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 1814 篇文献，本页显示第 1321 - 1340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1321 | 2025-07-06 |
Artificial intelligence derived grading of mustard gas induced corneal injury and opacity
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08042-x
PMID:40594758
|
研究论文 | 本研究开发了一种基于人工智能的临床分类模型，用于客观评估活兔眼角膜损伤和不透明度水平 | 首次使用AI评估活兔化学性角膜损伤，结合Mask-RCNN和ResNet50模型实现可靠分级 | 研究仅基于兔眼角膜图像，未涉及人类数据 | 开发客观评估化学性角膜损伤的AI分类模型 | 硫芥子气暴露后的活兔眼角膜 | 数字病理学 | 角膜损伤 | 深度学习 | Mask-RCNN, CNN (VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50) | 图像 | 401张兔眼角膜图像 |
| 1322 | 2025-07-06 |
Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife
2025-Jul-01, Biology of sex differences
IF:4.9Q1
DOI:10.1186/s13293-025-00718-3
PMID:40598663
|
研究论文 | 该研究探讨了街道绿化景观暴露与中年女性心血管健康（Life's Essential 8）之间的关联 | 使用Google街景图像和深度学习算法量化街道绿化暴露，而非传统的卫星数据，并首次将整体心血管健康评分（LE8）纳入分析 | 研究样本主要来自美国马萨诸塞州东部，可能限制结果的普遍性，且未考虑其他潜在的环境或生活方式因素 | 评估街道绿化景观暴露对中年女性心血管健康的影响 | Project Viva队列中的中年女性（平均年龄46-51岁） | 环境流行病学 | 心血管疾病 | 深度学习算法 | 线性回归模型 | 图像（Google街景）和问卷数据 | 767名参与者（68%非西班牙裔白人，74%大学毕业生） |
| 1323 | 2025-07-06 |
Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering
2025-Jul, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70650
PMID:40607611
|
research paper | 该论文提出了一种基于梯度预处理和非线性降维的尖峰排序方法，结合凝聚聚类以提高分类准确性 | 引入了数学技术进行数据预处理，并结合非线性变换（如UMAP和谱嵌入）优化特征提取，显著提高了尖峰分类的准确性 | 方法在特定神经元群体中的效果未充分验证，可能仍存在视觉上难以区分的相似尖峰问题 | 开发一种全自动尖峰排序方法，以提高神经电信号分类的准确性 | 神经电信号（尖峰） | 机器学习 | NA | UMAP, 谱嵌入 | 密度聚类算法 | 电信号数据 | 未明确提及具体样本数量，但包含非重叠和重叠尖峰数据集 |
| 1324 | 2025-07-06 |
Deep learning approaches for attenuation correction in myocardial perfusion imaging
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102277
PMID:40615168
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1325 | 2025-07-05 |
Super-resolution tactile sensor arrays with sparse units enabled by deep learning
2025-Jul-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv2124
PMID:40601743
|
研究论文 | 本文提出了一种基于深度学习的超分辨率触觉传感器阵列，通过稀疏分布的触觉单元实现高分辨率触觉感知 | 提出了一种通用的智能框架，结合拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型，实现了从少量物理触觉单元生成大量虚拟触觉单元的高分辨率感知 | 未提及具体应用场景下的鲁棒性测试结果 | 提升人形机器人触觉感知分辨率 | 触觉传感器阵列 | 机器人与触觉感知 | NA | 深度学习 | 自注意力辅助触觉超分辨率模型 | 触觉压力数据 | 23个物理触觉单元生成2700个虚拟触觉单元 |
| 1326 | 2025-07-05 |
Deep learning-based CNN model for multiclass classification of fingerprint patterns
2025-Jul-04, Medicine, science, and the law
DOI:10.1177/00258024251355042
PMID:40611678
|
研究论文 | 本研究提出了一种基于卷积神经网络（CNN）的模型，用于根据亨利分类法对指纹模式（弓形、环形、螺旋形和复合形）进行多类分类 | 采用CNN模型自动分类指纹模式，提高了指纹匹配和犯罪现场指纹分类的效率 | 样本量相对较小（2000个指纹模式来自200名参与者），可能影响模型的泛化能力 | 开发一个自动化的指纹分类系统，以加快指纹匹配和犯罪现场分析 | 指纹模式（弓形、环形、螺旋形和复合形） | 计算机视觉 | NA | NA | CNN | 图像 | 2000个指纹模式来自200名参与者 |
| 1327 | 2025-07-05 |
Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance
2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502098
PMID:40613249
|
综述 | 本文综述了NASICON材料在钠离子电池中的发展历程、挑战及未来研究方向 | 提出了多元素优化、高熵材料、梯度掺杂和AI驱动方法等未来研究方向 | 元素优化中存在合成不一致、电化学分析技术有限和掺杂机制不明确等问题 | 优化NASICON材料以提高钠离子电池的性能 | NASICON磷酸盐材料 | 材料科学 | NA | AI、机器学习和深度学习 | NA | NA | NA |
| 1328 | 2025-07-05 |
Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease
2025-Jul-04, The British journal of radiology
DOI:10.1093/bjr/tqaf105
PMID:40613687
|
综述 | 本文综述了慢性阻塞性肺疾病（COPD）的定量CT成像技术及其在评估和管理中的应用 | 应用深度学习技术实现CT参数的自动分割和量化，以及图像标准化等创新技术 | 这些技术在临床实践中的常规应用仍存在障碍 | 提高COPD评估和管理的精确性、客观性和可重复性 | 慢性阻塞性肺疾病（COPD）患者 | 数字病理学 | 慢性阻塞性肺疾病 | CT成像 | 深度学习 | 图像 | NA |
| 1329 | 2025-07-05 |
Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70004
PMID:40613800
|
综述 | 本文综述了多参数MRI与深度学习在提升前列腺癌分类中的整合应用 | 探讨了深度学习分类网络与多参数MRI在前列腺癌评估中的整合，包括关键网络架构、MRI序列输入对模型性能的影响，以及结合领域知识和临床信息的价值 | 讨论了当前模型的局限性及未来展望，以促进这些系统在临床中的更好整合 | 提升前列腺癌的分类准确性，支持临床诊断 | 前列腺癌患者的多参数MRI数据 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI), 深度学习 (DL) | 深度学习分类网络 | MRI图像 | NA |
| 1330 | 2025-07-05 |
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70030
PMID:40613856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1331 | 2025-07-05 |
iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification
2025-Jul-04, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01641-x
PMID:40613943
|
研究论文 | 提出了一种名为iACP-DPNet的双池化因果扩张卷积网络，用于可解释的抗癌肽识别 | 构建了更大更多样化的数据集，设计了双池化机制（GlobalAveragePooling和注意力池化）以增强模型特征提取能力，并采用多种方法提高模型的可解释性 | NA | 提高抗癌肽（ACPs）识别的准确性和可解释性 | 抗癌肽（ACPs） | 生物信息学 | 癌症 | ProtBert蛋白质语言模型、LightGBM、MIC特征选择、因果扩张卷积网络 | iACP-DPNet（双池化因果扩张卷积网络） | 蛋白质序列数据 | 整合现有文献和数据库构建的大规模多样化数据集 |
| 1332 | 2025-07-05 |
From gas sensing to AI-gas sensing
2025-Jul-03, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc01291k
PMID:40521933
|
综述 | 本文综述了从传统气体传感技术到AI气体传感技术的发展，重点介绍了AI技术在该领域的应用和进展 | AI技术的介入为气体传感领域提供了核心技术支持，包括深度学习驱动的特征提取和模式识别、漂移补偿以及在边缘设备上的部署，以及在硬件-软件融合方面的创新，如嗅觉芯片、神经形态处理器和感存算一体化系统 | NA | 探讨AI技术如何推动气体传感技术的发展，以实现超灵敏、自适应和智能化的检测平台 | 气体传感技术及其AI增强应用 | 机器学习和传感器技术 | NA | 深度学习、特征提取、模式识别、漂移补偿 | 深度学习模型 | 化学信号数据 | NA |
| 1333 | 2025-07-05 |
Artificial Intelligence in Rhinology
2025-Jul-03, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011654
PMID:40608779
|
综述 | 本文综述了人工智能在鼻科学中的应用 | 探讨了机器学习在鼻科学中的分类应用以及深度学习在鼻窦炎诊断和鼻窦体积量化中的作用，并展望了机器人鼻窦手术的未来发展 | 许多人工智能应用需要设备完善的医疗中心和环境，限制了其在资源匮乏地区的应用 | 回顾人工智能在鼻科学领域的应用及其对医疗质量的提升 | 鼻科学中的疾病诊断和治疗 | 人工智能在医疗领域的应用 | 鼻窦炎 | 机器学习和深度学习 | 分类算法和深度学习算法 | 放射影像数据 | NA |
| 1334 | 2025-07-05 |
Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models
2025-Jul-03, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3579732
PMID:40608870
|
research paper | 提出了一种名为TOP2 HD的新算法，通过利用TOP2类别信息提升集成模型的TOP1准确率 | 首次在集成学习中引入TOP2类别信息进行模型分层和排序，突破了传统方法仅关注TOP1类别的局限 | 未明确说明算法在非图像领域的泛化能力 | 提升深度学习视觉任务中集成模型的决策精度 | 深度学习集成模型 | computer vision | NA | ensemble learning | ensemble models | image | 多种模型和数据集（未明确具体数量） |
| 1335 | 2025-07-05 |
Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network
2025-Jul-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adeb92
PMID:40609554
|
研究论文 | 提出一种基于卷积神经网络的多模态视网膜疾病分类模型，结合OCT和OCTA图像提高诊断准确性和效率 | 采用中间融合和两步训练方法，解决了训练数据不足和类别不平衡问题，提高了分类性能 | 训练数据量相对较少，可能存在类别不平衡问题 | 提高视网膜疾病的自动诊断准确性和效率 | 视网膜疾病（如年龄相关性黄斑变性和糖尿病视网膜病变） | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描（OCT）和光学相干断层扫描血管成像（OCTA） | CNN | 图像 | 未明确提及具体样本数量，但提到数据增强和宽松匹配方法用于增加数据量 |
| 1336 | 2025-07-05 |
CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction
2025-Jul-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8914
PMID:40610235
|
研究论文 | 本研究提出了一种名为CONSeg的方法，利用共形预测（CP）在胶质瘤分割中进行体素级不确定性量化，以提高分割模型的可靠性 | 首次将共形预测应用于胶质瘤分割领域，并提出不确定性比率（UR）这一新指标来评估分割质量 | 研究仅使用了两个公开数据集，可能无法涵盖所有临床场景的变异性 | 提高胶质瘤自动分割的可靠性，并为临床决策提供不确定性量化支持 | 胶质瘤患者的MRI影像数据 | 数字病理 | 胶质瘤 | 共形预测（CP） | UNet | 医学影像 | 642例（UCSF数据集495例，UPenn数据集147例） |
| 1337 | 2025-07-05 |
Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification
2025-Jul-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01589-1
PMID:40610693
|
研究论文 | 本研究探讨了使用轻量级深度学习模型进行多类别脑肿瘤分类的性能，并提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型 | 提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型，在保持低参数量的同时实现了高准确率 | 研究仅使用了公开可用的MRI数据集，未涉及其他类型的数据或临床环境下的验证 | 开发高效且准确的自动化脑肿瘤分类方法 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | MobileNetV3, SqueezeNet, 特征融合混合模型 | 图像 | 7023张MRI图像 |
| 1338 | 2025-07-05 |
Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03960-2
PMID:40592932
|
研究论文 | 本研究提出了一种基于深度学习技术的集成模型（CNN-GRU），用于肺癌检测，旨在提高AI医疗系统中的诊断准确性 | 结合CNN和GRU模型，设计了一个智能模型用于肺癌检测，通过CNN提取肺部CT图像的空间特征，并通过GRU进行最终预测，实现了99.77%的准确率 | 未提及模型在多样化数据集上的泛化能力，以及在实际临床环境中的适用性 | 开发一种高准确率的肺癌检测模型，以提升AI医疗系统中的诊断效果 | 肺癌（LC）的检测 | 数字病理学 | 肺癌 | 深度学习 | CNN-GRU | 图像（肺部CT图像） | 未明确提及具体样本数量，但使用了数据增强技术（如旋转和亮度调整）来扩大数据集 |
| 1339 | 2025-07-05 |
Hybrid attention transformer integrated YOLOV8 for fruit ripeness detection
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04184-0
PMID:40592947
|
研究论文 | 提出了一种创新的水果识别模型HAT-YOLOV8，结合了混合注意力变换器（HAT）和YOLOV8深度学习算法的优势，用于水果成熟度检测 | 集成了Shuffle Attention（SA）模块以捕获复杂依赖关系，同时保持低计算复杂度；在特征融合阶段引入HAT模块增强长程依赖和细节信息恢复；使用EIoU损失函数替代CIoU以提高检测精度和加速模型收敛 | 未提及模型在极端光照条件下的表现或计算资源需求的具体数据 | 解决户外果园环境中因光照变化和果实集群阴影导致的水果成熟度识别与分类难题 | 五种水果品种，每种分为三个不同成熟度等级 | 计算机视觉 | NA | 深度学习 | HAT-YOLOV8（集成Hybrid Attention Transformer和YOLOV8） | 图像 | 包含五种水果品种的数据集，每种有三个成熟度等级（具体样本量未说明） |
| 1340 | 2025-07-05 |
Research on fault diagnosis method for variable condition planetary gearbox based on SKN attention mechanism and deep transfer learning
2025-Jul-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04858-9
PMID:40592955
|
研究论文 | 提出了一种基于SKN注意力机制和深度迁移学习的变工况行星齿轮箱故障诊断方法 | 结合SKN注意力机制和LMMD子域适应，提升了变工况下故障特征的提取能力和诊断精度 | 仅针对8种变工况任务进行了验证，样本多样性可能不足 | 提高变工况下行星齿轮箱的故障诊断准确率 | 行星齿轮箱的故障数据 | 机器学习 | NA | 深度迁移学习，SKN注意力机制，LMMD子域适应 | 深度神经网络 | 振动信号数据 | 8种变工况任务的数据集 |