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 12107 篇文献，本页显示第 2801 - 2820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2801 | 2025-01-24 |
Deep learning captures the effect of epistasis in multifactorial diseases
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1479717
PMID:39839630
|
研究论文 | 本研究探讨了非线性和深度学习模型在预测多因素疾病风险中的应用，特别是考虑基因上位效应的影响 | 首次系统地比较了线性回归模型与非线性机器学习模型（包括深度学习）在模拟和真实遗传数据中捕捉基因上位效应的能力 | 研究主要基于模拟数据和特定疾病类型的真实数据，可能无法推广到所有多因素疾病 | 探索非线性和深度学习模型在预测多因素疾病风险中的有效性，特别是考虑基因上位效应 | 模拟数据和真实遗传数据，涉及肥胖、1型糖尿病和银屑病等疾病 | 机器学习 | 多因素疾病（如阿尔茨海默病、糖尿病、心血管疾病、癌症等） | GAMETES模拟数据生成，PyTOXO包生成渗透表 | 多层感知器（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、Lasso回归、随机森林、梯度提升模型 | 遗传数据 | 模拟数据和真实遗传数据，具体样本数量未明确 | NA | NA | NA | NA |
| 2802 | 2025-01-24 |
AI predicting recurrence in non-muscle-invasive bladder cancer: systematic review with study strengths and weaknesses
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1509362
PMID:39839785
|
综述 | 本文系统回顾了基于机器学习的非肌层浸润性膀胱癌（NMIBC）复发预测框架，分析了其统计稳健性和算法效能 | 通过多模态数据集和多种机器学习模型（如神经网络、深度学习、随机森林）的结合，显著提高了预测准确性，并探讨了增强模型解释性的方法（如SHAP） | 由于数据集较小，模型的泛化能力有限，且高级模型的“黑箱”性质仍是一个挑战 | 提高非肌层浸润性膀胱癌（NMIBC）复发的预测精度，推动AI在肿瘤学中的应用 | 非肌层浸润性膀胱癌（NMIBC）患者 | 机器学习 | 膀胱癌 | 机器学习（ML）和人工智能（AI） | 神经网络、深度学习、随机森林、支持向量机 | 放射组学、临床、组织病理学、基因组数据 | NA | NA | NA | NA | NA |
| 2803 | 2025-01-24 |
Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1420328
PMID:39839787
|
系统综述与元分析 | 本文通过系统综述和元分析，评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果 | 本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现，并强调了混合模型和深度学习（特别是卷积神经网络）的优势 | 大多数研究依赖内部验证，缺乏外部验证，可能影响模型的普适性和鲁棒性 | 评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力 | 乳腺癌患者的临床数据 | 机器学习 | 乳腺癌 | 机器学习算法 | 混合模型、卷积神经网络（CNN） | 临床数据 | 32篇符合条件的文章，涉及140篇初步筛选的文章 | NA | NA | NA | NA |
| 2804 | 2025-01-24 |
Application of MRI image segmentation algorithm for brain tumors based on improved YOLO
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1510175
PMID:39840016
|
研究论文 | 本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性，并在此基础上进行了优化和升级 | 在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进，提出了多个优化版本，显著提升了脑肿瘤磁共振图像的分割能力 | 研究仅使用了两个公开数据集，样本量相对有限，可能影响模型的泛化能力 | 辅助临床快速识别脑肿瘤类型并实现分割检测 | 脑肿瘤磁共振图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | YOLOv5s, YOLOv8s | 图像 | 3,223张图像（数据集1）和216张图像（数据集2） | NA | NA | NA | NA |
| 2805 | 2025-01-24 |
Artificial intelligence-driven identification and mechanistic exploration of synergistic anti-breast cancer compound combinations from Prunella vulgaris L.-Taraxacum mongolicum Hand.-Mazz. herb pair
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1522787
PMID:39840098
|
研究论文 | 本研究利用人工智能和大规模生物医学数据，识别并验证了夏枯草-蒲公英草药对中具有协同抗乳腺癌作用的化合物组合及其作用机制 | 首次应用深度学习模型DeepMDS预测夏枯草-蒲公英草药对中的协同抗乳腺癌多化合物组合，并通过实验验证其效果 | 研究主要基于体外细胞实验，缺乏体内实验验证 | 识别和验证夏枯草-蒲公英草药对中的协同抗乳腺癌化合物组合及其作用机制 | 夏枯草（Prunella vulgaris L.）和蒲公英（Taraxacum mongolicum Hand.-Mazz.）的提取物及其化合物 | 生物医学 | 乳腺癌 | 液相色谱-质谱分析（LC-MS）、深度学习模型（DeepMDS） | 深度学习模型（DeepMDS） | 化学化合物数据、生物医学数据 | 夏枯草和蒲公英的50%乙醇提取物，分别鉴定出27和21种化合物 | NA | NA | NA | NA |
| 2806 | 2025-01-24 |
A customized convolutional neural network-based approach for weeds identification in cotton crops
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435301
PMID:39840351
|
研究论文 | 本文提出了一种基于定制卷积神经网络（CNN）的方法，用于棉花作物中的杂草识别 | 提出了一种新的基于深度CNN的架构，用于高效识别和分类棉花作物中的杂草，并在准确率上优于现有的VGG-16、ResNet、DenseNet和Xception模型 | 未提及具体的数据集规模或实验环境限制 | 开发一种高效的杂草识别和分类方法，以提高棉花作物的产量 | 棉花作物中的杂草 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN, VGG-16, ResNet, DenseNet, Xception | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2807 | 2025-01-23 |
Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study
2024-Dec-31, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-646
PMID:39830743
|
研究论文 | 本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散（STAS）的术前预测性能 | 首次构建并比较了基于CT图像的深度学习模型和放射组学模型，用于预测肺腺癌中的STAS状态 | 研究为回顾性设计，样本量相对较小，且仅来自两个中心 | 评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能 | 395名经病理确认的肺腺癌患者 | 数字病理 | 肺癌 | CT成像 | 深度学习模型, 放射组学模型 | CT图像 | 395名患者（其中146名检测到STAS） | NA | NA | NA | NA |
| 2808 | 2025-10-07 |
The development of a waste management and classification system based on deep learning and Internet of Things
2024-Dec-26, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13595-x
PMID:39724392
|
研究论文 | 开发了一种基于深度学习和物联网的废物管理与分类系统 | 在YOLOv7-tiny基础上引入部分卷积和坐标注意力机制，降低了模型参数和计算量，同时提高了识别精度 | 仅测试于Jetson Nano边缘设备，未在其他硬件平台验证部署效果 | 实现高效的废物自动分类与管理，促进资源回收和降低人工成本 | 可回收废物图像 | 计算机视觉 | NA | 深度学习，物联网，边缘计算 | YOLO | 图像 | 包含多类别废物的真实背景图像数据集 | PyTorch | YOLOv7-tiny, ELAN, Sppcspc | mAP@.5, mAP@.5:.95, 参数数量, FLOPs, 推理时间, FPS | Jetson Nano边缘设备 |
| 2809 | 2025-10-07 |
Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach
2024-Dec-23, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13562-6
PMID:39714636
|
研究论文 | 本研究通过机器学习降尺度方法提高越南PM2.5浓度监测的空间分辨率 | 提出基于CatBoost的2天滞后模型，相比现有方法在相关系数上提升57%，多项误差指标降低28-75% | 小数据集条件下传统机器学习模型优于复杂深度学习模型，模型验证需关注生成地图的实际应用性 | 提高越南PM2.5浓度监测的空间分辨率和数据质量 | 越南胡志明市的PM2.5浓度数据 | 机器学习 | NA | 机器学习降尺度方法 | 随机森林, XGBoost, CatBoost, 支持向量回归, 混合效应模型, LSTM, CNN, ConvLSTM | 空气质量监测数据 | NA | NA | LSTM, CNN, ConvLSTM | 相关系数, RMSE, MRE, MAE | NA |
| 2810 | 2025-10-07 |
Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting
2024-Dec-17, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-024-02579-z
PMID:39688780
|
综述 | 本文综述了人工智能在miRNA癌症研究中的应用进展，涵盖从生物标志物发现到治疗靶向的多个方面 | 系统整合了机器学习特别是深度学习技术在miRNA研究中的多种应用，包括生物标志物识别、靶标预测和预后模型构建 | 作为综述文章，主要总结现有研究而非提出新的原始方法 | 指导研究人员在miRNA领域有效利用AI技术，加速癌症诊断和治疗的发展 | microRNAs（miRNAs）及其在癌症中的作用 | 机器学习 | 癌症 | RNA测序技术 | 深度学习 | RNA数据集 | NA | NA | NA | NA | NA |
| 2811 | 2025-10-07 |
Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements
2024-Dec-07, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-13468-3
PMID:39643787
|
研究论文 | 提出一种新型混合移位视觉Transformer方法用于甘蔗叶部病害的自动分类 | 将视觉Transformer架构与混合移位窗口相结合，有效捕捉局部和全局特征，并采用自监督学习结合拼图任务增强特征表示 | NA | 开发自动化甘蔗叶部病害分类方法以提高农业病害检测效率 | 甘蔗叶部病害 | 计算机视觉 | 植物病害 | 深度学习 | Transformer | 图像 | NA | NA | Vision Transformer, Hybrid Shifted Windows | 准确率 | NA |
| 2812 | 2025-01-23 |
Prediction of Preeclampsia Using Machine Learning: A Systematic Review
2024-Dec, Cureus
DOI:10.7759/cureus.76095
PMID:39834976
|
review | 本文系统回顾了使用机器学习预测子痫前期的方法、预测因子和模型性能，强调了其比较优势、挑战和临床适用性 | 本文综合评估了多种机器学习模型在子痫前期预测中的应用，并探讨了模型性能与可解释性之间的平衡 | 部分研究存在高偏倚风险，且非解释性或黑箱模型可能因伦理问题难以在临床中应用 | 探讨机器学习在子痫前期预测中的应用及其临床适用性 | 子痫前期 | machine learning | preeclampsia | machine learning | XGBoost, random forest, neural networks | clinicodemographic characteristics, laboratory reports, Doppler ultrasound, genotypic data, fundal images | 11 studies from diverse countries including the United States, the United Kingdom, China, and Korea | NA | NA | NA | NA |
| 2813 | 2025-10-07 |
Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings
2024-Nov-30, Ideggyogyaszati szemle
DOI:10.18071/isz.77.0407
PMID:39635814
|
研究论文 | 通过螺旋和直线绘图评估帕金森病和小脑功能障碍 | 比较螺旋与直线绘图在识别帕金森病和小脑症状方面的性能，并探索压力数据在分类中的重要性 | 未明确说明样本规模和具体数据采集条件 | 开发基于绘图任务的神经系统疾病识别方法 | 帕金森病和小脑功能障碍患者 | 医疗人工智能 | 帕金森病, 小脑疾病 | 绘图任务分析 | 深度学习特征提取模型 | 绘图图像数据 | NA | NA | 预训练模型, 自定义深度学习模型 | p值, 分类准确率 | NA |
| 2814 | 2025-10-07 |
Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney
2024-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77582-5
PMID:39516256
|
研究论文 | 本研究利用深度学习技术对分层相衬断层扫描成像中的肾脏3D血管进行分割，并建立评估基准 | 首次将nnU-Net框架应用于新型HiP-CT成像技术的血管分割，创建了经过双标注验证的高质量训练数据集 | HiP-CT是离体成像技术，缺乏静水压力导致大血管塌陷分割效果差；细小血管连通性降低和血管边界分割错误 | 为血管分割建立稳健的基准模型，评估机器学习模型在高分辨率器官成像中的性能 | 来自人类器官图谱项目的三个肾脏血管数据 | 计算机视觉 | 肾脏疾病 | 分层相衬断层扫描（HiP-CT） | 深度学习 | 3D图像 | 3个肾脏的血管数据 | nnU-Net | U-Net | Dice相似系数, 中心线DSC | NA |
| 2815 | 2025-10-07 |
Arkitekt: streaming analysis and real-time workflows for microscopy
2024-Oct, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02404-5
PMID:39294366
|
研究论文 | 介绍Arkitekt开源平台，实现显微镜数据的实时流式分析和智能工作流程 | 开发了连接用户与生物图像应用的开源中间件，首次实现复杂定量显微镜工作流程的实时执行 | 未提及具体性能瓶颈和系统负载测试结果 | 解决生物图像工作流程中高效编排和数据管理的需求 | 显微镜成像数据和生物图像分析工作流程 | 数字病理 | NA | 显微镜成像，深度学习 | NA | 显微镜图像，三维图像数据 | NA | NA | NA | NA | 本地和远程计算资源 |
| 2816 | 2025-10-07 |
[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma]
2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 开发基于MRI影像和临床特征融合的深度学习模型，用于术前预测肝细胞癌CK19状态 | 提出多尺度和多模态特征融合的深度学习模型，首次将MRI影像特征与临床特征结合用于CK19状态预测 | 回顾性研究，样本量较小（116例患者），需要外部验证 | 术前预测肝细胞癌CK19表达状态 | 116例经确认CK19状态的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 磁共振成像 | 深度学习 | 医学影像, 临床数据 | 116例肝细胞癌患者 | NA | MSFF-IResnet, MMFF-IResnet | AUC, 准确率, 敏感性, 特异性 | NA |
| 2817 | 2025-10-07 |
AI-Based multimodal Multi-tasks analysis reveals tumor molecular heterogeneity, predicts preoperative lymph node metastasis and prognosis in papillary thyroid carcinoma: A retrospective study
2024-Jul-11, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001875
PMID:38990290
|
研究论文 | 本研究开发了一种基于深度学习的多模态模型，用于分析甲状腺乳头状癌的分子异质性并预测淋巴结转移和预后 | 首次结合组织病理学图像、基因组、转录组和免疫细胞数据构建多模态深度学习模型，揭示PTC分子异质性并预测淋巴结转移和预后 | 回顾性研究设计，样本来源有限，需要进一步前瞻性验证 | 探索甲状腺乳头状癌分子异质性，开发预测淋巴结转移和预后的AI模型 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | DNA二代测序, 单细胞RNA测序, 深度学习 | 深度学习多模态模型 | 组织病理学图像, 基因组数据, 转录组数据, 免疫细胞数据 | 1011例PTC患者（256例来自队列1，275例来自队列2，499例来自TCGA） | NA | GradCAM | AUC, 疾病无生存率 | NA |
| 2818 | 2025-01-23 |
CYCLE-CONSISTENT SELF-SUPERVISED LEARNING FOR IMPROVED HIGHLY-ACCELERATED MRI RECONSTRUCTION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635895
PMID:39831103
|
研究论文 | 本文提出了一种基于循环一致性的自监督学习方法，用于改进高度加速的MRI重建 | 使用循环一致性（CC）来增强自监督学习，特别是在高加速率下减少混叠伪影 | 未明确提及具体局限性 | 改进高度加速的MRI重建技术 | MRI图像 | 计算机视觉 | NA | 自监督学习 | NA | 图像 | 包括速率6和8的fastMRI膝关节成像以及20倍的HCP风格fMRI | NA | NA | NA | NA |
| 2819 | 2025-01-23 |
Meibomian gland alterations in allergic conjunctivitis: insights from a novel quantitative analysis algorithm
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1518154
PMID:39834396
|
研究论文 | 本研究利用智能定量分析算法探讨了过敏性结膜炎患者中睑板腺结构的变化及其与临床参数的关系 | 采用深度学习基础的定量分析算法对睑板腺图像进行分析，评估腺体长度、面积、脱落比例和变形 | 研究未明确说明样本的年龄分布及其他潜在影响因素 | 探讨过敏性结膜炎患者睑板腺结构的变化及其与临床参数的关系 | 过敏性结膜炎患者和正常对照组的睑板腺 | 数字病理学 | 过敏性结膜炎 | 红外线睑板腺成像 | 深度学习 | 图像 | 252只过敏性结膜炎患者的眼睛和200只正常对照组的眼睛 | NA | NA | NA | NA |
| 2820 | 2025-01-23 |
MRI to digital medicine diagnosis: integrating deep learning into clinical decision-making for lumbar degenerative diseases
2024, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2024.1424716
PMID:39834502
|
研究论文 | 本文开发了一种基于人工智能深度学习算法的智能系统，旨在通过识别腰椎磁共振图像（MRI）辅助诊断腰椎退行性疾病，并提高医生的临床效率 | 本文创新性地将PP-YOLOv2深度学习算法应用于腰椎MRI图像的自动识别，显著提高了诊断的准确性和效率 | 研究样本量相对较小，测试集仅包含50例病例，可能影响模型的泛化能力 | 开发一种基于深度学习的智能系统，辅助诊断腰椎退行性疾病 | 腰椎退行性疾病（腰椎间盘突出和腰椎滑脱） | 计算机视觉 | 腰椎退行性疾病 | 深度学习 | PP-YOLOv2 | 图像 | 654例患者（604例训练集，50例测试集） | NA | NA | NA | NA |