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 32705 篇文献，本页显示第 18341 - 18360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18341 | 2025-10-07 |
Comparative analysis of brain volumetric measurements between contrast-enhanced and non-contrast MRI images
2025-Jan-07, Neuroscience letters
IF:2.5Q3
DOI:10.1016/j.neulet.2025.138118
PMID:39788481
|
研究论文 | 比较分析对比增强与非对比MRI图像的脑体积测量可靠性 | 首次系统评估深度学习工具SynthSeg+在处理对比增强MRI图像中的表现，证明其能可靠用于形态测量分析 | 样本量有限（59名正常参与者），CAT12工具表现不一致，脑脊液和脑室体积测量存在差异 | 评估对比增强MRI扫描在形态测量分析中的可靠性 | 59名正常参与者（年龄21-73岁）的脑部MRI图像 | 医学影像分析 | 神经系统疾病 | T1加权对比增强MRI、非对比MRI | 深度学习 | 医学影像 | 59名正常参与者 | CAT12, SynthSeg+ | NA | 组内相关系数(ICC), 年龄预测准确率 | NA |
| 18342 | 2025-01-14 |
CTHNet: A CNN-Transformer Hybrid Network for Landslide Identification in Loess Plateau Regions Using High-Resolution Remote Sensing Images
2025-Jan-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25010273
PMID:39797065
|
研究论文 | 本文提出了一种CNN-Transformer混合网络CTHNet，用于在黄土高原地区使用高分辨率遥感图像进行滑坡识别 | 结合CNN和Transformer的优势，提出了一种新的神经网络架构，能够同时提取高维局部特征和全局特征，从而在复杂环境中有效识别滑坡 | 研究主要针对黄土高原地区的滑坡识别，可能在其他地理环境中的适用性有限 | 提高在复杂环境中使用高分辨率遥感图像进行滑坡识别的准确性和效率 | 黄土高原地区的滑坡和非滑坡样本 | 计算机视觉 | NA | 高分辨率遥感图像分析 | CNN-Transformer混合网络 | 图像 | 1500个黄土滑坡和非滑坡样本 | NA | NA | NA | NA |
| 18343 | 2025-01-14 |
Munsell Soil Colour Prediction from the Soil and Soil Colour Book Using Patching Method and Deep Learning Techniques
2025-Jan-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25010287
PMID:39797078
|
研究论文 | 本研究旨在通过深度学习技术从移动设备拍摄的图像中预测Munsell土壤颜色，以提高土壤颜色识别的准确性 | 提出了一种基于补丁的机制来丰富数据集，显著提高了Munsell土壤颜色预测的准确性 | 研究中使用的土壤样本数量有限，可能影响方法的普适性和可扩展性 | 预测Munsell土壤颜色，以提供更准确的土壤健康评估 | Munsell土壤颜色书中的颜色芯片和页面 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 443个颜色芯片和14页 | NA | NA | NA | NA |
| 18344 | 2025-01-14 |
Semi-Automatic Refinement of Myocardial Segmentations for Better LVNC Detection
2025-Jan-06, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14010271
PMID:39797353
|
研究论文 | 本文提出了一种半自动框架，通过结合神经网络输出与专家修正、实施斑点选择方法以及使用基线U-Net模型进行交叉验证，来改进心脏MRI中左心室心肌的分割，从而提高左心室非致密化心肌病（LVNC）诊断模型的准确性 | 提出了一种结合神经网络输出与专家修正的半自动框架，通过斑点选择方法和基线U-Net模型的交叉验证，显著提高了心肌分割的准确性 | 研究依赖于专家修正，可能引入主观偏差，且仅在三个医院的数据集上进行了验证，样本多样性可能有限 | 改进心脏MRI中左心室心肌的分割，以提高左心室非致密化心肌病（LVNC）诊断模型的准确性 | 心脏MRI中的左心室心肌分割 | 数字病理学 | 心血管疾病 | 心脏MRI | U-Net | 图像 | 来自三个医院的数据集 | NA | NA | NA | NA |
| 18345 | 2025-10-07 |
Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence
2025-Jan-05, Nutrients
IF:4.8Q1
DOI:10.3390/nu17010190
PMID:39796624
|
综述 | 本文调查并评估了人工智能在营养学领域的应用角色及其未来潜在影响 | 系统梳理了AI在营养学中的最新应用进展，特别强调了在膳食评估误差减少和个性化营养方案定制方面的突破性贡献 | 作为叙述性综述，可能存在文献选择偏倚，且未对研究方法进行质量评估 | 探讨人工智能在营养学研究与应用中的不同角色和潜在影响 | 人工智能在营养学领域的应用证据 | 机器学习 | 心血管疾病,糖尿病,癌症,肥胖 | 机器学习模型,可穿戴设备,聊天机器人应用,视觉识别,深度学习,移动应用 | 深度学习模型 | 文献数据 | NA | NA | NA | NA | NA |
| 18346 | 2025-01-14 |
Lightweight Deep Learning Model, ConvNeXt-U: An Improved U-Net Network for Extracting Cropland in Complex Landscapes from Gaofen-2 Images
2025-Jan-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25010261
PMID:39797051
|
研究论文 | 本文提出了一种轻量级深度学习模型ConvNeXt-U，用于从高分二号影像中提取复杂景观中的耕地 | ConvNeXt-U保留了U-Net的U形结构，但用简化的ConvNeXt架构替换了编码器，并集成了轻量级的CBAM模块，增强了边缘特征的捕捉和提取精度 | NA | 提高复杂景观中耕地提取的准确性和效率 | 高分二号影像中的耕地 | 计算机视觉 | NA | 深度学习 | ConvNeXt-U, U-Net, CBAM | 遥感影像 | 中国湖南省衡阳县的高分二号遥感影像 | NA | NA | NA | NA |
| 18347 | 2025-10-07 |
Advances in Whole Genome Sequencing: Methods, Tools, and Applications in Population Genomics
2025-Jan-04, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26010372
PMID:39796227
|
综述 | 本文综述全基因组测序技术在群体基因组学中的方法、工具及应用进展 | 系统整合了群体基因组学中全基因组测序的分析方法，并展望了深度学习等新兴技术的应用前景 | 未涉及具体实验数据验证，主要基于文献综述 | 探讨重测序技术在群体基因组学中的应用与进展 | 群体基因组学中的遗传变异和群体结构 | 生物信息学 | NA | 全基因组测序, 重测序 | 深度学习, 机器学习 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 18348 | 2025-10-07 |
Bioinformatics and Deep Learning Approach to Discover Food-Derived Active Ingredients for Alzheimer's Disease Therapy
2025-Jan-04, Foods (Basel, Switzerland)
DOI:10.3390/foods14010127
PMID:39796418
|
研究论文 | 本研究通过生物信息学与深度学习方法探索食物来源的天然化合物对阿尔茨海默病的治疗潜力 | 开发了生物信息学整合的深度神经网络分析方法(BioDeepNat)，结合计算预测与分子对接实验，系统发现食物来源的活性成分 | 研究主要基于计算预测和体外实验，需要进一步的体内实验验证 | 发现具有阿尔茨海默病治疗潜力的食物来源天然化合物 | 天然化合物及其与AD相关靶蛋白的相互作用 | 生物信息学, 机器学习 | 阿尔茨海默病 | 分子对接分析, 体外细胞实验 | 随机森林回归, 深度神经网络 | 化学数据库数据, 分子结构数据 | 166种天然化合物，涉及7种AD相关靶蛋白 | NA | 深度神经网络 | 召回率 | NA |
| 18349 | 2025-01-14 |
Video-Based Plastic Bag Grabbing Action Recognition: A New Video Dataset and a Comparative Study of Baseline Models
2025-Jan-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25010255
PMID:39797046
|
研究论文 | 本文介绍了一个专门用于识别抓取塑料袋动作的新视频数据集，并提出了三种不同的基线方法进行比较研究 | 引入了一个新的视频数据集，专门用于识别抓取塑料袋的动作，并提出了三种不同的基线方法进行比较 | 研究局限于特定动作的识别，可能不适用于其他类型的动作识别任务 | 解决从CCTV视频片段中识别抓取塑料袋动作的挑战 | CCTV视频片段中的抓取塑料袋动作 | 计算机视觉 | NA | NA | CNN, 3D CNN | 视频 | NA | NA | NA | NA | NA |
| 18350 | 2025-10-07 |
Skin Cancer Detection Using Transfer Learning and Deep Attention Mechanisms
2025-Jan-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15010099
PMID:39795627
|
研究论文 | 本研究通过将注意力机制与预训练的Xception迁移学习模型结合，开发了一种皮肤癌检测方法 | 首次探索了多种注意力机制（自注意力、硬注意力、软注意力）与Xception迁移学习模型在皮肤癌二元分类中的集成 | 仅使用HAM10000数据集进行验证，需要进一步研究在其他数据集上的泛化能力 | 研究不同注意力机制对Xception模型在皮肤良恶性病变检测中性能的影响 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习，迁移学习 | CNN, 注意力机制 | 图像 | HAM10000数据集 | NA | Xception, 自注意力机制, 硬注意力机制, 软注意力机制 | 准确率, 召回率 | NA |
| 18351 | 2025-01-14 |
An Attention-Based Multidimensional Fault Information Sharing Framework for Bearing Fault Diagnosis
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010224
PMID:39797015
|
研究论文 | 本文提出了一种基于注意力的多维故障信息共享框架（AMFIS），用于解决小样本环境下轴承故障诊断的多维信息获取问题 | 提出了一个创新的动态调整策略（DAS），用于自适应调节故障定位任务（FLT）和故障量化任务（FQT）的训练权重，以达到最佳训练效果 | 在小样本环境下进行多维故障诊断仍存在挑战，且实际工程应用中样本量不足可能限制深度学习的潜力 | 克服小样本环境下轴承故障诊断的多维信息获取困难 | 轴承故障诊断 | 机器学习 | NA | 深度学习 | 基于注意力的网络 | 多维故障信息 | 小样本环境 | NA | NA | NA | NA |
| 18352 | 2025-01-14 |
Seasonal Land Use and Land Cover Mapping in South American Agricultural Watersheds Using Multisource Remote Sensing: The Case of Cuenca Laguna Merín, Uruguay
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010228
PMID:39797019
|
研究论文 | 本研究利用多源遥感技术对乌拉圭Cuenca de la Laguna Merín地区的夏季和冬季土地利用/土地覆盖特征进行制图，并比较了随机森林、支持向量机和梯度提升树分类器的性能 | 结合Sentinel-2、Sentinel-1和SRTM影像，使用Google Earth Engine平台，对比了多种分类器在土地利用/土地覆盖制图中的表现，并分析了特征重要性 | 在减少类别混淆方面存在挑战，特别是自然植被与季节性淹没植被、后农业用地/裸地与草本区域之间的区分 | 利用多源遥感技术进行季节性土地利用/土地覆盖制图，并评估不同分类器的性能 | 乌拉圭Cuenca de la Laguna Merín地区的土地利用/土地覆盖特征 | 遥感 | NA | 多源遥感（Sentinel-2、Sentinel-1、SRTM影像） | 随机森林、支持向量机、梯度提升树 | 遥感影像 | NA | NA | NA | NA | NA |
| 18353 | 2025-01-14 |
Deep Learning-Based Pointer Meter Reading Recognition for Advancing Manufacturing Digital Transformation Research
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010244
PMID:39797035
|
研究论文 | 本文提出了一种基于深度学习的指针仪表读数识别方法，以推动制造业数字化转型研究 | 提出了一种基于YOLOX-DC的解耦圆头检测算法和PM-SwinUnet分割网络的端到端PMRR方法，解决了现有方法在仪表图像模糊、光照不均、倾斜和复杂背景等问题上的不足 | NA | 提高指针仪表读数识别的准确性和鲁棒性，以支持制造业的数字化转型 | 指针仪表图像 | 计算机视觉 | NA | 深度学习 | YOLOX-DC, PM-SwinUnet | 图像 | 三个指针仪表数据集 | NA | NA | NA | NA |
| 18354 | 2025-10-07 |
Epilepsy Diagnosis from EEG Signals Using Continuous Wavelet Transform-Based Depthwise Convolutional Neural Network Model
2025-Jan-02, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15010084
PMID:39795612
|
研究论文 | 提出一种基于连续小波变换的深度卷积神经网络模型，用于从脑电图信号中诊断癫痫 | 使用连续小波变换将多通道EEG信号转换为图像，并通过图像拼接技术构建模型输入，无需额外分类器或特征选择算法 | 未提及模型在不同数据集上的泛化能力验证 | 开发自动癫痫诊断系统 | 癫痫患者的脑电图信号 | 医学图像分析 | 癫痫 | 连续小波变换 | 深度卷积神经网络 | 脑电图信号转换的图像 | NA | Python PIL库 | 深度卷积神经网络 | 准确率, 灵敏度, 特异性, 精确率 | NA |
| 18355 | 2025-01-14 |
Study on Long-Term Temperature Variation Characteristics of Concrete Bridge Tower Cracks Based on Deep Learning
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010207
PMID:39796998
|
研究论文 | 本研究旨在利用LSTM神经网络开发深度学习模型，基于主塔的热变化预测裂缝深度 | 利用LSTM神经网络预测混凝土桥塔裂缝深度，通过多温度输入数据集提高模型预测裂缝宽度的准确性 | NA | 开发深度学习模型以预测混凝土桥塔裂缝深度，并建立精确的温度阈值以早期检测裂缝异常 | 淮安桥的混凝土桥塔裂缝 | 机器学习 | NA | 深度学习 | LSTM | 温度数据 | NA | NA | NA | NA | NA |
| 18356 | 2025-01-14 |
Review of Recent Advances in Predictive Maintenance and Cybersecurity for Solar Plants
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010206
PMID:39796997
|
review | 本文系统回顾了太阳能发电厂预测性维护和网络安全的最新进展，探讨了预测性维护技术在太阳能发电厂中的应用优势与挑战 | 强调了物联网（IoT）、机器学习（ML）和深度学习（DL）在太阳能板预测性维护中的整合，提高了维护过程的准确性和效率 | 在可再生能源行业中采用预测性维护面临模型复杂性与准确性之间的平衡、系统不可预测性以及适应环境条件变化的挑战 | 探讨太阳能发电厂预测性维护方法和网络安全的最新进展 | 太阳能板系统 | machine learning | NA | IoT, ML, DL | NA | 实时监测数据 | NA | NA | NA | NA | NA |
| 18357 | 2025-01-14 |
Cybersecurity Solutions for Industrial Internet of Things-Edge Computing Integration: Challenges, Threats, and Future Directions
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010213
PMID:39797003
|
研究论文 | 本文详细介绍了工业物联网（IIoT）与边缘计算集成中网络物理系统（CPS）网络安全的当前挑战和解决方案 | 系统性地收集和分析了过去五年的相关文献，开发了IIoT-边缘计算中CPS的主要安全机制的详细分类，并进行了与现有研究的比较分析 | 未提及具体的研究局限性 | 推进IIoT-边缘计算集成中的网络安全研究 | 工业物联网（IIoT）与边缘计算集成中的网络物理系统（CPS） | 网络安全 | NA | 机器学习（ML）、联邦学习（FL）、区块链、区块链-ML、深度学习（DL）、加密、密码学、IT/OT融合、数字孪生 | NA | NA | NA | NA | NA | NA | NA |
| 18358 | 2025-01-14 |
A Comprehensive Survey of Machine Learning Techniques and Models for Object Detection
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010214
PMID:39797004
|
综述 | 本文对计算机视觉中的目标检测领域进行了全面调查，重点分析了机器学习和深度学习技术的演变和重大进展 | 深入探讨了从传统方法到最新深度学习模型的广泛方法，并评估了它们的性能、优势和局限性，同时讨论了该领域的挑战和未来研究方向 | 未涉及具体实验数据或样本分析，主要集中于理论和方法论的综述 | 增强目标检测系统在不同应用中的鲁棒性、准确性和效率 | 目标检测技术 | 计算机视觉 | NA | 机器学习（ML）、深度学习（DL） | Transformers | 图像 | NA | NA | NA | NA | NA |
| 18359 | 2025-10-07 |
Using machine learning to improve the hard modeling of NMR time series
2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107813
PMID:39700601
|
研究论文 | 提出一种混合方法，结合机器学习和非线性优化来改进NMR时间序列建模 | 将神经网络与非线性优化相结合，用神经网络预测优化算法的初始参数，只需后续微调 | 未明确说明方法在高度重叠峰情况下的性能表现 | 改进NMR时间序列建模方法，提高计算效率和准确性 | NMR光谱时间序列数据 | 机器学习 | NA | NMR光谱分析 | 神经网络 | 时间序列光谱数据 | 构建数据集和实验数据集 | NA | NA | 运行时间, 准确度 | NA |
| 18360 | 2025-10-07 |
Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis
2025-Jan, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2023.11.030
PMID:38176985
|
系统评价与荟萃分析 | 评估深度学习与传统神经网络算法在利用口内X线影像检测牙科种植体品牌方面的准确性 | 首次通过系统评价和荟萃分析全面评估深度学习算法在牙科种植体品牌检测中的性能表现 | 纳入研究的数量有限（仅13篇系统评价，3篇用于荟萃分析） | 评估深度学习算法在牙科种植体品牌检测中的准确性、敏感性和特异性 | 牙科种植体品牌 | 计算机视觉 | 牙科疾病 | 口内X线摄影（根尖片或全景片） | CNN | 二维影像 | NA | NA | ResNet152, Neuro-T | 准确率, 敏感性, 特异性 | NA |