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 3668 篇文献，本页显示第 3581 - 3600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3581 | 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 |
| 3582 | 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 |
| 3583 | 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 |
| 3584 | 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 |
| 3585 | 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 |
| 3586 | 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 |
| 3587 | 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 |
| 3588 | 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 |
| 3589 | 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 | NA | NA | NA | NA |
| 3590 | 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 | NA | NA | NA | NA |
| 3591 | 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 | NA | NA | NA | NA |
| 3592 | 2024-12-11 |
Integrating Faith and Learning Using a Biblical Concept-Based Curriculum
2025 Jan-Mar 01, Journal of Christian nursing : a quarterly publication of Nurses Christian Fellowship
IF:0.4Q4
DOI:10.1097/CNJ.0000000000001226
PMID:39652482
|
研究论文 | 本文探讨了在护理教育中整合信仰与学习（IFL）的历史背景，并提出了基于圣经的概念课程（BBCC），以促进深度学习、批判性思维和以学生为中心的学习 | 提出了基于圣经的概念课程（BBCC），并通过学生评估验证了其有效性 | 未详细说明BBCC的具体内容和实施细节 | 探讨在护理教育中成功整合信仰与学习的方法 | 护理教育中的信仰与学习整合 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3593 | 2024-12-10 |
CT Quantification of Interstitial Lung Abnormality and Interstitial Lung Disease: From Technical Challenges to Future Directions
2025-Jan-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001103
PMID:39008898
|
综述 | 本文综述了间质性肺疾病（ILD）和间质性肺异常（ILA）的CT定量分析现状，探讨了技术挑战及未来发展方向 | 强调了机器学习和深度学习在定量影像中的应用，以提高诊断和管理精度 | 传统视觉评估存在读片者间的变异性，ILA的定义依赖于主观阈值 | 探讨CT定量分析在ILD和ILA中的应用及未来发展方向 | 间质性肺疾病（ILD）和间质性肺异常（ILA） | 计算机视觉 | 肺部疾病 | CT | 机器学习，深度学习 | 影像 | NA | NA | NA | NA | NA |
| 3594 | 2024-12-10 |
Beyond the Conventional Structural MRI: Clinical Application of Deep Learning Image Reconstruction and Synthetic MRI of the Brain
2025-Jan-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001114
PMID:39159333
|
综述 | 本文综述了深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越了传统的结构MRI | 本文介绍了深度学习重建（DLR）和定量MRI技术在脑部MRI中的应用，这些技术能够加速成像并提高图像质量，同时提供更精确的脑组织参数计算 | 本文讨论了深度学习重建（DLR）可能的不稳定性和定量MRI中的量化和偏差限制 | 探讨深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越传统结构成像 | 脑部MRI成像技术及其在临床诊断中的应用 | 计算机视觉 | NA | 深度学习重建（DLR），定量MRI技术 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 3595 | 2024-12-09 |
SeqDPI: A 1D-CNN approach for predicting binding affinity of kinase inhibitors
2025-Jan-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27518
PMID:39644133
|
研究论文 | 本文提出了一种基于一维卷积神经网络（1D-CNN）的算法框架SeqDPI，用于预测激酶抑制剂与靶点的结合亲和力 | SeqDPI模型通过优化的一维卷积网络提取药物和蛋白质特征，并使用L2正则化的前馈神经网络进行结合强度预测，相比现有模型，减少了复杂3D结构的使用，提高了计算效率 | NA | 开发一种高效的计算模型，用于预测药物与靶点的结合亲和力，辅助药物发现和再定位 | 激酶抑制剂与靶点的结合亲和力 | 机器学习 | NA | 一维卷积神经网络（1D-CNN） | 卷积神经网络（CNN） | 一维序列数据 | NA | NA | NA | NA | NA |
| 3596 | 2024-12-09 |
Development of deep learning software to improve HPLC and GC predictions using a new crown-ether based mesogenic stationary phase and beyond
2025-Jan-04, Journal of chromatography. A
DOI:10.1016/j.chroma.2024.465476
PMID:39566284
|
研究论文 | 开发了一种基于新型冠醚基液晶固定相的AI软件Chrompredict 1.0，用于改进HPLC和GC预测 | 首次将深度学习技术与新型冠醚基液晶固定相结合，显著提升了色谱参数预测的准确性 | NA | 开发一种能够准确预测色谱参数的AI软件，以改进HPLC和GC分析 | 新型冠醚基液晶固定相及其在色谱分析中的应用 | 机器学习 | NA | 深度学习 | 深度学习模型（DLM） | 色谱数据 | 1,023种结构和极性多样的小分子 | NA | NA | NA | NA |
| 3597 | 2024-12-09 |
Cultivating diagnostic clarity: The importance of reporting artificial intelligence confidence levels in radiologic diagnoses
2025-Jan, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2024.110356
PMID:39566394
|
研究论文 | 本文讨论了在放射诊断中使用人工智能（AI）置信水平以提高诊断准确性和可靠性的重要性 | 本文强调了在放射诊断中使用AI置信水平的重要性，并提出了标准化置信度指标的必要性 | 本文指出了将AI系统整合到临床实践中面临的挑战，如临床验证需求、AI系统结果的可解释性问题以及医学界的困惑和误解 | 研究目的是探讨在放射诊断中使用AI置信水平的重要性，并提出标准化置信度指标的必要性 | 研究对象包括AI技术在放射诊断中的应用，特别是骨折等病理条件的诊断 | 计算机视觉 | NA | 深度学习（DL）和卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 3598 | 2024-12-09 |
CSM-Potential2: A comprehensive deep learning platform for the analysis of protein interacting interfaces
2025-Jan, Proteins
IF:3.2Q2
DOI:10.1002/prot.26615
PMID:37870486
|
研究论文 | 本文介绍了一个名为CSM-Potential2的综合深度学习平台，用于分析蛋白质相互作用界面 | 该平台不仅能够预测蛋白质-蛋白质相互作用的结合位点，还能分类生物配体，并在残基水平上预测与核酸的相互作用，同时支持基于序列和结构相似性的配体移植 | 目前主要集中在蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸相互作用的分析，尚未涵盖所有类型的生物相互作用 | 开发一个易于使用的深度学习平台，帮助专家和非专家用户研究生物相互作用 | 蛋白质相互作用界面，包括蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸的相互作用 | 机器学习 | NA | 深度学习 | 深度学习平台 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 3599 | 2024-12-09 |
Minimizing prostate diffusion weighted MRI examination time through deep learning reconstruction
2025-Jan, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2024.110341
PMID:39532043
|
研究论文 | 研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持图像质量 | 使用深度学习重建算法（DLR）从标准和可变减少的数据集中重建高b值扩散加权图像，以减少图像噪声并缩短MRI检查时间 | 回顾性研究，依赖于两位放射科医生的主观评估 | 研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持诊断图像质量 | 前列腺扩散加权MRI图像及其诊断质量 | 计算机视觉 | 前列腺癌 | 深度学习重建算法（DLR） | 深度学习模型 | 图像 | 52名接受常规前列腺MRI检查的患者 | NA | NA | NA | NA |
| 3600 | 2024-12-08 |
Comparison of veterinarians and a deep learning tool in the diagnosis of equine ophthalmic diseases
2025-Jan, Equine veterinary journal
IF:2.4Q1
DOI:10.1111/evj.14087
PMID:38567426
|
研究论文 | 比较兽医和深度学习工具在马眼科疾病诊断中的表现 | 开发了一种用于马眼科疾病诊断的深度学习工具，并评估了其在诊断准确性上与兽医的比较 | 诊断仅基于马眼的图像，无法评估眼睛内部情况 | 比较兽医和深度学习工具在马眼科疾病诊断中的准确性 | 马眼科疾病，特别是葡萄膜炎 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 40张马眼照片，其中10张健康，12张葡萄膜炎，18张其他疾病 | NA | NA | NA | NA |