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 14515 篇文献，本页显示第 11901 - 11920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11901 | 2025-04-13 |
Comparison of 7 artificial intelligence models in predicting venous thromboembolism in COVID-19 patients
2025-Feb, Research and practice in thrombosis and haemostasis
IF:3.4Q1
DOI:10.1016/j.rpth.2025.102711
PMID:40212774
|
研究论文 | 比较7种人工智能模型在预测COVID-19患者静脉血栓栓塞中的表现 | 比较了7种不同AI模型在预测VTE中的表现，并确定了SVC模型为最优 | 研究仅基于单一多中心观察性研究的数据，可能无法推广到其他人群 | 比较不同AI模型在预测COVID-19患者静脉血栓栓塞中的性能 | COVID-19患者 | 机器学习 | COVID-19 | 递归特征消除、K折交叉验证、超参数调优 | 多层感知器分类器、人工神经网络、XGBoost、支持向量分类器、随机梯度下降分类器、随机森林分类器、逻辑回归分类器 | 临床数据 | 8027名患者中的2649名用于测试 |
| 11902 | 2025-04-13 |
Advancing personalized diagnosis and treatment using deep learning architecture
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1545528
PMID:40212269
|
研究论文 | 本研究提出了一种名为ImmunoNet的深度学习框架，用于提高自身免疫性疾病的诊断和治疗准确性 | 结合遗传、分子和临床数据，利用CNN和MLP分析大规模数据集，通过可解释AI技术和联邦学习提高模型的解释性和隐私保护 | 未提及具体的数据集规模或实际临床应用中的潜在问题 | 提高自身免疫性疾病的诊断准确性和个性化治疗策略 | 自身免疫性疾病患者 | 机器学习 | 自身免疫性疾病 | 深度学习 | CNN, MLP | 遗传数据、分子数据、临床数据 | NA |
| 11903 | 2025-04-13 |
Preliminary exploratory study on differential diagnosis between benign and malignant peripheral lung tumors: based on deep learning networks
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1567545
PMID:40212272
|
研究论文 | 本研究基于深度学习网络开发了一种超声成像模型，用于区分良性和恶性周围型肺肿瘤 | 研究首次利用超声成像结合深度学习模型（ResNet系列）进行肺肿瘤良恶性鉴别，相比传统X射线、CT和MRI方法具有创新性 | 研究样本量相对有限（371例），且为回顾性分析，可能存在选择偏倚 | 开发基于超声成像的深度学习模型以提高肺肿瘤良恶性鉴别诊断准确性 | 371例接受超声引导经皮肺肿瘤手术的患者 | 数字病理 | 肺癌 | 超声成像 | ResNet18/34/50/101/152 | 超声图像 | 371例患者（训练集296例，测试集75例） |
| 11904 | 2025-04-13 |
Heterogeneous transfer learning model for improving the classification performance of fNIRS signals in motor imagery among cross-subject stroke patients
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1555690
PMID:40212471
|
研究论文 | 本文提出了一种跨主题异构迁移学习模型（CHTLM），用于提高中风患者运动想象功能近红外光谱（MI-fNIRS）信号的跨主题分类性能 | 利用健康个体的标记脑电图（EEG）数据作为源域，通过自适应特征匹配网络对齐源域和目标域的任务相关特征图和卷积层，从而提升分类性能 | 实验样本量较小，仅涉及八名中风患者的数据 | 提升中风患者MI-fNIRS信号的跨主题分类性能，以支持中风康复中的脑机接口应用 | 中风患者的MI-fNIRS信号 | 脑机接口 | 中风 | 功能近红外光谱（fNIRS）和脑电图（EEG） | 跨主题异构迁移学习模型（CHTLM） | 信号数据 | 八名中风患者的MI-fNIRS数据 |
| 11905 | 2025-04-13 |
Image-based food monitoring and dietary management for patients living with diabetes: a scoping review of calorie counting applications
2025, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2025.1501946
PMID:40212724
|
综述 | 本文综述了基于图像的食品监测和饮食管理在糖尿病患者中的应用，特别是卡路里计数应用程序 | 探讨了利用深度学习和计算机视觉技术自动从食物图像中估算卡路里摄入量的最新进展 | 标准化、多样化人群的验证以及数据隐私问题是当前面临的主要挑战 | 研究计算机科学在饮食摄入估计中的作用，特别是食物分割、分类和体积估计以计算卡路里 | 糖尿病患者 | 计算机视觉 | 糖尿病 | 深度学习 | NA | 图像 | NA |
| 11906 | 2025-04-13 |
Plant stem and leaf segmentation and phenotypic parameter extraction using neural radiance fields and lightweight point cloud segmentation networks
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1491170
PMID:40212877
|
研究论文 | 本研究提出了一种结合神经辐射场模型和轻量级点云分割网络的方法，用于植物茎叶分割和表型参数提取 | 提出了一个轻量级点云分割网络PointSegNet，包含GLSA模块和EAFP模块，用于整合局部和全局特征并增强边缘感知能力 | NA | 开发一种自动提取植物表型参数的方法 | 玉米、番茄和大豆植物的茎叶 | 计算机视觉 | NA | 神经辐射场模型(Nerfacto)、点云分割 | PointSegNet | 3D点云数据 | 玉米、番茄和大豆植物样本 |
| 11907 | 2025-04-13 |
Deep learning-based target spraying control of weeds in wheat fields at tillering stage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1540722
PMID:40212873
|
研究论文 | 本研究结合深度学习设计了目标喷洒决策与滞后算法，并在测试平台上验证其有效性 | 对YOLOv5s进行轻量化改进并设计目标喷洒决策与滞后算法，解决了硬件操作滞后问题 | 实验仅使用模拟杂草和模拟分蘖小麦进行台架实验，未在真实田间环境中验证 | 开发基于深度学习的小麦田杂草目标喷洒控制系统 | 小麦田分蘖期的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5s | 图像 | 模拟杂草和模拟分蘖小麦的台架实验数据集 |
| 11908 | 2025-04-13 |
Machine learning and artificial intelligence in type 2 diabetes prediction: a comprehensive 33-year bibliometric and literature analysis
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1557467
PMID:40212895
|
综述 | 本文对33年（1991-2024年）间机器学习（ML）和人工智能（AI）在2型糖尿病（T2DM）预测中的应用研究进行了全面的文献计量和系统综述 | 采用文献计量和系统综述方法，结合TF-IDF和专家输入筛选文献，并应用双标准方法评估文献的相关性和影响力 | 未来研究需要解决泛化性、跨学科T2DM预测研究和社会心理整合方面的不足 | 综述机器学习与人工智能在2型糖尿病预测中的应用，识别关键趋势、方法和研究空白 | 2型糖尿病（T2DM）预测研究 | 机器学习 | 糖尿病 | TF-IDF, PRISMA指南, VOSviewer, Bibliometrix | Random Forest, Gradient Boosting, CNN | 文献数据 | 2,351篇文章 |
| 11909 | 2025-04-13 |
Head and Neck Tumor Segmentation for MRI-Guided Radiation Therapy Using Pre-trained STU-Net Models
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_4
PMID:40213034
|
研究论文 | 本研究比较了nnU-Net v2和STU-Net两种深度学习模型在头颈癌MRI图像中自动分割肿瘤的性能 | STU-Net在可扩展性和可迁移性方面进行了关键改进，参数规模从1400万到14亿不等，并利用TotalSegmentator等大规模数据集进行预训练，更有效地捕捉复杂多变的肿瘤结构 | NA | 提高MRI引导放射治疗中头颈癌肿瘤分割的准确性 | 头颈癌患者的MRI图像 | 数字病理 | 头颈癌 | 深度学习 | STU-Net, nnU-Net v2 | MRI图像 | NA |
| 11910 | 2025-04-13 |
Transformers in RNA structure prediction: A review
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.021
PMID:40213272
|
综述 | 本文全面回顾了基于Transformer的RNA结构预测模型 | 深入分析了Transformer架构的创新如何提升RNA结构预测性能及其现有不足 | 未具体说明Transformer模型在RNA结构预测中的具体局限性 | 探讨Transformer在RNA结构预测领域的应用与发展 | RNA的二级和三级结构 | 自然语言处理 | NA | Transformer模型 | Transformer | 序列数据 | NA |
| 11911 | 2025-04-12 |
Tracking protein kinase targeting advances: integrating QSAR into machine learning for kinase-targeted drug discovery
2025-Dec, Future science OA
IF:2.4Q3
DOI:10.1080/20565623.2025.2483631
PMID:40181786
|
综述 | 本文探讨了定量构效关系（QSAR）模型在激酶药物发现中的应用，重点介绍了将传统QSAR与机器学习（ML）和结构数据相结合的进展 | 深度学习增强的QSAR在自动特征提取和捕捉复杂关系方面具有创新性，超越了传统QSAR方法 | 强调了可解释性和实验验证对于临床转化的重要性 | 提高激酶靶向药物设计的效率和准确性 | 蛋白激酶及其选择性抑制剂 | 机器学习 | NA | 定量构效关系（QSAR）、机器学习（ML）、深度学习 | CNN、RNN | 结构数据、实验数据 | NA |
| 11912 | 2025-04-12 |
Leveraging multi-modal feature learning for predictions of antibody viscosity
2025-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2490788
PMID:40214197
|
研究论文 | 本文报告了一种多模态特征学习工作流程在预测治疗性抗体粘度中的应用 | 整合了多种数据源，包括序列、结构、物理化学性质以及语言模型的嵌入，使模型能够从分子模拟的物理化学规则和大型预训练深度学习模型捕获的蛋白质进化模式中学习 | 未提及具体样本量或实验验证的局限性 | 预测治疗性抗体的粘度，以解决皮下给药制剂的高粘度问题 | 治疗性抗体 | 机器学习 | NA | 多模态特征学习 | 深度学习模型 | 序列、结构、物理化学性质数据 | NA |
| 11913 | 2025-04-12 |
Simulation of a Free Boundary Cell Migration Model through Physics Informed Neural Networks
2025-Jul, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.106961
PMID:40058062
|
研究论文 | 本研究通过物理信息神经网络模拟了具有移动边界的迁移细胞中的一维肌动球蛋白流动 | 使用物理信息神经网络解决具有移动边界的复杂生物物理问题，无需合成数据进行训练 | 模型仅针对一维情况，未扩展到更高维度 | 理解单细胞迁移的复杂机制 | 迁移细胞中的肌动球蛋白流动 | 计算生物学 | NA | 物理信息神经网络 | PINN(物理信息神经网络) | 数值模拟数据 | NA |
| 11914 | 2025-03-04 |
Corrigendum to "A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China's elderly" [J. Affect. Disord. Volume 369, 15 January 2025, Pages 329-337]
2025-Jun-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.02.070
PMID:40024843
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11915 | 2025-04-12 |
Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29646
PMID:39467097
|
研究论文 | 本研究通过扩展相位图（EPG）建模提高了骨关节炎倡议（OAI）数据集中软骨T2映射的准确性和可重复性 | 首次将EPG建模应用于OAI数据集，解决了传统单指数模型忽略刺激回波和B1不均匀性的问题 | 研究样本量相对较小（100名受试者），且为回顾性研究 | 评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响 | OAI数据集中的受试者膝关节软骨 | 医学影像分析 | 骨关节炎 | Multi-Echo Spin-Echo (MESE)序列，扩展相位图（EPG）建模 | 非线性最小二乘法、字典匹配、深度学习 | 医学影像数据 | 100名受试者（50名骨关节炎患者和50名健康对照） |
| 11916 | 2024-11-07 |
Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29637
PMID:39501638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11917 | 2025-04-12 |
Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29639
PMID:39501646
|
研究论文 | 开发一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者接受管状显微椎间盘切除术后的1年预后效果 | 首次将术前双平面MRI的深度学习特征与临床特征相结合，用于评估管状显微椎间盘切除术的1年预后效果 | 研究为回顾性设计，可能存在选择偏倚；外部验证集的样本量相对较小 | 评估深度学习模型在预测腰椎间盘突出症手术预后中的应用价值 | 接受管状显微椎间盘切除术的腰椎间盘突出症患者 | 数字病理学 | 腰椎间盘突出症 | MRI (T2加权序列) | ResNet50, ResNet101, ResNet152 | 图像 | 548名患者（训练集305名，内部验证集131名，外部验证集112名） |
| 11918 | 2025-04-12 |
Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29670
PMID:39643475
|
研究论文 | 开发并验证了一种基于动态对比增强MRI（DCE-MRI）的深度学习系统，用于自动分割肿瘤并分类HER2-zero、HER2-low和HER2-positive状态的乳腺癌 | 首次使用深度学习系统（ResNetGN）基于DCE-MRI数据自动分割肿瘤并分类HER2状态，填补了此前研究在深度学习应用上的不确定性 | 研究为回顾性设计，可能存在选择偏差，且样本仅来自三个中心，可能影响模型的泛化能力 | 开发一种自动化工具，通过DCE-MRI数据在术前区分乳腺癌的HER2表达状态，以指导治疗决策 | 1294名乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）的DCE-MRI数据 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | ResNetGN | MRI图像 | 1294例乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例） |
| 11919 | 2025-04-12 |
Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population
2025-May, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112311
PMID:40096786
|
研究论文 | 本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态 | 首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力 | 排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童) | 评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力 | 10个月至10岁有鼓膜置管史的儿科患者 | 数字病理 | 儿科耳科疾病 | 深度学习 | 深度学习算法(未指定具体架构) | 图像 | 69名儿童产生的296张耳镜图像 |
| 11920 | 2025-04-12 |
Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29697
PMID:39776259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |