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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 26130 篇文献,本页显示第 201 - 220 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
201 2025-06-07
Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 提出一种无监督异常提取网络(UNAEN),用于减少磁共振成像(MRI)中的运动伪影 提出了一种无需配对MA-corrupted和MA-free图像的无监督方法,通过显式提取异常来减少运动伪影 依赖于公开可用的MRI数据集,未提及在特定临床环境中的验证 减少MRI中的运动伪影,提高诊断准确性和图像引导治疗的效果 MRI图像 医学影像处理 NA 深度学习 UNAEN(包含artifact extractor和reconstructor) MRI图像 多种公开可用的MRI数据集(未提及具体数量)
202 2025-06-07
Transformer-Integrated Hybrid Convolutional Neural Network for Dose Prediction in Nasopharyngeal Carcinoma Radiotherapy
2025-Jun, Journal of imaging informatics in medicine
research paper 提出了一种结合CNN和Transformer的混合剂量预测模型,用于鼻咽癌放射治疗中的剂量预测 设计了具有通道注意力机制的分层密集循环编码器和渐进式解码器,以及对象驱动的跳跃连接,以增强特征传递能力和保留纹理信息 实验仅在内部数据集上进行,未涉及多中心验证 提高鼻咽癌放射治疗中剂量预测的准确性和效率 鼻咽癌放射治疗中的剂量分布 digital pathology nasopharyngeal carcinoma deep learning CNN和Transformer混合模型 image 内部数据集(具体数量未提及)
203 2025-06-07
The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review
2025-Jun, European radiology IF:4.7Q1
系统综述 本文系统评估了深度学习模型在脊柱关节病(SpA)影像诊断中的应用及其准确性 深度学习模型(特别是CNN和U-Net)在SpA影像诊断中展现出高准确性,甚至超越传统方法和专家放射科医生 部分研究样本量较小,需更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力 评估深度学习模型在脊柱关节病影像诊断中的效果 脊柱关节病(SpA)的MRI、CT和X光影像 数字病理学 脊柱关节病 深度学习 CNN, U-Net 影像 21项研究(涉及MRI、CT和X光模态)
204 2025-06-07
GENERATIVE DEEP LEARNING APPROACH TO PREDICT POSTTREATMENT OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AGE-RELATED MACULAR DEGENERATION AFTER 12 MONTHS
2025-06-01, Retina (Philadelphia, Pa.)
research paper 本研究验证了一种生成式深度学习模型,用于预测新生血管性年龄相关性黄斑变性患者治疗12个月后的光学相干断层扫描(OCT)图像,并评估了结合临床数据对预测性能的影响 采用条件生成对抗网络(conditional GAN)作为基线模型,结合治疗前后的OCT图像及其他临床参数,显著提升了12个月后OCT图像的预测准确性 研究样本量相对有限(533只眼),且仅针对新生血管性年龄相关性黄斑变性患者,可能限制模型的泛化能力 预测新生血管性年龄相关性黄斑变性患者长期解剖学反应,以支持个性化治疗管理 513名初治新生血管性年龄相关性黄斑变性患者的533只眼 digital pathology geriatric disease 光学相干断层扫描(OCT)、荧光素血管造影、吲哚菁绿血管造影 conditional GAN image 533只眼(来自513名患者)
205 2025-06-07
P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 提出了一种轻量级的金字塔池化Transformer-CNN网络(P2TC),用于精确的3D全心脏分割 结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核CNN进行局部特征提取,采用双分支解码器结构 未提及具体计算资源消耗或模型推理速度数据 提高3D全心脏分割的准确性 心脏结构的3D分割 digital pathology cardiovascular disease 深度学习 Transformer-CNN混合模型 3D医学影像(CT和MRI) MM-WHS 2017挑战数据集
206 2025-06-07
Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 该研究提出了一种深度学习框架,用于解码不同针灸操作对脑电图活动的影响,并建立了针灸-脑接口 结合对比表示学习和领域适应策略,推断针灸操作的行为流形,并通过无监督流形学习估计针灸诱发的EEG信号的潜在神经流形 研究中仅针对足三里穴位的针灸操作进行了分析,未涵盖其他穴位 揭示针灸刺激与动态脑反应之间的相关性,并开发一种解码针灸操作的框架 针灸操作对脑电图活动的影响 machine learning neurological disorders electroencephalographic activity, video recordings neural networks EEG signals, video stimulated subjects
207 2025-06-07
Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 提出了一种双分支弱监督学习框架,用于优化甲状腺超声图像分割网络,通过空间排列和分层预测一致性校准语义特征 通过同时考虑目标位置和目标与背景语义特征分布的合理性,提出了一种新的弱监督分割策略 对边界框掩码的依赖可能限制了模型在更复杂场景下的表现 优化甲状腺超声图像的分割精度,减少标注时间 甲状腺超声图像中的甲状腺和结节 digital pathology thyroid disease weakly-supervised learning dual-branch network image 三个甲状腺数据集
208 2025-06-07
TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 提出了一种名为TriCvT-DTI的新方法,通过结合分子图像、化学序列特征和药物图表示来预测药物-靶标相互作用 结合了多模态药物表示和双向多头注意力机制,使用卷积视觉变换器(CvTs)从药物图像中提取结构和空间特征 未明确提及具体局限性 改进药物-靶标相互作用预测的效率和准确性 药物-靶标相互作用 machine learning NA Convolutional Vision Transformers (CvTs), 双向多头注意力机制 TriCvT-DTI 分子图像、化学序列特征、图表示 三个数据集:Human、C. elegans和Davis
209 2025-06-07
Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本文介绍了一种新型多传感器系统,结合地形感知传感器和惯性测量单元(IMU),用于监测不同地形下的跌倒风险,并采用基于改进CNNLSTM模型的双任务学习(DTL)架构来识别跌倒风险水平和地形 提出了结合地形感知传感器与IMU的多传感器系统,并采用改进的CNNLSTM模型进行双任务学习,有效识别跌倒风险与地形 实验样本量较小,仅包括10名年轻受试者和10名老年受试者,且实验环境局限于实验室和医院 开发一种可靠的跌倒风险监测系统,用于不同地形下的跌倒风险预测 年轻和老年受试者在平坦和台阶地形上的活动 机器学习 老年疾病 双任务学习(DTL), 惯性测量单元(IMU) 改进的CNNLSTM 传感器信号 10名年轻受试者和10名老年受试者
210 2025-06-07
Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 该研究提出了一种名为BioFocal-DDI的框架,用于优化药物-药物相互作用(DDI)的提取,通过结合BioGPT、BioBERT、BiLSTM和ReGCN等技术 引入了BioGPT进行数据增强,并结合Focal Loss-based Attention机制解决类别不平衡问题 未提及具体局限性 优化药物-药物相互作用(DDI)的提取,以提高治疗效果并减少不良反应 药物-药物相互作用(DDI) 自然语言处理 NA BioGPT, BioBERT, BiLSTM, ReGCN, Focal Loss-based Attention BioGPT, BioBERT, BiLSTM, ReGCN text DDI Extraction 2013数据集
211 2025-06-07
Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本研究基于头皮脑电图和Transformer技术,设计了一种针灸状态检测方法,用于区分针灸过程中的不同状态 提出了基于CNN和Transformer的针灸Transformer检测器(ATD),能够端到端分类足三里穴位针灸状态下的脑电图局部和全局特征 实验样本仅包含28名健康参与者,可能限制结果的普遍性 开发自动识别针灸状态的方法,为针灸程序标准化提供新方案 针灸状态(捻针和留针)对脑电图的影响 数字病理 NA 脑电图(EEG) CNN, Transformer 脑电图信号 28名健康参与者
212 2025-06-07
Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 本文构建了一个真实的突变诱导疾病数据集,并提出了一种结合胶囊和图拓扑网络与多头注意力机制(CGM)的深度学习模型来预测突变与疾病的关联 提出了CGM模型,能够准确预测蛋白质突变与疾病的关联,并通过模型验证了蛋白质突变导致的结构改变可能是重要的致病因素 受限于突变蛋白质数据集的规模,模型在基准和不平衡数据集上进行了实验 预测突变与疾病的关联,进一步理解生物分子途径和疾病机制 蛋白质突变与疾病的关联 machine learning NA deep learning Capsule and Graph topology networks with Multi-head attention (CGM) protein interaction data NA
213 2025-06-07
Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本文提出了一种基于图深度学习的快速虚拟支架置入(FVS)模型,用于预测主动脉夹层胸主动脉腔内修复术(TEVAR)后的主动脉真腔(TL)重塑 首次将深度学习应用于FVS任务,实现了时间依赖性的内壁变形预测,并通过外壁信息提升预测精度 尚未在临床环境中实际应用,需要进一步验证其临床效果 开发一种能够准确预测TEVAR术后主动脉真腔重塑的术前规划工具 主动脉夹层患者 数字病理学 心血管疾病 图深度学习 图神经网络 点云数据 108名患者(269次真实随访)
214 2025-06-07
Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification
2025-Jun, Endocrine IF:3.0Q2
research paper 该研究探讨了基于深度学习的超声和CT多模态成像对甲状腺TI-RADS 3-5类别结节的良恶性鉴别价值 结合超声和CT的多模态深度学习模型在甲状腺TI-RADS 3-5结节分类中的首次应用,其诊断效能优于单一影像学方法和放射科医师的评估 研究仅纳入了术后有病理结果的病例,可能存在选择偏倚;样本量相对有限 开发一种无需活检即可准确鉴别甲状腺TI-RADS 3-5结节良恶性的方法 768例甲状腺TI-RADS 3-5类结节(499例恶性,269例良性) digital pathology thyroid cancer ultrasound, CT deep learning image 768例甲状腺结节(来自768名患者)
215 2025-06-07
Linking Symptom Inventories Using Semantic Textual Similarity
2025-Jun, Journal of neurotrauma IF:3.9Q2
研究论文 本文提出了一种使用语义文本相似性(STS)来链接创伤性脑损伤(TBI)不同症状量表的方法 首次使用语义文本相似性技术来关联不同TBI症状量表中的症状和评分 方法准确率为74.8%,仍有提升空间 解决TBI诊断和结果预测中不同症状量表结果不可比的问题 创伤性脑损伤(TBI)的症状量表 自然语言处理 创伤性脑损伤 语义文本相似性(STS) 深度学习模型 文本 来自16个国际数据源的6,607名参与者
216 2025-06-07
Artificial intelligence in predicting EGFR mutations from whole slide images in lung Cancer: A systematic review and Meta-Analysis
2025-Jun, Lung cancer (Amsterdam, Netherlands)
meta-analysis 本文通过系统综述和荟萃分析评估了AI模型在预测肺癌患者全切片图像中EGFR突变状态的诊断准确性 首次系统评估AI模型在预测EGFR突变中的表现,并进行了荟萃分析 当前AI模型的准确性和精确度仍需进一步改进,且仅16项研究符合纳入标准 评估AI模型在预测肺癌患者EGFR突变中的诊断准确性 肺癌患者的全切片图像 digital pathology lung cancer machine learning, deep learning ResNet image 16项研究(其中4项适合荟萃分析)
217 2025-06-07
Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis
2025-Jun, Food science & nutrition IF:3.5Q2
研究论文 本研究旨在通过深度学习技术自动分类葡萄叶常见病害,包括葡萄痂病、霜霉病及健康叶片 将CBAM和Squeeze-and-Excitation Networks集成到预训练模型中,显著提高了分类准确率 仅针对两种常见葡萄叶病害进行分类,未涵盖其他可能的病害类型 开发基于深度学习的模型,实现葡萄叶病害的自动分类 葡萄叶病害(葡萄痂病、霜霉病)及健康叶片 计算机视觉 葡萄叶病害 深度学习 CNN(集成CBAM和SE模块) 图像 NA
218 2025-06-07
Multimodal Neuroimaging Based Alzheimer's Disease Diagnosis Using Evolutionary RVFL Classifier
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 本文提出了一种基于小波变换的多模态MRI和PET扫描融合方法,结合深度学习和进化算法,用于阿尔茨海默病的早期诊断 使用小波变换融合多模态神经影像数据,并采用进化算法优化RVFL分类器的权重和偏置以提高诊断准确性 研究仅基于公开的ADNI数据集,未在其他独立数据集上验证 开发一种早期诊断阿尔茨海默病的多模态神经影像分析方法 阿尔茨海默病患者和轻度认知障碍患者的MRI和PET扫描数据 数字病理学 老年病 MRI, PET, 小波变换 ResNet-50, RVFL 图像 公开的ADNI数据集
219 2025-06-07
A GAN Guided Parallel CNN and Transformer Network for EEG Denoising
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
research paper 提出了一种名为GCTNet的GAN引导的并行CNN和Transformer网络,用于EEG信号去噪 通过并行CNN块和Transformer块分别捕获局部和全局时间依赖性,并使用判别器检测和校正去噪EEG信号与真实干净信号之间的整体不一致性 未明确提及具体局限性 提高EEG信号去噪的效果,解决现有方法在时间特性和整体一致性方面的不足 EEG信号 machine learning NA GAN, CNN, Transformer GCTNet (GAN guided parallel CNN and transformer network) EEG信号 半模拟和真实数据
220 2025-06-07
Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure
2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1
研究论文 提出一种基于高斯拉普拉斯金字塔混合与相似性度量的医学图像分类数据增强方案,以提高乳腺癌诊断的准确性和可靠性 结合高斯拉普拉斯金字塔和金字塔混合概念,引入相似性度量以保持图像结构特性并捕获同类患者图像的变异性 未提及具体的数据增强方法在不同类型医学图像上的泛化能力 解决医学数据集中标记数据稀缺和数据不平衡的问题,提高乳腺癌诊断的准确性 乳腺癌组织病理学图像 数字病理学 乳腺癌 高斯拉普拉斯金字塔混合、相似性度量 预训练模型的串联使用 图像 三个不同的医学数据集(未提及具体样本数量)
回到顶部