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 32371 篇文献，本页显示第 10061 - 10080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10061 | 2025-05-26 |
Detecting eavesdropping nodes in the power Internet of Things based on Kolmogorov-Arnold networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321179
PMID:40408323
|
研究论文 | 提出了一种基于Kolmogorov-Arnold网络（KANs）的创新方法，用于电力物联网中的窃听节点定位 | 利用KANs逼近任意非线性函数的强大能力，通过样条函数的灵活组合构建从异构节点特征到窃听位置的端到端映射 | NA | 探索更智能高效的异常定位方法，以应对电力物联网中的窃听攻击 | 电力物联网（PIoT）中的窃听节点 | 物联网安全 | NA | Kolmogorov-Arnold网络（KANs） | KAN | 异构节点特征 | 真实电网数据上的大量仿真和实验 | NA | NA | NA | NA |
| 10062 | 2025-05-26 |
An intelligent framework for crop health surveillance and disease management
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324347
PMID:40408612
|
research paper | 提出了一种用于作物健康监测和早期病害检测的智能框架 | 结合深度学习、云计算、嵌入式设备和物联网技术，实现大范围农田的实时植物健康监测 | 未提及具体实施中的技术挑战或数据限制 | 提高早期病害检测准确性并推荐有效的病害管理策略 | 农作物健康与病害管理 | 农业智能化 | 植物病害 | 深度学习、云计算、物联网 | CNN, MobileNet-1, MobileNet-2, ResNet-50, InceptionV3 | 图像、环境参数（温度、湿度、水位） | NA | NA | NA | NA | NA |
| 10063 | 2025-05-26 |
Forecasting monthly runoff in a glacierized catchment: A comparison of extreme gradient boosting (XGBoost) and deep learning models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321008
PMID:40408639
|
研究论文 | 本研究比较了极端梯度提升（XGBoost）和深度学习模型在冰川流域月径流预测中的表现 | 采用了一种新颖的统计方法来评估预测模型在检测径流数据转折点方面的有效性，并发现XGBoost模型在预测精度和转折点估计上优于LSTM和随机森林模型 | 研究仅针对瑞士Lotschental流域，结果可能不适用于其他地理或气候条件不同的区域 | 提高冰川流域月径流预测的准确性，以支持水资源管理、防洪、水电和灌溉 | 瑞士Lotschental冰川流域的月径流数据 | 机器学习 | NA | 时间序列分析 | XGBoost, LSTM, RF | 时间序列数据 | 20年的径流数据（2002-2021年），其中70%（2002-2015年）用于训练和校准，30%（2016-2021年）用于测试 | NA | NA | NA | NA |
| 10064 | 2025-05-26 |
Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network
2024-Dec, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.S1.S12804
PMID:38799270
|
research paper | 开发了一种基于先验知识的迭代去噪神经网络（PKAID-Net），用于降低光子计数探测器CT扫描中高分辨率虚拟单能图像（VMI）的噪声 | PKAID-Net利用低噪声VMI作为先验输入，并通过迭代构建精炼的训练数据集来提升去噪性能 | 原始方法在去噪过程中可能导致一些空间细节的丢失 | 降低光子计数探测器CT扫描中高分辨率虚拟单能图像的噪声 | 光子计数探测器CT扫描的高分辨率虚拟单能图像 | digital pathology | cardiovascular disease | CT扫描 | PKAID-Net | image | 10例患者冠状动脉CT血管造影检查 | NA | NA | NA | NA |
| 10065 | 2025-05-26 |
Local Mean Suppression Filter for Effective Background Identification in Fluorescence Images
2024-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614955
PMID:39386682
|
research paper | 提出了一种易于使用的非线性滤波器，用于在荧光显微镜图像中有效识别背景，特别适用于前景密集且对比度低的图像 | 通过比较像素强度与其局部邻域的平均强度，进行像素级滤波，并通过变化邻域大小生成多个标签，最终决定像素的最终标签 | 未提及具体局限性 | 开发一种有效的背景识别方法，用于荧光显微镜图像处理 | 荧光显微镜图像 | digital pathology | NA | 非线性滤波 | NA | image | 未提及具体样本数量 | NA | NA | NA | NA |
| 10066 | 2025-05-26 |
Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms
2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.)
DOI:10.1097/FM9.0000000000000236
PMID:40406277
|
研究论文 | 本研究比较了四种机器学习算法在预测早产方面的性能，发现transformer模型表现最佳 | 首次在早产预测中比较transformer模型与其他传统机器学习算法的性能 | 回顾性研究设计可能引入偏差，且仅在单一医疗中心进行 | 评估深度学习算法在预测早产中的适用性 | 30,965例分娩数据 | 机器学习 | 产科疾病 | 机器学习算法比较 | transformer, logistic regression, random forest, support vector machine | 临床数据 | 30,965例分娩数据（24,770例训练集，6,195例测试集） | NA | NA | NA | NA |
| 10067 | 2025-05-26 |
Artificial Intelligence and Machine Learning in Rotator Cuff Tears
2023-Sep-01, Sports medicine and arthroscopy review
IF:2.5Q2
DOI:10.1097/JSA.0000000000000371
PMID:37976127
|
综述 | 本文综述了人工智能和机器学习在肩袖撕裂诊断和管理中的当前应用及未来潜力 | 探讨了深度学习特别是卷积神经网络在肩袖撕裂MRI诊断中的高准确性，以及AI在个性化患者护理和术后结果预测中的应用 | 数据集较小，部分厚度撕裂的分类存在复杂性 | 评估AI在肩袖撕裂管理中的应用潜力 | 肩袖撕裂患者 | 数字病理学 | 肩袖撕裂 | 深度学习 | CNN | 医学影像 | NA | NA | NA | NA | NA |
| 10068 | 2025-05-25 |
A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds
2025-Aug, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108087
PMID:40328008
|
研究论文 | 提出了一种结合成本敏感学习和动态阈值的实时交通风险预测框架 | 将交通风险细分为四个等级并引入成本敏感学习，同时采用动态阈值和遗传算法优化模型性能 | 未具体说明模型在极端交通条件下的表现 | 提高实时交通风险预测的可靠性以促进主动交通安全管理 | 交通状态和风险数据 | 机器学习 | NA | 成本敏感学习(CSL), 动态阈值(DTs), 遗传算法(GA) | 机器学习/深度学习模型 | 车辆轨迹数据 | HighD数据集 | NA | NA | NA | NA |
| 10069 | 2025-05-25 |
Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish
2025-Aug, Life science alliance
IF:3.3Q1
DOI:10.26508/lsa.202503319
PMID:40399066
|
research paper | 该研究通过深度学习模型将斑马鱼幼虫的皮肤细胞图像与整体生长动态联系起来 | 首次证明仅需少量皮肤细胞图像即可预测斑马鱼的整体大小，并识别出影响模型决策的细胞特征 | 研究仅针对斑马鱼幼虫，尚未验证在其他生物或发育阶段的适用性 | 探索微观细胞特征与宏观动物生长状态之间的关联 | 斑马鱼幼虫的皮肤细胞 | computer vision | NA | 深度学习 | Vision Transformer (ViT), Grad-CAM | image | 722张皮肤细胞图像及对应的斑马鱼幼虫大小数据 | NA | NA | NA | NA |
| 10070 | 2025-05-25 |
Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation
2025-Jul, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.04.016
PMID:40306473
|
review | 本文综述了2021年至2024年间用于脑肿瘤和脑卒中分割的深度学习算法，探讨了其优势、局限性、当前研究挑战及未探索领域 | 提出了优化性能的方法，如轻量级神经网络和多层架构，并讨论了未来研究方向，如神经架构搜索方法与领域知识的结合 | 未具体说明某些算法的实际应用效果及在临床环境中的验证情况 | 探讨深度学习在脑部病变分割中的应用及其优化策略 | 脑肿瘤和脑卒中的医学图像分割 | digital pathology | brain tumor, stroke | deep learning | CNN, lightweight neural networks, multilayer architectures | image | 基于超过250篇近期综述论文的见解 | NA | NA | NA | NA |
| 10071 | 2025-05-25 |
Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine
2025-Jun-01, The British journal of radiology
DOI:10.1093/bjr/tqaf018
PMID:39878877
|
综述 | 本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响 | 探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并讨论了相关伦理问题和技术限制 | 涉及AI在骨活检中的技术限制、健康公平性、泛化性、部署问题及报销挑战 | 探讨人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献 | 骨肿瘤（原发性和继发性）的活检及样本处理 | 数字病理学 | 骨肿瘤 | 传统机器学习、深度学习、放射组学、模拟和生成模型 | NA | 图像 | NA | NA | NA | NA | NA |
| 10072 | 2025-05-25 |
Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits
2025-Jun, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2024-26057
PMID:40252763
|
研究论文 | 提出了一种结合深度学习和基因组最佳线性无偏预测（GBLUP）的混合模型（DLGBLUP），用于识别性状间潜在的非线性遗传关系 | 首次将深度学习与GBLUP结合，能够识别性状间的非线性遗传关系，为多性状评估提供了新视角 | 在法国荷斯坦奶牛群体的实际数据中，虽然检测到非线性关系，但预测准确性未显著提高 | 改进基因组预测方法，识别性状间的非线性遗传关系以提高育种值预测准确性 | 模拟数据和法国荷斯坦奶牛群体的实际数据 | 机器学习 | NA | 深度学习，GBLUP | DLGBLUP（深度学习与GBLUP结合的混合模型） | 基因组数据 | 模拟数据和法国荷斯坦奶牛群体的实际数据（具体样本量未提及） | NA | NA | NA | NA |
| 10073 | 2025-05-25 |
Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110231
PMID:40262392
|
研究论文 | 本文提出了一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题 | 首次将深度迁移学习应用于脑机接口解码器校准，提出了结合领域对抗和主动学习策略的AL-DANN模型 | 仅在猴子实验数据上进行了验证，尚未在人类数据上测试 | 减少脑机接口解码器重新校准所需的时间和数据量 | 脑机接口系统中的解码器 | 机器学习 | NA | 深度迁移学习 | AL-DANN (领域对抗神经网络结合主动学习) | 神经信号数据 | 三只猴子在不同运动任务中记录的神经信号数据 | NA | NA | NA | NA |
| 10074 | 2025-05-25 |
FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110160
PMID:40267535
|
研究论文 | 本文介绍了一种基于联邦学习的多机构脑部MRI到CT合成框架FedSynthCT-Brain，旨在解决单中心训练数据集泛化能力不足和隐私问题 | 首次将联邦学习应用于MRI到合成CT的转换，采用跨机构水平联邦学习方法，允许多个中心协作训练U-Net模型 | 仅在4个欧美中心的数据上进行验证，样本量相对有限 | 提高MRI到合成CT转换的泛化能力，同时保护数据隐私 | 脑部MRI和CT图像 | 数字病理 | NA | 联邦学习(FL) | U-Net | 医学影像(MRI和CT) | 23名患者的数据进行测试，来自4个欧美中心 | NA | NA | NA | NA |
| 10075 | 2025-05-25 |
Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110243
PMID:40273820
|
research paper | 提出了一种基于深度学习的自适应阈值模型Deep-ATM DL-LSTM，用于实时检测驾驶员困倦状态，通过皮肤电导信号动态调整阈值 | 采用双层LSTM架构处理皮肤电导信号的紧张性和相位性响应，动态计算阈值，有效解决信号噪声和个体差异问题 | NA | 提高驾驶员困倦检测的准确性和实时性，减少因困倦导致的交通事故 | 驾驶员的皮肤电导信号 | machine learning | NA | 皮肤电导信号分析 | LSTM | 生理信号 | 专业驾驶员在高速公路、城市区域、白天和夜晚以及雨雪环境下的测试数据 | NA | NA | NA | NA |
| 10076 | 2025-05-25 |
GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110176
PMID:40273822
|
研究论文 | 介绍了一个名为GDM-BC的大规模非侵入性身体成分数据集，用于智能预测妊娠期糖尿病（GDM）的风险 | 提出了一个包含大量非侵入性身体成分指标的数据集，并使用Residual Attention Fully Connected Network (RAFNet)模型在预测GDM方面取得了最佳性能（AUC为0.920） | 数据集虽然规模大，但仅包含39,438名孕妇，且GDM诊断率为19.7%，可能无法代表所有人群 | 开发一种准确且经济高效的GDM预测方法，以降低该疾病的风险和经济压力 | 39,438名孕妇，其中7,777名被诊断为GDM | 机器学习 | 妊娠期糖尿病 | 非侵入性身体成分测量 | RAFNet, 传统机器学习方法, 深度学习方法 | 身体成分数据 | 39,438名孕妇 | NA | NA | NA | NA |
| 10077 | 2025-05-25 |
Deep learning for multiple sclerosis lesion classification and stratification using MRI
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110078
PMID:40279977
|
研究论文 | 该研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症(MS)病灶分类和分层的精确度 | 结合了深度学习重建技术和双注意力机制，改进了特征提取，特别是在皮质灰质和脑干等难以诊断的区域 | NA | 提高多发性硬化症病灶分类和分层的精确度 | 多发性硬化症(MS)患者的MRI图像 | 数字病理学 | 多发性硬化症 | 高分辨率T2加权成像(T2WI)和深度学习重建(DLR) | CNN | MRI图像 | 四个公开数据集 | NA | NA | NA | NA |
| 10078 | 2025-05-25 |
Faster R-CNN approach for estimating global QRS duration in electrocardiograms with a limited quantity of annotated data
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110200
PMID:40286493
|
研究论文 | 提出一种使用少量标注数据训练深度学习对象检测模型（Faster R-CNN）来估计心电图（ECG）中全局QRS持续时间（QRSd）的方法 | 利用有限标注数据训练深度学习模型，通过将ECG记录分割成单个心跳并转换为人工图像，使用Faster R-CNN模型估计全局QRSd，减少了手动标注的需求 | 研究仅基于258条12导联10秒数字ECG记录和140名心衰门诊患者的数据，样本量相对较小 | 开发一种高效的方法，利用少量标注数据训练深度学习模型，准确估计ECG中的QRSd | 心电图（ECG）中的QRS持续时间（QRSd） | 计算机视觉 | 心血管疾病 | 深度学习对象检测 | Faster R-CNN（VGG-16, VGG-19, RESNET-18） | 图像（二进制图像和RGB图像） | 258条12导联10秒数字ECG记录，来自140名心衰门诊患者 | NA | NA | NA | NA |
| 10079 | 2025-05-25 |
Benchmarking HEp-2 cell segmentation methods in indirect immunofluorescence images - standard models to deep learning
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110150
PMID:40288291
|
研究论文 | 本文对HEp-2细胞在间接免疫荧光图像中的分割方法进行了系统性的文献回顾和基准测试，涵盖了从传统图像处理到深度学习的多种技术 | 首次对28篇关键论文中的HEp-2细胞分割技术进行了系统性回顾，并对17种未经预训练的CNN模型和8种基于ImageNet预训练的CNN模型进行了基准测试，同时探索了GAN在分割任务中的应用 | GAN在分割任务中由于数据限制和对抗训练的不稳定性导致性能下降 | 评估和比较不同的HEp-2细胞分割方法，为未来研究提供方向 | HEp-2细胞的间接免疫荧光图像 | 数字病理学 | 自身免疫疾病 | 间接免疫荧光(IIF) | CNN, GAN, Transformer | 图像 | I3A数据集（具体样本数量未提及） | NA | NA | NA | NA |
| 10080 | 2025-05-25 |
Explainable AI for sharp injury identification using transfer learning with pre-trained deep neural networks
2025-Jun, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2025.112476
PMID:40300435
|
研究论文 | 研究使用预训练的深度神经网络和迁移学习技术，开发了一种可解释的AI方法，用于自动识别和分类锐器伤 | 首次将预训练的深度神经网络和迁移学习技术应用于法医锐器伤分类，并通过类激活映射技术提供解释性分析 | 对砍伤的分类准确率较低（30%），且样本量不平衡可能影响模型性能 | 开发一种AI方法来自动识别和分类锐器伤，支持法医损伤分类 | 锐器伤（刺伤、砍伤和割伤）的图片数据 | 计算机视觉 | 法医损伤 | 迁移学习 | ResNet50, GoogLeNet, ShuffleNet-V2 | 图像 | 1161张训练图片（刺伤723、砍伤314、割伤124）和212张外部测试图片 | NA | NA | NA | NA |