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 36553 篇文献，本页显示第 20021 - 20040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20021 | 2025-03-05 |
DDoCT: Morphology preserved dual-domain joint optimization for fast sparse-view low-dose CT imaging
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103420
PMID:39705821
|
研究论文 | 本文提出了一种名为DDoCT的双域联合优化低剂量CT成像框架，旨在通过减少管电流和投影数量来降低辐射剂量，同时解决由此引入的噪声和伪影问题 | DDoCT框架在投影和图像域中进行联合优化，不仅解决了减少管电流引入的噪声，还特别关注了减少投影数量引起的条纹伪影问题，提升了在快速低剂量CT成像环境中的适用性 | NA | 开发一种能够在减少辐射剂量的同时，有效降低噪声和伪影的低剂量CT成像方法 | 低剂量CT成像 | 计算机视觉 | NA | CT成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 20022 | 2025-03-05 |
Personalized dental crown design: A point-to-mesh completion network
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103439
PMID:39705822
|
研究论文 | 本文介绍了一种端到端的深度学习模型，用于自动生成个性化的牙冠网格 | 提出了一种结合特征提取器和基于transformer的模型，以及点对网格模块的深度学习模型，用于牙冠设计，显著减少了Chamfer距离和MSE | 未提及具体的数据集大小或模型在不同临床环境中的泛化能力 | 开发一种自动生成个性化牙冠的深度学习模型，以提高牙冠设计的效率和准确性 | 牙冠设计 | 计算机视觉 | NA | 深度学习 | transformer, 点对网格模块 | 点云数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 20023 | 2025-03-05 |
SurgiTrack: Fine-grained multi-class multi-tool tracking in surgical videos
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103438
PMID:39708509
|
研究论文 | 本文提出了一种名为SurgiTrack的新型深度学习方法，用于在手术视频中进行精细的多类别多工具跟踪 | SurgiTrack利用YOLOv7进行精确的工具检测，并采用注意力机制建模工具的起始方向，作为操作者的代理，以实现工具重新识别 | 手术视频中未明确捕捉到操作者的信息，工具在遮挡或重新插入体内后的重新识别仍然具有挑战性 | 提高手术视频中工具跟踪的准确性和灵活性，以支持计算机辅助干预的成功 | 手术视频中的多类别多工具 | 计算机视觉 | NA | 深度学习 | YOLOv7, 注意力机制 | 视频 | CholecTrack20数据集 | NA | NA | NA | NA |
| 20024 | 2025-03-05 |
TractGraphFormer: Anatomically informed hybrid graph CNN-transformer network for interpretable sex and age prediction from diffusion MRI tractography
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103476
PMID:39870000
|
研究论文 | 本文介绍了一种名为TractGraphFormer的混合图CNN-Transformer深度学习框架，用于从扩散MRI纤维束成像中预测性别和年龄 | TractGraphFormer结合了局部解剖特征和全局特征依赖，通过图CNN模块捕捉白质几何和灰质连接性，并通过Transformer模块增强全局信息学习，同时包含一个注意力模块用于解释预测性白质连接 | NA | 研究目的是通过扩散MRI纤维束成像预测个体的性别和年龄 | 研究对象包括儿童（n = 9345）和年轻成年人（n = 1065） | 数字病理学 | NA | 扩散MRI纤维束成像 | Graph CNN-Transformer | 图像 | 儿童（n = 9345）和年轻成年人（n = 1065） | NA | NA | NA | NA |
| 20025 | 2025-03-05 |
Application-driven validation of posteriors in inverse problems
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103474
PMID:39892221
|
研究论文 | 本文提出了一个系统框架，用于在逆问题中基于应用需求验证后验方法 | 首次将目标检测验证中的关键原则应用于后验方法的验证，提出了模式中心验证方法 | 未提及具体局限性 | 解决逆问题中多解情况下的后验方法验证问题 | 后验方法（如条件扩散模型和可逆神经网络） | 计算机视觉 | NA | NA | 条件扩散模型、可逆神经网络 | 图像 | NA | NA | NA | NA | NA |
| 20026 | 2025-03-05 |
DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103462
PMID:39892220
|
研究论文 | 本文提出了一种名为DSAM的深度学习框架，用于分析脑网络中的时空动态 | DSAM框架通过时间因果卷积网络捕捉时间动态，使用时间注意单元识别重要时间点，自注意单元构建目标特定的连接矩阵，并采用图神经网络的变体捕捉空间动态，用于下游分类 | NA | 研究目标是开发一种深度学习框架，以更好地理解脑网络中的时空动态 | 研究对象为人类脑网络，具体使用了Human Connectome Project数据集和Adolescent Brain Cognitive Development数据集 | 机器学习 | NA | rs-fMRI | 图神经网络 | 时间序列数据 | Human Connectome Project数据集包含1075个样本，Adolescent Brain Cognitive Development数据集包含8520个样本 | NA | NA | NA | NA |
| 20027 | 2025-10-07 |
ResGEM: Multi-Scale Graph Embedding Network for Residual Mesh Denoising
2025-Apr, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3378309
PMID:38498760
|
研究论文 | 提出一种用于残差网格去噪的多尺度图嵌入网络ResGEM | 提出包含法线感知和顶点感知双分支的新流程，引入多尺度嵌入模块和残差解码结构，并设计了增强平滑和泛化能力的正则化项 | NA | 解决具有不规则拓扑结构的网格去噪问题，在平滑度和几何细节之间取得平衡 | 噪声污染的三维网格 | 计算机视觉 | NA | NA | 图卷积网络(GCN) | 三维网格数据 | NA | NA | ResGEM, 边缘条件嵌入模块(EEMs), 残差块 | NA | NA |
| 20028 | 2025-03-05 |
A spatiotemporal CNN-LSTM deep learning model for predicting soil temperature in diverse large-scale regional climates
2025-Mar-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.178901
PMID:39987832
|
研究论文 | 本研究开发了一种结合CNN和LSTM的深度学习模型，用于预测不同气候区域下的土壤温度 | 结合CNN和LSTM模型，首次用于预测大范围区域内的土壤温度，并在多种气候条件下验证了其准确性 | 研究仅针对加拿大和美国的五个气候区域，未涵盖全球其他气候类型 | 开发一种可靠的土壤温度预测模型，以支持农业、水文和气候适应等领域的决策 | 土壤温度 | 机器学习 | NA | 深度学习 | CNN-LSTM | 时间序列数据 | 加拿大和美国的五个气候区域的年度小时时间序列土壤温度数据 | NA | NA | NA | NA |
| 20029 | 2025-03-05 |
Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images
2025-Mar-04, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2457955
PMID:40035544
|
研究论文 | 本研究开发了一种优化的深度学习模型，用于通过语音信号和手绘螺旋图像进行帕金森病分类 | 结合了ZFNet和DRN模型，并利用LHO算法进行训练，通过多数投票选择最佳输出 | 未提及模型在不同数据集上的泛化能力 | 开发一种用于帕金森病早期诊断的深度学习模型 | 帕金森病患者 | 深度学习 | 帕金森病 | 深度学习 | ZFNet, DRN | 语音信号, 手绘图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 20030 | 2025-03-05 |
Recommendations for Artificial Intelligence Application in Continued Process Verification: A Journey Toward the Challenges and Benefits of AI in the Biopharmaceutical Industry
2025-Mar-03, PDA journal of pharmaceutical science and technology
DOI:10.5731/pdajpst.2024.012950
PMID:39730202
|
review | 本文探讨了人工智能（AI）在生物制药行业持续过程验证（CPV）中的变革性影响，并提供了实施AI的综合建议 | 提出了将AI与监管标准对齐的建议，并强调透明度、可解释性和风险管理，为AI在制药制造中的实施建立最佳实践 | 未涉及CPV of the Future项目中使用的具体算法，因为需要独立于算法进行通用化 | 研究AI在生物制药行业持续过程验证中的应用挑战与机遇 | 生物制药行业中的持续过程验证（CPV） | machine learning | NA | AI, Machine Learning, Deep Learning | NA | real-time data | NA | NA | NA | NA | NA |
| 20031 | 2025-03-05 |
RESNET-50 with ontological visual features based medicinal plants classification
2025-Mar-03, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2447878
PMID:40028706
|
研究论文 | 本文提出了一种基于本体视觉特征和RESNET-50的药用植物分类方法 | 结合了本体关系、群体智能技术（粒子群和布谷鸟搜索算法）以及深度学习模型RESNET-50，提出了一个混合模型来提高分类准确性 | 未提及样本多样性和模型泛化能力的验证 | 提高药用植物叶片分类的准确性和效率 | 15种药用植物的叶片 | 计算机视觉 | NA | 粒子群算法、布谷鸟搜索算法、回归神经网络（GRNN）、RESNET-50 | RESNET-50、GRNN | 图像 | 15种药用植物的叶片数据集 | NA | NA | NA | NA |
| 20032 | 2025-03-05 |
Deep Learning-Based Diagnostic Model for Parkinson's Disease Using Handwritten Spiral and Wave Images
2025-Mar-03, Current medical science
IF:2.0Q3
DOI:10.1007/s11596-025-00017-3
PMID:40029495
|
研究论文 | 本文开发并验证了一种基于深度神经网络的模型，用于通过手绘螺旋和波浪图像诊断帕金森病，并与多种机器学习和深度学习模型进行了性能比较 | 使用深度神经网络模型处理手绘螺旋和波浪图像，显著提高了帕金森病的诊断准确性，超越了多种传统机器学习和深度学习模型 | 数据集规模较小，仅包含204张图像，可能影响模型的泛化能力 | 开发一种基于深度神经网络的帕金森病诊断模型，并验证其性能 | 帕金森病患者和健康受试者的手绘螺旋和波浪图像 | 计算机视觉 | 帕金森病 | 深度神经网络 | DNN | 图像 | 204张图像（102张螺旋图像和102张波浪图像） | NA | NA | NA | NA |
| 20033 | 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 | NA | NA | NA | NA |
| 20034 | 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 | NA | NA | NA | NA |
| 20035 | 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 | NA | NA | NA | NA |
| 20036 | 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） | NA | NA | NA | NA |
| 20037 | 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 | NA | NA | NA | NA |
| 20038 | 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） | NA | NA | NA | NA |
| 20039 | 2025-10-07 |
Predicting Progression in Adolescent Idiopathic Scoliosis at the First Visit by Integrating 2D Imaging and 1D Clinical Information
2025-Mar, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682231211273
PMID:37903546
|
研究论文 | 本研究开发了一种集成临床数据和放射影像的神经网络模型，用于预测青少年特发性脊柱侧凸患者的支具内曲线进展 | 首次将一维临床数据和二维放射影像数据整合到自动化预测模型中，相比传统方法能更充分利用多维度信息 | 回顾性研究设计，样本量相对有限（463例患者） | 预测青少年特发性脊柱侧凸患者的曲线进展情况 | 青少年特发性脊柱侧凸患者，特别是需要支具治疗的患者 | 医学影像分析 | 脊柱侧凸 | 放射影像分析，临床参数测量 | CapsuleNet | 图像，临床数据 | 463名患者 | NA | 改进的CapsuleNet架构 | 灵敏度，准确率 | NA |
| 20040 | 2025-10-07 |
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 | 提出了一种从可观测表面运动进行流体体积重建的创新框架 | 结合深度学习与传统模拟的优势，通过表面运动推断体积速度场并估计流体物理属性 | NA | 实现从表面运动到体积流体的逆向建模 | 合成流体和真实捕获的流体 | 计算机视觉 | NA | 深度学习模拟 | 3D CNN | 表面运动序列 | NA | NA | 3D CNN | 视觉一致性，物理准确性 | NA |