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 16751 篇文献，本页显示第 13841 - 13860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13841 | 2025-04-11 |
CBD: Coffee Beans Dataset
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111434
PMID:40201542
|
research paper | 介绍了一个名为CBD的高质量咖啡豆数据集，用于支持机器学习和深度学习模型在咖啡豆分类和分级中的应用 | 提供了包含450张高分辨率图像的咖啡豆数据集，涵盖9种不同的咖啡豆等级，旨在解决咖啡质量评估中的关键挑战 | 数据集的样本来源仅限于印度喀拉拉邦的Wayanad地区，可能无法代表全球咖啡豆的多样性 | 开发先进的咖啡豆分类技术，提高咖啡质量评估和分类准确性 | 咖啡豆 | computer vision | NA | NA | EfficientNet-B0 | image | 450张高分辨率图像，涵盖9种咖啡豆等级，每类50张 | NA | NA | NA | NA |
| 13842 | 2025-04-01 |
Author Correction: Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95425-9
PMID:40155745
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13843 | 2025-04-11 |
Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques
2025-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012905
PMID:40163555
|
研究论文 | 本研究提出了一种名为PASO的深度学习模型，用于预测细胞系对抗癌药物的敏感性，整合了多组学路径差异特征和多种深度学习技术 | PASO模型创新性地结合了transformer编码器、多尺度卷积网络和注意力机制，利用细胞系的多组学数据和药物分子的SMILES表示进行药物敏感性预测 | NA | 开发一个能够准确预测个体患者对抗癌药物反应的模型，以支持精准医疗 | 细胞系的多组学数据和药物分子的SMILES表示 | 机器学习 | 肺癌 | 多组学数据分析（基因表达、基因突变、基因拷贝数变异） | PASO（整合transformer encoder、多尺度CNN和注意力机制） | 多组学数据、药物SMILES表示 | NA | NA | NA | NA | NA |
| 13844 | 2025-04-11 |
Differential impact of commercial rootstocks on the physiological response of a common walnut scion to drought stress
2025 Mar-Apr, Physiologia plantarum
IF:5.4Q1
DOI:10.1111/ppl.70188
PMID:40207703
|
research paper | 该研究评估了不同商业砧木对普通核桃接穗在干旱条件下生理反应的影响 | 首次使用深度学习作为独立方法分析冠层对水分胁迫的响应，并发现RX1砧木在水分胁迫下具有较高的叶片膨压和水分利用效率 | 研究仅针对三种砧木和一种接穗品种，结果可能不具有普遍性 | 评估不同商业砧木对核桃接穗在干旱条件下生理反应的影响 | 核桃砧木(RX1, VX211和Vlach)和英国核桃接穗(Juglans regia cv. Cisco) | 植物生理学 | NA | mini-lysimeter平台, 深度学习 | 深度学习模型(未指定具体类型) | 土壤湿度数据, 蒸腾水分损失数据, 冠层图像 | 三种砧木(RX1, VX211和Vlach)和一种接穗品种(Cisco) | NA | NA | NA | NA |
| 13845 | 2025-04-11 |
An endoscopic ultrasound-based interpretable deep learning model and nomogram for distinguishing pancreatic neuroendocrine tumors from pancreatic cancer
2025-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84749-7
PMID:39870667
|
研究论文 | 开发并验证了一种基于内镜超声(EUS)图像的可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤(PNETs) | 提出了一种新的可解释深度学习模型和列线图，结合了深度学习和临床特征，提高了EUS在区分PNETs和胰腺癌中的临床应用价值 | 研究为回顾性分析，样本量相对较小(266例患者)，且测试组的AUC值(0.795)较训练组(0.948)有所下降 | 开发一种能够区分胰腺神经内分泌肿瘤和胰腺癌的预测模型 | 266例经病理证实的患者(115例PNETs和151例胰腺癌) | 数字病理 | 胰腺癌 | 内镜超声(EUS) | SVM, 深度学习模型 | 图像 | 266例患者(115例PNETs和151例胰腺癌) | NA | NA | NA | NA |
| 13846 | 2025-04-11 |
Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery
2025-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87370-4
PMID:39870730
|
研究论文 | 本研究旨在开发深度学习模型，以帮助青少年特发性脊柱侧凸（AIS）患者的手术决策和结果预测 | 结合影响手术结果的关键因素，设计了四种深度学习模型，为AIS患者提供个性化手术决策支持 | 学习曲线和数据量的限制，未来需要调整和优化模型以满足需求 | 促进AIS患者的手术决策并预测手术结果 | 425名接受后路脊柱固定的AIS患者 | 数字病理学 | 青少年特发性脊柱侧凸 | 深度学习 | Multi-Layer Perceptron, Encoder-Decoder, CNN-LSTM Attention, Deep FM | 图像数据、临床数据 | 425名患者（77名男性，348名女性，平均年龄14.60±2.08岁） | NA | NA | NA | NA |
| 13847 | 2025-04-11 |
Capsule network approach for monkeypox (CAPSMON) detection and subclassification in medical imaging system
2025-01-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87993-7
PMID:39865160
|
research paper | 本研究提出了一种增强空间感知胶囊网络（ESACN），用于皮肤病图像的多类精确分类，特别是在猴痘检测和子分类方面 | 利用胶囊网络的动态路由和空间层次结构能力，有效区分猴痘、水痘、麻疹和正常皮肤等复杂模式，优于传统CNN | 研究样本量相对有限，可能影响模型的泛化能力 | 开发一种高精度的医学图像分类模型，以提升猴痘等皮肤病的诊断准确性 | 皮肤病图像，包括猴痘、水痘、麻疹和正常皮肤 | digital pathology | monkeypox | Capsule Network | ESACN | image | 659张图像（猴痘178张、水痘171张、麻疹80张、正常皮肤230张） | NA | NA | NA | NA |
| 13848 | 2025-04-11 |
Deep learning classification of MGMT status of glioblastomas using multiparametric MRI with a novel domain knowledge augmented mask fusion approach
2025-01-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87803-0
PMID:39863759
|
研究论文 | 本研究旨在构建一个基于多参数MRI的胶质母细胞瘤MGMT甲基化状态的鲁棒分类器，采用了一种新颖的领域知识增强掩模融合方法 | 提出了一种多序列引导的掩模融合方法，能够从标准MRI序列中看似无病变的区域收集病理信息，并构建了一个3D ROI-based自定义CNN分类器 | 多参数分类器在使用所有序列时的准确率为0.81，略低于仅使用T1对比增强和FLAIR图像的分类器（0.88） | 开发一种非侵入性预测胶质母细胞瘤MGMT甲基化状态的方法，以辅助临床治疗决策 | 胶质母细胞瘤的MGMT甲基化状态 | 数字病理 | 胶质母细胞瘤 | 多参数MRI | 3D ROI-based自定义CNN | MRI图像 | BRATS 2021 MGMT甲基化数据集的一个子集 | NA | NA | NA | NA |
| 13849 | 2025-04-11 |
Mapping the giants: a bibliometric analysis of the top 100 most-cited thyroid nodules studies
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1555676
PMID:40201321
|
研究论文 | 通过文献计量学分析甲状腺结节研究领域被引用次数最多的100篇文章，以识别趋势和关键焦点 | 首次对甲状腺结节领域的高被引文献进行系统分析，并识别出深度学习作为新兴研究方向 | 仅分析了SCI-E数据库中的文献，可能遗漏其他重要数据库的文献 | 分析甲状腺结节研究领域的高被引文献特征和趋势 | 甲状腺结节研究领域的100篇高被引文献 | 文献计量学 | 甲状腺疾病 | 文献计量分析工具（VOSviewer, CiteSpace, bibliometrix） | NA | 文本数据 | 100篇高被引文献 | NA | NA | NA | NA |
| 13850 | 2025-04-11 |
Early diagnosis of sepsis-associated AKI: based on destruction-replenishment contrast-enhanced ultrasonography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1563153
PMID:40201329
|
research paper | 建立基于破坏-补充对比增强超声（DR-CEUS）的深度学习超声放射组学模型，用于早期预测急性肾损伤（SA-AKI） | 结合深度学习和超声放射组学，提出了一种新的深度学习超声放射组学模型（DLUR），在早期预测SA-AKI方面表现出色 | 未提及样本量是否足够大或模型在其他数据集上的泛化能力 | 早期预测与脓毒症相关的急性肾损伤（SA-AKI） | 急性肾损伤（SA-AKI）患者 | digital pathology | acute kidney injury | 破坏-补充对比增强超声（DR-CEUS） | ResNet18, ResNet50, ResNext18, ResNext50, DLUR | 超声图像 | NA | NA | NA | NA | NA |
| 13851 | 2025-04-11 |
Deep learning-based automated segmentation and quantification of the dural sac cross-sectional area in lumbar spine MRI
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1503625
PMID:40201339
|
研究论文 | 本研究评估了深度学习模型在腰椎MRI中自动分割和量化硬膜囊横截面积（DSCA）的效能，以提高诊断精度并减轻放射科医生的工作负担 | 首次将MultiResUNet等深度学习模型应用于腰椎MRI中DSCA的自动测量，展示了高精度和可靠性 | 数据集规模有限且仅依赖T1加权图像 | 开发自动化工具以提升腰椎MRI中DSCA测量的效率和准确性 | 腰椎MRI图像中的硬膜囊横截面积 | 数字病理学 | 脊柱疾病（如退行性椎间盘疾病、椎管狭窄和椎间盘突出） | MRI成像 | U-Net, Attention U-Net, MultiResUNet | 医学影像（T1加权轴向MRI图像） | 733例腰椎MRI扫描（683例用于训练和测试，50例用于外部验证） | NA | NA | NA | NA |
| 13852 | 2025-04-11 |
Internet of things driven hybrid neuro-fuzzy deep learning building energy management system for cost and schedule optimization
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1544183
PMID:40206707
|
研究论文 | 本文提出了一种基于物联网的混合神经模糊深度学习建筑能源管理系统，用于成本和进度优化 | 结合人工神经网络和模糊逻辑，在深度神经网络架构中集成模糊层，开发了一种混合深度学习模型 | 研究仅基于印度一个大学的数据，可能不具备广泛的普适性 | 优化建筑能源消耗，实现成本和进度优化 | 建筑能源管理系统（BEMS） | 机器学习 | NA | 深度学习、模糊逻辑 | 混合深度学习模型（人工神经网络与模糊逻辑结合） | 电力数据 | 2021年12月至2023年12月两年的能源消耗数据及27个相关能源参数 | NA | NA | NA | NA |
| 13853 | 2025-04-10 |
Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning
2025-Jun, Cancer innovation
DOI:10.1002/cai2.70002
PMID:40151333
|
研究论文 | 本研究旨在通过深度学习评估乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并评估新辅助系统治疗（NST）在减少手术干预需求方面的潜力 | 提出了一种名为BIME的生存回归模型，该模型在治疗推荐中显示出最强的保护效果，并通过高级统计方法（如PSM和IPTW）减少了治疗分配中的偏差 | 需要进一步研究结合全面的预后评估以优化手术选择过程并完善其临床实用性 | 评估NSM和MRM对乳腺癌患者生存结果的影响，并探索NST在减少手术干预中的作用 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习，PSM，IPTW | BIME | 临床数据 | NA | NA | NA | NA | NA |
| 13854 | 2025-04-10 |
A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting
2025-May, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3540513
PMID:40031563
|
research paper | 本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量 | 提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量 | 实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证 | 评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量 | 时间序列数据（包括单变量和多变量） | machine learning | NA | association rules, feature attribution | deep learning models | time series data | NA | NA | NA | NA | NA |
| 13855 | 2025-04-10 |
Smectic-like bundle formation of planktonic bacteria upon nutrient starvation
2025-Apr-09, Soft matter
IF:2.9Q2
DOI:10.1039/d4sm01117a
PMID:40126189
|
研究论文 | 研究细菌在营养匮乏条件下形成束状聚集体的集体行为 | 发现营养匮乏导致细菌细胞排列成类似近晶液晶的束状结构，并通过深度学习评估其有序程度 | 未明确提及具体局限性 | 探索环境变化对细菌聚集行为的影响 | 浮游细菌 | 微生物学 | NA | 深度学习 | NA | 实验观察数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 13856 | 2025-04-10 |
Transformer-based deep learning structure-conductance relationships in gold and silver nanowires
2025-Apr-09, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp04605f
PMID:40152302
|
研究论文 | 本研究利用基于Transformer的深度学习模型预测金和银纳米线的结构-电导关系 | 首次将Transformer神经网络应用于纳米线电导预测，展示了其在处理长、大及结构不同纳米线时的稳定性、准确性和可扩展性 | 模型训练数据主要来自模拟而非实际实验数据 | 建立纳米线结构与其电导特性之间的关系 | 金和银纳米线 | 机器学习 | NA | 分子动力学模拟(MD)与神经网络势能 | Transformer | 模拟数据 | 大量金和银纳米线结结构 | NA | NA | NA | NA |
| 13857 | 2025-04-10 |
Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films
2025-Apr-09, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00787
PMID:40163590
|
研究论文 | 本研究利用深度学习技术预测SrTiO薄膜的化学计量比，通过反射高能电子衍射图像进行分析 | 使用门控卷积神经网络对小样本（31个样本）进行回归训练，实现了准确的预测，并通过可解释AI技术揭示了衍射条纹特征与阳离子化学计量之间的未知相关性 | 样本量较小（仅31个样本） | 加速、理解和控制薄膜合成过程，揭示合成条件与材料性能之间的关系 | SrTiO薄膜的化学计量比 | 机器学习 | NA | 反射高能电子衍射（RHEED） | 门控卷积神经网络（Gated CNN） | 图像 | 31个样本 | NA | NA | NA | NA |
| 13858 | 2025-04-10 |
Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: a deep learning approach
2025-Apr-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc73f
PMID:40164089
|
research paper | 本研究开发并探讨了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测基于动态放射治疗计划的电子门户成像设备图像 | 结合蒙特卡洛模拟和深度学习方法来预测放射治疗中的电子门户成像设备图像，为剂量学质量保证提供新方法 | 模型在简单和复杂变体中的伽马通过率存在差异，表明模型性能有待进一步优化 | 开发一种用于放射治疗剂量学质量保证的混合模型 | 动态放射治疗计划中的电子门户成像设备图像 | machine learning | various cancer types | Monte Carlo simulations, deep learning | U-Net | image | 17 clinical treatment plans | NA | NA | NA | NA |
| 13859 | 2025-04-10 |
Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering
2025-Apr-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01495-6
PMID:40199834
|
research paper | 提出一种基于深度学习的烧伤严重程度分类方法，通过改进的ResNet18架构和置信度过滤提高分类准确率 | 采用集成了注意力机制的增强型ResNet18架构，结合自适应学习率优化策略和置信度过滤后处理模块 | 实验仅在烧伤皮肤测试数据集上进行验证，未涉及更广泛的临床场景 | 提升烧伤严重程度分类的准确性和实时性，以支持临床治疗决策 | 烧伤皮肤图像 | computer vision | 烧伤 | 深度学习 | SE-ResNet18 | image | 烧伤皮肤测试数据集（具体数量未说明） | NA | NA | NA | NA |
| 13860 | 2025-04-10 |
Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110110
PMID:40198981
|
research paper | 提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性 | 结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 建立基于胶原纤维特征的伤口愈合状态分类方法 | 皮肤组织的组织学图像 | digital pathology | wound healing | histological imaging | VGG16 | image | 未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤 | NA | NA | NA | NA |