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 2701 - 2720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2701 | 2025-02-12 |
The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation
2025-Jan, Cureus
DOI:10.7759/cureus.77135
PMID:39925585
|
系统综述 | 本文系统综述了人工智能在心房颤动（AF）风险预测、监测和管理中的应用 | 首次全面评估了人工智能与心房颤动的交叉领域，并总结了AI在AF风险预测、监测和管理中的具体应用 | AI工具的可靠性和一致性因数据异质性和方法学不一致性而存在差异，需要标准化、标记的数据集和前瞻性临床试验的验证 | 评估人工智能在心房颤动检测和管理中的有效性 | 心房颤动（AF） | 机器学习 | 心血管疾病 | 机器学习模型，包括AI-ECG方法 | 最优时变机器学习模型，观察性医疗结果伙伴关系通用数据模型 | 医疗数据 | 39项符合纳入标准的研究，其中19项研究关注AF风险预测，20项研究关注监测和管理 | NA | NA | NA | NA |
| 2702 | 2025-02-12 |
Stochasticity as a solution for overfitting-A new model and comparative study on non-invasive EEG prospects
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1484470
PMID:39925722
|
研究论文 | 本研究评估了多种机器学习和深度学习模型在公开数据集上的表现，提出了一种新的分类器BruteExtraTree以解决过拟合问题 | 提出了一种新的分类器BruteExtraTree，该分类器通过继承其基础模型ExtraTreeClassifier的中等随机性来有效解决过拟合问题 | 在独立于受试者的情况下，尽管新模型表现优异，但仍需大幅改进数据记录或噪声去除方法以提高实用性 | 开发实用的脑机接口（BCI）应用，特别是针对内部语音信号的处理 | 内部语音信号 | 机器学习 | NA | 机器学习和深度学习模型 | BruteExtraTree, ShallowFBCSPNet | EEG信号 | 公开数据集 | NA | NA | NA | NA |
| 2703 | 2025-02-12 |
Digital pathology and artificial intelligence in renal cell carcinoma focusing on feature extraction: a literature review
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1516264
PMID:39926279
|
review | 本文综述了数字病理学（DP）和人工智能（AI）在肾细胞癌（RCC）中的应用，特别是在特征提取方面的研究进展 | 本文填补了DP和AI在RCC中应用研究的综述空白，并展示了深度学习模型在RCC亚型分类、分子预测和生存预测中的高准确率 | 本文主要基于现有文献进行综述，未涉及新的实验数据或模型开发 | 探讨DP和AI在RCC中的应用，特别是在特征提取方面的潜力 | 肾细胞癌（RCC）的病理图像和分子数据 | 数字病理学 | 肾细胞癌 | 深度学习 | 深度学习模型 | 病理图像 | NA | NA | NA | NA | NA |
| 2704 | 2025-02-12 |
Deep learning-assisted diagnosis of acute mesenteric ischemia based on CT angiography images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1510357
PMID:39926426
|
研究论文 | 本研究旨在开发一种基于CT血管造影（CTA）影像和临床数据的深度学习模型，用于诊断急性肠系膜缺血（AMI） | 结合CTA影像和临床信息构建融合模型，显著提高了AMI的诊断准确性和效率 | 研究为回顾性研究，样本量相对较小（228例患者） | 开发一种深度学习模型，用于诊断急性肠系膜缺血（AMI） | 228例疑似AMI的患者 | 数字病理学 | 急性肠系膜缺血 | CT血管造影（CTA） | 深度学习模型 | 影像和临床数据 | 228例患者 | NA | NA | NA | NA |
| 2705 | 2025-02-12 |
A comparative analysis of the binary and multiclass classified chest X-ray images of pneumonia and COVID-19 with ML and DL models
2025, Open medicine (Warsaw, Poland)
DOI:10.1515/med-2024-1110
PMID:39927166
|
研究论文 | 本文比较了机器学习和深度学习模型在胸部X光图像上对肺炎和COVID-19进行二分类和多分类的性能 | 使用ConvMixer模型在COVID-19和肺炎的分类任务中取得了最佳性能，并与其他模型进行了比较 | 研究结果在其他胸部X光图像数据库上的性能尚未充分验证 | 研究机器学习（ML）和深度学习（DL）模型在胸部X光图像上对COVID-19、肺炎（病毒性和细菌性）以及正常病例的分类性能 | 胸部X光图像 | 计算机视觉 | COVID-19, 肺炎 | 图像分类 | K-近邻, 逻辑回归, Visual Geometry Group-19, Vision transformer, ConvMixer | 图像 | NA | NA | NA | NA | NA |
| 2706 | 2025-02-12 |
New rectum dose surface mapping methodology to identify rectal subregions associated with toxicities following prostate cancer radiotherapy
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100701
PMID:39927213
|
研究论文 | 本文提出了一种新的直肠剂量表面映射方法，用于识别与前列腺癌放疗后毒性相关的直肠亚区域 | 开发了一种标准化直肠轮廓并将其展开为2D圆柱表面图的方法，以识别与毒性相关的直肠亚区域 | 仅分析了1,048名患者的数据，且仅发现下后部区域与毒性显著相关 | 研究前列腺癌放疗后直肠毒性与剂量分布的关系 | 1,048名前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习自动分割，圆柱映射，体素分析 | NA | 医学影像数据 | 1,048名前列腺癌患者 | NA | NA | NA | NA |
| 2707 | 2025-10-07 |
Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence
2025-Jan-31, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143150
PMID:39923522
|
研究论文 | 本研究使用深度学习算法和可解释人工智能技术通过海鲷鱼眼和鳃图像预测其新鲜度质量 | 首次结合多种CNN架构与可解释AI技术(Grad-CAM和LIME)进行海鲷新鲜度无损检测 | 研究仅针对冰箱储存条件下的海鲷，未涉及其他储存条件或鱼类品种 | 开发基于图像分析的海鲷新鲜度无损检测方法 | 海鲷(Sparus aurata)的眼部和鳃部图像 | 计算机视觉 | NA | 图像采集 | CNN, DenseNet121, Inception V3, ResNet50 | 图像 | NA | NA | CNN, DenseNet121, Inception V3, ResNet50 | 准确率, 混淆矩阵 | NA |
| 2708 | 2025-10-07 |
An interpretable hybrid machine learning approach for predicting three-month unfavorable outcomes in patients with acute ischemic stroke
2025-Jan-22, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105807
PMID:39923294
|
研究论文 | 开发可解释的混合机器学习模型预测急性缺血性脑卒中患者三个月不良结局 | 结合25种机器学习模型和14种评估指标进行聚类分析，通过集成建模和SHAP可解释性分析构建预测平台 | 仅使用731例训练数据，临床变量数量有限（30个） | 预测急性缺血性脑卒中患者三个月不良结局 | 急性缺血性脑卒中患者 | 机器学习 | 脑血管疾病 | 机器学习，深度学习 | XGBoost, CatBoost, 集成模型 | 临床数据 | 训练集731例，内部验证集1045例，外部验证集411例 | NA | 集成学习架构 | PRAUC, ROCAUC, 特异性, 平衡准确率, MCC | NA |
| 2709 | 2025-10-07 |
Virtual Gram staining of label-free bacteria using dark-field microscopy and deep learning
2025-Jan-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ads2757
PMID:39772690
|
研究论文 | 利用暗场显微镜和深度学习对无标记细菌进行虚拟革兰氏染色 | 通过训练神经网络将未染色细菌的暗场图像数字转换为匹配亮场图像对比度的革兰氏染色等效图像，无需传统化学染色步骤 | NA | 开发一种替代传统革兰氏染色的虚拟染色方法 | 无标记细菌样本 | 计算机视觉 | NA | 暗场显微镜 | 神经网络 | 图像 | NA | NA | NA | 染色准确度 | NA |
| 2710 | 2025-10-07 |
Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction
2025-Jan, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03461-5
PMID:39316090
|
研究论文 | 本研究评估基于深度学习的加速3D T1加权MRI扫描在脑体积测量中的可行性和可靠性 | 首次系统评估深度学习重建方法在不同加速水平(65%-75%欠采样)下对脑体积测量的可靠性 | 样本量相对较小(共90名参与者)，仅使用3T MRI设备 | 探索深度学习加速MRI扫描在脑萎缩定量评估中的临床应用价值 | 人脑3D T1加权MRI图像 | 医学影像分析 | 脑萎缩相关疾病 | 3D T1加权MRI, 深度学习重建 | 深度学习重建模型 | 医学影像(DICOM) | 90名参与者(42名模拟加速数据集, 48名验证数据集) | NA | NA | ICC, R2, 定量误差指标 | NA |
| 2711 | 2025-10-07 |
An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models
2025-Jan, Environmental science and pollution research international
DOI:10.1007/s11356-024-35764-8
PMID:39800837
|
研究论文 | 比较分析机器学习、深度学习和统计模型在预测全球四大污染区域每日CO2排放量方面的性能 | 首次系统比较14种不同模型在每日CO2排放预测中的表现，并引入差分技术和集成方法提升模型性能 | 仅涵盖四大污染区域（中国、印度、美国和欧盟27国及英国），且深度学习模型计算资源需求较高 | 评估不同模型在每日CO2排放预测中的准确性和适用性 | 全球四大污染区域的每日CO2排放数据 | 机器学习 | NA | 时间序列分析 | 统计模型,机器学习模型,深度学习模型 | 时间序列数据 | 2022年1月1日至2023年9月30日的每日CO2排放数据 | NA | ARMA,ARIMA,SARMA,SARIMA,SVM,RF,GB,ANN,GRU,LSTM,BILSTM,CNN-RNN混合模型 | R平方,MAE,RMSE,MAPE | NA |
| 2712 | 2025-10-07 |
Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.017001
PMID:39916991
|
研究论文 | 本研究开发了一种基于深度学习的超声弹性成像方法，用于从超声测量的位移场中重建弹性模量空间分布 | 采用数据驱动的深度学习模型替代传统逆问题求解方法，通过模拟数据训练网络，避免了传统方法计算量大和对噪声敏感的问题 | 模拟数据的多样性和代表性对模型泛化能力有重要影响，需要确保模拟数据能充分覆盖真实场景的变异性 | 开发并验证一种用于超声弹性成像逆问题求解的深度学习方法 | 超声弹性成像中的弹性模量分布重建 | 医学影像分析 | NA | 超声弹性成像 | 深度学习 | 超声位移场数据 | 模拟数据、体模实验数据和临床数据 | NA | U-Net | 均方误差(MSE), 平均绝对百分比误差(MAPE), 模量比, 对比度噪声比 | NA |
| 2713 | 2025-10-07 |
Multi-dimensional perceptual recognition of tourist destination using deep learning model and geographic information system
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318846
PMID:39919101
|
研究论文 | 本研究提出了一种结合深度学习模型和地理信息系统的旅游目的地多维感知识别方法 | 整合多种用户生成内容数据，采用改进的Inception V3模型、带多头注意力的双向长短期记忆网络和GIS技术，提出渐进式维度组合方法 | 仅以中国大同市作为实验案例，未在其他地区验证方法的普适性 | 实现旅游目的地的精确感知识别，支持目的地管理决策和旅游推荐 | 旅游目的地感知特征，包括内容、情感和时空维度 | 计算机视觉,自然语言处理,地理信息系统 | NA | 用户生成内容分析,地理信息系统技术 | CNN,LSTM | 图像,文本,时空信息 | 包含图像、文本和时空信息的综合UGC数据集 | NA | Inception V3,BiLSTM | 准确率 | NA |
| 2714 | 2025-10-07 |
Advanced retinal disease detection from OCT images using a hybrid squeeze and excitation enhanced model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318657
PMID:39919140
|
研究论文 | 提出一种融合SE模块的混合模型，用于从OCT图像中检测视网膜疾病 | 将Squeeze-and-Excitation模块与EfficientNetB0和Xception架构相结合，增强网络表征能力 | NA | 开发基于人工智能的视网膜疾病自动诊断系统 | 糖尿病黄斑水肿、玻璃膜疣和脉络膜新生血管等视网膜疾病 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | CNN | 图像 | UCSD和Duke两个OCT数据集 | NA | EfficientNetB0,Xception | 准确率 | NA |
| 2715 | 2025-10-07 |
Subject-Based Transfer Learning in Longitudinal Multiple Sclerosis Lesion Segmentation
2025 Jan-Feb, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.70024
PMID:39923192
|
研究论文 | 提出两种基于迁移学习的纵向多发性硬化病灶分割方法，通过针对每个受试者的个性化微调提高分割性能 | 提出基于受试者的迁移学习管道，利用每个受试者的首次扫描微调模型，提高后续扫描的分割性能 | 需要每个受试者的首次扫描作为训练数据，可能增加数据收集成本 | 提高纵向多发性硬化研究中病灶分割的准确性和一致性 | 多发性硬化患者的磁共振成像数据 | 医学影像分析 | 多发性硬化 | 磁共振成像 | 深度学习模型 | 医学影像 | 937名多发性硬化患者，共3210次扫描 | NA | NA | Dice系数, 敏感度, 平均体积差异 | NA |
| 2716 | 2025-10-07 |
Targeting protein-ligand neosurfaces with a generalizable deep learning tool
2025-Jan-15, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08435-4
PMID:39814890
|
研究论文 | 开发了一种基于几何深度学习的计算工具，用于设计靶向蛋白质-配体复合物新表面的蛋白质 | 首次将仅基于蛋白质训练的分子表面指纹应用于小分子诱导产生的新表面，展示了在其他深度学习方法中不常见的泛化能力 | 仅在三种药物-蛋白质复合物(Bcl2-venetoclax、DB3-progesterone、PDF1-actinonin)上进行了实验验证 | 设计能够靶向蛋白质-配体复合物新表面的蛋白质，扩展化学诱导蛋白质相互作用的计算工具 | 蛋白质-配体复合物形成的新表面 | 机器学习 | NA | 几何深度学习 | 深度学习 | 分子表面表示 | 三种药物-蛋白质复合物系统 | NA | NA | 亲和力、特异性 | NA |
| 2717 | 2025-10-07 |
Assessment of hard tissue changes after horizontal guided bone regeneration with the aid of deep learning CBCT segmentation
2025-Jan-13, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-024-06136-w
PMID:39804427
|
研究论文 | 本研究开发基于SegResNet的深度学习模型用于CBCT扫描分割，以评估下颌水平引导骨再生后的硬组织变化 | 首次将SegResNet深度学习模型应用于下颌水平引导骨再生前后的CBCT扫描分割，实现硬组织变化的自动评估 | 训练数据库规模有限（70个CBCT扫描），需要进一步扩大以提高模型鲁棒性 | 评估深度学习模型在分割下颌水平引导骨再生前后CBCT扫描中的性能 | 接受下颌水平引导骨再生治疗的患者 | 医学影像分析 | 颌骨缺损 | 锥形束计算机断层扫描（CBCT） | 深度学习 | 医学影像（CBCT扫描） | 70个CBCT扫描用于训练，10对术前术后CBCT扫描用于测试 | NA | SegResNet | Dice相似系数（DSC）, 交并比（IoU）, 豪斯多夫距离（HD95）, 体积比较 | NA |
| 2718 | 2025-10-07 |
Deep learning predicts DNA methylation regulatory variants in specific brain cell types and enhances fine mapping for brain disorders
2025-Jan-03, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn1870
PMID:39742481
|
研究论文 | 开发基于Transformer的深度学习模型INTERACT，用于预测特定脑细胞类型中影响DNA甲基化的调控变异 | 首次利用Transformer深度学习模型预测脑细胞类型特异性DNA甲基化调控变异 | NA | 识别脑细胞类型特异性DNA甲基化调控变异，增强脑部疾病的精细定位 | 人类大脑单核DNA甲基化数据 | 机器学习 | 脑部疾病 | 单核DNA甲基化测序 | Transformer | DNA甲基化数据 | NA | NA | Transformer | AUC | NA |
| 2719 | 2025-10-07 |
Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review
2025-Jan-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae055
PMID:39563454
|
系统综述 | 系统回顾人工智能在颞下颌关节MRI图像评估中的应用现状 | 首次系统总结AI在颞下颌关节MRI评估中的性能证据，重点关注关节盘评估和内部紊乱诊断 | 研究间存在高度异质性，特别是患者选择方面，需要更多多样化和多中心数据验证 | 评估人工智能算法在颞下颌关节MRI图像分析中的诊断性能 | 颞下颌关节MRI图像中的关节盘位置和内部紊乱 | 医学影像分析 | 颞下颌关节疾病 | MRI | CNN | MRI图像 | 13项研究 | NA | 基于CNN的模型 | 准确率 | NA |
| 2720 | 2025-10-07 |
Physical-aware model accuracy estimation for protein complex using deep learning method
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.01.017
PMID:39916698
|
研究论文 | 提出一种物理感知的深度学习方法DeepUMQA-PA，用于评估蛋白质复合物模型的残基水平质量 | 首次将基于Voronoi剖分的接触面积和方向特征用于蛋白质复合物质量评估，结合几何特征、蛋白质语言模型嵌入和知识统计势能特征 | 方法在柔性蛋白质评估方面表现优异，但未明确说明对其他类型蛋白质复合物的适用性限制 | 开发独立于预测方法的蛋白质复合物模型质量评估方法 | 蛋白质复合物结构模型 | 生物信息学 | NA | 深度学习，Voronoi剖分 | 图神经网络，CNN | 蛋白质结构数据 | CASP15测试集 | NA | 图神经网络，ResNet | Pearson相关系数，Spearman相关系数，MAE | NA |