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 2147 篇文献，本页显示第 2041 - 2060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2041 | 2024-08-07 |
Editorial for "Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging"
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29457
PMID:38804734
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2042 | 2024-12-15 |
A deep-learning system for diagnosing ectopic eruption
2025-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105399
PMID:39424256
|
研究论文 | 构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发 | 该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性 | NA | 开发一种用于诊断异位萌发的深度学习系统 | 儿童的混合牙列和恒牙的异位萌发 | 机器学习 | NA | 深度学习 | 多阶段深度学习网络 | 图像 | 1576张儿童全景X光片，年龄范围为6-12岁 |
| 2043 | 2024-12-13 |
Deep learning for NAD/NADP cofactor prediction and engineering using transformer attention analysis in enzymes
2025-Jan, Metabolic engineering
IF:6.8Q1
DOI:10.1016/j.ymben.2024.11.007
PMID:39571721
|
研究论文 | 本文介绍了一种基于transformer的深度学习模型DISCODE，用于预测和设计酶的NAD(P)辅因子偏好 | DISCODE模型利用transformer的注意力机制，能够解释性地分析关键残基，从而实现酶的辅因子特异性预测和设计 | NA | 理解和操纵NAD(P)-依赖的氧化还原酶的辅因子偏好 | NAD(P)-依赖的氧化还原酶的辅因子偏好 | 机器学习 | NA | 深度学习 | transformer | 序列 | 7,132个NAD(P)-依赖的酶序列 |
| 2044 | 2024-12-13 |
Combining MRI radiomics and clinical features for early identification of drug-resistant epilepsy in people with newly diagnosed epilepsy
2025-Jan, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2024.110165
PMID:39612633
|
研究论文 | 本研究结合MRI放射组学和临床特征，使用深度学习模型ResNet-18提取MRI特征，构建机器学习分类器以早期识别药物难治性癫痫 | 首次将放射组学与临床特征结合，使用深度学习模型提取MRI特征，并构建机器学习分类器进行早期诊断 | 样本量较小，可能影响模型的泛化能力 | 早期识别新诊断的药物难治性癫痫患者 | 新诊断的癫痫患者 | 机器学习 | 癫痫 | MRI放射组学 | ResNet-18 | 图像 | 134名新诊断的癫痫患者 |
| 2045 | 2024-12-13 |
Decoding Depth of Meditation: Electroencephalography Insights From Expert Vipassana Practitioners
2025-Jan, Biological psychiatry global open science
DOI:10.1016/j.bpsgos.2024.100402
PMID:39660274
|
研究论文 | 本研究使用脑电图（EEG）技术解码专家内观冥想者自我报告的冥想深度 | 引入了一种新的自发涌现方法来评估冥想深度，并提出了一种融合源活动和连接信息的新型机器学习方法 | 研究样本仅限于34名专家内观冥想者，可能限制了结果的普适性 | 解码自我报告的冥想深度，并探讨神经活动与冥想深度之间的关系 | 专家内观冥想者的冥想深度及其神经相关性 | 神经科学 | NA | 脑电图（EEG） | 机器学习 | 脑电信号 | 34名专家内观冥想者 |
| 2046 | 2024-12-12 |
Early identification of stroke through deep learning with multi-modal human speech and movement data
2025-Jan-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/1673-5374.393103
PMID:38767488
|
研究论文 | 本文提出了一种基于FAST的多模态深度学习方法，用于在急性环境中评估疑似中风患者，并通过视频和音频数据进行验证 | 本文的创新点在于提出了一种多模态深度学习模型，结合了动作视频和语音音频数据，显著提高了早期中风识别的准确性和敏感性 | 本文的局限性在于仅在急诊室环境中进行了验证，未来需要在更多临床场景中进行验证 | 本研究的目的是开发一种基于多模态数据的深度学习模型，用于早期识别中风 | 本研究的对象是疑似中风患者，特别是表现出肢体无力、面部轻瘫和言语障碍的患者 | 机器学习 | 中风 | 深度学习 | 多模态深度学习模型 | 视频和音频 | 包含急诊室患者的视频和音频数据集 |
| 2047 | 2024-12-12 |
Deep learning-based detection of irreversible pulpitis in primary molars
2025-Jan, International journal of paediatric dentistry
IF:2.3Q2
DOI:10.1111/ipd.13200
PMID:38725105
|
研究论文 | 本研究探讨了基于卷积神经网络（CNN）的图像分析技术在检测乳牙不可逆性牙髓炎中的可行性 | 本研究首次使用深度学习模型在根尖片上检测乳牙不可逆性牙髓炎，提供了一种便捷且互补的评估牙髓状态的方法 | 本研究为回顾性研究，样本量较小，且仅在两家健康中心进行 | 探讨基于卷积神经网络的图像分析技术在检测乳牙不可逆性牙髓炎中的可行性 | 乳牙不可逆性牙髓炎 | 计算机视觉 | 口腔疾病 | 卷积神经网络（CNN） | EfficientNet | 图像 | 348张根尖片 |
| 2048 | 2024-12-12 |
Detecting emerald ash borer boring vibrations using an encoder-decoder and improved DenseNet model
2025-Jan, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8442
PMID:39324448
|
研究论文 | 本研究提出了一种基于深度学习的联合识别网络VibroEABNet，用于检测翡翠灰螟的钻孔振动信号 | 本研究的创新点在于将去噪和识别模块集成到一个网络结构中，显著提高了模型在噪声环境下的检测性能 | 目前该研究仅限于检测特定害虫，未来工作将扩展到其他钻木害虫 | 开发一种高效、准确的害虫早期监测方法，以减轻经济和生态损害 | 翡翠灰螟的钻孔振动信号 | 机器学习 | NA | 深度学习 | DenseNet | 信号 | 测试数据集和真实森林数据集 |
| 2049 | 2024-12-12 |
A new multi-object tracking pipeline based on computer vision techniques for mussel farms
2025, Journal of the Royal Society of New Zealand
IF:2.1Q2
DOI:10.1080/03036758.2023.2240466
PMID:39649668
|
研究论文 | 本文提出了一种基于计算机视觉技术的新型多目标跟踪管道，用于自动检测和跟踪贻贝养殖场中的浮标 | 提出了一个新的基于图像处理操作符的检测器用于检测不同大小的贻贝浮标，并引入了一个新的描述符基于邻居的相对位置为浮标提供唯一身份标记 | NA | 开发一种自动化的方法来跟踪贻贝养殖场中的浮标，以减轻农民的劳动负担 | 贻贝养殖场中的浮标 | 计算机视觉 | NA | 图像处理操作符 | NA | 图像 | 在马尔堡海峡新西兰拍摄的图像 |
| 2050 | 2024-12-12 |
MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_12
PMID:39649703
|
研究论文 | 本文介绍了一种名为MASSM的端到端深度学习框架，用于从图像中直接生成多解剖结构的统计形状模型 | MASSM框架能够同时定位多个解剖结构，估计群体级别的统计表示，并直接在图像空间中描绘形状表示，超越了传统的像素级分割方法 | NA | 开发一种能够自动生成统计形状模型并直接从图像中描绘多解剖结构的深度学习框架 | 多解剖结构的统计形状模型 | 计算机视觉 | NA | 深度学习 | 多任务网络 | 图像 | NA |
| 2051 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2052 | 2024-12-11 |
CGPDTA: An Explainable Transfer Learning-Based Predictor With Molecule Substructure Graph for Drug-Target Binding Affinity
2025-Jan-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27538
PMID:39653581
|
研究论文 | 本文介绍了一种基于可解释迁移学习的深度学习框架CGPDTA，用于预测药物-靶点结合亲和力 | CGPDTA通过结合药物-药物和蛋白质-蛋白质相互作用知识，利用分子子结构图和蛋白质口袋序列来增强预测能力和可解释性 | NA | 开发一种更准确且可解释的药物-靶点结合亲和力预测方法 | 药物-靶点结合亲和力 | 机器学习 | NA | 迁移学习 | 深度学习框架 | 分子子结构图，蛋白质口袋序列 | NA |
| 2053 | 2024-12-11 |
Detection of Brain Tumor Employing Residual Network-based Optimized Deep Learning
2025, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本文提出了一种基于残差网络优化的深度学习方法，用于脑肿瘤的自动检测和分割 | 使用改进的ResNet50模型进行肿瘤检测，并提出基于ResUNet模型的卷积神经网络进行分割，提高了检测和分割的准确性 | NA | 提高脑肿瘤检测和分割的自动化和准确性 | 脑肿瘤的自动检测和分割 | 计算机视觉 | 脑肿瘤 | 深度学习 | ResNet50, ResUNet | 图像 | 110名患者的预对比、FLAIR和后对比MRI图像 |
| 2054 | 2024-12-11 |
BCDPi: An interpretable multitask deep neural network model for predicting chemical bioconcentration in fish
2025-Jan-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.120356
PMID:39549907
|
研究论文 | 本文提出了一种可解释的多任务深度神经网络模型BCDPi，用于预测化学物质在鱼类中的生物富集潜力 | 该研究的创新点在于开发了一种多任务深度学习模型，能够预测不同类别的化学物质生物富集潜力，并使用SHAP技术进行模型解释 | NA | 研究目的是开发一种准确且可解释的方法来预测化学物质的生物富集潜力，以评估环境风险和毒理学影响 | 研究对象是化学物质的生物富集潜力及其分子物理化学性质 | 机器学习 | NA | 深度学习 | 多任务深度神经网络 | 化学物质数据 | NA |
| 2055 | 2024-12-11 |
Comparative analysis of Ki-67 labeling index morphometry using deep learning, conventional image analysis, and manual counting
2025-Jan, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2024.102159
PMID:39489091
|
研究论文 | 本文比较了使用深度学习、传统图像分析和手动计数方法对Ki-67标记指数的形态学分析 | 本文首次比较了多种数字图像分析系统与手动计数方法在Ki-67计数中的表现，并发现不同系统在不同标注方法下具有不同的准确性 | 本文仅针对胃癌患者的组织微阵列进行了研究，结果可能不适用于其他类型的癌症 | 评估和比较不同数字图像分析系统在Ki-67计数中的能力 | 胃癌患者的Ki-67免疫组化染色组织微阵列 | 数字病理学 | 胃癌 | 数字图像分析 | NA | 图像 | 239个组织微阵列核心样本 |
| 2056 | 2024-12-11 |
High-resolution spatiotemporal prediction of PM2.5 concentration based on mobile monitoring and deep learning
2025-Jan-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2024.125342
PMID:39566710
|
研究论文 | 本文提出了一种基于移动监测数据和深度学习的高分辨率时空PM2.5浓度预测方法 | 本文创新性地结合了移动监测数据和深度学习技术，提出了一种基于LightGBM和CNN-Transformer模型的高分辨率PM2.5浓度预测方法 | 本文的局限性在于仅在沧州地区进行了验证，未来需要在更多地区进行验证以评估其普适性 | 研究目的是开发一种高分辨率的PM2.5浓度时空预测方法，以支持城市空气污染控制和公共健康 | 研究对象是城市中的PM2.5浓度分布 | 机器学习 | NA | 深度学习 | CNN-Transformer | 数据 | 使用了来自中国沧州的实际数据进行验证 |
| 2057 | 2024-12-11 |
Improving PM2.5 and PM10 predictions in China from WRF_Chem through a deep learning method: Multiscale depth-separable UNet
2025-Jan-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2024.125344
PMID:39577612
|
研究论文 | 本文开发了一种名为多尺度深度可分离UNet（MDS-UNet）的深度学习模型，用于提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性 | 提出了多尺度深度可分离UNet（MDS-UNet）模型，能够捕捉模型预测与观测之间的复杂非线性误差，从而提高PM2.5和PM10浓度预测的准确性 | NA | 提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性 | PM2.5和PM10浓度预测 | 机器学习 | NA | 深度学习 | UNet | 数值数据 | 涉及中国六个主要城市群的PM2.5和PM10浓度预测数据 |
| 2058 | 2024-12-11 |
Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection
2025-Jan, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103025
PMID:39608041
|
研究论文 | 本研究介绍了基于人工智能的创新方法，通过分析医学影像提高传染病诊断的准确性 | 本研究首次将Hypersoft Set（HSS）与模糊上下文结合，利用多准则决策（MCDM）框架开发数学模型，用于从图像中识别潜在的传染病 | NA | 提高传染病诊断的准确性，并展示其在机器学习、深度学习和模式识别领域的广泛应用潜力 | 传染病及其在不同国家的独特挑战 | 机器学习 | NA | 多准则决策（MCDM）框架 | 数学模型 | 图像 | NA |
| 2059 | 2024-12-11 |
A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis
2025-Jan, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103031
PMID:39608042
|
研究论文 | 本文提出了一种基于多任务学习的U-Net模型，用于端到端的HEp-2细胞图像分析 | 本文的创新点在于提出了一种多任务学习的U-Net模型，能够同时处理细胞强度分类、细胞分割和模式分类三个相关任务 | NA | 本文的研究目的是开发一种能够同时处理多个相关任务的深度学习模型，以提高HEp-2细胞图像分析的诊断准确性 | 本文的研究对象是HEp-2细胞图像的强度分类、细胞分割和模式分类 | 计算机视觉 | 自身免疫性疾病 | 深度学习 | U-Net | 图像 | 本文使用了最大的公开HEp-2图像数据集之一进行实验 |
| 2060 | 2024-12-11 |
Exploring the Mechanisms of Sanguinarine in the Treatment of Osteoporosis by Integrating Network Pharmacology Analysis and Deep Learning Technology
2025, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本研究通过整合网络药理学分析和深度学习技术，探索血根碱在治疗骨质疏松中的分子机制 | 本研究首次将网络药理学分析与深度学习技术结合，揭示血根碱在治疗骨质疏松中的潜在靶点和分子机制 | 本研究主要基于数据库预测和体外细胞实验，缺乏体内实验验证 | 揭示血根碱在治疗骨质疏松中的分子机制 | 血根碱在治疗骨质疏松中的潜在靶点和分子机制 | 生物信息学 | 骨质疏松 | 网络药理学分析、深度学习技术、分子对接、基因集变异分析 | DeepPurpose算法 | 基因表达数据 | 前成骨细胞MC3T3-E1细胞 |