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 36491 篇文献，本页显示第 13341 - 13360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13341 | 2025-06-07 |
Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising
2025-Jul-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001148
PMID:39823511
|
研究论文 | 本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性 | 创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失 | 样本量较小(22例患者)，且研究仅在一家机构进行 | 提高胰腺扩散加权成像(DWI)的图像质量和定量准确性 | 胰腺 | 医学影像 | 胰腺疾病 | 多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪 | 深度学习 | MRI图像 | 22例患者 | NA | NA | NA | NA |
| 13342 | 2025-06-07 |
Learning to Explore Sample Relationships
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3549300
PMID:40063428
|
research paper | 本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力 | 提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示 | 探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性 | 解决深度学习在数据稀缺情况下的样本关系探索问题 | 深度神经网络中的样本关系 | computer vision | NA | deep learning | BatchFormerV1, BatchFormerV2 | image | 超过十个流行数据集 | NA | NA | NA | NA |
| 13343 | 2025-06-07 |
Hard-Aware Instance Adaptive Self-Training for Unsupervised Cross-Domain Semantic Segmentation
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3552484
PMID:40100655
|
research paper | 提出了一种用于无监督跨域语义分割的硬感知实例自适应自训练框架 | 开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强，以及区域自适应正则化 | 未明确提及具体限制 | 解决标记训练数据与未标记测试数据之间的差异问题，提升无监督域适应（UDA）在语义分割任务中的性能 | 语义分割任务中的跨域数据 | computer vision | NA | self-training, unsupervised domain adaptation (UDA) | NA | image | GTA5 → Cityscapes, SYNTHIA → Cityscapes, Cityscapes → Oxford RobotCar 数据集 | NA | NA | NA | NA |
| 13344 | 2025-06-07 |
GDRNPP: A Geometry-Guided and Fully Learning-Based Object Pose Estimator
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3553485
PMID:40117145
|
research paper | 介绍了一种完全基于学习的物体姿态估计器GDRNPP，通过几何引导的直接回归网络和姿态细化模块，实现了端到端的6D姿态估计 | 提出了一个完全基于学习的物体姿态估计器GDRNPP，无需依赖传统技术，实现了端到端的训练，并在精度和速度上超越了现有方法 | NA | 解决计算机视觉中刚性物体6D姿态估计的挑战，提高姿态估计的精度和速度 | 刚性物体的6D姿态 | computer vision | NA | CNN | GDRN, GDRNPP | image | NA | NA | NA | NA | NA |
| 13345 | 2025-06-07 |
ONNXPruner: ONNX-Based General Model Pruning Adapter
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3554560
PMID:40131753
|
research paper | 提出了一种名为ONNXPruner的通用模型剪枝适配器，用于简化ONNX格式模型在不同深度学习框架和硬件平台上的剪枝过程 | ONNXPruner通过节点关联树自动适应各种模型架构，并引入树级评估方法，提升了剪枝性能 | 未提及具体剪枝算法在不同模型上的性能对比 | 推动模型剪枝的实际应用 | ONNX格式的深度学习模型 | machine learning | NA | 模型剪枝 | ONNX格式模型 | NA | 多个模型和数据集 | NA | NA | NA | NA |
| 13346 | 2025-06-07 |
Towards Unified Deep Image Deraining: A Survey and a New Benchmark
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3556133
PMID:40153286
|
综述 | 本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能 | 构建了一个新的高质量基准HQ-RAIN，并建立了一个在线平台以促进去雨技术的复现和追踪 | 未提及具体方法的局限性 | 统一评估图像去雨方法的性能并推动该领域的发展 | 图像去雨方法及其评估 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5,000对高分辨率合成图像 | NA | NA | NA | NA |
| 13347 | 2025-06-07 |
Computational Approaches to Revisiting Plant Cytoskeleton Organization and Dynamics
2025-Jun-06, Cytoskeleton (Hoboken, N.J.)
DOI:10.1002/cm.22049
PMID:40474669
|
综述 | 本文综述了计算生物学方法在植物细胞骨架组织和动态研究中的应用 | 将深度学习等现代计算技术应用于传统细胞骨架研究领域 | 主要关注图像分析方法，未涉及其他组学数据整合 | 探索计算生物学方法在植物细胞骨架研究中的应用潜力 | 植物细胞骨架（特别是皮层微管） | 计算生物学 | NA | 活细胞成像技术 | 深度学习 | 显微图像 | NA | NA | NA | NA | NA |
| 13348 | 2025-06-07 |
End-to-End Abnormal Subgraph Detection via Subgraph-Level Contrastive Learning
2025-Jun-05, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3573922
PMID:40471723
|
research paper | 本文提出了一种端到端的无监督子图异常检测框架EndSubG，通过子图级对比学习来检测异常子图 | EndSubG框架首次将子图划分和异常检测联合建模为一个整体，而非分开处理，并设计了专门用于子图异常检测的评估指标AS-WNMI | 未明确提及具体样本量或数据集的详细限制 | 解决无监督条件下子图异常检测的挑战，提升相关领域的研究 | 图数据中的异常子图 | machine learning | NA | 对比学习 | EndSubG | graph data | NA | NA | NA | NA | NA |
| 13349 | 2025-06-07 |
Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States?
2025-Jun-05, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3577084
PMID:40471740
|
research paper | 该研究探讨了在深度学习模型中是否需要EMG信息来准确估计关节和肌肉的生理状态 | 研究发现EMG信息对于关节状态估计并非必要，但对于肌肉状态估计至关重要，且仅在训练阶段使用EMG信息即可实现优异性能 | 需要EMG作为模型输入的方法在实际部署中可能不切实际 | 开发非侵入式方法来估计关节和肌肉生理状态，以增强可穿戴设备的控制能力 | 膝关节的力矩、功率、速度和力量等生理状态 | machine learning | NA | deep learning | DL | kinematic data, EMG data | 28种不同的周期性和非周期性任务 | NA | NA | NA | NA |
| 13350 | 2025-06-07 |
The Role of AI and Voice-Activated Technology in Religious Education in China: Capturing Emotional Depth for Deeper Learning
2025-Jun-05, Journal of religion and health
DOI:10.1007/s10943-025-02347-x
PMID:40473902
|
研究论文 | 本研究探讨了AI和语音激活技术在宗教教育中捕捉诵经情感深度的潜力 | 结合预训练语音识别模型与深度学习分析声音特征，评估修行者的情感状态 | 样本仅限中国大学声乐专业学生，可能缺乏普适性 | 开发用于分析声音特征和评估修行者情感状态的AI算法 | 110名中国大学声乐专业大一和大二学生 | 自然语言处理 | NA | 语音识别、深度学习 | 预训练语音识别模型 | 语音 | 110名大学生（实验组与对照组） | NA | NA | NA | NA |
| 13351 | 2025-06-07 |
A Multi-Task Deep Learning Approach for Simultaneous Sleep Staging and Apnea Detection for Elderly People
2025-Jun-05, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00721-7
PMID:40474036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13352 | 2025-06-07 |
Association between street greenery and physical activity among Chinese older adults in Beijing, China
2025-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03050-3
PMID:40461572
|
research paper | 本研究探讨了街道绿化与中国老年人特定领域身体活动（PA）之间的关联 | 首次使用百度街景图像和深度学习技术客观评估街道绿化暴露及其与中国老年人不同类型PA的关系 | 未发现街道绿化与休闲PA或家务PA之间的显著关联 | 研究街道绿化对中国老年人身体活动的影响 | 居住在北京市的1326名60岁及以上老年人 | machine learning | geriatric disease | deep learning | NA | image | 1326名老年人 | NA | NA | NA | NA |
| 13353 | 2025-06-07 |
Artificial intelligence in prenatal diagnosis: Down syndrome risk assessment with the power of gradient boosting-based machine learning algorithms
2025-Jun-04, Turkish journal of obstetrics and gynecology
IF:1.0Q4
DOI:10.4274/tjod.galenos.2025.83278
PMID:40462403
|
研究论文 | 本研究利用梯度提升机器学习算法评估唐氏综合征的产前诊断风险 | 比较了多种机器学习模型在唐氏综合征风险预测中的表现，发现CatBoost模型准确率最高 | 样本量有限，未来需要在更大数据集上验证模型的泛化能力 | 提高产前筛查中唐氏综合征风险评估的准确性 | 853名孕妇的生化与生物物理学数据 | 机器学习 | 唐氏综合征 | 梯度提升算法（CatBoost, XGBoost, LightGBM） | CatBoost, XGBoost, LightGBM | 生化与生物物理学数据 | 853名孕妇的筛查数据 | NA | NA | NA | NA |
| 13354 | 2025-06-07 |
Measurement of spatial heterogeneity in street restorative perceptions and street refinement design
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02841-y
PMID:40461492
|
research paper | 本研究整合街景数据、深度学习算法、MGWR模型和空间句法，分析街道恢复感知的空间异质性并优化街道设计策略 | 通过比较多种回归模型确定最有效模型，展示不同视觉元素的空间异质性，并基于恢复感知和可达性耦合评估确定急需修复的街道 | 研究仅针对上海黄浦区，可能无法完全代表其他城市或地区的街道恢复感知情况 | 分析街道恢复感知的空间异质性并优化街道设计策略 | 上海黄浦区街道的恢复感知 | urban planning | NA | deep learning, MGWR model, space syntax | random forest (RF), multiple regression models, MGWR model | street view data | 上海黄浦区的街道数据 | NA | NA | NA | NA |
| 13355 | 2025-06-07 |
FPA-based weighted average ensemble of deep learning models for classification of lung cancer using CT scan images
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02015-w
PMID:40461493
|
研究论文 | 提出了一种基于花授粉算法(FPA)的加权集成深度学习模型，用于CT扫描图像的肺癌分类 | 与传统静态或等权重集成方法不同，FPA根据验证性能自适应优化每个CNN的贡献，显著提高了诊断准确性 | NA | 提高肺癌早期诊断的准确性和可靠性 | 肺癌(特别是腺癌)的CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | CNN (VGG16, ResNet101V2, InceptionV3)的集成模型 | 图像 | NA | NA | NA | NA | NA |
| 13356 | 2025-06-07 |
Co-occurrence feature learning for visual recognition of immature leukocytes
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01791-9
PMID:40461529
|
research paper | 该研究提出了一种名为密集连接共现网络（DCONN）的方法，用于提高未成熟白细胞视觉识别的分类准确性 | 结合密集连接卷积层和共现层，使用较少的可训练参数，提高了分类准确性，且对训练硬件要求较低 | 方法尚未扩展到其他病理图像分析，且样本规模可能有限 | 提高白血病诊断中未成熟白细胞的计算机辅助分类准确性 | 未成熟中性粒细胞（包括原始粒细胞、早幼粒细胞、中幼粒细胞、晚幼粒细胞和带状细胞） | digital pathology | leukemia | Yolact用于白细胞检测，RGB到LAB颜色空间转换 | DCONN（密集连接共现网络） | image | NA | NA | NA | NA | NA |
| 13357 | 2025-06-07 |
Enhanced residual attention-based subject-specific network (ErAS-Net): facial expression-based pain classification with multiple attention mechanisms
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04552-w
PMID:40461564
|
research paper | 提出了一种基于增强残差注意力机制的主题特定网络（ErAS-Net），用于通过面部表情进行疼痛分类 | 采用多种注意力机制和迁移学习，模仿人类对面部表情的感知，增强疼痛识别能力并捕捉个体独特的表情特征 | 未提及具体局限性 | 解决面部表情自动疼痛检测中的个体差异问题 | 面部表情数据 | computer vision | NA | 深度学习 | ErAS-Net（基于残差注意力机制的CNN） | 图像（面部表情） | UNBC-McMaster Shoulder Pain数据集和BioVid Heat Pain Database数据集 | NA | NA | NA | NA |
| 13358 | 2025-06-07 |
Energy consumption analysis and prediction in exercise training based on accelerometer sensors and deep learning
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04380-y
PMID:40461566
|
研究论文 | 本研究基于加速度传感器数据和深度学习技术，提出了一种优化的能量消耗预测模型，以提高运动训练中能量消耗预测的准确性和效率 | 结合CNN、Bi-LSTM网络和注意力机制的模型架构，优化了局部特征提取、时间建模和动态权重分配能力，并提出了多维特征分析框架 | 未提及具体的数据采集环境限制或模型在不同运动类型中的泛化能力 | 提高运动训练中能量消耗预测的准确性和效率，支持智能运动监测、健康管理和个性化训练计划开发 | 运动训练中的能量消耗 | 机器学习 | NA | 深度学习 | CNN, Bi-LSTM, 注意力机制 | 加速度传感器数据 | NA | NA | NA | NA | NA |
| 13359 | 2025-06-07 |
Data-intelligence driven methods for durability, damage diagnosis and performance prediction of concrete structures
2025-Jun-03, Communications engineering
DOI:10.1038/s44172-025-00431-4
PMID:40461590
|
综述 | 本文全面回顾了机器学习和深度学习在钢筋混凝土结构耐久性、损伤诊断和性能预测中的应用 | 利用人工智能技术（如深度学习和机器学习）为钢筋混凝土结构的损伤检测和材料性能预测提供了创新方法 | 传统方法效率低且准确性不足，而基于降解机制的偏微分方程模型计算量大且难以求解 | 提高钢筋混凝土结构损伤检测的效率和材料性能预测的准确性 | 钢筋混凝土结构 | 机器学习 | NA | 深度学习和机器学习 | NA | NA | NA | NA | NA | NA | NA |
| 13360 | 2025-06-07 |
A novel EEG artifact removal algorithm based on an advanced attention mechanism
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98653-1
PMID:40461599
|
研究论文 | 提出了一种基于改进注意力机制的EEG伪迹去除算法CLEnet，结合双尺度CNN和LSTM，有效分离EEG信号与伪迹 | 整合双尺度CNN和LSTM，并引入改进的EMA-1D注意力机制，提升对未知伪迹的去除能力及多通道EEG数据的适应性 | 未明确说明算法在实时处理或计算效率方面的表现 | 解决EEG信号处理中的伪迹去除问题，提升信号质量 | 多通道EEG数据中的伪迹 | 脑机接口 | 脑部疾病 | 深度学习 | CNN, LSTM, EMA-1D | EEG信号 | 三个数据集（未明确样本数量） | NA | NA | NA | NA |