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 8941 篇文献，本页显示第 8321 - 8340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8321 | 2025-01-25 |
ELW-CNN: An extremely lightweight convolutional neural network for enhancing interoperability in colon and lung cancer identification using explainable AI
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12122
PMID:39845172
|
研究论文 | 本文提出了一种极轻量级的卷积神经网络（ELW-CNN），用于增强结肠癌和肺癌识别的互操作性，并利用可解释AI提高模型的透明度 | 提出了一种极轻量级的卷积神经网络模型，仅使用7万个参数，在大型肺和结肠数据集上达到了98.16%的准确率，并在肺癌和结肠癌的单独测试中分别达到了99.02%和99.40%的准确率 | 数据集规模较小、数据质量较差、肺鳞状细胞癌和腺癌之间的类间变化、移动设备部署困难以及缺乏图像和个体级别的准确性测试 | 开发一种自动化且准确的结肠癌和肺癌检测方法 | 结肠癌和肺癌 | 计算机视觉 | 肺癌, 结肠癌 | 卷积神经网络（CNN） | CNN | 图像 | 大型肺和结肠数据集 |
| 8322 | 2025-01-25 |
Artificial Intelligence in Pediatric Epilepsy Detection: Balancing Effectiveness With Ethical Considerations for Welfare
2025-Jan, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.70372
PMID:39846037
|
综述 | 本文评估了人工智能在儿童癫痫检测中的有效性，并探讨了其实施过程中的伦理问题 | 结合人工智能在儿童癫痫诊断和管理中的应用，同时深入探讨了相关的伦理问题 | 伦理问题如隐私、数据安全和模型偏差仍需解决 | 评估人工智能在儿童癫痫检测中的有效性，并探讨其实施中的伦理问题 | 儿童癫痫患者 | 机器学习 | 癫痫 | EEG, rs-fMRI, DTI | CNN-LSTM | EEG数据, 神经影像数据, 视频数据 | NA |
| 8323 | 2025-01-25 |
Machine learning based prediction models for cardiovascular disease risk using electronic health records data: systematic review and meta-analysis
2025-Jan, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae080
PMID:39846062
|
系统综述与元分析 | 本文通过系统综述和元分析评估了基于机器学习的模型在利用电子健康记录数据预测心血管疾病风险方面的效能，并与传统风险评分模型进行了比较 | 首次系统评估和比较了机器学习模型与传统心血管疾病风险预测算法在中长期（5-10年）风险预测中的表现，并发现机器学习模型（特别是随机森林和深度学习）在性能上显著优于传统模型 | 研究存在显著的异质性（I² > 99%）和潜在的发表偏倚，且方法学上的问题限制了这些模型在临床中的当前应用 | 评估和比较机器学习模型与传统心血管疾病风险预测算法在中长期风险预测中的效能 | 心血管疾病风险预测模型 | 机器学习 | 心血管疾病 | 机器学习 | 随机森林, 深度学习 | 电子健康记录数据 | 20项研究中的32个机器学习模型和26个传统统计模型 |
| 8324 | 2025-01-25 |
CardiacField: computational echocardiography for automated heart function estimation using two-dimensional echocardiography probes
2025-Jan, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae072
PMID:39846074
|
研究论文 | 本文介绍了一种名为CardiacField的计算心脏超声系统，使用二维超声探头自动估计左心室和右心室的射血分数，旨在为非心血管专业的医疗从业者提供易于使用的心脏功能评估工具 | CardiacField系统通过隐式神经表示网络从二维超声图像重建三维心脏体积，并自动分割左心室和右心室区域以计算射血分数，显著提高了心脏功能评估的准确性和易用性 | 研究样本量相对较小（127名患者），且未涵盖所有类型的超声设备，可能影响结果的普适性 | 开发一种自动、精确的心脏功能评估系统，以改善心血管疾病的检测和监测 | 左心室和右心室的射血分数 | 数字病理学 | 心血管疾病 | 二维超声成像 | 隐式神经表示网络 | 图像 | 127名患者 |
| 8325 | 2025-01-25 |
Dissecting AlphaFold2's capabilities with limited sequence information
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae187
PMID:39846081
|
研究论文 | 本研究探讨了AlphaFold2在主要依赖高质量模板结构而非多序列比对（MSAs）提供额外信息时的蛋白质结构预测能力 | 通过设计实验探究AlphaFold2对局部和全局结构的理解，揭示了其对特定特征的依赖及其处理缺失信息的能力 | AlphaFold2学习到的生物物理能量函数在局部相互作用中最为有效，但在全局结构预测上可能存在局限 | 研究AlphaFold2在有限序列信息下的蛋白质结构预测能力 | 蛋白质的三维结构 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质序列和结构数据 | NA |
| 8326 | 2025-01-25 |
A hyperparameter optimization-assisted deep learning method towards thermal error modeling of spindles
2025-Jan, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.11.001
PMID:39516098
|
研究论文 | 本研究提出了一种结合贝叶斯优化和扩张卷积神经网络的模型，用于主轴热误差建模 | 通过扩张卷积增强传统CNN模型，并使用基于高斯过程的贝叶斯算法优化关键超参数，提高了模型的泛化能力和性能 | 未提及具体的数据集大小和多样性，可能影响模型的泛化能力 | 提高主轴热误差建模的精度 | 主轴热误差 | 机器学习 | NA | 贝叶斯优化，扩张卷积神经网络 | DCNN | 热误差数据 | 未提及具体样本数量 |
| 8327 | 2025-01-25 |
Fault detection and classification of motor bearings under multiple operating conditions
2025-Jan, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.11.008
PMID:39592313
|
研究论文 | 本文提出了一种用于多操作条件下电机轴承故障检测和分类的框架 | 提出了一种多任务故障检测和分类方法，适用于健康监测，并在HUST电机轴承数据集上展示了其在不同操作条件和多种故障类型下的鲁棒性能 | 未提及具体的技术限制或数据集局限性 | 提高机械设备的安全性和可靠性，适应各种旋转场景 | 电机轴承 | 机器学习 | NA | 深度学习 | NA | 传感器数据 | HUST电机轴承数据集 |
| 8328 | 2025-01-24 |
Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation
2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2024.111605
PMID:39616796
|
研究论文 | 本文设计了一种基于深度学习的无准直器成像系统，并通过蒙特卡罗模拟验证了其可行性 | 提出了一种基于深度学习的无准直器成像系统，利用体素化GAGG(Ce)单体积探测器和蒙特卡罗方法进行模拟，展示了系统的可行性 | 研究仅基于模拟数据，未进行实际实验验证 | 验证基于深度学习的无准直器成像系统的可行性 | 体素化GAGG(Ce)单体积探测器和Co、Ba、Na、Cs点源 | 计算机视觉 | NA | 蒙特卡罗模拟 | 全卷积网络 | 模拟数据 | 2000个位置的Co、Ba、Na、Cs点源 |
| 8329 | 2024-08-07 |
Deep learning to predict fetal acidemia
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.031
PMID:39084497
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8330 | 2024-08-07 |
Deep learning to predict fetal acidemia: a response
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.037
PMID:39074680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8331 | 2025-01-24 |
Deep learning-based classifier for carcinoma of unknown primary using methylation quantitative trait loci
2025-Feb-01, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlae123
PMID:39607989
|
研究论文 | 本文开发了一种基于深度学习的DNA甲基化分类器，用于识别未知原发癌（CUP）的原发部位 | 利用特定器官的甲基化数量性状位点（mQTL）开发分类器，提高了分类准确性并减少了所需样本量 | 研究依赖于回顾性分析，且样本来源仅限于福尔马林固定石蜡包埋组织 | 开发一种能够辅助病理学家识别未知原发癌原发部位的DNA甲基化分类器 | 759例来自福尔马林固定石蜡包埋组织的癌样本 | 数字病理学 | 未知原发癌 | DNA甲基化阵列分析 | 深度学习 | 甲基化数据 | 759例癌样本 |
| 8332 | 2025-01-24 |
Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index
2025-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103030
PMID:39637573
|
研究论文 | 本文介绍了一种基于迁移学习和预训练深度学习模型的创新平台，用于自动分类HEp-2标本，并通过Jensen-Shannon可靠性指数增强方法的可信度 | 结合无监督深度描述、新型特征选择方法和独立测试数据集，提出了一种改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数 | 未来工作将解决有丝分裂纺锤体识别的挑战，并扩展方法以覆盖混合模式 | 开发一种计算机辅助系统，用于HEp-2图像分析和ANA模式分类 | HEp-2标本 | 计算机视觉 | 结缔组织疾病 | 迁移学习 | 深度学习模型 | 图像 | 两个来自不同医院的独立数据集 |
| 8333 | 2025-01-24 |
Increased chloroplast occupancy in bundle sheath cells of rice hap3H mutants revealed by Chloro-Count: a new deep learning-based tool
2025-Feb, The New phytologist
DOI:10.1111/nph.20332
PMID:39668515
|
研究论文 | 本研究开发了一种基于深度学习的工具Chloro-Count，用于量化水稻OsHAP3H功能获得和缺失突变体束鞘细胞中叶绿体的尺寸 | 开发了新的深度学习工具Chloro-Count，首次实现了对水稻束鞘细胞中叶绿体尺寸的精确量化，并揭示了OsHAP3H功能缺失导致叶绿体数量增加的机制 | 2D量化方法受叶绿体在细胞中位置的影响，可能存在一定的误差 | 提高水稻光合作用效率，增加产量潜力 | 水稻OsHAP3H功能获得和缺失突变体 | 计算机视觉 | NA | 深度学习 | NA | 图像 | OsHAP3H功能获得和缺失突变体 |
| 8334 | 2025-01-24 |
Advances in diagnosis and prognosis of bacteraemia, bloodstream infection, and sepsis using machine learning: A comprehensive living literature review
2025-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103008
PMID:39705768
|
文献综述 | 本文综述了机器学习在菌血症、血流感染和败血症诊断与预后中的应用，探讨了其有效性、潜在局限性和临床实践中的整合复杂性 | 提供了关于机器学习在血液相关感染管理中应用的全面调查，强调了早期疾病阶段的研究空白和实时非侵入性数据收集技术的潜力 | 早期阶段的研究因数据限制而不足，序列深度学习模型在外部数据集上表现不佳，实际实施面临设计要求和医疗基础设施的挑战 | 探讨机器学习在血液相关感染诊断和预后中的应用，以改善医疗决策支持 | 菌血症、血流感染和败血症 | 机器学习 | 败血症 | 机器学习 | 序列深度学习模型 | 电子健康记录、生化标志物、生命体征 | NA |
| 8335 | 2025-01-24 |
Mixed reality infrastructure based on deep learning medical image segmentation and 3D visualization for bone tumors using DCU-Net
2025-Feb, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100654
PMID:39839577
|
研究论文 | 本研究提出了一种基于双维度降维和通道注意力门控机制的U-Net模型（DCU-Net），用于骨肿瘤的医学图像分割和3D重建，并构建了混合现实（MR）基础设施，探索其在骨肿瘤诊断和治疗中的应用前景 | 提出了DCU-Net模型，结合双维度降维和通道注意力门控机制，优化特征提取和目标空间聚类能力，实现了骨肉瘤的自动分割和3D重建，并构建了基于深度学习和混合现实的MR基础设施 | 未提及具体的数据集规模和多样性，可能影响模型的泛化能力 | 提高骨肿瘤CT图像分割的性能，并通过3D重建和混合现实技术增强临床医生对肿瘤形态和空间关系的理解 | 骨肿瘤的CT图像 | 计算机视觉 | 骨肿瘤 | DCU-Net模型，3D重建技术，混合现实（MR）技术 | DCU-Net | 图像 | 医院数据集（具体数量未提及） |
| 8336 | 2025-01-24 |
Mid-infrared spectra of dried and roasted cocoa (Theobroma cacao L.): A dataset for machine learning-based classification of cocoa varieties and prediction of theobromine and caffeine content
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111243
PMID:39840227
|
研究论文 | 本文提供了一个关于干燥和烘焙可可豆的中红外光谱数据集，用于基于机器学习的可可品种分类和可可碱及咖啡因含量预测 | 该数据集结合了中红外光谱数据和HPLC定量分析，为机器学习模型提供了非破坏性的方法来预测可可碱和咖啡因含量及可可品种 | 数据集的应用可能受限于样本的多样性和实验条件的控制 | 开发自动化工具以支持可可工业中的实时质量控制、品种分类和产品优化 | 干燥和烘焙的可可豆 | 机器学习 | NA | ATR-FTIR光谱和HPLC | NA | 光谱数据 | 数据集包含根据实验条件和重复组织的Excel表格 |
| 8337 | 2025-01-24 |
The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding
2025-Jan-23, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9957
PMID:39622169
|
研究论文 | 本文介绍了一种名为'Sandwich'的深度隐私保护元框架，结合了迁移学习和联邦学习，用于非侵入性脑电波解码 | 提出了一种新的深度隐私保护元框架'Sandwich'，结合了迁移学习和联邦学习，解决了脑电波解码中的数据变异性和隐私问题 | NA | 解决脑电波解码中的数据变异性和隐私问题 | 脑电波数据 | 机器学习 | NA | 迁移学习, 联邦学习 | Inception SanDwich | 时间序列数据 | 使用BEETL运动想象挑战中的异质脑电波数据集进行评估 |
| 8338 | 2025-01-24 |
A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data
2025-Jan-23, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.860
PMID:39844750
|
综述 | 本文综述了利用人工智能（AI）结合CT、PET和临床数据预测早期非小细胞肺癌（NSCLC）术后复发风险的研究 | 本文综合分析了2018年至2024年间发表的16项研究，评估了放射组学、机器学习和深度学习在预测术后复发风险中的应用，并指出了未来研究方向 | 现有研究存在样本量小、缺乏外部验证、可解释性问题以及多模态影像技术融合不足等挑战 | 预测早期非小细胞肺癌（NSCLC）术后复发风险 | 早期非小细胞肺癌（NSCLC）患者 | 数字病理学 | 肺癌 | 放射组学、机器学习、深度学习 | 深度学习模型、多模态模型 | CT、PET、临床数据 | 16项研究（具体样本量未明确） |
| 8339 | 2025-01-24 |
Biomimetic Fingerprint-like Unclonable Optical Anticounterfeiting System with Selectively In Situ-Synthesized Perovskite Quantum Dots Embedded in Spontaneous-Phase-Separated Polymers
2025-Jan-22, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20440
PMID:39780348
|
研究论文 | 本文提出了一种基于钙钛矿量子点指纹物理不可克隆功能的仿生防伪系统，利用聚合物的自发相分离和选择性原位合成钙钛矿量子点作为熵源 | 该系统通过调整钙钛矿和聚合物成分，实现了从二进制到多值编码的扩展，具有高编码容量，并兼容主流生产技术和深度学习增强的智能融合方案 | 未提及具体局限性 | 开发一种新型防伪技术，以应对物联网时代防伪技术面临的挑战 | 钙钛矿量子点和聚合物 | 材料科学 | NA | 自发相分离和选择性原位合成 | 深度学习 | 图像 | 未提及具体样本数量 |
| 8340 | 2025-01-24 |
Artificial intelligence streamlines scientific discovery of drug-target interactions
2025-Jan-22, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.17427
PMID:39843168
|
综述 | 本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用 | 本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向 | 本文未涉及具体实验验证，主要集中于理论和方法论的探讨 | 探讨AI技术在药物发现和开发中的应用，特别是DTI预测 | 药物靶点相互作用（DTI） | 机器学习 | NA | NA | 经典机器学习、深度学习、基于网络的方法 | NA | NA |