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 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 |
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 |
| 14562 | 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 |
| 14563 | 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 |
| 14564 | 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 |
| 14565 | 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 |
| 14566 | 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 |
| 14567 | 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 |
| 14568 | 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 |
| 14569 | 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 |
| 14570 | 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 |
| 14571 | 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 |
| 14572 | 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 |
| 14573 | 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 |
| 14574 | 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 |
| 14575 | 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 |
| 14576 | 2025-04-01 |
Heart Sound Classification Based on Multi-Scale Feature Fusion and Channel Attention Module
2025-Mar-14, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030290
PMID:40150754
|
research paper | 提出了一种名为CAFusionNet的心音分类模型，通过多尺度特征融合和通道注意力模块提高分类性能 | 结合多尺度特征融合和通道注意力模块，显著提升了心音分类的准确率 | 数据集规模有限，采用了同质迁移学习方法来缓解这一问题 | 提高心音分类的准确性和效率 | 心音信号 | machine learning | cardiovascular disease | CNN | CAFusionNet | audio | 公共数据集与自有数据集的组合 | NA | NA | NA | NA |
| 14577 | 2025-04-01 |
A Hybrid Deep Learning-Based Feature Selection Approach for Supporting Early Detection of Long-Term Behavioral Outcomes in Survivors of Cancer: Cross-Sectional Study
2025-Mar-13, JMIR bioinformatics and biotechnology
DOI:10.2196/65001
PMID:40080820
|
研究论文 | 开发了一种基于混合深度学习的特征选择方法，用于预测癌症幸存者的长期负面行为结果 | 提出了一种新的两阶段特征选择算法，结合多度量多数投票过滤器和深度丢弃神经网络，动态自动选择最佳特征集 | 研究样本量较小（102名急性淋巴细胞白血病幸存者），且仅在中国香港的一家公立医院进行治疗的患者中进行 | 提高机器学习分类器预测癌症幸存者长期负面行为结果的能力 | 急性淋巴细胞白血病的年轻幸存者（评估时年龄15-39岁，癌症诊断后超过5年） | 机器学习 | 急性淋巴细胞白血病 | 混合深度学习 | 深度丢弃神经网络 | 临床和社会环境因素数据 | 102名急性淋巴细胞白血病幸存者 | NA | NA | NA | NA |
| 14578 | 2025-04-01 |
Deep Learning Models Based on Pretreatment MRI and Clinicopathological Data to Predict Responses to Neoadjuvant Systemic Therapy in Triple-Negative Breast Cancer
2025-Mar-13, Cancers
IF:4.5Q1
DOI:10.3390/cancers17060966
PMID:40149299
|
research paper | 开发基于治疗前MRI和临床病理数据的深度学习模型，用于预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解 | 利用多参数乳腺MRI和临床病理数据，结合3D深度学习框架，预测三阴性乳腺癌患者对新辅助系统治疗的响应 | 模型在内部和外部测试数据集中的AUC值分别为0.76和0.72，仍有提升空间 | 预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解 | 282名I-III期三阴性乳腺癌患者 | digital pathology | breast cancer | multiparametric breast MRI (DCE, DWI) | ResNeXt50, ResNet18 | image, clinical data | 282名患者（内部测试数据集）及I-SPY 2试验数据（外部测试数据集） | NA | NA | NA | NA |
| 14579 | 2025-04-01 |
Multi-Modal Fusion and Longitudinal Analysis for Alzheimer's Disease Classification Using Deep Learning
2025-Mar-13, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060717
PMID:40150060
|
research paper | 本研究介绍了一种名为FusionNet的创新框架，旨在通过整合多模态和纵向成像数据来提升阿尔茨海默病（AD）的分类准确性 | FusionNet通过结合MRI、PET和CT扫描数据，利用GAN进行数据增强、轻量级神经网络架构和深度度量学习，显著提高了AD的诊断准确性并实现了早期检测和持续监测 | NA | 提升阿尔茨海默病的诊断准确性，实现早期检测和持续监测 | 阿尔茨海默病患者的多模态和纵向成像数据 | digital pathology | geriatric disease | MRI, PET, CT | GAN, lightweight neural architectures, deep metric learning | image | NA | NA | NA | NA | NA |
| 14580 | 2025-04-01 |
Leveraging Attention-Based Deep Learning in Binary Classification for Early-Stage Breast Cancer Diagnosis
2025-Mar-13, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060718
PMID:40150061
|
research paper | 本研究探讨了基于注意力的深度学习模型与传统机器学习方法在乳腺癌早期诊断中的结合应用 | 利用高效的通道-空间注意力网络（ECSAnet）进行二分类，通过先进的注意力机制增强空间和通道维度的特征提取 | 研究仅基于BreakHis数据集，未涉及其他类型的数据或多模态方法 | 提高乳腺癌早期诊断的准确性和效率 | 乳腺癌组织病理学图像 | digital pathology | breast cancer | deep learning, machine learning | ECSAnet, Decision Trees, Logistic Regression | image | BreakHis数据集中的组织病理学图像，包含良性和恶性肿瘤，放大倍数为40×、100×、200×和400× | NA | NA | NA | NA |