
| 1403 | 2025-03-05 |
Smartphone-Based Oral Lesion Image Segmentation Using Deep Learning
2025-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01455-0
PMID:40032764
|
研究论文 | 本研究开发了一种基于深度学习的智能手机口腔病变图像分割解决方案，旨在提高口腔疾病的早期检测和诊断准确性 | 提出了一种新的UNet-based模型OralSegNet，结合了EfficientNetV2L编码器、ASPP和残差块，以提高分割精度 | 模型参数较多（104.46百万），尽管在计算效率上表现良好，但在资源受限的设备上可能面临挑战 | 开发一种基于深度学习的智能手机口腔病变图像分割解决方案，以提高口腔疾病的早期检测和诊断准确性 | 智能手机拍摄的口腔病变图像 | 计算机视觉 | 口腔疾病 | 深度学习 | UNet-based模型OralSegNet | 图像 | 538张原始图像，平均分辨率为1394×1524像素 |
| 1404 | 2025-03-05 |
SSW-YOLO: Enhanced Blood Cell Detection with Improved Feature Extraction and Multi-scale Attention
2025-Mar-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01460-3
PMID:40032763
|
研究论文 | 本文介绍了一种名为SSW-YOLO的新算法，旨在提高血液细胞检测的准确性和效率 | SSW-YOLO的主要创新点包括使用空间到深度卷积（SPD-Conv）层增强特征提取，采用Swin Transformer进行多尺度注意力机制，简化c2f模块以减少模型复杂性，以及利用Wasserstein距离损失（WDLoss）函数提高定位精度 | NA | 提高血液细胞检测的准确性和效率，加速血液疾病的诊断并提高临床诊断的精确性 | 血液细胞 | 计算机视觉 | 血液疾病 | 深度学习 | YOLO, Swin Transformer | 图像 | BCCD血液细胞数据集 |
| 1405 | 2025-03-05 |
SeasFire cube - a multivariate dataset for global wildfire modeling
2025-Mar-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04546-3
PMID:40032880
|
研究论文 | 本文介绍了SeasFire数据立方体，一个为全球季节性至亚季节性野火建模量身定制的时空数据集 | 引入了包含59个变量的SeasFire数据立方体，涵盖气候、植被、海洋指数和人类因素，具有8天时间分辨率和0.25°空间分辨率，覆盖2001年至2021年 | NA | 通过地球观测数据，量化并归因野火的前置条件，以改进对野火的理解和预测 | 全球野火 | 地球系统科学 | NA | 深度学习模型 | Deep Learning | 时空数据 | 2001年至2021年的全球数据 |
| 1406 | 2025-03-05 |
A novel deep learning framework for automatic scoring of PD-L1 expression in non-small cell lung cancer
2025-Mar-03, Biomolecules & biomedicine
DOI:10.17305/bb.2025.12056
PMID:40035693
|
研究论文 | 本文提出了一种新的深度学习框架，用于自动评估非小细胞肺癌（NSCLC）全切片图像（WSIs）中的PD-L1表达，旨在提高肿瘤比例评分（TPS）评估的精确性和一致性 | 提出了一种新的自动化框架，结合深度学习技术，用于从NSCLC的WSIs中准确评估PD-L1表达，提高了TPS评估的精确性和一致性 | 研究仅基于66个NSCLC组织样本，样本量较小，可能影响模型的泛化能力 | 提高PD-L1表达的自动评估精度和一致性，减少病理学家的工作量 | 非小细胞肺癌（NSCLC）的全切片图像（WSIs） | 数字病理学 | 肺癌 | 免疫组织化学（IHC） | EfficientNet, Inception, Vision Transformer, UNet, DeepLabV3, StarDist | 图像 | 66个NSCLC组织样本 |
| 1407 | 2025-03-05 |
Artificial Intelligence-Assisted MRI Diagnosis in Lumbar Degenerative Disc Disease: A Systematic Review
2025-Mar, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241274372
PMID:39147730
|
系统综述 | 本文综述了人工智能辅助MRI在腰椎退行性椎间盘疾病诊断中的应用 | 系统评估了AI在腰椎退行性椎间盘疾病诊断中的表现，展示了AI相比传统方法在准确性、敏感性和特异性上的优势 | 需要进一步的研究和验证以优化AI算法在腰椎退行性椎间盘疾病诊断中的实际应用 | 探讨AI辅助MRI在腰椎退行性椎间盘疾病诊断中的应用及其临床使用的研究现状 | 腰椎退行性椎间盘疾病 | 医学影像分析 | 腰椎退行性椎间盘疾病 | MRI | 机器学习和深度学习 | 图像 | 20项研究 |
| 1408 | 2025-03-05 |
Fast Window-Based Event Denoising With Spatiotemporal Correlation Enhancement
2025-Mar, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3467709
PMID:39388326
|
研究论文 | 本文提出了一种基于窗口的事件去噪方法，通过时空相关性增强来提高去噪效果 | 提出了一种新的窗口化事件去噪方法，结合时空相关性分析，构建了多尺度窗口化事件去噪网络WedNet，实现了高去噪精度和快速运行速度 | 未提及具体局限性 | 提高事件去噪的准确性和实时性 | 事件数据 | 计算机视觉 | NA | 卷积稀疏编码 | WedNet | 事件数据 | 未提及具体样本数量 |
| 1409 | 2025-03-05 |
Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images
2025-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00871-1
PMID:39680317
|
研究论文 | 本研究探讨了在脑部磁共振成像（MRI）T1加权图像（T1WIs）的超分辨率处理中，通过使用深度学习技术增强数据集的有效性 | 通过引入同一受试者的不同对比度图像来增强数据集，以提高网络性能并评估其对图像质量指标（如峰值信噪比和结构相似性）的影响 | 研究为回顾性研究，可能受到数据选择和偏差的影响 | 提高脑部MRI图像的超分辨率处理性能 | 240名接受脑部MRI检查的患者 | 计算机视觉 | NA | 深度学习 | U-Net, EDSR | 图像 | 240名患者 |
| 1410 | 2025-03-05 |
Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma
2025-Mar, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16843
PMID:39687978
|
研究论文 | 本文开发了一种基于深度学习的虚拟Lugol染色内镜（V-LCE）方法，用于检测浅表性食管鳞状细胞癌（ESCC） | 使用CycleGAN生成虚拟Lugol染色内镜图像，为浅表性食管鳞状细胞癌的诊断提供了一种新的辅助工具 | V-LCE在病变检测、边缘识别和颜色差异方面的表现介于真实Lugol染色内镜（R-LCE）和白光内镜（WLE）之间，尚未达到R-LCE的水平 | 开发一种基于深度学习的虚拟Lugol染色内镜方法，以提高浅表性食管鳞状细胞癌的检测灵敏度 | 浅表性食管鳞状细胞癌（ESCC） | 计算机视觉 | 食管癌 | CycleGAN | GAN | 图像 | 六名内镜医师对WLE、R-LCE和V-LCE图像进行评分 |
| 1411 | 2025-03-05 |
GSCAT-UNET: Enhanced U-Net model with spatial-channel attention gate and three-level attention for oil spill detection using SAR data
2025-Mar, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117583
PMID:39862681
|
研究论文 | 本文提出了一种名为GSCAT-UNET的增强型U-Net模型，用于利用SAR数据进行油污检测和区分 | GSCAT-UNET模型结合了空间-通道注意力门（SCAG）、三级注意力模块（TLM）和全局特征模块（GFM），以提高油污检测的准确性和鲁棒性 | NA | 提高油污检测的准确性和鲁棒性，以应对SAR数据的复杂性和不平衡数据集 | 油污及其类似物 | 计算机视觉 | NA | 深度学习 | GSCAT-UNET | SAR图像 | 1112张Sentinel-1双极化SAR图像及其标注图像（5类） |
| 1412 | 2025-02-01 |
Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction
2025-Mar, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.12.003
PMID:39884888
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1413 | 2025-03-05 |
Feasibility of using Gramian angular field for preprocessing MR spectroscopy data in AI classification tasks: Differentiating glioblastoma from lymphoma
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111957
PMID:39892374
|
研究论文 | 本文探讨了使用Gramian角场将1D光谱转换为2D图像，作为卷积神经网络输入用于胶质母细胞瘤与淋巴瘤分类任务的可行性 | 首次将Gramian角场技术应用于MR光谱数据的预处理，以生成适合深度学习算法输入的2D图像 | 研究样本量较小，仅包括98名患者，且仅比较了傅里叶变换后的原始光谱和后处理拟合光谱的分类性能 | 探索MR光谱数据在神经网络分类任务中的应用潜力 | 胶质母细胞瘤和淋巴瘤患者 | 数字病理学 | 胶质母细胞瘤, 淋巴瘤 | MR光谱, Gramian角场 | 卷积神经网络(CNN) | 图像 | 98名患者（65名胶质母细胞瘤，33名淋巴瘤） |
| 1414 | 2025-03-05 |
Fluid Inverse Volumetric Modeling and Applications From Surface Motion
2025-Mar, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3370551
PMID:38416615
|
研究论文 | 本研究提出了一种从可观测、可测量的自由表面运动中进行流体体积重建的框架 | 结合深度学习和传统模拟的优势，保持再现流体的引导运动和时间一致性，并利用3D CNN生成体积速度场 | NA | 开发一种从表面运动中进行流体体积重建的方法，并应用于图形学中的流体行为再现和场景重编辑 | 流体 | 计算机视觉 | NA | 深度学习，3D CNN | 3D CNN | 图像 | NA |
| 1415 | 2025-03-05 |
Specialized ECG data augmentation method: leveraging precordial lead positional variability
2025-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00455-3
PMID:40026892
|
研究论文 | 本文介绍了一种针对心电图（ECG）数据的专门数据增强技术，通过考虑12导联ECG中胸前导联之间的独特角度，提出了一种在临床环境中可能发生的情况下的数据增强方法，并用于训练深度学习模型以诊断多种心脏疾病 | 本文的创新点在于提出了一种专门针对ECG数据的数据增强技术，考虑了胸前导联之间的独特角度，并在多种数据集和任务中展示了其性能提升 | 本文的局限性在于未提及该方法在其他类型生物信号处理中的适用性，且未详细讨论其在更大规模数据集上的表现 | 研究目的是开发一种优化的数据增强技术，以提高ECG数据的深度学习模型诊断心脏疾病的准确性 | 研究对象是12导联ECG数据，特别是胸前导联之间的角度变化 | 生物信号处理 | 心血管疾病 | 数据增强技术 | 深度学习模型 | ECG信号 | NA |
| 1416 | 2025-03-05 |
Reinforcement learning-based generative artificial intelligence for novel pesticide design
2025-Mar-01, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.02.030
PMID:40032026
|
研究论文 | 本研究提出了一种基于强化学习的生成人工智能框架，用于设计具有高结合亲和力的农药样分子 | 首次将生成人工智能应用于农药设计，提出了结合强化学习的框架，并成功设计出一种新型4-羟基苯基丙酮酸双加氧酶抑制剂 | 未提及具体样本量或实验数据规模 | 探索生成人工智能在农药设计中的应用，开发新型绿色农药 | 农药样分子 | 机器学习 | NA | 强化学习，蒙特卡洛树搜索算法 | 生成模型 | 化学分子数据 | NA |
| 1417 | 2025-03-04 |
Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease
2025-Mar-02, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14455
PMID:40025642
|
研究论文 | 本文开发了一种基于深度学习的自动化图像分析流程，用于提高Von Willebrand因子多聚体模式分类的再现性和效率 | 首次使用YOLOv8深度学习模型对VWF多聚体模式进行分类，提高了分类的准确性和效率 | 模型在罕见亚型上的表现较低 | 改进Von Willebrand病的诊断和分类 | Von Willebrand因子多聚体图像 | 数字病理学 | Von Willebrand病 | 深度学习 | YOLOv8 | 图像 | 514张凝胶图像（6168个标记实例）用于训练，192张图像（2304个实例）用于验证，94张图像（1128个实例）用于测试 |
| 1418 | 2025-03-04 |
Assessing the prognostic impact of body composition phenotypes on surgical outcomes and survival in patients with spinal metastasis: a deep learning approach to preoperative CT analysis
2025-Mar-01, Journal of neurosurgery. Spine
DOI:10.3171/2024.8.SPINE24722
PMID:39705691
|
研究论文 | 本研究通过深度学习分析术前CT扫描，评估体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响 | 首次使用深度学习管道分析术前CT扫描，识别肌肉和脂肪含量及组成，并将患者分为四种体成分表型组，揭示了体成分表型与手术结果及生存率的关系 | 样本量相对较小（102例），且为回顾性研究，可能存在选择偏倚 | 评估体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响 | 接受脊柱转移瘤手术的患者 | 数字病理学 | 脊柱转移瘤 | 深度学习 | 深度学习管道 | CT图像 | 102例患者 |
| 1419 | 2025-03-04 |
Ethical and security challenges in AI for forensic genetics: From bias to adversarial attacks
2025-Mar, Forensic science international. Genetics
DOI:10.1016/j.fsigen.2025.103225
PMID:39874746
|
研究论文 | 本文探讨了人工智能在法医遗传学中应用的伦理和安全挑战，特别是偏见和对抗性攻击问题 | 通过模拟场景展示了AI方法在生物地理祖先预测和亲缘关系推断中的潜在误导性，强调了伦理和安全挑战 | 研究主要基于模拟场景，可能无法完全反映真实世界的复杂性 | 评估AI在法医遗传学中的应用，特别是其潜在的偏见和对抗性攻击问题 | 法医遗传学中的AI模型 | 法医遗传学 | NA | 深度学习, 机器学习 | NA | 模拟数据 | NA |
| 1420 | 2024-12-21 |
Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.019
PMID:39701844
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |