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 16561 - 16580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16561 | 2025-02-16 |
Enhanced Multi-Model Deep Learning for Rapid and Precise Diagnosis of Pulmonary Diseases Using Chest X-Ray Imaging
2025-Jan-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030248
PMID:39941178
|
研究论文 | 本文提出了一种增强的多模型深度学习（EMDL）方法，用于通过胸部X光成像快速准确诊断肺部疾病 | EMDL方法集成了五种预训练的深度学习模型，并结合了先进的图像预处理和多阶段特征选择与优化管道，显著提高了诊断精度和模型鲁棒性 | 研究主要依赖于胸部X光数据集，可能在其他类型的医学影像数据上表现不同 | 开发一种快速、准确的肺部疾病诊断工具，以改善医疗响应 | 流感、结核病和病毒性肺炎等呼吸系统疾病 | 计算机视觉 | 肺癌 | 深度学习 | VGG-16, VGG-19, ResNet, AlexNet, GoogleNet | 图像 | 两个独立的胸部X光数据集 | NA | NA | NA | NA |
| 16562 | 2025-02-16 |
Virtual Biopsy for the Prediction of MGMT Promoter Methylation in Gliomas: A Comprehensive Review of Radiomics and Deep Learning Approaches Applied to MRI
2025-Jan-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15030251
PMID:39941181
|
综述 | 本文综述了利用放射组学和深度学习方法预测胶质瘤中MGMT启动子甲基化状态的研究进展 | 结合放射组学和深度学习，提供了一种非侵入性的MGMT启动子甲基化状态预测工具 | 研究人群、数据来源和方法的异质性反映了管道和机器学习算法的复杂性，可能需要通用标准化才能在临床实践中实施 | 预测胶质瘤中MGMT启动子甲基化状态，以增强神经肿瘤学中的个性化医疗 | 胶质瘤患者 | 数字病理学 | 胶质瘤 | 放射组学（RD）和深度学习（DL） | 深度学习模型 | MRI影像数据 | 34项研究，涉及公共（如BraTS, TCGA）和私人机构数据集 | NA | NA | NA | NA |
| 16563 | 2025-02-16 |
Deep-Learning Framework for Efficient Real-Time Speech Enhancement and Dereverberation
2025-Jan-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25030630
PMID:39943269
|
研究论文 | 本文提出了一种用于高效实时语音增强和去混响的深度学习框架 | 提出了一个扩展的Deep Filter Net框架，显著提高了去混响性能，同时保持了竞争性的降噪质量 | Deep Filter Net的去混响性能有限 | 开发一种计算高效的语音增强和去混响方法，适用于资源受限设备 | 语音信号 | 自然语言处理 | NA | 深度学习 | Deep Filter Net | 语音数据 | NA | NA | NA | NA | NA |
| 16564 | 2025-02-16 |
Specific Emitter Identification Method for Limited Samples via Time-Wavelet Spectrum Consistency
2025-Jan-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25030648
PMID:39943287
|
研究论文 | 本文提出了一种基于TFC-CNN的特定发射器识别方法，用于解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题 | 提出了一种基于时间-小波谱一致性的TFC-CNN方法，通过连续小波变换进行数据增强，并利用复值神经网络和深度卷积神经网络提取隐藏的发射器身份特征 | 方法在样本稀缺的情况下表现良好，但在样本充足的情况下是否仍具有优势未明确说明 | 解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题 | 无线电信号中的发射器 | 机器学习 | NA | 连续小波变换（CWT） | TFC-CNN（复值神经网络和深度卷积神经网络） | 无线电信号 | 开源WiFi数据集和自动相关监视广播（ADS-B）数据集 | NA | NA | NA | NA |
| 16565 | 2025-02-16 |
Coupling Artificial Intelligence with Proper Mathematical Algorithms to Gain Deeper Insights into the Biology of Birds' Eggs
2025-Jan-21, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15030292
PMID:39943062
|
研究论文 | 本文探讨了将人工智能与适当的数学算法结合，以深入理解鸟类卵的生物学特性 | 提出了将深度学习和人工智能应用于禽蛋形态分析的新方法，并重新评估了多种数学模型的有效性和实用性 | 未具体说明所提出方法的实验验证结果和实际应用效果 | 研究目的是通过AI和DL技术提高禽蛋的质量、生产力和市场竞争力 | 研究对象是禽蛋的形态特征，包括形状、重量、体积、表面积和气室计算 | 计算机视觉 | NA | 深度学习（DL） | 深度学习模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16566 | 2024-08-07 |
Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study
2025 Jan-Feb, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2024.07.008
PMID:39025757
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16567 | 2025-02-16 |
Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset
2025 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504251318202
PMID:39943714
|
研究论文 | 本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较 | 通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能 | 某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报 | 提高从高分辨率航空图像中提取建筑物的准确性和效率 | 高分辨率航空图像中的建筑物 | 计算机视觉 | NA | 深度学习 | DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net | 图像 | 180张高分辨率航空图像 | NA | NA | NA | NA |
| 16568 | 2025-02-16 |
Avoiding missed opportunities in AI for radiology
2024-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03295-9
PMID:39585545
|
评论 | 本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性 | 提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处 | 文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性 | 探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理 | 放射学中的AI应用 | 机器学习 | NA | 深度学习 | 人工神经网络 | NA | NA | NA | NA | NA | NA |
| 16569 | 2025-02-16 |
Flexible use of conserved motif vocabularies constrains genome access in cell type evolution
2024-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611027
PMID:39282369
|
研究论文 | 本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制 | 揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守 | 研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物 | 探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束 | 细胞类型家族及其基因组可及性 | 基因组学 | NA | 单核多组学测序，深度学习 | 深度学习模型 | 基因组序列数据 | 涉及多个早期分支动物物种的细胞类型 | NA | NA | NA | NA |
| 16570 | 2025-10-07 |
An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study
2024-Jan-22, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00516-x
PMID:38253770
|
研究论文 | 开发基于基线MRI的自动化深度学习流程，用于直肠癌EMVI分类和治疗反应预测 | 提出全自动管道结合nnUNet分割和MLNet多级特征学习，无需手动分割和特征工程 | 回顾性研究，样本量有限（509例患者） | 通过基线MRI实现直肠癌EMVI自动分类和完全缓解预测 | 直肠癌患者 | 数字病理 | 直肠癌 | 扩散加权成像，T2加权成像 | CNN | 医学影像 | 来自9个中心的509名患者 | nnUNet | nnUNet, 3D ResNet10, MLNet | AUC | NA |
| 16571 | 2025-02-16 |
The role of cortical structural variance in deep learning-based prediction of fetal brain age
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1411334
PMID:38846713
|
研究论文 | 本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用 | 首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响 | 未提及具体的研究局限性 | 研究胎儿脑龄预测模型中皮层结构特征的影响 | 胎儿大脑 | 计算机视觉 | NA | 磁共振成像 | 卷积神经网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16572 | 2025-10-07 |
Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice
2022-03-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-29236-1
PMID:35318318
|
研究论文 | 开发了一种结合深度学习算法的双光子光纤内窥镜技术，实现了自由行为小鼠大脑的高分辨率视频速率成像 | 通过高速扫描器和降采样方案提升成像速度，并引入深度学习算法恢复图像质量，实现了比传统技术快10倍的成像速度 | 未明确说明技术在不同脑区或长期实验中的适用性限制 | 开发高速双光子光纤内窥镜技术，用于自由行为小鼠的神经活动研究 | 自由行为小鼠初级运动皮层L2/3层锥体神经元群体 | 生物医学成像 | 神经科学 | 双光子光纤内窥镜成像，深度学习图像增强 | 深度学习 | 脑部显微图像 | NA | NA | NA | 信噪比，成像分辨率，帧速率(26 fps) | NA |
| 16573 | 2025-10-07 |
Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.103154
PMID:35988342
|
研究论文 | 开发基于深度学习的自动分割算法用于癫痫手术后MRI中切除腔的分割 | 使用三个U-Net卷积神经网络分别训练轴位、冠状位和矢状位切片，并通过多数投票集成算法实现手术切除部位的自动分割 | 回顾性研究，样本量相对有限（62名患者），需要进一步验证在更大样本和不同手术类型中的性能 | 开发自动分割算法用于癫痫手术后MRI中切除腔的精确分割 | 62名接受切除手术的颞叶癫痫患者的术后T1加权MRI | 医学影像分析 | 癫痫 | MRI成像 | CNN | 医学影像 | 62名颞叶癫痫患者（训练集27例，测试集9例，验证集9例，独立测试集17例），40名对照受试者 | NA | U-Net | Dice-Sørensen系数, Hausdorff距离, 体积估计, 相关系数, 平均绝对误差 | NA |
| 16574 | 2025-02-16 |
Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions?
2021-10-19, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000012696
PMID:34521690
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16575 | 2025-10-07 |
DEEP LEARNING-DRIVEN SEGMENTATION OF DENTAL IMPLANTS AND PERI-IMPLANTITIS DETECTION IN ORTHOPANTOMOGRAPHS: A NOVEL DIAGNOSTIC TOOL
2025-Mar, The journal of evidence-based dental practice
IF:4.1Q1
DOI:10.1016/j.jebdp.2024.102058
PMID:39947781
|
研究论文 | 开发基于深度学习的牙科种植体分割和种植体周围炎检测系统，用于正畸全景片分析 | 首次将U-Net分割与CNN分类结合，为种植体周围炎提供自动化诊断工具 | 存在165个假阳性病例，模型特异性有待提升 | 提高种植体周围炎的诊断准确性和效率 | 牙科种植体和种植体周围炎 | 计算机视觉 | 牙科疾病 | 深度学习 | CNN | 医学影像 | 7696张正畸全景片，包含3693个种植体 | Python | U-Net | 准确率, Dice相似系数, IoU, 精确率, 召回率, F1分数 | NA |
| 16576 | 2025-10-07 |
An interpretable ensemble model combining handcrafted radiomics and deep learning for predicting the overall survival of hepatocellular carcinoma patients after stereotactic body radiation therapy
2025-Feb-14, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06119-8
PMID:39948208
|
研究论文 | 开发结合手工放射组学和深度学习的可解释集成模型，预测肝细胞癌患者接受立体定向放疗后的2年生存率 | 首次将手工放射组学特征与深度学习特征及临床数据融合构建集成模型，并应用后验可解释性技术阐明影像数据对预测结果的贡献 | 样本量相对有限（186例患者），需在更大队列中验证模型性能 | 预测肝细胞癌患者接受立体定向放疗后的生存结局 | 186例接受立体定向放疗的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | CT影像分析，放射组学特征提取 | CNN，集成学习 | CT影像，临床数据 | 186例肝细胞癌患者 | NA | 多种卷积神经网络架构 | AUC | NA |
| 16577 | 2025-10-07 |
Towards an interpretable deep learning model of cancer
2025-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00822-y
PMID:39948231
|
观点文章 | 提出利用深度学习算法整合多组学数据和分子网络先验知识构建可解释性癌症模型 | 首次系统阐述如何利用深度学习突破实验和计算限制，构建系统层面的癌症计算模型 | 未提供具体模型实现细节和验证结果，属于概念性框架 | 开发可解释的深度学习模型以理解癌症发病机制并推动精准肿瘤学应用 | 癌细胞状态、分子网络、肿瘤微环境 | 机器学习 | 癌症 | 多组学数据整合 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 16578 | 2025-10-07 |
Triboelectric Sensors Based on Glycerol/PVA Hydrogel and Deep Learning Algorithms for Neck Movement Monitoring
2025-Feb-14, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20821
PMID:39950449
|
研究论文 | 本研究开发了一种基于甘油/PVA水凝胶的摩擦电传感器和深度学习算法，用于颈部运动监测 | 采用甘油/PVA水凝胶和硅橡胶制备柔性可拉伸摩擦电纳米发电机，通过优化浓度和厚度参数提高灵敏度至4.50 V/kPa，并首次将CNN-BiLSTM算法应用于颈部运动监测 | 未提及样本规模和研究对象的具体特征，缺乏跨设备验证 | 开发用于颈部运动监测的智能系统以预防颈椎病 | 人体颈部运动 | 传感器技术, 深度学习 | 颈椎病 | 摩擦电纳米发电机(TENG), 水凝胶制备 | CNN, BiLSTM | 传感器信号数据 | NA | NA | CNN-BiLSTM混合架构 | 识别准确率 | 树莓派4B |
| 16579 | 2025-10-07 |
BiFPN-enhanced SwinDAT-based cherry variety classification with YOLOv8
2025-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89624-7
PMID:39948150
|
研究论文 | 提出一种基于BiFPN增强的SwinDAT与YOLOv8结合的混合深度学习模型，用于樱桃品种分类 | 首次将BiFPN与YOLOv8n-cls框架集成，并采用Swin Transformer和可变形注意力Transformer技术增强分类性能 | 仅使用土耳其西地中海地区的樱桃品种数据集，未验证在其他地区的适用性 | 开发准确的樱桃品种自动分类方法以提升农业实践和经济效益 | 樱桃品种 | 计算机视觉 | NA | 深度学习 | YOLOv8, Transformer | 图像 | 来自土耳其西地中海地区的樱桃品种数据集 | YOLOv8 | BiFPN, SwinDAT, YOLOv8n-cls | 精确率, 召回率, F1分数, 准确率 | NA |
| 16580 | 2025-10-07 |
Prediction of InSAR deformation time-series using improved LSTM deep learning model
2025-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83084-1
PMID:39948371
|
研究论文 | 本研究开发了一种改进的LSTM深度学习模型，用于预测InSAR形变时间序列数据 | 提出了改进的LSTM模型，相比传统RNN和LSTM模型在形变预测精度上有显著提升 | 研究仅基于印度Khetri铜矿带单一矿区的26个TSX/TDX数据集，需要更多数据验证模型泛化能力 | 预测采矿引起的地表形变时间序列，为矿山沉降监测和管理提供技术支持 | 矿山地表形变监测数据 | 机器学习 | NA | InSAR（干涉合成孔径雷达）技术 | LSTM, RNN, mLSTM | 时间序列数据 | 26个TSX/TDX数据集 | NA | LSTM, RNN, 改进LSTM | 准确率, RMS误差 | NA |