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 12039 篇文献，本页显示第 2741 - 2760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2741 | 2025-01-07 |
Association Between Body Composition and Survival in Patients With Gastroesophageal Adenocarcinoma: An Automated Deep Learning Approach
2024-04, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00231
PMID:38588476
|
研究论文 | 本研究开发了一种深度学习模型，用于从常规CT扫描中自动量化胃食管腺癌患者的身体组成，并探讨其与生存率的关系 | 利用深度学习技术从常规CT扫描中自动量化身体组成，并首次在胃食管腺癌患者中探讨其与生存率的关联 | 研究样本量相对较小，且仅关注了胃食管腺癌患者，结果可能不适用于其他癌症类型 | 探讨身体组成与胃食管腺癌患者生存率之间的关系 | 胃食管腺癌患者 | 数字病理学 | 胃食管腺癌 | 深度学习 | 深度学习模型 | CT图像 | 299名胃食管腺癌患者 | NA | NA | NA | NA |
| 2742 | 2025-01-07 |
The clinical implication and translational research of OSCC differentiation
2024-03, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-023-02566-7
PMID:38177661
|
研究论文 | 本研究通过整合流行病学、基因组学、实验和深度学习，阐明了口腔鳞状细胞癌（OSCC）分化的临床价值和分子特征，并开发了一种新的OSCC分子分类预测系统 | 开发了一种基于深度学习的OSCC分子分类预测系统（SMGO），并验证了其高准确性 | 研究未提及SMGO系统在其他类型癌症中的适用性 | 阐明OSCC分化的临床价值和分子特征，并开发一种新的OSCC分子分类预测系统 | 口腔鳞状细胞癌（OSCC） | 数字病理学 | 口腔癌 | 深度学习 | ShuffleNetV2 | 病理图像 | 流行病学数据（n=118,817），独立多中心队列（n=340） | NA | NA | NA | NA |
| 2743 | 2025-01-07 |
Deep learning segmentation of endothelial cell images using an active learning paradigm with guided label corrections
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.014006
PMID:38188935
|
研究论文 | 本文开发了一种引导校正软件，用于手动编辑自动生成的角膜内皮细胞（EC）分割，并将其应用于主动学习范式，以分析一组多样化的角膜移植后EC图像 | 提出了一种新的引导校正软件，结合主动学习范式，显著提高了深度学习模型在EC图像分割中的性能 | 研究仅针对角膜移植后的EC图像，可能不适用于其他类型的细胞图像 | 提高角膜内皮细胞图像分割的准确性和效率 | 角膜移植后的内皮细胞图像 | 计算机视觉 | 眼科疾病 | 深度学习 | U-Net, DeepLabV3+ | 图像 | 841张角膜移植后EC图像 | NA | NA | NA | NA |
| 2744 | 2025-01-07 |
The application of natural language processing for the extraction of mechanistic information in toxicology
2024, Frontiers in toxicology
IF:3.6Q2
DOI:10.3389/ftox.2024.1393662
PMID:38800806
|
研究论文 | 本文探讨了自然语言处理（NLP）在毒理学中提取机制信息的应用，特别是用于构建和优化不良结果路径（AOPs） | 本文的创新点在于使用深度学习语言模型识别文本中的实体并建立它们之间的因果关系，以及提出一个结合命名实体识别和基于规则的简单关系提取模型的NLP管道 | 本文的局限性在于仅选择了肝脏中的两种常见不良情况（胆汁淤积和脂肪变性）作为案例，未涵盖更广泛的毒性类型 | 研究目的是通过NLP技术从科学文献中提取信息，以支持毒理学中AOPs的构建和优化 | 研究对象是毒理学中的不良结果路径（AOPs），特别是与肝脏相关的不良情况 | 自然语言处理 | NA | 深度学习语言模型 | 命名实体识别（NER）和基于规则的简单关系提取模型 | 文本 | NA | NA | NA | NA | NA |
| 2745 | 2025-01-07 |
SGSNet: a lightweight deep learning model for strawberry growth stage detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1491706
PMID:39717733
|
研究论文 | 本文介绍了一种轻量级深度学习模型SGSNet，用于快速准确地检测草莓生长阶段 | 设计了创新的轻量级卷积神经网络GrowthNet，采用DySample自适应上采样结构和iRMB轻量级注意力机制，优化了RepNCSPELAN4模块，并应用Inner-IoU优化损失函数 | 模型目前仅针对草莓生长阶段检测，未来可扩展至其他作物 | 开发适用于便携设备的轻量级检测技术，以优化草莓生产管理 | 草莓生长阶段 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 涵盖整个草莓生长周期的综合数据集 | NA | NA | NA | NA |
| 2746 | 2025-01-07 |
Robust fiber orientation distribution function estimation using deep constrained spherical deconvolution for diffusion-weighted magnetic resonance imaging
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.014005
PMID:38188934
|
研究论文 | 本文提出了一种数据驱动的深度约束球面反卷积方法，用于从重复的扩散加权磁共振成像扫描中更可重复和稳健地估计大脑微观结构 | 引入三维体积扫描仪不变正则化方案，在fODF估计过程中显式约束扫描-重扫描变异性 | 方法主要针对大脑微观结构的估计，可能不适用于其他类型的组织或器官 | 提高从重复扩散加权磁共振成像扫描中估计大脑微观结构的可重复性和稳健性 | 大脑微观结构 | 医学影像 | NA | 扩散加权磁共振成像（DW-MRI） | 深度约束球面反卷积（deep CSD） | 磁共振成像数据 | Human Connectome Project (HCP) 年轻成年人测试-重测组、MASiVar 数据集、巴尔的摩纵向衰老研究数据集 | NA | NA | NA | NA |
| 2747 | 2025-01-07 |
Image-Based Subtype Classification for Glioblastoma Using Deep Learning: Prognostic Significance and Biologic Relevance
2024-01, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00154
PMID:38231003
|
研究论文 | 本研究应用深度学习算法对胶质母细胞瘤的组织病理学图像进行分类，构建独立于已知临床和分子分类的图像亚型，并揭示胶质母细胞瘤肿瘤微环境的分子和免疫特征 | 首次使用深度学习模型对胶质母细胞瘤进行图像亚型分类，并发现这些亚型具有独特的预后信息和生物学特征 | 样本量相对较小，且仅使用了TCGA和CPTAC两个数据集 | 通过深度学习模型对胶质母细胞瘤进行图像亚型分类，并评估其预后价值和生物学意义 | 胶质母细胞瘤患者的组织病理学图像 | 数字病理学 | 胶质母细胞瘤 | 深度学习 | 卷积神经网络（CNN） | 图像 | 214名TCGA患者和189名CPTAC患者 | NA | NA | NA | NA |
| 2748 | 2025-01-07 |
DreamOn: a data augmentation strategy to narrow the robustness gap between expert radiologists and deep learning classifiers
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1420545
PMID:39758512
|
研究论文 | 本文探讨了数据增强策略对深度学习模型在医学图像分析中鲁棒性的影响，并提出了一种新的生物启发式数据增强方法DreamOn | 提出了DreamOn，一种基于条件生成对抗网络（GAN）的生物启发式数据增强策略，用于生成REM梦境启发的训练图像插值 | 尽管DreamOn显著提高了模型在高噪声环境下的鲁棒性，但放射科医生在噪声图像上的表现仍优于模型 | 提高深度学习模型在医学图像分析中的鲁棒性，以应对图像质量差异和噪声 | 乳腺超声图像 | 计算机视觉 | 乳腺癌 | 条件生成对抗网络（GAN） | ResNet-18 | 图像 | NA | NA | NA | NA | NA |
| 2749 | 2025-01-07 |
Multimodal MRI radiomics-based stacking ensemble learning model with automatic segmentation for prognostic prediction of HIFU ablation of uterine fibroids: a multicenter study
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1507986
PMID:39759109
|
研究论文 | 本研究评估了基于MRI放射组学的堆叠集成学习模型，结合T2加权成像和对比增强T1加权成像以及深度学习自动分割，用于术前预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后效果 | 结合T2WI和CE-T1WI的放射组学特征，使用深度学习自动分割，并构建堆叠集成学习模型以提高预测准确性 | 研究为回顾性研究，样本量相对较小，且仅来自两个中心 | 评估MRI放射组学堆叠集成学习模型在预测HIFU消融子宫肌瘤预后中的有效性 | 360名接受HIFU治疗的子宫肌瘤患者 | 数字病理学 | 子宫肌瘤 | MRI放射组学、深度学习自动分割 | V-net、SVM、RF、LightGBM、MLP、Logistic Regression | MRI图像 | 360名患者（训练集240名，内部测试集60名，外部测试集60名） | NA | NA | NA | NA |
| 2750 | 2025-01-07 |
BO-CNN-BiLSTM deep learning model integrating multisource remote sensing data for improving winter wheat yield estimation
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1500499
PMID:39759241
|
研究论文 | 本研究开发了一种名为BO-CNN-BiLSTM（BCBL）的深度学习模型，结合卷积神经网络（1DCNN）的特征提取能力和双向长短期记忆网络（BiLSTM）的时间序列记忆优势，用于提高冬小麦产量估算的准确性 | 首次将太阳诱导的叶绿素荧光（SIF）数据与传统遥感变量和气候数据融合，用于冬小麦产量估算，并开发了BCBL模型，结合了1DCNN和BiLSTM的优势 | 研究仅在河南省进行，未在其他地区验证模型的普适性 | 提高冬小麦产量估算的准确性，为农业政策制定和粮食安全提供支持 | 冬小麦 | 机器学习 | NA | 遥感技术 | BO-CNN-BiLSTM（BCBL） | 遥感数据、气候数据 | 河南省的冬小麦数据 | NA | NA | NA | NA |
| 2751 | 2025-01-07 |
Advanced deep transfer learning techniques for efficient detection of cotton plant diseases
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1441117
PMID:39759238
|
研究论文 | 本文探讨了使用深度迁移学习技术高效检测棉花植物疾病的方法 | 本文的创新点在于应用多种深度迁移学习模型（如EfficientNet、Xception、ResNet等）进行棉花植物疾病的检测，并发现EfficientNetB3模型在准确率、损失和均方根误差方面表现最佳 | 本文的局限性在于未详细讨论模型在不同环境条件下的泛化能力，以及在实际农田中的应用效果 | 研究目的是通过深度迁移学习技术提高棉花植物疾病的检测效率，以促进可持续农业实践 | 研究对象为感染细菌性疫病、靶斑病、白粉病、蚜虫和军虫等疾病的棉花植物图像 | 计算机视觉 | 植物疾病 | 深度迁移学习 | EfficientNet, Xception, ResNet, Inception, VGG, DenseNet, MobileNet, InceptionResNet | 图像 | 包含感染多种疾病的棉花植物图像及健康棉花植物图像的完整数据集 | NA | NA | NA | NA |
| 2752 | 2025-01-07 |
A graph neural architecture search approach for identifying bots in social media
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1509179
PMID:39759384
|
研究论文 | 本文提出了一种基于图神经网络架构搜索的方法，用于在社交媒体中识别机器人 | 引入了深度灵活图神经网络架构搜索（DFG-NAS）技术，专门针对关系图卷积神经网络（RGCNs）进行优化，以自动搜索传播和转换函数的最佳配置 | 研究仅针对平台X的机器人检测，未涵盖其他社交媒体平台 | 解决社交媒体中机器人检测的挑战，并推广神经网络设计自动化中的NAS模型应用 | 社交媒体平台X中的机器人 | 自然语言处理 | NA | 深度灵活图神经网络架构搜索（DFG-NAS） | 关系图卷积神经网络（RGCNs） | 图数据 | 229,580个节点和227,979条边的图 | NA | NA | NA | NA |
| 2753 | 2025-01-07 |
Prediction of PD-L1 tumor positive score in lung squamous cell carcinoma with H&E staining images and deep learning
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1452563
PMID:39759385
|
研究论文 | 本研究利用深度学习模型对H&E染色图像进行分割和定量预测，以评估肺鳞状细胞癌中的PD-L1表达 | 首次将Transformer Unet深度学习网络应用于H&E染色图像中PD-L1表达的分割和定量预测，并取得了优于其他七种前沿分割模型的结果 | 研究仅针对肺鳞状细胞癌，未涵盖其他类型的肺癌或其他癌症 | 开发一种基于H&E染色图像的深度学习模型，用于预测肺鳞状细胞癌中的PD-L1表达，以指导免疫检查点抑制剂治疗 | 肺鳞状细胞癌的H&E染色数字切片 | 数字病理学 | 肺癌 | 深度学习 | Transformer Unet | 图像 | NA | NA | NA | NA | NA |
| 2754 | 2025-01-07 |
hvEEGNet: a novel deep learning model for high-fidelity EEG reconstruction
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1459970
PMID:39759760
|
研究论文 | 本文提出了一种名为hvEEGNet的新型深度学习模型，用于高保真度的多通道脑电图（EEG）时间序列重建 | 提出了一种新的深度学习模型hvEEGNet，采用分层变分自编码器结构，并设计了新的损失函数，能够在短时间内高保真地重建多通道EEG数据 | 研究仅基于一个包含9名受试者的22通道EEG数据集进行测试，样本量较小，且未探讨模型在其他类型EEG数据上的泛化能力 | 旨在解决多通道EEG时间序列高保真重建的挑战，为分类、异常检测、自动标注和脑机接口等应用提供支持 | 多通道脑电图（EEG）时间序列 | 机器学习 | NA | 深度学习 | 分层变分自编码器（hierarchical variational autoencoder） | 时间序列数据 | 9名受试者的22通道EEG数据 | NA | NA | NA | NA |
| 2755 | 2025-01-07 |
Application of a Novel Multimodal-Based Deep Learning Model for the Prediction of Papillary Thyroid Carcinoma Recurrence
2024, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S486189
PMID:39759893
|
研究论文 | 本研究开发了一种新型多模态深度学习模型，用于预测甲状腺乳头状癌（PTC）术后复发 | 同时分析数值和时间序列数据，采用加权二元交叉熵处理不平衡数据，模型在预测PTC复发方面表现出色 | 样本中复发患者数量较少（63例），可能影响模型的泛化能力 | 提高甲状腺乳头状癌术后复发的预测准确性 | 接受甲状腺切除术的甲状腺乳头状癌患者 | 机器学习 | 甲状腺癌 | 深度学习 | 多模态深度学习模型 | 数值数据（临床信息）和时间序列数据（术后甲状腺功能测试结果） | 1613例接受甲状腺切除术的患者（1550例非复发，63例复发） | NA | NA | NA | NA |
| 2756 | 2025-01-06 |
Research on floating object classification algorithm based on convolutional neural network
2024-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83543-9
PMID:39738669
|
研究论文 | 本研究基于卷积神经网络（CNN）开发了一种用于水面漂浮物分类的算法，并构建了VGG16-15模型，能够识别15种常见的水面漂浮物 | 在VGG-16架构基础上进行了定制化改进，包括调整神经网络结构以适应15种漂浮物类别、应用学习率衰减和早停策略进行模型优化，并使用数据增强提升模型泛化能力 | 未提及模型在复杂环境或极端条件下的表现，以及实际部署中的计算资源需求 | 提升水面垃圾分类的准确性和效率，为无人船在环境保护中的应用提供技术支持 | 水面漂浮物 | 计算机视觉 | NA | 深度学习 | CNN, VGG16-15 | 图像 | 5707张图像，分为15个类别 | NA | NA | NA | NA |
| 2757 | 2025-01-06 |
Automatic identification of the endangered hawksbill sea turtle behavior using deep learning and cross-species transfer learning
2024-Dec-15, The Journal of experimental biology
IF:2.8Q2
DOI:10.1242/jeb.249232
PMID:39555892
|
研究论文 | 本文探讨了利用深度学习和跨物种迁移学习自动识别濒危玳瑁海龟行为的方法 | 通过迁移学习，将绿海龟和人类活动数据训练的模型应用于玳瑁海龟行为识别，提高了分类性能 | 数据稀缺仍然是生态学中的一个挑战 | 研究目的是利用加速度数据自动识别濒危玳瑁海龟的行为 | 研究对象是濒危玳瑁海龟（Eretmochelys imbricata）的行为 | 机器学习 | NA | 迁移学习 | 深度学习模型 | 加速度数据 | NA | NA | NA | NA | NA |
| 2758 | 2025-01-06 |
Ion channel classification through machine learning and protein language model embeddings
2024-Dec-01, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2023-0047
PMID:39572876
|
研究论文 | 本研究通过机器学习和蛋白质语言模型嵌入技术，对离子通道进行分类，显著提升了分类方法的性能和准确性 | 结合ProtBERT-BFD和CNN的TooT-BERT-CNN-C模型在离子通道分类中表现优异，显著超越现有基准 | 研究依赖于计算技术，可能忽略了传统湿实验室实验的某些细节 | 开发更高效的计算方法以识别离子通道，加速离子通道生物学研究和药物发现 | 离子通道 | 机器学习 | NA | ProtBERT, ProtBERT-BFD, MembraneBERT, CNN | k-Nearest Neighbors, Random Forest, Support Vector Machines, Feed-Forward Neural Networks, CNN | 蛋白质序列数据 | 原始数据集和新收集的更大数据集DS-Cv2 | NA | NA | NA | NA |
| 2759 | 2025-01-06 |
A transformer-based deep learning survival prediction model and an explainable XGBoost anti-PD-1/PD-L1 outcome prediction model based on the cGAS-STING-centered pathways in hepatocellular carcinoma
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae686
PMID:39749665
|
研究论文 | 本文开发了基于cGAS-STING通路的深度学习生存预测模型和可解释的XGBoost抗PD-1/PD-L1结果预测模型，用于肝细胞癌（HCC）的研究 | 创新点在于结合cGAS-STING通路，构建了Transformer生存模型和XGBoost免疫治疗结果预测模型，并提供了模型的开源代码 | 模型的泛化能力需进一步验证，且样本量可能限制了模型的普适性 | 开发预测肝细胞癌患者生存风险和抗PD-1/PD-L1治疗结果的模型 | 肝细胞癌（HCC）患者 | 机器学习 | 肝细胞癌 | SHAP算法 | Transformer, XGBoost | 基因表达数据 | 多个HCC队列（TCGA-LIHC、ICGC-LIRI-JP、GSE144269等） | NA | NA | NA | NA |
| 2760 | 2025-01-06 |
Towards simplified graph neural networks for identifying cancer driver genes in heterophilic networks
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae691
PMID:39751645
|
研究论文 | 本文提出了一种简化的图神经网络（SGCD），用于在异质性网络中识别癌症驱动基因 | SGCD模型结合了表示分离的图卷积神经网络和双模态特征提取器，解决了现有方法未考虑生物网络异质性和特征混淆的问题 | NA | 提高在异质性网络中识别癌症驱动基因的模型性能 | 癌症驱动基因 | 机器学习 | 癌症 | 图深度学习 | 图卷积神经网络（GCN） | 多组学数据和生物网络 | NA | NA | NA | NA | NA |