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 27738 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 2025-07-06
Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment
2025-Mar-20, medRxiv : the preprint server for health sciences
研究论文 提出了一种基于深度学习的自动分割框架,用于放射治疗CT图像中口腔牙齿和颌骨子体积的精确分割,以支持剂量评估和骨放射性坏死评估 首次开发了一种与ClinRad ORN分期系统对齐的深度学习自动分割框架,用于个体牙齿和颌骨子体积的分割 在分割牙齿和数据中常缺失的子体积时表现有限 提高放射治疗中口腔结构的剂量评估和骨放射性坏死检测的准确性 头颈癌患者的口腔牙齿和颌骨子体积 数字病理 头颈癌 计算机断层扫描(CT) Swin UNETR, ResUNet 医学影像 未明确说明样本数量
202 2025-07-06
Deep learning and explainable artificial intelligence for investigating dental professionals' satisfaction with CAD software performance
2025-Feb, Journal of prosthodontics : official journal of the American College of Prosthodontists
研究论文 本研究利用深度学习和可解释人工智能技术调查牙科专业人员对CAD软件性能的满意度 首次将DL-XAI行为分析方法应用于牙科领域,识别影响CAD软件满意度的关键因素 样本仅包含436名牙科专业人员,可能无法代表所有用户群体 评估牙科专业人员对CAD软件性能的满意度及其影响因素 牙科学生、牙医和牙科技师等牙科专业人员 医疗人工智能 牙科疾病 深度学习(DL)、可解释人工智能(XAI)、排列特征重要性分析(PFIA)、Shapley加性解释方法 多层感知器人工神经网络(MLP-ANN) 行为数据、问卷调查数据 436名具有不同CAD经验的牙科专业人员
203 2025-07-06
Learning to Learn Transferable Generative Attack for Person Re-Identification
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1
研究论文 本文提出了一种名为MTGA的元学习优化方法,用于生成具有高度可转移性的对抗样本,以测试行人重识别模型的鲁棒性 首次考虑了跨测试能力,通过元学习优化生成对抗样本,并引入了扰动随机擦除模块和归一化混合策略 未提及具体的数据集规模限制或计算资源需求 提升对抗样本在跨模型、跨数据集和跨测试场景中的可转移性,以更全面地评估行人重识别模型的鲁棒性 行人重识别模型 计算机视觉 NA 元学习优化 生成对抗网络(GAN) 图像 未明确提及具体样本数量
204 2025-07-06
Few-shot network intrusion detection method based on multi-domain fusion and cross-attention
2025, PloS one IF:2.9Q1
研究论文 提出了一种基于多域融合和交叉注意力的少样本网络入侵检测方法,旨在解决现实场景中攻击样本有限和域偏移问题 结合多域特征融合和双向交叉注意力机制,设计了双分支特征提取器和双域双向交叉注意力模块,并引入了基于改进Mamba架构的分层特征编码模块 未提及方法在更复杂或更大规模网络环境中的表现 提高少样本条件下网络入侵检测的准确性和跨域泛化能力 网络流量数据 机器学习 NA 二维离散余弦变换(2D-DCT), 状态空间建模 Mamba架构 网络流量序列数据 在两个基准数据集CICIDS2017和CICIDS2018上进行实验
205 2025-07-06
Feasibility of real-time artificial intelligence-assisted anatomical structure recognition during endoscopic submucosal dissection
2025, Endoscopy international open IF:2.2Q2
研究论文 本研究评估了实时人工智能辅助在内镜黏膜下剥离术(ESD)中识别解剖结构的可行性 首次开发并验证了用于ESD术中实时解剖结构识别的AI算法 样本量较小(仅12例ESD手术),且仅在猪模型中进行验证 提高ESD手术的安全性和操作速度 内镜黏膜下剥离术(ESD)中的解剖结构识别 数字病理 NA 深度学习 深度学习算法 内镜静态图像 30例ESD手术的1011张图像用于训练,12例猪模型ESD手术用于验证
206 2025-07-06
Update of machine learning for ultrasound diagnosis of metabolic dysfunction-associated steatotic liver disease: a bright future for deep learning
2025, PeerJ IF:2.3Q2
综述 本文回顾并分析了各种机器学习算法在代谢功能障碍相关脂肪性肝病(MASLD)超声诊断中的应用,强调了人工智能在该领域的优势和潜力 重点关注深度学习在超声诊断中的卓越图像识别和分类能力 未提及具体研究样本量或数据集的局限性 提高诊断准确性,扩大MASLD在初级保健中的筛查范围,支持早期诊断、预防和治疗 代谢功能障碍相关脂肪性肝病(MASLD) 机器学习 代谢功能障碍相关脂肪性肝病 超声诊断 深度学习(DL) 超声和放射影像 NA
207 2025-07-06
Identification of atrial fibrillation using heart rate variability: a meta-analysis
2025, Frontiers in cardiovascular medicine IF:2.8Q2
meta-analysis 通过心率变异性识别心房颤动的荟萃分析 利用人工智能算法分析心率变异性模式,提高心房颤动的识别准确率 仅纳入12项诊断研究,样本量有限 评估人工智能算法在识别心房颤动中的效果 心房颤动患者的心率变异性数据 machine learning cardiovascular disease AI算法 deep learning ECG数据 12项诊断研究
208 2025-07-06
Biologically inspired hybrid model for Alzheimer's disease classification using structural MRI in the ADNI dataset
2025, Frontiers in artificial intelligence IF:3.0Q2
研究论文 提出了一种混合卷积神经网络-脉冲神经网络(CNN-SNN)架构,用于利用结构MRI数据对阿尔茨海默病(AD)阶段进行分类 结合CNN的空间特征提取能力和SNN的生物启发性时间动态处理能力,提出了一种新型混合模型 研究仅基于ADNI数据集,可能无法完全代表所有AD患者群体 开发一种计算高效且生物学合理的AD诊断框架 阿尔茨海默病患者、轻度认知障碍患者和认知正常受试者 数字病理学 老年疾病 结构MRI(sMRI) CNN-SNN混合模型 图像 ADNI数据集中的三类受试者(AD、MCI、CN)
209 2025-07-06
Comparing machine learning models with a focus on tone in grooming chat logs
2025, Frontiers in pediatrics IF:2.1Q2
研究论文 本研究比较了深度学习模型与传统机器学习模型在检测在线聊天室中的儿童性诱骗对话和捕食者作者方面的效果,并探讨了捕食者使用的语气对检测能力的影响 使用大型语言模型LLaMA 3.2 1B进行性诱骗检测,并分析了不同语气对检测性能的影响 研究仅基于PAN12聊天日志数据集,可能无法涵盖所有性诱骗对话的模式 更好地理解捕食者的策略并推进自动性诱骗检测技术以保护在线儿童 在线聊天室中的性诱骗对话和捕食者作者 自然语言处理 NA DistilBERT分类器,SVM,LLaMA 3.2 1B大型语言模型 SVM,LLaMA 3.2 1B 文本 PAN12聊天日志数据集中的性诱骗对话
210 2025-07-06
Transfer deep learning and explainable AI framework for brain tumor and Alzheimer's detection across multiple datasets
2025, Frontiers in medicine IF:3.1Q1
research paper 该研究提出了一种结合迁移学习和可解释AI(XAI)技术的MRI图像分类新方法,用于脑肿瘤和阿尔茨海默病的检测 结合迁移学习和可解释AI(XAI)技术,使用混合CNN-VGG16模型,并通过SHAP提供模型决策过程的透明视图 未提及具体的数据集样本量细节及模型在更广泛数据集上的泛化能力 提高脑肿瘤和阿尔茨海默病的诊断准确性,并增强AI在医疗保健中的可信度 MRI图像,包括脑肿瘤分类、阿尔茨海默病检测和另一脑肿瘤数据集 digital pathology brain tumor, Alzheimer's transfer learning, Explainable AI (XAI), SHAP hybrid CNN-VGG16 MRI image 三个MRI数据集(具体样本量未提及)
211 2025-07-06
Corn variety identification based on improved EfficientNet lightweight neural network
2025, Frontiers in plant science IF:4.1Q1
研究论文 本文提出了一种改进的EfficientNet轻量级模型,用于玉米穗图像的分类与识别 减少了EfficientNetB0模型中的MBConv模块数量,引入了CBAM注意力机制和扩张卷积以增强特征提取能力,并使用Swish激活函数提高梯度传递的稳定性 NA 保护玉米品种的知识产权并实现玉米穗的智能筛选 五个品种的玉米穗 计算机视觉 NA 深度学习 改进的EfficientNet(SCD_EFTNet) RGB图像 6529张玉米穗图像
212 2025-07-06
P4CN-YOLOv5s: a passion fruit pests detection method based on lightweight-improved YOLOv5s
2025, Frontiers in plant science IF:4.1Q1
研究论文 提出了一种基于轻量化改进YOLOv5s的百香果害虫检测方法P4CN-YOLOv5s 结合PLDIoU、四个CBAM模块和一个新Anchors,改进了YOLOv5s模型,提高了检测精度和效率 未提及模型在其他作物害虫检测上的泛化能力 开发高效准确的百香果害虫检测方法 百香果害虫 计算机视觉 NA 深度学习 YOLOv5s改进模型P4CN-YOLOv5s 图像 6000张百香果害虫图像
213 2025-07-06
Development of intelligent tools to predict neuroblastoma risk stratification and overall prognosis based on multiphase enhanced CT and clinical features
2025, Frontiers in neurology IF:2.7Q3
研究论文 本研究开发了一种基于多期增强CT图像和临床特征的深度学习模型,用于预测神经母细胞瘤的风险分层和预后 结合Swin Transformer模型和多期增强CT图像,提高了神经母细胞瘤风险分层和预后评估的准确性 样本量相对较小(202例患者),且仅基于单中心数据 提高神经母细胞瘤风险分层和预后评估的准确性 神经母细胞瘤患者 数字病理学 神经母细胞瘤 多期增强CT Swin Transformer, 随机生存森林(RSF) 图像, 临床数据 202例神经母细胞瘤患者
214 2025-07-06
Toward automated plantar pressure analysis: machine learning-based segmentation and key point detection across multicenter data
2025, Frontiers in bioengineering and biotechnology IF:4.3Q2
研究论文 本研究探索基于机器学习的足底压力分析方法,包括解剖区域分割和关键点检测,以提高多中心数据的自动化处理能力 提出了一种整合多中心足底压力数据的新框架,用于分割和标志点检测,减少了人工标注的依赖并降低了主观偏差 对于边界模糊的跖骨区域1,模型的准确性依赖于专家评审,且回归模型在关键点检测中的误差较高 开发自动化、标准化的足底压力分析方法,以支持临床和研究应用 足底压力数据 机器学习 足部畸形 机器学习 U-Net, 深度学习回归模型 足底压力图像 460名个体(197名女性,263名男性)的758个足底压力样本
215 2025-07-06
Research trends in the application of artificial intelligence in nursing of chronic disease: a bibliometric and network visualization study
2025, Frontiers in digital health IF:3.2Q2
研究论文 通过文献计量和网络可视化方法研究人工智能在慢性病护理中的应用现状、热点及未来趋势 首次系统性地使用文献计量学方法分析人工智能在慢性病护理领域的研究现状和未来趋势 仅基于Web of Science数据库的文献,可能未涵盖所有相关研究 探索人工智能在慢性病护理领域的应用现状、热点话题和未来前景 2001年至2023年间发表的2438篇关于人工智能和慢性病护理的文献 医疗健康信息学 慢性病 文献计量分析、网络可视化 NA 文献数据 2438篇文献
216 2025-07-06
Neural decoding of Aristotle tactile illusion using deep learning-based fMRI classification
2025, Frontiers in neuroscience IF:3.2Q2
研究论文 本研究利用功能磁共振成像(fMRI)和基于深度学习的分析方法,探索了亚里士多德触觉错觉的神经解码 首次将深度学习方法应用于fMRI数据,以分类亚里士多德触觉错觉的感知,并识别相关脑区 基于刺激的分类任务准确率较低(约50%),未能区分三种触觉刺激类型 识别与亚里士多德触觉错觉相关的脑区并开发分类模型 30名参与者的fMRI数据和触觉感知记录 神经科学与机器学习 NA fMRI, 深度学习 CNN, SFCN fMRI数据 30名参与者
217 2025-07-05
Application of deep learning for multi-scale behavioral analysis in SNCA E46K Parkinson's disease drosophila
2025-Dec, Cognitive neurodynamics IF:3.1Q2
研究论文 本文介绍了一种自动化的多尺度行为表型分析流程,用于基于运动特征分类与帕金森病相关的表型 结合无标记姿态估计和无监督聚类技术,从果蝇的自发行为序列中提取运动特征和行为模式,提高了帕金森病症状识别的准确性 仅使用果蝇作为模型生物,结果可能不完全适用于人类帕金森病研究 开发一种客观且可扩展的方法来分析果蝇中与帕金森病相关的行为 野生型和Synuclein Alpha E46K突变型果蝇 数字病理学 帕金森病 无标记姿态估计,无监督聚类 深度学习 视频 未明确提及样本数量,使用野生型和突变型果蝇
218 2025-07-05
Mifnet: a MamBa-based interactive frequency convolutional neural network for motor imagery decoding
2025-Dec, Cognitive neurodynamics IF:3.1Q2
research paper 提出了一种基于MamBa的交互式频率卷积神经网络MIFNet,用于解码运动想象(MI)脑电图(EEG)信号 MIFNet通过非重叠频率分解、ConvEncoder模块和基于MamBa的时间模块,系统整合了频谱、空间和时间特征提取,有效解决了现有方法在捕获全局时间依赖性、保持位置一致性和计算效率方面的局限性 未提及具体局限性 提高运动想象(MI)脑电图(EEG)信号的解码性能 运动想象(MI)脑电图(EEG)信号 脑机接口(BCI) NA 非重叠频率分解、选择性状态空间模型(SSMs) CNN与SSMs的混合模型 EEG信号 三个公共MI-EEG数据集(BCIC-IV-2A、OpenBMI和High Gamma)
219 2025-07-05
CT-based deep learning radiomics analysis for preoperative Lauren classification in gastric cancer and explore the tumor microenvironment
2025-Dec, European journal of radiology open IF:1.8Q3
研究论文 本研究探讨了基于CT的深度学习放射组学分析在胃癌Lauren分型术前区分中的有效性,并探索了肿瘤微环境 结合放射组学特征和临床信息构建的列线图在区分Lauren分型方面表现出色,并通过转录组学分析揭示了不同Lauren亚型间的微环境异质性 研究样本量有限,且外部验证队列的样本量相对较小 术前区分胃癌Lauren分型并探索肿瘤微环境 胃癌患者 数字病理 胃癌 CT成像,RNA测序 深度学习放射组学分析(DLRA) CT图像,RNA测序数据 578名患者(训练队列311人,内部验证队列132人,外部验证队列135人)
220 2025-07-05
Multiparametric MRI-based machine learning system of molecular subgroups and prognosis in medulloblastoma
2025-Aug, European radiology IF:4.7Q1
研究论文 使用基于多参数MRI的机器学习系统识别髓母细胞瘤的分子亚群并预测预后 提出了一种名为Bi-ResNet-MB的新型多参数卷积神经网络,用于分子亚群分类,并建立了基于XGBoost的预后模型和新的风险分层系统M2R Score 样本量相对较小(139名患者),且仅在单一医疗中心进行验证 通过人工智能准确识别髓母细胞瘤的分子亚群并预测临床结果 髓母细胞瘤患者 数字病理学 髓母细胞瘤 MRI Bi-ResNet-MB, XGBoost 图像 139名患者(训练集),108名患者(验证集)
回到顶部