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 32373 篇文献，本页显示第 12501 - 12520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12501 | 2025-10-07 |
MrSeNet: Electrocardiogram signal denoising based on multi-resolution residual attention network
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 提出一种基于多分辨率残差注意力网络的心电信号去噪方法MrSeNet | 融合多尺度特征进行有效去噪，并采用压缩激励模块增强心电信号通道特征 | NA | 降低心电信号中的噪声干扰，提高信号质量 | 心电信号 | 信号处理 | 心血管疾病 | 深度学习 | CNN | 心电信号 | CPSC2018数据库和MIT-BIH数据库 | NA | 多分辨率残差注意力网络 | 皮尔逊相关系数, 信噪比, 均方根误差 | NA |
| 12502 | 2025-10-07 |
12 lead surface ECGs as a surrogate of atrial electrical remodeling - a deep learning based approach
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用12导联心电图非侵入性预测心房颤动患者的低电压区域和左心房平均电压 | 首次将长短期记忆网络和卷积神经网络与交叉注意力层结合，应用于12导联心电图来预测心房电重构特征 | 回顾性研究设计，样本量相对较小（204例患者） | 评估深度学习模型在12导联心电图上非侵入性预测低电压区域的效能 | 204名接受导管消融治疗的心房颤动患者 | 医学人工智能 | 心血管疾病 | 心电图，电解剖标测 | LSTM, CNN | 心电图信号，电解剖标测数据，人口统计学数据 | 204名心房颤动患者 | NA | 长短期记忆网络与卷积神经网络结合交叉注意力层 | 准确率 | NA |
| 12503 | 2025-10-07 |
Knee osteoarthritis severity detection using deep inception transfer learning
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109641
PMID:39742824
|
研究论文 | 本研究提出一种基于InceptionV3迁移学习的模型，用于膝关节骨关节炎严重程度的自动检测 | 采用双阶段预处理和迁移学习策略，在InceptionV3基础上进行微调，显著提升了骨关节炎严重程度分类的准确性 | 研究仅基于Osteoarthritis Initiative数据集，模型在其他人群中的泛化能力有待验证 | 提高膝关节骨关节炎严重程度的自动检测准确率 | 膝关节X光影像 | 计算机视觉 | 骨关节炎 | X光成像 | CNN | 图像 | Osteoarthritis Initiative数据集（具体样本数未明确说明） | NA | InceptionV3 | 准确率, Cohen's Kappa | NA |
| 12504 | 2025-10-07 |
Attention-guided CenterNet deep learning approach for lung cancer detection
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109613
PMID:39753023
|
研究论文 | 提出一种基于注意力机制改进CenterNet的深度学习框架用于肺癌检测 | 在CenterNet架构中创新性地集成ResNet-34和注意力机制，提升特征提取能力 | 无法有效定位光照变化强烈的样本 | 改进肺癌检测的准确性和可解释性 | 肺癌医学影像数据 | 计算机视觉 | 肺癌 | 深度学习 | CNN | 医学影像 | LUNA-16数据集和Kaggle数据样本 | NA | CenterNet, ResNet-34 | 精确率, 召回率, F1分数 | NA |
| 12505 | 2025-10-07 |
PFSH-Net: Parallel frequency-spatial hybrid network for segmentation of kidney stones in pre-contrast computed tomography images of dogs
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109609
PMID:39753026
|
研究论文 | 提出一种并行频空混合网络用于狗肾脏CT图像中肾结石的自动分割 | 设计并行频空混合网络架构，同时捕获空间和频域特征，并引入多尺度融合模块整合不同层次表示 | 缺乏高质量标注的公共兽医CT数据集，模型在较小病灶上的性能仍有提升空间 | 开发能够准确检测不同大小肾结石和肾脏的鲁棒深度学习模型 | 狗的肾脏CT图像中的肾结石分割 | 计算机视觉 | 肾脏疾病 | CT成像 | CNN | 医学图像 | JBNU-ACT兽医CT数据集 | NA | PFSH-Net, 编码器-解码器架构 | HD, ASD, DSC | NA |
| 12506 | 2025-10-07 |
Predicting the likelihood of readmission in patients with ischemic stroke: An explainable machine learning approach using common data model data
2025-Mar, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105754
PMID:39755003
|
研究论文 | 本研究开发了一种可解释的机器学习模型，用于预测缺血性脑卒中患者90天内再入院风险 | 首次使用通用数据模型(CDM)的电子病历数据，结合SHAP可解释性分析识别关键预测因子 | 单中心回顾性研究，样本量相对有限，可能存在选择偏倚 | 开发预测脑卒中患者再入院风险的机器学习模型 | 缺血性脑卒中患者 | 机器学习 | 缺血性脑卒中 | 电子病历数据分析 | LightGBM, 其他机器学习模型, 深度学习模型 | 结构化医疗数据 | 1,136名患者（196例再入院） | NA | NA | AUC, p值 | NA |
| 12507 | 2025-10-07 |
Breast cancer classification based on breast tissue structures using the Jigsaw puzzle task in self-supervised learning
2025-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00874-y
PMID:39760975
|
研究论文 | 本研究评估了自监督学习中拼图任务在乳腺X线图像乳腺癌分类中的有效性 | 首次在乳腺X线图像分类中应用自监督学习的拼图任务，模拟放射科医生评估乳腺组织结构的方法 | 仅使用单一数据库（CMMD），数据量有限 | 评估拼图任务在乳腺癌分类中对乳腺组织结构特征学习的效果 | 乳腺X线图像 | 计算机视觉 | 乳腺癌 | 自监督学习 | 深度学习模型 | 医学图像 | 中国乳腺X线数据库（CMMD） | NA | NA | AUC, 敏感度, 特异度 | NA |
| 12508 | 2025-10-07 |
Multimodal deep learning for predicting in-hospital mortality in heart failure patients using longitudinal chest X-rays and electronic health records
2025-Mar, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03322-z
PMID:39786626
|
研究论文 | 本研究开发了一种基于空间和时间解耦Transformer的多模态深度学习网络，通过整合纵向胸部X光片和结构化电子健康记录数据来预测心力衰竭患者的院内死亡率 | 提出了新型多模态深度学习网络MN-STDT，首次将纵向胸部X光片与结构化EHR数据相结合用于心力衰竭死亡率预测，通过混合空间编码器和距离感知时间编码器捕获空间和时间信息 | 研究依赖于特定数据集(MIMIC-IV和MIMIC-CXR)，需要在更多样化的临床环境中验证模型的泛化能力 | 探索利用胸部X光片数据提高心力衰竭患者院内全因死亡率预测精度的可行性 | 心力衰竭患者 | 医学影像分析 | 心血管疾病 | 深度学习，多模态融合 | Transformer | 图像，结构化数据 | MIMIC-IV和MIMIC-CXR数据集中的心力衰竭患者样本 | PyTorch | Transformer，混合空间编码器，距离感知时间编码器 | AUC-ROC | GPU（具体型号未提及） |
| 12509 | 2025-10-07 |
Automatic medical report generation based on deep learning: A state of the art survey
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文对基于深度学习的自动医疗报告生成技术进行了全面综述 | 提供了比现有综述更全面的最新进展分析，重点关注四个关键方面并提出了未来挑战方向 | 作为综述文章，不包含原始实验数据或模型验证 | 总结自动医疗报告生成领域的最新研究进展和发展趋势 | 医疗报告自动生成的相关研究文献和方法 | 自然语言处理 | NA | 深度学习 | NA | 医疗影像数据，文本报告 | NA | NA | NA | NA | NA |
| 12510 | 2025-10-07 |
CFPLncLoc: A multi-label lncRNA subcellular localization prediction based on Chaos game representation and centralized feature pyramid
2025-Mar, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.139519
PMID:39761904
|
研究论文 | 提出基于混沌游戏表示和集中特征金字塔的多标签lncRNA亚细胞定位预测模型CFPLncLoc | 使用图像更新策略增强CGR图像特征表示，并引入计算机视觉领域的集中特征金字塔进行多尺度特征融合 | NA | 预测具有多个亚细胞定位的lncRNA的分布位置 | 长链非编码RNA(lncRNA) | 计算机视觉 | NA | 混沌游戏表示(CGR) | 深度学习模型 | 图像 | NA | NA | 集中特征金字塔(CFP) | MaAUC | NA |
| 12511 | 2025-10-07 |
A cognitive digital twin approach to improving driver compliance and accident prevention
2025-Mar, Accident; analysis and prevention
DOI:10.1016/j.aap.2024.107913
PMID:39778287
|
研究论文 | 提出基于认知数字孪生的驾驶辅助系统，通过个性化驾驶决策模型提高驾驶员合规性和事故预防能力 | 首次将认知数字孪生概念应用于驾驶辅助系统，通过动态更新的个性化驾驶决策模型整合驾驶员控制行为和观察行为 | 未明确说明系统在极端驾驶条件下的表现和模型的计算复杂度 | 开发更个性化和有效的驾驶辅助系统以提高驾驶安全性 | 驾驶员行为、车辆控制、环境观察 | 机器学习 | NA | 认知数字孪生技术 | 深度学习分类器 | 驾驶员控制行为、观察行为、环境状态数据 | 通过两个综合实验验证 | NA | NA | 换道预测准确性、风险降低率、用户接受度 | NA |
| 12512 | 2025-10-07 |
Fully automated segmentation of brain and scalp blood vessels on multi-parametric magnetic resonance imaging using multi-view cascaded networks
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108584
PMID:39761623
|
研究论文 | 本研究提出了一种基于多视图级联网络的全自动脑部和头皮血管分割方法 | 提出了结合多视图学习、多参数输入和多视图集成模块的多视图级联深度学习网络(MVPCNet)，显著提升了小血管和低对比度血管的分割性能 | NA | 解决脑部和头皮血管分割中的挑战，特别是小血管和头皮血管的分割问题 | 脑部和头皮血管 | 医学影像分析 | 神经系统疾病 | 多参数磁共振成像 | 深度学习网络 | 磁共振影像 | 155名患者 | NA | 多视图级联网络(MVPCNet) | Dice系数, 95% Hausdorff距离 | NA |
| 12513 | 2025-10-07 |
Development of an interactive ultra-high resolution magnetic resonance neurography atlas of the brachial plexus and upper extremity peripheral nerves
2025-Mar, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2024.110400
PMID:39765207
|
研究论文 | 开发了一个交互式超高分辨率磁共振神经成像图谱，用于可视化臂丛和上肢周围神经 | 首次创建具有前所未有的空间和对比度分辨率的交互式在体磁共振神经成像图谱 | 样本量较小（16名志愿者），仅针对无已知周围神经病变的成年人 | 开发教育性磁共振神经成像图谱用于臂丛和上肢周围神经的可视化 | 16名无已知周围神经病变的成年志愿者的臂丛和上肢周围神经 | 数字病理 | 周围神经疾病 | 磁共振神经成像，深度学习算法重建 | 深度学习 | 磁共振图像 | 16名成年志愿者 | NA | NA | 图像质量评估，血管抑制效果 | NA |
| 12514 | 2025-02-14 |
Comment on "An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models"
2025-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-025-36087-y
PMID:39939571
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12515 | 2025-10-07 |
Multilabel segmentation and analysis of skeletal muscle and adipose tissue in routine abdominal CT scans
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109622
PMID:39778239
|
研究论文 | 提出基于深度学习的多标签分割网络，用于腹部CT扫描中骨骼肌和脂肪组织的自动分割 | 扩展U-Net结构实现三种脂肪组织和五种肌肉组织的多标签分割，并改进了肌间脂肪的分割效果 | 基于130名患者自建数据集，样本量相对有限 | 开发精确的肌肉和脂肪组织分割算法以支持临床患者健康状况评估 | 第三腰椎CT切片中的骨骼肌和脂肪组织 | 计算机视觉 | NA | CT扫描 | 深度学习 | 医学图像 | 130名患者 | NA | U-Net | Dice系数,IoU,像素准确率 | NA |
| 12516 | 2025-10-07 |
Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders
2025-Mar, Journal of internal medicine
IF:9.0Q1
DOI:10.1111/joim.20059
PMID:39775908
|
综述 | 本文综述了7特斯拉磁共振成像在神经系统疾病中的诊断价值、患者获益及临床应用考量 | 系统评估第二代7T MRI系统在1200余例临床扫描中的应用价值，揭示疾病特异性生物标志物如ALS运动带征、MS中心静脉征等新型诊断标记 | NA | 探讨7T MRI在神经系统疾病中的诊断影响和临床应用价值 | 肌萎缩侧索硬化、癫痫、多发性硬化、痴呆、帕金森综合征、肿瘤和血管疾病等神经系统疾病患者 | 医学影像 | 神经系统疾病 | 7特斯拉磁共振成像、并行传输、深度学习重建 | NA | 磁共振影像 | 超过1200例临床扫描 | NA | NA | NA | NA |
| 12517 | 2025-03-14 |
Answer to "comments on an examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models"
2025-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-025-36088-x
PMID:40075044
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12518 | 2025-10-07 |
Sparse keypoint segmentation of lung fissures: efficient geometric deep learning for abstracting volumetric images
2025-Mar, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03310-z
PMID:39775630
|
研究论文 | 提出基于稀疏关键点的肺裂分割方法，使用几何深度学习处理点云数据以提高效率 | 将几何深度学习应用于稀疏点云进行肺裂分割，并提出高效的点云到网格自动编码器替代传统泊松表面重建 | 与nnU-Net相比误差有所增加，PC-AE的重建精度仍低于PSR方法 | 提高肺裂分割的计算效率，特别针对薄壁结构的分割问题 | CT图像中的肺裂结构 | 计算机视觉 | 肺病 | CT成像 | 几何深度学习, PointNets, 图卷积网络, PointTransformers, 自动编码器 | 3D医学图像, 点云数据 | 多样化的临床和病理数据 | NA | PointNets, GCNs, PointTransformers, PC-AE | 推理时间, 准确度, 误差 | NA |
| 12519 | 2025-10-07 |
The intelligent fault identification method based on multi-source information fusion and deep learning
2025-Feb-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90823-5
PMID:39994344
|
研究论文 | 提出一种基于多源信息融合和深度学习的智能断层识别方法 | 通过多源信息融合增强断层形态特征，结合机器学习特征重要性分析和卷积神经网络实现智能断层识别 | 方法仅在金寨县南部区域进行验证，未在其他地质区域测试泛化能力 | 实现断层的快速、精确和智能识别 | 地质断层结构 | 计算机视觉 | NA | 多源信息融合、遥感影像分析 | CNN, 机器学习方法 | 遥感影像、数字高程模型、地质图 | NA | NA | 卷积神经网络 | 准确率, 真正率, F1分数, 验证准确率, 验证损失 | NA |
| 12520 | 2025-10-07 |
Automated gradation design of natural waste gravel soil stabilized by composite soil stabilizer based on a novel DNNSS-APDM-PFC model
2025-Feb-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.12.046
PMID:39778231
|
研究论文 | 提出一种基于DNNSS-APDM-PFC模型的复合土壤稳定剂稳定废弃碎石土自动级配设计方法 | 开发了适用于小样本的深度学习神经网络(DNNSS)，结合中国沥青路面设计方法(APDM)和颗粒流代码(PFC)构建新型集成模型 | 基于小样本数据训练，模型泛化能力需进一步验证 | 实现废弃碎石土的自动化级配设计和性能分析 | 复合土壤稳定剂稳定的废弃碎石土(CSSWGS) | 机器学习 | NA | 颗粒流代码(PFC)，沥青路面设计方法(APDM) | 深度学习神经网络 | 工程性能数据 | 小样本数据集 | NA | DNNSS | 无侧限抗压强度(UCS)，抗冻性，加州承载比(CBR) | NA |