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 1461 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-04-17 |
CMTNet: a hybrid CNN-transformer network for UAV-based hyperspectral crop classification in precision agriculture
2025-Apr-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97052-w
PMID:40216979
|
研究论文 | 提出了一种结合CNN和Transformer的深度学习框架CMTNet，用于无人机获取的高光谱作物分类 | CMTNet结合了光谱-空间特征提取模块、双分支架构和多输出约束模块，能同时捕获局部和全局特征，提高分类精度 | 未提及模型在更广泛作物类型或更复杂环境中的泛化能力 | 提高无人机高光谱成像在精准农业中作物分类的精度和可靠性 | 无人机获取的高光谱作物图像 | 计算机视觉 | NA | 高光谱成像 | CNN-Transformer混合模型 | 图像 | 三个无人机获取的数据集（WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu） |
| 1102 | 2025-04-17 |
Bearing fault diagnosis based on efficient cross space multiscale CNN transformer parallelism
2025-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95895-x
PMID:40210923
|
研究论文 | 提出了一种基于高效跨空间多尺度CNN Transformer并行性的风力涡轮机轴承故障诊断模型 | 采用并行分支结构同时提取时空特征，结合多尺度特征提取模块和高效多尺度注意力机制，提升了局部和全局特征提取能力 | 未提及模型在极端噪声环境下的表现 | 提高风力涡轮机轴承故障诊断的准确性和噪声鲁棒性 | 风力涡轮机轴承 | 机器学习 | NA | Continuous Wavelet Transform (CWT) | CNN, Transformer, BiGRU | 一维振动信号转换的二维时频图像 | 两个公开的轴承数据集 |
| 1103 | 2025-04-17 |
Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.01.646705
PMID:40236190
|
研究论文 | 本文介绍了一种名为DeepBIT的无标记深度学习自动化追踪方法，用于加速发现细胞迁移调控因子 | 开发了DeepBIT方法，无需细胞标记即可自动检测和追踪单个细胞的迁移，显著提高了通量和效率 | 方法主要针对癌细胞迁移进行研究，可能不适用于其他类型细胞的迁移研究 | 开发高通量方法研究细胞迁移调控机制 | 癌细胞迁移行为 | 计算机视觉 | 癌症 | 深度学习、机器视觉 | DeepBIT | 视频 | 约130万个追踪细胞，840种不同条件 |
| 1104 | 2025-04-17 |
Modeling dynamic inflow effects in fMRI to quantify cerebrospinal fluid flow
2025-Apr-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.03.647027
PMID:40236215
|
研究论文 | 本文开发了一个动态模型来模拟和推断fMRI数据中的时变流速，并验证了该模型在人类和模拟数据中的有效性 | 开发了一个物理基础的深度学习框架来反转模型，从而能够直接使用fMRI流入数据估计流速 | 测量信号不是定量的，需要进一步验证和改进 | 定量建立脑脊液流动系统的特性 | 脑脊液流动 | 神经影像学 | NA | fMRI | 深度学习框架 | fMRI数据 | 人类和模拟数据 |
| 1105 | 2025-04-17 |
Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review
2025-Apr, The British journal of oral & maxillofacial surgery
DOI:10.1016/j.bjoms.2024.12.004
PMID:40087072
|
系统综述 | 本文系统评估了人工智能在基于磁共振成像的颞下颌关节紊乱检测中的应用 | 首次系统性地总结了AI在颞下颌关节盘位置识别中的应用及其性能指标 | 研究设计标准化不足和报告一致性有待提高 | 评估AI在MRI中识别颞下颌关节盘位置的应用效果 | 颞下颌关节紊乱患者和正常个体的MRI影像 | 数字病理 | 颞下颌关节紊乱 | MRI | 深度学习（MobileNetV2, ResNet）和机器学习 | 医学影像 | 7项研究（未明确总样本量） |
| 1106 | 2025-04-17 |
Evaluating the Effectiveness of Neural Radiance Field for Noninvasive Volumetric Assessment
2025-Apr, Plastic and reconstructive surgery. Global open
DOI:10.1097/GOX.0000000000006708
PMID:40230474
|
research paper | 评估神经辐射场（NeRF）在非侵入性体积评估中的有效性，特别是在下肢淋巴水肿的治疗中 | 利用iPhone应用程序Luma 3D和NeRF技术进行3D场景重建，克服了传统2D成像和CT扫描的限制 | 研究仅基于一名88岁慢性淋巴水肿患者的12个月数据，样本量较小 | 评估NeRF技术在门诊环境中进行淋巴水肿体积评估的有效性 | 一名88岁慢性淋巴水肿女性患者 | digital pathology | lymphedema | NeRF, CT扫描 | NeRF | 3D图像 | 1名患者，12个月的数据 |
| 1107 | 2025-04-17 |
Correction to: Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination
2025-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf028
PMID:40236682
|
correction | 对一篇关于利用深度学习检测西班牙语推文中COVID-19疫苗接种立场的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1108 | 2025-04-16 |
A hybrid network based on multi-scale convolutional neural network and bidirectional gated recurrent unit for EEG denoising
2025-Apr-19, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种基于多尺度卷积神经网络和双向门控循环单元的混合网络（MSCGRU），用于脑电图（EEG）去噪 | 结合多尺度卷积模块和通道注意力机制提取EEG信号的不同频率特征，并利用BiGRU捕获时间依赖性特征，通过生成对抗网络进一步提升去噪性能 | 未明确说明模型在实时处理或计算效率方面的表现 | 提高EEG信号去噪的准确性和可靠性，以支持神经科学研究 | 包含肌电、眼电和心电伪迹的EEG信号 | 机器学习 | NA | 深度学习 | MSCGRU（多尺度CNN+BiGRU的生成对抗网络） | 时间序列数据（EEG信号） | 公开数据集（具体数量未说明） |
| 1109 | 2025-04-16 |
Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112169
PMID:40224006
|
research paper | 开发了一种基于深度学习的语义分割模型（EDA-UNet），用于自动评估冠状动脉斑块 | 首次提出专门用于IVOCT图像中冠状动脉斑块特征化和量化的EDA-UNet模型 | 外部测试中脂质斑块的Dice系数相对较低（0.7052） | 提高冠状动脉斑块评估的效率和准确性 | 冠状动脉斑块组织 | digital pathology | cardiovascular disease | deep learning | EDA-UNet (UNet变体) | IVOCT图像 | 来自三个中心的IVOCT图像（两个用于训练和内部测试，一个用于外部测试） |
| 1110 | 2025-04-16 |
Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Apr-15, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15348
PMID:40231655
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1111 | 2025-04-16 |
Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting
2025-Apr-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00198
PMID:40231794
|
研究论文 | 本文提出了一种基于导电整体表面印迹的选择性单细菌分析和运动追踪方法 | 利用密度泛函理论预测理想单体，制备具有清晰和高精度识别位点的分子印迹，开发深度学习辅助的单细菌运动轨迹追踪方法 | NA | 提高电化学细菌检测的选择性，开发单细菌监测技术 | 细菌 | 生物传感器 | NA | 导电分子印迹、密度泛函理论、深度学习 | 深度学习模型 | 细菌运动轨迹数据 | NA |
| 1112 | 2025-04-16 |
Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model
2025-Apr-15, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04942-8
PMID:40232413
|
research paper | 该研究开发了一种深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性 | 首次在大型队列中使用多序列MRI的深度学习模型，展示了与训练有素的放射科医生相当的检测效果 | 研究依赖于单一机构的数据库，可能影响模型的泛化能力 | 评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用 | 子宫内膜异位症患者和年龄匹配的对照组 | digital pathology | endometriosis | multi-sequence MRI | 3D-DenseNet-121 | MRI images | 395例病例组和356例对照组 |
| 1113 | 2025-04-16 |
Focusing properties and deep learning-based efficient tuning of symmetric butterfly beams
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557170
PMID:40232438
|
研究论文 | 本文报告了一种新型的突然自聚焦光束——对称蝴蝶高斯光束（SBGBs），并提出了基于深度学习的模型来快速准确地预测SBGBs的传播特性 | 提出了一种新型的对称蝴蝶高斯光束（SBGBs），并开发了基于深度学习的快速预测模型，其预测速度比传统算法快8000倍 | 未提及具体实验验证或实际应用中的潜在问题 | 研究新型光束的聚焦特性及其在光学操纵、光通信和生物医学中的应用 | 对称蝴蝶高斯光束（SBGBs） | 光学 | NA | 深度学习 | 深度学习模型 | 光学数据 | NA |
| 1114 | 2025-04-16 |
Multi-viewpoint tampering detection for integral imaging
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557452
PMID:40232459
|
研究论文 | 提出了一种新的3D积分成像方案，能够在保证清晰光场显示的同时实现篡改检测和自我恢复 | 结合像素映射和深度学习技术，实现了像素级的深度和角度数据提取，并嵌入多视点恢复信息以重建完整的元素图像阵列 | 未提及具体计算成本降低的程度和实际应用场景的限制 | 开发一种具有篡改检测和自我恢复功能的3D积分成像方案 | 相机阵列基础的积分成像系统 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 1115 | 2025-04-16 |
Automated pulmonary nodule classification from low-dose CT images using ERBNet: an ensemble learning approach
2025-Apr-15, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03358-2
PMID:40232605
|
research paper | 开发了一种深度学习方法来分析不同剂量和质量的CT图像，旨在将肺部病变分类为结节和非结节 | 提出了一个名为ERBNet的集成学习模型，能够处理不同剂量水平的低剂量CT图像，并在结节分类上达到高准确率 | 模型在低剂量CT图像上的性能相对较差，表明需要为每个低剂量水平开发专用模型 | 开发一种能够分析不同剂量和质量CT图像的深度学习模型，用于肺部结节分类 | 肺部结节和非结节 | digital pathology | lung cancer | low-dose CT (LDCT), full-dose CT (FDCT) | 3D CNN, ensemble learning | image | 400 nodule and 400 non-nodule samples |
| 1116 | 2025-04-16 |
Invited Perspective: How Do Green- and Bluespaces Reduce Heat-Related Health Risks? Gaining New Insights from Street-View Imagery, Deep Learning Models, and Smartphone Data
2025-Apr-14, Environmental health perspectives
IF:10.1Q1
DOI:10.1289/EHP15400
PMID:40228076
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1117 | 2025-04-16 |
An Automated AI Framework for Quantitative Measurement of Mammalian Behavior
2025-Apr-14, Integrative zoology
IF:3.5Q1
DOI:10.1111/1749-4877.12985
PMID:40230073
|
研究论文 | 开发了一个基于面部识别和深度学习的框架，用于自动跟踪、测量和量化多种哺乳动物的行为 | 首次提出一个自动化框架，利用面部识别和深度学习技术对多种哺乳动物的行为进行定量测量和分析 | 未提及具体样本数量，且准确率在不同物种间存在差异 | 开发一种自动化和定量测量动物行为的方法 | 10种不同的哺乳动物类群，包括灵长类、牛科、食肉目和马科动物 | 计算机视觉 | NA | 深度学习、面部识别 | NA | 视频 | NA |
| 1118 | 2025-04-16 |
Update of imaging in the assessment of axial spondyloarthritis
2025-Apr-13, Best practice & research. Clinical rheumatology
DOI:10.1016/j.berh.2025.102064
PMID:40229184
|
综述 | 本文回顾了过去5年中轴型脊柱关节炎影像学评估的新进展 | 介绍了增强CT和MRI技术，以及深度学习算法在识别骶髂关节炎和脊柱病变中的应用 | 主要关注过去5年的进展，可能未涵盖更早期的技术或更广泛的应用 | 更新轴型脊柱关节炎的影像学评估方法 | 骶髂关节和脊柱的炎症及结构损伤 | 数字病理 | 脊柱关节炎 | 增强CT、MRI、深度学习 | 深度学习算法 | 影像数据（X光、CT、MRI） | NA |
| 1119 | 2025-04-16 |
Unveiling chromatin dynamics with virtual epigenome
2025-Apr-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58481-3
PMID:40221401
|
研究论文 | 本文提出了一种名为EpiVerse的计算方法，利用估算的表观遗传信号和先进的深度学习技术，提高了跨细胞类型Hi-C预测的准确性 | EpiVerse通过整合染色质状态预测到多任务学习框架中，不仅提高了预测准确性，还增强了模型的可解释性，并首次实现了在表观基因组水平上的虚拟扰动实验 | NA | 研究染色质三维组织及其与基因调控的复杂关系 | 人类39种组织的染色质相互作用 | 计算生物学 | NA | Hi-C, ChIP-seq, 深度学习 | 深度学习模型（未指定具体类型） | 表观遗传数据, Hi-C数据 | 39种人类组织 |
| 1120 | 2025-04-16 |
Detection of surface defects in soybean seeds based on improved Yolov9
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92429-3
PMID:40221419
|
research paper | 提出一种改进的Yolov9模型用于大豆种子表面缺陷检测 | 引入GhostNet中的轻量级卷积模块GhostConv改进Yolov9模型，提升大豆种子图像识别能力 | 未提及模型在其他作物种子上的泛化能力 | 开发基于深度学习的自动化大豆种子缺陷检测方法 | 大豆种子表面缺陷 | computer vision | NA | 深度学习技术 | Yolov9-c-ghost-Forward (改进的Yolov9模型) | 图像 | 未明确说明样本数量 |