深度学习在生物医药领域中的应用
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，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10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 1168 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-04-20 |
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2024-Sep-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.20.24314081
PMID:39399046
|
research paper | 该研究提出了一种基于深度学习的全自动化流程，用于通过CT衰减图分割心脏腔室来量化[18F]FDG PET活性，并评估了几种基于此框架的定量方法 | 首次提出了一种全自动化的体积量化方法，用于心脏结节病的[18F]FDG PET检测，具有高预测性能 | 研究样本量较小（69例患者），且特异性较低（65%） | 开发一种全自动化方法，用于心脏结节病的诊断和管理 | 疑似心脏结节病的患者 | digital pathology | cardiovascular disease | [18F]FDG PET/CT | DL (deep learning) | image | 69例患者（其中29例确诊为心脏结节病） |
| 122 | 2024-09-20 |
Label-free and rapid mechanics of single cells under high-density co-culture conditions by deep learning image recognition-assisted atomic force microscopy
2024-Sep-18, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2024158
PMID:39295485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 123 | 2025-04-13 |
qlty: handling large tensors in scientific imaging deep-learning workflows
2024-Sep, Software impacts
IF:1.3Q3
DOI:10.1016/j.simpa.2024.100696
PMID:40206204
|
research paper | 介绍了一个名为qlty的工具包，用于处理科学成像中深度学习工作流程中的大型张量数据 | 提出了一个专门用于处理超出标准GPU内存容量的大型体积数据集的工具包qlty，通过张量管理技术实现有效训练和推理 | 未提及具体的性能对比实验或与其他工具的比较 | 解决科学成像中深度学习工作流程中大型张量数据处理的问题 | 大型体积数据集 | computer vision | NA | NA | NA | image | NA |
| 124 | 2025-04-12 |
Detailed delineation of the fetal brain in diffusion MRI via multi-task learning
2024-Sep-12, ArXiv
PMID:39314513
|
research paper | 开发了一种基于多任务学习的计算方法，用于胎儿脑部扩散MRI数据的详细描绘 | 提出了一个统一的计算框架，能够同时完成脑组织分割、白质束分割和脑部皮层分区三项任务 | 未提及该方法在异常胎儿脑部发育研究中的表现 | 开发自动化方法来提高胎儿脑部扩散MRI数据分析的准确性和可重复性 | 胎儿脑部扩散MRI数据 | 医学影像分析 | NA | 扩散加权MRI(dMRI) | 多任务深度学习 | MRI图像 | 97个胎儿脑部样本 |
| 125 | 2025-04-12 |
Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography
2024-Sep, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.07.002
PMID:40206109
|
研究论文 | 本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力 | 首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程 | 回顾性研究设计，样本量有限（277例），未进行外部验证 | 开发基于深度学习的肝失代偿预测工具 | 原发性硬化性胆管炎（PSC）患者 | 数字病理 | 肝病 | CT成像 | 3D-DenseNet121 | 3D医学影像 | 277例接受腹部CT扫描的成人PSC患者 |
| 126 | 2025-04-08 |
MultiSC: a deep learning pipeline for analyzing multiomics single-cell data
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae492
PMID:39376034
|
research paper | 提出了一种名为MultiSC的深度学习流程，用于分析多组学单细胞数据 | 开发了一个新的流程MultiSC，利用多模态约束自编码器和基于矩阵分解的模型来整合多组学数据并预测转录因子调控的靶基因 | 未提及具体的数据处理或模型性能限制 | 解决多组学单细胞数据整合和分析工具缺乏的问题 | 多组学单细胞数据，包括基因表达、染色质可及性和转录因子蛋白表达 | machine learning | NA | NEAT-seq | multimodal constraint autoencoder, matrix factorization-based model (scMF), multivariate linear regression models | multiomics single-cell data | 未提及具体样本数量 |
| 127 | 2025-04-06 |
Few-shot Class-incremental Learning for Retinal Disease Recognition
2024-Sep-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3457915
PMID:39292587
|
研究论文 | 本文提出了一种名为Re-FSCIL的新框架，用于少样本类增量视网膜疾病识别，通过整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习来提高模型的适应性和特征判别能力 | 提出Re-FSCIL框架，整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习，显著提升了少样本类增量学习在视网膜疾病识别中的性能 | NA | 开发能够持续学习新类别且保留现有知识的深度学习模型，特别适用于视网膜疾病诊断系统 | 视网膜疾病 | 数字病理 | 视网膜疾病 | 监督对比学习，特征融合 | RETFound | 图像 | 两个新基准数据集RFMiD38和JSIEC39 |
| 128 | 2025-04-06 |
Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3416039
PMID:38889027
|
research paper | 该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测 | 该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法 | 该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用 | 开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担 | ICU患者的实时生命体征时间序列数据 | machine learning | NA | 随机信号分析，机器学习 | NA | 时间序列数据 | NA |
| 129 | 2025-04-05 |
Artificial Intelligence in Metabolomics: A Current Review
2024-Sep, Trends in analytical chemistry : TRAC
DOI:10.1016/j.trac.2024.117852
PMID:39071116
|
综述 | 本文综述了人工智能在代谢组学中的方法与应用，探讨了其在系统生物学和人类健康中的潜力 | 总结了人工智能在代谢组学分析中的多种应用，包括分析检测、数据预处理、生物标志物发现、预测建模和多组学数据整合 | 尽管存在局限性和挑战，但代谢组学与人工智能的结合在提升人类健康方面具有革命性进展的潜力 | 探讨人工智能在代谢组学研究中的方法和应用 | 代谢组学数据及其在系统生物学和人类健康中的应用 | 代谢组学 | NA | 机器学习和深度学习 | NA | 代谢组学数据 | NA |
| 130 | 2025-04-03 |
Deep Learning for Grading Endometrial Cancer
2024-Sep, The American journal of pathology
DOI:10.1016/j.ajpath.2024.05.003
PMID:38879079
|
研究论文 | 该研究介绍了EndoNet，一种结合卷积神经网络和视觉变换器的深度学习模型，用于子宫内膜癌的分级 | 结合CNN提取组织学特征和视觉变换器聚合特征进行分级，无需手动标注 | 需要进一步验证 | 开发自动分级子宫内膜癌的深度学习模型 | 子宫内膜癌组织切片 | 数字病理学 | 子宫内膜癌 | 深度学习 | CNN + 视觉变换器 | 图像 | 929张全切片图像（内部数据集）和100例患者（外部数据集） |
| 131 | 2025-04-03 |
Automated detection of Bornean white-bearded gibbon (Hylobates albibarbis) vocalizations using an open-source framework for deep learning
2024-09-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0028268
PMID:39248557
|
research paper | 本文介绍了一个开源深度学习框架，用于自动检测婆罗洲白须长臂猿的鸣叫，以解决大规模声学数据分析的瓶颈问题 | 采用开源深度学习框架自动检测特定物种的鸣叫，显著减少分析时间，且检测结果与人工标注无显著差异 | 未来需要将该模型应用于长期声学数据集以了解鸣叫活动的时空变化 | 开发一个自动检测濒危物种鸣叫的深度学习框架，以促进声学监测 | 婆罗洲白须长臂猿（Hylobates albibarbis）的鸣叫 | bioacoustics | NA | deep learning | neural network | audio recordings | 90小时的手动标注音频记录 |
| 132 | 2025-04-03 |
A systematic review of the application of machine learning techniques to ultrasound tongue imaging analysis
2024-09-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0028610
PMID:39287468
|
review | 本文系统回顾了机器学习技术在超声舌成像分析中的应用 | 深入探讨了深度学习在超声舌图像序列分析中的应用潜力，特别是在克服斑点噪声和视野遮挡方面的优势 | 未提及具体实验验证或实际应用效果的局限性 | 评估机器学习技术在超声舌成像分析中的研究现状和发展趋势 | 超声舌图像帧序列(UTIFs) | machine learning | NA | B-mode ultrasound | deep learning | image | NA |
| 133 | 2024-09-25 |
Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9)
2024-09, Diabetes & metabolism journal
IF:6.8Q1
DOI:10.4093/dmj.2024.0490
PMID:39313234
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 134 | 2025-04-01 |
Modeling protein-small molecule conformational ensembles with ChemNet
2024-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
research paper | 该研究开发了一种名为ChemNet的图神经网络，用于模拟蛋白质-小分子系统的构象异质性 | ChemNet能够快速生成小分子和蛋白质-小分子系统的构象集合，并在酶设计方面表现出更高的成功率和活性 | NA | 模拟蛋白质-小分子系统的构象异质性，并提高酶设计的成功率 | 蛋白质-小分子系统 | machine learning | NA | graph neural network | ChemNet | atomic level structures | 数据来自Cambridge Structural Database和Protein Data Bank |
| 135 | 2024-08-07 |
Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis'
2024-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001718
PMID:38814316
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 136 | 2025-03-28 |
An initial game-theoretic assessment of enhanced tissue preparation and imaging protocols for improved deep learning inference of spatial transcriptomics from tissue morphology
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae476
PMID:39367648
|
研究论文 | 本文探讨了通过改进组织制备和成像协议来增强深度学习从组织形态学推断空间转录组学的性能 | 提出了采用临床实施标准的组织处理和成像实践（永久切片、自动组织染色和临床级扫描）以显著提高模型性能的新方法 | 研究仅针对13名病理T III期结直肠癌患者进行，样本量较小 | 研究旨在通过改进组织制备和成像协议，提高深度学习从组织形态学推断空间转录组学的性能，并降低大规模空间分析的成本 | 13名病理T III期结直肠癌患者的组织样本 | 数字病理 | 结直肠癌 | 空间转录组学（ST）、Visium CytAssist检测 | Inceptionv3 | 全切片图像（WSI） | 13名病理T III期结直肠癌患者的组织样本 |
| 137 | 2025-03-28 |
Prediction of future dementia among patients with mild cognitive impairment (MCI) by integrating multimodal clinical data
2024-Sep-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e36728
PMID:39281465
|
研究论文 | 本研究评估了多模态机器学习方法，特别是集成集成（EI）框架，在预测轻度认知障碍（MCI）患者未来痴呆发展方面的能力 | 使用EI框架来利用多模态数据的互补性和共识性，这是之前痴呆相关预测研究未充分捕捉的 | NA | 预测轻度认知障碍（MCI）患者未来痴呆的发展 | 轻度认知障碍（MCI）患者 | 机器学习 | 老年病 | 结构磁共振成像（MRI）和正电子发射断层扫描（PET） | 集成集成（EI）框架、XGBoost、深度学习 | 临床和影像数据 | 来自TADPOLE挑战的数据 |
| 138 | 2025-03-27 |
Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100107
PMID:39378966
|
研究论文 | 使用序列深度学习分割技术评估儿童期阿托品治疗对成人脉络膜厚度的影响 | 首次使用序列深度学习方法测量成人脉络膜厚度，并探讨儿童期阿托品治疗的长期影响 | 研究样本量有限，且未考虑其他可能影响脉络膜厚度的因素 | 评估儿童期阿托品治疗对成人脉络膜厚度的长期影响 | 接受过儿童期阿托品治疗的成人 | 数字病理学 | 近视 | 扫频光学相干断层扫描（SS-OCT） | 序列深度学习 | 图像 | 422只眼睛（94只未接受阿托品治疗，328只接受过治疗） |
| 139 | 2024-09-10 |
Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort
2024 Sep-Oct, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2024.03.012
PMID:38553402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 140 | 2025-03-21 |
A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.002
PMID:38637240
|
研究论文 | 本文评估了深度学习在利用来自两个机构的DCE-MRI预测不同乳腺癌分子亚型中的性能 | 开发了一种多分支卷积神经网络（MBCNN），并采用中间融合和80像素的ROI大小进行外观转换，以优化性能 | 在预测luminal B、HER2-enriched和TN亚型时，MBCNN虽然表现优于CNN和CLSTM，但除了在TN亚型中对CNN表现出统计显著性外，其他情况下未达到统计显著性 | 评估深度学习在预测乳腺癌分子亚型中的性能 | 366名乳腺癌患者 | 计算机视觉 | 乳腺癌 | DCE-MRI | MBCNN, CNN, CLSTM | 图像 | 366名乳腺癌患者（训练集292名，验证集49名，测试集25名） |