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 33293 篇文献，本页显示第 17481 - 17500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17481 | 2025-02-17 |
Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01287-4
PMID:39953255
|
研究论文 | 本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势 | 研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪） | 评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响 | 带有金属植入物的猪上颌面部区域CT图像 | 医学影像 | NA | CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR） | 深度学习 | CT图像 | 四只猪的上颌面部区域图像 | NA | NA | NA | NA |
| 17482 | 2025-02-17 |
Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images
2025-Feb-14, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01442-5
PMID:39953259
|
研究论文 | 本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型 | 提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性 | 样本量相对较小，外部验证数据集仅包含24名患者 | 提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性 | 非小细胞肺癌（NSCLC）患者 | 计算机视觉 | 肺癌 | CT成像 | 混合模型（放射组学+深度学习） | CT图像 | 235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集） | NA | NA | NA | NA |
| 17483 | 2025-02-17 |
Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model
2025-Feb-13, Journal of ophthalmic inflammation and infection
IF:2.9Q1
DOI:10.1186/s12348-025-00465-x
PMID:39946047
|
研究论文 | 本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用 | 利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法 | 研究样本量相对较小，且未涵盖所有可能的MK亚型 | 开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区 | 微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎） | 计算机视觉 | 角膜炎 | 深度学习 | 卷积神经网络（CNN） | 图像 | 889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例） | NA | NA | NA | NA |
| 17484 | 2025-02-17 |
Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT
2025-Feb-04, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030516
PMID:39941883
|
研究论文 | 本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性 | 将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性 | 研究主要关注胰腺癌，未涉及其他类型的癌症或疾病 | 提高胰腺癌预测的准确性，尤其是在少量数据的情况下 | 电子健康记录（EHRs）中的胰腺癌预测 | 自然语言处理 | 胰腺癌 | Med-BERT | Med-BERT-Sum, Med-BERT-Mask | 电子健康记录（EHRs） | 10到500个样本 | NA | NA | NA | NA |
| 17485 | 2025-02-17 |
Development of Nipple Trauma Evaluation System With Deep Learning
2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association
IF:2.1Q2
DOI:10.1177/08903344241303867
PMID:39718190
|
研究论文 | 本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养 | 首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统 | 研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用 | 开发一种能够自动检测和分类乳头创伤的深度学习系统 | 乳头创伤图像 | 计算机视觉 | NA | 深度学习 | 对象检测和分类模型 | 图像 | 753张图像 | NA | NA | NA | NA |
| 17486 | 2025-02-17 |
Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data
2025-Feb, Social science & medicine (1982)
DOI:10.1016/j.socscimed.2025.117690
PMID:39892039
|
研究论文 | 本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征 | 利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解 | 研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素 | 开发预测韩国青少年饮酒的算法，并识别重要特征 | 韩国青少年 | 机器学习 | NA | 深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等） | Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost | 横截面数据 | 41,239名韩国青少年 | NA | NA | NA | NA |
| 17487 | 2025-02-17 |
An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients
2025-Jan-27, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030423
PMID:39941791
|
研究论文 | 本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划 | 提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影 | 研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据 | 比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能 | 脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 光谱MRI (sMRI) | 自监督深度学习模型 | MRI图像 | 30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试 | NA | NA | NA | NA |
| 17488 | 2025-02-17 |
Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer
2025-Jan-24, Cancers
IF:4.5Q1
DOI:10.3390/cancers17030381
PMID:39941750
|
研究论文 | 本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值 | 利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力 | 研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚 | 评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值 | 76例外周带前列腺病变，包括临床显著性和非显著性病例 | 数字病理学 | 前列腺癌 | 多参数MRI（mpMRI），深度学习 | Logistic回归，高斯过程分类器 | 图像 | 76例外周带前列腺病变 | NA | NA | NA | NA |
| 17489 | 2025-02-17 |
A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103358
PMID:39353335
|
研究论文 | 本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率 | 通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率 | 尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力 | 开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制 | 高分辨率磁共振波谱成像（MRSI） | 计算机视觉 | 癌症 | 深度学习 | FTDDM（基于流的截断去噪扩散模型） | 图像 | 25名高级别胶质瘤患者的H-MRSI数据集 | NA | NA | NA | NA |
| 17490 | 2025-02-17 |
Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models
2024-Aug-30, Gels (Basel, Switzerland)
DOI:10.3390/gels10090565
PMID:39330168
|
研究论文 | 本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题 | 首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布 | 研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证 | 提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响 | Fricke凝胶剂量计中的离子扩散现象 | 机器学习 | NA | 物理信息神经网络（PINNs） | PINNs | 2D和3D数据 | 数值模拟数据，时间跨度从20到100小时 | NA | NA | NA | NA |
| 17491 | 2025-02-17 |
BioMapAI: Artificial Intelligence Multi-Omics Modeling of Myalgic Encephalomyelitis / Chronic Fatigue Syndrome
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.24.600378
PMID:38979186
|
研究论文 | 本文介绍了BioMapAI，一个可解释的深度学习框架，用于建模肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的多组学数据 | 开发了BioMapAI框架，首次使用最丰富的纵向多组学数据集进行ME/CFS研究，并创建了健康和疾病状态下的组学连接图 | NA | 解决ME/CFS和长期COVID等慢性疾病的高异质性和多因素病因及进展问题，改善诊断和治疗 | 肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者 | 机器学习 | 慢性疲劳综合征 | 多组学分析 | 深度学习 | 多组学数据（包括肠道宏基因组学、血浆代谢组、免疫分析、血液实验室数据和临床症状） | NA | NA | NA | NA | NA |
| 17492 | 2025-02-17 |
Clinical efficacy of motion-insensitive imaging technique with deep learning reconstruction to improve image quality in cervical spine MR imaging
2024-Mar-28, The British journal of radiology
DOI:10.1093/bjr/tqae026
PMID:38366622
|
研究论文 | 本研究探讨了结合深度学习重建（DLR）的T2周期性旋转重叠平行线增强重建（PROPELLER）技术在颈椎MRI中提高图像质量和降低图像噪声的临床效果 | 结合深度学习重建（DLR）的PROPELLER技术首次应用于颈椎MRI，显著提高了图像质量和降低了噪声 | 样本量较小（35例患者），且研究时间较短（2020年12月至2021年3月） | 评估PROPELLER技术与DLR结合在颈椎MRI中的图像质量和噪声改善效果 | 35例接受颈椎MRI检查的患者 | 医学影像 | 颈椎疾病 | T2 PROPELLER技术，深度学习重建（DLR） | 深度学习模型 | MRI图像 | 35例患者 | NA | NA | NA | NA |
| 17493 | 2025-02-17 |
Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning
2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco
IF:3.0Q2
DOI:10.1093/ntr/ntad189
PMID:38366336
|
研究论文 | 本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征 | 利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征 | 研究主要基于Instagram平台，可能不适用于其他社交媒体平台 | 识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征 | Instagram上的反电子烟图片帖子 | 自然语言处理 | NA | 深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型） | CNN（ViT-B/32） | 图像和文本 | 8972个反电子烟Instagram图片帖子，其中2200个手工编码 | NA | NA | NA | NA |
| 17494 | 2025-02-16 |
Unsupervised cross talk suppression for self-interference digital holography
2025-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.544342
PMID:39951778
|
研究论文 | 本文提出了一种基于循环一致性生成对抗网络（CycleGAN）的无监督串扰抑制方法，用于自干涉数字全息术 | 创新点在于提出了一种无需配对训练数据的无监督学习方法，通过显著性约束避免图像内容失真 | 在实际实验中，获取配对数据集以完成训练是困难的 | 研究目的是提高自干涉数字全息术在非相干成像领域的分辨率 | 自干涉数字全息术中的串扰信息 | 计算机视觉 | NA | 自干涉数字全息术 | CycleGAN | 图像 | NA | NA | NA | NA | NA |
| 17495 | 2025-02-16 |
Fourier-inspired single-pixel holography
2025-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.547399
PMID:39951780
|
研究论文 | 本文介绍了一种名为傅里叶启发的单像素全息术（FISH）的有效数字全息术方法，该方法使用单像素探测器而非传统相机来捕捉光场信息 | FISH结合了傅里叶单像素成像和离轴全息技术，能够直接获取有用信息，而无需在空间域记录全息图并在傅里叶域过滤不需要的项，此外，还采用深度学习技术联合优化采样掩模和成像增强模型，以在低采样率下实现高质量结果 | NA | 探索并验证一种新的数字全息术方法，以在低采样率下实现高质量的单像素相位成像 | 光场信息的捕捉与成像 | 计算机视觉 | NA | 傅里叶单像素成像、离轴全息技术、深度学习 | 深度学习模型 | 光场信息 | NA | NA | NA | NA | NA |
| 17496 | 2025-02-16 |
A deep learning model to predict dose distributions for breast cancer radiotherapy
2025-Feb-12, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-01942-4
PMID:39937302
|
研究论文 | 本文提出了一种基于3D U-Net的深度学习模型，用于准确预测乳腺癌放射治疗的剂量分布 | 该模型采用了双编码器组合注意力（DECA）模块、跨阶段部分+Resnet+注意力（CRA）模块、难度感知和关键区域损失等创新技术 | 研究仅针对乳腺癌患者，未涉及其他类型的癌症 | 提高乳腺癌放射治疗的剂量分布预测精度和规划效率 | 乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | 3D U-Net | 3D图像 | 176名乳腺癌患者 | NA | NA | NA | NA |
| 17497 | 2025-02-16 |
OHID-1: A New Large Hyperspectral Image Dataset for Multi-Classification
2025-Feb-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04542-7
PMID:39939330
|
研究论文 | 本文介绍了一个新的大规模高光谱图像数据集OHID-1，旨在提升高光谱图像分类性能并挑战现有算法 | OHID-1数据集提供了更复杂的特征和更高的分类复杂性，包含7个类别标签，覆盖更广的区域 | NA | 提升高光谱图像分类性能并挑战现有高光谱图像处理算法 | 高光谱图像数据集OHID-1 | 计算机视觉 | NA | NA | NA | 高光谱图像 | 10幅高光谱图像，来自中国珠海市不同区域 | NA | NA | NA | NA |
| 17498 | 2025-02-16 |
Steering drilling wellbore trajectory prediction based on the NOA-LSTM-FCNN method
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89826-z
PMID:39939666
|
研究论文 | 本文提出了一种基于NOA-LSTM-FCNN方法的导向钻井井眼轨迹预测方法，旨在解决复杂地质条件下井眼轨迹难以准确预测的问题 | 结合NOA、LSTM和FCNN，提出了一种新的井眼轨迹预测方法，显著提高了预测精度 | NA | 提高复杂地质条件下井眼轨迹的预测精度 | 井眼轨迹数据 | 机器学习 | NA | NA | LSTM, FCNN | 井眼轨迹数据 | NA | NA | NA | NA | NA |
| 17499 | 2025-02-16 |
A machine learning model for detecting and quantifying tropical cyclone related disturbance and recovery in estuaries
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89196-6
PMID:39939689
|
研究论文 | 本研究开发了一种基于机器学习的模型，用于检测和量化热带气旋对河口生态系统造成的干扰及其恢复时间 | 利用LSTM深度学习模型检测干扰并量化其严重性，同时开发基于高斯滤波的算法评估恢复时间 | 模型主要关注河口水质的变化，未全面考虑其他生态系统因素 | 开发一种能够检测和量化热带气旋对河口生态系统干扰及其恢复时间的模型 | 河口生态系统，特别是水质变化 | 机器学习 | NA | LSTM深度学习模型，高斯滤波算法 | LSTM | 时间序列数据 | NOAA国家河口研究保护区系统的数据 | NA | NA | NA | NA |
| 17500 | 2025-02-16 |
Universal attention guided adversarial defense using feature pyramid and non-local mechanisms
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89267-8
PMID:39939692
|
研究论文 | 本文提出了一种通用的注意力引导对抗防御方法，通过特征金字塔和非局部机制增强深度神经网络对对抗样本的防御能力 | 提出了两种防御模块：基于特征金字塔的注意力空间引导（FPAS）模块和基于注意力的非局部（ANL）模块，分别用于对抗注意力转移攻击和注意力衰减攻击 | 未明确提及具体局限性 | 提高深度神经网络对对抗样本的防御能力，特别是在高安全领域中的应用 | 对抗样本及其对深度神经网络的影响 | 机器学习 | NA | NA | Wide-ResNet | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |