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 43580 篇文献，本页显示第 26521 - 26540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26521 | 2025-10-07 |
Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach
2024-Feb-15, Building and environment
IF:7.1Q1
DOI:10.1016/j.buildenv.2023.111126
PMID:39155966
|
研究论文 | 本研究结合深度学习和机器学习方法，分析被动设计特征与住宅建筑能源负担之间的关系 | 首次将基于计算机视觉的深度学习与机器学习技术相结合，利用街景图像自动识别被动设计指标 | 研究仅限于芝加哥大都市区，被动设计特征数据仍然有限 | 探索被动设计特征在降低能源负担中的作用，为可持续城市建设提供依据 | 芝加哥大都市区的住宅建筑 | 计算机视觉, 机器学习 | NA | 计算机视觉, 街景图像分析 | CNN, 决策树回归, 随机森林回归, 支持向量回归 | 图像, 人口统计数据 | 芝加哥大都市区的Google街景图像 | NA | 卷积神经网络 | 准确率 | NA |
| 26522 | 2025-10-07 |
Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity
2024-02, Sleep medicine
IF:3.8Q1
DOI:10.1016/j.sleep.2024.01.015
PMID:38232604
|
研究论文 | 本研究开发了一种基于多模态信号和深度学习的睡眠呼吸暂停-低通气事件自动检测系统，用于阻塞性睡眠呼吸暂停的筛查和严重程度分类 | 结合鼻呼吸流、血氧饱和度和心电图信号特征，并整合人口统计学数据，使用Xception网络提升睡眠呼吸事件的检测精度 | 在低通气事件为主的参与者中分类错误率较高 | 改进睡眠呼吸暂停-低通气事件的自动检测和阻塞性睡眠呼吸暂停严重程度筛查 | 多导睡眠监测期间采集的生理信号数据和人口统计学数据 | 医疗人工智能 | 阻塞性睡眠呼吸暂停 | 多导睡眠监测 | 深度学习 | 生理信号数据（呼吸流、血氧饱和度、心电图）和人口统计学数据 | NA | NA | Xception | 准确率, AUC | NA |
| 26523 | 2025-10-07 |
Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model
2024-02, Sleep medicine
IF:3.8Q1
DOI:10.1016/j.sleep.2023.12.013
PMID:38154150
|
研究论文 | 本研究通过智能手表监测、深度学习和可解释AI模型，探索睡眠与体力活动对惊恐发作的预测作用 | 首次结合可穿戴设备数据与深度学习模型（RNN/LSTM/GRU）进行惊恐发作的7天预测，并采用SHAP模型提供临床可解释性 | 样本量适中且依赖自评问卷 | 预测未来一周的惊恐发作、状态焦虑、特质焦虑和惊恐障碍严重程度 | 114名来自综合医院的惊恐障碍患者 | 机器学习 | 惊恐障碍 | 智能手表监测、深度学习、可解释人工智能 | RNN, LSTM, GRU | 睡眠数据、体力活动数据、心率数据、临床问卷数据 | 114名患者（2020年6月16日至2022年6月10日） | NA | RNN, LSTM, GRU | 准确率 | NA |
| 26524 | 2025-10-07 |
Machine learning applications for early detection of esophageal cancer: a systematic review
2023-07-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02235-y
PMID:37460991
|
系统综述 | 系统综述了机器学习在食管癌早期检测中的应用现状 | 首次系统评估机器学习特别是卷积神经网络在食管癌早期检测中的性能表现 | 现有文献有限，存在类别不平衡和偏差问题，需要跨机构验证 | 总结和讨论基于机器学习的食管癌早期检测方法研究现状 | 食管癌早期检测相关研究文献 | 计算机视觉 | 食管癌 | 内窥镜成像，计算机断层扫描 | CNN | 医学图像 | 31篇研究文章 | NA | 卷积神经网络 | 准确率，灵敏度 | NA |
| 26525 | 2025-10-07 |
Neurodegeneration: 2023 update
2023-Jan, Free neuropathology
|
综述 | 本文回顾了2023年神经退行性神经病理学领域十项具有高度影响力的研究 | 整合了蛋白质组学与转录组学研究、提出新的神经病理学诊断标准、揭示TDP-43抑制隐蔽外显子包含的新致病机制、通过冷冻电镜发现TDP-43阳性包涵体核心结构 | 研究选择基于作者主观判断，可能未涵盖所有重要进展；聚焦人类组织研究，可能忽略其他模型系统的发现 | 总结神经退行性疾病领域最新研究进展 | 人类神经退行性疾病组织样本 | 数字病理学 | 老年性疾病 | 蛋白质组学, 转录组学, 冷冻电镜, 功能基因组学, 深度学习 | 多示例学习 | 组织样本, 蛋白质数据, 基因表达数据, 图像数据 | NA | NA | NA | NA | NA |
| 26526 | 2025-04-01 |
Artificial intelligence in emergency neuroradiology: Current applications and perspectives
2025-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.11.002
PMID:39672753
|
综述 | 本文综述了人工智能在急诊神经放射学中的当前应用及未来展望 | 提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述 | 未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注 | 探讨人工智能在急诊神经放射学中的应用现状和未来发展 | 急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病 | 数字病理学 | 脑血管疾病 | 机器学习和深度学习算法 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 26527 | 2025-04-01 |
Digital twin-assisted graph matching multi-task object detection method in complex traffic scenarios
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87914-8
PMID:40155390
|
研究论文 | 提出一种基于数字孪生的跨领域目标检测迁移方法，以解决交通数据收集和标注耗时耗力的问题 | 结合数字孪生技术构建虚拟交通场景数据集，并引入基于图匹配的多任务目标检测算法，通过注意力机制和对抗训练提升模型鲁棒性 | 未提及实际部署中的计算资源消耗和实时性表现 | 提升复杂交通场景下的目标检测性能 | 虚拟和真实交通场景中的目标物体 | 计算机视觉 | NA | 数字孪生、对抗训练 | 多任务网络、图匹配模块 | 图像 | 未明确说明具体样本数量，包含虚拟生成和真实交通数据集 | NA | NA | NA | NA |
| 26528 | 2025-04-01 |
Synthesize multiple V/H directional beams for high altitude platform station based on deep-learning algorithm
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93251-7
PMID:40155442
|
研究论文 | 本文研究了将高空平台站（HAPS）与深度学习（DL）模型相结合以增强覆盖能力的方法 | 提出了一种基于60单元同心圆阵列（CCA）和深度神经网络（DNN）与改进的引力搜索算法和粒子群优化（MGSA-PSO）算法的混合方法，以动态生成多方向垂直/水平（V/H）波束 | 未提及具体实验验证或实际部署的挑战 | 增强高空平台站（HAPS）的覆盖能力，特别是在复杂地形下的道路路径覆盖 | 高空平台站（HAPS）及其波束形成系统 | 机器学习 | NA | 深度神经网络（DNN）、改进的引力搜索算法和粒子群优化（MGSA-PSO）算法 | DNN | 仿真数据 | 使用计算机仿真技术-微波工作室套件（CST）与地球探索者（EE）用户界面工具模拟真实道路路径 | NA | NA | NA | NA |
| 26529 | 2025-04-01 |
The value of predicting breast cancer with a DBT 2.5D deep learning model
2025-Mar-29, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02170-6
PMID:40155449
|
research paper | 评估基于数字乳腺断层合成（DBT）的2.5维深度学习模型在预测乳腺癌中的准确性和有效性 | 结合2.5维特征集和临床数据构建综合预测模型，展示深度学习与放射组学结合在乳腺癌早期诊断中的潜力 | 研究基于回顾性数据，样本量相对较小（361例），可能影响模型的泛化能力 | 提高乳腺癌术前预测的准确性 | 乳腺癌肿瘤病变患者 | digital pathology | breast cancer | digital breast tomosynthesis (DBT) | DCNN, logistic regression, LightGBM, multilayer perceptron | image | 361例乳腺癌患者（2018-2020年山东第一医科大学附属山东省立医院数据） | NA | NA | NA | NA |
| 26530 | 2025-04-01 |
Deep Learning Electrocardiogram Model for Risk Stratification of Coronary Revascularization Need in the Emergency Department
2025-Mar-29, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf254
PMID:40156923
|
research paper | 开发了一种深度学习模型，用于通过心电图（ECG）识别需要冠状动脉血运重建的急性冠状动脉综合征患者 | 使用卷积神经网络（CNN）模型从心电图中检测与血运重建可能性相关的模式，以指导进一步评估并减少诊断不确定性 | 模型的特异性较高但敏感性较低，相比高敏肌钙蛋白T（hs-TnT） | 识别需要冠状动脉血运重建的急性冠状动脉综合征患者，以减少诊断不确定性 | 急诊科就诊患者的心电图数据 | machine learning | cardiovascular disease | electrocardiogram (ECG) | CNN | ECG data | 训练集：144,691次急诊就诊；测试集：35,995次；外部验证集：18,673次急诊就诊 | NA | NA | NA | NA |
| 26531 | 2025-04-01 |
A DEM super resolution reconstruction method based on normalizing flow
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94274-w
PMID:40148492
|
research paper | 提出一种基于归一化流的DEM超分辨率重建方法，通过可逆网络模型学习高分辨率DEM的条件分布 | 首次将归一化流引入DEM超分辨率重建，通过可逆网络模型显式建模高分辨率DEM的条件分布 | 未讨论模型在极端地形条件下的表现 | 解决DEM超分辨率重建中的模糊和伪影问题 | 数字高程模型(DEM)图像 | computer vision | NA | 归一化流(normalizing flow) | 可逆网络模型 | DEM图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 26532 | 2025-04-01 |
Effects of a deep learning-based image quality enhancement method on a digital-BGO PET/CT system for 18F-FDG whole-body examination
2025-Mar-28, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00742-7
PMID:40148660
|
research paper | 本研究评估了数字BGO PET/CT系统中基于深度学习的图像质量增强方法（PDL）对18F-FDG全身检查的影响 | 结合BSREM图像重建和深度学习的TOF-like图像质量增强过程（PDL），显著提高了图像质量和病变的SUVmax | 研究仅基于Omni Legend 32 PET/CT系统，结果可能不适用于其他系统 | 评估PDL在数字BGO PET/CT系统中的基本特性和对图像质量的影响 | NEMA IEC体模和30例临床全身18F-FDG PET/CT检查 | digital pathology | NA | PET/CT成像，深度学习图像增强 | 深度学习（PDL） | 图像 | 30例临床全身18F-FDG PET/CT检查 | NA | NA | NA | NA |
| 26533 | 2025-04-01 |
UrbanEV: An Open Benchmark Dataset for Urban Electric Vehicle Charging Demand Prediction
2025-Mar-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04874-4
PMID:40155635
|
research paper | 介绍了一个名为UrbanEV的开放数据集，用于预测城市电动汽车充电需求 | 提供了首个涵盖充电站占用率、时长、用电量和价格等多维度数据的开放数据集，并包含天气和空间邻近性等影响因素 | 数据仅来自深圳一个城市，可能无法完全代表其他地区的充电需求模式 | 推动电动汽车充电需求预测和管理的研究 | 电动汽车充电站 | machine learning | NA | NA | 统计模型、深度学习和基于transformer的方法 | 时间序列数据 | 超过20,000个充电站，时间跨度为六个月 | NA | NA | NA | NA |
| 26534 | 2025-04-01 |
An optimized deep learning based hybrid model for prediction of daily average global solar irradiance using CNN SLSTM architecture
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95118-3
PMID:40155655
|
研究论文 | 本研究开发了一种结合CNN和SLSTM的混合深度学习模型，用于预测每日平均全球太阳辐照度 | 提出了一种结合CNN和SLSTM的混合模型，并使用黏菌优化算法优化超参数，提高了预测精度 | 未提及模型在其他地理区域的泛化能力 | 开发高精度的太阳辐照度预测模型以优化光伏系统并网 | 每日平均全球太阳辐照度 | 机器学习 | NA | 递归特征消除技术、十倍交叉验证技术 | CNN-SLSTM | 气象参数和太阳辐照度数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 26535 | 2025-04-01 |
A novel deep learning radiopathomics model for predicting carcinogenesis promotor cyclooxygenase-2 expression in common bile duct in children with pancreaticobiliary maljunction: a multicenter study
2025-Mar-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01951-5
PMID:40146354
|
研究论文 | 开发并验证了一种整合放射学和病理学影像数据的深度学习放射病理学模型（DLRPM），用于预测儿童胰胆管合流异常（PBM）患者胆道环氧合酶-2（COX-2）的表达 | 首次提出了一种整合CT和组织病理学图像的深度学习放射病理学模型（DLRPM），用于预测PBM患者胆道COX-2表达 | 需要前瞻性多中心研究进一步验证其泛化性 | 预测儿童胰胆管合流异常患者胆道COX-2的表达 | 219例PBM患者 | 数字病理 | 胰胆管合流异常 | 免疫组织化学、深度学习 | DLRPM | CT图像、H&E染色组织病理学切片 | 219例（训练集104例，内部测试集71例，外部测试集44例） | NA | NA | NA | NA |
| 26536 | 2025-04-01 |
Physics-informed neural networks with hybrid Kolmogorov-Arnold network and augmented Lagrangian function for solving partial differential equations
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92900-1
PMID:40148388
|
研究论文 | 本文提出了一种结合Kolmogorov-Arnold网络和增强拉格朗日函数的物理信息神经网络（AL-PKAN），用于解决偏微分方程 | 引入了混合编码器-解码器模型AL-PKAN，利用GRU模块和KAN模块解决传统多层感知器在PINNs中的解释性和谱偏差问题，并通过增强拉格朗日函数动态调节约束平衡 | 未提及具体的数据集或实际应用场景的验证 | 解决偏微分方程（PDEs）的数值计算问题 | 偏微分方程的数值解 | 机器学习 | NA | 物理信息神经网络（PINNs），Kolmogorov-Arnold网络（KAN），增强拉格朗日函数 | AL-PKAN（混合GRU和KAN模块的编码器-解码器模型） | 数值数据 | NA | NA | NA | NA | NA |
| 26537 | 2025-04-01 |
Application of multi-attribute decision-making combined with BERT-CNN model in the image construction of ice and snow tourism destination
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95221-5
PMID:40148433
|
研究论文 | 本研究提出了一种结合深度学习和多属性决策方法的创新评估框架，用于提升冰雪旅游目的地形象评估的科学性和准确性 | 创新性地设计了基于BERT-CNN的文本特征提取模型，并引入多属性决策方法进行属性权重分配和决策优化 | NA | 提升冰雪旅游目的地形象评估的科学性和准确性 | 冰雪旅游目的地的形象评估 | 自然语言处理 | NA | BERT, CNN | BERT-CNN | 文本 | NA | NA | NA | NA | NA |
| 26538 | 2025-04-01 |
MRI transformer deep learning and radiomics for predicting IDH wild type TERT promoter mutant gliomas
2025-Mar-27, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00884-y
PMID:40148588
|
研究论文 | 本研究通过多参数MRI序列和新型融合模型预测IDH野生型TERT启动子突变胶质瘤，同时匹配模型分类指标与患者风险分层，以制定个性化诊断和预后评估 | 提出了一种基于CrossFormer神经网络的多通道2.5D深度学习模型，并与2D深度学习模型和放射组学模型通过集成学习结合成堆叠模型，实现了较高的预测性能 | NA | 预测IDH野生型TERT启动子突变胶质瘤并实现患者风险分层 | 1185名胶质瘤患者的术前T1CE和T2FLAIR序列 | 数字病理学 | 胶质瘤 | 多参数MRI | CrossFormer神经网络、集成学习堆叠模型 | MRI图像 | 1185名胶质瘤患者 | NA | NA | NA | NA |
| 26539 | 2025-04-01 |
AI and Smart Devices in Cardio-Oncology: Advancements in Cardiotoxicity Prediction and Cardiovascular Monitoring
2025-Mar-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060787
PMID:40150129
|
review | 本文综述了人工智能和智能心脏设备在心脏肿瘤学中的应用，特别是在心脏毒性预测和心血管监测方面的进展 | 整合AI和智能心脏设备，提升心血管风险评估、早期检测和实时监测心脏毒性的能力 | 面临数据标准化、监管审批和公平获取等挑战 | 探讨AI和智能设备在心脏肿瘤学中的应用，以改善患者预后 | 癌症患者的心血管并发症 | machine learning | cardiovascular disease | machine learning (ML), deep learning (DL) | NA | biosensor data, ECG data | NA | NA | NA | NA | NA |
| 26540 | 2025-04-01 |
A Novel Diagnostic Framework with an Optimized Ensemble of Vision Transformers and Convolutional Neural Networks for Enhanced Alzheimer's Disease Detection in Medical Imaging
2025-Mar-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060789
PMID:40150131
|
research paper | 提出了一种新颖的诊断框架，结合优化的视觉变换器和卷积神经网络集合，用于增强阿尔茨海默病在医学影像中的检测 | 提出了一种结合ViT-B16和三种CNN模型（VGG19、ResNet152V2和EfficientNetV2B3）的加权平均集成技术，并使用Grasshopper优化算法确保高性能 | 未提及具体的数据集局限性或模型泛化能力的测试范围 | 开发一个高效、准确的阿尔茨海默病早期检测框架 | 阿尔茨海默病患者的大脑磁共振影像（MRI） | digital pathology | geriatric disease | 深度学习与医学影像分析 | ViT-B16, VGG19, ResNet152V2, EfficientNetV2B3 | image | 使用'OASIS'基准数据集中的大量脑部MRI影像 | NA | NA | NA | NA |