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 15321 - 15340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15321 | 2025-03-14 |
The optimization of youth football training using deep learning and artificial intelligence
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93159-2
PMID:40065080
|
研究论文 | 本研究旨在通过利用先进的深度学习和人工智能技术提高青少年足球训练的效果和成果 | 构建了基于深度学习卷积神经网络（CNNs）的青少年足球训练关键点检测模型，并分析了人工智能在校园足球训练中的应用场景 | 研究中未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 提高青少年足球训练的效果和成果 | 青少年足球训练 | 机器学习 | NA | 深度学习卷积神经网络（CNNs） | CNN | 图像 | 五家技术公司和三十名体育教师 | NA | NA | NA | NA |
| 15322 | 2025-03-14 |
An improved transformer based traffic flow prediction model
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92425-7
PMID:40065142
|
研究论文 | 本文提出了一种改进的基于Transformer的交通流量预测模型，旨在解决现有深度学习模型在交通流量预测中的局限性 | 提出了IEEAFormer技术，通过嵌入层捕捉交通数据中的隐含信息，采用时间环境感知自注意力机制替代传统的多头自注意力机制，并使用独特的图掩码矩阵和平行空间自注意力架构同时捕捉数据中的长短期空间依赖关系 | 未提及具体局限性 | 提高交通流量预测的准确性，以提升城市交通系统的效率 | 交通流量数据 | 机器学习 | NA | Transformer架构，时间环境感知自注意力机制，图掩码矩阵 | IEEAFormer | 交通流量数据 | 四个真实世界的交通数据集 | NA | NA | NA | NA |
| 15323 | 2025-03-14 |
Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives
2025-Feb-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c01257
PMID:39916476
|
评论 | 本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景 | 文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成 | 文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向 | 研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景 | 研究对象是天然产物及其在药物发现中的应用 | 机器学习 | NA | 机器学习（ML）、深度学习（DL） | NA | 生物数据 | NA | NA | NA | NA | NA |
| 15324 | 2025-03-14 |
Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data
2025-Feb-19, ArXiv
PMID:40034133
|
研究论文 | 本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建 | RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题 | 尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制 | 研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法 | 研究对象是MRI图像，特别是低场输入下的图像重建 | 计算机视觉 | NA | 神经风格迁移（NST） | NA | 图像 | NA | NA | NA | NA | NA |
| 15325 | 2025-03-14 |
Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture
2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India
DOI:10.1007/s12070-024-05202-9
PMID:40070749
|
研究论文 | 本研究提出了一种利用ResNet-50 CNN架构对喉部图像进行二分类的新方法，旨在通过分析内窥镜图像来早期检测喉癌 | 使用ResNet-50 CNN架构对喉部图像进行二分类，结合深度学习和图像处理技术，提高了喉癌早期检测的准确性 | 由于数据稀缺，研究将数据分为癌症和非癌症两类，未能涵盖所有九种形态类别 | 早期检测和分类喉癌 | 喉部内窥镜图像 | 计算机视觉 | 喉癌 | 深度学习，图像处理 | ResNet-50 CNN | 图像 | 1978张内窥镜图像，来自960名患者 | NA | NA | NA | NA |
| 15326 | 2025-03-14 |
AI-enhanced PET/CT image synthesis using CycleGAN for improved ovarian cancer imaging
2025, Polish journal of radiology
IF:0.9Q4
DOI:10.5114/pjr/196804
PMID:40070416
|
研究论文 | 本研究利用CycleGAN进行PET图像的衰减校正，旨在提高卵巢癌成像的质量 | 使用生成对抗网络（GANs）进行PET图像衰减校正，避免了额外的CT成像 | 需要进一步优化和临床验证以实现全面的临床应用 | 提高卵巢癌成像的质量，减少辐射暴露 | 55名卵巢癌患者的PET/CT数据 | 计算机视觉 | 卵巢癌 | 生成对抗网络（GANs） | CycleGAN | 图像 | 55名卵巢癌患者的PET/CT数据 | NA | NA | NA | NA |
| 15327 | 2025-03-14 |
Unsupervised semantic label generation in agricultural fields
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1548143
PMID:40070454
|
研究论文 | 本文提出了一种用于农业领域中作物-杂草语义图像分割的自动标注管道，旨在减少深度学习模型训练对手动标注数据的依赖 | 提出了一种利用无人机或地面机器人记录的RGB图像，结合田间行结构进行空间一致性标注的自动化标注系统，并采用证据深度学习来提供预测不确定性估计，以改进语义预测 | 尽管在作物上的IoU表现优于完全监督方法，但在杂草上的IoU表现仍较低（22.7% vs 33.5%） | 减少农业领域中深度学习模型训练对手动标注数据的依赖，提升作物-杂草语义分割的自动化水平 | 农业领域中的作物和杂草 | 计算机视觉 | NA | 证据深度学习 | 深度学习模型 | RGB图像 | 多个田地和作物种类 | NA | NA | NA | NA |
| 15328 | 2025-03-14 |
Advancements in the application of artificial intelligence in the field of colorectal cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1499223
PMID:40071094
|
研究论文 | 本文探讨了人工智能在结直肠癌领域的应用进展 | 利用机器学习和深度学习算法，提高结直肠癌的早期检测、诊断和治疗效果 | 未具体提及研究的局限性 | 探索人工智能在结直肠癌管理中的潜力 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 机器学习和深度学习算法 | 深度学习（DL） | 医疗数据 | NA | NA | NA | NA | NA |
| 15329 | 2025-03-14 |
Deep learning model for the early prediction of pathologic response following neoadjuvant chemotherapy in breast cancer patients using dynamic contrast-enhanced MRI
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1491843
PMID:40071096
|
研究论文 | 本研究旨在探讨不同深度学习方法在DCE-MRI上的诊断准确性，为预测乳腺癌患者新辅助化疗（NAC）后的病理反应提供一个简单易用的工具 | 利用多种深度学习框架进行迁移学习，结合多种机器学习技术构建分类模型，成功开发出性能最佳的DLR模型，用于预测乳腺癌患者NAC后的病理反应 | 研究样本量有限，仅包括313名乳腺癌患者，且所有患者均来自单一机构，可能影响模型的泛化能力 | 开发一个基于DCE-MRI的深度学习模型，用于早期预测乳腺癌患者NAC后的病理反应 | 313名乳腺癌患者 | 计算机视觉 | 乳腺癌 | DCE-MRI | ViT, VGG16, ShuffleNet_v2, ResNet18, MobileNet_v2, MnasNet-0.5, GoogleNet, DenseNet121, AlexNet, SVM, KNN, RandomForest, ExtraTrees, XGBoost, LightGBM, MLP | 图像 | 313名乳腺癌患者 | NA | NA | NA | NA |
| 15330 | 2025-03-14 |
Data augmented lung cancer prediction framework using the nested case control NLST cohort
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1492758
PMID:40071099
|
研究论文 | 本研究探讨了在肺癌筛查中使用数据增强技术来提高深度学习模型的预测性能 | 全面评估了多种数据增强方法在肺癌预测中的应用，并发现传统方法在某些情况下优于最新的在线数据增强技术 | 研究仅基于253名个体的CT扫描数据，样本量相对较小 | 评估数据增强技术在肺癌筛查中的有效性 | 253名个体的CT扫描数据 | 计算机视觉 | 肺癌 | 数据增强技术 | 3D深度学习模型 | CT扫描图像 | 253名个体的CT扫描数据 | NA | NA | NA | NA |
| 15331 | 2025-03-14 |
Hybridization of synergistic swarm and differential evolution with graph convolutional network for distributed denial of service detection and mitigation in IoT environment
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81116-4
PMID:39730632
|
研究论文 | 本文提出了一种结合协同群优化、差分进化和图卷积网络的网络攻击检测与缓解技术（SSODE-GCNDM），用于物联网环境中的分布式拒绝服务（DDoS）攻击检测与缓解 | 结合了协同群优化、差分进化和图卷积网络，提出了一种新的DDoS攻击检测与缓解技术，并通过北方苍鹰优化算法对GCN模型的超参数进行微调 | 未提及具体的数据集来源和样本量，可能影响方法的普适性验证 | 检测和缓解物联网环境中的DDoS攻击 | 物联网设备及其网络环境 | 机器学习 | NA | 协同群优化、差分进化、图卷积网络、北方苍鹰优化 | GCN（图卷积网络） | 网络数据 | NA | NA | NA | NA | NA |
| 15332 | 2025-03-14 |
Radio-opaque contrast agents for liver cancer targeting with KIM during radiation therapy (ROCK-RT): an observational feasibility study
2024-Oct-08, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02524-4
PMID:39380004
|
研究论文 | 本研究旨在探讨使用X射线图像实时引导放射治疗肝细胞癌的可行性 | 开发了一种用于实时运动跟踪的深度学习方法，以提高放射治疗的靶向准确性 | 研究样本量较小，且为回顾性分析，可能影响结果的普遍性 | 建立使用X射线图像实时引导放射治疗肝细胞癌的可行性 | 50名肝细胞癌患者 | 数字病理学 | 肝癌 | X射线和计算机断层扫描 | 深度学习 | 图像 | 50名肝细胞癌患者 | NA | NA | NA | NA |
| 15333 | 2025-03-14 |
Bibliometric analysis of ophthalmic OCT and OCT angiography research trends over the past 20 years
2024-Sep-09, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03292-6
PMID:39251539
|
研究论文 | 本文对过去20年眼科OCT和OCTA研究的文献计量学分析进行了全面回顾 | 提供了眼科OCT和OCTA研究的文献计量学分析，揭示了研究趋势和热点 | 仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献 | 分析眼科OCT和OCTA研究的发展趋势和热点 | 眼科OCT和OCTA相关的研究文献 | 数字病理学 | 眼科疾病 | OCT, OCTA | NA | 文献数据 | 20,817篇文章，48,160位作者，106个国家 | NA | NA | NA | NA |
| 15334 | 2025-03-14 |
A new intelligent system based deep learning to detect DME and AMD in OCT images
2024-Apr-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03115-8
PMID:38653842
|
研究论文 | 本文介绍了一种基于卷积神经网络（CNN）的新型计算机辅助诊断（CAD）系统，用于在OCT图像中检测和分类年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME） | 提出了一种结合Inception_V3模型和自定义CNN提取特征的混合方法，在DUKE数据集上达到了99.53%的最高准确率 | NA | 开发一种自动化的OCT图像分析系统，用于早期检测和分类AMD和DME | OCT视网膜图像 | 计算机视觉 | 糖尿病性视网膜病变 | OCT | CNN, VGG16, VGG19, Inception_V3, BCNN | 图像 | DUKE公共数据集和突尼斯私人数据集 | NA | NA | NA | NA |
| 15335 | 2025-10-07 |
Biometric contrastive learning for data-efficient deep learning from electrocardiographic images
2024-04-03, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae002
PMID:38269618
|
研究论文 | 开发了一种用于心电图图像的自监督预训练方法BCL，可在有限标注数据下有效检测心脏疾病 | 利用同一患者不同时间点的心电图对进行对比学习，提取生物特征签名，提高标签利用效率 | 研究主要基于单一医疗中心数据，外部验证队列有限 | 开发数据高效的心电图图像深度学习模型 | 78,288名个体的心电图图像 | 医疗影像分析 | 心血管疾病 | 心电图成像 | CNN | 图像 | 78,288名患者的心电图数据 | NA | NA | AUROC | NA |
| 15336 | 2025-03-14 |
Deep learning for water quality
2024-Mar-12, Nature water
DOI:10.1038/s44221-024-00202-z
PMID:38846520
|
review | 本文探讨了深度学习在内陆水质预测中的应用及其潜力 | 提出深度学习作为一种未充分利用但有前景的方法，能够揭示高维数据中的复杂结构和关系，并帮助填补时空数据缺口 | 深度学习方法的局限性相对于传统方法进行了讨论，但其具体局限性未详细说明 | 研究目的是探讨深度学习在水质科学中的潜力，以克服传统方法在预测水质方面的不足 | 内陆水质 | machine learning | NA | 深度学习 | NA | 高维数据 | NA | NA | NA | NA | NA |
| 15337 | 2025-03-14 |
A new computer-aided diagnosis tool based on deep learning methods for automatic detection of retinal disorders from OCT images
2024-Feb-23, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03033-9
PMID:38396074
|
研究论文 | 本文介绍了一种基于深度学习的计算机辅助诊断工具，用于从OCT图像中自动检测视网膜疾病 | 通过嵌入眼科医生的解释和医学描述中的丰富语义信息，提高了深度神经网络的解释性，克服了其模糊和黑箱性质 | 研究仅使用了UCSD数据集的一个小子集进行训练，可能限制了模型的泛化能力 | 开发一种可靠的计算机辅助诊断软件，用于早期检测视网膜疾病，防止视力丧失 | 视网膜疾病 | 计算机视觉 | 视网膜疾病 | 深度学习 | 深度神经网络 | 图像 | 29,800张OCT图像 | NA | NA | NA | NA |
| 15338 | 2025-10-07 |
Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究比较了不同预训练深度学习模型在冠状动脉CT血管造影中检测动脉粥样硬化的性能 | 首次在冠状动脉CT血管造影中系统比较预训练深度学习模型，并采用Haar小波分解提升模型灵敏度 | 初始模型灵敏度较低（60.8%），需要额外技术手段进行改进 | 寻找冠状动脉CT血管造影中动脉粥样硬化检测的最佳深度学习模型 | 冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN, KNN | 医学图像 | NA | NA | ResNet101, 3D CNN | 准确率, 灵敏度, 阳性预测值 | NA |
| 15339 | 2025-03-14 |
Is the Juice Worth the Squeeze? Learning Curve of a Chest Radiograph Semantic Labeling Deep Learning Model
2024-01-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000755
PMID:37889555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15340 | 2025-10-07 |
Exploring the application of deep learning methods for polygenic risk score estimation
2023-Dec-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.14.23299972
PMID:38168416
|
研究论文 | 本研究探索深度学习在多基因风险评分估计中的应用 | 使用单一深度学习模型生成多个多基因风险评分，并证明在缺失SNP数据情况下模型性能优于传统方法 | 输入信息是进一步改进性能的限制因素，需要额外输入数据才能获得更大提升 | 探索机器学习如何改进多基因风险评分的生成 | 英国生物银行数据中的多基因风险评分 | 机器学习 | NA | 基因分型 | MLP | 基因数据 | 英国生物银行数据集 | NA | MLP | AUC | NA |