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 3218 篇文献，本页显示第 2261 - 2280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2261 | 2025-10-07 |
TGF-Net: Transformer and gist CNN fusion network for multi-modal remote sensing image classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316900
PMID:39970154
|
研究论文 | 提出融合Transformer和Gist CNN的多模态遥感图像分类网络TGF-Net | 结合Transformer和CNN优势，设计特征重建模块处理多模态数据冗余，分别针对高光谱图像和合成孔径雷达图像特性设计专用特征提取模块 | 仅在两个HSI和SAR数据集上验证，未涉及其他多模态遥感数据类型 | 解决多模态遥感数据分类挑战 | 地球表面材料的分类与识别 | 计算机视觉 | NA | 遥感成像技术 | Transformer, CNN | 多模态遥感图像（高光谱图像HSI，合成孔径雷达图像SAR） | 两个包含HSI和SAR数据的数据集 | NA | TGF-Net, 包含特征重建模块FRM、基于Transformer的光谱特征提取模块TSFEM、基于Gist的空间特征提取模块GSFEM | NA | NA |
| 2262 | 2025-10-07 |
Coal and gas outburst prediction based on data augmentation and neuroevolution
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317461
PMID:39977390
|
研究论文 | 提出基于数据增强和神经进化算法的煤与瓦斯突出风险预测方法ANEAT | 结合点对点强度变换的数据增强和神经进化算法，解决样本不平衡和多样性不足问题 | NA | 实现煤与瓦斯突出风险的高效准确预测 | 煤矿生产中的煤与瓦斯突出灾害 | 机器学习 | NA | 数据增强，特征重要性评分排序，稀疏主成分分析 | 进化神经网络 | 煤矿特征参数数据 | NA | NA | ANEAT（基于增强神经进化的拓扑结构） | MAE, RMSE, EVAR | NA |
| 2263 | 2025-10-07 |
Virtual staining from bright-field microscopy for label-free quantitative analysis of plant cell structures
2025-Jan-31, Plant molecular biology
IF:3.9Q1
DOI:10.1007/s11103-025-01558-w
PMID:39885095
|
研究论文 | 本研究开发了一种基于深度学习模型的虚拟染色方法，可从明场显微镜图像中无标记定量分析植物细胞结构 | 首次将深度学习虚拟染色技术应用于植物细胞结构分析，实现了无需荧光标记的细胞形态定量测量 | 方法仍存在一些局限性，但未在摘要中具体说明 | 开发无标记定量分析植物细胞结构的虚拟染色方法 | 烟草BY-2细胞、拟南芥铺面细胞、伊乐藻叶绿体 | 计算机视觉 | NA | 明场显微镜、荧光染色 | 深度学习模型 | 显微镜图像 | 烟草BY-2细胞、拟南芥野生型和bpp125三重突变体、伊乐藻 | NA | NA | 细胞面积、圆形度、密实度 | NA |
| 2264 | 2025-10-07 |
KaMLs for Predicting Protein pK a Values and Ionization States: Are Trees All You Need?
2025-Jan-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.09.622800
PMID:39605739
|
研究论文 | 开发基于决策树和图注意力网络的KaML模型，用于准确预测蛋白质pKa值和电离状态 | 提出酸和碱分别处理、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练等创新方法 | 机器学习方法受到实验数据稀缺的限制 | 提高蛋白质电离状态预测的准确性，促进生物学理解和计算机辅助药物发现 | 蛋白质电离状态和pKa值 | 机器学习 | NA | 机器学习，数据增强 | 决策树，图注意力网络(GAT) | 蛋白质结构数据，实验pKa数据 | PKAD-3数据库中的实验数据 | NA | 决策树，图注意力网络 | pKa值预测准确度，电离状态分类准确度 | NA |
| 2265 | 2025-10-07 |
EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.07.631402
PMID:39829895
|
研究论文 | 开发了一种基于深度学习的自动分割模型EPISeg，用于在梯度回波平面成像数据上分割脊髓 | 首个专门针对梯度回波EPI图像的脊髓自动分割模型，对不同的采集协议和常见伪影具有鲁棒性 | NA | 改进脊髓功能磁共振成像数据的预处理分割流程 | 脊髓梯度回波平面成像数据 | 医学影像分析 | 神经系统疾病 | 功能磁共振成像，梯度回波平面成像 | 深度学习 | 医学影像 | 多中心数据集，具体数量未明确说明 | NA | NA | 分割质量 | NA |
| 2266 | 2025-10-07 |
CPI-Pred: A deep learning framework for predicting functional parameters of compound-protein interactions
2025-Jan-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.16.633372
PMID:39896624
|
研究论文 | 提出一个名为CPI-Pred的深度学习框架，用于预测化合物-蛋白质相互作用的功能参数 | 整合了新型消息传递神经网络生成的化合物表示和最先进蛋白质语言模型生成的酶表示，采用创新的序列池化和交叉注意力机制 | NA | 准确预测化合物-蛋白质相互作用的功能参数 | 酶和化合物的相互作用 | 机器学习 | NA | 深度学习 | 消息传递神经网络,蛋白质语言模型 | 氨基酸序列,化合物结构表示 | 迄今为止最大的酶动力学参数数据集 | NA | 消息传递神经网络,蛋白质语言模型 | NA | NA |
| 2267 | 2025-10-07 |
G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data
2025-Jan-09, Research square
DOI:10.21203/rs.3.rs-5776937/v1
PMID:39866874
|
研究论文 | 介绍G2PDeep-v2这一基于深度学习的网络平台，用于多组学数据的表型预测和生物标志物发现 | 开发了支持所有生物体（人类、植物、动物、病毒）的通用型深度学习网络平台，提供自动化超参数调优和可视化分析功能 | NA | 构建一个通用的深度学习框架，用于表型预测和生物标志物发现 | 所有生物体的多组学数据（包括人类、植物、动物和病毒） | 机器学习 | 复杂疾病 | 多组学数据分析 | 深度学习模型 | 多组学数据 | NA | NA | NA | NA | 高性能计算资源 |
| 2268 | 2025-10-07 |
Unlocking the power of AI for phenotyping fruit morphology in Arabidopsis
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae123
PMID:39937596
|
研究论文 | 本研究开发了一种基于深度学习的实例分割模型和流程，用于自动化表型拟南芥果实形态 | 首次将深度学习应用于多亲本高级世代杂交群体的果实形态表型分析，实现了大规模自动化表型测量 | 分割任务的精确度相对较低（55.9%），器官水平性状表型的精确性和适应性仍需进一步验证 | 评估深度学习在植物果实形态表型分析中的有效性，建立表型与基因型关联 | 拟南芥果实形态 | 计算机视觉 | NA | 图像表型分析 | 实例分割模型 | 图像 | 332,194个单独果实 | NA | NA | 平均精确度,检测精确度,分割精确度 | NA |
| 2269 | 2025-10-07 |
Deep learning in gonarthrosis classification: a comparative study of model architectures and single vs. multi-model methods
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1413820
PMID:39974355
|
研究论文 | 本研究比较了单模型和多模型深度学习方法在膝关节骨关节炎KL分级分类中的性能 | 首次系统比较单模型与多模型方法在KL分级中的效果，并评估七种CNN架构在四种不同任务中的表现 | 需要临床验证，未来应探索集成建模和更先进的数据增强技术 | 比较单模型和多模型深度学习方法在膝关节骨关节炎KL分级分类中的性能 | 膝关节前后位X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像，CLAHE对比度增强 | CNN | 图像 | 14,607张来自三家医院的标注膝关节X射线图像 | YOLOv5 | NfNet-F0/F1, EfficientNet-B0/B3, Inception-ResNet-v2, VGG16 | F1-score, 准确率 | NA |
| 2270 | 2025-10-07 |
Dynamic Visualization of Computer-Aided Peptide Design for Cancer Therapeutics
2025, Drug design, development and therapy
DOI:10.2147/DDDT.S497126
PMID:39974609
|
综述 | 通过文献计量学分析探讨计算机辅助肽设计在癌症治疗领域的研究现状、热点和未来趋势 | 首次采用文献计量学方法系统分析计算机辅助抗癌肽设计领域的发展脉络和研究热点 | 仅基于Web of Science数据库的1547篇文献，可能存在收录范围限制 | 探索计算机辅助肽设计在癌症治疗领域的研究现状和发展趋势 | 2006-2024年间计算机辅助抗癌肽设计相关的研究文献 | 生物信息学 | 癌症 | 文献计量分析,分子动力学模拟,分子对接,深度学习 | NA | 文献数据 | 1547篇相关出版物 | CiteSpace,VOSviewer,Bibliometrix,Origin | NA | NA | NA |
| 2271 | 2025-10-07 |
Research trends in livestock facial identification: a review
2025-Jan, Journal of animal science and technology
IF:2.7Q1
DOI:10.5187/jast.2025.e4
PMID:39974780
|
综述 | 本文综述了基于视频处理和卷积神经网络的动物面部识别技术在精准畜牧业中的应用 | 整合视频处理与CNN深度学习技术，实现动物生长估计、个体识别和行为监测的自动化 | NA | 探讨视频处理和CNN深度学习在畜牧业面部识别中的研究趋势和应用 | 牲畜动物 | 计算机视觉 | NA | 视频处理, 深度学习 | CNN | 视频数据 | NA | NA | NA | NA | NA |
| 2272 | 2025-10-07 |
Research progress of MRI-based radiomics in hepatocellular carcinoma
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1420599
PMID:39980543
|
综述 | 本文系统评估基于MRI影像组学在肝细胞癌诊疗中的研究进展与应用价值 | 首次系统综述2018-2025年间MRI影像组学在肝细胞癌多维度临床应用的最新进展 | 领域内方法可解释性不足，需要进一步验证研究 | 评估影像组学方法学并阐述MRI影像组学在肝细胞癌诊疗中的临床进展 | 肝细胞癌患者 | 数字病理 | 肝癌 | MRI影像组学 | 深度学习, 机器学习 | 医学影像 | 93篇文献的系统分析 | NA | NA | NA | NA |
| 2273 | 2025-10-07 |
A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1496820
PMID:39980546
|
研究论文 | 开发基于骨盆MR图像和临床特征的Transformer深度学习模型，用于预测直肠癌患者肺转移风险 | 首次将Transformer架构应用于直肠癌肺转移预测，并整合骨盆MR图像与临床特征 | 样本量相对有限（819例患者），仅使用单一医疗中心数据 | 开发准确预测直肠癌肺转移风险的深度学习模型 | 经组织学确认的直肠癌患者 | 计算机视觉 | 直肠癌 | 磁共振成像（MRI） | Transformer, CNN | 医学图像（T2WI和DWI MR图像） | 819例直肠癌患者 | NA | Transformer, ResNet18, EfficientNetb0, MobileNet, ShuffleNet, DenseNet | AUC, 灵敏度, 特异度, 准确率 | NA |
| 2274 | 2025-10-07 |
Machine learning-based myocardial infarction bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1477351
PMID:39981082
|
文献计量分析 | 通过文献计量学方法分析2008-2024年机器学习在心肌梗死领域的研究趋势和热点 | 首次系统分析机器学习在心肌梗死领域的文献计量特征，识别新兴研究方向和国际合作模式 | 仅基于Web of Science数据库的1036篇文献，可能存在收录偏差 | 探索机器学习在心肌梗死领域的研究趋势、热点和未来发展方向 | 2008-2024年间心肌梗死与机器学习相关的1036篇学术文献 | 机器学习 | 心肌梗死 | 文献计量分析 | NA | 文献元数据 | 1036篇出版物 | CiteSpace, Bibliometrix, VOSviewer | NA | 发文量、影响因子、被引频次 | NA |
| 2275 | 2025-10-07 |
Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1506363
PMID:39981086
|
研究论文 | 开发并验证了一种基于深度学习的肺栓塞风险预测模型PE-Mind | 使用卷积神经网络结合三个定制模块增强预测性能，开发了实时临床操作的Web服务器PulmoRiskAI | 未明确说明样本来源和数据收集的时间范围 | 开发精确高效的肺栓塞风险预测模型以改进现有临床工具的局限性 | 急性深静脉血栓形成患者 | 机器学习 | 肺栓塞 | 临床数据分析 | CNN | 临床特征数据 | NA | NA | 卷积神经网络,残差模块 | 准确率,AUC | NA |
| 2276 | 2025-10-07 |
Deep proximal gradient network for absorption coefficient recovery in photoacoustic tomography
2025-Jan-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada868
PMID:39788080
|
研究论文 | 提出一种基于深度学习的近端梯度网络方法，用于光声层析成像中光学吸收系数的恢复 | 首次将深度近端梯度下降机制应用于光声层析成像的光学反演问题，通过级联结构单元迭代更新吸收系数 | 仅通过模拟、体模实验和体内研究验证，尚未在临床大规模应用中测试 | 提高光声层析成像中定量恢复光学吸收系数的准确性和效率 | 生物组织的光学吸收特性 | 医学影像处理 | NA | 光声层析成像 | 深度学习 | 声学测量数据 | NA | NA | 级联结构单元网络 | 相对误差, 峰值信噪比, 结构相似性 | NA |
| 2277 | 2025-02-21 |
Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease
2025-Jan-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.13.25319967
PMID:39974027
|
研究论文 | 本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练 | 使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力 | 模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力 | 量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估 | 148名癌症患者的临床CT图像 | 数字病理学 | 脊柱转移性疾病 | CT成像 | 2D nnU-Net | 图像 | 148名癌症患者的2,009张轴向CT图像 | NA | NA | NA | NA |
| 2278 | 2025-02-20 |
Necessity and impact of specialization of large foundation model for medical segmentation tasks
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17470
PMID:39431952
|
研究论文 | 本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现 | 通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升 | 现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限 | 评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力 | 盆腔MR图像中的解剖结构 | 计算机视觉 | NA | 深度学习 | MedSAM, LiteMedSAM, nnU-Net | 图像 | 589张盆腔MR图像，80%用于训练，20%用于测试 | NA | NA | NA | NA |
| 2279 | 2025-02-20 |
Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S492163
PMID:39963324
|
研究论文 | 本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性 | 首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力 | 研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小 | 评估GANs在减少CMR电影序列中运动伪影方面的有效性 | 心脏磁共振（CMR）电影序列中的运动伪影 | 计算机视觉 | 心血管疾病 | 深度学习 | GAN | 图像 | 2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估 | NA | NA | NA | NA |
| 2280 | 2025-02-19 |
Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm
2025-Jan-24, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-882
PMID:39958220
|
研究论文 | 本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证 | 该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖 | 需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性 | 开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率 | 无大于8毫米非钙化实性肺结节的个体 | 计算机视觉 | 肺癌 | 低剂量胸部CT（LDCT） | 3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0） | 图像 | 训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体） | NA | NA | NA | NA |