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 33776 篇文献，本页显示第 12661 - 12680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12661 | 2025-05-12 |
Effective data selection via deep learning processes and corresponding learning strategies in ultrasound image classification
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00416-5
PMID:40341123
|
research paper | 本研究提出了一种通过深度学习和创新学习策略优化数据选择的新方法，以增强迁移学习在医学影像分类中的应用 | 提出了一种两阶段网络架构，通过原始网络和True网络的协同工作，优化数据选择并提高分类准确性，无需额外训练数据 | 方法在数据集已达上限且无法扩展的情况下特别有效，但在数据量充足的情况下可能优势不明显 | 提高数据有限情况下医学影像分类的迁移学习效果 | 甲状腺结节超声图像和皮肤镜图像 | computer vision | 甲状腺疾病 | 深度学习 | ResNet101, Vision Transformer, CNN | image | NA | NA | NA | NA | NA |
| 12662 | 2025-05-12 |
Real time intelligent garbage monitoring and efficient collection using Yolov8 and Yolov5 deep learning models for environmental sustainability
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99885-x
PMID:40341180
|
研究论文 | 本文提出了一种基于YOLOv8和YOLOv5深度学习模型的实时智能垃圾监测和高效收集系统，以应对城市垃圾管理问题 | 采用两阶段轻量级深度学习模型（YOLOv5和YOLOv8）进行垃圾分类，显著减少参数和计算成本，同时提高垃圾检测和分类的准确性 | 需要进一步研究目标遮挡问题、CPU和GPU硬件优化以及机器人系统集成 | 提高城市垃圾管理的效率和准确性，促进环境可持续发展 | 城市中的垃圾箱及其内部和外部的垃圾 | 计算机视觉 | NA | 深度学习 | YOLOv8, YOLOv5, EfficientNet | 图像 | 公共数据集和新构建的垃圾数据集 | NA | NA | NA | NA |
| 12663 | 2025-05-12 |
Clinical assessment and interpretation of dysarthria in ALS using attention based deep learning AI models
2025-May-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01654-7
PMID:40341287
|
研究论文 | 提出一种基于注意力的深度学习AI模型，用于评估ALS患者的构音障碍严重程度 | 采用注意力机制的深度学习模型提高了构音障碍评估的准确性，同时保持了临床可解释性 | 模型性能依赖于有限的样本量和远程收集的录音数据 | 提高ALS患者构音障碍评估的精确度和临床实用性 | ALS患者的语音录音 | 自然语言处理 | ALS（肌萎缩侧索硬化症） | 深度学习 | 基于注意力的深度学习模型 | 音频 | 125名参与者的2,102条录音 | NA | NA | NA | NA |
| 12664 | 2025-05-12 |
Leveraging retinanet based object detection model for assisting visually impaired individuals with metaheuristic optimization algorithm
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99903-y
PMID:40341297
|
research paper | 提出了一种基于RetinaNet和元启发式优化算法的对象检测模型，用于帮助视觉障碍人士 | 结合RetinaNet、EfficientNetB0、LSTM-AE和蒲公英优化器(DO)进行对象检测和分类，提高了准确率 | 仅在室内对象检测数据集上进行了验证，未测试室外复杂环境 | 改进实时对象检测方法，帮助视觉障碍人士识别物体 | 视觉障碍人士日常需要识别的物体 | computer vision | NA | Weiner filter, RetinaNet, EfficientNetB0, LSTM-AE, Dandelion Optimizer | RetinaNet, EfficientNetB0, LSTM-AE | image | 室内对象检测数据集(具体数量未提及) | NA | NA | NA | NA |
| 12665 | 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 |
| 12666 | 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 |
| 12667 | 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 |
| 12668 | 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 |
| 12669 | 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 |
| 12670 | 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 |
| 12671 | 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 |
| 12672 | 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 |
| 12673 | 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 |
| 12674 | 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 |
| 12675 | 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 |
| 12676 | 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 |
| 12677 | 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 |
| 12678 | 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 |
| 12679 | 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 |
| 12680 | 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 |