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 32705 篇文献，本页显示第 9841 - 9860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9841 | 2025-05-31 |
Three-Blind Validation Strategy of Deep Learning Models for Image Segmentation
2025-May-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050170
PMID:40423027
|
研究论文 | 提出了一种称为三盲验证策略的新验证框架，用于在主观性和标签变异性显著的情况下严格评估分割模型 | 引入了三盲验证策略，通过独立专家评估混合的分割结果，以无偏见地评估模型性能并揭示系统性问题 | 未提及具体的样本数量或数据集的多样性限制 | 介绍并证明这种验证策略作为一种可推广的框架，用于主观分割任务中的稳健模型评估 | 图像分割模型 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 9842 | 2025-05-31 |
IEWNet: Multi-Scale Robust Watermarking Network Against Infrared Image Enhancement Attacks
2025-May-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050171
PMID:40423028
|
research paper | 提出了一种名为IEWNet的多尺度鲁棒水印网络，用于抵抗红外图像增强攻击 | 结合UDTCWT提取图像特征，并开发了一个针对深度学习和经典攻击的噪声层 | 未提及具体的数据集规模或实验条件的限制 | 提高红外图像水印在增强攻击下的鲁棒性 | 红外图像 | computer vision | NA | Undecimated Dual Tree Complex Wavelet Transform (UDTCWT) | IEWNet | image | 六个公共数据集 | NA | NA | NA | NA |
| 9843 | 2025-05-31 |
Multi-Threshold Remote Sensing Image Segmentation Based on Improved Black-Winged Kite Algorithm
2025-May-19, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10050331
PMID:40422161
|
研究论文 | 提出了一种名为IBKA-OTSU的自适应多阈值图像分割方法，用于解决现有基于深度学习的图像分割方法对大规模标注数据集和高计算复杂度的依赖问题 | 通过系统改进核心算法组件（包括种群初始化策略、攻击行为模式、迁移机制和基于对立的学习策略），显著提升了复杂遥感场景的处理能力，并将改进的智能优化算法与OTSU阈值方法创新性结合，建立了专门针对遥感图像的多阈值分割模型 | NA | 提出一种自适应多阈值图像分割方法，以解决现有深度学习方法的局限性 | 遥感图像 | 计算机视觉 | NA | IBKA-OTSU多阈值分割方法 | OTSU | 图像 | ISPRS Potsdam基准数据集中的代表性样本 | NA | NA | NA | NA |
| 9844 | 2025-05-31 |
Recognizing Epithelial Cells in Prostatic Glands Using Deep Learning
2025-05-18, Cells
IF:5.1Q2
DOI:10.3390/cells14100737
PMID:40422240
|
research paper | 该研究开发了一种名为GlandNet的深度学习网络，用于识别前列腺活检组织中的腺上皮细胞 | 首次开发了GlandNet这一集成机器学习网络，结合半监督学习和人类与AI预测，提高了对前列腺腺上皮细胞的识别能力 | 研究仅针对早期前列腺癌患者的活检样本，样本量相对有限 | 开发AI方法用于前列腺癌病理诊断中的腺上皮细胞识别 | 前列腺活检组织中的腺上皮细胞 | digital pathology | prostate cancer | Feulgen-Thionin染色 | GlandNet (深度学习网络) | image | 82名活动监测患者的110针活检样本，共1,264,772个细胞中心核斑块 | NA | NA | NA | NA |
| 9845 | 2025-05-31 |
Evaluating Second-Generation Deep Learning Technique for Noise Reduction in Myocardial T1-Mapping Magnetic Resonance Imaging
2025-May-18, Diseases (Basel, Switzerland)
DOI:10.3390/diseases13050157
PMID:40422589
|
研究论文 | 评估第二代深度学习技术在心肌T1映射磁共振成像中降噪的效果 | 首次在心肌T1映射中评估超分辨率深度学习重建（SR-DLR）技术对降噪和测量一致性的影响 | 单中心回顾性研究，样本量较小（36例患者） | 评估SR-DLR在心肌T1映射中的降噪效果和测量一致性 | 心肌T1映射磁共振成像 | 数字病理 | 心血管疾病 | 磁共振成像（MRI）、超分辨率深度学习重建（SR-DLR） | 深度学习 | 图像 | 36例患者和7个自制模型 | NA | NA | NA | NA |
| 9846 | 2025-05-31 |
A Transfer Learning-Based VGG-16 Model for COD Detection in UV-Vis Spectroscopy
2025-May-17, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050159
PMID:40423016
|
研究论文 | 本文提出了一种基于迁移学习的VGG-16模型，用于紫外-可见光谱中的化学需氧量(COD)检测 | 将一维光谱转换为二维光谱图像，并利用迁移学习的VGG-16模型进行特征提取和建模，显著提高了COD预测的准确性 | 训练深度学习模型需要大量水样数据集，且数据标注任务复杂 | 快速准确地检测水体中的化学需氧量(COD)，以保护环境 | 水体中的化学需氧量(COD) | 计算机视觉 | NA | 紫外-可见光谱(UV-Vis spectroscopy) | VGG-16, CNN | 图像 | NA | NA | NA | NA | NA |
| 9847 | 2025-05-31 |
Noise Suppressed Image Reconstruction for Quanta Image Sensors Based on Transformer Neural Networks
2025-May-17, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050160
PMID:40423017
|
research paper | 提出了一种基于Transformer神经网络的量子图像传感器噪声抑制重建方法 | 结合卷积神经网络和Transformer，通过Anscombe变换及串并行模块增强去噪性能和场景适应性 | NA | 解决量子图像传感器在低光成像中的Poisson噪声问题 | 量子图像传感器（QIS） | computer vision | NA | deep learning | CNN, Transformer | image | NA | NA | NA | NA | NA |
| 9848 | 2025-05-31 |
Deep Learning-Based Classification of CRISPR Loci Using Repeat Sequences
2025-05-16, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00174
PMID:40261207
|
研究论文 | 提出了一种基于深度学习的CRISPR位点分类方法CRISPRclassify-CNN-Att，仅利用重复序列进行分类 | 首次提出仅基于重复序列的CRISPR位点分类方法，结合CNN和自注意力机制，采用堆叠策略和迁移学习解决样本不平衡问题 | 对于样本量较少的亚型分类准确性仍有提升空间 | 开发不依赖cas基因的CRISPR-Cas系统分类方法 | CRISPR位点的重复序列 | 机器学习 | NA | 深度学习 | CNN, 自注意力机制 | 序列数据 | 多种亚型的CRISPR位点样本（具体数量未提及） | NA | NA | NA | NA |
| 9849 | 2025-05-31 |
Unleashing the Potential of Residual and Dual-Stream Transformers for the Remote Sensing Image Analysis
2025-May-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050156
PMID:40423013
|
研究论文 | 本文提出了一种结合ResNet50 V2和Vision Transformer (ViT)架构的双流ResV2ViT模型，用于遥感卫星图像的分类 | 通过双流方法结合ResNet50 V2和ViT，同时提取局部空间特征和全局上下文信息，提高了分类性能 | 未提及具体局限性 | 提升遥感卫星图像分类的准确性和效率 | 遥感卫星图像 | 计算机视觉 | NA | 深度学习 | ResV2ViT (结合ResNet50 V2和ViT) | 图像 | RSI-CB256数据集和另一个包含21个类别的数据集 | NA | NA | NA | NA |
| 9850 | 2025-05-31 |
Beyond Handcrafted Features: A Deep Learning Framework for Optical Flow and SLAM
2025-May-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050155
PMID:40423012
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）的视觉同步定位与地图构建（SLAM）新方法，用于创建鲁棒的地图 | 利用CNN从预训练模型的中间层提取特征进行光流估计，通过分析数千种层和滤波器组合的偏移误差，找到具有最小偏移误差的特定层和滤波器组合 | NA | 提高视觉SLAM在视角变化、遮挡和光照变化等环境挑战下的鲁棒性和准确性 | 视觉SLAM系统 | 计算机视觉 | NA | CNN | CNN | 图像 | 六个公开可用的数据集 | NA | NA | NA | NA |
| 9851 | 2025-05-31 |
Biomimetic Computing for Efficient Spoken Language Identification
2025-May-14, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10050316
PMID:40422146
|
研究论文 | 本文提出了一种结合仿生优化技术和深度学习的DBODL-MSLIS方法，用于提高口语语言识别的准确性和效率 | 整合了仿生优化技术（如Dung Beetle Optimization）和深度学习（LSTM网络），通过模拟自然界智能行为优化特征选择和分类性能 | 未提及具体的数据集规模限制或跨语言泛化能力的详细评估 | 提升多语言环境下口语语言识别的准确性和效率 | 多语言口语数据集（IIIT Spoken Language数据集） | 自然语言处理 | NA | Dung Beetle Optimization (DBO), 离散小波变换(DWT), 零交叉率(ZCR), 贝叶斯优化(BO) | LSTM | 语音信号 | 基于IIIT Spoken Language数据集（具体数量未说明） | NA | NA | NA | NA |
| 9852 | 2025-05-31 |
Transforming 3D MRI to 2D Feature Maps Using Pre-Trained Models for Diagnosis of Attention Deficit Hyperactivity Disorder
2025-May-13, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11050056
PMID:40423258
|
研究论文 | 本研究探讨了利用预训练模型将3D MRI转换为2D特征图，结合深度学习技术高精度诊断注意力缺陷多动障碍(ADHD)的潜在效用 | 提出了一种从3D MRI图像中提取2D特征的新方法，并将这些特征与临床特征相结合用于ADHD诊断 | 研究为概念验证性质，样本量有限，且仅使用了ADHD200数据集 | 开发基于深度学习的ADHD高精度诊断工具 | ADHD患者和正常对照的MRI数据及临床特征 | 数字病理学 | 神经发育障碍 | MRI | VGG16, CNN2D, CNN1D, LSTM, GRU | 3D MRI图像和临床数据 | ADHD200数据集(具体数量未明确说明) | NA | NA | NA | NA |
| 9853 | 2025-05-31 |
Energy-Efficient Fall-Detection System Using LoRa and Hybrid Algorithms
2025-May-12, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10050313
PMID:40422143
|
研究论文 | 介绍了一种结合LoRa技术和混合算法的高效能跌倒检测系统 | 提出了一种混合系统，结合了基于阈值的初步检测和基于CNN-LSTM的深度学习模型，以提高分类准确性，并通过LoRa技术实现长距离、低能耗的通信 | 实验中使用的是模拟跌倒数据，可能无法完全反映真实场景中的复杂性 | 开发一种高效能、高精度的跌倒检测系统，以提升老年人和行动不便人士的安全和生活质量 | 老年人和行动不便人士 | 可穿戴设备 | 老年疾病 | LoRa, CNN, LSTM | CNN-LSTM | 加速度数据 | 实验中使用模拟跌倒数据和日常活动数据，具体样本数量未提及 | NA | NA | NA | NA |
| 9854 | 2025-05-31 |
MultiSEss: Automatic Sleep Staging Model Based on SE Attention Mechanism and State Space Model
2025-May-03, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10050288
PMID:40422118
|
research paper | 提出了一种名为MultiSEss的创新深度学习架构，用于解决自动睡眠阶段分类中的关键问题 | 结合了多尺度卷积模块和Squeeze-and-Excitation注意力机制，并采用状态空间序列耦合模块来更准确地捕获和整合多模态数据之间的相关性 | 未提及具体的局限性 | 提高自动睡眠阶段分类的准确性，以改善睡眠障碍的诊断和治疗 | 睡眠阶段分类 | machine learning | sleep disorders | 深度学习 | CNN, SE注意力机制, 状态空间模型 | 多模态数据 | Sleep-EDF-20和Sleep-EDF-78数据集 | NA | NA | NA | NA |
| 9855 | 2025-05-31 |
A Bio-Inspired Learning Dendritic Motion Detection Framework with Direction-Selective Horizontal Cells
2025-May-02, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10050286
PMID:40422116
|
research paper | 提出了一种受生物启发的可学习水平细胞树突神经元模型（HCdM），用于高效且鲁棒的运动方向检测 | HCdM模型模仿树突神经元的局部处理机制，通过突触学习修剪不必要部分，在噪声图像中保持高准确度，特别是在椒盐噪声下表现优异 | 未来研究需要将HCdM与在复杂视觉场景中表现优异的SOTA模型结合以增强其适应性 | 开发一种高效且鲁棒的运动方向检测模型 | 运动方向检测 | computer vision | NA | NA | HCdM | image | NA | NA | NA | NA | NA |
| 9856 | 2025-05-31 |
Aligning, Autoencoding and Prompting Large Language Models for Novel Disease Reporting
2025-05, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3534586
PMID:40031357
|
research paper | 提出了一种基于提示的深度学习框架PromptLLM，用于准确高效地生成新疾病的放射学报告 | 通过视觉图像与文本报告的对齐、无标签数据的自编码以及提示LLM学习新疾病的知识和写作风格，减少对大量标注数据的依赖 | 实验仅针对COVID-19和多种胸部疾病进行验证，可能在其他疾病上的泛化能力有限 | 开发一种能够在新疾病数据有限的情况下生成准确放射学报告的方法 | 放射学图像和新疾病的报告生成 | natural language processing | COVID-19, thorax diseases | prompt-based deep learning | LLM | image, text | 仅使用1%的训练数据 | NA | NA | NA | NA |
| 9857 | 2025-05-31 |
Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110052
PMID:40127518
|
研究论文 | 开发并验证了一种基于深度学习的全身18F-FDG PET/CT图像病灶分割AI模型，适用于多种临床队列 | 提出了一种不依赖病灶位置和部位的深度学习自动分割模型，并在多种未见过的临床队列中进行了验证 | 模型在测试集和PHEO队列中遗漏了小体积和低摄取病灶，且在OS和ST队列中假阳性和假阴性病灶的体积和摄取无显著差异 | 开发一种适用于全身18F-FDG PET/CT图像的自动病灶分割AI模型 | 全身18F-FDG PET/CT图像中的病灶 | 数字病理学 | 多种癌症（骨肉瘤、神经母细胞瘤、儿童实体瘤、成人嗜铬细胞瘤/副神经节瘤） | 18F-FDG PET/CT成像 | 3D U-Net（特别是3D full resolution nnUNet） | 3D医学影像 | 训练、验证和测试集共1014例全身FDG-PET/CT图像，外加3个未见过的临床队列（OS队列13例，ST队列14例，PHEO队列40例） | NA | NA | NA | NA |
| 9858 | 2025-05-31 |
IR-GPT: AI Foundation Models to Optimize Interventional Radiology
2025-May, Cardiovascular and interventional radiology
IF:2.8Q2
DOI:10.1007/s00270-024-03945-0
PMID:40140092
|
研究论文 | 本文探讨了如何为介入放射学（IR）定制基础人工智能（AI）模型，提出了IR-GPT的设计理念 | 首次提出为介入放射学定制基础AI模型IR-GPT，旨在提供一个统一的AI平台 | 未具体说明模型实现细节及实际应用效果 | 优化介入放射学中的AI应用 | 介入放射学相关的AI基础模型 | 数字病理学 | NA | 深度学习 | GPT | 文本、医学图像 | NA | NA | NA | NA | NA |
| 9859 | 2025-05-31 |
Unsupervised Test-Time Adaptation for Hepatic Steatosis Grading Using Ultrasound B-Mode Images
2025-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3555180
PMID:40138246
|
研究论文 | 本文提出了一种无监督的测试时间自适应方法，用于超声B模式图像的肝脏脂肪变性分级 | 提出了一种测试时间批量归一化（TTN）技术，专门针对标签分布变化引起的域偏移，通过调整训练好的卷积神经网络模型中批量归一化层的选定特征来实现无监督自适应 | 方法仅在两个不同机构收集的腹部超声数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力 | 解决肝脏脂肪变性分级中因临床环境差异导致的域偏移问题，提高模型在不同临床环境中的泛化能力 | 超声B模式图像中的肝脏脂肪变性分级 | 数字病理学 | 肝脏疾病 | 无监督域适应技术 | CNN | 图像 | 两个不同机构收集的腹部超声数据集 | NA | NA | NA | NA |
| 9860 | 2025-05-31 |
Predicting the structures of cyclic peptides containing unnatural amino acids by HighFold2
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf202
PMID:40350698
|
research paper | 本文介绍了一种名为HighFold2的新模型，用于预测含有非天然氨基酸的环肽的三维结构 | HighFold2基于AlphaFold-Multimer框架，首次将预定义的刚性基团及其初始原子坐标从天然氨基酸扩展到非天然氨基酸，并引入额外的神经网络来表征肽的原子级特征，同时构建了基于不同环化约束的环肽相对位置编码矩阵 | NA | 准确预测含有非天然氨基酸的环肽的三维结构，以促进基于环肽的药物发现 | 含有非天然氨基酸的环肽及其与蛋白质的复合物 | machine learning | NA | deep learning | HighFold2 (基于AlphaFold-Multimer框架) | 3D结构数据 | NA | NA | NA | NA | NA |