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 32843 篇文献，本页显示第 17461 - 17480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17461 | 2025-10-07 |
Automated karyogram analysis for early detection of genetic and neurodegenerative disorders: a hybrid machine learning approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1525895
PMID:39911161
|
研究论文 | 提出一种结合无监督和监督学习的混合方法，用于自动化染色体核型分析以早期检测遗传和神经退行性疾病 | 开发了结合自编码器和卷积神经网络的混合学习方法，解决了染色体异常数据稀缺和标注数据有限的问题 | 依赖于特定数据集，模型在更广泛染色体异常类型上的泛化能力需要进一步验证 | 开发自动化染色体核型分析方法，实现遗传和神经退行性疾病的早期检测 | 染色体图像 | 医学图像分析 | 遗传疾病,神经退行性疾病 | 染色体核型分析 | Autoencoder, CNN | 图像 | 234,259张染色体图像（包含训练集、验证集和测试集） | NA | Autoencoder, CNN | 准确率, 结构相似性指数, 模板匹配 | NA |
| 17462 | 2025-10-07 |
Proximity-based solutions for optimizing autism spectrum disorder treatment: integrating clinical and process data for personalized care
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1512818
PMID:39911557
|
研究论文 | 利用人工智能技术优化自闭症谱系障碍的诊断和治疗，通过集成临床和流程数据提供个性化护理 | 开发了集成多源数据的中央数据枢纽(MDP)，结合AI算法实现自闭症风险因素识别、个性化治疗计划制定和复发预测，并引入面向患者的聊天机器人 | 未提及具体样本规模和验证方法，缺乏实际应用效果的具体数据 | 改善自闭症谱系障碍的诊断和治疗可及性，实现个性化护理 | 自闭症谱系障碍患者及其临床数据 | 机器学习 | 自闭症谱系障碍 | 人工智能、机器学习和深度学习 | NA | 临床数据和流程数据 | NA | NA | NA | NA | NA |
| 17463 | 2025-10-07 |
Accurate LAI estimation of soybean plants in the field using deep learning and clustering algorithms
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1501612
PMID:39911650
|
研究论文 | 提出结合深度学习和聚类算法的处理流程，从无人机LiDAR点云数据中分割田间大豆植株并估算叶面积指数 | 首次将PointNet++模型与分水岭算法结合用于田间大豆植株分割，显著提升分割精度6.73% | 仅针对大豆植物进行研究，未验证在其他作物上的适用性 | 开发高效准确的田间植物表型参数提取方法 | 田间种植的大豆植株 | 计算机视觉 | NA | LiDAR点云采集 | PointNet++, SVM, RF, XGBoost | 3D点云数据 | NA | NA | PointNet++ | 准确率, F1-score, R², RMSE | NA |
| 17464 | 2025-10-07 |
YOLOv8s-Longan: a lightweight detection method for the longan fruit-picking UAV
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1518294
PMID:39911656
|
研究论文 | 提出一种名为YOLOv8s-Longan的轻量级深度学习算法，用于无人机采摘龙眼果实的快速准确检测 | 设计了AMA注意力模块并集成到DenseAMA和C2f-Faster-AMA模块中，提出VOVGSCSPC模块进行多尺度特征融合，采用新型Inner-SIoU损失函数作为目标边界框损失函数 | NA | 提高无人机采摘场景下果实检测的准确性和速度，同时减少模型参数量 | 龙眼果实 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLOv8s-Longan, DenseAMA, C2f-Faster-AMA, VOVGSCSPC | mAP@0.5 | 无人机计算平台 |
| 17465 | 2025-02-07 |
Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends
2023-Dec-15, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245858
PMID:38136405
|
综述 | 本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势 | 本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向 | 本文主要基于现有文献进行综述，未涉及具体的实验验证 | 探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势 | 癌症和肿瘤学研究中的多模态图数据 | 机器学习 | 癌症 | 图神经网络（GNNs） | GNN | 图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等） | NA | NA | NA | NA | NA |
| 17466 | 2025-02-07 |
Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022)
2022-09, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-022-01613-8
PMID:35681080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17467 | 2025-10-07 |
Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model
2025-Apr, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100659
PMID:39902382
|
研究论文 | 本研究结合影像组学和Vision Transformer深度学习技术，开发预测结直肠癌骨转移风险的模型 | 首次将Vision Transformer模型应用于结直肠癌骨转移风险预测，并采用双模态CT图像和晚期融合策略 | 回顾性研究，样本量有限（155例），需要更大规模多中心研究验证 | 开发预测结直肠癌骨转移风险的精准模型 | 结直肠癌患者 | 计算机视觉 | 结直肠癌 | CT成像 | Vision Transformer, SVM, KNN, Random Forest, LightGBM, XGBoost | CT图像 | 155例结直肠癌患者（81例有骨转移，74例无骨转移） | NA | Vision Transformer | AUC-ROC, 准确率, 敏感性, 特异性 | NA |
| 17468 | 2025-10-07 |
Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo
2025-Mar-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116982
PMID:39616900
|
研究论文 | 本文探讨了将人工智能与智能手机成像系统相结合用于体内癌症检测的技术 | 整合智能手机成像与AI算法，为资源有限地区提供便携、经济、可及的早期癌症检测方案 | 智能手机系统存在成像质量较低和计算能力受限的问题 | 开发基于智能手机和AI的早期癌症检测工具 | 不同癌症类型的体内检测 | 计算机视觉 | 癌症 | 智能手机成像 | 深度学习 | 图像 | NA | NA | NA | NA | 智能手机 |
| 17469 | 2025-10-07 |
Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms
2025-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100925
PMID:39901943
|
研究论文 | 提出一种基于两阶段深度学习的全自动方法，用于定位前列腺高剂量率近距离放射治疗导管 | 首次结合pix2pix GAN和GOTURN两种深度神经网络，实现前列腺近距离放射治疗针的自动分割与轨迹追踪 | 仅使用25名患者的数据进行训练和测试，样本量有限 | 自动化定位前列腺高剂量率近距离放射治疗导管轨迹 | 前列腺高剂量率近距离放射治疗患者的CT图像 | 计算机视觉 | 前列腺癌 | CT成像 | GAN, CNN | 医学图像 | 25名患者，592个测试切片，8764根针 | NA | pix2pix GAN, GOTURN | Dice相似系数, IoU, F1分数, 召回率, 精确度 | NA |
| 17470 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-Feb-05, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17471 | 2024-12-21 |
Correction to: A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding
2025-Feb-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae200
PMID:39704758
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17472 | 2025-10-07 |
Advanced Quantitative Phase Microscopy Achieved with Spatial Multiplexing and a Metasurface
2025-Feb-05, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c06039
PMID:39838821
|
研究论文 | 提出一种结合超表面光学和深度学习的单次曝光定量相位成像方法 | 通过空间复用超表面光学与强度传输方程结合深度学习，实现高速单次曝光的定量相位成像 | 仅作为概念验证展示，尚未在大规模实际应用中验证 | 开发高速定量相位成像技术以替代传统多曝光相位成像方法 | 校准相位物体和生物样本 | 计算成像 | NA | 定量相位显微镜，强度传输方程 | 神经网络 | 光学相位图像 | NA | NA | 匹配神经网络 | 5%误差，空间带宽积提升 | NA |
| 17473 | 2025-10-07 |
Syn2Real: synthesis of CT image ring artifacts for deep learning-based correction
2025-Feb-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adad2c
PMID:39842097
|
研究论文 | 开发了一种在图像域合成CT环形伪影的新方法，用于深度学习校正 | 提出直接在图像域合成逼真环形伪影的数据生成方法，无需依赖特定成像系统物理特性 | NA | 开发可扩展的训练数据生成技术，用于基于深度学习的CT环形伪影校正 | CT图像中的环形伪影 | 计算机视觉 | NA | CT成像 | UNet, UNet++, 扩散模型 | CT图像 | NA | NA | UNet, UNet++ | NA | NA |
| 17474 | 2025-10-07 |
Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models
2025-Feb-05, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.25633
PMID:39905914
|
研究论文 | 本研究开发了基于2D和3D深度学习的BONe模型，用于从微CT图像中自动分割皮质骨、松质骨和髓腔孔隙 | 首次在微CT骨图像分割中系统比较2D和3D卷积神经网络性能，发现2D模型在细节分割上表现更优 | 3D模型计算成本巨大限制了可扩展性和实用性，在某些细节分割上表现不足 | 开发快速准确的骨组织自动分割方法 | 水獭长骨的微CT扫描图像 | 计算机视觉 | NA | 微CT扫描 | CNN | 图像 | 水獭长骨微CT扫描数据集 | NA | BONe (Bone One-shot Network) | 分割准确性, 泛化能力 | NA |
| 17475 | 2025-10-07 |
Large Language Models (such as ChatGPT) as Tools for Machine Learning-Based Data Insights in Analytical Chemistry
2025-Feb-05, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05046
PMID:39907023
|
研究论文 | 本文探讨了大型语言模型（如ChatGPT）作为分析化学中机器学习数据洞察工具的应用 | 首次展示了通过智能手机使用LLM以交互对话方式对激光诱导击穿光谱高光谱成像数据集进行多元数据分析 | NA | 探索大型语言模型在分析化学数据处理和分析中的应用潜力 | 激光诱导击穿光谱高光谱成像数据集 | 自然语言处理 | NA | 激光诱导击穿光谱，高光谱成像 | 大型语言模型 | 光谱数据，高光谱图像 | NA | NA | ChatGPT | NA | 智能手机 |
| 17476 | 2025-10-07 |
Class-aware multi-level attention learning for semi-supervised breast cancer diagnosis under imbalanced label distribution
2025-Feb-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03291-4
PMID:39907850
|
研究论文 | 提出一种面向半监督乳腺癌诊断的类感知多级注意力学习模型，解决标注数据稀缺和类别不平衡问题 | 开发了多级融合注意力学习模块和类感知自适应伪标签模块，能够精确识别病变关键区域并平衡类别学习过程 | 仅在BACH数据集上验证，需要进一步临床验证 | 开发半监督乳腺癌诊断方法以减少对大量标注数据的依赖 | 乳腺癌显微图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 注意力机制,伪标签学习 | 图像 | BACH数据集，仅使用40%标注的显微数据 | NA | 多级融合注意力模块,类感知自适应伪标签模块 | 准确率 | NA |
| 17477 | 2025-10-07 |
Speech Technology for Automatic Recognition and Assessment of Dysarthric Speech: An Overview
2025-Feb-04, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2024_JSLHR-23-00740
PMID:39813019
|
综述 | 本文系统回顾了构音障碍语音识别与评估领域的最新研究进展 | 整合了构音障碍语音研究的多个关键技术方向，包括语音数据库、声学分析、可懂度评估和自动语音识别，并重点探讨了深度学习在该领域的应用前景 | 未涉及伦理委员会或机构审查委员会的审批流程 | 改善构音障碍患者的生活质量，开发包容性对话接口 | 构音障碍语音及相关语音技术 | 自然语言处理 | 构音障碍 | 语音处理技术 | 深度学习神经网络 | 语音数据 | NA | NA | NA | NA | NA |
| 17478 | 2025-10-07 |
Spatio-temporal transformers for decoding neural movement control
2025-Feb-04, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adaef0
PMID:39870043
|
研究论文 | 提出一种新型时空变换器架构，用于解码非人灵长类动物运动控制中的神经活动 | 引入专门设计的变换器架构分析单神经元放电活动，能够早期预测运动方向并在停止信号出现前预判运动行为 | 研究基于非人灵长类动物的神经记录数据，模型在低数据机制下的效率与可解释性仍需平衡 | 开发深度学习工具用于神经运动控制研究，提升神经活动解码的预测能力和可解释性 | 非人灵长类动物背侧前运动皮层的多电极记录数据 | 机器学习 | NA | 多电极神经记录 | Transformer | 神经放电活动数据 | NA | NA | 时空变换器 | 预测准确率，时间预测精度 | NA |
| 17479 | 2025-10-07 |
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems
2025-Feb-04, Evolutionary computation
IF:4.6Q1
DOI:10.1162/evco_a_00367
PMID:39903851
|
研究论文 | 提出一种结合深度学习和探索性景观分析的混合方法Deep-ELA，用于单目标和多目标连续优化问题的特征表征 | 首次将自监督预训练Transformer与ELA特征相结合，可同时处理单目标和多目标优化问题，无需大量标注训练数据 | 未明确说明模型在特定优化问题上的性能表现和计算效率 | 开发一种能够有效表征连续优化问题景观特征的通用框架 | 单目标和多目标连续优化问题 | 机器学习 | NA | 自监督学习，探索性景观分析 | Transformer | 优化问题实例，景观特征 | 数百万个随机生成的优化问题 | NA | Transformer | NA | NA |
| 17480 | 2025-10-07 |
Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions
2025-Feb-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01419-4
PMID:39904940
|
研究论文 | 比较U-Net和U-Net3+在视网膜渗出物分割中的性能，并评估不同区域的检测效果 | 首次系统比较U-Net和U-Net3+在视网膜渗出物分割中的性能，并进行详细的区域分析 | 未提及样本量的具体数值和模型训练的详细参数设置 | 评估深度学习模型在视网膜渗出物检测中的性能，特别关注不同区域的检测效果 | 糖尿病视网膜病变患者的眼底图像中的渗出物 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | 深度学习 | 图像 | NA | NA | U-Net, U-Net3+ | 准确率, 灵敏度, 特异性, Dice系数 | NA |