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 3544 篇文献，本页显示第 2561 - 2580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2561 | 2025-03-02 |
Advancing antibiotic discovery with bacterial cytological profiling: a high-throughput solution to antimicrobial resistance
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1536131
PMID:40018674
|
综述 | 本文综述了细菌细胞学分析（BCP）作为一种快速、可扩展且成本效益高的方法，用于识别抗生素作用机制，并探讨其在抗生素发现中的应用 | 介绍了BCP在药物发现中的潜力，特别是通过识别spirohexenolide A对耐甲氧西林金黄色葡萄球菌的细胞靶点，展示了其创新性 | 讨论了BCP的优势、局限性及潜在改进方向，并指出某些病原体的细胞学特征尚未被研究 | 推动抗生素发现，以应对抗菌素耐药性（AMR）这一全球健康威胁 | 不同细菌生物和不同类别的抗生素 | 数字病理学 | 抗菌素耐药性 | 细菌细胞学分析（BCP） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2562 | 2025-03-01 |
Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs
2025-Jan-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020134
PMID:40001654
|
研究论文 | 本研究开发了一种基于深度学习的辅助诊断系统，用于牙科全景X光片中牙源性鼻窦炎的精确诊断 | 结合了多种深度学习模型，并融合了常见的对比度受限自适应直方图均衡化、最小-最大归一化和RGB映射方法，显著提高了诊断准确性 | 未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 开发一种辅助牙医精确诊断牙源性鼻窦炎的AI系统 | 牙科全景X光片中的牙源性鼻窦炎 | 计算机视觉 | 牙源性鼻窦炎 | 深度学习 | YOLO 11n, YOLOv8n-cls | 图像 | NA | NA | NA | NA | NA |
| 2563 | 2025-03-01 |
FDoSR-Net: Frequency-Domain Informed Auto-Encoder Network for Arbitrary-Scale 3D Whole-Heart MRI Super-Resolution
2025-Jan-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020129
PMID:40001649
|
研究论文 | 本文旨在开发一种三维超分辨率网络，用于执行任意比例的三维全心磁共振成像超分辨率，同时保持精细的图像细节 | 提出了一种利用频域正则化训练的3D自编码器框架，能够在训练中保持精细图像细节，并实现任意比例的超分辨率 | NA | 开发一种能够执行任意比例三维全心磁共振成像超分辨率的网络 | 三维全心磁共振成像 | 计算机视觉 | 心血管疾病 | NA | 3D自编码器 | 三维磁共振成像 | 120个三维全心磁共振成像体积，使用四种不同的序列获取 | NA | NA | NA | NA |
| 2564 | 2025-03-01 |
Anatomically Guided Deep Learning System for Right Internal Jugular Line (RIJL) Segmentation and Tip Localization in Chest X-Ray
2025-Jan-29, Life (Basel, Switzerland)
DOI:10.3390/life15020201
PMID:40003610
|
研究论文 | 本研究提出了一种结合解剖学标志分割、RIJL分割网络和后处理功能的深度学习系统，用于在胸部X光图像中准确分割右颈内静脉导管（RIJL）并定位其尖端 | 通过整合解剖学知识和空间推理，利用气管作为解剖学标志提取与RIJL最相关的子区域，从而提高了分割和尖端定位的准确性 | NA | 开发一种自动化深度学习系统，以减少临床医生在胸部X光图像中检查右颈内静脉导管（RIJL）放置的工作量 | 右颈内静脉导管（RIJL）在胸部X光图像中的分割和尖端定位 | 计算机视觉 | NA | 深度学习 | nnU-Net | 图像 | NA | NA | NA | NA | NA |
| 2565 | 2025-03-01 |
Deep Learning-Enhanced Portable Chemiluminescence Biosensor: 3D-Printed, Smartphone-Integrated Platform for Glucose Detection
2025-Jan-27, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020119
PMID:40001639
|
研究论文 | 本文介绍了一种新型便携式化学发光生物传感器平台，结合深度学习和智能手机集成，用于葡萄糖检测 | 该平台采用低成本蜡印微垫和3D打印黑盒，替代传统笨重设备，并通过深度学习模型显著提升检测性能 | NA | 开发一种成本效益高且选择性强的葡萄糖检测平台 | 葡萄糖 | 生物传感 | NA | 化学发光（CL）传感 | Random Forest, SVM, InceptionV3, VGG16, ResNet-50 | 图像 | 600张实验化学发光图像，其中80%用于模型训练，20%用于测试 | NA | NA | NA | NA |
| 2566 | 2025-03-01 |
CLTNet: A Hybrid Deep Learning Model for Motor Imagery Classification
2025-Jan-27, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15020124
PMID:40002457
|
研究论文 | 本文提出了一种名为CLTNet的混合深度学习模型，用于改进基于脑电图（EEG）的运动想象（MI）分类 | CLTNet模型创新性地结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和Transformer模块，以更全面地理解运动想象期间EEG信号的特征 | NA | 改进基于EEG的运动想象分类，以促进脑机接口（BCI）技术的应用 | 运动想象EEG信号 | 机器学习 | NA | NA | CNN, LSTM, Transformer | EEG信号 | BCI IV 2a和BCI IV 2b数据集 | NA | NA | NA | NA |
| 2567 | 2025-03-01 |
A Robust Method for Real Time Intraoperative 2D and Preoperative 3D X-Ray Image Registration Based on an Enhanced Swin Transformer Framework
2025-Jan-26, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020114
PMID:40001635
|
研究论文 | 本文提出了一种基于增强Swin Transformer框架的实时术中2D和术前3D X射线图像配准方法，用于图像引导手术中的病灶定位 | 采用双通道Swin Transformer特征提取器，结合注意力机制和特征金字塔，提高了2D X射线和3D CT图像配准的速度和精度 | NA | 提高图像引导手术中2D X射线和3D CT图像配准的准确性和效率 | 术中2D X射线图像和术前3D CT图像 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 来自开源数据集的三个不同感兴趣区域 | NA | NA | NA | NA |
| 2568 | 2025-03-01 |
Predicting Epileptic Seizures Using EfficientNet-B0 and SVMs: A Deep Learning Methodology for EEG Analysis
2025-Jan-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020109
PMID:40001629
|
研究论文 | 本研究提出了一种结合EfficientNet-B0卷积神经网络和六种支持向量机（SVM）集成投票机制的框架，用于癫痫发作预测 | 该框架首次将EfficientNet-B0与SVM集成结合，利用归一化短时傅里叶变换（STFT）和通道相关性特征从EEG信号中提取频谱和空间信息，提高了预测的准确性和鲁棒性 | 研究仅在CHB-MIT数据集上进行了验证，未在其他数据集上测试其泛化能力 | 开发一种高效的癫痫发作预测方法，以改善癫痫患者的管理和干预时机 | 癫痫患者的EEG信号 | 机器学习 | 癫痫 | 短时傅里叶变换（STFT） | EfficientNet-B0, SVM | EEG信号 | CHB-MIT数据集 | NA | NA | NA | NA |
| 2569 | 2025-03-01 |
A Future Picture: A Review of Current Generative Adversarial Neural Networks in Vitreoretinal Pathologies and Their Future Potentials
2025-Jan-24, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020284
PMID:40002698
|
综述 | 本文回顾了当前生成对抗网络（GANs）在玻璃体视网膜病变中的应用及其未来潜力 | 探讨了GANs在眼科领域的应用，特别是其在提高诊断准确性、扩展成像技术能力及预测治疗反应方面的潜力 | 当前GAN模型在可靠性和准确性方面面临挑战 | 探索GANs在视网膜疾病诊断和治疗监测中的临床应用 | 玻璃体视网膜病变 | 计算机视觉 | 视网膜疾病 | 生成对抗网络（GANs） | GAN | 图像 | NA | NA | NA | NA | NA |
| 2570 | 2025-03-01 |
Segmentation of ADPKD Computed Tomography Images with Deep Learning Approach for Predicting Total Kidney Volume
2025-Jan-22, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020263
PMID:40002677
|
研究论文 | 本文提出了一种基于深度学习的框架，用于自动分割ADPKD患者的CT图像以预测总肾脏体积（TKV） | 开发了一个逐步框架，能够稳健处理非增强CT（NCCT）和增强CT（CCT）图像，确保样本利用的平衡和跨模态的一致性表现 | 缺乏对CT模态变化的深入研究 | 通过自动分割ADPKD患者的CT图像来预测总肾脏体积（TKV） | ADPKD患者的CT图像 | 计算机视觉 | 肾脏疾病 | 深度学习 | SSD, Inception V2, DeepLab V3+ | CT图像 | NA | NA | NA | NA | NA |
| 2571 | 2025-03-01 |
TSF-MDD: A Deep Learning Approach for Electroencephalography-Based Diagnosis of Major Depressive Disorder with Temporal-Spatial-Frequency Feature Fusion
2025-Jan-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020095
PMID:40001616
|
研究论文 | 本文提出了一种名为TSF-MDD的深度学习方法，用于基于脑电图（EEG）的重度抑郁症（MDD）诊断，通过融合时间、空间和频率域信息来提高诊断准确性和效率 | TSF-MDD方法首次将时间、空间和频率域信息整合到一个四维表示中，并使用3D-CNN和CapsNet模型进行跨域特征提取，同时采用独立于受试者的数据划分策略以避免数据泄露 | 尽管TSF-MDD在Mumtaz2016数据集上表现出色，但其在其他数据集上的泛化能力仍需进一步验证 | 开发一种自动化诊断系统，以提高重度抑郁症的诊断准确性和效率 | 重度抑郁症（MDD）患者 | 机器学习 | 重度抑郁症 | 脑电图（EEG） | 3D-CNN, CapsNet | EEG信号 | Mumtaz2016公共数据集 | NA | NA | NA | NA |
| 2572 | 2025-03-01 |
Deep Learning-Based Drug Compounds Discovery for Gynecomastia
2025-Jan-21, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020262
PMID:40002676
|
研究论文 | 本研究利用基于深度学习的计算方法发现潜在的男性乳房发育症药物化合物 | 结合文本挖掘和人工智能在药物发现中的有效性，为男性乳房发育症提供新的治疗途径 | 需要进一步的实验验证和预测模型的优化以支持新药开发 | 发现男性乳房发育症的潜在药物化合物 | 男性乳房发育症相关基因和药物化合物 | 机器学习 | 男性乳房发育症 | 文本挖掘、生物过程探索、通路富集、蛋白质-蛋白质相互作用网络构建、药物-靶点相互作用分析 | DeepPurpose | 基因数据、药物数据 | 177个与男性乳房发育症相关的基因 | NA | NA | NA | NA |
| 2573 | 2025-03-01 |
Artificial Intelligence in the Surgery-First Approach: Harnessing Deep Learning for Enhanced Condylar Reshaping Analysis: A Retrospective Study
2025-Jan-21, Life (Basel, Switzerland)
DOI:10.3390/life15020134
PMID:40003543
|
研究论文 | 本研究利用人工智能和深度学习技术，分析手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中的髁突行为，评估其效果 | 首次将深度学习和卷积神经网络（CNN）应用于髁突形态的快速、精确分析，显著减少了分割时间 | 研究为回顾性分析，样本量相对较小（77例患者），且仅在一家医院进行，可能影响结果的普遍性 | 评估手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中对髁突形态的影响 | 77名接受正颌手术的患者（18名SFA，59名SLA） | 数字病理 | NA | 锥形束计算机断层扫描（CBCT） | 卷积神经网络（CNN） | 3D图像 | 77名患者（18名SFA，59名SLA） | NA | NA | NA | NA |
| 2574 | 2025-03-01 |
Unifying fragmented perspectives with additive deep learning for high-dimensional models from partial faceted datasets
2025, NPJ biological physics and mechanics
DOI:10.1038/s44341-025-00009-3
PMID:40012561
|
研究论文 | 本文提出了一种机器学习方法，通过整合分面数据子集来重建系统的完整视图，使用条件分布进行建模 | 提出了一种结合多项式回归和神经网络模型的方法，能够从部分数据集中成功重建系统，并随着测量变量的增加提高预测准确性 | 方法仅在机械弹簧网络和8维生物网络的两个示例中进行了验证，尚未在更广泛的生物系统中测试 | 旨在通过整合分面数据子集，重建复杂生物系统的完整视图，以量化分子元素对生物功能的贡献 | 机械弹簧网络和涉及衰老标志物P53的8维生物网络 | 机器学习 | NA | 多项式回归和神经网络 | 多项式回归模型和神经网络模型 | 单细胞数据 | NA | NA | NA | NA | NA |
| 2575 | 2025-03-01 |
MAEMC-NET: a hybrid self-supervised learning method for predicting the malignancy of solitary pulmonary nodules from CT images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1507258
PMID:40012977
|
研究论文 | 本文提出了一种名为MAEMC-NET的深度学习模型，用于从CT图像中预测孤立性肺结节的恶性程度 | MAEMC-NET结合了生成式（Masked AutoEncoder）和对比式（Momentum Contrast）自监督学习方法，以学习CT图像中孤立性结节的内部和相互间的表示 | 研究仅涉及494名患者，样本量相对较小 | 解决肺肉芽肿性结节（PGN）与实性肺腺癌（SLA）在CT形态特征上的相似性，提高术前诊断的准确性 | 孤立性肺结节 | 计算机视觉 | 肺癌 | CT成像 | MAEMC-NET（结合Masked AutoEncoder和Momentum Contrast） | CT图像 | 494名患者 | NA | NA | NA | NA |
| 2576 | 2025-03-01 |
MRpoxNet: An enhanced deep learning approach for early detection of monkeypox using modified ResNet50
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251320726
PMID:40013075
|
研究论文 | 本文介绍了一种增强的深度学习模型MRpoxNet，基于改进的ResNet50架构，用于从数字皮肤病变图像中早期检测猴痘 | MRpoxNet通过扩展ResNet50的层数并引入额外的卷积、ReLU、dropout和批量归一化层，提高了诊断准确性和临床可靠性 | 未来需要进一步扩展数据集并增强模型对多样化临床场景的多模态适应性 | 开发一种高效的深度学习模型，用于早期检测猴痘 | 数字皮肤病变图像 | 计算机视觉 | 猴痘 | 深度学习 | 改进的ResNet50 | 图像 | 初始1156张图像，增强至6116张图像，分为猴痘、非猴痘和正常皮肤三类 | NA | NA | NA | NA |
| 2577 | 2025-02-28 |
An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion
2025-Jan-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27020136
PMID:40003132
|
研究论文 | 本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM | 提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度 | NA | 解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量 | 随机数熵源 | 机器学习 | NA | 快速傅里叶变换（FFT），软注意力机制 | FFT-ATT-LSTM | 随机序列数据 | NA | NA | NA | NA | NA |
| 2578 | 2025-02-28 |
Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization
2025-Jan-24, Entropy (Basel, Switzerland)
DOI:10.3390/e27020116
PMID:40003113
|
研究论文 | 本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力 | 提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征 | 模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据 | 通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作 | 中文社交媒体数据 | 自然语言处理 | NA | 深度学习 | DSI-BTCNN（双通道卷积神经网络） | 文本 | 定制数据集 | NA | NA | NA | NA |
| 2579 | 2025-02-28 |
Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning
2025-Jan, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233241303907
PMID:39726256
|
研究论文 | 开发深度学习模型从H&E染色切片直接识别大鼠脾脏淋巴区室 | 首次实现无需免疫组化的深度学习增强组织病理学方法，直接从H&E染色量化脾脏淋巴区室 | 目前仅应用于正常大鼠脾脏，尚未验证于病变组织或其他物种 | 开发免疫系统增强组织病理学的深度学习定量评估方法 | 大鼠脾脏组织 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 正常大鼠脾脏切片 | NA | NA | NA | NA |
| 2580 | 2025-02-28 |
Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1462636
PMID:40007740
|
研究论文 | 本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍 | 使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型 | 结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05） | 开发预测中年CSVD患者认知障碍的模型 | 145名CSVD患者和99名对照受试者 | 数字病理学 | 脑小血管病 | 深度学习、放射组学 | Unet、LASSO | 影像数据 | 244名受试者（145名CSVD患者和99名对照） | NA | NA | NA | NA |