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 32372 篇文献，本页显示第 11121 - 11140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11121 | 2025-05-12 |
Monitoring and deformation of deep excavation engineering based on DFOS technology and hybrid deep learning
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01120-0
PMID:40341437
|
研究论文 | 提出了一种结合CNN、LSTM和自注意力机制的混合神经网络模型CNN-LSTM-SAM，用于深基坑位移预测 | 整合了CNN的数据特征提取能力、LSTM的长期记忆功能和自注意力机制的信息加权能力，提高了预测精度 | CNN-LSTM-SAM模型在深基坑位移分析中的应用有限 | 提高深基坑变形监测和预测的精度 | 深基坑工程 | 机器学习 | NA | DFOS技术 | CNN-LSTM-SAM | 时间序列监测数据 | 大连东港商务区某内支撑深基坑工程的位移数据 | NA | NA | NA | NA |
| 11122 | 2025-05-12 |
Deep learning-enhanced anti-noise triboelectric acoustic sensor for human-machine collaboration in noisy environments
2025-May-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59523-6
PMID:40341503
|
研究论文 | 开发了一种基于柔性纳米柱结构的抗噪声摩擦电声传感器（Anti-noise TEAS），并结合CNN深度学习模型（Anti-noise TEAS-DLM），用于嘈杂环境中的人机协作 | 通过接触传感直接捕获喉部混合模式振动的声学基频信号，并通过优化设备结构缓冲有效抑制环境噪声，结合深度学习模型实现高保真语义解码 | NA | 开发一种在嘈杂环境中实现高效人机语音交互的系统 | 人机协作系统，特别是在嘈杂环境中的应用 | 机器学习和人机交互 | NA | 深度学习，摩擦电传感 | CNN | 声学信号 | 在模拟虚拟和现实嘈杂环境中进行评估 | NA | NA | NA | NA |
| 11123 | 2025-05-12 |
Smart indoor monitoring for disabled individuals using an ensemble of deep learning models in an IoT environment
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00374-y
PMID:40341573
|
研究论文 | 本文提出了一种基于物联网环境的深度学习模型集成方法，用于智能室内监测残疾人的活动 | 提出了SIMDP-EDLIoT技术，结合了线性缩放归一化、改进的鱼鹰优化算法特征选择以及BiLSTM、GRU和CVAE三种深度学习模型的集成 | 需要进一步优化以减少能耗和延迟问题 | 提高残疾人和老年人室内活动监测的准确性和效率 | 残疾人和老年人的室内活动 | 物联网与深度学习 | 老年疾病 | 线性缩放归一化(LSN)、改进的鱼鹰优化算法(IOOA)、BiLSTM、GRU、CVAE | BiLSTM、GRU、CVAE | 传感器数据 | NA | NA | NA | NA | NA |
| 11124 | 2025-05-12 |
Accelerating multi-objective optimization of concrete thin shell structures using graph-constrained GANs and NSGA-II
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00017-2
PMID:40341580
|
研究论文 | 本文提出了一种结合图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）的新方法，用于优化混凝土薄壳结构的拓扑和厚度 | 通过结合深度学习的生成能力和进化算法的优化过程，解决了当前优化技术的基本限制，显著提高了收敛速度和解决方案的多样性及质量 | NA | 优化混凝土薄壳结构的设计，以最小化重量、挠度和应变能 | 混凝土薄壳结构 | 机器学习和结构优化 | NA | 图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II） | GAN和NSGA-II | 结构设计数据 | NA | NA | NA | NA | NA |
| 11125 | 2025-05-12 |
An automated hip fracture detection, classification system on pelvic radiographs and comparison with 35 clinicians
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98852-w
PMID:40341645
|
研究论文 | 本研究提出了一种基于卷积神经网络(CNN)的自动化系统，用于检测骨盆X光片中的髋部骨折，并与35名临床医生的诊断结果进行比较 | 使用YOLOv5和三种预训练DNN架构进行髋部骨折检测和预测，在准确性和速度上显著优于临床医生 | 研究仅基于三家医院的骨盆X光片数据，可能无法代表所有临床场景 | 提高骨盆和髋部骨折的诊断准确性和效率 | 骨盆X光片中的髋部骨折 | 计算机视觉 | 骨科损伤 | CLAHE算法进行图像预处理 | YOLOv5, MobileNetV2, Xception, InceptionResNetV2 | 图像 | 来自三家医院的骨盆X光片 | NA | NA | NA | NA |
| 11126 | 2025-05-12 |
AER U-Net: attention-enhanced multi-scale residual U-Net structure for water body segmentation using Sentinel-2 satellite images
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99322-z
PMID:40341885
|
research paper | 提出了一种名为AER U-Net的深度学习模型，用于从Sentinel-2卫星图像中精确分割水体 | 结合了残差块、自注意力机制和dropout层的U-Net架构，显著提升了分割精度和泛化能力 | 未提及具体的数据集局限性或模型在极端环境条件下的表现 | 开发创新的深度学习方法以提高遥感应用中水体分割的准确性 | Sentinel-2卫星图像中的水体 | computer vision | NA | 深度学习 | AER U-Net (基于U-Net架构改进) | 卫星图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 11127 | 2025-05-12 |
Comparative analysis of machine learning and deep learning algorithms for knee arthritis detection using YOLOv8 models
2025-May, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996241308770
PMID:40012222
|
研究论文 | 比较机器学习和深度学习算法在膝关节关节炎检测中的性能，特别是YOLOv8模型的应用 | 首次在膝关节关节炎检测中应用YOLOv8分类模型，并与其他机器学习和深度学习模型进行性能比较 | 数据集规模相对较小（1650张图像），且仅使用Hold-Out方法进行数据划分 | 评估不同算法在膝关节关节炎检测中的性能，寻找最优检测方法 | 膝关节关节炎的医学图像 | 计算机视觉 | 关节炎 | YOLOv8分类模型 | k-NN, SVM, GBM, DenseNet, EfficientNet, InceptionV3, YOLOv8n-cls, YOLOv8s-cls, YOLOv8m-cls, YOLOv8l-cls, YOLOv8x-cls | 图像 | 1650张膝关节图像（分为Normal, Doubtful, Mild, Moderate, Severe五类） | NA | NA | NA | NA |
| 11128 | 2025-05-12 |
Deep learning-driven prediction in healthcare systems: Applying advanced CNNs for enhanced breast cancer detection
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109858
PMID:40020549
|
research paper | 该研究开发了一种基于CNN的乳腺癌检测系统，旨在通过深度学习提高早期检测的准确性 | 研究采用了多种CNN架构，并通过迁移学习微调的FT-ResNet50模型达到了97.54%的准确率，优于现有最先进模型 | 研究仅使用了Mini-DDSM数据集，样本量和多样性可能有限 | 通过深度学习技术提高乳腺癌的早期检测准确率，以降低死亡率 | 乳腺癌患者 | digital pathology | breast cancer | CNN, transfer learning | Basic CNN, FT-VGG19, FT-ResNet152, FT-ResNet50 | image | 1952张扫描胶片乳腺X光片 | NA | NA | NA | NA |
| 11129 | 2025-05-12 |
A novel interpretability framework for enzyme turnover number prediction boosted by pre-trained enzyme embeddings and adaptive gate network
2025-May, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.02.010
PMID:40021034
|
研究论文 | 本文提出了一种新型的可解释性框架GELKcat，用于预测酶转换数(kcat)，结合了预训练的酶嵌入和自适应门网络 | 开发了一种端到端的双表示可解释性框架，利用图变换器进行底物分子编码和CNN进行酶word2vec嵌入，并通过自适应门网络整合底物和酶特征 | NA | 提高酶转换数(kcat)的预测性能，并识别对kcat预测有显著影响的关键分子亚结构 | 酶-底物对的转换数(kcat) | 机器学习 | NA | 深度学习 | 图变换器、CNN、自适应门网络 | 分子结构数据、酶序列数据 | NA | NA | NA | NA | NA |
| 11130 | 2025-05-12 |
Artificial intelligence-enabled lipid droplets quantification: Comparative analysis of NIS-elements Segment.ai and ZeroCostDL4Mic StarDist networks
2025-May, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.02.013
PMID:40023351
|
研究论文 | 本文比较了NIS-elements Segment.ai和ZeroCostDL4Mic StarDist网络在脂滴定量分析中的应用 | 提出了一种结合商业软件和开源工具的工作流程，用于脂滴的数量和形态分析，显著加速了成像数据的处理 | 研究仅针对3T3-L1细胞分化的脂肪细胞，可能不适用于其他细胞类型 | 开发并比较两种深度学习模型在脂滴定量分析中的性能，以促进对脂滴动态的理解 | 3T3-L1细胞分化的脂肪细胞中的脂滴 | 数字病理学 | 肥胖及相关并发症 | 共聚焦活细胞成像 | Segment.ai和StarDist | 图像 | 3T3-L1细胞分化的脂肪细胞 | NA | NA | NA | NA |
| 11131 | 2025-05-12 |
Pathology report generation from whole slide images with knowledge retrieval and multi-level regional feature selection
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108677
PMID:40023962
|
研究论文 | 提出了一种基于知识检索和多层次区域特征选择的病理报告生成方法，用于从全切片图像中高效生成病理报告 | 引入了多层次区域特征编码网络和特征选择模块，设计了知识检索模块，并提出了基于大语言模型的域外应用模式 | NA | 设计一种适合临床实践的病理报告生成方法 | 全切片图像(WSIs) | 数字病理学 | 胃癌 | 深度学习 | LLM | 图像 | 公共数据集GastricADC(991张WSIs)和内部数据集Gastric-3300(3309张WSIs) | NA | NA | NA | NA |
| 11132 | 2025-05-12 |
Low dose computed tomography reconstruction with momentum-based frequency adjustment network
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108673
PMID:40023964
|
research paper | 本文提出了一种基于动量频率调整网络的低剂量计算机断层扫描（LDCT）重建方法，显著减少了收敛所需的迭代次数并提高了重建质量 | 引入了创新的频率调整网络（FAN）和基于动量的频率调整网络（MFAN），以及独特的Focal Detail Loss（FDL）损失函数，有效改善了重建性能 | 未明确提及具体局限性，但可能涉及计算资源需求或对其他数据集的泛化能力 | 改进低剂量计算机断层扫描（LDCT）重建方法，减少迭代次数并提高图像质量 | AAPM-Mayo公共数据集和真实猪仔数据集 | digital pathology | NA | Low-Dose Computed Tomography (LDCT) | Frequency Adjustment Network (FAN), Momentum-based Frequency Adjustment Network (MFAN) | CT图像 | AAPM-Mayo公共数据集和真实猪仔数据集（具体数量未提及） | NA | NA | NA | NA |
| 11133 | 2025-05-12 |
Impact of aortic branch retention strategies on thrombus growth prediction in type B aortic dissection: A hemodynamic study
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108679
PMID:40037009
|
research paper | 本研究通过数值模拟探讨了四种主动脉分支保留策略对B型主动脉夹层血栓生长预测的影响 | 首次系统比较了不同分支保留策略对血流动力学稳定性和血栓形成风险的影响，并提出了简化图像处理的Type 4策略 | 研究基于数值模拟，尚未进行临床验证 | 评估不同主动脉分支保留策略对血栓生长预测的影响 | B型主动脉夹层患者的主动脉模型 | 心血管疾病 | B型主动脉夹层 | 数值模拟 | 计算流体动力学模型 | 数值模拟数据 | 四种分支保留策略的模拟比较 | NA | NA | NA | NA |
| 11134 | 2025-05-12 |
Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109961
PMID:40037167
|
research paper | 该研究利用LSTM深度学习模型，通过单个惯性传感器对帕金森病患者的疾病阶段、运动状况和生活质量进行分类 | 提出了一种基于LSTM的深度学习架构，能够通过单一惯性传感器实现帕金森病的多维度评估 | 研究样本量较小，仅包含40名患者 | 改善帕金森病的管理，包括疾病阶段、运动障碍和生活质量的评估 | 帕金森病患者 | machine learning | geriatric disease | 惯性传感器 | LSTM | sensor data | 40名患者 | NA | NA | NA | NA |
| 11135 | 2025-05-12 |
Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109942
PMID:40037168
|
research paper | 该研究探讨了深度学习模型在新生儿重症监护病房（NICU）中，利用胸部X光图像早期准确诊断呼吸机相关性肺炎（VAP）的应用 | 通过集成学习方法结合ResNet50和RegNetX80模型，显著提高了VAP诊断的AUC值，同时利用XAI（可解释AI）技术增强了医生对AI辅助诊断的信心 | 需要未来前瞻性试验来验证其临床实用性和减少医疗资源的效果 | 优化呼吸机相关性肺炎（VAP）的诊断策略，减少不必要的抗生素使用 | 接受机械通气的新生儿 | digital pathology | ventilator-associated pneumonia | deep learning | ResNet, VGG, DenseNet, RegNetX80, ensemble learning | image | 670名新生儿（共900张胸部X光图像，其中399张来自确诊VAP的患者，501张来自非VAP新生儿） | NA | NA | NA | NA |
| 11136 | 2025-05-12 |
Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109918
PMID:40037170
|
review | 本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向 | 探讨了AI和ML在癌症预测、诊断和治疗中的最新进展，包括FDA批准的技术及其在个性化医疗中的应用 | 讨论了AI在医疗领域的挑战、限制、监管考虑和伦理问题 | 评估AI和ML在肿瘤学研究中的应用及其对癌症护理和治疗的潜在影响 | 癌症研究，特别是预测、诊断和治疗 | machine learning | cancer | deep learning (DL), machine learning (ML) | CNN, MLP | NA | NA | NA | NA | NA | NA |
| 11137 | 2025-05-12 |
Predictive modeling and optimization in dermatology: Machine learning for skin disease classification
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109946
PMID:40037169
|
研究论文 | 本研究利用机器学习分类器基于活检样本的组织病理学特征预测皮肤疾病，以提高诊断准确性 | 采用六种广泛使用的分类器进行比较，其中SGD分类器表现最佳，准确率达到99.09%，F1分数达到98.77%，并通过高级特征选择技术提高了模型性能和可解释性 | 未来工作需改进特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术 | 提高皮肤疾病的诊断准确性，开发可靠且自动化的诊断工具 | 皮肤疾病的组织病理学特征 | 机器学习 | 皮肤疾病 | NA | Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes | 组织病理学特征 | NA | NA | NA | NA | NA |
| 11138 | 2025-05-12 |
Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109963
PMID:40037171
|
研究论文 | 本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的新型深度神经网络模型，用于预测肝硬化患者的生存概率 | 结合因子分析降低预测变量维度，应用转换技术处理数据截尾，并使用深度神经网络预测每个时间间隔的条件失效概率，从而提高生存概率估计的精确度 | 研究仅针对肝硬化数据进行了验证，未在其他疾病数据集上测试 | 开发一种能够更准确预测生存概率的深度学习模型 | 肝硬化患者的生存数据 | 机器学习 | 肝硬化 | 因子分析、深度神经网络 | FE-DeepSurv | 生存数据 | 来自Mayo Clinic试验的继发性肝硬化数据 | NA | NA | NA | NA |
| 11139 | 2025-05-12 |
Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109920
PMID:40037172
|
research paper | 本研究探讨了深度学习图像增强方法在非笛卡尔MRI中的应用，特别关注于保留动态时间信号变化 | 利用高分辨率静息态fMRI数据集构建了真实训练集，并比较了2D-UNet和3D-UNet在图像增强任务中的表现，发现3D-UNet表现更优 | 研究主要基于模拟数据，实际临床应用中的效果尚需进一步验证 | 提高非笛卡尔MRI图像质量，同时保留动态时间信号变化 | 非笛卡尔MRI图像，特别是静息态fMRI数据 | medical imaging | NA | deep learning, fMRI | 2D-UNet, 3D-UNet | image | Human Connectome Project (HCP) foundation的高分辨率静息态fMRI数据集 | NA | NA | NA | NA |
| 11140 | 2025-05-12 |
EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.141538
PMID:40043997
|
research paper | 提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测经过实验验证的lncRNAs | EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，创新性地将lncRNA序列转化为图形格式并通过图卷积处理，同时从one-hot编码序列中提取特征 | 实验验证成本高昂，限制了验证的lncRNAs数量 | 开发预测工具以优先选择潜在功能性lncRNAs进行低通量验证 | 人类、小鼠和植物的lncRNAs | natural language processing | NA | high-throughput RNA sequencing (HTlncRNAs) | GCN, CNN | sequence | NA | NA | NA | NA | NA |