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 14661 - 14680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14661 | 2025-03-30 |
Novel Preprocessing-Based Sequence for Comparative MR Cervical Lymph Node Segmentation
2025-Mar-07, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14061802
PMID:40142614
|
研究论文 | 本研究利用深度学习方法对磁共振图像中的颈部淋巴结进行自动分割，以提高颈部病理性肿块诊断的速度和准确性，并改善患者治疗流程 | 首次探索使用全面的颈部MRI序列进行颈部淋巴结的自动分割，提出的预处理模型和自动重新裁剪方法提高了分割的准确性 | 样本量相对较小（64名患者），且仅针对颈部淋巴结，可能限制了模型的泛化能力 | 提高颈部淋巴结在磁共振图像中的自动分割准确性和速度，优化诊断和治疗流程 | 颈部淋巴结 | 数字病理 | 颈部淋巴结疾病 | MRI | DeepLabv3+ with ResNet-50 | 图像 | 64名患者的1346张MRI切片 | NA | NA | NA | NA |
| 14662 | 2025-10-07 |
Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles
2025-Mar, Forensic science, medicine, and pathology
DOI:10.1007/s12024-024-00877-6
PMID:39235752
|
研究论文 | 使用PointNet架构对耐克和阿迪达斯两种品牌的3D鞋印进行二分类研究 | 首次专门针对3D鞋印使用深度学习方法进行分类研究 | 开发的3D鞋印二分类可能无法完全满足当前法医需求 | 探索深度学习在3D鞋印分类中的应用潜力 | 耐克和阿迪达斯品牌的鞋底3D鞋印 | 计算机视觉 | NA | 3D扫描 | PointNet | 3D点云数据 | 160双鞋子，共3242张图像（阿迪达斯797张，耐克2445张） | NA | PointNet | 准确率 | NA |
| 14663 | 2025-03-30 |
Fast Reverse Design of 4D-Printed Voxelized Composite Structures Using Deep Learning and Evolutionary Algorithm
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202407825
PMID:39893044
|
research paper | 本研究提出了一种结合深度学习和进化算法的优化方法，用于4D打印的体素化复合结构的快速逆向设计 | 开发了一种序列增强的并行卷积神经网络和渐进式进化算法（PEA），构建了DL-PEA框架，显著缩短了设计时间至约3.04秒 | 研究主要针对溶剂响应性水凝胶，可能不适用于其他类型的刺激响应材料 | 优化4D打印的体素化复合结构的设计过程，以实现特定目标形状的快速逆向设计 | 溶剂响应性水凝胶的4D打印体素化复合结构 | machine learning | NA | 深度学习（DL）、进化算法、有限元模拟 | 序列增强的并行CNN、渐进式进化算法（PEA） | 模拟数据 | NA | NA | NA | NA | NA |
| 14664 | 2025-03-30 |
Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024002
PMID:40151505
|
research paper | 评估深度学习模型在超声心动图短轴视图中左右心室分割的性能 | 首次在超声心动图短轴视图中评估深度学习模型对左右心室的分割性能，填补了长轴视图研究的空白 | 研究样本量较小，仅包含33名女性志愿者 | 评估深度学习模型在超声心动图短轴视图中分割心室的性能，以辅助心肺疾病和心肌病的诊断 | 超声心动图短轴视图中的左右心室 | digital pathology | cardiovascular disease | 超声心动图 | Unet-Resnet101, Unet-ResNet50, SAM variants, Detectron2 | image | 33名女性志愿者的387次扫描 | NA | NA | NA | NA |
| 14665 | 2025-03-30 |
Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model
2025-Feb-24, Life (Basel, Switzerland)
DOI:10.3390/life15030358
PMID:40141703
|
research paper | 开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势 | 采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类 | 环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下 | 通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病 | 50名健康成年人在不同条件下进行举重任务 | computer vision | occupational low back pain | OpenPose算法用于检测和提取关键身体点 | bidirectional LSTM | video | 50名健康成年人 | NA | NA | NA | NA |
| 14666 | 2025-03-30 |
Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy
2025-Feb-22, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics17030290
PMID:40142954
|
综述 | 本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响 | 探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用 | 面临数据整合、AI驱动决策的伦理问题及监管合规等挑战 | 研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响 | 制药制造过程中的生产流程和质量控制 | 机器学习 | NA | 云计算、数据分析 | 深度学习 | 传感器数据 | NA | NA | NA | NA | NA |
| 14667 | 2025-03-30 |
Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network
2025-Feb-21, Entropy (Basel, Switzerland)
DOI:10.3390/e27030220
PMID:40149144
|
研究论文 | 本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计 | 将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题 | NA | 提高大规模MIMO通信系统中信道估计的准确性和效率 | 大规模MIMO通信系统 | 机器学习 | NA | 深度学习 | PACE-Net（极化自注意力辅助神经网络） | 信道数据 | NA | NA | NA | NA | NA |
| 14668 | 2025-03-30 |
Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks
2025-Feb-20, Life (Basel, Switzerland)
DOI:10.3390/life15030327
PMID:40141673
|
research paper | 该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性 | 采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11% | 数据集来自Kaggle，可能存在样本多样性和泛化能力的限制 | 提高脑肿瘤分类的准确性和效率，支持临床决策 | MRI图像中的脑肿瘤与非肿瘤图像 | computer vision | brain tumor | deep transfer learning | InceptionResNetV2, VGG19, Xception, MobileNetV2 | image | Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及 | NA | NA | NA | NA |
| 14669 | 2025-03-30 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法 | 采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性 | 未提及具体的数据集规模或实验环境的多样性限制 | 开发一种实时监测陶瓷增材制造中涂层缺陷的方法 | 陶瓷增材制造过程中的涂层缺陷 | 计算机视觉 | NA | 多图像融合、深度学习 | CW-YOLO | 图像 | NA | NA | NA | NA | NA |
| 14670 | 2025-03-29 |
Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf043
PMID:40139910
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14671 | 2025-03-30 |
Impact of imbalanced features on large datasets
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1455442
PMID:40151465
|
research paper | 本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响 | 研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术 | 未提及具体的数据集大小或实验的具体细节 | 探索类别不平衡对图像分类性能的影响 | 图像和视频数据 | computer vision | NA | Distributed Gaussian (D-GA), Distributed Poisson (D-PO) | Random Forest (RF), SVM, deep learning models | image, video | large datasets（未提及具体数量） | NA | NA | NA | NA |
| 14672 | 2025-03-30 |
Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1404564
PMID:40151568
|
研究论文 | 本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估 | 系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度 | NA | 提高大规模农场中羊群个体监测的准确性和效率 | 羊群 | 计算机视觉 | NA | 深度学习 | YOLOv5s, GhostNet, EfficientNet | 图像 | NA | NA | NA | NA | NA |
| 14673 | 2025-03-30 |
Transformer-based ensemble model for dialectal Arabic sentiment classification
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2644
PMID:40151815
|
研究论文 | 该研究提出了一种基于Transformer的集成模型，用于方言阿拉伯语的情感分类 | 提出了一种基于Transformer的集成模型，在方言阿拉伯语情感分类任务中表现优于传统机器学习和深度学习模型 | 研究仅限于三个基准数据集，可能无法涵盖所有方言阿拉伯语的变体 | 提高方言阿拉伯语情感分类的准确性和性能 | 阿拉伯语推文的情感分类 | 自然语言处理 | NA | AraVec, FastText, AraBERT, TF-IDF | Transformer-based ensemble model, SVM, NB, DT, XGBoost, CNN, BLSTM, CAMeLBERT, XLM-RoBERTa, MARBERT | 文本 | 三个基准数据集：ASTD、ASAD和TEAD | NA | NA | NA | NA |
| 14674 | 2025-03-30 |
A semantic segmentation-based automatic pterygium assessment and grading system
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1507226
PMID:40151829
|
研究论文 | 本研究开发了一种结合深度学习和图像处理技术的自动翼状胬肉评估和分级系统 | 通过整合语义分割和曲线拟合技术，实现了翼状胬肉的自动分级，与医生临床评估高度一致 | 数据集的构建仍需在未来研究中进一步优化 | 开发自动化的翼状胬肉评估系统以优化治疗并减轻患者痛苦 | 翼状胬肉患者 | 数字病理学 | 眼部疾病 | 深度学习、图像处理 | 改进的TransUnet架构 | 图像 | 临床数据集中的裂隙灯显微镜图像 | NA | NA | NA | NA |
| 14675 | 2025-03-30 |
STMGraph: spatial-context-aware of transcriptomes via a dual-remasked dynamic graph attention model
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae685
PMID:39764614
|
研究论文 | 介绍了一种名为STMGraph的双重掩蔽动态图注意力模型，用于空间转录组数据的全局上下文感知分析 | 提出了一种结合双重掩蔽机制(MASK-REMASK)与动态图注意力模型(DGAT)的新型深度学习框架，能够更好地处理空间转录组数据 | 未明确提及具体局限性 | 提高空间转录组数据分析的准确性和鲁棒性，实现微环境异质性检测、空间域聚类和批次效应校正 | 空间转录组数据 | 生物信息学 | NA | 空间转录组技术 | 动态图注意力模型(DGAT) | 空间转录组数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 14676 | 2025-10-07 |
Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence
2024-May-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae158
PMID:38544295
|
研究论文 | 本研究使用深度学习分析谷歌街景图像评估建成环境，并探究其与冠状动脉疾病患病率的关联 | 首次将机器视觉与深度学习技术应用于建成环境评估，并建立其与心血管疾病的定量关联 | 横断面研究设计无法确定因果关系，仅涵盖美国七个城市的789个人口普查区 | 研究基于机器视觉的建成环境与心血管代谢疾病患病率之间的关联 | 美国七个城市的789个人口普查区及其居民 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 53万张谷歌街景图像，覆盖789个人口普查区 | NA | 卷积神经网络 | 方差解释率 | NA |
| 14677 | 2025-03-30 |
Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels
2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference)
|
研究论文 | 本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性 | 评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性 | 研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型 | 提高癫痫发作预测模型在真实世界条件下的准确性和适用性 | 癫痫患者的EEG数据 | 机器学习 | 癫痫 | EEG | DL(SPERTL模型) | EEG信号数据 | NA | NA | NA | NA | NA |
| 14678 | 2025-10-07 |
DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery
2024-01-23, Genes
IF:2.8Q2
DOI:10.3390/genes15020144
PMID:38397134
|
研究论文 | 提出一种名为DARDN的深度学习方法，用于CTCF结合序列分类和致癌调控特征发现 | 开发结合CNN和DeepLIFT的可解释深度学习模型，能够从长DNA序列中识别癌症特异性CTCF结合位点 | 未明确说明模型对长DNA序列处理的特定限制 | 识别与癌症特异性CTCF结合相关的DNA序列特征，发现致癌转录因子 | CTCF结合位点的DNA序列，涵盖T-ALL、AML、BRCA、CRC、LUAD和PRAD等多种癌症类型 | 生物信息学 | 多癌种（包括白血病、乳腺癌、结直肠癌、肺癌、前列腺癌等） | 高通量测序数据 | CNN | DNA序列 | NA | NA | DNAResDualNet (DARDN) | 分类准确性、序列特征识别能力 | NA |
| 14679 | 2025-10-07 |
Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning
2023-11-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2023.3.JNS2314
PMID:37060318
|
研究论文 | 开发基于深度学习的静息态功能磁共振成像脑图谱映射方法，用于术前功能定位 | 提出使用3D卷积神经网络在少量RS-fMRI数据下实现语言和运动静息态网络的体素级映射 | 研究样本主要来自健康成年人，脑肿瘤患者样本量较小（仅5例） | 开发能够用最少RS-fMRI数据可靠映射静息态网络的深度学习模型 | 健康成年人（2252名）和脑胶质母细胞瘤患者（5名） | 医学影像分析 | 脑肿瘤 | 静息态功能磁共振成像（RS-fMRI） | CNN | 医学影像 | 2257名参与者（2252名健康成年人，5名脑肿瘤患者） | NA | 3DCNN | 准确率，真阳性率 | NA |
| 14680 | 2025-10-07 |
Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns
2023-10, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2022.12.013
PMID:36535448
|
研究论文 | 本研究应用生成对抗网络创建高质量合成骨盆X光片，解决了深度学习模型训练中的患者隐私问题 | 首次使用GAN生成难以与真实影像区分的合成骨盆X光片，实现了在保护患者隐私前提下的跨机构数据共享和模型预训练 | 研究仅针对前後位骨盆X光片，未涵盖其他投照角度；样本来源单一机构 | 开发能够生成高质量合成医学影像的方法，以促进深度学习模型发展同时保护患者隐私 | 骨盆前後位X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | GAN | 医学影像 | 37,640张真实X光片（来自16,782名患者），通过数据增强生成2,500万张训练图像 | NA | 生成对抗网络 | 准确率, Kappa系数, 图像保真度评估 | NA |