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 33459 篇文献，本页显示第 13901 - 13920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13901 | 2025-10-07 |
Patch-Based Texture Feature Extraction Towards Improved Clinical Task Performance
2025-Apr-10, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040404
PMID:40281764
|
研究论文 | 提出一种基于3D图像块的纹理特征提取方法，用于提升医学图像分析中的临床任务性能 | 开发了新颖的3D基于图像块的纹理特征，能够捕捉组织体积间的空间异质性，克服传统纹理特征仅关注体素级统计信息的局限 | 研究样本量相对有限（乳腺癌145例，宫颈癌63例），需要在更大数据集上进一步验证 | 改进医学图像纹理特征提取方法，提升癌症预测的准确性和临床应用价值 | 乳腺癌患者的腋窝淋巴结转移预测和宫颈癌患者的组织学亚型预测 | 医学影像分析 | 乳腺癌,宫颈癌 | 放射组学分析, MRI成像 | k-means聚类, 多种分类器组合 | 3D MRI图像 | 乳腺癌患者145例，宫颈癌患者63例 | NA | NA | AUC | NA |
| 13902 | 2025-04-29 |
Driver Head-Hand Cooperative Action Recognition Based on FMCW Millimeter-Wave Radar and Deep Learning
2025-Apr-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25082399
PMID:40285089
|
研究论文 | 本研究基于FMCW毫米波雷达和深度学习技术，开发了一种驾驶员头手协同动作识别方法 | 提出了一种基于VGG16-LSTM-CBAM的深度学习网络模型，使用微多普勒谱图作为输入，显著提高了动作分类的准确率 | 研究仅针对七种驾驶员头手协同动作进行识别，动作范围仍有扩展空间 | 提高驾驶员动作识别的准确性和适用范围，以增强驾驶安全性 | 驾驶员头手协同动作 | 计算机视觉 | NA | FMCW毫米波雷达 | VGG16-LSTM-CBAM | 微多普勒谱图 | 包含七种驾驶员头手协同动作的数据集 | NA | NA | NA | NA |
| 13903 | 2025-04-29 |
A Survey of the State of the Art in Monocular 3D Human Pose Estimation: Methods, Benchmarks, and Challenges
2025-Apr-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25082409
PMID:40285099
|
综述 | 本文综述了单目3D人体姿态估计的最新技术进展，包括方法、基准和挑战 | 首次全面分析了扩散模型和状态空间模型在3D人体姿态估计中的应用，并讨论了新兴趋势如大型语言模型的整合 | 主要关注单目设置下的深度模糊和遮挡问题，可能未涵盖多视角或实时应用的挑战 | 总结和评估3D人体姿态估计领域的最新方法和技术进展 | 单目RGB摄像头捕获的3D人体姿态 | 计算机视觉 | NA | 扩散模型、状态空间模型(SSMs)、大型语言模型(LLMs) | NA | RGB图像 | NA | NA | NA | NA | NA |
| 13904 | 2025-04-29 |
Analysis of Voice, Speech, and Language Biomarkers of Parkinson's Disease Collected in a Mixed Reality Setting
2025-Apr-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25082405
PMID:40285095
|
研究论文 | 本研究通过分析混合现实（MR）系统收集的语音数据，探索了一种早期帕金森病（PD）检测的创新方法 | 结合混合现实技术进行语音数据采集，并应用先进的机器学习和深度学习技术进行PD检测 | 样本量较小（57名波兰参与者），且仅限于特定语言和文化背景 | 早期帕金森病的非侵入性高精度诊断 | 帕金森病患者和健康对照者的语音数据 | 自然语言处理 | 帕金森病 | 混合现实（MR）技术、语音分析 | logistic regression, SVM, random forests, AdaBoost, XGBoost, wav2vec2, HuBERT, WavLM | 语音数据 | 57名波兰参与者（包括PD患者和健康对照者） | NA | NA | NA | NA |
| 13905 | 2025-04-29 |
An Automated Algorithm for Obstructive Sleep Apnea Detection Using a Wireless Abdomen-Worn Sensor
2025-Apr-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25082412
PMID:40285102
|
research paper | 该研究提出了一种基于无线腹部穿戴传感器的自动化算法，用于检测阻塞性睡眠呼吸暂停（OSA） | 使用腹部运动信号和加速度数据，结合MLP-Mixer深度学习模型，实现了OSA的高精度检测 | 样本量较小（37名受试者），且仅针对中重度OSA进行了验证 | 开发一种简便、有效的OSA筛查和随访工具 | 阻塞性睡眠呼吸暂停（OSA）患者 | 数字健康 | 阻塞性睡眠呼吸暂停 | 无线传感器数据采集 | MLP-Mixer | 加速度数据 | 37名受试者 | NA | NA | NA | NA |
| 13906 | 2025-04-29 |
The Synergy of School Climate, Motivation, and Academic Emotions: A Predictive Model for Learning Strategies and Reading Comprehension
2025-Apr-09, Behavioral sciences (Basel, Switzerland)
DOI:10.3390/bs15040503
PMID:40282123
|
研究论文 | 本研究探讨了学校氛围、动机和学业情绪在塑造学习成果（特别是阅读理解）中的关系 | 基于控制-价值学业情绪理论和自我决定理论，探索学生对关怀型学校社区和积极学习氛围的感知如何影响其情绪、动机、学习策略和阅读表现 | 样本仅包括296名五年级和六年级学生，可能限制结果的普遍性 | 研究学校环境、动机和学业情绪对学习策略和阅读理解的影响 | 五年级和六年级学生 | 教育心理学 | NA | 问卷调查 | 路径分析 | 问卷数据 | 296名五年级和六年级学生 | NA | NA | NA | NA |
| 13907 | 2025-04-29 |
Explainable Fault Classification and Severity Diagnosis in Rotating Machinery Using Kolmogorov-Arnold Networks
2025-Apr-09, Entropy (Basel, Switzerland)
DOI:10.3390/e27040403
PMID:40282637
|
研究论文 | 本研究提出了一种利用Kolmogorov-Arnold网络进行旋转机械故障分类和严重程度诊断的方法 | 使用Kolmogorov-Arnold网络作为多层感知机的替代方案，自动选择传感器数据中最相关的特征并搜索最优超参数 | 方法仅在两个广泛认可的轴承故障诊断数据集上进行了验证，可能需要更多数据以进一步验证其普适性 | 开发一种轻量级、可解释且适用于实时应用的旋转机械故障诊断方法 | 旋转机械中的滚动轴承 | 机器学习 | NA | Kolmogorov-Arnold网络 | Kolmogorov-Arnold网络 | 传感器数据 | 两个广泛认可的轴承故障诊断数据集 | NA | NA | NA | NA |
| 13908 | 2025-04-29 |
Lightweight DeepLabv3+ for Semantic Food Segmentation
2025-Apr-09, Foods (Basel, Switzerland)
DOI:10.3390/foods14081306
PMID:40282708
|
研究论文 | 提出了一种轻量级的DeepLabv3+模型用于语义食物分割 | 通过优化骨干网络为EfficientNet-B1、用CWASPP替换ASPP以及在编码器输出中使用挤压-激励注意力机制，实现了高性能且低计算成本的语义食物分割 | 未提及具体在低性能设备上的实际部署效果 | 开发一种适用于低性能设备的轻量级深度学习食物分割方法 | 食物图像 | 计算机视觉 | NA | 深度学习 | DeepLabv3+, EfficientNet-B1, CWASPP | 图像 | 四个公开食物数据集及一个自采集食物数据集 | NA | NA | NA | NA |
| 13909 | 2025-04-29 |
RSA-PT: A Point Transformer-Based Semantic Segmentation Network for Uninterrupted Operation in a Distribution Network Scene
2025-Apr-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25082370
PMID:40285060
|
research paper | 提出了一种基于点Transformer的语义分割网络RSA-PT，用于配电网场景点云的语义分割，以实现不间断运行的数字化 | 嵌入了改进的RSA（残差空间注意力）模块并修改了网络的损失函数 | NA | 实现配电网不间断运行的数字化和智能化改造 | 配电网场景点云 | computer vision | NA | 点云技术 | Transformer | 点云 | NA | NA | NA | NA | NA |
| 13910 | 2025-04-29 |
Semi-Supervised Class-Incremental Sucker-Rod Pumping Well Operating Condition Recognition Based on Multi-Source Data Distillation
2025-Apr-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25082372
PMID:40285062
|
研究论文 | 提出一种基于多源数据蒸馏的半监督类增量抽油机井工况识别方法 | 结合图神经网络教师模型、Squeeze-and-Excitation注意力机制和多源数据蒸馏损失，减少类增量学习中旧工况类别知识的遗忘，并通过增强的标签传播方法提升分类性能 | 需要实测地面示功图和电功率图作为信息源，且对复杂多变数据的鲁棒性要求较高 | 解决抽油机井复杂多变工况的及时准确识别问题 | 抽油机井的工况 | 机器学习 | NA | 多源数据蒸馏、KL散度、标签传播 | 图神经网络 | 多源数据（地面示功图和电功率图） | NA | NA | NA | NA | NA |
| 13911 | 2025-04-29 |
A Generalized Convolutional Neural Network Model Trained on Simulated Data for Fault Diagnosis in a Wide Range of Bearing Designs
2025-Apr-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25082378
PMID:40285067
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）的模型，用于广泛轴承设计的故障诊断，通过数值模拟振动数据进行训练 | 采用了一种新颖的混合信号处理方法增强特征提取并减少模拟数据与真实数据之间的领域偏移 | 模型在真实工业应用中的泛化能力仍需进一步验证 | 开发一种能够克服训练数据稀缺和泛化挑战的智能故障诊断模型 | 滚动轴承（REBs） | 机器学习 | NA | 混合信号处理 | CNN | 振动信号 | Case Western Reserve University实验数据集和Safran喷气发动机地面测试数据 | NA | NA | NA | NA |
| 13912 | 2025-04-29 |
Application of YOLO11 Model with Spatial Pyramid Dilation Convolution (SPD-Conv) and Effective Squeeze-Excitation (EffectiveSE) Fusion in Rail Track Defect Detection
2025-Apr-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25082371
PMID:40285061
|
研究论文 | 本文提出了一种改进的轨道缺陷检测算法，结合YOLO11模型、SPD-Conv模块和EffectiveSE注意力机制，提高了检测效率和准确性 | 使用SPD-Conv模块替代传统卷积层以提升低分辨率图像和小物体检测性能，集成EffectiveSE注意力机制增强特征信息利用，并增加小目标检测头以捕获不同尺度目标 | 未提及模型在极端环境或复杂背景下的性能表现 | 提高轨道缺陷检测的效率和准确性 | 轨道紧固件和轨道表面缺陷 | 计算机视觉 | NA | 深度学习 | YOLO11 | 图像 | 轨道紧固件数据集和轨道表面数据集（具体数量未提及） | NA | NA | NA | NA |
| 13913 | 2025-04-29 |
An Innovative Study for Tool Wear Prediction Based on Stacked Sparse Autoencoder and Ensemble Learning Strategy
2025-Apr-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25082391
PMID:40285081
|
研究论文 | 提出了一种基于堆叠稀疏自编码器和集成学习策略的创新方法，用于实时预测铣削刀具的磨损 | 融合多传感器特征，构建集成深度学习模型，使用堆叠学习策略和贝叶斯优化的超参数梯度提升决策树回归模型作为次级学习器 | NA | 提高计算机数控(CNC)加工中刀具预测和健康监控系统的准确性 | 铣削刀具的磨损 | 机器学习 | NA | 堆叠稀疏自编码器(SSAE)、反向传播神经网络(BPNN)、梯度提升决策树(GBDT) | SSAE、BPNN、GBDT | 振动和切削力的原始信号 | NA | NA | NA | NA | NA |
| 13914 | 2025-10-07 |
Recurrence Quantification Analysis for Scene Change Detection and Foreground/Background Segmentation in Videos
2025-Apr-08, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11040113
PMID:40278029
|
研究论文 | 本文提出基于递归量化分析(RQA)的视频动态处理方法，应用于场景变化检测和前景/背景分割任务 | 将时间序列分析中的递归量化分析创新应用于视频处理，提供计算高效且鲁棒的替代方案 | 未明确说明与传统方法相比的具体性能差距和计算效率提升的量化指标 | 探索递归量化分析在视频动态处理中的应用效果 | 视频序列中的场景变化和前景/背景分割 | 计算机视觉 | NA | 递归量化分析(RQA) | NA | 视频 | 五个标注视频数据集：Autoshot、RAI、BBC Planet Earth、UCF101和DAVIS | NA | NA | NA | NA |
| 13915 | 2025-04-29 |
Efficient 2D-DOA Estimation Based on Triple Attention Mechanism for L-Shaped Array
2025-Apr-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25082359
PMID:40285048
|
research paper | 提出了一种基于三重注意力机制的深度卷积神经网络（TADCN），用于L形阵列的二维到达方向（DOA）估计 | 引入了三重注意力机制（TAM），使网络能够捕捉信号样本特征在通道、高度和宽度维度上的关系，从而增强特征提取能力并改善空间谱 | 未提及实际硬件实现中的挑战或计算资源需求 | 提高二维到达方向（DOA）估计的准确性和效率 | L形阵列接收的信号 | signal processing | NA | deep convolutional neural network (DCN), triple attention mechanism (TAM) | CNN | signal | 通过仿真结果验证，未提及具体样本数量 | NA | NA | NA | NA |
| 13916 | 2025-04-29 |
Deep Learning-Based Medical Ultrasound Image and Video Segmentation Methods: Overview, Frontiers, and Challenges
2025-Apr-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25082361
PMID:40285051
|
综述 | 本文综述了基于深度学习的医学超声图像和视频分割方法，总结了该领域的最新进展 | 介绍了扩散模型和segment anything模型等最新技术，并对方法进行了分类和评估 | 未提及具体实验验证或性能比较结果 | 总结和评估深度学习在医学超声图像分割领域的应用 | 医学超声图像和视频 | 数字病理学 | NA | 深度学习 | 扩散模型, segment anything模型 | 图像, 视频 | NA | NA | NA | NA | NA |
| 13917 | 2025-10-07 |
Surface EMG Sensing and Granular Gesture Recognition for Rehabilitative Pouring Tasks: A Case Study
2025-Apr-07, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10040229
PMID:40277628
|
研究论文 | 本研究提出了一种基于粒计算和ConvMixer架构的表面肌电信号手势识别方法，专注于康复治疗中的精细倒水动作识别 | 首次将粒计算与ConvMixer架构结合用于表面肌电信号分析，并引入特征融合策略显著提升了精细手势识别准确率 | 研究仅针对倒水动作进行案例研究，样本规模和任务多样性有限 | 开发高精度的表面肌电信号手势识别系统以支持康复治疗和辅助系统 | 康复患者的精细日常动作（特别是倒水动作） | 机器学习 | 运动功能障碍 | 表面肌电信号采集 | 深度学习 | 表面肌电信号 | NA | NA | ConvMixer | 准确率 | NA |
| 13918 | 2025-10-07 |
Automated Graphic Divergent Thinking Assessment: A Multimodal Machine Learning Approach
2025-Apr-07, Journal of Intelligence
IF:2.8Q1
DOI:10.3390/jintelligence13040045
PMID:40278054
|
研究论文 | 提出一种多模态深度学习模型，用于自动化评估图像型发散思维测试 | 首次将视觉特征与语义特征融合用于发散思维自动评分，实现新颖性、流畅性和灵活性三个维度的同步评估 | 验证集样本量相对较小（100张图像），模型泛化能力有待进一步验证 | 开发自动化图形发散思维评估系统，提高评估的客观性和效率 | 708名中国高中生的发散思维测试回答 | 机器学习 | NA | 深度学习 | CNN, 神经网络 | 图像, 文本 | 708名高中生，包含603张训练图像和100张验证图像 | NA | ResNet50, GloVe, 全连接神经网络 | Pearson相关系数, MSE | NA |
| 13919 | 2025-10-07 |
Berg Balance Scale Scoring System for Balance Evaluation by Leveraging Attention-Based Deep Learning with Wearable IMU Sensors
2025-Apr-07, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040395
PMID:40281755
|
研究论文 | 提出基于注意力机制深度学习与可穿戴IMU传感器的自动化Berg平衡量表评分系统 | 首次将CNN空间特征提取、Bi-LSTM时序建模和注意力机制相结合，实现无需人工特征工程的自动化平衡评估 | 无法推广到无法独立行走的严重受损患者，且不能预测单个任务的得分 | 开发自动化平衡评估系统以辅助医疗监测和康复评估 | 帕金森病和中风患者的平衡能力评估 | 机器学习 | 帕金森病, 中风 | 惯性测量单元(IMU)传感器 | CNN, Bi-LSTM, 注意力机制 | IMU传感器数据 | 20名健康受试者(年轻和老年)和20名患者(帕金森病和中风) | NA | CNN, Bi-LSTM | 平均绝对误差(MAE), 均方根误差(RMSE) | NA |
| 13920 | 2025-10-07 |
Ultrasound-Based Deep Learning Radiomics Models for Predicting Primary and Secondary Salivary Gland Malignancies: A Multicenter Retrospective Study
2025-Apr-05, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12040391
PMID:40281751
|
研究论文 | 本研究开发基于超声的深度学习影像组学模型，用于区分原发性和继发性唾液腺恶性肿瘤 | 首次结合传统超声特征、影像组学和深度学习特征构建综合诊断模型，并采用多中心回顾性研究设计 | 回顾性研究设计，样本量相对有限（140例患者），需要外部验证 | 开发无创诊断模型以区分原发性和继发性唾液腺恶性肿瘤 | 唾液腺恶性肿瘤患者 | 医学影像分析 | 唾液腺恶性肿瘤 | 超声成像 | 深度学习,机器学习 | 超声图像 | 140例患者（68例原发性，72例继发性），来自四个医疗中心 | NA | 多层感知器(MLP),迁移学习预训练模型 | AUC | NA |