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 3742 篇文献，本页显示第 3701 - 3720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3701 | 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 |
| 3702 | 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 |
| 3703 | 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 |
| 3704 | 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 |
| 3705 | 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 |
| 3706 | 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 |
| 3707 | 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 |
| 3708 | 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 |
| 3709 | 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 |
| 3710 | 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 |
| 3711 | 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 |
| 3712 | 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 |
| 3713 | 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 |
| 3714 | 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 |
| 3715 | 2024-09-30 |
Can deep learning-derived IVUS predict outcomes in deferred CAD?
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132594
PMID:39332454
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3716 | 2024-11-22 |
Machine Learning-Based X-Ray Projection Interpolation for Improved 4D-CBCT Reconstruction
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3459622
PMID:39564553
|
研究论文 | 本文提出了一种基于机器学习的X射线投影插值方法，用于改进4D-CBCT重建 | 利用预训练的深度学习模型和一种新的回归预测建模方法生成中间投影，以提高4D-CBCT图像质量 | NA | 改进4D-CBCT重建图像质量 | 4D-CBCT图像重建中的投影插值 | 计算机视觉 | NA | 机器学习 | 深度学习模型 | 图像 | 数字仿真数据集和临床数据集 | NA | NA | NA | NA |
| 3717 | 2024-11-22 |
Breast Cancer Detection on Dual-View Sonography via Data-Centric Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3454958
PMID:39564554
|
研究论文 | 本研究通过双视图超声成像和数据中心深度学习方法，旨在提高AI辅助的乳腺癌诊断准确性 | 定制基于DenseNet的模型，通过双视图超声数据集提高模型区分恶性与良性肿瘤的能力，并设计多种集成策略将双视图整合到模型输入中，以最大化性能 | 未提及具体局限性 | 提高AI辅助乳腺癌诊断的准确性 | 双视图乳腺超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3718 | 2024-11-22 |
An Integrated Framework for Infectious Disease Control Using Mathematical Modeling and Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3455801
PMID:39564557
|
研究论文 | 本文提出了一种结合数学建模和深度学习的传染病控制综合框架 | 本文创新性地将确定性和随机模型与深度学习模型相结合，以提高解决方案预测的性能，并研究了时间延迟对感染率和疫苗接种率的影响 | NA | 开发有效的传染病控制策略 | 传染病模式预测和疫苗接种对感染率的影响 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 3719 | 2024-11-20 |
An intelligent sensing platform for detecting and identifying biochemical substances based on terahertz spectra
2025-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.126950
PMID:39353219
|
研究论文 | 本文开发了一种基于太赫兹光谱的智能传感平台，用于准确识别各种生物化学物质的太赫兹光谱 | 提出了两种识别模式：一维太赫兹光谱识别（OTSI）和基于太赫兹光谱图像的识别（TSII），并分别使用小型卷积神经网络（MCNN）和YOLO-v5目标检测模型进行识别 | NA | 开发一种智能传感平台，用于准确识别生物化学物质的太赫兹光谱 | 五种氨基酸（苯丙氨酸、甲硫氨酸、赖氨酸、亮氨酸、苏氨酸）和五种碳水化合物（阿斯巴甜、果糖、葡萄糖、乳糖一水合物、蔗糖） | 机器学习 | NA | 太赫兹时域光谱（THz-TDS） | 卷积神经网络（CNN）、YOLO-v5 | 光谱 | 10种生物化学物质 | NA | NA | NA | NA |
| 3720 | 2024-11-20 |
Rapid identification of Radix Astragali by data fusion of laser-induced breakdown spectroscopy and Raman spectroscopy coupled with deep learning
2025-Jan-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127016
PMID:39406087
|
研究论文 | 本文提出了一种结合激光诱导击穿光谱（LIBS）和拉曼光谱与深度学习技术的方法，用于快速准确地识别黄芪样本 | 本文创新性地将LIBS和拉曼光谱数据融合，并利用卷积神经网络（CNN）模型进行分类，显著提高了黄芪样本的识别准确率 | 本文未详细讨论该方法在其他药材或复杂环境下的适用性和性能 | 旨在提高黄芪样本的快速准确识别能力，评估其质量和药效 | 黄芪样本 | 机器学习 | NA | 激光诱导击穿光谱（LIBS）、拉曼光谱 | 卷积神经网络（CNN） | 光谱数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |