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 14381 - 14400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14381 | 2024-12-16 |
Multi-scale region selection network in deep features for full-field mammogram classification
2025-Feb, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103399
PMID:39615148
|
研究论文 | 本文提出了一种深度多尺度区域选择网络（MRSN），用于无需ROI或分割标注的全场乳腺X光片分类 | MRSN通过多尺度特征选择，避免了依赖ROI标注，同时提高了模型性能 | NA | 开发一种无需ROI标注的全场乳腺X光片分类方法，以降低计算机辅助诊断系统的成本和复杂性 | 乳腺X光片图像 | 计算机视觉 | 乳腺癌 | 深度卷积神经网络 | CNN | 图像 | 两个公开数据集和一个私有数据集 |
| 14382 | 2024-12-16 |
Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29405
PMID:38850180
|
研究论文 | 本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR） | 本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性 | 本文为回顾性研究，样本量有限，且仅在两个中心进行了验证 | 旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应 | 乳腺癌患者对新辅助化疗的病理完全反应 | 机器学习 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | VGG-LSTM网络 | 图像 | 中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集 |
| 14383 | 2024-12-16 |
Deep Learning-Based Approach for Identifying and Measuring Focal Liver Lesions on Contrast-Enhanced MRI
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29404
PMID:38826142
|
研究论文 | 本文评估了基于深度学习的人工智能软件在对比增强磁共振成像（MRI）图像上识别和测量肝局灶性病变（FLLs）的性能 | 本文展示了基于深度学习的人工智能软件在自动识别和测量肝局灶性病变方面的实际应用价值，并证明了其与放射科医生结合使用时具有更高的检测率和敏感性 | 本文为回顾性研究，样本量有限，且未提及模型的泛化能力或在外部数据集上的验证 | 评估基于深度学习的人工智能软件在识别和测量肝局灶性病变方面的性能 | 395名患者的1149个肝局灶性病变 | 计算机视觉 | 肝病 | MRI | 深度学习 | 图像 | 395名患者，1149个肝局灶性病变 |
| 14384 | 2024-12-16 |
Clinical feasibility of a deep learning approach for conventional and synthetic diffusion-weighted imaging in breast cancer: Qualitative and quantitative analyses
2025-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111855
PMID:39616946
|
研究论文 | 本研究旨在探讨基于深度学习的重建方法在常规扩散加权成像（cDWI）和合成扩散加权成像（sDWI）中的临床可行性，并通过与cDWI和sDWI的比较，评估其在不同乳腺癌患者中的表现 | 深度学习重建的扩散加权成像在高质量b值下表现优于常规和合成扩散加权成像，并缩短了采集时间 | NA | 评估深度学习重建方法在乳腺癌扩散加权成像中的临床可行性 | 115名经活检证实的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | 115名乳腺癌患者 |
| 14385 | 2024-12-16 |
A Hybrid Model for Fetal Growth Restriction Assessment by Automatic Placental Radiomics on T2-Weighted MRI and Multifeature Fusion
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29399
PMID:38655903
|
研究论文 | 本文开发并验证了一种基于T2加权MRI和多特征融合的混合模型，用于自动评估胎儿生长受限 | 提出了一个混合模型，通过自动胎盘放射组学和多特征融合来提高胎儿生长受限的评估准确性，并引入了母体信息以提升性能 | 研究是回顾性的，且依赖于手动标注的胎盘数据 | 开发和验证一种能够通过自动胎盘放射组学和多特征融合来准确评估胎儿生长受限的混合模型 | 274名孕妇的胎盘和胎儿数据 | 数字病理学 | 胎儿生长受限 | T2加权MRI | 随机森林 | 图像 | 274名孕妇 |
| 14386 | 2024-12-16 |
Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29403
PMID:38676436
|
研究论文 | 本文开发了一种可解释的深度学习模型，用于在磁共振成像（MRI）上对腰椎间盘突出（LDH）进行分级和定位 | 利用深度学习模型自动化和标准化腰椎间盘突出的分级和定位过程，减少复杂性、时间和主观性 | 模型在外部测试集上的表现有所下降，表明需要进一步提高模型的泛化能力 | 开发一种能够对腰椎间盘突出进行分级和定位的深度学习模型 | 1496名患者的腰椎间盘突出MRI图像 | 计算机视觉 | 腰椎间盘突出 | 深度学习 | 深度学习模型 | 图像 | 1496名患者（男性783名，女性713名） |
| 14387 | 2024-12-15 |
Automated Detection of Central Retinal Artery Occlusion Using OCT Imaging via Explainable Deep Learning
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100630
PMID:39669299
|
研究论文 | 本文展示了使用深度学习模型通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）的能力 | 本文提出了一种可解释的深度学习模型，用于在OCT数据上检测CRAO，并展示了其在多分类任务中的高准确性 | 本文仅进行了回顾性外部验证研究，未来需要进一步的前瞻性研究来验证模型的临床应用 | 开发和验证一种深度学习模型，用于通过OCT影像自动检测视网膜中央动脉阻塞（CRAO） | 视网膜中央动脉阻塞（CRAO）及其鉴别诊断 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 来自德国蒂宾根大学医学中心和汉堡-埃彭多夫大学医学中心的患者的OCT数据 |
| 14388 | 2024-08-07 |
Editorial for "Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging"
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29457
PMID:38804734
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14389 | 2024-12-15 |
A deep-learning system for diagnosing ectopic eruption
2025-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105399
PMID:39424256
|
研究论文 | 构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发 | 该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性 | NA | 开发一种用于诊断异位萌发的深度学习系统 | 儿童的混合牙列和恒牙的异位萌发 | 机器学习 | NA | 深度学习 | 多阶段深度学习网络 | 图像 | 1576张儿童全景X光片，年龄范围为6-12岁 |
| 14390 | 2024-12-14 |
Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial
2025-Feb-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.11.061
PMID:39577502
|
研究论文 | 本研究探讨了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用 | 首次研究了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的价值，并提出了基于深度学习的预测模型 | 需要独立重复实验来验证初步发现 | 研究大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用 | 双相情感障碍青少年患者的大脑结构连接组拓扑结构 | 神经影像学 | 双相情感障碍 | 结构磁共振成像（MRI） | 深度学习模型 | 图像 | 121名未接受过精神药物治疗的双相情感障碍I型青少年 |
| 14391 | 2024-12-14 |
A multi-perspective deep learning framework for enhancer characterization and identification
2025-Feb, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究介绍了一种用于增强子特征化和识别的多视角深度学习框架MPDL-Enhancer | 创新的双尺度深度神经网络和独特的特征表示策略 | NA | 准确识别和表征增强子，以理解基因调控网络及相关疾病的发展 | 增强子序列 | 机器学习 | NA | dna2vec模型 | 双尺度深度神经网络 | DNA序列 | 独立测试数据集 |
| 14392 | 2024-12-14 |
Investigating streetscape environmental characteristics associated with road traffic crashes using street view imagery and computer vision
2025-Feb, Accident; analysis and prevention
DOI:10.1016/j.aap.2024.107851
PMID:39581057
|
研究论文 | 本研究利用街景图像和计算机视觉技术，结合语义分割和目标检测网络，分析了街道环境特征与道路交通事故之间的关系 | 本研究通过结合语义分割和目标检测网络，全面测量街道环境特征，克服了传统方法仅依赖语义分割的局限性 | 本研究主要基于百度街景图像，可能无法完全代表所有地区的街道环境特征 | 探讨街道环境特征与道路交通事故之间的关系，为提升道路安全提供依据 | 街道环境特征（如道路、人行道、建筑物等）与三种交通事故类型（车辆-车辆碰撞、车辆-行人碰撞、单车事故） | 计算机视觉 | NA | 深度学习 | 语义分割网络和目标检测网络 | 图像 | NA |
| 14393 | 2024-12-14 |
IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification
2025-Feb, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于物联网的医疗系统，利用分数阶蜣螂优化算法支持的深度学习进行乳腺癌分类 | 创新点在于结合了物联网技术和分数阶蜣螂优化算法，通过SqueezeNet_Fractional Dung Beetle Optimization (Squeeze_FDBO)提高了乳腺癌分类的准确性和路由性能 | NA | 旨在提高乳腺癌分类的准确性，从而促进早期检测和治疗 | 乳腺癌的分类和诊断 | 计算机视觉 | 乳腺癌 | 分数阶蜣螂优化算法 | SqueezeNet | 图像 | NA |
| 14394 | 2024-12-13 |
Deep learning-assisted surface-enhanced Raman spectroscopy detection of intracellular reactive oxygen species
2025-Mar-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127222
PMID:39556973
|
研究论文 | 本文结合表面增强拉曼光谱（SERS）技术和深度学习，建立了一种基于神经网络的细胞内活性氧（ROS）智能检测方法 | 本文创新性地将SERS技术与深度学习相结合，利用神经网络模型提高了SERS分析能力，并实现了对细胞内ROS的初步浓度预测 | 本文仅以过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）的同时检测为模板，未来可能需要扩展到更多种类的ROS检测 | 实现细胞内活性氧的智能分析，以促进疾病的快速诊断 | 细胞内活性氧（ROS），特别是过氧亚硝酸盐（ONOO）和次氯酸盐（ClO） | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 神经网络模型（ENN）和一维卷积神经网络模型（1D-CNN） | 光谱数据 | AuNP/4-MPBA/2-MP纳米探针的SERS光谱数据 |
| 14395 | 2024-12-13 |
Deep learning for NAD/NADP cofactor prediction and engineering using transformer attention analysis in enzymes
2025-Jan, Metabolic engineering
IF:6.8Q1
DOI:10.1016/j.ymben.2024.11.007
PMID:39571721
|
研究论文 | 本文介绍了一种基于transformer的深度学习模型DISCODE，用于预测和设计酶的NAD(P)辅因子偏好 | DISCODE模型利用transformer的注意力机制，能够解释性地分析关键残基，从而实现酶的辅因子特异性预测和设计 | NA | 理解和操纵NAD(P)-依赖的氧化还原酶的辅因子偏好 | NAD(P)-依赖的氧化还原酶的辅因子偏好 | 机器学习 | NA | 深度学习 | transformer | 序列 | 7,132个NAD(P)-依赖的酶序列 |
| 14396 | 2024-12-13 |
Combining MRI radiomics and clinical features for early identification of drug-resistant epilepsy in people with newly diagnosed epilepsy
2025-Jan, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2024.110165
PMID:39612633
|
研究论文 | 本研究结合MRI放射组学和临床特征，使用深度学习模型ResNet-18提取MRI特征，构建机器学习分类器以早期识别药物难治性癫痫 | 首次将放射组学与临床特征结合，使用深度学习模型提取MRI特征，并构建机器学习分类器进行早期诊断 | 样本量较小，可能影响模型的泛化能力 | 早期识别新诊断的药物难治性癫痫患者 | 新诊断的癫痫患者 | 机器学习 | 癫痫 | MRI放射组学 | ResNet-18 | 图像 | 134名新诊断的癫痫患者 |
| 14397 | 2024-12-13 |
Decoding Depth of Meditation: Electroencephalography Insights From Expert Vipassana Practitioners
2025-Jan, Biological psychiatry global open science
DOI:10.1016/j.bpsgos.2024.100402
PMID:39660274
|
研究论文 | 本研究使用脑电图（EEG）技术解码专家内观冥想者自我报告的冥想深度 | 引入了一种新的自发涌现方法来评估冥想深度，并提出了一种融合源活动和连接信息的新型机器学习方法 | 研究样本仅限于34名专家内观冥想者，可能限制了结果的普适性 | 解码自我报告的冥想深度，并探讨神经活动与冥想深度之间的关系 | 专家内观冥想者的冥想深度及其神经相关性 | 神经科学 | NA | 脑电图（EEG） | 机器学习 | 脑电信号 | 34名专家内观冥想者 |
| 14398 | 2024-12-12 |
LesionScanNet: dual-path convolutional neural network for acute appendicitis diagnosis
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00321-7
PMID:39654693
|
研究论文 | 本文提出了一种名为LesionScanNet的双路径卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断 | LesionScanNet模型具有轻量级设计，包含多个DualKernel块，通过两条路径处理输入图像，分别使用3×3和1×1滤波器，展示了在急性阑尾炎诊断中的高准确性和泛化能力 | NA | 开发一种高效的卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断 | 急性阑尾炎的诊断 | 计算机视觉 | 急性阑尾炎 | 卷积神经网络 | CNN | 图像 | 2400张CT扫描图像 |
| 14399 | 2024-12-12 |
Adaptive Multicore Dual-Path Fusion Multimodel Extraction of Heterogeneous Features for FAIMS Spectral Analysis
2025-Mar, Rapid communications in mass spectrometry : RCM
IF:1.8Q2
DOI:10.1002/rcm.9967
PMID:39658821
|
研究论文 | 本文提出了一种自适应多核双路径融合多模型提取异构特征的模型，用于FAIMS光谱分析 | 通过多模型特征提取实现多网络互补，自适应特征融合模块调整特征大小和维度融合，多核双路径融合能够捕捉和整合多尺度和多层次的信息 | NA | 提高FAIMS光谱分析的分析效果和工作效率 | FAIMS光谱数据 | 机器学习 | NA | FAIMS | 多模型特征提取 | 光谱数据 | 小样本数据 |
| 14400 | 2024-10-14 |
Corrigendum to 'Deep learning dives: Predicting anxiety in Zebrafish through novel tank assay analysis' Physiology & Behavior (2024), 114696
2025-Feb-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2024.114705
PMID:39395874
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |