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 33853 篇文献，本页显示第 18521 - 18540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18521 | 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 |
| 18522 | 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 |
| 18523 | 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 |
| 18524 | 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 |
| 18525 | 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 |
| 18526 | 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 |
| 18527 | 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 |
| 18528 | 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 |
| 18529 | 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 |
| 18530 | 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 |
| 18531 | 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 |
| 18532 | 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 |
| 18533 | 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 |
| 18534 | 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 |
| 18535 | 2025-10-07 |
Preoperatively Predicting PIT1 Expression in Pituitary Adenomas Using Habitat, Intra-tumoral and Peri-tumoral Radiomics Based on MRI
2025-Feb-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01376-4
PMID:39904941
|
研究论文 | 本研究基于MRI影像，利用栖息地、瘤内和瘤周放射组学模型预测垂体腺瘤中PIT1的表达 | 首次结合栖息地、瘤内和瘤周放射组学特征，并构建深度学习放射组学列线图(DLRN)用于预测PIT1表达 | 回顾性研究，样本量相对有限(129例患者)，需要外部验证 | 术前预测垂体腺瘤中PIT1转录因子的表达 | 129例垂体腺瘤患者(训练集103例，测试集26例) | 医学影像分析 | 垂体腺瘤 | MRI影像分析，放射组学 | 逻辑回归(LR), 支持向量机(SVM), 多层感知器(MLP) | MRI影像 | 129例垂体腺瘤患者 | NA | 深度学习放射组学列线图(DLRN) | AUC | NA |
| 18536 | 2025-10-07 |
UniLF: A novel short-term load forecasting model uniformly considering various features from multivariate load data
2025-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88566-4
PMID:39905068
|
研究论文 | 提出了一种新型短期负荷预测模型UniLF，统一考虑多元负荷数据的多种特征 | 首次统一考虑多元负荷数据的三个特征：协变量影响、多尺度特征和局部-全局变化，提出卷积增强融合嵌入方法、特征重构分解块和掩码引导多尺度交互自注意力机制 | 仅在三个国家的负荷数据集上进行验证，需要更多地区数据验证泛化能力 | 提高短期负荷预测的准确性 | 电力系统负荷数据 | 机器学习 | NA | 深度学习 | Transformer | 多元时间序列数据 | 三个负荷数据集（澳大利亚、巴拿马、奥地利） | NA | Transformer | 预测精度、实用效率 | NA |
| 18537 | 2025-02-06 |
Author Correction: Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning
2025-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80821-4
PMID:39905118
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18538 | 2025-10-07 |
Ensemble of feature augmented convolutional neural network and deep autoencoder for efficient detection of network attacks
2025-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88243-6
PMID:39905125
|
研究论文 | 提出一种结合特征增强卷积神经网络和深度自编码器的集成方法，用于高效检测网络攻击 | 首次将特征增强CNN与深度自编码器集成，通过互信息选择增强特征，提高了少数类攻击的检测率 | 仅在NSL-KDD和CICIDS2017基准数据集上进行了验证，需要更多数据集验证泛化能力 | 提升网络入侵检测系统中数据包流分类的效率 | 网络流量数据 | 机器学习 | NA | 网络流量分析 | CNN, Autoencoder | 网络流量数据 | NSL-KDD和CICIDS2017数据集 | NA | 特征增强卷积神经网络(FA-CNN), 深度自编码器 | 准确率 | NA |
| 18539 | 2025-02-06 |
Author Correction: Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning
2025-Feb-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56686-0
PMID:39905123
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18540 | 2025-10-07 |
Using deep learning model integration to build a smart railway traffic safety monitoring system
2025-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88830-7
PMID:39905256
|
研究论文 | 本研究通过集成多种深度学习模型构建智能铁路交通安全监控系统 | 整合Mask R-CNN、YOLO v3和XGBoost模型，结合LINE通知系统，实现铁路入侵检测与预警 | 未提及系统在极端天气条件下的性能表现和误报率数据 | 构建智能铁路交通安全监控系统以预防事故 | 铁路区域入侵检测，特别是人体入侵 | 计算机视觉 | NA | 深度学习，目标检测，图像分割 | CNN | 图像 | NA | NA | Mask R-CNN, YOLO v3 | IOU, 总体准确率, MAE, R2分数 | NA |