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 14401 - 14420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14401 | 2025-04-04 |
What's new in pediatric musculoskeletal imaging
2025-Apr, Journal of children's orthopaedics
DOI:10.1177/18632521251325122
PMID:40093030
|
review | 本文综述了儿科肌肉骨骼影像学领域的最新技术进展，包括成像方式的创新和人工智能应用 | 探讨了辐射剂量减少技术、对比增强超声和超高频率成像等增强诊断工具，以及人工智能在病理检测和工作流程优化中的应用 | 存在外部验证和范围有限等挑战 | 提高儿科肌肉骨骼护理的诊断准确性和治疗效果 | 儿科肌肉骨骼影像学 | digital pathology | NA | advanced magnetic resonance imaging, ultrasound innovations, artificial intelligence, photon-counting detector computed tomography, deep learning-based reconstructions, diffusion-weighted imaging, positron emission tomography-magnetic resonance imaging integration | deep learning | image | NA | NA | NA | NA | NA |
| 14402 | 2025-04-04 |
Benchmarking deep learning for automated peak detection on GIWAXS data
2025-Apr-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576725000974
PMID:40170972
|
研究论文 | 本文提出了一个用于评估深度学习在GIWAXS数据自动峰值检测中性能的综合框架 | 引入了包含标注实验数据集、物理信息指标和优化基线算法的全面框架，并首次对基于模拟数据训练的深度学习解决方案进行了系统评估 | 研究可能受限于标注数据集的大小和多样性，以及基线算法的选择 | 评估深度学习在GIWAXS数据峰值检测中的可靠性并建立标准化评估体系 | GIWAXS衍射图像数据 | 机器学习和X射线散射数据分析 | NA | GIWAXS和深度学习技术 | 未明确说明具体DL模型类型 | X射线衍射图像数据 | 未明确说明具体样本数量，但提到单日可产生数十万衍射图像 | NA | NA | NA | NA |
| 14403 | 2025-04-04 |
Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning
2025-Mar-31, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00744-5
PMID:40163154
|
研究论文 | 本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像 | 首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题 | 研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力 | 开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制 | 160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者 | 数字病理学 | 神经系统疾病 | 深度学习 | 3D CNN编码器-解码器 | 医学影像（MRI和PET图像） | 160名参与者 | NA | NA | NA | NA |
| 14404 | 2025-04-04 |
Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning
2025-Mar-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81478-9
PMID:40164608
|
研究论文 | 提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法 | 构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法 | 验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证 | 解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足 | 开关柜的局部放电信号 | 机器学习 | NA | UHF传感器和宽带脉冲电流传感器 | DBN | 信号数据 | 实验室模拟的局部放电样本 | NA | NA | NA | NA |
| 14405 | 2025-04-04 |
Well log data generation and imputation using sequence based generative adversarial networks
2025-Mar-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95709-0
PMID:40164658
|
研究论文 | 本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补 | 采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性 | 实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力 | 解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性 | 测井数据 | 机器学习 | NA | 生成对抗网络（GANs） | TSGAN, SeqGAN | 时间序列数据 | 5、10和50个数据点的不同区段 | NA | NA | NA | NA |
| 14406 | 2025-04-04 |
The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors
2025-Mar-30, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01950-6
PMID:40159380
|
review | 本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题 | 整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性 | 深度学习模型缺乏生物学机制基础 | 探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力 | 脑肿瘤影像组学 | digital pathology | brain tumors | radiomics | deep learning-based models | medical imaging | NA | NA | NA | NA | NA |
| 14407 | 2025-04-04 |
Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification
2025-Mar-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01361-0
PMID:40159478
|
研究论文 | 本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度 | 设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性 | 实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力 | 解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力 | 作物病害图像 | 计算机视觉 | 作物病害 | GAN | 双判别器GAN | 图像 | PlantVillage数据集中的十种作物病害 | NA | NA | NA | NA |
| 14408 | 2025-04-04 |
Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images
2025-Mar-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01539-9
PMID:40159516
|
research paper | 本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统 | 开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家 | 研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型 | 开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测 | 眼睑肿瘤患者 | computer vision | 眼睑肿瘤 | 深度学习 | YOLOv5, Efficient-Net v2-B | image | 1195张预处理临床眼部照片和活检结果 | NA | NA | NA | NA |
| 14409 | 2025-04-04 |
An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95596-5
PMID:40158003
|
research paper | 该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA） | 采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度 | 未提及模型在实时性、计算资源消耗或实际部署中的表现 | 提升水下物体检测与分类的准确性和鲁棒性 | 水下物体 | computer vision | NA | deep learning, hybrid optimization algorithms | EfficientNetB7, YOLOv9, DNN, DBN, LSTM | image | UOD数据集（未提及具体数量） | NA | NA | NA | NA |
| 14410 | 2025-04-04 |
Quantitative analysis and visualization of chemical compositions during shrimp flesh deterioration using hyperspectral imaging: A comparative study of machine learning and deep learning models
2025-Mar-29, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143997
PMID:40174377
|
研究论文 | 利用高光谱成像技术定量分析虾肉变质过程中的化学成分变化，并比较机器学习和深度学习模型的性能 | 结合低层数据融合和预测模型，比较了传统化学计量学方法和深度学习方法在虾肉变质分析中的表现，并生成了化学成分变化的空间分布图 | 未来研究需要优化模型以适应不同条件，并探索将高光谱成像方法与其他传感器技术结合 | 快速、无损地预测虾肉变质过程中的化学成分变化，监控冷链物流中的虾肉质量 | 虾肉 | 计算机视觉 | NA | 高光谱成像(HSI) | PLS, CNN, LSTM, CNN-LSTM | 图像 | NA | NA | NA | NA | NA |
| 14411 | 2025-04-04 |
A deep-learning model to predict the completeness of cytoreductive surgery in colorectal cancer with peritoneal metastasis☆
2025-Mar-10, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.109760
PMID:40174333
|
研究论文 | 开发了一种名为DeAF的深度学习模型，用于预测结直肠癌腹膜转移患者细胞减灭术的完整性 | 提出了一种新型AI框架DeAF，通过解耦特征对齐和融合来辅助选择适合CRS的患者并预测手术完整性 | 研究样本量有限（186例患者），且所有数据来自三级医院，可能影响模型的普遍适用性 | 改善结直肠癌腹膜转移患者细胞减灭术的患者选择和手术完整性预测 | 结直肠癌伴腹膜转移患者 | 数字病理学 | 结直肠癌 | 深度学习 | DeAF框架（基于Simsiam算法） | CT图像和临床病理参数 | 186例来自4家三级医院的结直肠癌伴腹膜转移患者 | NA | NA | NA | NA |
| 14412 | 2025-04-04 |
Introduction to Artificial Intelligence for General Surgeons: A Narrative Review
2025-Mar, Cureus
DOI:10.7759/cureus.79871
PMID:40171361
|
review | 本文是一篇叙述性综述，旨在向普通外科医生介绍人工智能（AI）的基础知识及其在胸腹部创伤中的应用 | 综述了AI在创伤护理中的潜在应用，特别是在诊断、风险预测和决策支持方面，并讨论了将AI整合到澳大利亚医疗系统中的意义 | 当前AI在临床实践中的应用仍有限，需要未来进行前瞻性和本地验证的研究 | 教育普通外科医生了解AI的基础知识及其在创伤护理中的应用 | 普通外科医生及AI在胸腹部创伤中的应用 | machine learning | trauma | machine learning, deep learning, natural language processing, computer vision | NA | NA | NA | NA | NA | NA | NA |
| 14413 | 2025-04-04 |
Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images
2025, Health data science
DOI:10.34133/hds.0256
PMID:40170800
|
research paper | 评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见 | 首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较 | 研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性 | 探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见 | 皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变） | digital pathology | skin disease | multimodal large language models (LLMs), CNN, vision transformer | ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B | image | 约10,000张皮肤镜图像 | NA | NA | NA | NA |
| 14414 | 2025-04-04 |
Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1511716
PMID:40171113
|
research paper | 提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节 | 结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能 | 现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制 | 提高肺结节检测的准确性和性能 | 肺结节 | digital pathology | lung cancer | Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101 | CHSTM, Resnet-101 | medical images | LUNA-16数据集和LIDC/IDRI数据集 | NA | NA | NA | NA |
| 14415 | 2025-04-04 |
Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251332999
PMID:40171146
|
research paper | 该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类 | 结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果 | 未提及样本的多样性或跨数据集验证的局限性 | 开发高效的步态分类方法以评估行走能力 | 使用智能鞋垫传感器收集的步态数据 | digital health | gait-related disorders | 压力传感器和惯性测量单元（IMU） | deep sequential networks | sensor data（压力信号、IMU数据等） | 未明确提及具体样本数量，仅描述为受试者进行15米步行测试 | NA | NA | NA | NA |
| 14416 | 2025-04-04 |
Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1525650
PMID:40171256
|
研究论文 | 通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向 | 首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库的文献，可能未涵盖所有相关研究 | 评估人工智能在甲状腺癌领域的应用现状和发展趋势 | 2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献 | 数字病理 | 甲状腺癌 | 文献计量分析 | NA | 文献数据 | 956篇文献 | NA | NA | NA | NA |
| 14417 | 2025-04-04 |
Knowledge graph and its application in the study of neurological and mental disorders
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1452557
PMID:40171303
|
综述 | 本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战 | 结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力 | 仍需克服知识图谱在医学领域应用中的障碍和限制 | 研究知识图谱在神经和精神障碍领域的应用及其潜力 | 神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症） | 自然语言处理 | 神经和精神障碍 | 知识图谱（KG） | NA | 医学数据 | NA | NA | NA | NA | NA |
| 14418 | 2025-04-04 |
Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1498913
PMID:40171479
|
研究论文 | 本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用 | 更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力 | 在密集植被中检测花卉及应对环境变化方面仍存在挑战 | 增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测 | 花卉丰富的草地无人机图像 | 计算机视觉 | NA | 无人机成像、深度学习 | Faster R-CNN, SSD, EfficientDet | 图像 | 两个无人机图像数据集 | NA | NA | NA | NA |
| 14419 | 2025-04-04 |
Multicenter investigation of preoperative distinction between primary central nervous system lymphomas and glioblastomas through interpretable artificial intelligence models
2024-Nov, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03451-7
PMID:39225815
|
research paper | 本研究通过可解释的人工智能模型，基于MRI图像对原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）进行术前区分 | 结合了放射组学模型和深度学习模型，提出了最优的Max-Fusion模型，并利用SHAP和Grad-CAM进行可解释性分析 | 研究为回顾性分析，样本量相对有限（261例患者），且仅来自两个医疗中心 | 探索基于MRI的深度学习和放射组学模型在术前区分PCNSL和GBM中的有效性和适用性 | 261例PCNSL和GBM患者的MRI图像和临床数据 | digital pathology | brain tumor | MRI | MobileVIT, ConvNeXt, Max-Fusion Model | image | 261例患者（训练集153例，外部测试集108例） | NA | NA | NA | NA |
| 14420 | 2025-04-04 |
Evaluating Deep Learning Techniques for Detecting Aneurysmal Subarachnoid Hemorrhage: A Comparative Analysis of Convolutional Neural Network and Transfer Learning Models
2024-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.04.168
PMID:38710407
|
研究论文 | 本研究评估了卷积神经网络（CNN）和基于CNN的迁移学习模型在区分动脉瘤性蛛网膜下腔出血（SAH）和非动脉瘤性SAH中的有效性 | 采用迁移学习方法缓解了传统技术的时间限制，并展示了优越的性能 | NA | 评估深度学习技术在SAH检测中的有效性 | 动脉瘤性SAH和非动脉瘤性SAH患者 | 数字病理学 | 心血管疾病 | 深度学习 | CNN, Inception-V3, EfficientNetB4 | 医学影像 | 203名患者（123名动脉瘤性SAH和80名非动脉瘤性SAH），共23,393张DICOM图像 | NA | NA | NA | NA |