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 16081 - 16100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16081 | 2025-02-26 |
Automatic Segmentation of the Cisternal Segment of Trigeminal Nerve on MRI Using Deep Learning
2025, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/ijbi/6694599
PMID:39989710
|
研究论文 | 本文提出了一种基于深度学习的U-Net模型，用于自动分割三叉神经池段，以提高三叉神经相关疾病的诊断和治疗效率 | 首次提出了一种全自动的三叉神经池段分割方法，使用U-Net模型在解剖MRI图像上进行分割 | NA | 提高三叉神经池段分割的准确性和效率，以辅助三叉神经相关疾病的诊断和治疗 | 三叉神经池段 | 计算机视觉 | 三叉神经痛 | 深度学习 | U-Net | MRI图像 | 健康对照图像和三叉神经痛患者数据集 | NA | NA | NA | NA |
| 16082 | 2025-02-26 |
Algorithmic emergence? Epistemic in/justice in AI-directed transformations of healthcare
2025, Frontiers in sociology
IF:2.0Q2
DOI:10.3389/fsoc.2025.1520810
PMID:39990252
|
研究论文 | 本文探讨了人工智能（AI）在医疗保健和公共卫生领域集成所带来的认识论、社会政治和技术影响，特别是深度学习和生成式AI技术 | 本文创新性地分析了AI与循证医学（EBM）的社会技术纠缠对健康AI的公平发展和治理的影响，并提出了如何在这些纠缠中嵌入参与式参与 | 本文主要关注AI在医疗领域的应用，可能未全面覆盖AI在其他领域的影响 | 研究AI在医疗保健和公共卫生领域的集成及其对医疗组织、治理和角色的影响 | 医疗保健和公共卫生领域 | 机器学习 | NA | 深度学习, 生成式AI | NA | NA | NA | NA | NA | NA | NA |
| 16083 | 2025-02-26 |
Exploring the role of artificial intelligence in chemotherapy development, cancer diagnosis, and treatment: present achievements and future outlook
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1475893
PMID:39990683
|
综述 | 本文探讨了人工智能在化疗开发、癌症诊断和治疗中的作用，总结了当前进展并指出了领域中的关键缺口 | 本文综合了人工智能在癌症诊断、化疗创新和治疗反应中的最新应用，强调了其在优化诊断准确性、个性化治疗计划和改善治疗效果方面的潜力 | 尽管人工智能在肿瘤学中展现出巨大潜力，但其预测准确性仍存在争议，特别是在机器学习和深度学习技术方面 | 探讨人工智能在预测化疗开发、癌症诊断和治疗反应结果中的作用 | 固体肿瘤和血液肿瘤 | 机器学习 | 癌症 | 机器学习（ML）、深度学习（DL） | NA | NA | NA | NA | NA | NA | NA |
| 16084 | 2025-02-26 |
Deep learning and hyperspectral features for seedling stage identification of barnyard grass in paddy field
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1507442
PMID:39990719
|
研究论文 | 本文提出了一种名为DeepBGS的高光谱特征解析框架，用于在水稻田中识别稗草幼苗 | 首次将深度卷积网络与双层LSTM模块结合，用于高光谱数据的特征提取，实现了在2-3叶期准确区分稗草和水稻的高精度识别 | 未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 探索高光谱成像技术在早期识别稗草幼苗中的可行性，并开发先进的早期检测系统 | 稗草和水稻的幼苗 | 计算机视觉 | NA | 高光谱成像技术 | CNN, LSTM | 高光谱图像 | NA | NA | NA | NA | NA |
| 16085 | 2025-10-07 |
scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae526
PMID:39417321
|
研究论文 | 提出基于多视图图注意力网络的scMGATGRN方法，用于从单细胞转录组数据推断基因调控网络 | 首次将多视图图注意力网络应用于基因调控网络推断，能够同时利用局部特征信息和高阶邻居特征信息 | 未明确说明模型在处理大规模数据时的计算效率限制 | 开发更准确的基因调控网络推断方法 | 基因调控网络 | 机器学习 | NA | 单细胞RNA测序 | 图注意力网络 | 单细胞转录组数据 | 7个基准单细胞RNA测序数据集，来自5个细胞系（2个人类，3个小鼠） | NA | GAT, 多视图注意力机制 | NA | NA |
| 16086 | 2025-10-07 |
Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI
2024-08, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04468-5
PMID:38958754
|
研究论文 | 本研究使用基于深度学习的AI算法评估前列腺MRI图像质量，并分析图像质量对前列腺癌包膜外侵犯检测准确性的影响 | 首次将深度学习图像质量评估应用于前列腺癌包膜外侵犯检测，量化了图像质量对诊断准确性的具体影响 | 单中心回顾性研究，样本量有限，仅评估了T2WI序列 | 评估MRI图像质量对前列腺癌包膜外侵犯检测准确性的影响 | 接受多参数MRI检查并行根治性前列腺切除术的前列腺癌患者 | 医学影像分析 | 前列腺癌 | MRI, 深度学习 | 深度学习算法 | 医学影像 | 773例连续患者 | NA | NA | 敏感性, 特异性, 阳性预测值, 阴性预测值, 比值比 | NA |
| 16087 | 2025-10-07 |
Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer
2024-08, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04323-7
PMID:38662208
|
研究论文 | 比较深度学习加速单次屏气T2WI与BLADE T2WI在胃癌成像中的图像质量、效率和诊断性能 | 首次将深度学习加速的单次屏气T2WI技术应用于胃癌成像，并与传统BLADE T2WI进行系统比较 | 样本量相对有限（112例患者），单中心研究 | 评估深度学习加速T2WI在胃癌成像中的临床应用价值 | 胃癌患者 | 医学影像分析 | 胃癌 | T2加权磁共振成像 | 深度学习 | 医学影像 | 112例胃癌患者，其中69个可测量病灶，71例接受胃切除术患者 | NA | NA | 信噪比, 对比噪声比, T分期准确率, 图像质量评分 | NA |
| 16088 | 2025-10-07 |
High-throughput classification of S. cerevisiae tetrads using deep learning
2024-07, Yeast (Chichester, England)
DOI:10.1002/yea.3965
PMID:38850080
|
研究论文 | 开发基于深度学习的图像识别与分类流程，用于高通量酿酒酵母四分体检测和减数分裂交叉分类 | 首次将深度学习应用于酿酒酵母四分体的自动化分析，实现减数分裂交叉事件的高通量检测 | 方法验证仅限于野生型和特定基因敲除突变体，尚未在其他生物系统中测试 | 自动化分析酿酒酵母减数分裂重组事件，加速相关基因的发现 | 酿酒酵母四分体 | 计算机视觉 | NA | 荧光标记成像 | 深度学习 | 图像 | 野生型和选定基因敲除突变体的大规模图像数据集 | NA | NA | NA | NA |
| 16089 | 2025-10-07 |
A deep learning approach for diagnosis of schizophrenia disorder via data augmentation based on convolutional neural network and long short-term memory
2024-Jul, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00360-9
PMID:38946814
|
研究论文 | 提出基于CNN和LSTM的深度学习框架，通过数据增强技术自动诊断精神分裂症 | 开发端到端的15层CNN和16层CNN-LSTM混合模型，结合GAN数据增强技术，无需手动特征提取 | 未提及模型在其他精神疾病鉴别或跨数据集验证方面的表现 | 开发自动诊断精神分裂症的深度学习系统 | 精神分裂症患者的脑电图信号 | 机器学习 | 精神分裂症 | 脑电图 | CNN, LSTM, GAN | 脑电图信号 | 大型脑电图数据集（具体数量未说明） | NA | 15层CNN, 16层CNN-LSTM | 准确率 | NA |
| 16090 | 2025-10-07 |
Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation
2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America
IF:8.2Q1
DOI:10.1093/cid/ciad633
PMID:37971399
|
评论 | 探讨大型语言模型在传染病咨询领域的应用前景与风险 | 首次系统分析LLMs在传染病专科咨询中的潜在应用与局限性，并提出专科医生参与技术规范制定的必要性 | LLMs存在虚构内容、缺乏情境意识、训练数据不透明、易复制偏见等问题，目前不适合临床部署 | 分析LLMs在医疗咨询特别是传染病专科的应用潜力与风险 | 大型语言模型在传染病临床咨询中的应用 | 自然语言处理 | 传染病 | 深度学习算法 | LLM | 文本 | NA | NA | NA | NA | NA |
| 16091 | 2025-02-26 |
Exploring the application of knowledge transfer to sports video data
2024, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2024.1460429
PMID:39989920
|
研究论文 | 本研究探讨了知识转移在体育视频数据中的应用，特别是零样本学习（ZSL）和球员重识别技术 | 利用预训练的重识别模型提取特征嵌入，在零样本学习环境下评估其在橄榄球联赛和篮网球中的应用，展示了在动态体育环境中部分模型的有效性 | 非部分模型在背景干扰下表现不佳，且需要大量资源来重现结果 | 探索更高效的方法，以在不同体育项目中应用AI和计算机视觉技术，减少数据标注和模型训练成本 | 橄榄球联赛和篮网球的体育视频数据 | 计算机视觉 | NA | 零样本学习（ZSL） | 预训练的重识别模型 | 视频 | 橄榄球联赛近35,000帧和篮网球近14,000帧的广播视频剪辑 | NA | NA | NA | NA |
| 16092 | 2025-02-26 |
Multiomics Research: Principles and Challenges in Integrated Analysis
2024, Biodesign research
DOI:10.34133/bdr.0059
PMID:39990095
|
综述 | 本文综述了多组学研究的基本原则和挑战，强调了数据整合在揭示生物系统复杂相互作用和调控机制中的必要性 | 探讨了深度学习、图神经网络（GNNs）和生成对抗网络（GANs）等最新计算方法在多组学数据合成和解释中的应用，并提出了大语言模型在多组学分析中的潜力 | 需要大量的计算资源和复杂的模型调优 | 指导研究人员在多组学研究中导航原则和挑战，以促进整合生物分析的发展 | 多组学数据 | 生物信息学 | NA | 多组学技术（基因组学、转录组学、蛋白质组学、代谢组学等） | 深度学习、图神经网络（GNNs）、生成对抗网络（GANs） | 多组学数据 | NA | NA | NA | NA | NA |
| 16093 | 2025-10-07 |
Deep Learning-Aided Modulation Recognition for Non-Orthogonal Signals
2023-May-31, Sensors (Basel, Switzerland)
DOI:10.3390/s23115234
PMID:37299960
|
研究论文 | 提出基于深度学习的非正交信号调制识别方法，分别针对下行和上行链路设计不同网络架构 | 首次将双向LSTM和注意力机制应用于非正交信号调制识别，利用迁移学习提升模型鲁棒性 | 未明确说明在非高斯信道条件下的性能表现 | 开发适用于非正交传输系统的高效自动调制识别方法 | 下行和上行非正交传输信号 | 机器学习 | NA | 信号调制识别 | BiLSTM, CNN, 注意力机制 | 信号数据 | NA | NA | BiLSTM, 时空融合网络, CNN | 识别准确率 | NA |
| 16094 | 2025-10-07 |
The Effect of Dataset Imbalance on the Performance of SCADA Intrusion Detection Systems
2023-Jan-09, Sensors (Basel, Switzerland)
DOI:10.3390/s23020758
PMID:36679553
|
研究论文 | 本研究探讨了数据集不平衡对SCADA入侵检测系统性能的影响 | 首次系统评估多种数据平衡技术对SCADA入侵检测系统性能的影响 | 仅使用两个特定数据集进行评估，未涵盖所有可能的SCADA场景 | 研究数据不平衡对深度学习SCADA入侵检测系统性能的影响 | SCADA系统和物联网设备的安全防护 | 机器学习 | NA | NA | CNN-LSTM | 网络流量数据 | 两个不平衡数据集：Morris电力数据集和CICIDS2017数据集 | NA | CNN-LSTM混合架构 | 准确率,精确率,检测率,F1分数 | NA |
| 16095 | 2025-10-07 |
MSTCN: A multiscale temporal convolutional network for user independent human activity recognition
2021, F1000Research
DOI:10.12688/f1000research.73175.2
PMID:36896393
|
研究论文 | 提出一种基于多尺度时序卷积网络(MSTCN)的用户无关人类活动识别方法 | 结合Inception模型与时序卷积架构，采用多尺度可分离卷积和扩张卷积扩大感受野，并利用残差连接防止信息丢失 | 未提及模型在跨设备或跨环境下的泛化能力 | 开发用户无关的人类活动识别系统 | 人类日常活动数据 | 机器学习 | NA | 深度学习 | 时序卷积网络 | 传感器时序数据 | UCI和WISDM数据集 | NA | Inception, 时序卷积网络 | F1分数 | NA |
| 16096 | 2025-02-26 |
Harnessing the Power of Deep Learning to Assess Breast Cancer Risk
2020-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.2019192471
PMID:31846401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16097 | 2025-02-25 |
Spatial-frequency aware zero-centric residual unfolding network for MRI reconstruction
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110334
PMID:39863026
|
研究论文 | 本文提出了一种空间频率感知的零中心残差展开网络，用于MRI重建，旨在通过深度学习技术减少k空间欠采样引起的图像域伪影，并提高图像质量 | 提出了一种可学习的空间频率差异感知模块，补充了可学习的数据一致性层，将k空间域差异映射到空间图像域进行感知补偿，并引入了小波分解的显式先验，通过将图像分解为均值和残差分量，对残差施加精细的零均值约束，同时保持计算效率 | 未明确提及具体局限性 | 提高MRI重建的图像质量，减少k空间欠采样引起的伪影 | MRI图像 | 医学影像处理 | NA | 深度学习 | 零中心残差展开网络 | MRI图像数据 | FastMRI和Calgary-Campinas数据集 | NA | NA | NA | NA |
| 16098 | 2025-02-25 |
Intelligent recognition of subsurface utilities and voids: A ground penetrating radar dataset for deep learning applications
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111338
PMID:39990121
|
研究论文 | 本文介绍了一个专门为深度学习应用设计的GPR数据集，用于自动检测地下设施和空洞 | 创建了一个包含2,239张JPEG格式的Radargram图像的数据集，填补了GPR数据集的空白，并具有通用性 | GPR调查成本高且处理耗时 | 开发自动化系统，有效检测地下异常，减少人工错误 | 地下设施（如管道、电缆）和地下空洞 | 计算机视觉 | NA | GPR | 深度学习模型 | 图像 | 2,239张Radargram图像 | NA | NA | NA | NA |
| 16099 | 2025-02-25 |
CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images
2025-Mar-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001598
PMID:39680679
|
研究论文 | 本文提出了一种基于深度学习的方法CATALYZE，用于在SS-OCT图像上进行白内障评估和分级 | 开发了一种新的客观深度学习模型，用于基于SS-OCT扫描的白内障分级，并引入了临床显著性指数（CSI）作为评估指标 | 单中心研究，排除了有眼部手术史、角膜或视网膜疾病以及眼干燥症的患者 | 评估一种新的客观深度学习模型在白内障分级中的应用 | 白内障患者和对照组的眼睛 | 计算机视觉 | 白内障 | SS-OCT扫描 | 深度学习模型 | 图像 | 548只眼睛（315名患者，年龄19至85岁） | NA | NA | NA | NA |
| 16100 | 2025-02-25 |
Optimizing potato leaf disease recognition: Insights DENSE-NET-121 and Gaussian elimination filter fusion
2025-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42318
PMID:39991243
|
研究论文 | 本文提出了一种基于深度学习的混合模型DENSE-NET-121与2D高斯消元滤波器，用于通过早期检测马铃薯叶片病害来提高产量 | 结合DENSE-NET-121和2D高斯消元滤波器，实现了前所未有的训练和验证准确率，并显著降低了训练和验证损失 | NA | 提高马铃薯产量，通过早期检测叶片病害 | 马铃薯叶片 | 计算机视觉 | 马铃薯病害 | 深度学习 | DENSE-NET-121 | 图像 | 来自Kaggle数据集的三种马铃薯叶片类别（早疫病、健康、晚疫病） | NA | NA | NA | NA |