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 23937 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-04-26 |
Envelope spectrum knowledge-guided domain invariant representation learning strategy for intelligent fault diagnosis of bearing
2025-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.03.004
PMID:40102111
|
research paper | 该研究提出了一种基于包络谱知识引导的领域不变表示学习策略（DIRLs），用于轴承在不同工况下的智能故障诊断 | 通过包络谱知识蒸馏捕获傅里叶特征作为领域不变特征，并设计了一种创新的损失函数以最大化健康状态表示的二范式度量，丰富了表示的多样性 | 未明确提及具体局限性，但可能依赖于特定数据集的有效性 | 开发一种能够在不同工况下进行轴承故障诊断的智能方法 | 轴承故障诊断 | machine learning | NA | envelope spectrum knowledge distillation | domain-invariant representation learning strategy (DIRLs) | signal data | Paderborn-bearing数据集和私有轴承数据集 |
| 502 | 2025-04-03 |
Closing the gap: commercialized deep learning solutions for knee MRI are already transforming clinical practice
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11550-z
PMID:40172638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 503 | 2025-04-03 |
Reply to the Letter to the Editor: MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11552-x
PMID:40172639
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 504 | 2025-04-26 |
Predicting post-hepatectomy liver failure in patients with hepatocellular carcinoma: nomograms based on deep learning analysis of gadoxetic acid-enhanced MRI
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11173-w
PMID:39528755
|
研究论文 | 本研究旨在开发基于深度学习的钆塞酸增强MRI分析的列线图，用于预测肝细胞癌患者肝切除术后肝功能衰竭 | 利用深度学习算法测量钆塞酸增强肝胆期MRI中非肿瘤肝脏、预期残余肝脏和脾脏的体积及信号强度，构建预测模型并开发在线计算器 | 回顾性研究设计，样本仅来自两个转诊中心 | 预测肝细胞癌患者肝切除术后肝功能衰竭风险 | 接受钆塞酸增强MRI和肝切除术的肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习算法 | 医学影像 | 1760名患者（1395名男性，平均年龄60±10岁） |
| 505 | 2025-04-26 |
Automatic prediction of stroke treatment outcomes: latest advances and perspectives
2025-May, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00462-y
PMID:40271393
|
综述 | 本文综述了深度学习在预测中风治疗结果中的最新进展和应用 | 利用多模态信息（包括最终梗死数据）来更好地预测长期功能结果 | 医学图像分析领域内常见的数据标准化挑战 | 预测中风干预的结果以促进临床决策和改善患者护理 | 中风患者 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 脑部扫描、医疗报告、EEG、ECG、EMG等传感器信息 | NA |
| 506 | 2025-04-26 |
A multimodal deep learning-based algorithm for specific fetal heart rate events detection
2025-Apr-28, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0334
PMID:39484683
|
研究论文 | 开发了一种基于多模态深度学习的算法，用于检测特定的胎儿心率事件，以增强胎儿健康的自动监测和智能评估 | 结合多种特征提取技术和深度学习算法，提出了一种多模型深度神经网络和预融合深度学习模型，用于准确分类来自胎心宫缩图信号的多模态参数 | 在分类四种不同的减速模式时，准确率为67.0%，其中晚期减速的准确率为80.9%，延长减速的准确率为98.9% | 开发一种算法，用于检测特定的胎儿心率事件，以增强胎儿健康的自动监测和智能评估 | 胎儿心率（FHR）和子宫收缩信号 | 机器学习 | 胎儿健康监测 | 深度学习 | 多模型深度神经网络和预融合深度学习模型 | 信号数据 | 基于专家标记的数据 |
| 507 | 2025-04-26 |
Food Freshness Prediction Platform Utilizing Deep Learning-Based Multimodal Sensor Fusion of Volatile Organic Compounds and Moisture Distribution
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00254
PMID:40123082
|
研究论文 | 开发了一种结合多维传感技术和基于深度学习的动态融合方法，用于精确监测牛肉的腐败过程 | 引入自注意力机制和SENet缩放特征到多模态深度学习模型中，自适应融合并聚焦传感器的重要特征 | 实际应用中，单源数据的局限性和多模态数据交叉验证的挑战可能影响准确性 | 提高食品新鲜度预测的准确性，特别是牛肉的腐败监测 | 牛肉 | 机器学习 | NA | 表面增强拉曼散射(SERS)、低场核磁共振(LF-NMR) | 多模态深度学习模型 | 挥发性有机化合物(VOCs)和水分分布数据 | 未明确提及具体样本数量 |
| 508 | 2025-04-26 |
NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02789
PMID:40126565
|
研究论文 | 开发了一种基于NiO/ZnO纳米复合材料的多模态智能MEMS气体传感器，用于提高对多种挥发性有机化合物（VOCs）的敏感性和选择性 | 通过精确调控NiO和ZnO纳米复合比例，实现了对不同VOCs的材料特异性选择性，并结合多任务深度学习模型进行实时定量检测 | NA | 提高气体传感器阵列对多种VOCs的敏感性和选择性，特别是在多变环境条件下 | 挥发性有机化合物（VOCs），特别是乙二醇（EG）和柠檬烯（LM） | 传感器技术 | NA | 纳米复合材料制备，多任务深度学习 | 多任务深度学习模型 | 气体传感器数据 | NA |
| 509 | 2025-04-26 |
Spider-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Speed via Magnetic Induction
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00403
PMID:40152352
|
research paper | 本文设计并制造了一种基于蜘蛛感知机制的双模式离子凝胶传感器，集成了风速和压力检测功能 | 结合蜘蛛的感知机制，开发了具有双模式检测功能的离子凝胶传感器，能够同时检测风速和压力，并在智能运动识别系统中结合深度学习算法达到96.83%的准确率 | NA | 开发多功能、高灵敏度、宽检测范围和优异耐久性的柔性传感器 | 风速和压力检测传感器 | flexible sensors | NA | magnetic induction, capacitive design, deep learning algorithms | deep learning | impedance signal, capacitive signal | NA |
| 510 | 2025-04-26 |
Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03621
PMID:40167999
|
研究论文 | 本文提出了一种结合深度学习、微流控技术和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子分型 | 创新性地将深度学习、微流控芯片和SERS技术结合，实现了外泌体的高效捕获、富集和分析，提高了NSCLC分型的准确性 | 未提及该方法在临床样本中的验证情况，且样本量可能有限 | 开发一种非侵入性方法用于NSCLC的早期诊断和精确分型 | 非小细胞肺癌（NSCLC）细胞系的外泌体 | 数字病理学 | 肺癌 | 表面增强拉曼散射（SERS）、微流控技术 | 深度学习模型（未明确说明具体类型） | 光学信号（SERS光谱） | 三种不同的NSCLC细胞系和正常细胞系 |
| 511 | 2025-04-26 |
FusionXNet: enhancing EEG-based seizure prediction with integrated convolutional and Transformer architectures
2025-Apr-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adce33
PMID:40245880
|
研究论文 | 提出了一种结合CNN和Transformer的混合模型FusionXNet，用于提升基于EEG的癫痫发作预测性能 | 设计了令牌合成单元，结合CNN的局部特征提取和Transformer的全局注意力机制，提升了EEG信号的特征表示能力 | 模型仅在公开数据集上进行了验证，未说明在其他数据集上的泛化能力 | 开发一种混合模型以提高癫痫发作预测的准确性和可靠性 | 癫痫患者的EEG信号 | 机器学习 | 癫痫 | EEG信号分析 | CNN与Transformer混合模型 | EEG信号数据 | 波士顿儿童医院和麻省理工学院的公开数据集 |
| 512 | 2025-04-26 |
Informing Deep Learning of Sensing Data with Physics and Chemistry
2025-Apr-25, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c01075
PMID:40275811
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 513 | 2025-04-26 |
Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth
2025-Apr-25, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70074
PMID:40276961
|
研究论文 | 开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度（OSD），并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍（SDB）和认知障碍的关系 | 提出了一种基于深度学习的连续睡眠深度测量方法，优于传统的离散睡眠分期方法 | 未提及具体局限性 | 开发并验证一种数据驱动的连续睡眠深度测量方法 | 18,116名患者的21,787份多导睡眠图记录 | 机器学习 | 睡眠呼吸障碍、认知障碍 | 深度学习 | CNN | EEG信号 | 18,116名患者的21,787份多导睡眠图记录 |
| 514 | 2025-04-26 |
AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices
2025-Apr-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202417414
PMID:40277838
|
综述 | 本文探讨了人工智能驱动的摩擦纳米发电机（TENGs）在自供电智能传感器和智能设备中的协同潜力 | 将人工智能与TENGs结合，通过优化材料、制造工艺及嵌入机器学习和深度学习算法，提升能量收集、预测性维护和动态性能优化 | 当前面临材料优化、制造技术、设计策略和输出稳定性等挑战 | 探索AI驱动的TENG系统在可持续能源收集和智能传感中的应用 | 摩擦纳米发电机（TENGs）及其与人工智能的结合 | 可持续能源与智能传感 | NA | 机器学习和深度学习算法 | NA | 机械运动数据 | NA |
| 515 | 2025-04-26 |
Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction
2025-Apr-25, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11197-4
PMID:40279083
|
研究论文 | 本研究提出了一种新型混合深度学习模型Graph-Aware AURALSTM，用于高精度预测分子性质 | 结合多种图神经网络架构（GCNs、GATs、GINs）并行结构，全面捕捉分子的多维结构特征，并通过BiLSTM评估时间关系以增强分子特征分类 | 未提及具体局限性 | 提高分子性质预测的准确性 | 分子数据 | 机器学习 | NA | GNN（Graph Neural Network）、GCN（Graph Convolutional Networks）、GAT（Graph Attention Networks）、GIN（Graph Isomorphism Networks）、BiLSTM | AURALSTM（Attentive Unified Representation Architecture-Long Short-Term Memory） | 分子结构数据 | 八个基准数据集 |
| 516 | 2025-04-26 |
The use of ChatGPT in the dermatological field: a narrative review
2025-Apr-24, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae546
PMID:39690824
|
综述 | 本文探讨了ChatGPT在皮肤病学领域的应用及其对皮肤健康管理的潜在影响 | 探索了ChatGPT这一先进语言模型在皮肤病学中的创新应用及其与医疗领域的协同关系 | 讨论了与使用ChatGPT相关的伦理和法律问题，但未深入具体解决方案 | 研究ChatGPT在皮肤病学中的应用及其对医疗诊断和治疗的潜在贡献 | ChatGPT在皮肤病学中的应用及其效率与准确性的初步数据 | 自然语言处理 | 皮肤病 | NA | ChatGPT | 文本 | NA |
| 517 | 2025-04-26 |
Reparameterization lightweight residual network for super-resolution of brain MR images
2025-Apr-24, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc935
PMID:40185120
|
研究论文 | 本文提出了一种基于BSRN和结构重参数化的轻量级超分辨率MRI模型，用于提高脑部MR图像的分辨率 | 结合结构重参数化技术，在训练时采用多分支结构，在推理时将其整合为单个3×3卷积，显著降低计算复杂度和存储需求 | 实验仅在IXI数据集上进行验证，未在其他数据集或实际临床环境中测试 | 开发一种轻量级的超分辨率方法，用于提高脑部MR图像的质量 | 脑部磁共振图像(MRI) | 计算机视觉 | NA | 深度学习 | BSRN结合结构重参数化 | 医学图像(MRI) | IXI数据集 |
| 518 | 2025-04-26 |
Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration
2025-Apr-24, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3562425
PMID:40272955
|
研究论文 | 本文提出了一种基于图拉普拉斯正则化的可解释性网络，用于图像恢复任务，如去噪和插值 | 引入了一种新的ℓ范数图平滑先验——梯度图拉普拉斯正则化器（GGLR），并通过展开不同复杂度的ADMM算法构建了可解释性网络 | 更复杂的展开网络需要更多的标记数据来训练更多参数 | 解决通用深度学习网络在图像恢复中缺乏数学可解释性、需要大量训练数据和协变量偏移脆弱性的问题 | 图像恢复（去噪和插值） | 计算机视觉 | NA | ADMM算法、图学习模块 | 展开式前馈网络 | 图像 | NA |
| 519 | 2025-04-26 |
In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data
2025-Apr-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3563902
PMID:40272952
|
研究论文 | 提出了一种基于面部表情和行为步态的新型多模态体外诊断方法，用于帕金森病的早期检测 | 使用轻量级深度学习模型进行特征提取和特征融合，提高了诊断准确性和易用性，并建立了最大的多模态帕金森病数据集 | 未提及方法在临床环境中的实际应用效果和长期稳定性 | 开发一种非侵入性、低成本的帕金森病早期体外诊断方法 | 帕金森病患者的面部表情和行为步态数据 | 数字病理学 | 帕金森病 | 深度学习 | 轻量级深度学习模型 | 面部表情和行为步态数据 | 与医院合作建立的最大多模态帕金森病数据集，具体样本量未提及 |
| 520 | 2025-04-26 |
COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties
2025-Apr-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00205
PMID:40272990
|
research paper | 本文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对性质的贡献 | 引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标 | 目前主要应用于分类任务，如结合位点识别，且准确性有限（40-45%） | 开发一种可解释的深度学习模型，用于识别蛋白质序列中关键单体对性质的贡献 | 抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白 | natural language processing | NA | 深度学习（DL）、可解释人工智能（XAI） | DL | protein sequences | 主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集 |