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 32373 篇文献，本页显示第 14561 - 14580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14561 | 2025-04-01 |
Effects of a deep learning-based image quality enhancement method on a digital-BGO PET/CT system for 18F-FDG whole-body examination
2025-Mar-28, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00742-7
PMID:40148660
|
research paper | 本研究评估了数字BGO PET/CT系统中基于深度学习的图像质量增强方法（PDL）对18F-FDG全身检查的影响 | 结合BSREM图像重建和深度学习的TOF-like图像质量增强过程（PDL），显著提高了图像质量和病变的SUVmax | 研究仅基于Omni Legend 32 PET/CT系统，结果可能不适用于其他系统 | 评估PDL在数字BGO PET/CT系统中的基本特性和对图像质量的影响 | NEMA IEC体模和30例临床全身18F-FDG PET/CT检查 | digital pathology | NA | PET/CT成像，深度学习图像增强 | 深度学习（PDL） | 图像 | 30例临床全身18F-FDG PET/CT检查 | NA | NA | NA | NA |
| 14562 | 2025-04-01 |
UrbanEV: An Open Benchmark Dataset for Urban Electric Vehicle Charging Demand Prediction
2025-Mar-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04874-4
PMID:40155635
|
research paper | 介绍了一个名为UrbanEV的开放数据集，用于预测城市电动汽车充电需求 | 提供了首个涵盖充电站占用率、时长、用电量和价格等多维度数据的开放数据集，并包含天气和空间邻近性等影响因素 | 数据仅来自深圳一个城市，可能无法完全代表其他地区的充电需求模式 | 推动电动汽车充电需求预测和管理的研究 | 电动汽车充电站 | machine learning | NA | NA | 统计模型、深度学习和基于transformer的方法 | 时间序列数据 | 超过20,000个充电站，时间跨度为六个月 | NA | NA | NA | NA |
| 14563 | 2025-04-01 |
An optimized deep learning based hybrid model for prediction of daily average global solar irradiance using CNN SLSTM architecture
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95118-3
PMID:40155655
|
研究论文 | 本研究开发了一种结合CNN和SLSTM的混合深度学习模型，用于预测每日平均全球太阳辐照度 | 提出了一种结合CNN和SLSTM的混合模型，并使用黏菌优化算法优化超参数，提高了预测精度 | 未提及模型在其他地理区域的泛化能力 | 开发高精度的太阳辐照度预测模型以优化光伏系统并网 | 每日平均全球太阳辐照度 | 机器学习 | NA | 递归特征消除技术、十倍交叉验证技术 | CNN-SLSTM | 气象参数和太阳辐照度数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 14564 | 2025-04-01 |
A novel deep learning radiopathomics model for predicting carcinogenesis promotor cyclooxygenase-2 expression in common bile duct in children with pancreaticobiliary maljunction: a multicenter study
2025-Mar-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01951-5
PMID:40146354
|
研究论文 | 开发并验证了一种整合放射学和病理学影像数据的深度学习放射病理学模型（DLRPM），用于预测儿童胰胆管合流异常（PBM）患者胆道环氧合酶-2（COX-2）的表达 | 首次提出了一种整合CT和组织病理学图像的深度学习放射病理学模型（DLRPM），用于预测PBM患者胆道COX-2表达 | 需要前瞻性多中心研究进一步验证其泛化性 | 预测儿童胰胆管合流异常患者胆道COX-2的表达 | 219例PBM患者 | 数字病理 | 胰胆管合流异常 | 免疫组织化学、深度学习 | DLRPM | CT图像、H&E染色组织病理学切片 | 219例（训练集104例，内部测试集71例，外部测试集44例） | NA | NA | NA | NA |
| 14565 | 2025-04-01 |
Physics-informed neural networks with hybrid Kolmogorov-Arnold network and augmented Lagrangian function for solving partial differential equations
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92900-1
PMID:40148388
|
研究论文 | 本文提出了一种结合Kolmogorov-Arnold网络和增强拉格朗日函数的物理信息神经网络（AL-PKAN），用于解决偏微分方程 | 引入了混合编码器-解码器模型AL-PKAN，利用GRU模块和KAN模块解决传统多层感知器在PINNs中的解释性和谱偏差问题，并通过增强拉格朗日函数动态调节约束平衡 | 未提及具体的数据集或实际应用场景的验证 | 解决偏微分方程（PDEs）的数值计算问题 | 偏微分方程的数值解 | 机器学习 | NA | 物理信息神经网络（PINNs），Kolmogorov-Arnold网络（KAN），增强拉格朗日函数 | AL-PKAN（混合GRU和KAN模块的编码器-解码器模型） | 数值数据 | NA | NA | NA | NA | NA |
| 14566 | 2025-04-01 |
Application of multi-attribute decision-making combined with BERT-CNN model in the image construction of ice and snow tourism destination
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95221-5
PMID:40148433
|
研究论文 | 本研究提出了一种结合深度学习和多属性决策方法的创新评估框架，用于提升冰雪旅游目的地形象评估的科学性和准确性 | 创新性地设计了基于BERT-CNN的文本特征提取模型，并引入多属性决策方法进行属性权重分配和决策优化 | NA | 提升冰雪旅游目的地形象评估的科学性和准确性 | 冰雪旅游目的地的形象评估 | 自然语言处理 | NA | BERT, CNN | BERT-CNN | 文本 | NA | NA | NA | NA | NA |
| 14567 | 2025-04-01 |
MRI transformer deep learning and radiomics for predicting IDH wild type TERT promoter mutant gliomas
2025-Mar-27, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00884-y
PMID:40148588
|
研究论文 | 本研究通过多参数MRI序列和新型融合模型预测IDH野生型TERT启动子突变胶质瘤，同时匹配模型分类指标与患者风险分层，以制定个性化诊断和预后评估 | 提出了一种基于CrossFormer神经网络的多通道2.5D深度学习模型，并与2D深度学习模型和放射组学模型通过集成学习结合成堆叠模型，实现了较高的预测性能 | NA | 预测IDH野生型TERT启动子突变胶质瘤并实现患者风险分层 | 1185名胶质瘤患者的术前T1CE和T2FLAIR序列 | 数字病理学 | 胶质瘤 | 多参数MRI | CrossFormer神经网络、集成学习堆叠模型 | MRI图像 | 1185名胶质瘤患者 | NA | NA | NA | NA |
| 14568 | 2025-04-01 |
AI and Smart Devices in Cardio-Oncology: Advancements in Cardiotoxicity Prediction and Cardiovascular Monitoring
2025-Mar-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060787
PMID:40150129
|
review | 本文综述了人工智能和智能心脏设备在心脏肿瘤学中的应用，特别是在心脏毒性预测和心血管监测方面的进展 | 整合AI和智能心脏设备，提升心血管风险评估、早期检测和实时监测心脏毒性的能力 | 面临数据标准化、监管审批和公平获取等挑战 | 探讨AI和智能设备在心脏肿瘤学中的应用，以改善患者预后 | 癌症患者的心血管并发症 | machine learning | cardiovascular disease | machine learning (ML), deep learning (DL) | NA | biosensor data, ECG data | NA | NA | NA | NA | NA |
| 14569 | 2025-04-01 |
A Novel Diagnostic Framework with an Optimized Ensemble of Vision Transformers and Convolutional Neural Networks for Enhanced Alzheimer's Disease Detection in Medical Imaging
2025-Mar-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060789
PMID:40150131
|
research paper | 提出了一种新颖的诊断框架，结合优化的视觉变换器和卷积神经网络集合，用于增强阿尔茨海默病在医学影像中的检测 | 提出了一种结合ViT-B16和三种CNN模型（VGG19、ResNet152V2和EfficientNetV2B3）的加权平均集成技术，并使用Grasshopper优化算法确保高性能 | 未提及具体的数据集局限性或模型泛化能力的测试范围 | 开发一个高效、准确的阿尔茨海默病早期检测框架 | 阿尔茨海默病患者的大脑磁共振影像（MRI） | digital pathology | geriatric disease | 深度学习与医学影像分析 | ViT-B16, VGG19, ResNet152V2, EfficientNetV2B3 | image | 使用'OASIS'基准数据集中的大量脑部MRI影像 | NA | NA | NA | NA |
| 14570 | 2025-04-01 |
A Comparative Study of Machine Learning and Deep Learning Models for Automatic Parkinson's Disease Detection from Electroencephalogram Signals
2025-Mar-19, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060773
PMID:40150115
|
research paper | 本研究比较了机器学习和深度学习模型在利用脑电图信号自动检测帕金森病方面的性能 | 结合先进的频谱特征工程与机器学习和深度学习模型，提出了一种创新的基于EEG的PD检测方法 | 需要增强特征集、增加受试者数量以及提高模型在不同环境中的泛化能力 | 开发一种更可靠和高效的帕金森病早期检测技术 | 帕金森病患者和健康受试者的脑电图信号 | machine learning | Parkinson's disease | EEG信号分析 | SVM, CNN | EEG信号 | UC San Diego Resting State EEG数据集和IOWA数据集 | NA | NA | NA | NA |
| 14571 | 2025-04-01 |
Deep Learning Models to Detect Anterior Cruciate Ligament Injury on MRI: A Comprehensive Review
2025-Mar-19, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060776
PMID:40150118
|
综述 | 本文综述了深度学习模型在MRI上检测前交叉韧带（ACL）损伤的当前应用 | 提供了关于深度学习在ACL撕裂检测中应用的全面和批判性综述，并识别了该领域的新兴趋势和挑战 | 仍需要技术发展以在日常实践中实施 | 回顾深度学习模型在MRI上检测ACL损伤的应用 | 前交叉韧带（ACL）损伤 | 数字病理学 | 运动损伤 | MRI | 深度学习模型 | 图像 | 23篇相关文章 | NA | NA | NA | NA |
| 14572 | 2025-04-01 |
Melanoma Skin Cancer Recognition with a Convolutional Neural Network and Feature Dimensions Reduction with Aquila Optimizer
2025-Mar-18, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060761
PMID:40150103
|
research paper | 该研究开发了一种结合CNN特征提取和Aquila优化器降维的黑色素瘤皮肤癌识别系统 | 首次将CNN与Aquila优化器结合用于黑色素瘤检测，显著提升了分类准确率和计算效率 | 研究仅使用了公开数据集，未在临床环境中进行验证 | 开发高效准确的黑色素瘤自动检测系统 | 皮肤镜图像中的黑色素瘤病变 | digital pathology | melanoma | CNN特征提取结合Aquila优化器降维 | CNN | image | 三个公开数据集(ISIC 2019/ISBI 2016/ISBI 2017) | NA | NA | NA | NA |
| 14573 | 2025-04-01 |
Predicting Dairy Calf Body Weight from Depth Images Using Deep Learning (YOLOv8) and Threshold Segmentation with Cross-Validation and Longitudinal Analysis
2025-Mar-18, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15060868
PMID:40150397
|
研究论文 | 该研究利用深度学习和阈值分割技术预测断奶前犊牛的体重，以提高农场管理效率 | 结合YOLOv8深度学习分割与阈值分割方法，首次在早期时间点预测后期犊牛体重，并比较了多种预测模型的性能 | 样本量较小（63头荷斯坦犊牛和5头泽西犊牛），且仅20头荷斯坦犊牛进行了手动称重 | 开发非接触式测量方法，预测断奶前犊牛的体重，以评估生长、饲料效率、健康和断奶准备情况 | 荷斯坦和泽西品种的断奶前犊牛 | 计算机视觉 | NA | 深度学习和阈值分割 | YOLOv8, LR, XGBoost, LMM | 深度图像 | 63头荷斯坦犊牛和5头泽西犊牛，其中20头荷斯坦犊牛进行了手动称重 | NA | NA | NA | NA |
| 14574 | 2025-04-01 |
Benchmarking Interpretability in Healthcare Using Pattern Discovery and Disentanglement
2025-Mar-18, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030308
PMID:40150773
|
research paper | 该研究评估了模式发现与解缠（PDD）系统在医疗保健领域的可解释性，通过无监督学习算法处理临床笔记以辅助决策 | 提出了一种无监督学习算法PDD，其在可解释性输出和聚类结果方面表现与监督深度学习模型相当，并通过全局可解释性弥补了特征重要性排名和事后分析的局限性 | 特征重要性排名和事后分析在临床诊断中存在局限性 | 评估和比较医疗保健领域AI决策的可解释性技术 | 临床笔记和ICD-9代码 | natural language processing | NA | Term Frequency-Inverse Document Frequency, Topic Modeling | unsupervised learning algorithm | text | MIMIC-IV数据集 | NA | NA | NA | NA |
| 14575 | 2025-04-01 |
CBR-Net: A Multisensory Emotional Electroencephalography (EEG)-Based Personal Identification Model with Olfactory-Enhanced Video Stimulation
2025-Mar-18, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030310
PMID:40150774
|
research paper | 提出了一种基于多感官情感EEG的个人识别模型CBR-Net，并建立了包含视频和嗅觉增强视频刺激的多感官情感EEG数据集 | 首次结合CNN、BiLSTM和残差连接构建CBR-Net模型，并验证嗅觉增强视频刺激对提升EEG信号情感强度的有效性 | 未说明模型在不同人群或跨文化场景下的泛化能力 | 提高基于EEG的个人识别准确率 | 多感官刺激下的情感EEG信号 | machine learning | NA | EEG信号采集与分析 | CNN-BiLSTM-Residual Network (CBR-Net) | 多模态数据（EEG信号+视频/嗅觉刺激） | 未明确说明被试者数量 | NA | NA | NA | NA |
| 14576 | 2025-04-01 |
Improved A-Line and B-Line Detection in Lung Ultrasound Using Deep Learning with Boundary-Aware Dice Loss
2025-Mar-18, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030311
PMID:40150775
|
research paper | 提出了一种结合Transformer编码器和边界感知Dice损失的新型分割模型TransBound-UNet，用于提高肺部超声图像中A线和B线的检测和分割精度 | 集成了基于Transformer的编码器和边界感知Dice损失，提高了关键结构的准确分割 | 未提及具体的数据集多样性或模型在不同设备或条件下的泛化能力 | 提高肺部超声图像中A线和B线的自动检测和分割精度 | 肺部超声图像中的A线和B线 | digital pathology | lung cancer | deep learning | TransBound-UNet (结合Transformer和UNet) | image | 4599张肺部超声图像 | NA | NA | NA | NA |
| 14577 | 2025-04-01 |
Self-Supervised Z-Slice Augmentation for 3D Bio-Imaging via Knowledge Distillation
2025-Mar-17, ArXiv
PMID:40093360
|
研究论文 | 提出了一种名为ZAugNet的自监督深度学习方法，用于提高生物图像中的z分辨率 | 结合生成对抗网络（GAN）和知识蒸馏技术，实现了在不牺牲准确性的情况下最大化预测速度，并开发了支持非均匀切片间距数据集的扩展版本ZAugNet+ | 未提及具体的局限性 | 提高三维生物显微镜图像的z分辨率 | 三维生物显微镜图像 | 数字病理学 | NA | 深度学习 | GAN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 14578 | 2025-04-01 |
Enhanced Methodology and Experimental Research for Caged Chicken Counting Based on YOLOv8
2025-Mar-16, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15060853
PMID:40150382
|
research paper | 提出了一种基于YOLOv8改进的笼养鸡计数算法YOLO-CCA，通过集成CoordAttention机制和Reversible Column Networks骨干网络，提高了计数准确率和效率 | YOLO-CCA算法通过集成CoordAttention机制和Reversible Column Networks骨干网络，显著提高了YOLOv8-small模型的准确率和平均精度，并开发了基于阈值的连续帧检测方法 | 在Jetson AGX Orin工业计算机上部署时，识别率略有下降至93.2% | 提高笼养鸡计数的准确性和效率，支持智能化家禽养殖转型 | 笼养鸡 | computer vision | NA | YOLO-CCA, CoordAttention, Reversible Column Networks | YOLOv8-small | image | 80个笼子，共493只鸡 | NA | NA | NA | NA |
| 14579 | 2025-04-01 |
Advancing Diabetic Retinopathy Screening: A Systematic Review of Artificial Intelligence and Optical Coherence Tomography Angiography Innovations
2025-Mar-15, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060737
PMID:40150080
|
系统性综述 | 本文综述了人工智能（AI）与光学相干断层扫描血管成像（OCTA）在糖尿病视网膜病变（DR）筛查中的创新应用 | 整合先进的深度学习（DL）和机器学习（ML）算法与OCTA成像，显著提高了DR筛查的准确性和早期检测能力 | 需要更多多中心研究和真实世界验证以最大化这些创新工具的临床影响 | 探讨AI与OCTA在DR筛查中的应用及其对诊断准确性和临床工作流程的改进 | 糖尿病视网膜病变（DR）患者 | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描血管成像（OCTA） | CNN, 注意力机制模型, Vision Transformers (ViTs) | 图像 | 32项研究 | NA | NA | NA | NA |
| 14580 | 2025-04-01 |
Breaking Barriers in Thyroid Cytopathology: Harnessing Deep Learning for Accurate Diagnosis
2025-Mar-14, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030293
PMID:40150757
|
research paper | 该研究探讨了人工智能技术在甲状腺细胞病理学中的应用，特别是用于诊断最常见的甲状腺癌类型——乳头状甲状腺癌（PTC） | 提出了两种深度学习框架：基于CNN的TCS-CNN用于小区域分类，以及基于注意力机制的AD-MIL模型用于大区域预测 | 研究仅针对乳头状甲状腺癌（PTC），未涵盖其他甲状腺疾病类型 | 提高甲状腺细胞病理学诊断的准确性和效率 | 甲状腺细胞病理学图像 | digital pathology | thyroid cancer | fine-needle aspiration cytology (FNAC) | CNN, attention-based deep multiple instance learning (AD-MIL) | image | NA | NA | NA | NA | NA |