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 2503 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2025-01-25 |
CardiacField: computational echocardiography for automated heart function estimation using two-dimensional echocardiography probes
2025-Jan, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae072
PMID:39846074
|
研究论文 | 本文介绍了一种名为CardiacField的计算心脏超声系统，使用二维超声探头自动估计左心室和右心室的射血分数，旨在为非心血管专业的医疗从业者提供易于使用的心脏功能评估工具 | CardiacField系统通过隐式神经表示网络从二维超声图像重建三维心脏体积，并自动分割左心室和右心室区域以计算射血分数，显著提高了心脏功能评估的准确性和易用性 | 研究样本量相对较小（127名患者），且未涵盖所有类型的超声设备，可能影响结果的普适性 | 开发一种自动、精确的心脏功能评估系统，以改善心血管疾病的检测和监测 | 左心室和右心室的射血分数 | 数字病理学 | 心血管疾病 | 二维超声成像 | 隐式神经表示网络 | 图像 | 127名患者 |
| 2022 | 2025-01-25 |
Dissecting AlphaFold2's capabilities with limited sequence information
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae187
PMID:39846081
|
研究论文 | 本研究探讨了AlphaFold2在主要依赖高质量模板结构而非多序列比对（MSAs）提供额外信息时的蛋白质结构预测能力 | 通过设计实验探究AlphaFold2对局部和全局结构的理解，揭示了其对特定特征的依赖及其处理缺失信息的能力 | AlphaFold2学习到的生物物理能量函数在局部相互作用中最为有效，但在全局结构预测上可能存在局限 | 研究AlphaFold2在有限序列信息下的蛋白质结构预测能力 | 蛋白质的三维结构 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质序列和结构数据 | NA |
| 2023 | 2025-01-25 |
A hyperparameter optimization-assisted deep learning method towards thermal error modeling of spindles
2025-Jan, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.11.001
PMID:39516098
|
研究论文 | 本研究提出了一种结合贝叶斯优化和扩张卷积神经网络的模型，用于主轴热误差建模 | 通过扩张卷积增强传统CNN模型，并使用基于高斯过程的贝叶斯算法优化关键超参数，提高了模型的泛化能力和性能 | 未提及具体的数据集大小和多样性，可能影响模型的泛化能力 | 提高主轴热误差建模的精度 | 主轴热误差 | 机器学习 | NA | 贝叶斯优化，扩张卷积神经网络 | DCNN | 热误差数据 | 未提及具体样本数量 |
| 2024 | 2025-01-25 |
Fault detection and classification of motor bearings under multiple operating conditions
2025-Jan, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.11.008
PMID:39592313
|
研究论文 | 本文提出了一种用于多操作条件下电机轴承故障检测和分类的框架 | 提出了一种多任务故障检测和分类方法，适用于健康监测，并在HUST电机轴承数据集上展示了其在不同操作条件和多种故障类型下的鲁棒性能 | 未提及具体的技术限制或数据集局限性 | 提高机械设备的安全性和可靠性，适应各种旋转场景 | 电机轴承 | 机器学习 | NA | 深度学习 | NA | 传感器数据 | HUST电机轴承数据集 |
| 2025 | 2025-01-24 |
The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding
2025-Jan-23, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9957
PMID:39622169
|
研究论文 | 本文介绍了一种名为'Sandwich'的深度隐私保护元框架，结合了迁移学习和联邦学习，用于非侵入性脑电波解码 | 提出了一种新的深度隐私保护元框架'Sandwich'，结合了迁移学习和联邦学习，解决了脑电波解码中的数据变异性和隐私问题 | NA | 解决脑电波解码中的数据变异性和隐私问题 | 脑电波数据 | 机器学习 | NA | 迁移学习, 联邦学习 | Inception SanDwich | 时间序列数据 | 使用BEETL运动想象挑战中的异质脑电波数据集进行评估 |
| 2026 | 2025-01-24 |
A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data
2025-Jan-23, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.860
PMID:39844750
|
综述 | 本文综述了利用人工智能（AI）结合CT、PET和临床数据预测早期非小细胞肺癌（NSCLC）术后复发风险的研究 | 本文综合分析了2018年至2024年间发表的16项研究，评估了放射组学、机器学习和深度学习在预测术后复发风险中的应用，并指出了未来研究方向 | 现有研究存在样本量小、缺乏外部验证、可解释性问题以及多模态影像技术融合不足等挑战 | 预测早期非小细胞肺癌（NSCLC）术后复发风险 | 早期非小细胞肺癌（NSCLC）患者 | 数字病理学 | 肺癌 | 放射组学、机器学习、深度学习 | 深度学习模型、多模态模型 | CT、PET、临床数据 | 16项研究（具体样本量未明确） |
| 2027 | 2025-01-24 |
Biomimetic Fingerprint-like Unclonable Optical Anticounterfeiting System with Selectively In Situ-Synthesized Perovskite Quantum Dots Embedded in Spontaneous-Phase-Separated Polymers
2025-Jan-22, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20440
PMID:39780348
|
研究论文 | 本文提出了一种基于钙钛矿量子点指纹物理不可克隆功能的仿生防伪系统，利用聚合物的自发相分离和选择性原位合成钙钛矿量子点作为熵源 | 该系统通过调整钙钛矿和聚合物成分，实现了从二进制到多值编码的扩展，具有高编码容量，并兼容主流生产技术和深度学习增强的智能融合方案 | 未提及具体局限性 | 开发一种新型防伪技术，以应对物联网时代防伪技术面临的挑战 | 钙钛矿量子点和聚合物 | 材料科学 | NA | 自发相分离和选择性原位合成 | 深度学习 | 图像 | 未提及具体样本数量 |
| 2028 | 2025-01-24 |
Artificial intelligence streamlines scientific discovery of drug-target interactions
2025-Jan-22, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.17427
PMID:39843168
|
综述 | 本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用 | 本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向 | 本文未涉及具体实验验证，主要集中于理论和方法论的探讨 | 探讨AI技术在药物发现和开发中的应用，特别是DTI预测 | 药物靶点相互作用（DTI） | 机器学习 | NA | NA | 经典机器学习、深度学习、基于网络的方法 | NA | NA |
| 2029 | 2025-01-24 |
Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01338-w
PMID:39843717
|
研究论文 | 本文开发了一种基于规则的自然语言处理（NLP）算法，用于从日本放射学报告中自动检测癌症可疑发现 | 提出了一种基于规则的NLP算法，并在多中心数据上验证了其性能，展示了其在不同机构间的泛化能力 | 算法主要依赖于规则，可能无法覆盖所有复杂的语言表达，且仅针对日文报告 | 开发并验证一种NLP算法，用于自动检测放射学报告中的癌症可疑发现，以减少漏诊和延误治疗 | 来自六个机构的胸部和腹部CT报告 | 自然语言处理 | 癌症 | 自然语言处理（NLP） | 基于规则的算法，BERT作为基线深度学习模型 | 文本（放射学报告） | 来自六个机构的CT报告，具体样本数量未明确 |
| 2030 | 2025-01-24 |
Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01403-y
PMID:39843721
|
研究论文 | 本研究提出了一种基于图辅助全局推理的乳腺癌组织病理学图像分类方法，旨在通过深度学习提取病理特征并自动识别肿瘤信息，以辅助医生进行高精度的病理诊断 | 提出了一种双流全局-局部网络（DSGLNet），通过卷积网络提取局部图像特征，并利用图卷积映射构建全局特征交互空间，从而深度融合局部和全局特征以实现精确的图像分类 | 研究仅在公开的BreakHis数据集上进行了评估，未在其他数据集上验证模型的泛化能力 | 利用深度学习技术提高乳腺癌组织病理学图像分类的精度，辅助病理诊断 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习 | 双流全局-局部网络（DSGLNet） | 图像 | BreakHis数据集，包含不同放大倍数的组织病理学图像 |
| 2031 | 2025-01-24 |
How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01408-7
PMID:39843720
|
研究论文 | 本文通过实证研究探讨了在有限标注预算下，如何高效地为深度学习分割模型标注图像，比较了弱标注和噪声标注与传统精确标注的效果 | 首次系统评估了六种标注策略（共9-10种子策略）在四个数据集上的成本效益，发现精确标注在预算有限时并非最优选择，弱标注和噪声标注在某些情况下能达到与精确标注相似的性能，但成本效益更高 | 研究仅基于四个数据集，可能无法涵盖所有应用场景，且未探讨不同模型架构对标注策略效果的潜在影响 | 评估不同标注策略在深度学习图像分割任务中的成本效益，以指导研究者更高效地使用标注预算 | 图像分割任务中的标注策略 | 计算机视觉 | NA | 深度学习 | DNN | 图像 | 四个数据集 |
| 2032 | 2025-01-24 |
Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01397-7
PMID:39843719
|
研究论文 | 本文提出了一种基于频域感知稳定一致性正则化的半监督医学图像分割方法 | 利用图像的固有频域信息作为一致性约束，避免了人为设置扰动引入的偏差，并在模型训练的编码器阶段引入监督，确保模型不会因强增强导致的原始特征空间破坏而学习失败 | 未提及具体的数据集或样本量限制，也未讨论在更广泛医学图像数据集上的泛化能力 | 改进半监督医学图像分割方法，提高模型在有限标注数据下的性能 | 医学图像 | 计算机视觉 | NA | 频域分析 | 半监督学习模型 | 图像 | NA |
| 2033 | 2025-01-24 |
On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT
2025-Jan-20, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00713-4
PMID:39832088
|
研究论文 | 本研究探讨了患者检查台对心肌灌注成像（MPI）SPECT中衰减的影响，通过比较幻影扫描和患者研究的重建结果 | 使用深度学习方法和自动去除患者检查台的算法，首次在患者研究中评估了检查台对衰减的影响 | 研究仅基于15名患者的回顾性队列，样本量较小 | 评估患者检查台对MPI SPECT中衰减的影响 | Jaszczak幻影扫描和15名患者的MPI数据 | 医学影像 | 心血管疾病 | SPECT成像 | NA | 图像 | 15名患者 |
| 2034 | 2025-01-24 |
Triple-attentions based salient object detector for strip steel surface defects
2025-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86353-9
PMID:39833226
|
研究论文 | 本文提出了一种基于三重注意力机制的显著目标检测器TADet，用于带钢表面缺陷的检测 | 引入了创新的三重注意力机制（TA），通过三个不同且相互关联的二维平面视角（通道-宽度、通道-高度和宽度-高度）同时迭代地提炼和整合特征图，增强了特征的表示能力 | NA | 提高带钢表面缺陷检测的准确性和鲁棒性 | 带钢表面缺陷 | 计算机视觉 | NA | 深度学习 | 编码器-解码器网络 | 图像 | NA |
| 2035 | 2025-01-24 |
Multi-branch LSTM encoded latent features with CNN-LSTM for Youtube popularity prediction
2025-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86785-3
PMID:39833294
|
研究论文 | 本文提出了一种新颖的多分支LSTM编码潜在特征与CNN-LSTM融合的方法，用于预测YouTube视频的流行度 | 提出了一种新颖的多分支LSTM网络来映射视频特征到低维空间，并使用融合的CNN-LSTM模型预测视频流行度 | 未提及具体的数据集大小和多样性，可能影响模型的泛化能力 | 预测YouTube视频的流行度，以提高内容驱动视频的收益 | YouTube视频数据 | 自然语言处理 | NA | LSTM, CNN | 多分支LSTM, CNN-LSTM | 视频数据 | 未提及具体样本数量 |
| 2036 | 2025-01-24 |
Prediction of post-treatment recurrence in early-stage breast cancer using deep-learning with mid-infrared chemical histopathological imaging
2025-Jan-17, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00772-x
PMID:39825009
|
研究论文 | 本研究利用傅里叶变换红外（FTIR）化学成像技术，通过深度学习模型预测早期乳腺癌患者的长期复发风险 | 首次将FTIR化学成像与深度学习结合，用于乳腺癌复发预测，提供了一种无标记的组织病理学预后平台 | 模型的预测性能（ROC AUC约为0.64）虽然与现有临床检测方法相当，但仍有提升空间 | 开发一种新的方法来预测早期乳腺癌患者的长期复发风险 | 早期乳腺癌患者的组织样本 | 数字病理学 | 乳腺癌 | 傅里叶变换红外（FTIR）化学成像 | 二维卷积网络和二维可分离卷积网络 | 化学图像 | 未明确提及具体样本数量 |
| 2037 | 2025-01-24 |
Pre-trained artificial intelligence-aided analysis of nanoparticles using the segment anything model
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86327-x
PMID:39825089
|
研究论文 | 本文介绍了一种利用预训练人工智能模型进行纳米颗粒形态表征的方法，特别是针对细分颗粒和颗粒基材料 | 使用预训练的Segment Anything Model进行纳米颗粒的自动分割，并将颗粒的细分组织成集合，这是该领域的一种新方法 | NA | 通过预训练的人工智能模型提高纳米颗粒形态表征的准确性和效率 | 纳米颗粒，包括纳米球、哑铃形颗粒和三聚体 | 计算机视觉 | NA | 预训练的深度学习模型 | Segment Anything Model | 图像 | 三种类型的纳米颗粒：纳米球、哑铃形颗粒和三聚体 |
| 2038 | 2025-01-24 |
A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling
2025-Jan-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02859-2
PMID:39815247
|
研究论文 | 本研究利用放射组学和深度学习技术，开发并验证了一种预测股骨头坏死患者在多孔钻孔治疗后无塌陷生存的模型 | 结合放射组学和深度学习技术，开发了一种新的预测模型，用于评估股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率 | 样本量相对较小，仅包括144名患者（212髋），可能需要更大规模的研究来验证模型的普遍适用性 | 预测股骨头坏死患者在多孔钻孔治疗后的无塌陷生存率 | 股骨头坏死患者 | 数字病理学 | 骨坏死 | 放射组学，深度学习 | DLRC模型 | 影像数据 | 144名患者（212髋） |
| 2039 | 2025-01-24 |
DNALongBench: A Benchmark Suite for Long-Range DNA Prediction Tasks
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631595
PMID:39829833
|
研究论文 | 本文介绍了DNALongBench，一个用于评估依赖长程DNA依赖性的基因组学任务的基准数据集 | 提出了一个涵盖五个重要基因组学任务的基准数据集，这些任务考虑了长达100万碱基对的长程依赖性 | 未提及具体的数据集规模或样本量，可能限制了其广泛适用性 | 解决长程DNA依赖性建模的挑战，并提供一个标准化的资源来评估新兴的DNA序列深度学习模型 | 基因组结构及其功能 | 基因组学 | NA | 深度学习模型 | CNN, HyenaDNA, Caduceus-Ph, Caduceus-PS | DNA序列数据 | NA |
| 2040 | 2025-01-24 |
A large annotated cervical cytology images dataset for AI models to aid cervical cancer screening
2025-Jan-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04374-5
PMID:39774182
|
研究论文 | 本文提供了一个大规模且详尽标注的宫颈细胞学图像数据集，用于训练AI模型以辅助宫颈癌筛查 | 提供了一个包含8,037张图像的大规模宫颈细胞学图像数据集，这些图像来源于129张Thinprep细胞学测试（TCT）切片图像，并进行了详尽的异常细胞标注 | 数据集的收集和标注过程耗时，可能限制了模型的泛化性能 | 提高宫颈癌筛查中异常细胞检测的效率和准确性 | 宫颈细胞学图像 | 数字病理学 | 宫颈癌 | 深度学习 | NA | 图像 | 8,037张图像，来源于129张TCT切片 |