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 12681 - 12700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12681 | 2025-04-29 |
Enhanced Simultaneous Localization and Mapping Algorithm Based on Deep Learning for Highly Dynamic Environment
2025-Apr-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25082539
PMID:40285228
|
研究论文 | 提出了一种基于深度学习的动态SLAM算法，用于高动态环境中的精确定位与地图构建 | 结合YOLOv10n和ORB-SLAM2，通过语义信息提升动态环境下的SLAM精度 | 未提及算法在极端动态条件下的鲁棒性测试 | 提高动态环境中SLAM算法的定位与地图构建精度 | 高动态环境下的视觉SLAM系统 | 计算机视觉 | NA | 深度学习 | YOLOv10n, ORB-SLAM2 | 图像 | NA | NA | NA | NA | NA |
| 12682 | 2025-04-29 |
Development of a Deep-Learning-Based Computerized Scoring Algorithm
2025-Apr-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25082537
PMID:40285226
|
研究论文 | 本文介绍了一种基于深度神经网络的韩国计算机化评分系统，旨在减少测谎检查员的主观偏见并提高评分准确性 | 利用深度神经网络处理生物信号的非线性特性，显著提升了计算机化评分系统的性能 | 未明确提及算法的泛化能力或在不同文化背景下的适用性 | 开发高精度的计算机化测谎评分系统以减少人为误差 | 测谎测试中的生理反应信号 | 机器学习 | NA | 深度神经网络 | DNN | 生理信号数据 | NA | NA | NA | NA | NA |
| 12683 | 2025-04-29 |
Flight Trajectory Prediction Based on Automatic Dependent Surveillance-Broadcast Data Fusion with Interacting Multiple Model and Informer Framework
2025-Apr-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25082531
PMID:40285220
|
research paper | 提出了一种基于ADS-B数据融合的飞行轨迹预测新框架IMM-Informer，结合了交互多模型和深度学习模型 | 整合了交互多模型(IMM)和基于深度学习的Informer模型，通过融合两者的优势实现更准确和鲁棒的预测 | 未明确说明模型在极端天气或其他异常条件下的表现 | 提高飞行轨迹预测的准确性和鲁棒性 | 飞行轨迹数据 | machine learning | NA | 自动相关监视广播(ADS-B) | IMM, Informer | 飞行监视数据 | 真实飞行监视数据(具体数量未说明) | NA | NA | NA | NA |
| 12684 | 2025-04-29 |
An Approach for Detecting Mangrove Areas and Mapping Species Using Multispectral Drone Imagery and Deep Learning
2025-Apr-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25082540
PMID:40285231
|
research paper | 本研究提出了一种基于多光谱无人机影像和深度学习的红树林区域检测和物种分布映射方法 | 开发了MangroveNet和AttCloudNet+模型，结合多尺度光谱和空间信息以及注意力机制，提高了红树林区域检测和物种识别的准确性和效率 | 未明确提及研究的具体局限性 | 开发更高效、智能和准确的红树林监测方法，以更好地了解和保护红树林生态系统 | 红树林区域和红树林物种 | computer vision | NA | 多光谱无人机影像 | MangroveNet, AttCloudNet+, SegNet, UNet, DeepUNet, K-means, ISODATA, RF, SVM | image | NA | NA | NA | NA | NA |
| 12685 | 2025-04-29 |
Smartphone-Based SPAD Value Estimation for Jujube Leaves Using Machine Learning: A Study on RGB Feature Extraction and Hybrid Modeling
2025-Apr-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25082545
PMID:40285234
|
研究论文 | 本研究提出了一种利用智能手机图像和机器学习模型快速检测枣叶叶绿素含量的方法 | 结合智能手机图像和机器学习模型进行叶绿素含量快速检测，提出CNN-SVR混合模型，性能优于其他模型 | 研究仅针对新疆枣椰树，未验证在其他植物上的适用性 | 开发一种简单、经济且高精度的叶绿素含量检测方法 | 新疆枣椰树叶片的SPAD值和RGB图像 | 计算机视觉 | NA | RGB图像处理，机器学习，深度学习 | SVR, RVM, CNN, CNN-SVR, CNN-RVM | 图像 | NA | NA | NA | NA | NA |
| 12686 | 2025-10-07 |
Achieving precision assessment of functional clinical scores for upper extremity using IMU-Based wearable devices and deep learning methods
2025-Apr-16, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01625-9
PMID:40241161
|
研究论文 | 本研究利用IMU可穿戴设备和深度学习技术对脑卒中患者上肢运动功能进行精准评估 | 结合门控循环单元网络与随机森林算法，首次实现Fugl-Meyer量表自动评分和Brunnstrom分期预测的集成评估系统 | 样本量有限（120例患者），采用回顾性注册研究设计 | 开发基于可穿戴设备和机器学习的上肢运动功能精准评估方法 | 脑卒中后运动功能障碍患者 | 机器学习 | 脑卒中 | 惯性测量单元信号采集 | GRU,随机森林,极端随机树 | IMU传感器信号 | 120例患者 | NA | 门控循环单元网络 | 准确率,皮尔逊相关系数,斯皮尔曼相关系数 | NA |
| 12687 | 2025-10-07 |
Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals
2025-Apr-16, Biosensors
DOI:10.3390/bios15040255
PMID:40277568
|
研究论文 | 本研究提出了一种基于联邦学习的非侵入性血糖监测方法，使用PPG信号进行血糖水平预测 | 首次将联邦学习应用于非侵入性血糖监测，解决了医疗数据隐私保护和多机构协作训练的难题 | 模型性能依赖于参与机构的PPG信号数据质量，不同设备间的信号差异可能影响预测准确性 | 开发一种隐私保护的非侵入性血糖监测系统 | 糖尿病患者的光电容积脉搏波信号 | 机器学习 | 糖尿病 | 光电容积脉搏波 | 深度神经网络 | 生物传感器信号 | 使用VitalDB和MUST等多个数据集，包含手术和麻醉期间收集的数据 | 联邦学习框架 | 深度神经网络 | 均方根误差, Clarke误差网格分析 | NA |
| 12688 | 2025-10-07 |
DermViT: Diagnosis-Guided Vision Transformer for Robust and Efficient Skin Lesion Classification
2025-Apr-16, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040421
PMID:40281781
|
研究论文 | 提出一种医学驱动的深度学习架构DermViT，用于鲁棒高效的皮肤病变分类 | 通过模拟医生诊断范式的模块化设计解决皮肤病变分类中的语义纠缠、类内变异和伪影干扰等问题 | NA | 提高皮肤癌早期诊断的准确性和效率 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 皮肤镜图像分析 | Vision Transformer | 图像 | ISIC2018和ISIC2019数据集 | NA | DermViT, Vision Transformer | 分类准确率 | NA |
| 12689 | 2025-04-29 |
Visualization of Runs of Homozygosity and Classification Using Convolutional Neural Networks
2025-Apr-16, Biology
DOI:10.3390/biology14040426
PMID:40282291
|
研究论文 | 本研究提出了一种通过可视化和使用卷积神经网络（CNN）分类来分析纯合子片段（ROH）的新方法 | 首次将ROH图谱可视化为彩色编码图像，并利用CNN进行分类分析 | 在预测表型性状（肢体缺陷）时准确率中等（78.57%） | 分析ROH与种群遗传结构、表型性状的关联 | 大白猪（n=568）和杜洛克猪（n=600）的遗传数据 | 机器学习 | NA | GeneSeek GGP SNP80x1_XT芯片基因分型，PLINK v1.9软件分析 | CNN | 基因数据 | 1168头猪（568头大白猪+600头杜洛克猪） | NA | NA | NA | NA |
| 12690 | 2025-04-29 |
Artificial Intelligence in Thoracic Surgery: A Review Bridging Innovation and Clinical Practice for the Next Generation of Surgical Care
2025-Apr-16, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14082729
PMID:40283559
|
review | 本文综述了人工智能在胸外科手术中的应用、优势、局限性及未来发展方向 | 探讨了AI在胸外科手术中的创新应用，包括诊断准确性、手术精确性、术中导航和术后管理 | 存在算法偏见、缺乏多中心验证、高实施成本以及数据安全和临床责任的伦理问题 | 分析AI在胸外科手术中的当前应用、益处、局限性和未来方向 | 胸外科手术中的AI技术应用 | digital pathology | lung cancer | machine learning, deep learning, computer vision, robotic-assisted surgery | NA | image, clinical data | 36项研究符合纳入标准 | NA | NA | NA | NA |
| 12691 | 2025-04-29 |
Estimation of Flood Inundation Area Using Soil Moisture Active Passive Fractional Water Data with an LSTM Model
2025-Apr-16, Sensors (Basel, Switzerland)
DOI:10.3390/s25082503
PMID:40285193
|
研究论文 | 利用SMAP分数水数据和LSTM模型估算洪水淹没区域 | 结合土壤湿度信息、降雨预测和洪泛区地形，使用LSTM模型进行洪水区域估算，提高了传统方法的准确性 | 在低植被覆盖、季节性水位变化和平坦区域表现最佳，可能在其他地形条件下表现有限 | 提高洪水监测和预测的准确性，以改善灾害准备和减灾能力 | 洪水淹没区域 | 机器学习 | NA | SMAP分数水数据、Sentinel-1 SAR图像 | LSTM | 卫星观测数据、土壤湿度信息、降雨预测、地形数据 | NA | NA | NA | NA | NA |
| 12692 | 2025-04-29 |
MEF-CAAN: Multi-Exposure Image Fusion Based on a Low-Resolution Context Aggregation Attention Network
2025-Apr-16, Sensors (Basel, Switzerland)
DOI:10.3390/s25082500
PMID:40285190
|
research paper | 提出了一种基于低分辨率上下文聚合注意力网络的多曝光图像融合方法（MEF-CAAN） | 通过低分辨率上下文聚合注意力网络（CAAN）和引导滤波上采样（GFU）技术，提高了在极端曝光区域的信息和细节恢复能力 | 未提及具体的数据集或样本量限制 | 提升多曝光图像融合的效果，特别是在极端曝光区域的信息恢复 | 多曝光图像 | computer vision | NA | 低分辨率上下文聚合注意力网络（CAAN），引导滤波上采样（GFU） | CNN | image | NA | NA | NA | NA | NA |
| 12693 | 2025-04-29 |
Advancements in the diagnosis of biliopancreatic diseases: A comparative review and study on future insights
2025-Apr-16, World journal of gastrointestinal endoscopy
IF:1.4Q4
DOI:10.4253/wjge.v17.i4.103391
PMID:40291132
|
综述 | 本文综述了胆胰疾病诊断中的关键技术进步，包括生物标志物、影像技术和基于人工智能的技术 | 探讨了AI在影像和病理学中的应用，以及生物标志物液体活检在非侵入性诊断中的重要性 | 未来研究需要标准化生物标志物验证，改进AI驱动的诊断技术，并在资源有限的环境中扩大先进影像技术的可及性 | 优化胆胰疾病的检测和管理 | 胆胰疾病，包括胰腺和胆道恶性肿瘤 | 数字病理学 | 胰腺癌 | CT、PET-CT、磁共振胰胆管造影、内镜超声 | 深度学习算法 | 医学影像 | NA | NA | NA | NA | NA |
| 12694 | 2025-10-07 |
Radar-Based Activity Recognition in Strictly Privacy-Sensitive Settings Through Deep Feature Learning
2025-Apr-15, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10040243
PMID:40277642
|
研究论文 | 本研究探索在严格隐私敏感环境中使用雷达技术进行人类活动识别的方法 | 采用多普勒雷达在浴室等隐私敏感环境中实现非侵入式活动识别，不捕获可识别生物特征 | 躺下和起身等相似动作的识别准确率较低 | 开发隐私保护的人类活动识别系统 | 浴室环境中的日常活动 | 计算机视觉 | NA | 雷达传感技术 | CNN, LSTM | 雷达信号数据 | 7名志愿者执行的10种日常活动 | NA | DenseNet201, ResNet50 | 准确率 | NA |
| 12695 | 2025-04-29 |
A Machine Learning Method for the Fast Simulation of the Scattering Characteristics of a Target Under a Planar Layered Medium
2025-Apr-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25082481
PMID:40285173
|
研究论文 | 提出一种基于机器学习的快速求解方法，用于平面分层介质下目标散射特性的快速模拟 | 设计了一种创新的循环嵌套深度学习网络架构，能够充分探索场景参数与主成分权重系数之间的内在因果关系，并对每个预测的主成分进行细化和校正 | NA | 提高全波形反演中分层介质和埋藏目标数值计算的效率 | 埋藏在沙下混凝土中的钢筋 | 机器学习 | NA | 有限差分时域(FDTD)模拟、主成分分析(PCA) | 循环嵌套深度学习网络 | 散射回波信号 | NA | NA | NA | NA | NA |
| 12696 | 2025-04-29 |
Boosting Skin Cancer Classification: A Multi-Scale Attention and Ensemble Approach with Vision Transformers
2025-Apr-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25082479
PMID:40285168
|
research paper | 提出了一种基于多尺度注意力和集成学习的方法，用于提升皮肤癌分类的准确性 | 结合Vision Transformer架构的多尺度注意力机制和集成学习技术，显著提高了皮肤癌分类的准确率 | 研究仅基于ISIC2018数据集，未在其他数据集上验证模型的泛化能力 | 提高皮肤癌分类的准确性，特别是区分良性和恶性病变 | 皮肤病变图像 | computer vision | skin cancer | deep learning | Vision Transformer (ViT), EfficientNet, CNN | image | ISIC2018数据集 | NA | NA | NA | NA |
| 12697 | 2025-04-29 |
A Lightweight Dual-Branch Complex-Valued Neural Network for Automatic Modulation Classification of Communication Signals
2025-Apr-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25082489
PMID:40285178
|
研究论文 | 本文提出了一种轻量级双分支复数神经网络（LDCVNN），用于通信信号的自动调制分类（AMC） | LDCVNN通过双路径分别捕获相位信息和复数缩放等变表示，并通过可训练的加权融合自适应融合，同时扩展了SCConv到复数域并结合CBlock和复数平均池化以减少特征冗余并提取高阶特征 | 未提及具体局限性 | 解决现有模型因参数过多和计算复杂度高而面临的部署挑战 | 通信信号的自动调制分类 | 机器学习 | NA | 复数神经网络（CVNNs） | LDCVNN | 通信信号数据 | RML2016.10a数据集 | NA | NA | NA | NA |
| 12698 | 2025-04-29 |
LO-MLPRNN: A Classification Algorithm for Multispectral Remote Sensing Images by Fusing Selective Convolution
2025-Apr-14, Sensors (Basel, Switzerland)
DOI:10.3390/s25082472
PMID:40285163
|
研究论文 | 提出了一种名为LO-MLPRNN的改进植被覆盖分类算法，用于多光谱遥感图像的分类 | 融合了Large Selective Kernel Network (LSK)和Omni-Dimensional Dynamic Convolution (ODC)与Multi-Layer Perceptron Recurrent Neural Network (MLPRNN)，通过并行连接的ODC和LSK模块自适应调整卷积核参数和动态优化空间感受野，实现多视角特征融合 | 仅针对多光谱遥感图像进行分类，未涉及其他类型图像或数据 | 提高多光谱遥感图像中植被覆盖分类的准确性和效率 | 多光谱遥感图像 | 计算机视觉 | NA | 多光谱遥感图像处理 | LO-MLPRNN (融合LSK、ODC和MLPRNN) | 图像 | GF-2 (0.75 m)和Sentinel-2 (10 m)多光谱遥感图像，来自广西壮族自治区柳州市柳城县 | NA | NA | NA | NA |
| 12699 | 2025-10-07 |
Prediction of the Non-Reducing Biomineralization of Nuclide-Microbial Interactions by Machine Learning: The Case of Uranium and Bacillus subtilis
2025-Apr-13, Toxics
IF:3.9Q1
DOI:10.3390/toxics13040305
PMID:40278621
|
研究论文 | 利用深度学习神经网络模型预测环境敏感因素对枯草芽孢杆菌非还原性铀生物矿化的影响 | 首次构建深度学习模型量化五个环境敏感因素对非还原性生物矿化过程的影响程度，并识别不同pH条件下的主导因素 | 模型仅针对枯草芽孢杆菌与铀的相互作用，未验证对其他微生物或核素的适用性 | 预测环境因素对铀非还原性生物矿化的影响机制，优化铀固定效率 | 铀(VI)与枯草芽孢杆菌的非还原性生物矿化相互作用 | 机器学习 | NA | 非还原性生物矿化 | 深度学习神经网络 | 环境参数实验数据 | NA | NA | NA | 准确率, R值 | NA |
| 12700 | 2025-10-07 |
Comparative Analysis of Deep Neural Networks for Automated Ulcerative Colitis Severity Assessment
2025-Apr-13, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040413
PMID:40281773
|
研究论文 | 比较多种深度神经网络在溃疡性结肠炎严重程度自动评估中的性能 | 首次系统比较多种先进深度神经网络在UC严重程度自动分类中的表现，发现较简单架构能与大型模型取得竞争性结果 | 仅使用公开数据集，未在更广泛临床环境中验证模型泛化能力 | 开发自动化的溃疡性结肠炎严重程度评估方法以减少主观性差异 | 溃疡性结肠炎患者的内窥镜图像 | 计算机视觉 | 溃疡性结肠炎 | 内窥镜成像 | CNN | 图像 | 公开可用的UC患者内窥镜图像数据集 | NA | VGG19 | F1分数,准确率,召回率,精确率,QWK分数 | NA |