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 14581 - 14600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14581 | 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 |
| 14582 | 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 |
| 14583 | 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 |
| 14584 | 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 |
| 14585 | 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 |
| 14586 | 2025-04-01 |
Chinese Named Entity Recognition for Dairy Cow Diseases by Fusion of Multi-Semantic Features Using Self-Attention-Based Deep Learning
2025-Mar-13, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15060822
PMID:40150352
|
研究论文 | 本文提出了一种融合多语义特征的自注意力深度学习模型，用于中文奶牛疾病命名实体识别 | 结合字符级、拼音级、字形级和词级特征，并采用多头自注意力机制的Bi-LSTM网络学习长距离依赖关系 | 未提及具体的数据集规模和模型在其他领域的泛化能力 | 构建高质量的奶牛疾病知识图谱，辅助诊断以减少漏诊和误诊 | 中文奶牛疾病语料库 | 自然语言处理 | 奶牛疾病 | 多头自注意力机制 | Bi-LSTM + CRF | 文本 | NA | NA | NA | NA | NA |
| 14587 | 2025-04-01 |
An Effective and Interpretable Sleep Stage Classification Approach Using Multi-Domain Electroencephalogram and Electrooculogram Features
2025-Mar-13, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030286
PMID:40150750
|
研究论文 | 提出了一种基于多域脑电图和眼电图特征的有效且可解释的睡眠阶段分类方法 | 结合F-score预过滤和XGBoost特征排序的两步特征选择策略，以及新创建的眼电图特征 | 模型在复杂性和可解释性方面有所提升，但未提及在其他数据集上的泛化能力 | 提高睡眠阶段分类的准确性和可解释性 | 睡眠阶段的分类 | 机器学习 | 睡眠障碍 | 脑电图(EEG)和眼电图(EOG)信号处理 | XGBoost | 信号数据 | 公共Sleep-EDF数据集 | NA | NA | NA | NA |
| 14588 | 2025-04-01 |
Progress in the Application of Artificial Intelligence in Ultrasound-Assisted Medical Diagnosis
2025-Mar-13, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030288
PMID:40150752
|
综述 | 本文综述了人工智能在超声医学诊断中的应用、挑战及未来发展方向 | 重点介绍了AI技术，特别是机器学习和深度学习在超声诊断中的应用，以及如何通过卷积神经网络等先进算法提升图像获取、质量评估和疾病诊断的客观性 | 对AI诊断准确性和伦理影响的全面评估仍有限，需要严格的临床实践验证 | 探讨人工智能在超声医学诊断中的应用及其对全球医疗结果的潜在影响 | 超声医学诊断 | 医学影像 | NA | 机器学习（ML）、深度学习（DL） | CNN | 图像 | NA | NA | NA | NA | NA |
| 14589 | 2025-04-01 |
Deep Learning Approaches for the Classification of Keloid Images in the Context of Malignant and Benign Skin Disorders
2025-Mar-12, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060710
PMID:40150053
|
research paper | 本研究探讨了深度学习算法在皮肤病变图像分类中的应用，特别是针对瘢痕疙瘩与其他良性和恶性皮肤病变的分类 | 研究首次将深度学习应用于瘢痕疙瘩与非皮肤镜图像的分类，并比较了九种不同CNN模型的性能 | 研究中使用的数据集有限，且在处理非皮肤镜图像时遇到了一些收集和处理问题 | 开发深度学习模型以准确分类瘢痕疙瘩与其他皮肤病变 | 瘢痕疙瘩、恶性皮肤病变（如黑色素瘤、基底细胞癌等）和良性皮肤病变 | computer vision | skin disorders | transfer learning | CNN (VGG16, MobileNet, InceptionV3, DenseNet121, EfficientNetB0, Xception, InceptionRNV2, EfficientNetV2L, NASNetLarge) | image | 两个公开可用的数据集，包含非皮肤镜图像，具体样本数量未明确说明 | NA | NA | NA | NA |
| 14590 | 2025-04-01 |
Deep Learning-Based Detection of Depression and Suicidal Tendencies in Social Media Data with Feature Selection
2025-Mar-12, Behavioral sciences (Basel, Switzerland)
DOI:10.3390/bs15030352
PMID:40150247
|
研究论文 | 该研究提出了一种基于机器学习的框架，结合预训练语言模型和高级特征选择技术，用于从社交媒体数据中检测抑郁和自杀倾向 | 采用CWINCA进行特征选择和SVM进行分类，提高了检测抑郁和自杀倾向的准确性 | 未来工作需要关注实时检测能力和多语言适应性以提升实际应用性 | 通过社交媒体活动自动检测抑郁和自杀倾向，以支持早期干预和心理健康 | 社交媒体用户 | 自然语言处理 | 心理健康疾病 | 预训练语言模型和特征选择技术 | SVM | 文本 | 来自Twitter和Reddit的六个多样化数据集 | NA | NA | NA | NA |
| 14591 | 2025-04-01 |
Deep Multi-Modal Skin-Imaging-Based Information-Switching Network for Skin Lesion Recognition
2025-Mar-12, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030282
PMID:40150746
|
research paper | 提出了一种基于深度学习的多模态皮肤成像信息交换网络（MDSIS-Net），用于端到端的皮肤病变识别 | 引入创新的信息交换模块和跨模态注意力机制，动态校准和整合多模态特征，提升特征表示和模态间关联 | 未明确提及模型在更大规模或多样化数据集上的泛化能力 | 提高皮肤病变识别的准确性和可解释性，以支持临床决策 | 皮肤病变图像，包括临床毁容性皮肤病数据和公开的Derm7pt黑色素瘤数据集 | digital pathology | skin lesion | multi-modal imaging (spots, red marks, UV spots, porphyrins, brown spots) | CNN with information-switching module and cross-attention mechanism | image | 临床毁容性皮肤病数据和Derm7pt黑色素瘤数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 14592 | 2025-04-01 |
AI-Driven Advances in Low-Dose Imaging and Enhancement-A Review
2025-Mar-11, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060689
PMID:40150031
|
综述 | 本文回顾了人工智能在低剂量医学成像中的进展，特别是在CT、X射线和MRI中的应用 | AI技术显著降低了辐射剂量同时提高了图像质量，并优化了放射学工作流程 | 模型泛化能力、监管限制、伦理考虑和计算需求等挑战仍需解决 | 探索AI在低剂量医学成像中的作用，以平衡诊断质量和辐射暴露 | CT、X射线和MRI等医学成像技术 | 医学影像 | NA | 深度学习模型、卷积神经网络(CNNs)等AI技术 | CNN | 医学影像 | NA | NA | NA | NA | NA |
| 14593 | 2025-04-01 |
A Robust YOLOv8-Based Framework for Real-Time Melanoma Detection and Segmentation with Multi-Dataset Training
2025-Mar-11, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15060691
PMID:40150034
|
研究论文 | 提出了一种基于YOLOv8的深度学习框架，用于实时黑色素瘤检测和分割 | 采用多数据集训练策略增强泛化能力，将检测和分割任务统一到单次推理中，显著提高计算效率 | 建议整合可解释AI技术以增强临床信任和可解释性 | 提高黑色素瘤诊断的准确性和实时性 | 黑色素瘤图像 | 计算机视觉 | 黑色素瘤 | 深度学习 | YOLOv8 | 图像 | ISIC 2020、HAM10000和PH2数据集 | NA | NA | NA | NA |
| 14594 | 2025-04-01 |
Real-Time Object Detector for Medical Diagnostics (RTMDet): A High-Performance Deep Learning Model for Brain Tumor Diagnosis
2025-Mar-11, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030274
PMID:40150738
|
研究论文 | 介绍了一种名为RTMDet的高性能深度学习模型，用于实时脑肿瘤诊断 | RTMDet通过优化CNN架构，在保持诊断精度的同时降低了计算负担，实现了实时处理 | 未提及具体的数据集规模或模型在多样化临床环境中的泛化能力 | 优化深度学习模型以实现脑肿瘤的实时高精度诊断 | 脑肿瘤的医学影像数据 | 数字病理 | 脑肿瘤 | 深度卷积神经网络 | CNN | 医学影像 | 未明确提及具体样本量，但使用了综合医学影像数据集 | NA | NA | NA | NA |
| 14595 | 2025-04-01 |
Integrated Machine Learning Algorithms-Enhanced Predication for Cervical Cancer from Mass Spectrometry-Based Proteomics Data
2025-Mar-09, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030269
PMID:40150733
|
研究论文 | 本研究利用基于质谱的蛋白质组学数据和多种机器学习算法，开发了一个AI驱动的流程，用于宫颈癌早期诊断血清生物标志物的识别和验证 | 结合八种不同的机器学习算法和多维学习模型，显著提高了早期宫颈癌诊断的准确性，AUC接近1 | 研究样本量相对较小（240例患者），且仅针对宫颈癌，未验证其他癌症类型的适用性 | 开发AI驱动的流程，提高早期癌症诊断的准确性 | 宫颈癌患者血清中的多肽差异峰 | 机器学习 | 宫颈癌 | 质谱蛋白质组学 | 多种机器学习算法（未具体说明） | 蛋白质组学数据 | 240例患者 | NA | NA | NA | NA |
| 14596 | 2025-04-01 |
Deep learning‑based prediction of in‑hospital mortality for acute kidney injury
2025-Mar-07, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2470809
PMID:40052403
|
research paper | 该研究提出了一种基于深度学习的GCAT模型，用于预测急性肾损伤（AKI）患者的院内死亡率 | GCAT模型通过探索患者属性特征的相似性并构建患者特征相似性网络（PFSN），显著提高了预测准确性 | 研究仅使用了MIMIC-III数据集，可能无法涵盖所有临床场景 | 预测急性肾损伤（AKI）患者的院内死亡率 | 急性肾损伤（AKI）患者 | machine learning | acute kidney injury | 深度学习 | GCAT | 临床数据 | MIMIC-III数据集中的患者 | NA | NA | NA | NA |
| 14597 | 2025-04-01 |
Anomaly Detection in Retinal OCT Images With Deep Learning-Based Knowledge Distillation
2025-Mar-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.3.26
PMID:40146150
|
研究论文 | 开发了一种基于深度学习的无监督异常检测系统，用于识别视网膜OCT图像中的病理形态学表现 | 采用Teacher-Student知识蒸馏方法，仅使用正常病例进行训练，无需额外人工标注，实现了高效的异常检测和定位 | 在外部数据集上的B-scan检测AUC值在0.81-0.87之间，性能有待进一步提升 | 开发一个稳健且通用的AI系统，用于筛查视网膜OCT图像中的病理异常 | 视网膜OCT图像 | 计算机视觉 | 年龄相关性黄斑变性(AMD)和糖尿病性黄斑水肿(DME) | 深度学习 | Teacher-Student知识蒸馏模型 | 图像 | 3358名患者的OCT扫描数据 | NA | NA | NA | NA |
| 14598 | 2025-04-01 |
A Novel Tactile Learning Assistive Tool for the Visually and Hearing Impaired with 3D-CNN and Bidirectional LSTM Leveraging Morse Code Technology
2025-Mar-03, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030253
PMID:40150717
|
研究论文 | 开发一种结合3D-CNN和双向LSTM的新型触觉学习辅助工具，利用摩尔斯电码技术帮助视力和听力受损儿童 | 结合3D-CNN和双向LSTM深度学习技术，将说话者的唇部动作转换为摩尔斯电码，通过可穿戴设备传递给聋盲儿童 | 实验评估中单词错误率为2%，可能存在一定的识别误差 | 减少聋盲儿童与同伴沟通的困难，并帮助他们在课堂环境中独立学习 | 聋盲儿童 | 机器学习 | NA | 摩尔斯电码技术 | 3D-CNN和双向LSTM | 唇部动作视频 | NA | NA | NA | NA | NA |
| 14599 | 2025-04-01 |
Non-Contact Blood Pressure Monitoring Using Radar Signals: A Dual-Stage Deep Learning Network
2025-Mar-02, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030252
PMID:40150716
|
研究论文 | 提出了一种基于雷达信号的非接触式血压监测方法，采用双阶段深度学习网络 | 结合空间和时间特征学习的层次神经网络框架，利用雷达信号实现非接触式血压监测，并通过早期估计扩展特征集以提升预测能力 | 临床误差虽可接受，但仍存在改进空间（SBP: -1.09 ± 5.15 mmHg, DBP: -0.26 ± 4.35 mmHg） | 开发一种非接触式血压监测技术，提升用户舒适度和隐私保护 | 通过雷达信号捕捉的胸壁微振动及其二阶导数 | 机器学习 | 心血管疾病 | 雷达传感技术 | CNN和Transformer结合的层次神经网络 | 雷达信号 | NA | NA | NA | NA | NA |
| 14600 | 2025-03-05 |
Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules
2025-Mar, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250387
PMID:40035670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |