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 1382 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2025-05-19 |
Exploring Differential Diagnosis-Based Explainable AI: A Case Study in Melanoma Detection
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250389
PMID:40380499
|
研究论文 | 本文提出了一种基于鉴别诊断的可解释AI方法，用于黑色素瘤检测，并通过与常用XAI方法的比较验证其优越性 | 提出了一种与临床鉴别诊断技术相一致的创新XAI方法，提供了更全面的解释 | 仅针对黑色素瘤检测进行了案例研究，未验证在其他疾病诊断中的适用性 | 提高AI模型在黑色素瘤检测中的可解释性和临床可信度 | 黑色素瘤诊断 | 数字病理 | 黑色素瘤 | 深度学习 | XAI | 图像 | NA | NA | NA | NA | NA |
| 862 | 2025-05-19 |
Challenging Black-Box Models: Interpretable Explanations for ECG Classification
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250405
PMID:40380515
|
research paper | 本文提出了一种基于时间对齐心电图的可解释性逻辑回归分类器，用于心电图分类 | 使用非深度学习的分类器实现可比较的性能，并引入实时反事实解释的新机会 | 未提及具体性能对比数据或与其他方法的详细比较 | 提高心电图分类模型的可解释性 | 心电图数据 | machine learning | 心血管疾病 | 逻辑回归 | logistic regression | 时间序列数据（心电图） | NA | NA | NA | NA | NA |
| 863 | 2025-05-19 |
Patient Survival Prediction by Analyzing Pathological Images of Patients After Liver Transplantation
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250430
PMID:40380539
|
研究论文 | 通过分析肝移植后患者的病理图像预测患者生存情况 | 自动完成从病理图像中提取细胞核特征到预测患者生存的整个过程，并建立了在数据量小的情况下仍能正确预测生存的方法 | 样本量较小（n=67），且仅针对肝移植患者 | 预测肝移植后患者的生存情况，辅助临床决策 | 肝移植患者的病理图像 | 数字病理 | 肝癌 | 深度学习 | VIT (Vision Transformer), CoxPH, Kaplan-Meier | 图像 | 67名肝移植患者，每位患者约2张病理图像，每张大图像平均分割为30张小图像 | NA | NA | NA | NA |
| 864 | 2025-05-19 |
Artificial Intelligence Powered Audiomics: The Futuristic Biomarker in Pulmonary Medicine - A State-of-the-Art Review
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250491
PMID:40380599
|
review | 本文综述了AI驱动的'声组学'在利用声音和呼吸音作为非侵入性生物标志物诊断和管理肺部疾病中的应用 | 利用AI分析声学特征，提高诊断准确性并追踪疾病进展，为肺部疾病提供新型非侵入性诊断方法 | 数据隐私和标准化等伦理挑战仍是临床应用的障碍 | 探索AI驱动的声组学在肺部疾病诊断和管理中的应用潜力 | COVID-19、结核病、间质性肺病(ILD)、哮喘和慢性阻塞性肺病(COPD)等肺部疾病 | 数字病理学 | lung cancer | 机器学习和深度学习 | NA | 声音信号 | NA | NA | NA | NA | NA |
| 865 | 2025-05-19 |
Leveraging Vision Transformers in Multimodal Models for Retinal OCT Analysis
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250567
PMID:40380672
|
research paper | 本研究探讨了深度学习模型（包括CNN和ViT）在视网膜OCT图像分类中的效果，并研究了整合元数据对分类过程的影响 | 探索了Vision Transformers (ViTs)在医学图像分析中的潜力，特别是在处理复杂多模态数据时 | 研究中存在大量元数据缺失的情况 | 提高视网膜OCT图像的分类准确性，以辅助诊断视网膜疾病 | 视网膜OCT图像 | computer vision | Age-related Macular Degeneration (AMD), Diabetic Macular Edema (DME) | OCT | CNN, Vision Transformers (ViTs), Multimodal ResNet18, DenseNet121 | image, metadata | NA | NA | NA | NA | NA |
| 866 | 2025-05-19 |
Energy-Efficient AI for Medical Diagnostics: Performance and Sustainability Analysis of ResNet and MobileNet
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250585
PMID:40380690
|
研究论文 | 比较ResNet和MobileNet在胸部疾病分类中的能源效率 | 首次系统比较ResNet和MobileNet在医疗诊断中的能源消耗，强调AI模型的能效优化 | 仅比较了两种模型，未考虑其他可能更高效的架构 | 评估AI模型在医疗诊断中的能源效率 | ResNet和MobileNet模型 | 计算机视觉 | 胸部疾病 | 深度学习 | ResNet, MobileNet | 医学影像数据 | CheXpert数据集 | NA | NA | NA | NA |
| 867 | 2025-05-19 |
Explainable Versus Interpretable AI in Healthcare: How to Achieve Understanding
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250639
PMID:40380742
|
research paper | 本文探讨了在医疗领域中可解释AI与可理解AI的区别，并提出了一种基于Daniel Dennett意向立场的方法论，以分析AI解释如何促进用户更深层次的参与和理解 | 提出了一种基于Daniel Dennett意向立场的方法论，用于分析AI解释如何促进用户理解，并探讨了该方法论对医疗聊天机器人开发和监管的影响 | 未提及具体实验数据或案例研究来验证所提方法论的有效性 | 探讨AI在医疗决策支持系统中的解释、解释与理解之间的区别，并提出促进用户理解的方法 | AI驱动的决策支持系统，特别是基于大型语言模型（LLMs）的医疗聊天机器人 | natural language processing | NA | NA | LLM | text | NA | NA | NA | NA | NA |
| 868 | 2025-10-07 |
Blockchain enabled collective and combined deep learning framework for COVID19 diagnosis
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00252-7
PMID:40360521
|
研究论文 | 提出一种结合区块链技术和集体深度学习的新框架CLCD-Block，用于COVID-19的智能诊断 | 首次将区块链技术与集体学习范式相结合，实现安全数据分发和隐私保护的协同诊断模型 | 需要进一步优化可扩展性和实时性能，适应更广泛的医疗数据集 | 开发兼顾准确性和隐私保护的协同诊断模型，解决COVID-19诊断中的挑战 | COVID-19患者的肺部CT图像 | 计算机视觉 | COVID-19 | CT成像 | 深度学习 | 医学图像 | 来自多个机构的肺部CT图像数据集 | NA | 混合胶囊学习网络 | 准确率,精确率,召回率,特异性,F1分数 | NA |
| 869 | 2025-10-07 |
User preference modeling for movie recommendations based on deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00030-5
PMID:40360567
|
研究论文 | 提出一种基于深度学习的电影推荐方法，通过分析用户行为记录和电影内容元素实现个性化推荐 | 结合图技术（PageRank）和卷积神经网络（CNN）来建模用户偏好，相比传统方法能更好地捕捉复杂用户偏好动态 | 仅使用215名用户的浏览数据进行验证，样本规模有限 | 提升电影推荐系统的个性化推荐效果 | 电影推荐系统和用户偏好建模 | 机器学习 | NA | 图技术，文本挖掘 | CNN | 用户浏览记录，电影内容数据 | 215名用户在508个电影页面的浏览活动 | NA | CNN | 精确率，召回率 | NA |
| 870 | 2025-10-07 |
Dual level dengue diagnosis using lightweight multilayer perceptron with XAI in fog computing environment and rule based inference
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98365-6
PMID:40360639
|
研究论文 | 本研究提出了一种在雾计算环境中使用轻量级多层感知器和可解释人工智能进行双级登革热诊断的框架 | 结合雾计算环境提出双级诊断框架，第一级使用优化的轻量级MLP模型，第二级使用基于规则的推理方法，这在近期研究中较为罕见 | 使用小数据集进行模型训练，可能影响模型的泛化能力 | 提高登革热诊断效率，促进远程诊断和快速治疗 | 登革热疑似患者 | 机器学习 | 登革热 | 机器学习，深度学习 | MLP | 症状数据，血清学检测报告 | 小数据集 | NA | 轻量级多层感知器 | 准确率，精确率，F1分数 | 雾计算环境 |
| 871 | 2025-10-07 |
Detection of sugar beet seed coating defects via deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98253-z
PMID:40360658
|
研究论文 | 本研究使用YOLO算法对甜菜种子包衣缺陷进行检测和分类 | 首次将YOLOv10系列模型应用于甜菜种子包衣缺陷检测，并比较了不同模型变体的性能 | 研究仅针对单一作物（甜菜种子）和固定拍摄条件，未验证在其他作物或不同光照条件下的适用性 | 通过深度学习技术提高种子包衣质量检测效率和准确性 | 甜菜种子包衣缺陷 | 计算机视觉 | NA | 图像处理技术 | YOLO | RGB图像 | 2000个包衣甜菜种子的高分辨率图像 | YOLOv10 | YOLOv10-N, YOLOv10-L, YOLOv10-X | 准确率, 推理时间 | NA |
| 872 | 2025-10-07 |
AI-IoT based smart agriculture pivot for plant diseases detection and treatment
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98454-6
PMID:40360734
|
研究论文 | 提出一种基于AI-IoT的智能农业枢纽系统，用于植物病害检测与治疗 | 基于现有中心枢纽开发新型IoT系统架构和硬件试点，克服无人机和机器人技术的局限性 | 未明确说明系统部署成本和维护难度等实际应用限制 | 开发智能农业系统解决植物病害检测与治疗问题 | 多种作物的植物叶片 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 25,940张增强图像，涵盖11类植物叶片 | NA | ResNet50 | 准确率,F1-score,召回率,精确率 | NA |
| 873 | 2025-10-07 |
Automated chick gender determination using optical coherence tomography and deep learning
2025-May, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105033
PMID:40106909
|
研究论文 | 本研究提出了一种结合光学相干断层扫描和深度学习的高分辨率、非侵入性雏鸡性别鉴定方法 | 首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，开发了针对OCT数据优化的定制卷积神经网络 | 模型准确率为79%，仍有提升空间，需要进一步改进成像和机器学习技术 | 开发自动化雏鸡性别鉴定方法以优化家禽生产 | 雏鸡泄殖腔结构 | 计算机视觉 | NA | 光学相干断层扫描 | CNN | OCT图像 | NA | NA | 定制CNN, Inception, VGG-16 | 准确率 | NA |
| 874 | 2025-10-07 |
Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing
2025-May, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2025.104360
PMID:40252989
|
综述 | 探讨人工智能在临床前研究中通过增强数字孪生和器官芯片技术来减少动物测试的应用与影响 | 整合机器学习、深度学习与AI驱动的数字孪生和器官芯片平台，提升对复杂生物系统的模拟精度和预测能力 | 未提及具体技术实施的局限性 | 推动伦理且高效的药物发现，遵循3R原则（替代、减少、优化）减少动物测试 | 临床前药物研究中的生物系统模拟 | 机器学习 | NA | 机器学习(ML), 深度学习(DL), 数字孪生(DT), 器官芯片(OoC) | NA | 生物系统模拟数据 | NA | NA | NA | NA | NA |
| 875 | 2025-05-18 |
Automated high precision PCOS detection through a segment anything model on super resolution ultrasound ovary images
2025-May-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01744-2
PMID:40369044
|
研究论文 | 提出了一种名为QEI-SAM的新型集成方法，用于提高超声卵巢图像质量并进行卵巢囊肿分割，以实现准确预测多囊卵巢综合征(PCOS) | 结合了ESRGAN进行图像增强和SAM进行囊肿分割，以及多种CNN模型进行PCOS诊断，实现了高精度的自动化检测 | 未提及模型在临床环境中的实际应用验证或跨中心验证结果 | 开发自动化高精度PCOS检测系统以辅助临床诊断 | 超声卵巢图像中的囊肿 | 数字病理 | 多囊卵巢综合征 | 超声成像 | ESRGAN, SAM, CNN (包括ResNet 50, ResNet 101, VGG 16, VGG 19, AlexNet和Inception v3) | 超声图像 | NA | NA | NA | NA | NA |
| 876 | 2025-05-18 |
A sub-meter resolution urban surface albedo dataset for 34 U.S. cities based on deep learning
2025-May-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05109-2
PMID:40368894
|
研究论文 | 本研究利用深度学习和多源遥感数据，首次为美国34个主要城市制作了高分辨率的城市表面反照率地图 | 首次为34个美国主要城市提供亚米级分辨率的城市表面反照率数据集，结合了多种遥感数据和U-Net模型进行不透水和透水表面分类及反照率预测 | 研究仅针对美国34个城市，可能无法直接推广到其他地区或城市 | 提高城市热环境理解的精确度，为城市规划和环境监测提供数据支持 | 美国34个主要城市的城市表面反照率 | 遥感与深度学习 | NA | 多源遥感数据（NAIP影像、屋顶反照率数据、建筑足迹、土地覆盖分类和Sentinel-2影像） | U-Net | 遥感影像 | 美国34个主要城市 | NA | NA | NA | NA |
| 877 | 2025-05-18 |
Evaluating masked self-supervised learning frameworks for 3D dental model segmentation tasks
2025-May-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01014-1
PMID:40368972
|
研究论文 | 评估掩码自监督学习框架在3D牙科模型分割任务中的应用 | 首次在3D牙科模型领域探索了四种掩码自监督学习框架（Point-BERT、Point-MAE、Point-GPT和Point-M2AE）的适用性 | 当标记数据充足时，预训练带来的性能提升会减弱 | 提高牙科模型分割任务的自动化水平，支持计算机辅助治疗规划 | 3D牙科模型（牙齿和牙套） | 计算机视觉 | 牙科疾病 | 掩码自监督学习 | Point-BERT, Point-MAE, Point-GPT, Point-M2AE | 3D模型数据 | 超过4000个未标记的3D牙科模型（预训练），以及公开可用的Teeth3DS数据集和自建的牙套分割数据集（微调） | NA | NA | NA | NA |
| 878 | 2025-05-18 |
Advanced internet of things enhanced activity recognition for disability people using deep learning model with nature-inspired optimization algorithms
2025-May-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00379-7
PMID:40369092
|
研究论文 | 提出了一种结合深度学习和自然启发优化算法的高级物联网增强活动识别模型，用于残疾人士 | 结合自适应黑猩猩优化算法和斑马优化算法进行特征子集选择和超参数优化，提高了活动识别的准确性 | 仅通过智能手机数据集进行验证，未在其他设备或场景下测试 | 提高残疾人士活动识别的准确性和效率 | 残疾人士的活动数据 | 计算机视觉 | NA | 深度学习、优化算法 | DCAE、AdCO、ZOA | 智能手机传感器数据 | 未明确说明样本数量，使用了HAR智能手机数据集 | NA | NA | NA | NA |
| 879 | 2025-05-18 |
A computational framework for IoT security integrating deep learning-based semantic algorithms for real-time threat response
2025-May-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93898-2
PMID:40369098
|
研究论文 | 提出了一种结合深度学习和语义推理的框架，用于增强物联网（IoT）安全中的威胁情报和自主响应能力 | 整合了CNN用于空间异常检测和RNN用于序列模式识别，同时利用知识图谱进行上下文感知的威胁检测，结合了边缘计算和实时流处理技术 | 未来工作需要关注实际部署和自适应威胁情报 | 提升物联网网络的安全性能，特别是在实时威胁检测和响应方面 | 物联网网络的安全威胁 | 机器学习 | NA | 深度学习，语义推理，边缘计算，实时流处理 | CNN, RNN | 实时流数据 | 使用CICIoT 2023数据集和自定义物联网测试平台进行广泛统计验证 | NA | NA | NA | NA |
| 880 | 2025-05-18 |
A vision transformer based CNN for underwater image enhancement ViTClarityNet
2025-May-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91212-8
PMID:40369132
|
research paper | 提出了一种基于视觉Transformer和CNN的水下图像增强模块ViT-Clarity，并通过生成模型BlueStyleGAN创建合成水下图像数据集 | 结合视觉Transformer与CNN提升水下图像增强性能，并利用BlueStyleGAN生成合成数据集解决数据不足问题 | 依赖合成数据集，可能无法完全覆盖真实水下环境的复杂性 | 提升水下计算机视觉任务的图像质量 | 水下图像 | computer vision | NA | vision transformer, CNN, generative model | ViT-Clarity, ClarityNet, BlueStyleGAN | image | 五个代表不同水下条件的数据集 | NA | NA | NA | NA |