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 19278 篇文献，本页显示第 15521 - 15540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15521 | 2025-05-03 |
DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108592
PMID:39813937
|
研究论文 | 提出了一种用于乳腺X光片分类的单源域泛化的域不变特征学习框架（DIFLF） | 通过风格增强模块（SAM）和内容-风格解耦模块（CSDM）增加源域特征多样性并提取域不变特征 | 仅使用单一源数据集进行训练，可能无法覆盖所有可能的域偏移情况 | 提高深度学习模型在乳腺X光片分类中的跨域泛化能力 | 乳腺X光片 | 计算机视觉 | 乳腺癌 | 深度学习 | DIFLF（包含SAM和CSDM模块） | 图像 | 一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试 | NA | NA | NA | NA |
| 15522 | 2025-05-03 |
Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108594
PMID:39813939
|
研究论文 | 提出了一种基于去噪扩散概率模型和高斯噪声添加的EEG-fNIRS数据增强框架，以提高混合脑机接口系统的性能 | 结合去噪扩散概率模型（DDPM）和传统高斯噪声添加方法，首次为EEG-fNIRS混合信号创建联合分布样本并进行数据增强 | 研究依赖于特定任务的数据集，可能无法直接推广到其他脑机接口应用场景 | 解决脑机接口系统中脑信号数据稀缺问题，提高深度学习模型性能 | EEG和fNIRS混合脑信号数据 | 脑机接口 | NA | 去噪扩散概率模型（DDPM），高斯噪声添加 | DDPM | EEG-fNIRS多模态神经生理信号 | 三个公开数据库和一个自采集数据库 | NA | NA | NA | NA |
| 15523 | 2025-05-03 |
A comparative study of the EAT-Lancet diet and the Mediterranean diet in relation to neuroimaging biomarkers and cognitive performance
2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70191
PMID:40302043
|
research paper | 比较EAT-Lancet饮食与地中海饮食对老年人神经影像生物标志物和认知表现的影响 | 首次比较EAT-Lancet行星健康饮食与地中海饮食对大脑健康的影响 | 研究对象仅限于瑞典70岁无痴呆老年人，样本代表性有限 | 评估两种饮食模式对大脑健康和认知功能的影响 | 615名70岁无痴呆老年人 | 神经科学 | 阿尔茨海默病 | 神经影像测量（皮质厚度、海马体积、小血管疾病、深度学习脑年龄） | 深度学习 | 神经影像数据、认知评估数据 | 615名来自瑞典哥德堡H70出生队列研究的70岁老年人 | NA | NA | NA | NA |
| 15524 | 2025-05-03 |
Deep Equilibrium Unfolding Learning for Noise Estimation and Removal in Optical Molecular Imaging
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种端到端模型驱动的深度平衡展开Mamba（DEQ-UMamba），用于光学分子成像中的噪声估计和去除 | 结合近端梯度下降技术和学习的空间-频率特性，将复杂噪声结构解耦为统计分布，实现荧光图像中的有效噪声估计和抑制 | 未明确提及具体局限性 | 解决光学分子成像中因高帧率和低激发剂量导致的图像噪声问题 | 荧光图像 | 计算机视觉 | NA | 光学分子成像 | DEQ-UMamba | 图像 | 临床和体内数据集 | NA | NA | NA | NA |
| 15525 | 2025-05-03 |
ResViT FusionNet Model: An explainable AI-driven approach for automated grading of diabetic retinopathy in retinal images
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109656
PMID:39823821
|
research paper | 提出了一种名为ResViT FusionNet的混合模型，用于糖尿病视网膜病变的自动分级 | 结合了CNN（特别是ResNet50）和Vision Transformers（ViTs）的优势，并采用可解释AI技术（如LIME和Grad-CAM）提高模型的透明度和可解释性 | 未提及具体的数据集规模或模型在多样化数据集上的泛化能力 | 开发一种自动、准确且个性化的机器学习方法，用于早期糖尿病视网膜病变的检测和治疗 | 糖尿病视网膜病变（DR）的视网膜图像 | computer vision | 糖尿病视网膜病变 | 数据增强（包括像素值重缩放、水平翻转、旋转和缩放） | ResViT FusionNet（结合CNN和ViT的混合模型） | 图像 | NA | NA | NA | NA | NA |
| 15526 | 2025-05-03 |
Residual-attention deep learning model for atrial fibrillation detection from Holter recordings
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 本研究开发了一种基于残差注意力机制的深度学习模型，用于从Holter记录中检测心房颤动 | 结合残差网络与注意力机制，能够捕捉长程依赖关系和复杂时间模式，在外部数据集验证中表现优异 | 需要更大规模队列的进一步验证和发展 | 开发用于心房颤动检测的深度学习模型 | Holter记录的心电信号 | 机器学习 | 心血管疾病 | 深度学习 | CNN, 注意力机制 | 心电信号 | 661个Holter记录，由心脏病专家手动标注 | NA | 残差注意力网络 | 灵敏度, 特异性, AUC-ROC | NA |
| 15527 | 2025-05-03 |
Artificial intelligence-based biomarkers for treatment decisions in oncology
2025-Mar, Trends in cancer
IF:14.3Q1
DOI:10.1016/j.trecan.2024.12.001
PMID:39814650
|
review | 本文综述了人工智能在肿瘤治疗决策中的应用，特别是通过深度学习和大型语言模型提供成本效益高的生物标志物 | 提出了基于人工智能的生物标志物，用于支持癌症治疗决策，包括深度学习和大型语言模型的应用 | 讨论了这些技术的当前局限性，并提出了在常规临床实践中采用的下一步步骤 | 探索人工智能在肿瘤治疗决策中的应用，以减少社会经济差异并提高治疗的可及性 | 实体肿瘤的治疗决策 | digital pathology | solid tumors | deep learning, large language models | DL, LLMs | medical imaging, electronic health records | NA | NA | NA | NA | NA |
| 15528 | 2025-05-03 |
Diffusion transformer model with compact prior for low-dose PET reconstruction
2025-Feb-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adac25
PMID:39832449
|
研究论文 | 提出一种基于扩散变换器模型（DTM）和紧凑先验的低剂量PET重建方法，以提高图像重建质量 | 首次将扩散模型和变换器模型结合用于PET重建，通过病灶细化块和交替方向乘子法增强病灶区域的恢复能力和细节保留 | 未提及具体的数据集规模或模型计算复杂度 | 提高低剂量PET图像的重建质量，减少辐射暴露同时保证可靠的成像效果 | 低剂量PET图像 | 数字病理 | NA | 扩散变换器模型（DTM） | 扩散模型与Transformer结合 | 医学图像（PET） | NA | NA | NA | NA | NA |
| 15529 | 2025-05-03 |
Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map
2025-Jan-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adabea
PMID:39832385
|
research paper | 本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响，并提出了一种混合数据增强方法 | 提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题 | 未提及具体的数据集规模和多样性限制 | 提高角膜地形图分类的深度学习模型性能 | 角膜地形图 | digital pathology | NA | generative adversarial networks, specific generative models | CNN | image | NA | NA | NA | NA | NA |
| 15530 | 2025-05-03 |
GMmorph: dynamic spatial matching registration model for 3D medical image based on gated Mamba
2025-Jan-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adaacd
PMID:39813811
|
研究论文 | 提出了一种基于门控Mamba的动态空间匹配配准模型GMmorph，用于3D医学图像的非线性对齐 | 从空间匹配的角度提出了一种双分支交互配准模型架构，引入了动态匹配模块和门控mamba层，以平衡高精度和低折叠率 | 未提及模型在处理极端异常组织时的表现 | 克服深度学习配准方法在复杂位移和全局局部特征交互方面的不足，提高配准精度和鲁棒性 | 单模态和多模态医学图像（包括正常脑部、脑肿瘤和肺部图像） | 数字病理 | 脑肿瘤、肺部疾病 | 深度学习 | GMmorph（基于门控Mamba的双分支模型） | 3D医学图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 15531 | 2025-05-03 |
ds-FCRN: three-dimensional dual-stream fully convolutional residual networks and transformer-based global-local feature learning for brain age prediction
2025-Jan-18, Brain structure & function
IF:2.7Q3
DOI:10.1007/s00429-024-02889-y
PMID:39826018
|
研究论文 | 本研究开发了一种结合3D双流全卷积残差网络和Transformer的深度学习模型，用于基于灰质密度图的脑年龄预测 | 提出创新的3D双流全卷积残差网络(ds-FCRN)结合Transformer的全局-局部特征学习范式，并使用Shapley值解释不同脑区对预测精度的影响 | 研究仅基于健康参与者数据，未考虑疾病状态对脑年龄预测的影响 | 开发具有高预测准确性和可解释性的脑年龄预测深度学习模型 | 来自UKB数据库的16,377名45-82岁健康参与者的灰质密度图 | 数字病理学 | 老年疾病 | T1 MRI | 3D ds-FCRN + Transformer | 医学影像 | 16,377名健康参与者(训练集) + 3,276名健康参与者(测试集) | NA | NA | NA | NA |
| 15532 | 2025-05-03 |
Preparing physiotherapists for the future: the development and evaluation of an innovative curriculum
2025-Jan-17, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-024-06537-1
PMID:39825299
|
研究论文 | 本研究评估了荷兰HAN应用科学大学物理治疗系设计的创新课程PACE的实施情况 | PACE课程采用基于预设学习成果、个性化学习目标、灵活学习路径和程序化评估的综合学习方法，区别于传统教育 | 需要改进自主学习支持和促进深度学习的教学策略 | 评估创新课程PACE的实施效果，为未来课程开发提供信息 | 2021-2022年度的本科物理治疗学生和参与该课程的教师 | 教育创新 | NA | 混合方法设计，包括问卷、焦点小组、深度访谈和全国进度测试 | NA | 问卷数据、访谈数据和测试成绩 | 82名一年级学生和36名教师 | NA | NA | NA | NA |
| 15533 | 2025-05-03 |
TopoQual polishes circular consensus sequencing data and accurately predicts quality scores
2025-Jan-16, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-06020-0
PMID:39815230
|
research paper | 介绍了一种名为TopoQual的新工具，旨在提高PacBio HiFi测序数据的碱基质量预测准确性 | TopoQual利用部分顺序比对（POA）、拓扑平行碱基和深度学习算法来优化共识序列，显著提高了碱基质量预测的准确性 | 目前的研究主要集中在PacBio HiFi测序数据上，对于其他测序技术的适用性尚未验证 | 提高PacBio HiFi测序数据在体细胞变异检测中的碱基质量预测准确性 | PacBio HiFi测序数据 | genomics | NA | circular consensus sequencing (CCS), high fidelity (HiFi) technology, partial order alignments (POA), deep learning | deep learning algorithms | sequencing data | NA | NA | NA | NA | NA |
| 15534 | 2025-05-03 |
Causality-driven candidate identification for reliable DNA methylation biomarker discovery
2025-Jan-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56054-y
PMID:39814752
|
研究论文 | 提出了一种基于因果驱动的深度正则化框架，用于可靠地识别DNA甲基化生物标志物候选 | 结合因果思维、深度学习和生物先验知识，通过对比方案和空间关系正则化处理非因果混杂因素 | 未明确提及具体局限性 | 提高DNA甲基化生物标志物发现的可靠性，减少资源浪费 | DNA甲基化生物标志物候选 | 生物信息学 | 多种人类疾病 | DNA甲基化测序 | 深度学习 | DNA甲基化数据 | 涉及多种人类疾病、样本来源和测序技术的模拟和应用 | NA | NA | NA | NA |
| 15535 | 2025-05-03 |
Fast and accurate deep learning scans for signatures of natural selection in genomes using FASTER-NN
2025-Jan-15, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07480-7
PMID:39814854
|
research paper | 介绍了一种名为FASTER-NN的深度学习模型，用于在基因组中快速准确地检测自然选择的特征 | FASTER-NN通过扩张卷积处理等位基因频率和基因组位置，提高了检测自然选择的敏感性，且执行时间不受样本大小和染色体长度的影响 | 未提及具体的局限性 | 开发一种能够精确检测自然选择特征的深度学习分类器 | 基因组中的自然选择特征 | machine learning | NA | CNN | FASTER-NN | genomic data | NA | NA | NA | NA | NA |
| 15536 | 2025-05-03 |
Signatures of H3K4me3 modification predict cancer immunotherapy response and identify a new immune checkpoint-SLAMF9
2025-Jan-15, Respiratory research
IF:4.7Q1
DOI:10.1186/s12931-024-03093-6
PMID:39815269
|
研究论文 | 本研究通过分析H3K4me3修饰模式，构建了一个预测癌症免疫治疗反应的风险评分系统，并发现SLAMF9在免疫抑制和免疫治疗抵抗中的作用 | 首次构建了基于H3K4me3修饰模式的风险评分系统（H3K4me3-RS），并发现SLAMF9作为新的免疫检查点基因 | 研究主要基于生物信息学分析，实验验证部分仅限于小鼠黑色素瘤模型 | 探索H3K4me3修饰与抗肿瘤免疫之间的调控关系，并开发预测免疫治疗反应的生物标志物系统 | 肺癌腺癌（LUAD）患者和多种癌症类型的样本 | 癌症免疫学 | 肺癌 | RNA-seq, 深度学习分析 | PCA, 深度学习模型 | 基因表达数据 | 12,159个癌症样本（来自26种癌症类型）和725个癌症样本（来自5个免疫治疗队列） | NA | NA | NA | NA |
| 15537 | 2025-05-03 |
Optimizing pain management in breast cancer care: Utilizing 'All of Us' data and deep learning to identify patients at elevated risk for chronic pain
2025-Jan, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing
IF:2.4Q1
DOI:10.1111/jnu.13009
PMID:39056443
|
研究论文 | 本研究利用深度学习方法和'All of Us'数据开发了一个预测模型，用于识别乳腺癌患者中慢性疼痛高风险人群 | 创新点在于结合时间序列和静态数据，使用基于Transformer的时间序列分类器进行预测 | NA | 开发预测模型以识别乳腺癌患者中慢性疼痛高风险人群 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | Transformer-based time-series classifier | 人口统计、诊断和社会调查数据 | 1131名患者 | NA | NA | NA | NA |
| 15538 | 2025-05-03 |
A framework for assessing reliability of observer annotations of aerial wildlife imagery, with insights for deep learning applications
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316832
PMID:39813190
|
研究论文 | 提出一个评估空中野生动物图像观察者标注可靠性的框架，并探讨其对深度学习应用的影响 | 通过聚类多个观察者的标注并选择模式分类，计算个体观察者与聚合标注集之间的一致性指标，评估标注可靠性 | 样本量有限，可能影响结果的普遍性 | 评估空中野生动物图像观察者标注的可靠性，以提高深度学习模型的训练数据质量 | 新墨西哥州迁徙水禽的无人机图像 | 计算机视觉 | NA | NA | 深度学习 | 图像 | 12张无人机图像 | NA | NA | NA | NA |
| 15539 | 2025-05-03 |
Machine Learning Approaches for Neuroblastoma Risk Prediction and Stratification
2025, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2024056447
PMID:39819432
|
研究论文 | 本文探讨了机器学习在神经母细胞瘤风险预测和分层中的应用及其潜力 | 利用大规模生物和临床数据，机器学习模型能够检测传统方法常忽视的复杂模式，从而实现更个性化的治疗和更好的患者预后 | 数据规模有限、模型可解释性、数据变异性以及临床整合困难等问题阻碍了更广泛的应用 | 通过机器学习改进神经母细胞瘤的早期诊断、风险评估和治疗决策 | 神经母细胞瘤患者 | 机器学习 | 神经母细胞瘤 | 支持向量机、随机森林、深度学习 | SVM、随机森林、深度学习模型 | 生物和临床数据 | NA | NA | NA | NA | NA |
| 15540 | 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 | NA | NA | NA | NA |