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 3543 篇文献，本页显示第 3441 - 3460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3441 | 2024-12-17 |
Three-Dimensional Deep Learning Normal Tissue Complication Probability Model to Predict Late Xerostomia in Patients With Head and Neck Cancer
2025-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.07.2334
PMID:39147208
|
研究论文 | 本研究利用三维深度学习模型预测头颈部癌症患者放疗后晚期口干症的发生 | 本研究首次将三维辐射剂量分布、CT影像、危险器官分割和临床变量结合，通过深度学习模型提高晚期口干症的预测准确性 | 深度学习模型在外部验证集上的表现不如参考模型，需要多中心数据进行训练以提高泛化能力 | 改进头颈部癌症患者放疗后晚期口干症的预测模型 | 头颈部癌症患者放疗后晚期口干症的预测 | 机器学习 | 头颈部癌症 | 深度学习 | 深度卷积神经网络（EfficientNet-v2 和 ResNet） | 三维剂量分布、CT影像、危险器官分割、临床变量 | 1208名头颈部癌症患者 | NA | NA | NA | NA |
| 3442 | 2024-12-17 |
Deep learning can detect elbow disease in dogs screened for elbow dysplasia
2025-Jan, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.13465
PMID:39679734
|
研究论文 | 本研究开发并评估了一种卷积神经网络（CNN，EfficientNet）用于评估筛查肘关节发育不良的犬只的肘关节X光片 | 本研究开发了一种基于深度学习模型的自动裁剪工具RetinaNet进行X光片预处理，并使用可解释的人工智能分析来可视化CNN模型预测的重要区域 | 本研究为回顾性诊断准确性研究，未提及前瞻性验证 | 开发并评估一种卷积神经网络用于检测筛查肘关节发育不良的犬只的肘关节异常 | 筛查肘关节发育不良的犬只的肘关节X光片 | 计算机视觉 | 肘关节疾病 | 卷积神经网络（CNN） | EfficientNet | 图像 | 7229张X光片，包括训练集4000张，验证集1000张，测试集2229张 | NA | NA | NA | NA |
| 3443 | 2024-12-16 |
Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29405
PMID:38850180
|
研究论文 | 本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR） | 本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性 | 本文为回顾性研究，样本量有限，且仅在两个中心进行了验证 | 旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应 | 乳腺癌患者对新辅助化疗的病理完全反应 | 机器学习 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | VGG-LSTM网络 | 图像 | 中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集 | NA | NA | NA | NA |
| 3444 | 2024-12-16 |
Deep Learning-Based Approach for Identifying and Measuring Focal Liver Lesions on Contrast-Enhanced MRI
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29404
PMID:38826142
|
研究论文 | 本文评估了基于深度学习的人工智能软件在对比增强磁共振成像（MRI）图像上识别和测量肝局灶性病变（FLLs）的性能 | 本文展示了基于深度学习的人工智能软件在自动识别和测量肝局灶性病变方面的实际应用价值，并证明了其与放射科医生结合使用时具有更高的检测率和敏感性 | 本文为回顾性研究，样本量有限，且未提及模型的泛化能力或在外部数据集上的验证 | 评估基于深度学习的人工智能软件在识别和测量肝局灶性病变方面的性能 | 395名患者的1149个肝局灶性病变 | 计算机视觉 | 肝病 | MRI | 深度学习 | 图像 | 395名患者，1149个肝局灶性病变 | NA | NA | NA | NA |
| 3445 | 2024-12-16 |
Clinical feasibility of a deep learning approach for conventional and synthetic diffusion-weighted imaging in breast cancer: Qualitative and quantitative analyses
2025-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111855
PMID:39616946
|
研究论文 | 本研究旨在探讨基于深度学习的重建方法在常规扩散加权成像（cDWI）和合成扩散加权成像（sDWI）中的临床可行性，并通过与cDWI和sDWI的比较，评估其在不同乳腺癌患者中的表现 | 深度学习重建的扩散加权成像在高质量b值下表现优于常规和合成扩散加权成像，并缩短了采集时间 | NA | 评估深度学习重建方法在乳腺癌扩散加权成像中的临床可行性 | 115名经活检证实的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | 115名乳腺癌患者 | NA | NA | NA | NA |
| 3446 | 2024-12-16 |
A Hybrid Model for Fetal Growth Restriction Assessment by Automatic Placental Radiomics on T2-Weighted MRI and Multifeature Fusion
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29399
PMID:38655903
|
研究论文 | 本文开发并验证了一种基于T2加权MRI和多特征融合的混合模型，用于自动评估胎儿生长受限 | 提出了一个混合模型，通过自动胎盘放射组学和多特征融合来提高胎儿生长受限的评估准确性，并引入了母体信息以提升性能 | 研究是回顾性的，且依赖于手动标注的胎盘数据 | 开发和验证一种能够通过自动胎盘放射组学和多特征融合来准确评估胎儿生长受限的混合模型 | 274名孕妇的胎盘和胎儿数据 | 数字病理学 | 胎儿生长受限 | T2加权MRI | 随机森林 | 图像 | 274名孕妇 | NA | NA | NA | NA |
| 3447 | 2024-12-16 |
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.29403
PMID:38676436
|
研究论文 | 本文开发了一种可解释的深度学习模型，用于在磁共振成像（MRI）上对腰椎间盘突出（LDH）进行分级和定位 | 利用深度学习模型自动化和标准化腰椎间盘突出的分级和定位过程，减少复杂性、时间和主观性 | 模型在外部测试集上的表现有所下降，表明需要进一步提高模型的泛化能力 | 开发一种能够对腰椎间盘突出进行分级和定位的深度学习模型 | 1496名患者的腰椎间盘突出MRI图像 | 计算机视觉 | 腰椎间盘突出 | 深度学习 | 深度学习模型 | 图像 | 1496名患者（男性783名，女性713名） | NA | NA | NA | NA |
| 3448 | 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 | NA | NA | NA | NA |
| 3449 | 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 | NA | NA | NA | NA |
| 3450 | 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 | NA | NA | NA | NA |
| 3451 | 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 | NA | NA | NA | NA |
| 3452 | 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 | NA | NA | NA | NA |
| 3453 | 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 | NA | NA | NA | NA |
| 3454 | 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 | NA | NA | NA | NA |
| 3455 | 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 | NA | NA | NA | NA |
| 3456 | 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 | NA | NA | NA | NA |
| 3457 | 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 | NA | NA | NA | NA |
| 3458 | 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 | NA | NA | NA | NA |
| 3459 | 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 | NA | NA | NA | NA |
| 3460 | 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 | NA | NA | NA | NA |