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 1070 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-02-21 |
A Method for the Spatial Interpolation of EEG Signals Based on the Bidirectional Long Short-Term Memory Network
2024-Aug-12, Sensors (Basel, Switzerland)
DOI:10.3390/s24165215
PMID:39204910
|
研究论文 | 本文介绍了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法，用于从邻近电极获取的EEG通道中捕捉固有特征，预测EEG数据时间序列，并促进从低密度EEG信号到高密度EEG信号的转换 | 使用BiLSTM网络捕捉EEG时间序列数据的依赖关系，而非传统的数学映射方法，将均方根误差有效限制在0.4μV以下，显著优于传统方法 | 未提及具体局限性 | 提高脑机接口（BCI）技术的性能，通过增加EEG通道密度来改善信号精度 | EEG信号 | 机器学习 | NA | 深度学习 | BiLSTM | 时间序列数据 | BCI Competition III 3a数据集，从18通道扩展到60通道 | NA | NA | NA | NA |
| 162 | 2025-02-21 |
Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses
2024-08-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68586-2
PMID:39107349
|
研究论文 | 本研究开发了一种基于深度学习的眼动追踪系统，用于评估精神疾病患者的执行功能 | 利用眼动追踪技术和深度学习模型（LSTM+Attention）来检测精神疾病患者在视觉空间记忆编码中的执行功能受损情况 | 研究样本仅限于特定类型的精神疾病患者，可能无法推广到其他类型的精神疾病或神经系统疾病 | 开发一种快速、直接的方法来识别精神疾病患者的执行功能受损 | 首次发作的精神病患者、临床高风险精神病患者、强迫症患者和健康对照组 | 机器学习 | 精神疾病 | 眼动追踪技术 | LSTM+Attention | 眼动数据 | 96名首次发作的精神病患者、49名临床高风险精神病患者、104名强迫症患者和159名健康对照组 | NA | NA | NA | NA |
| 163 | 2025-10-07 |
CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis
2024-08-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c02617
PMID:39092917
|
研究论文 | 开发了一种结合CRISPR/Cas13a增强光电流极性转换与深度学习的双lncRNA检测平台用于癌症诊断 | 首次将CRISPR/Cas13a增强的光电流极性转换机制与深度学习相结合，实现双lncRNA联合检测和癌症智能诊断 | 未明确说明样本规模和数据集的详细组成 | 开发高灵敏度双lncRNA检测平台并实现癌症早期智能诊断 | 长链非编码RNA（lncRNA HOTAIR和lncRNA MALAT1） | 生物传感, 机器学习 | 癌症 | CRISPR/Cas13a, 光电化学传感, 深度学习 | 深度学习模型 | 光电化学传感数据 | NA | NA | NA | 准确率 | NA |
| 164 | 2025-02-17 |
Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models
2024-Aug-30, Gels (Basel, Switzerland)
DOI:10.3390/gels10090565
PMID:39330168
|
研究论文 | 本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题 | 首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布 | 研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证 | 提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响 | Fricke凝胶剂量计中的离子扩散现象 | 机器学习 | NA | 物理信息神经网络（PINNs） | PINNs | 2D和3D数据 | 数值模拟数据，时间跨度从20到100小时 | NA | NA | NA | NA |
| 165 | 2025-10-07 |
Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound
2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-023-01483-0
PMID:38110782
|
研究论文 | 本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎和胆囊癌 | 首次将最先进的深度学习模型（GBCNet-CNN和RadFormer-Transformer）应用于超声图像中XGC和GBC的鉴别诊断 | 单中心研究，样本量有限（80例患者），缺乏外部验证 | 开发基于深度学习的超声图像分类模型，用于区分黄色肉芽肿性胆囊炎和胆囊癌 | 黄色肉芽肿性胆囊炎和胆囊癌患者的术前超声图像 | 计算机视觉 | 胆囊疾病 | 超声成像 | CNN, Transformer | 超声图像 | 80例患者（25例XGC，55例GBC） | NA | GBCNet, RadFormer, DenseNet-121, ViT, DeiT | 灵敏度, 特异度, AUC | NA |
| 166 | 2025-10-07 |
Applications of artificial intelligence in biliary tract cancers
2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-024-01518-0
PMID:38427281
|
综述 | 本文综述人工智能在胆道癌诊断和预后改善中的应用策略 | 系统总结AI技术在胆道癌这一具有地域特异性的恶性肿瘤中的应用现状 | NA | 探讨人工智能技术在胆道癌诊疗中的应用价值 | 胆道癌（包括胆管癌和胆囊癌） | 医学影像分析 | 胆道癌 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 167 | 2025-10-07 |
AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol
2024-08-31, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2024-084728
PMID:39645274
|
综述 | 本文提出了一项范围综述方案，旨在评估人工智能和大数据技术在应对阿片类药物危机中的最新进展 | 首次系统性地对AI和大数据技术在阿片类药物危机中的应用进行范围综述，填补该领域综合评估的空白 | 作为综述方案，尚未开展实际数据收集和分析，结果有待后续研究验证 | 评估AI和大数据技术在检测、治疗、预防和应对阿片类药物危机方面的有效性 | 2013-2023年间发表的关于AI和大数据技术应用于阿片类药物危机的研究文献 | 自然语言处理, 机器学习 | 阿片类药物危机 | 机器学习, 深度学习, 自然语言处理 | NA | 文献数据, 灰色文献 | 四个科学数据库的文献（PubMed, Web of Science, Engineering Village, PsycInfo） | NA | NA | 评估指标将作为提取信息的一部分进行分析 | Covidence文献筛选工具 |
| 168 | 2025-10-07 |
CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning
2024-Aug-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03698-y
PMID:39122750
|
研究论文 | 本文介绍了CREMP数据集，这是一个用于机器学习模型开发和评估的环肽构象集合资源 | 首次创建了包含36,198个独特环肽及其高质量结构集合的大规模数据集，填补了环肽构象建模领域的空白 | 数据集主要基于计算模拟生成，需要进一步实验验证 | 开发用于环肽构象建模和优化的机器学习方法 | 环肽的构象集合和结构特性 | 机器学习 | NA | 构象-旋转异构体集合采样工具(CREST)，半经验扩展紧束缚(xTB)DFT计算 | NA | 结构数据，构象集合，能量注释 | 36,198个独特环肽，包含近3,130万个独特环肽几何结构，其中3,258个环肽具有被动渗透性数据 | NA | NA | NA | NA |
| 169 | 2025-10-07 |
Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study
2024-08-10, Cardiovascular diabetology
IF:8.5Q1
DOI:10.1186/s12933-024-02367-z
PMID:39127709
|
研究论文 | 本研究利用基于人工智能的深度学习技术，通过视网膜眼底图像对糖尿病患者的心脏自主神经病变进行分类 | 首次将视网膜眼底图像与人工智能技术结合用于心脏自主神经病变的无创诊断，为糖尿病并发症筛查提供了新方法 | 单中心观察性研究，样本量相对有限（229名患者），需要更大规模验证 | 开发基于视网膜图像的人工智能诊断系统，用于检测糖尿病患者的心脏自主神经病变 | 糖尿病患者的心脏自主神经病变 | 计算机视觉 | 心血管疾病 | 非散瞳5视野彩色眼底成像 | CNN | 图像 | 229名患者的2275张视网膜图像 | NA | ResNet 18, ResWide 50 | AUC, 准确率, 灵敏度 | NA |
| 170 | 2025-10-07 |
Deep learning solutions for inverse problems in advanced biomedical image analysis on disease detection
2024-08-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-69415-2
PMID:39122782
|
研究论文 | 本研究开发了一种名为DLSIP-ABIADD的深度学习技术，用于解决生物医学图像分析中的逆问题并实现疾病检测 | 提出结合MobileNetv2特征提取、亨利气体溶解优化算法和双向长短期记忆网络的混合深度学习框架来解决生物医学图像逆问题 | NA | 解决生物医学图像分析中的逆问题以提高疾病检测效率 | 生物医学图像中的疾病检测 | 计算机视觉 | NA | 分子成像, MRI, CT扫描 | BiLSTM, MobileNetv2 | 图像 | NA | NA | MobileNetv2, BiLSTM | NA | NA |
| 171 | 2025-10-07 |
Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data
2024-Aug-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.05.606654
PMID:39149252
|
研究论文 | 提出一种利用空间转录组数据标注病理图像的新方法，并开发STpath模型预测细胞类型比例和肿瘤微环境分类 | 首次将配对的空转转录组数据用于病理图像标注，解决了标注数据稀缺的问题 | 训练数据有限，模型在细胞类型比例多变和高分辨率病理图像中表现更佳 | 通过深度学习从病理图像中提取有意义的成像特征 | 乳腺癌病理图像和空间转录组数据 | 数字病理学 | 乳腺癌 | 空间转录组学 | 迁移学习神经网络 | 病理图像, 空间转录组数据 | 三个不同的乳腺癌数据集 | NA | STpath | NA | NA |
| 172 | 2025-10-07 |
EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data
2024-Aug-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.01.606099
PMID:39131276
|
研究论文 | 提出一种可扩展的深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达 | 整合启动子-增强子相互作用、序列信息、表观遗传信号和染色质接触数据，在跨染色体验证中优于现有方法 | 可能难以完全捕捉远端调控元件的调控效应，训练和适应新数据需要较多计算资源 | 开发可扩展的基因表达预测框架 | 基因表达调控机制和顺式调控元件 | 机器学习 | NA | 深度学习，表观基因组数据分析 | 深度学习框架 | DNA序列，表观遗传信号，染色质接触数据 | NA | 开源软件（具体框架未明确说明） | EPInformer（具体架构未详细说明） | 预测准确性，CRISPR扰动实验验证 | NA |
| 173 | 2025-02-03 |
Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps
2024-08-27, JAMA
DOI:10.1001/jama.2024.10770
PMID:39088200
|
研究论文 | 本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中 | 开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境 | 研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估 | 评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性 | 400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体 | 数字病理 | NA | 深度学习 | 深度学习模型 | 超声图像 | 400名妊娠个体 | NA | NA | NA | NA |
| 174 | 2025-10-07 |
Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model
2024-08-12, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-024-19590-8
PMID:39135162
|
研究论文 | 本研究开发了一种CNN-LSTM混合模型来预测中国河北省的流感样病例百分比 | 首次将CNN-LSTM混合神经网络模型应用于河北省流感活动预测，相比传统模型具有更好的预测性能 | 研究仅基于河北省28家哨点医院的数据，未考虑其他影响因素如气象数据、人口流动等 | 开发准确的流感活动预测模型，为流感防控提供科学依据 | 河北省28家国家级哨点医院的流感样病例百分比数据 | 机器学习 | 流感 | 深度学习 | CNN,LSTM,CNN-LSTM,SARIMA,XGBoost | 时间序列数据 | 2010-2022年河北省28家哨点医院的ILI%数据 | PyTorch,R,Python | CNN-LSTM混合架构 | MAE,RMSE,MAPE | NA |
| 175 | 2025-10-07 |
Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study
2024-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233197
PMID:39162636
|
研究论文 | 本研究开发了一种知识增强的深度学习模型，用于在CT血管造影图像中分割和检测脑动脉瘤 | 采用多中心数据集构建深度学习模型，结合知识增强方法提高脑动脉瘤分割和检测的准确性 | 研究为回顾性设计，需要进一步前瞻性验证 | 开发准确的脑动脉瘤自动分割和检测方法 | 疑似未破裂脑动脉瘤患者的CT血管造影图像 | 医学影像分析 | 脑动脉瘤 | CT血管造影(CTA), 数字减影血管造影(DSA) | 深度学习 | 医学影像 | 6060名患者用于模型开发(训练4342, 验证1086, 内部测试632), 118名患者用于外部测试 | NA | NA | Dice相似系数(DSC), 灵敏度, AUC | NA |
| 176 | 2025-01-28 |
Status and future trends in wastewater management strategies using artificial intelligence and machine learning techniques
2024-Aug, Chemosphere
IF:8.1Q1
|
综述 | 本文综述了利用人工智能和机器学习技术进行水和废水管理的最新趋势 | 结合AI、深度学习和物联网技术，提出了高效的水管理框架 | 未具体说明数据来源和样本量，案例研究和统计评估的细节不足 | 探讨智能水管理机制，以满足不同用途的水质要求 | 水和废水管理策略 | 机器学习 | NA | 人工智能（AI）、深度学习（DL）、物联网（IoT） | NA | 多种形式的数据 | NA | NA | NA | NA | NA |
| 177 | 2025-10-07 |
A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception
2024-08-28, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090374
PMID:39330002
|
研究论文 | 提出一种新颖的多特征融合多任务深度学习模型，用于乳腺肿瘤超声图像分类和病灶区域感知 | 设计了上下文病灶增强感知模块和多特征融合模块，能够更好地捕捉病灶区域的局部和全局特征关系，并有效区分病灶特异性特征与肿瘤分类语义特征 | NA | 解决乳腺超声图像分类中信息共享冲突问题，提高病灶区域感知和分类性能 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习,多任务学习 | 图像 | 两个公共乳腺超声成像数据集 | NA | 多特征融合多任务模型,上下文病灶增强感知模块,多特征融合模块 | NA | NA |
| 178 | 2025-10-07 |
MambaTab: A Plug-and-Play Model for Learning Tabular Data
2024-Aug, Proceedings. IEEE Conference on Multimedia Information Processing and Retrieval
DOI:10.1109/mipr62202.2024.00065
PMID:39850741
|
研究论文 | 提出一种基于结构化状态空间模型的即插即用表格数据学习模型MambaTab | 首次将新兴的SSM变体Mamba应用于表格数据端到端监督学习，显著减少参数量的同时实现优越性能 | NA | 开发高效、可扩展的表格数据深度学习解决方案 | 表格数据 | 机器学习 | NA | 结构化状态空间模型 | SSM, Mamba | 表格数据 | 多种基准数据集 | NA | Mamba | NA | NA |
| 179 | 2025-10-07 |
Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study
2024-Aug-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae115
PMID:38700097
|
研究论文 | 本研究比较了基于深度学习的冠状动脉CT血管造影自动斑块分析方法与血管内超声的测量结果 | 开发了首个基于深度学习的自动冠状动脉斑块分割方法，并在多中心国际研究中验证其与IVUS的一致性 | 研究仅纳入临床稳定的已知冠状动脉疾病患者，样本量相对有限 | 验证AI辅助的冠状动脉CT血管造影在动脉粥样硬化定量评估中的准确性 | 来自美国和日本15个中心的237名临床稳定冠状动脉疾病患者的432个病变 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影，血管内超声 | 深度学习 | 医学影像 | 237名患者，432个病变 | NA | NA | 相关系数，斜率，Y截距，Bland-Altman分析 | NA |
| 180 | 2025-10-07 |
Deep Learning for Pneumothorax Detection on Chest Radiograph: A Diagnostic Test Accuracy Systematic Review and Meta Analysis
2024-Aug, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371231220885
PMID:38189265
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估深度学习算法在胸部X光片上检测气胸的诊断准确性 | 首次对深度学习在气胸检测领域的诊断性能进行系统性量化评估 | 纳入研究存在异质性，部分研究可能存在偏倚风险 | 评估深度学习算法在胸部X光片上检测气胸的整体诊断性能 | 成人患者胸部X光片 | 计算机视觉 | 气胸 | 胸部X光成像 | 深度学习算法 | 医学影像 | 34,011名患者，34,075张胸部X光片 | NA | NA | 灵敏度, 特异度 | NA |