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 3710 篇文献，本页显示第 3661 - 3680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3661 | 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 |
| 3662 | 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 |
| 3663 | 2024-12-07 |
Neural Memory State Space Models for Medical Image Segmentation
2025-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065724500680
PMID:39343431
|
研究论文 | 本文探讨了神经记忆普通微分方程（nmODEs）和状态空间模型（SSMs）在医学图像分割中的优缺点，并提出了一种结合两者优势的新架构nmSSM解码器 | 提出了nmSSM解码器，结合了nmODEs和SSMs的优势，具有强大的非线性表示能力和保留输入及处理全局信息的能力 | NA | 验证nmSSM-UNet在医学图像分割中的有效性 | 医学图像分割 | 计算机视觉 | NA | 状态空间模型（SSMs），神经记忆普通微分方程（nmODEs） | UNet | 图像 | PH2、ISIC2018和BU-COCO数据集 | NA | NA | NA | NA |
| 3664 | 2024-12-07 |
Breaking the barriers: Methodology of implementation of a non-mydriatic ocular fundus camera in an emergency department
2025 Jan-Feb, Survey of ophthalmology
IF:5.1Q1
|
研究论文 | 描述了在急诊科成功实施非散瞳眼底相机和光学相干断层扫描（OCT）的方法 | 首次详细描述了在急诊科实施非散瞳眼底相机和OCT的过程，并展示了其持续使用的效果 | 未来可能需要使用人工智能深度学习系统进行自动解释，以解决当前的诊断限制 | 探讨在急诊科实施非散瞳眼底相机和OCT的可行性和效果 | 非散瞳眼底相机和OCT在急诊科的实施过程及其影响 | NA | NA | 光学相干断层扫描（OCT） | NA | 图像 | 1274名患者 | NA | NA | NA | NA |
| 3665 | 2024-12-07 |
Analysis of nailfold capillaroscopy images with artificial intelligence: Data from literature and performance of machine learning and deep learning from images acquired in the SCLEROCAP study
2025-Jan, Microvascular research
IF:2.9Q2
DOI:10.1016/j.mvr.2024.104753
PMID:39389419
|
研究论文 | 评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现，使用来自SCLEROCAP研究的同一组甲襞毛细血管显微镜（NC）图像 | 首次使用深度学习模型DenseNet-121在NC图像上检测SSc景观，并展示了其高准确性 | 结果需要在大规模NC图像上进一步验证 | 评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现 | 甲襞毛细血管显微镜（NC）图像 | 计算机视觉 | 系统性硬化症 | 机器学习、深度学习 | DenseNet-121、ResNet-18、VGG-16 | 图像 | 100名SCLEROCAP研究患者 | NA | NA | NA | NA |
| 3666 | 2024-12-07 |
Deep Learning Recognition of Paroxysmal Kinesigenic Dyskinesia Based on EEG Functional Connectivity
2025-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500017
PMID:39560445
|
研究论文 | 本研究提出了一种基于静息态脑电图（EEG）功能连接矩阵和深度学习架构（AT-1CBL）的阵发性运动诱发性运动障碍（PKD）识别方法 | 本研究首次利用静息态EEG功能连接矩阵和深度学习模型（AT-1CBL）进行PKD的识别，并取得了较高的分类准确率 | 数据集规模有限可能影响模型的泛化能力，需要进一步探索多模态数据整合和先进的深度学习架构以增强诊断模型的鲁棒性 | 开发一种准确且成本效益高的PKD诊断方法 | 阵发性运动诱发性运动障碍（PKD）患者和健康对照组（HCs）的脑电图数据 | 机器学习 | 神经系统疾病 | 脑电图（EEG） | 1D-CNN和Bi-LSTM结合注意力机制 | 脑电图功能连接矩阵 | 44名PKD患者和44名健康对照组 | NA | NA | NA | NA |
| 3667 | 2024-12-02 |
Measurement of the Acetabular Cup Orientation After Total Hip Arthroplasty Based on 3-Dimensional Reconstruction From a Single X-Ray Image Using Generative Adversarial Networks
2025-Jan, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.06.059
PMID:38944061
|
研究论文 | 本研究利用生成对抗网络（GANs）从单张术后全髋关节置换术（THA）X光片重建三维CT图像，并验证其髋臼杯角度测量的准确性 | 首次使用生成对抗网络从单张X光片重建三维CT图像，用于髋臼杯角度的测量 | 模型在髋臼杯位置不良的情况下测量误差较大，需要进一步改进 | 验证生成对抗网络从单张术后THA X光片重建三维CT图像并测量髋臼杯角度的可行性 | 髋臼杯的角度测量 | 计算机视觉 | NA | 生成对抗网络（GANs） | 生成对抗网络（GANs） | 图像 | 386名接受无骨水泥髋臼杯全髋关节置换术的患者，训练数据集包括522张CT图像和2282张X光图像 | NA | NA | NA | NA |
| 3668 | 2024-12-02 |
DeepResBat: Deep residual batch harmonization accounting for covariate distribution differences
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103354
PMID:39368279
|
研究论文 | 本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过考虑协变量分布差异，提高了数据集间的协调性 | 本文提出了两种新的深度学习方法：covariate VAE (coVAE) 和 DeepResBat，这两种方法在处理协变量分布差异方面优于现有的方法 | coVAE方法在不存在关联的情况下会产生虚假的协变量关联 | 开发一种能够有效减少多数据集MRI数据间变异性的深度学习方法 | MRI数据集间的变异性和协变量分布差异 | 机器学习 | NA | 深度神经网络 | 条件变分自编码器 (cVAE) | 图像 | 2787名参与者和10,085个解剖T1扫描 | NA | NA | NA | NA |
| 3669 | 2024-12-02 |
IGUANe: A 3D generalizable CycleGAN for multicenter harmonization of brain MR images
2025-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103388
PMID:39546981
|
研究论文 | 本文介绍了一种名为IGUANe的3D通用CycleGAN模型，用于多中心脑部MRI图像的协调 | IGUANe通过集成任意数量的域进行训练，扩展了CycleGAN的架构，使其能够处理多中心数据，并在推理阶段适用于未知采集站点的图像 | 未来的研究需要在其他多中心环境中进一步评估IGUANe的性能 | 开发一种能够协调多中心脑部MRI图像的深度学习方法，以提高后续分析的一致性 | 多中心脑部MRI图像 | 计算机视觉 | NA | CycleGAN | CycleGAN | 图像 | 11个不同扫描仪的T1加权图像 | NA | NA | NA | NA |
| 3670 | 2024-12-01 |
Enhanced network synchronization connectivity following transcranial direct current stimulation (tDCS) in bipolar depression: Effects on EEG oscillations and deep learning-based predictors of clinical remission
2025-Jan-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.09.054
PMID:39293596
|
研究论文 | 研究双相抑郁中经颅直流电刺激（tDCS）对脑电图（EEG）振荡和深度学习预测临床缓解的影响 | 首次探讨了家庭式tDCS治疗对双相抑郁患者脑电图振荡网络的影响，并利用深度学习方法预测临床反应 | 样本量较小，且仅限于双相抑郁患者 | 探讨双相抑郁中脑电图振荡网络的变化、tDCS治疗的效果及临床反应的预测 | 双相抑郁患者及其脑电图数据 | 神经科学 | 精神疾病 | 经颅直流电刺激（tDCS） | 深度学习 | 脑电图（EEG） | 20名双相抑郁患者（14名女性） | NA | NA | NA | NA |
| 3671 | 2024-12-01 |
Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105680
PMID:39500035
|
研究论文 | 本文开发了一种基于对比学习和k近邻搜索的模块化模型，用于跨模态相似临床病例检索 | 本文的创新点在于开发了一种新的跨模态检索模型CRMR，结合了对比学习和k近邻搜索技术，能够处理不同数据模态的临床病例检索 | 本文的局限性在于仅使用了MIMIC-CXR数据集进行模型开发和测试，未来需要验证其在其他数据集和疾病类型上的表现 | 本文的研究目的是开发一种能够跨模态检索相似临床病例的模型，以支持临床决策 | 本文的研究对象是不同数据模态记录的临床病例 | 机器学习 | NA | 对比学习、k近邻搜索 | 模块化模型 | 图像 | 使用了MIMIC-CXR数据集，具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 3672 | 2024-12-01 |
Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105694
PMID:39515045
|
研究论文 | 本文开发了一种基于注意力增强的多任务深度学习方法，用于非小细胞肺癌（NSCLC）的亚型分类和临床分期 | 本文创新性地将注意力机制引入多任务学习模型，显著提高了NSCLC亚型分类和临床分期的准确性 | NA | 开发一种新的多任务学习方法，用于NSCLC的亚型分类和临床分期，并评估其性能 | NSCLC患者的CT切片数据，用于亚型分类和临床分期 | 计算机视觉 | 肺癌 | 多任务学习 | CNN | 图像 | 758例NSCLC患者，共4548张CT切片 | NA | NA | NA | NA |
| 3673 | 2024-12-01 |
Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105695
PMID:39546951
|
研究论文 | 研究如何通过在线社区成员的回应来支持乳腺癌患者的独特需求 | 提出了一种独特性评分提取框架，用于计算在线社区帖子中健康和非健康相关话题的独特性评分，并利用深度学习自然语言处理模型BERTopic来识别话题 | 研究主要集中在乳腺癌患者的在线社区，可能不适用于其他类型的癌症或疾病 | 开发一种方法来识别和支持在线社区中讨论独特话题的帖子，以增强社区的回应和支持策略 | 乳腺癌患者的在线社区帖子及其成员的回应 | 自然语言处理 | 乳腺癌 | 深度学习 | BERTopic | 文本 | NA | NA | NA | NA | NA |
| 3674 | 2024-12-01 |
CrossViT with ECAP: Enhanced deep learning for jaw lesion classification
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105666
PMID:39492085
|
研究论文 | 研究探讨了CrossViT和ECAP技术在放射性下颌骨病变分类中的有效性 | 引入了CrossViT和ECAP技术，通过多尺度视觉变换器和扩展裁剪与填充方法，提高了放射性下颌骨病变的分类准确性 | 研究仅限于放射性下颌骨病变的分类，未涉及其他类型的病变 | 评估CrossViT和ECAP技术在放射性下颌骨病变分类中的性能 | 放射性下颌骨病变，包括成釉细胞瘤、含牙囊肿、牙源性角化囊肿和根尖囊肿 | 计算机视觉 | 口腔疾病 | 深度学习 | CrossViT, ResNet | 图像 | 208例放射性下颌骨病变样本 | NA | NA | NA | NA |
| 3675 | 2024-11-29 |
Automated detection of motion artifacts in brain MR images using deep learning
2025-Jan, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5276
PMID:39439086
|
研究论文 | 本研究利用深度学习模型自动检测脑部MRI图像中的运动伪影 | 首次利用2D卷积神经网络在合成数据上训练，实现对脑部T加权图像中运动伪影的三分类检测 | 模型在合成数据上的表现优于真实数据，可能存在泛化能力不足的问题 | 开发一种自动检测脑部MRI图像中运动伪影的深度学习模型，以加速质量评估过程 | 脑部T加权MRI图像中的运动伪影 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 六个运动模拟的回顾性数据集和一个前瞻性数据集 | NA | NA | NA | NA |
| 3676 | 2024-11-29 |
Unveiling the decision making process in Alzheimer's disease diagnosis: A case-based counterfactual methodology for explainable deep learning
2025-Jan, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110318
PMID:39528206
|
研究论文 | 本文提出了一种结合U-Net和生成对抗网络（GAN）的新方法，用于生成阿尔茨海默病（AD）诊断的综合反事实诊断图，以提高深度学习模型的可解释性和透明度 | 本文创新性地将反事实推理引入深度学习模型，通过生成详细的反事实图来解释模型决策过程，从而提高模型的可解释性和透明度 | NA | 提高阿尔茨海默病诊断模型的可解释性和透明度，促进精准医学在AD护理中的应用 | 阿尔茨海默病（AD）的诊断和深度学习模型的可解释性 | 机器学习 | 阿尔茨海默病 | 生成对抗网络（GAN） | U-Net | 图像 | ADNI数据集 | NA | NA | NA | NA |
| 3677 | 2024-11-26 |
Statistical inference and neural network training based on stochastic difference model for air pollution and associated disease transmission
2025-Jan-07, Journal of theoretical biology
IF:1.9Q3
DOI:10.1016/j.jtbi.2024.111987
PMID:39522944
|
研究论文 | 本文建立了一个耦合的离散SEIS模型和Beverton-Holt模型，用于描述空气污染与疾病传播之间的关系，并通过贝叶斯统计理论估计参数变化点和切换区间的参数值 | 提出了扩展的传输动力学信息神经网络（TDINN）算法，结合深度学习和差分方程，探索疾病与污染物浓度变化之间的未知机制 | 数据拟合中的偏差表明疾病与污染物浓度变化之间存在更复杂的关联模式 | 研究空气污染与疾病传播之间的机制 | 空气污染浓度变化与疾病感染之间的关系 | 机器学习 | 呼吸道疾病 | 神经网络 | TDINN | 时间序列数据 | NA | NA | NA | NA | NA |
| 3678 | 2024-11-24 |
Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4196-5_5
PMID:39576576
|
综述 | 本文综述了机器学习技术在从序列推断蛋白质结构和功能中的重要性和应用 | 本文讨论了最新的深度学习架构进展，并强调了机器学习在蛋白质结构和功能理解中的重要性 | 本文指出了使用机器学习技术时面临的挑战，如高质量训练数据集的可用性和模型的可解释性 | 本文旨在全面概述机器学习在推断蛋白质结构和功能中的应用 | 本文主要研究对象是蛋白质的二级和三级结构、残基-残基接触、蛋白质功能和亚细胞定位 | 机器学习 | NA | 机器学习 | 卷积神经网络和自然语言处理 | 序列数据 | NA | NA | NA | NA | NA |
| 3679 | 2024-11-24 |
The Iconic α-Helix: From Pauling to the Present
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4196-5_1
PMID:39576572
|
研究论文 | 本文回顾了从Pauling到现代，α-螺旋结构在蛋白质折叠问题中的演变及其在深度学习人工智能中的应用 | 2021年，深度学习人工智能，特别是AlphaFold2，超越了以往的预测方法，能够成功预测大多数蛋白质结构 | 深度学习方法缺乏假设或物理化学基础 | 探讨α-螺旋结构的历史及其在现代蛋白质结构预测中的应用 | α-螺旋结构及其在蛋白质折叠问题中的应用 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质结构数据 | 约2亿个预测的蛋白质结构 | NA | NA | NA | NA |
| 3680 | 2024-11-24 |
LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4196-5_16
PMID:39576587
|
研究论文 | 介绍了一个基于Transformer的蛋白质语言模型平台LMPTMSite，用于预测蛋白质的PTM位点 | 提出了两个基于Transformer的蛋白质语言模型pLMSNOSite和LMSuccSite，分别用于预测S-硝基化位点和琥珀酰化位点，并展示了其优于现有工具的效能 | 未提及具体局限性 | 开发一个高效的平台用于预测蛋白质的PTM位点 | 蛋白质的S-硝基化位点和琥珀酰化位点 | 机器学习 | NA | Transformer | Transformer | 序列 | 未提及具体样本数量 | NA | NA | NA | NA |