深度学习在生物医药领域中的应用
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，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10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 2016 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-03-12 |
Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2698
PMID:40062307
|
研究论文 | 本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平 | 创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择 | 未提及具体局限性 | 研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度 | 维生素D缺乏水平 | 机器学习 | NA | 深度学习，进化计算 | CNN, BiLSTM, GA | 医疗数据 | 基准数据集 |
| 882 | 2025-03-12 |
Review of models for estimating 3D human pose using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2574
PMID:40062308
|
综述 | 本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战 | 本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向 | 尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战 | 探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用 | 3D人体姿态估计模型 | 计算机视觉 | NA | 深度学习 | NA | 图像, 视频 | NA |
| 883 | 2025-03-11 |
gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_8
PMID:39312140
|
研究论文 | 本文介绍了一种名为gRNAde的几何深度学习管道，用于3D RNA逆向设计，该管道考虑了RNA的3D结构和动态性 | gRNAde采用图神经网络和SE(3)等变编码-解码框架，首次在RNA设计中明确考虑3D几何和构象多样性 | NA | 开发一种能够基于RNA的3D骨架结构设计RNA序列的计算工具 | RNA的3D骨架结构 | 机器学习 | NA | 几何深度学习 | 图神经网络 | 3D RNA骨架结构 | 来自PDB的现有RNA结构，包括核糖开关、适配体和核酶 |
| 884 | 2025-03-11 |
The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3547616
PMID:40031716
|
研究论文 | 本研究首次全面评估了EEG预处理在深度学习应用中的影响，并提出了未来研究的指导方针 | 首次系统性地研究了不同预处理水平对深度学习模型性能的影响，并提出了针对EEG数据预处理的建议 | 研究结果可能受限于所选的分类任务和EEG架构，未涵盖所有可能的预处理方法和模型类型 | 评估EEG预处理对深度学习应用的影响，确定最佳预处理策略 | EEG数据 | 机器学习 | 帕金森病、阿尔茨海默病、睡眠剥夺、首次发作精神病 | EEG数据预处理 | 深度学习模型 | EEG数据 | 4800个训练模型 |
| 885 | 2025-03-11 |
Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study
2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2025_92-112
PMID:40058838
|
研究论文 | 本研究探讨了在肾功能不全患者中使用深度学习图像重建（DLIR）进行半碘负荷对比增强CT（CECT）的薄层虚拟单色成像（VMI）的图像质量 | 结合40 keV和DLIR，为半碘负荷CECT的薄层VMI提供了最大的对比噪声比（CNR）和主观可接受的图像质量 | 样本量较小（28名患者），且为回顾性研究 | 评估半碘负荷CECT的薄层VMI图像质量 | 中度至重度肾功能不全的肿瘤患者 | 医学影像 | 肾功能不全 | 双能CT（DECT）和深度学习图像重建（DLIR） | 深度学习图像重建（DLIR） | CT图像 | 28名中度至重度肾功能不全的肿瘤患者 |
| 886 | 2025-03-10 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究旨在通过结合机器学习和深度学习方法改进网络安全中的入侵检测 | 结合了多种机器学习（如SVM、KNN、RF、DT）和深度学习（如LSTM、ANN）模型，并引入了模糊聚类技术，以提高入侵检测的准确性和效率 | 未提及具体的样本大小或数据集细节，可能限制了结果的普适性 | 提高网络安全性，通过改进入侵检测系统（IDS）来识别和预防网络攻击 | 网络流量数据 | 机器学习 | NA | 模糊聚类 | SVM, KNN, RF, DT, LSTM, ANN | 网络流量数据 | NA |
| 887 | 2025-03-10 |
Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105698
PMID:39541619
|
研究论文 | 本研究提出了一种基于深度学习的双阶段框架，用于客观评估超声图像质量，使用ATS-539体模数据 | 引入双阶段深度学习框架，结合逻辑回归模型，实现超声图像质量的定量和客观评估 | 依赖于体模数据，可能无法完全反映真实临床环境中的图像质量 | 开发一种客观评估超声图像质量的方法，以提高诊断准确性 | 超声图像质量 | 计算机视觉 | NA | 深度学习 | 分类模型、逻辑回归模型 | 图像 | ATS-539体模数据 |
| 888 | 2025-03-10 |
Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317240
PMID:40053513
|
系统综述 | 本文系统综述了背景实质增强（BPE）分析在预测乳腺癌对新辅助化疗（NAC）反应中的最新进展 | 从单时间点BPE分析转向纵向BPE分析，揭示了现有方法的不足，并提出了结合深度学习等先进AI技术的改进方向 | 现有纵向BPE分析方法存在数据缺失、手动分割全乳感兴趣区域、过度依赖传统统计方法等问题，影响了预测的准确性和及时性 | 评估BPE分析在预测乳腺癌对新辅助化疗反应中的可靠性和有效性，以促进个性化治疗策略的发展 | 接受新辅助化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | NA | 图像 | 78项研究中的13项符合纳入标准 |
| 889 | 2024-08-07 |
Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001963
PMID:39017750
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 890 | 2025-03-09 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 本研究开发了一种基于弹性成像的AI模型，用于预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结的状态 | 结合剪切波弹性成像（SWE）和深度学习放射组学（DLR）模型，显著提高了预测腋窝淋巴结状态的准确性 | 研究样本量有限，且仅包括活检证实有淋巴结转移的乳腺癌患者 | 开发一个准确预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结状态的模型 | 671名活检证实有淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 剪切波弹性成像（SWE）和B型超声（BUS） | 深度学习放射组学（DLR）模型 | 超声图像 | 671名乳腺癌患者 |
| 891 | 2025-03-09 |
Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis
2025, Journal of kidney cancer and VHL
IF:1.9Q3
DOI:10.15586/jkc.v12i1.366
PMID:40051609
|
研究论文 | 本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物 | 首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能 | 研究主要依赖于TCGA数据库的数据，未进行实验验证 | 寻找PRCC的早期诊断生物标志物 | 乳头状肾细胞癌（PRCC）患者 | 生物信息学 | 肾癌 | RNA表达谱分析、机器学习 | 深度学习 | RNA表达数据 | TCGA数据库中的PRCC患者数据 |
| 892 | 2025-03-09 |
Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505450
PMID:40051727
|
研究论文 | 本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点 | 首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点 | 研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献 | 分析围产医学领域中人工智能的研究趋势和应用热点 | 围产医学领域的文献 | 医学信息学 | 围产医学 | 文献计量学分析 | NA | 文献数据 | 382篇相关文献，其中121篇高被引文献 |
| 893 | 2025-03-09 |
Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1497651
PMID:40051730
|
研究论文 | 本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能 | 研究样本主要来自两家医院，可能限制了模型的普遍适用性 | 开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 高碳酸血症性呼吸衰竭患者 | 机器学习 | 呼吸系统疾病 | 随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH） | RSF, DeepSurv, CoxPH | 临床数据 | 697名患者（565名建模组，132名外部验证组） |
| 894 | 2025-03-09 |
MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1532256
PMID:40051766
|
研究论文 | 本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度 | 首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法 | 样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性 | 开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度 | 长时间使用手机的年轻成年人 | 数字病理学 | 焦虑和抑郁 | MRI | 逻辑回归模型和K近邻模型 | 图像 | 82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁 |
| 895 | 2025-03-09 |
Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S507100
PMID:40051895
|
研究论文 | 本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用 | 使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性 | 研究仅在一家医院进行，样本量虽大但可能缺乏多样性 | 评估AI诊断系统在视网膜疾病筛查中的性能 | 3076名接受全面眼科检查的患者 | 数字病理 | 视网膜疾病 | 深度学习 | CARE系统 | 图像 | 3076名患者 |
| 896 | 2025-03-08 |
Corrigendum: Addressing grading bias in rock climbing: machine and deep learning approaches
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1570591
PMID:40051920
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 897 | 2025-03-09 |
Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1536039
PMID:40052126
|
综述 | 本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用 | 整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率 | 目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率 | 探索一种能在早期阶段客观筛查甲状腺病变的技术 | 甲状腺疾病的早期筛查和诊断 | 数字病理学 | 甲状腺癌 | 深度学习算法 | 卷积神经网络, U-Net网络模型 | 超声图像, 病理切片 | NA |
| 898 | 2025-03-09 |
A review of AI-based radiogenomics in neurodegenerative disease
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1515341
PMID:40052173
|
review | 本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用 | 结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性 | NA | 探讨人工智能在神经退行性疾病放射基因组学中的应用 | 神经退行性疾病 | digital pathology | geriatric disease | radiomics, genomics | machine learning, deep learning | imaging, genomic data | NA |
| 899 | 2025-03-08 |
Deep5mC: Predicting 5-methylcytosine (5mC) methylation status using a deep learning transformer approach
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.007
PMID:40041569
|
研究论文 | 本文介绍了一种基于深度学习Transformer的方法Deep5mC，用于预测5-甲基胞嘧啶（5mC）的甲基化状态 | Deep5mC利用基因组序列中的长程依赖性来预测5mC甲基化，显著优于现有方法，并揭示了长程序列上下文对5mC预测的影响 | 现有方法大多关注特定基因组区域，而Deep5mC虽然考虑了长程依赖性，但仍需进一步验证其在跨物种和人类疾病中的适用性 | 研究5mC甲基化状态与基因组序列的依赖性，并开发一种高效的预测方法 | 5-甲基胞嘧啶（5mC）的甲基化状态 | 机器学习 | NA | 深度学习 | Transformer | DNA序列 | NA |
| 900 | 2025-03-08 |
Artificial intelligence in the diagnosis of uveal melanoma: advances and applications
2025, Experimental biology and medicine (Maywood, N.J.)
DOI:10.3389/ebm.2025.10444
PMID:40046904
|
综述 | 本文评估了机器学习和深度学习方法在葡萄膜黑色素瘤诊断中的应用，特别是通过眼底摄影、光学相干断层扫描（OCT）和超声波等成像技术进行分类的研究 | 深度学习模型，特别是卷积神经网络（CNNs），能够自动分析医学图像，识别复杂模式，并提高诊断精度，相比传统方法具有显著优势 | 研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像模式的依赖，这些都限制了模型在临床环境中的泛化能力 | 探讨机器学习和深度学习方法在葡萄膜黑色素瘤诊断中的应用及其潜力 | 葡萄膜黑色素瘤 | 数字病理学 | 葡萄膜黑色素瘤 | 眼底摄影、光学相干断层扫描（OCT）、超声波 | 卷积神经网络（CNNs） | 图像 | 小规模数据集 |