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 36465 篇文献，本页显示第 18981 - 19000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18981 | 2025-10-07 |
DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01221-8
PMID:39164454
|
研究论文 | 提出DECNet网络解决左心房肺静脉分类不平衡问题，集成多尺度特征增强注意力和双特征提取分类器 | 结合多尺度特征增强注意力机制和双特征提取分类器，通过通道权重和空间权重增强深度特征表达能力，缓解数据不平衡导致的学习偏差 | NA | 解决左心房肺静脉解剖分类中的数据不平衡问题，提高分类准确性 | 左心房肺静脉的解剖形态分类 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 医学图像 | NA | NA | DECNet | 准确率 | NA |
| 18982 | 2025-10-07 |
Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01220-9
PMID:39187704
|
研究论文 | 开发基于深度多任务学习的卷积神经网络模型，用于腕部X光片的自动化质量控制 | 采用多任务深度学习框架同时检测腕部X光片的投照方位、侧位标记、石膏和手术内固定物 | 侧位标记检测性能较低（F1分数82.52%），特别是对部分可见或截断的标记识别效果不佳 | 开发自动化质量控制模型，确保X光片检查结果与图像申请元数据的一致性 | 腕部X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 6283张腕部X光片（来自2591名患者） | NA | DenseNet 121 | F1分数 | NA |
| 18983 | 2025-10-07 |
Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01241-4
PMID:39231883
|
研究论文 | 本研究比较了基于特征的机器学习与深度学习融合方法在检测放射性皮炎方面的性能 | 首次将光学相干断层扫描的强度特征和新型特征与机器学习结合用于放射性皮炎的体内检测 | 样本量较小（22名患者），仅为可行性研究 | 开发放射性皮炎的定量评估工具以改善临床管理 | 接受放射治疗的癌症患者颈部皮肤 | 医学影像分析 | 放射性皮炎 | 光学相干断层扫描（OCT） | 机器学习, 深度学习 | OCT图像 | 22名患者，1487张图像 | NA | NA | 准确率 | NA |
| 18984 | 2025-10-07 |
Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01213-8
PMID:39231886
|
综述 | 本文系统综述了低剂量计算机断层扫描去噪中无监督和自监督深度学习的训练策略 | 首次对LDCT去噪中无监督和自监督深度学习的训练策略进行全面分类和系统评述 | 作为综述文章，不包含原始实验验证，主要基于现有文献分析 | 填补低剂量CT去噪领域无监督和自监督学习方法训练策略综述的空白 | 低剂量计算机断层扫描图像去噪方法 | 计算机视觉 | NA | 低剂量计算机断层扫描 | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 18985 | 2025-03-30 |
Accelerating fringe projection profilometry to 100k fps at high-resolution using deep learning
2025-Mar-27, Light, science & applications
DOI:10.1038/s41377-025-01802-4
PMID:40140350
|
research paper | 该论文通过深度学习技术将条纹投影轮廓测量法的速度提升至每秒10万帧，同时保持高分辨率 | 利用深度学习技术显著提升条纹投影轮廓测量法的速度至100k fps，同时保持高分辨率 | NA | 提升条纹投影轮廓测量法的速度和分辨率，扩展其在高速瞬态场景中的应用 | 条纹投影轮廓测量法 | computer vision | NA | deep learning | NA | 3D imaging data | NA | NA | NA | NA | NA |
| 18986 | 2025-03-30 |
Lightweight coal mine conveyor belt foreign object detection based on improved Yolov8n
2025-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87848-1
PMID:40133307
|
research paper | 提出了一种基于改进Yolov8n模型的轻量级算法，用于煤矿传送带异物检测，以提高检测速度并降低模型复杂度 | 采用轻量级StarNet作为主干网络，提出C2f.-EIEM模块增强特征学习能力，使用LSKA机制改进SPPF，替换通道注意力机制为C2f_MLCA，增加轻量级检测头Detect-LSDECD，以及用MPDIoU替换CIoU损失函数 | 未提及算法在不同光照或极端环境下的表现，也未讨论模型在其他类型异物检测上的泛化能力 | 解决基于深度学习的传送带异物检测方法速度慢、参数多、计算需求高的问题 | 煤矿传送带上的异物 | computer vision | NA | NA | Yolov8n改进模型 | image | NA | NA | NA | NA | NA |
| 18987 | 2025-03-30 |
Integrating vibration signal analysis and image embedding for enhanced bearing fault diagnosis in manufacturing
2025-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94351-0
PMID:40140467
|
研究论文 | 提出了一种名为ZERONE的新型图像嵌入方法，用于增强机械系统中轴承故障的诊断 | ZERONE方法通过将时域特征、频域特征和振动信号的操作条件整合到单一图像中，简化了表示，并利用CNN模型进行故障诊断，显著提高了诊断准确率 | 未明确提及方法的局限性 | 提高机械系统中轴承故障诊断的准确性和效率 | 机械系统中的轴承故障 | 计算机视觉 | NA | 振动信号分析、图像嵌入 | CNN | 图像、振动信号 | Paderborn University轴承数据集和Jiangnan University数据集 | NA | NA | NA | NA |
| 18988 | 2025-03-30 |
Research on the influence of spontaneous commercial space on the commercial vitality of historical and cultural districts
2025-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94712-9
PMID:40140652
|
研究论文 | 本研究探讨了自发商业空间对历史文化街区商业活力的影响，并利用深度学习和机器学习方法进行了系统分析 | 首次结合Mask R-CNN深度学习和随机森林回归分析，量化了自发商业空间对商业活力的影响，并提出了预测框架 | 研究仅基于武汉昙华林历史文化街区的数据，可能无法完全代表其他地区的情况 | 探究自发商业空间对历史文化街区商业活力的影响 | 武汉昙华林历史文化街区的自发商业空间 | 计算机视觉 | NA | Mask R-CNN深度学习、随机森林回归分析、SHAP解释方法 | Mask R-CNN、随机森林 | 图像 | 4217张标注图像 | NA | NA | NA | NA |
| 18989 | 2025-03-30 |
Steel surface defect detection based on multi-layer fusion networks
2025-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74601-3
PMID:40140671
|
research paper | 该论文提出了一种基于多层融合网络的钢材表面缺陷检测方法，通过改进YOLOv5模型提高了复杂背景下大目标和小目标的检测能力 | 将RepBi-PAN融合网络集成到YOLOv5中，优化模型结构并引入DenseNet结构和归一化注意力模块(NAM)，提升了检测性能 | 未明确说明在极端低分辨率或极端复杂背景下的性能表现 | 提高钢材表面缺陷检测的准确率和召回率 | 钢材表面缺陷 | computer vision | NA | deep learning | YOLOv5 with RepBi-PAN and DenseNet | image | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 18990 | 2025-03-30 |
Evaluating segmentation methods for UAV-Based Spoil Pile Delineation
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77616-y
PMID:40133311
|
研究论文 | 本研究评估了不同分割方法在无人机拍摄的废料堆划分中的应用 | 比较了传统分割方法与深度学习方法，特别是基于形态学的深度学习分割方法Segment Anything Model (SAM)的优越性能 | 未提及具体的数据集大小或实验条件的限制 | 优化分割策略，以促进基于图像的废料堆监测和矿山环境的可持续管理 | 矿山废料堆 | 计算机视觉 | NA | 对象分类和图像分割 | Segment Anything Model (SAM) | 图像 | NA | NA | NA | NA | NA |
| 18991 | 2025-03-30 |
A plug and play fuzzy mask extraction module for single image deraining
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94643-5
PMID:40133341
|
研究论文 | 提出了一种用于单幅图像去雨的即插即用模糊掩模提取模块 | 基于像素级成员资格提取模糊掩模地面真值，能更精细地表达单幅雨图中每个像素与其邻域像素的灰色相似性和空间相似性 | 未提及具体的数据集规模和计算资源需求 | 提高单幅图像去雨算法的性能 | 单幅雨图 | 计算机视觉 | NA | 深度学习 | 编码-解码网络 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 18992 | 2025-03-30 |
A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93473-9
PMID:40133346
|
研究论文 | 本文提出了一种多层深度自编码器方法（M-LDAE），用于跨层物联网攻击检测 | M-LDAE利用深度自编码器的分层简化能力提取包含全局和局部属性的潜在表示，有效防御多种网络威胁 | NA | 提高跨层物联网攻击检测的准确性和适应性 | 物联网网络中的网络层和传输层攻击 | 机器学习 | NA | 深度学习算法 | RNNs, GNNs, TCNs | 网络数据 | 基准数据集和真实场景数据 | NA | NA | NA | NA |
| 18993 | 2025-03-30 |
African buffalo optimization with deep learning-based intrusion detection in cyber-physical systems
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91500-3
PMID:40133383
|
研究论文 | 提出了一种结合非洲水牛优化算法和深度学习的网络入侵检测模型（ABOADL-IDS），用于网络物理系统中的安全攻击检测 | 首次将非洲水牛优化算法（ABO）与堆叠深度信念网络（SDBN）相结合，并利用海鸥优化（SGO）算法进行超参数选择，提高了入侵检测的准确率 | 仅在NSLKDD2015和CICIDS2015数据集上进行了验证，未在其他数据集上测试模型的泛化能力 | 提高网络物理系统（CPS）中入侵检测的准确性和效率 | 网络物理系统（CPS）中的安全攻击 | 机器学习 | NA | 非洲水牛优化算法（ABO）、堆叠深度信念网络（SDBN）、海鸥优化（SGO） | SDBN | 网络流量数据 | NSLKDD2015和CICIDS2015数据集 | NA | NA | NA | NA |
| 18994 | 2025-03-30 |
An effective microscopic image augmentation approach
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93954-x
PMID:40133431
|
研究论文 | 提出一种有效的显微图像增强方法，用于解决中草药显微图像样本量小和稀有特征比例低的问题 | 结合条件引导显微图像生成模型(CGMIGM)和半监督学习数据增强模型(SSLDAM)，有效生成稀有特征并提升图像可用性 | 未明确说明方法在其他类型显微图像上的泛化能力 | 解决中草药显微图像样本量小和稀有特征检测困难的问题 | 中草药显微图像 | 计算机视觉 | NA | 去噪扩散概率模型(DDPM)、半监督学习 | CGMIGM, SSLDAM | 显微图像 | 未明确说明具体样本量，但提到小样本问题 | NA | NA | NA | NA |
| 18995 | 2025-03-30 |
An enhanced image restoration using deep learning and transformer based contextual optimization algorithm
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94449-5
PMID:40133442
|
research paper | 提出了一种结合Lewin架构与SwinIR的增强图像修复模型，利用深度学习和Transformer技术优化图像修复过程 | 结合Lewin架构与SwinIR，采用深度学习和Transformer技术，图像修复性能提升4.2% | 未提及具体计算资源消耗或处理速度，可能在实际应用中存在效率问题 | 解决图像处理中噪声和模糊等问题，提升图像修复质量 | 受损图像（受噪声、模糊等问题影响） | computer vision | NA | deep learning, Transformer | Lewin architecture, SwinIR | image | 多种图像数据集（未提具体数量） | NA | NA | NA | NA |
| 18996 | 2025-03-30 |
Adaptive signal recognition in mines based on deep learning
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95070-2
PMID:40133479
|
研究论文 | 本文提出了一种基于深度学习的自适应信号识别方法，用于解决煤矿复杂无线环境中多种无线通信技术共存和严重信号干扰导致的识别准确率低和系统复杂度高的问题 | 结合分组残差卷积和通道混洗技术，显著减少模型参数数量（比原始WaveNet少37%），同时利用扩张因果卷积捕捉信号中的长程依赖关系，增强模型对多径干扰特征的判别能力，并引入动态通道注意力机制自适应调整特征权重，提高识别准确率 | NA | 提高煤矿复杂无线环境中的信号识别准确率和系统效率 | 煤矿复杂无线环境中的信号 | 机器学习 | NA | 深度学习 | Group Residual Shuffle Attention WaveNet | 信号数据 | 公共数据集（RML2016.10a）和模拟数据集 | NA | NA | NA | NA |
| 18997 | 2025-03-30 |
Road manhole cover defect detection via multi-scale edge enhancement and feature aggregation pyramid
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95450-8
PMID:40133666
|
research paper | 提出了一种名为EEFA-YOLO的增强方法，用于道路井盖缺陷检测，结合了多尺度边缘增强和特征聚合金字塔模块 | 引入了多尺度边缘增强(MSEE)和特征聚合金字塔(FAP)两个新模块，提高了模型对细微物体和边缘细节的敏感性，并解决了尺度变化和背景干扰问题 | 未明确提及具体局限性 | 提高道路井盖缺陷检测的准确性和效率，以保障公共安全和优化维护作业 | 道路井盖及其缺陷（完好、破损、丢失、错位） | computer vision | NA | deep learning | EEFA-YOLO (基于YOLOv11改进) | image | 包含多种场景和缺陷类型的多样化道路井盖数据集（具体数量未提及） | NA | NA | NA | NA |
| 18998 | 2025-03-30 |
Artificial Intelligence in the Diagnosis of Neurological Diseases Using Biomechanical and Gait Analysis Data: A Scopus-Based Bibliometric Analysis
2025-Mar-20, Neurology international
IF:3.2Q2
DOI:10.3390/neurolint17030045
PMID:40137466
|
文献综述 | 本研究通过文献计量分析和文献综述，探讨人工智能技术在神经学领域中的应用进展，特别是在生物力学和步态分析数据用于神经系统疾病诊断方面的应用 | 利用VOSviewer软件和Scopus数据库进行文献计量分析，识别了该领域的关键期刊、作者和研究合作，揭示了研究热点和主要贡献 | 研究合作相对有限，仅有少数高被引作者、文献和期刊推动该领域研究 | 探索人工智能技术在神经学领域中的应用进展，特别是在神经系统疾病诊断方面的应用 | 113篇2018年至2024年间发表的文献 | 机器学习 | 神经系统疾病 | 机器学习（ML）和深度学习（DL） | NA | 生物力学和步态分析数据 | 113篇文献 | NA | NA | NA | NA |
| 18999 | 2025-03-30 |
Artificial Intelligence in Nuclear Cardiac Imaging: Novel Advances, Emerging Techniques, and Recent Clinical Trials
2025-Mar-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14062095
PMID:40142902
|
综述 | 本文探讨了人工智能在核医学心脏成像中的最新进展及其对心脏诊断领域的快速变革 | 人工智能技术如机器学习和深度学习神经网络为核医学心脏成像提供了新的数据解读方法，提升了图像重建、降噪及复杂数据集解释的能力 | 未明确提及具体的技术或临床实施中的限制 | 探索人工智能在核医学心脏成像中的最新进展、技术应用及临床试验 | 核医学心脏成像技术及其在冠状动脉疾病诊断和治疗决策中的应用 | 数字病理学 | 心血管疾病 | 机器学习和深度学习神经网络 | ML和DL | 图像 | NA | NA | NA | NA | NA |
| 19000 | 2025-03-30 |
Development of GUI-Driven AI Deep Learning Platform for Predicting Warpage Behavior of Fan-Out Wafer-Level Packaging
2025-Mar-17, Micromachines
IF:3.0Q2
DOI:10.3390/mi16030342
PMID:40141953
|
研究论文 | 本研究开发了一个基于深度学习的AI预测平台，专门用于预测扇出型晶圆级封装(FOWLP)的翘曲行为 | 平台采用图形用户界面(GUI)，简化了深度学习模型的设计、训练和操作，使非专业用户无需大量编程知识即可配置和运行AI预测 | NA | 解决扇出型晶圆级封装(FOWLP)翘曲行为预测的挑战，提高电子封装设计的效率和准确性 | 扇出型晶圆级封装(FOWLP)的翘曲行为 | 机器学习 | NA | 深度学习 | NA | 大型数据集 | NA | NA | NA | NA | NA |