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 2587 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-05-03 |
Glaucoma detection and staging from visual field images using machine learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316919
PMID:39823435
|
research paper | 本研究探讨了深度学习模型在区分正常与青光眼视野以及从早期到晚期阶段分类青光眼方面的性能 | 使用深度学习模型仅基于模式偏差图进行青光眼分期，并与传统机器学习分类器进行比较 | 样本量相对较小，仅使用了265个模式偏差图和265个数值数据集 | 评估深度学习模型在青光眼检测和分期中的性能 | 119只正常眼和146只青光眼 | machine learning | glaucoma | deep learning, machine learning | ResNet18, VGG16, random forest | image, numerical data | 265 PD plots and 265 numerical datasets from 119 normal and 146 glaucomatous eyes |
| 1102 | 2025-05-03 |
Field-scale detection of Bacterial Leaf Blight in rice based on UAV multispectral imaging and deep learning frameworks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314535
PMID:39823436
|
研究论文 | 本研究提出了一种基于无人机多光谱成像和深度学习框架的水稻细菌性叶枯病田间检测新方法 | 采用U-Net架构与ResNet-101骨干网络，探索三种波段组合（多光谱、多光谱+NDVI、多光谱+NDRE）以实现优越的分割精度，并首次构建了基于无人机的水稻病害数据集 | 研究基于实验稻田接种病害生成的数据集，实际田间复杂环境的适用性有待验证 | 开发准确的水稻细菌性叶枯病田间检测方法以支持灾害补偿评估 | 感染细菌性叶枯病的水稻植株 | 计算机视觉 | 水稻细菌性叶枯病 | 无人机多光谱成像 | U-Net with ResNet-101 backbone | 多光谱图像 | 通过实验稻田病害接种技术自建数据集（具体样本量未说明） |
| 1103 | 2025-05-03 |
A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103732
PMID:39826393
|
research paper | 本研究开发并验证了一种基于深度学习的CTP图像分类方法，用于后循环梗死的诊断，并与专家临床医生的诊断性能进行了比较 | 首次将3D-DenseNet应用于CTP图像的后循环梗死分类，并证明其性能优于专家临床医生的平均诊断水平 | 研究结果可能受到特定临床医生诊断能力的影响，且模型性能提升程度因医生而异 | 开发一种自动化深度学习方法来提高后循环梗死的诊断准确性 | 后循环梗死(POCI)患者 | digital pathology | cardiovascular disease | CTP | 3D-DenseNet | image | 541名患者(来自3541名患者的INSPIRE登记数据) |
| 1104 | 2025-05-03 |
Multispectral imaging-based detection of apple bruises using segmentation network and classification model
2025-Jan, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70003
PMID:39832229
|
研究论文 | 提出了一种结合多光谱成像系统和深度学习的方法，用于准确检测苹果的损伤程度和损伤时间 | 改进了DeepLabV3+网络，采用深度可分离卷积和高效通道注意力机制，并替换损失函数为焦点损失，提高了损伤区域分割的准确性；改进DenseNet121，使用余弦退火算法调整学习率，引入压缩-激励注意力机制和高斯误差线性单元激活函数，提高了损伤程度和时间的识别准确率 | NA | 准确检测苹果的损伤程度和损伤时间 | 苹果 | 计算机视觉 | NA | 多光谱成像 | DeepLabV3+, EfficientNetV2, DenseNet121, ShuffleNetV2 | 图像 | 测试集中两种类型的苹果 |
| 1105 | 2025-05-03 |
Deep learning in neurosurgery: a systematic literature review with a structured analysis of applications across subspecialties
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1532398
PMID:40308224
|
系统文献综述 | 本研究系统综述了深度学习在神经外科实践中的应用，全面了解深度学习在神经外科中的角色 | 提供了深度学习技术在神经外科各亚专科中的具体应用、局限性和未来方向的系统综述 | 深度学习模型在神经外科实践中的整合面临挑战和限制 | 系统评估深度学习在神经外科实践中的应用及其潜力 | 神经外科各亚专科的深度学习应用研究 | 数字病理 | 神经外科相关疾病 | 深度学习 | DL算法 | 视频、图像、CT、MRI和超声数据 | 181篇符合条件的研究文章 |
| 1106 | 2025-05-03 |
An android-smartphone application for rice panicle detection and rice growth stage recognition using a lightweight YOLO network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1561632
PMID:40308302
|
研究论文 | 本研究开发了一个基于改进YOLOv8模型的安卓智能手机应用，用于水稻穗检测和生长阶段识别 | 提出了YOLO_ECO模型，通过C2f-Faster-EMA模块、Slim Neck结构和LSCD头部等改进，显著提升了检测效率和精度 | NA | 提高精准田间管理水平以最大化粮食产量 | 水稻穗及其生长阶段（孕穗期、抽穗期和灌浆期） | 计算机视觉 | NA | 深度学习 | YOLO_ECO（改进的YOLOv8） | 图像 | NA |
| 1107 | 2025-05-03 |
Approach for enhancing the accuracy of semantic segmentation of chest X-ray images by edge detection and deep learning integration
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1522730
PMID:40309721
|
研究论文 | 提出了一种结合边缘检测和深度学习的方法来提高胸部X光图像语义分割的准确性 | 整合了Sobel和Scharr边缘检测滤波器与U-net深度学习架构，显著提升了分割精度 | 未提及对不同设备或不同质量X光图像的泛化能力 | 提高胸部X光图像中解剖结构的分割准确性，以改善心胸疾病的诊断 | 胸部X光图像中的肺、心脏和锁骨 | 计算机视觉 | 心胸疾病 | 边缘检测（Sobel和Scharr滤波器） | U-net | 图像 | NA |
| 1108 | 2025-05-03 |
EfficientNetB0-Based End-to-End Diagnostic System for Diabetic Retinopathy Grading and Macular Edema Detection
2025, Diabetes, metabolic syndrome and obesity : targets and therapy
DOI:10.2147/DMSO.S506494
PMID:40309724
|
研究论文 | 开发并验证了一种基于深度学习的自动化诊断系统，用于快速准确诊断糖尿病视网膜病变（DR）及其并发症 | 采用EfficientNetB0模型构建端到端诊断系统，实现DR分级和糖尿病黄斑水肿（DME）检测，并通过Grad-CAM增强模型可解释性 | 未提及模型在不同人群或设备采集图像上的泛化能力 | 提高糖尿病视网膜病变诊断的效率和准确性 | 2753名患者的19,031张荧光素血管造影（FFA）图像 | 数字病理学 | 糖尿病视网膜病变 | 荧光素血管造影（FFA） | EfficientNetB0 | 图像 | 19,031张FFA图像（来自2,753名患者） |
| 1109 | 2025-05-03 |
Corrigendum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1607769
PMID:40313407
|
correction | 本文是对先前发表的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1110 | 2025-05-02 |
Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization
2025-Jan-30, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c05276
PMID:39809573
|
研究论文 | 提出了一种名为Kin-SiM的深度学习框架，利用LSTM自动进行smFRET轨迹的理想化处理 | 使用预训练的LSTM网络自动提取生物分子状态和动力学参数，无需用户输入马尔可夫假设 | 需要大量模拟数据进行预训练，可能对实际数据的适应性有限 | 改进单分子荧光共振能量转移（smFRET）轨迹的理想化分析方法 | smFRET时间轨迹 | 机器学习 | NA | smFRET | LSTM | 时间序列数据 | 基准smFRET数据集 |
| 1111 | 2025-05-02 |
CPconf_score: A Deep Learning Free Energy Function Trained Using Molecular Dynamics Data for Cyclic Peptides
2025-Jan-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c01386
PMID:39801200
|
研究论文 | 开发了一种名为CPconf_score的深度学习自由能函数，用于预测环肽的构象自由能 | 使用高温分子动力学模拟数据和SchNet深度学习模型，首次实现了对环肽构象自由能的准确预测 | 仅在50个环肽上进行了测试，样本量相对较小 | 开发一种能够准确预测环肽构象自由能的方法 | 环肽（特别是少于10个残基和β-肽键的环肽） | 计算生物学 | NA | 高温分子动力学模拟（high-T MD）、点自适应k近邻（PAk）方法 | SchNet深度学习模型 | 分子动力学模拟数据 | 250个随机序列环肽（训练集）和50个来自剑桥结构数据库的环肽（测试集） |
| 1112 | 2025-05-02 |
deep-AMPpred: A Deep Learning Method for Identifying Antimicrobial Peptides and Their Functional Activities
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01913
PMID:39792442
|
research paper | 提出了一种名为deep-AMPpred的两阶段深度学习方法来识别抗菌肽及其功能活性 | 结合ESM-2模型编码抗菌肽特征，并整合CNN、BiLSTM和CBAM模型来发现抗菌肽及其功能活性 | 未明确提及 | 准确识别抗菌肽并预测其多种功能活性 | 抗菌肽及其13种常见功能活性 | bioinformatics | NA | 深度学习 | ESM-2, CNN, BiLSTM, CBAM | peptide sequence | NA |
| 1113 | 2025-05-02 |
Multistage deep learning methods for automating radiographic sharp score prediction in rheumatoid arthritis
2025-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86073-0
PMID:39870749
|
研究论文 | 本研究提出了一种多阶段深度学习模型，用于从手部X光图像预测类风湿关节炎的总体Sharp评分 | 首次将Vision Transformer (ViT)应用于类风湿关节炎的总体Sharp评分预测 | 模型在Sharp评分<50的患者中表现最佳，对于更高评分的预测效果未明确说明 | 开发自动化工具以评估类风湿关节炎的关节损伤程度 | 类风湿关节炎患者的X光图像 | 数字病理学 | 类风湿关节炎 | 深度学习 | UNet, YOLOv7, Vision Transformer (ViT) | X光图像 | 训练集679名患者，外部测试集291名受试者 |
| 1114 | 2025-05-02 |
Deep proximal gradient network for absorption coefficient recovery in photoacoustic tomography
2025-Jan-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada868
PMID:39788080
|
研究论文 | 本研究提出了一种基于深度学习的近端梯度下降网络，用于从光声压力测量中恢复空间变化的光学吸收系数 | 采用深度学习的近端梯度下降机制进行光学反演，通过级联结构单元迭代更新吸收系数，显著提高了定量光声层析成像的准确性和效率 | NA | 提高定量光声层析成像中光学吸收系数恢复的准确性和效率 | 生物组织的光学吸收特性 | 医学影像 | NA | 光声层析成像 | 深度近端梯度网络 | 声学测量数据 | 模拟、体模实验和体内研究 |
| 1115 | 2025-05-02 |
Twenty Years of Neuroinformatics: A Bibliometric Analysis
2025-Jan-15, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09712-3
PMID:39812741
|
研究论文 | 本文对过去20年的神经信息学进行了全面的文献计量分析，揭示了该领域在神经科学与计算科学交叉点上的演变 | 使用VOS viewer等先进工具及共引分析、文献耦合和关键词共现等方法，深入分析了出版趋势、引用模式及期刊影响力 | 分析主要基于文献计量数据，可能未涵盖所有实际研究进展或具体技术细节 | 评估神经信息学领域的发展趋势、研究主题及期刊影响力 | 神经信息学领域的出版物、引用数据及研究主题 | 神经信息学 | NA | 共引分析、文献耦合、关键词共现 | NA | 文献数据 | 过去20年的神经信息学出版物 |
| 1116 | 2025-05-02 |
Patch-Wise Deep Learning Method for Intracranial Stenosis and Aneurysm Detection-the Tromsø Study
2025-Jan-15, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09697-z
PMID:39812766
|
研究论文 | 提出了一种结合经典计算机视觉技术和深度学习的patch-wise方法，用于检测颅内动脉狭窄和动脉瘤 | 结合了经典计算机视觉技术和深度学习，采用patch-wise残差神经网络和投票机制进行检测 | 对于涉及MRI中长距离依赖的闭塞检测效果不佳，这是由于patch-wise深度学习方法的架构设计所致 | 早期检测颅内动脉狭窄和动脉瘤，以进行有效干预 | 颅内动脉粥样硬化性狭窄（ICAS）和颅内动脉瘤 | 数字病理学 | 脑血管疾病 | 时间飞跃磁共振血管成像（TOF-MRA） | 残差神经网络（ResNet） | 图像 | NA |
| 1117 | 2025-05-02 |
Deep learning-based assessment of missense variants in the COG4 gene presented with bilateral congenital cataract
2025-Jan-14, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-001906
PMID:39809522
|
研究论文 | 本研究首次使用AlphaFold2、Alpha Missense和ThermoMPNN比较了COG4基因临床相关变异的蛋白质结构和致病性 | 首次结合AlphaFold2、Alpha Missense和ThermoMPNN三种深度学习算法评估COG4基因错义变异的蛋白质结构和致病性 | 研究样本量有限，仅分析了4个临床相关变异，且致病性评估结果需要进一步实验验证 | 评估COG4基因错义变异的蛋白质结构变化和致病性 | COG4基因的临床相关错义变异（包括新发现的p.Y714F和已知的p.G512R、p.R729W、p.L769R） | 生物信息学 | 先天性白内障 | AlphaFold2、Alpha Missense、ThermoMPNN、主成分分析(PCA) | 深度学习模型 | 蛋白质序列数据 | 4个临床相关变异和14,915个可能的Cog4错义变异 |
| 1118 | 2025-05-02 |
Intelligent in-cell electrophysiology: Reconstructing intracellular action potentials using a physics-informed deep learning model trained on nanoelectrode array recordings
2025-Jan-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55571-6
PMID:39809732
|
研究论文 | 本研究提出了一种基于物理信息深度学习的模型，用于从纳米电极阵列记录中重建细胞内动作电位 | 利用AI技术从同步记录的细胞外和细胞内动作电位对中重建细胞内电位，为非侵入性、高通量药物心脏毒性评估提供了新方法 | 目前仅在干细胞衍生的心肌细胞上进行了验证，尚未扩展到其他细胞类型 | 开发一种非侵入性、高通量的细胞内电生理记录方法 | 干细胞衍生的心肌细胞 | 机器学习 | 心血管疾病 | 纳米电极阵列(NEAs)和微电极阵列(MEAs)记录 | 物理信息深度学习模型 | 电生理信号 | 数千对同步记录的细胞外和细胞内动作电位 |
| 1119 | 2025-05-02 |
Establishing a GRU-GCN coordination-based prediction model for miRNA-disease associations
2025-Jan-14, BMC genomic data
IF:1.9Q3
DOI:10.1186/s12863-024-01293-z
PMID:39810100
|
研究论文 | 本研究开发了一种基于GRU-GCN协调的深度学习模型，用于预测miRNA与疾病之间的关联 | 引入了两种标记策略（基于权重和基于多数的定义）来分类miRNA-疾病关联，并开发了一种结合GRU和GCN的新型模型 | 模型性能依赖于标记策略的准确性，且数据集仅来自HMDD，可能限制了模型的泛化能力 | 提高miRNA与疾病关联预测的准确性和效率 | miRNA与疾病的关联 | 生物信息学 | NA | 深度学习 | GRU-GCN | 生物实验数据 | 来自HMDD的miRNA-疾病关联数据集 |
| 1120 | 2025-05-02 |
Diagnosis of Parkinson's disease by eliciting trait-specific eye movements in multi-visual tasks
2025-Jan-14, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06044-3
PMID:39810187
|
研究论文 | 通过虚拟现实环境中的多任务眼动追踪技术，提取帕金森病特异性眼动异常特征，并利用深度学习算法建立辅助诊断模型 | 在虚拟现实环境中设计多任务以激发帕金森病特异性眼动异常，并首次提出深度学习算法对这些特征进行建模以实现辅助诊断 | 研究样本量相对较小（114名患者和125名健康对照），且仅在虚拟现实环境中验证 | 开发一种基于眼动特征的帕金森病辅助诊断方法 | 帕金森病患者和健康对照者的眼动数据 | 数字病理学 | 帕金森病 | 眼动追踪技术、虚拟现实技术 | 深度学习算法 | 眼动数据 | 114名帕金森病患者和125名健康对照者 |