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 33008 篇文献，本页显示第 18121 - 18140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18121 | 2025-10-07 |
Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study
2020-12-18, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abc303
PMID:33080578
|
研究论文 | 本研究提出一种基于生成对抗网络的实时三维成像方法，用于肺部立体定向放射治疗中的运动管理 | 提出集成感知监督的生成对抗网络TransNet，可从单张二维投影实时生成三维图像，并引入特征空间感知损失以提升肺部边界准确性 | 概念验证研究，仅基于20例患者数据进行模拟验证，尚未进行临床实时应用 | 开发实时三维成像技术以提升肺部立体定向放射治疗的精准运动管理 | 接受肺部立体定向放射治疗的患者 | 医学影像分析 | 肺癌 | 4D-CT模拟 | GAN | CT图像 | 20例患者病例，包含9个呼吸时相的三维CT图像及对应二维投影数据 | NA | TransNet（包含编码、转换和解码三个模块） | 平均绝对误差, 峰值信噪比, 结构相似性指数, 质心距离 | NA |
| 18122 | 2025-01-29 |
Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10187-w
PMID:39866661
|
研究论文 | 本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战 | 提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性 | 未提及样本量的具体限制或数据集的多样性问题 | 开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用 | EEG信号 | 脑机接口 | 自闭症或情绪障碍 | EEG信号分析 | PCAE, PC-SEAE, SVM, RF, LSTM | EEG信号 | 使用EEG Brainwave数据集，未提及具体样本量 | NA | NA | NA | NA |
| 18123 | 2025-01-29 |
Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil
2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125524
PMID:39671816
|
研究论文 | 本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况 | 结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78% | 传统机器学习方法在单一和二元掺假油的分类中存在局限性 | 识别山茶油的真伪 | 山茶油及其掺假油 | 机器学习 | NA | 三维荧光光谱，并行因子分析（PARAFAC） | PLS-DA, KNN, SVM, RF, CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 18124 | 2024-12-18 |
Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models
2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125536
PMID:39681030
|
研究论文 | 本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法 | 本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率 | NA | 快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计 | D-π-A有机染料在18种不同溶剂环境中的吸收最大值 | 机器学习 | NA | 深度学习 | 集成模型（包括卷积网络等多种神经架构） | 分子描述符（有机染料指纹） | 18种不同溶剂环境中的D-π-A有机染料 | NA | NA | NA | NA |
| 18125 | 2025-01-29 |
Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model
2025-Feb-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136709
PMID:39637781
|
研究论文 | 本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响 | 开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度 | 未提及具体的数据集规模或实验验证的局限性 | 评估大气减排的协同效应，模拟排放对空气质量的影响 | 工业园区的排放与空气污染之间的关系 | 机器学习 | NA | 深度学习 | GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型） | 空气质量数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 18126 | 2024-12-22 |
Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques
2025-Feb, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2024.131976
PMID:39675638
|
研究论文 | 本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段 | 本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测 | 本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试 | 开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺 | Haematococcus lacustris细胞周期 | 机器学习 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 18127 | 2025-01-29 |
Deep Drug-Target Binding Affinity Prediction Base on Multiple Feature Extraction and Fusion
2025-Jan-21, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c08048
PMID:39866608
|
研究论文 | 本文提出了一种基于多特征提取和融合的深度药物-靶标结合亲和力预测模型BTDHDTA，旨在提高药物发现中的预测准确性 | BTDHDTA模型通过双向门控循环单元（GRU）、Transformer编码器和扩张卷积提取药物和靶标的全局、局部及其相关性特征，并引入结合卷积神经网络和高速公路连接的模块来融合药物和蛋白质的深层特征 | 模型在特征提取和融合过程中可能仍存在一定的计算复杂性和数据依赖性 | 提高药物-靶标结合亲和力（DTA）预测的准确性，以促进药物发现 | 药物和靶标数据 | 机器学习 | NA | 深度学习 | BTDHDTA（结合GRU、Transformer编码器、扩张卷积和CNN的模型） | 序列数据 | 三个基准数据集（Davis、KIBA和Metz）以及3137种FDA批准药物与SARS-CoV-2复制相关蛋白的结合亲和力预测 | NA | NA | NA | NA |
| 18128 | 2025-01-28 |
Plant Detection in RGB Images from Unmanned Aerial Vehicles Using Segmentation by Deep Learning and an Impact of Model Accuracy on Downstream Analysis
2025-Jan-20, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11010028
PMID:39852341
|
研究论文 | 本文提出了一种基于深度学习的图像分割方法，用于从无人机获取的图像中检测五种植物，并探讨了模型精度对后续分析的影响 | 通过结合无人机图像和深度学习算法，提出了一种新的植物检测方法，并分析了模型精度对纹理特征估计的影响 | 不同分辨率和标记质量的图像对模型性能的影响可能导致对田间种植模式特性的错误结论 | 提高无人机图像中植物检测的准确性，并评估其对后续纹理特征分析的影响 | 五种植物 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 12个正射影像和17个来自Roboflow服务的数据集 | NA | NA | NA | NA |
| 18129 | 2025-01-28 |
Deep Learning in Oral Hygiene: Automated Dental Plaque Detection via YOLO Frameworks and Quantification Using the O'Leary Index
2025-Jan-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15020231
PMID:39857115
|
研究论文 | 本研究利用先进的YOLO架构自动检测牙菌斑的三个阶段（新、成熟和过度成熟），并通过O'Leary指数进行量化，以增强早期干预并减少对人工视觉评估的依赖 | 首次将YOLOv9、YOLOv10和YOLOv11等YOLO架构应用于牙菌斑检测，并在不同成像条件下验证了其可行性 | 研究样本量较小（177人），且仅使用了RGB图像，未涉及其他类型的医学影像数据 | 通过自动检测牙菌斑阶段，优化临床工作流程，支持早期诊断，并减轻低资源社区的口腔健康负担 | 牙菌斑的三个阶段（新、成熟和过度成熟） | 计算机视觉 | 口腔疾病 | YOLO架构 | YOLOv9, YOLOv10, YOLOv11 | RGB图像 | 177人，共531张RGB图像 | NA | NA | NA | NA |
| 18130 | 2025-01-29 |
A Feature-Enhanced Small Object Detection Algorithm Based on Attention Mechanism
2025-Jan-20, Sensors (Basel, Switzerland)
DOI:10.3390/s25020589
PMID:39860960
|
研究论文 | 本文提出了一种基于注意力机制的特征增强小目标检测算法，旨在解决无人机图像中小目标检测的挑战 | 使用YOLOv8s作为基础框架，引入多层次特征融合算法和注意力机制，改进小目标特征提取，并采用动态检测头和Slideloss、ShapeIoU等技术提升检测性能 | 未提及算法在极端环境或复杂背景下的表现，也未讨论计算资源消耗和实时性 | 提升无人机图像中小目标检测的准确性和召回率 | 无人机图像中的小目标 | 计算机视觉 | NA | 多层次特征融合算法、注意力机制、动态检测头、Slideloss、ShapeIoU | YOLOv8s | 图像 | VisDrone2019和AI-TODv1.5数据集 | NA | NA | NA | NA |
| 18131 | 2025-01-28 |
Blink Detection Using 3D Convolutional Neural Architectures and Analysis of Accumulated Frame Predictions
2025-Jan-19, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11010027
PMID:39852340
|
研究论文 | 本文提出并比较了用于检测视频帧序列中眨眼的深度学习架构，并提出了结合形态学处理和水域分割的帧预测累加器来检测眨眼及其起止帧 | 提出了两种不同的3D卷积神经网络（简单的3D CNN和3D ResNet）以及结合分类器的3D自编码器，并引入了帧预测累加器结合形态学处理和水域分割的新方法 | 样本量相对较小，仅涉及9名参与者的训练数据和8名参与者的测试数据 | 开发一种有效的眨眼检测方法，用于临床条件和疲劳状态的评估 | 视频帧序列中的眨眼 | 计算机视觉 | NA | 深度学习 | 3D CNN, 3D ResNet, 3D autoencoder | 视频 | 9名参与者的训练数据和8名参与者的测试数据，共162,400帧和1172次眨眼 | NA | NA | NA | NA |
| 18132 | 2025-01-28 |
Deep Learning-Based Glioma Segmentation of 2D Intraoperative Ultrasound Images: A Multicenter Study Using the Brain Tumor Intraoperative Ultrasound Database (BraTioUS)
2025-Jan-19, Cancers
IF:4.5Q1
DOI:10.3390/cancers17020315
PMID:39858097
|
研究论文 | 本研究旨在开发一种基于卷积神经网络（CNN）的模型，用于多中心数据集中的胶质瘤分割，以增强术中超声（ioUS）图像的可解释性 | 利用多中心数据集开发CNN模型进行胶质瘤分割，支持多中心ioUS图像分割的可行性 | 未来工作需增强分割细节并探索实时临床应用 | 开发CNN模型用于胶质瘤分割，以增强术中超声图像的可解释性 | 胶质瘤患者 | 数字病理 | 胶质瘤 | CNN | nnU-Net | 2D图像 | 197名受试者（训练集141名，测试集56名，外部验证集53名） | NA | NA | NA | NA |
| 18133 | 2025-01-28 |
TBF-YOLOv8n: A Lightweight Tea Bud Detection Model Based on YOLOv8n Improvements
2025-Jan-18, Sensors (Basel, Switzerland)
DOI:10.3390/s25020547
PMID:39860916
|
研究论文 | 本文提出了一种基于YOLOv8n改进的轻量级茶叶芽检测模型TBF-YOLOv8n，旨在提高茶叶芽检测的效率和精度 | 通过引入高效的分布式移位卷积（DSConv）改进C2f模块，结合坐标注意力（CA）机制、SIOU_Loss函数和动态样本上采样算子（DySample），显著提升了模型的检测精度和效率 | 未提及模型在实际茶园环境中的泛化能力和对不同光照、遮挡等复杂条件的适应性 | 解决深度学习检测模型计算复杂度高的问题，推动茶叶产业的智能化升级 | 茶叶芽 | 计算机视觉 | NA | 深度学习 | YOLOv8n改进模型（TBF-YOLOv8n） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 18134 | 2025-01-29 |
Zero-Shot Traffic Identification with Attribute and Graph-Based Representations for Edge Computing
2025-Jan-18, Sensors (Basel, Switzerland)
DOI:10.3390/s25020545
PMID:39860913
|
研究论文 | 本文提出了一种基于流量行为和属性表示的零样本学习框架AG-ZSL，用于通用加密流量分类 | AG-ZSL框架通过捕获基于突发流量交互图的流量行为嵌入和从流量属性描述中学习属性嵌入，最小化共享特征空间中的嵌入距离，实现了对已知和未知流量的有效分类 | NA | 解决细粒度流量识别在处理未见样本时的挑战，提升网络边缘的安全和高效流量管理 | 加密流量 | 机器学习 | NA | 零样本学习 | K-Nearest Neighbors | 流量数据 | IoT数据集 | NA | NA | NA | NA |
| 18135 | 2025-01-29 |
The Application of an Intelligent Agaricus bisporus-Harvesting Device Based on FES-YOLOv5s
2025-Jan-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25020519
PMID:39860890
|
研究论文 | 本研究设计了一种基于机器视觉的智能双孢菇采摘设备，采用FES-YOLOv5s深度学习目标检测模型进行精准识别与定位，并通过S曲线加减速电机控制算法实现高效采摘 | 创新点在于结合FES-YOLOv5s深度学习模型和S曲线加减速电机控制算法，显著提高了采摘效率和精度，同时减少了振动和损伤 | 研究未涉及设备在不同环境条件下的适应性测试，也未讨论设备的长期稳定性和维护成本 | 旨在解决双孢菇人工采摘效率低、损伤大、成本高的问题，开发智能采摘设备 | 双孢菇 | 计算机视觉 | NA | 深度学习 | FES-YOLOv5s | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 18136 | 2025-01-28 |
Improving Industrial Quality Control: A Transfer Learning Approach to Surface Defect Detection
2025-Jan-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25020527
PMID:39860894
|
研究论文 | 本文开发了一种结合偏转测量和强光照明图像采集、深度学习模型以及在线网络的自动缺陷检测和分类系统，用于加热设备涂漆表面的质量控制 | 通过结合双模态信息在决策层面进行融合，使用预训练网络（ResNet-50和Inception V3）进行迁移学习，提高了缺陷分类的准确性 | 未提及系统在实际工业环境中的长期稳定性和适应性 | 自动化加热设备涂漆表面的质量控制 | 加热设备的涂漆表面 | 计算机视觉 | NA | 偏转测量和强光照明图像采集 | ResNet-50, Inception V3 | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 18137 | 2025-01-29 |
GenVarLoader: An accelerated dataloader for applying deep learning to personalized genomics
2025-Jan-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.15.633240
PMID:39868273
|
研究论文 | 本文介绍了GenVarLoader，一种用于加速个性化基因组学深度学习的工具 | GenVarLoader通过新的内存映射格式存储个性化基因组数据，实现了比现有方法快约1000倍的吞吐量和约2000倍的压缩率 | NA | 提高个性化基因组学中深度学习模型的应用效率 | 个性化基因组数据 | 机器学习 | NA | 深度学习 | NA | 基因组数据 | NA | NA | NA | NA | NA |
| 18138 | 2025-01-29 |
Automated Audit and Self-Correction Algorithm for Seg-Hallucination Using MeshCNN-Based On-Demand Generative AI
2025-Jan-16, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12010081
PMID:39851355
|
研究论文 | 本文提出了一种自动化Seg-Hallucination监测和校正算法（ASHSC），利用3D器官掩码信息进行医学图像分割的自我校正 | 提出了一种不依赖真实标签的自动化Seg-Hallucination监测和校正算法，结合了基于网格的卷积神经网络和生成式人工智能 | 算法仅在CT图像上进行了验证，未涉及其他类型的医学影像数据 | 提高医学图像分割的效率和可靠性，减少Seg-Hallucination对定量分析和成像生物标志物的影响 | CT图像中的3D器官掩码 | 计算机视觉 | NA | 生成式人工智能 | MeshCNN | 3D CT图像 | 554个CT扫描（280个用于训练，274个用于性能评估） | NA | NA | NA | NA |
| 18139 | 2025-01-29 |
Time Series Data Augmentation for Energy Consumption Data Based on Improved TimeGAN
2025-Jan-16, Sensors (Basel, Switzerland)
DOI:10.3390/s25020493
PMID:39860862
|
研究论文 | 本文提出了一种基于改进TimeGAN模型的时间序列数据增强方法，用于优化制造过程中的能源消耗数据预测 | 在TimeGAN模型中加入了多头自注意力机制层，以提高预测准确性 | 未提及具体的数据收集限制或模型在其他数据集上的泛化能力 | 优化能源管理效率，减少企业维护成本 | 制造过程中的能源消耗数据 | 机器学习 | NA | 时间序列数据增强 | 改进的TimeGAN模型，混合CNN-GRU模型 | 时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 18140 | 2025-01-28 |
Milk Composition Is Predictive of Low Milk Supply Using Machine Learning Approaches
2025-Jan-15, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15020191
PMID:39857075
|
研究论文 | 本研究旨在通过机器学习方法预测低乳量，并探讨低乳量与正常乳量母亲之间乳汁成分的差异 | 首次将机器学习算法应用于低乳量的预测，结合乳汁成分及母婴特征，开发出高精度的预测模型 | 样本量相对较小，仅包含164名女性，可能影响模型的泛化能力 | 研究低乳量的预测方法，以支持母乳喂养和确保婴儿营养 | 58名低乳量母亲和106名正常乳量母亲 | 机器学习 | NA | 机器学习算法 | 深度学习和梯度提升机 | 乳汁成分数据及母婴特征数据 | 164名女性（58名低乳量，106名正常乳量） | NA | NA | NA | NA |