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 15701 - 15720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15701 | 2025-10-07 |
Using transformer-based models and social media posts for heat stroke detection
2025-Jan-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84992-y
PMID:39753702
|
研究论文 | 本研究使用基于Transformer的预训练语言模型对日本推特上与热射病相关的内容进行真假分类，并评估结合社交媒体和人工智能进行公共卫生事件监测的效果 | 首次将基于Transformer的预训练语言模型应用于日语推特数据的热射病检测，并通过时空可视化和动画视频展示分类结果与热射病紧急医疗疏散数据的相关性 | 社交媒体帖子具有主观性且未经临床诊断，可靠性存在挑战 | 评估基于Transformer的模型在热射病相关推特分类中的性能，探索社交媒体与人工智能结合在公共卫生事件监测中的应用 | 日本推特上与热射病相关的帖子 | 自然语言处理 | 热射病 | 社交媒体数据分析 | Transformer | 文本 | NA | NA | Transformer | 分类性能 | NA |
| 15702 | 2024-09-04 |
Correction: Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities
2025-Jan, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-024-03539-z
PMID:39223254
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15703 | 2025-10-07 |
Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer
2025-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.240124
PMID:39503605
|
研究论文 | 结合基于生物学的数学模型和深度学习预测三阴性乳腺癌患者对新辅助化疗的响应 | 首次将基于生物学的数学模型与卷积神经网络相结合，仅使用治疗前MRI数据预测肿瘤在新辅助化疗期间的空间和时间演化 | 回顾性研究设计，样本量相对有限(118例患者) | 预测局部晚期三阴性乳腺癌患者对新辅助化疗的治疗响应 | 118名女性三阴性乳腺癌患者(中位年龄51岁，范围29-78岁) | 医学影像分析 | 乳腺癌 | MRI成像 | CNN | 医学影像 | 118名女性患者 | NA | 卷积神经网络 | 一致性相关系数, AUC | NA |
| 15704 | 2025-10-07 |
SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans
2025-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.240005
PMID:39503603
|
研究论文 | 开发用于T2加权MRI扫描中脊髓损伤病灶自动分割的深度学习工具SCIseg | 首个专门针对脊髓损伤病灶分割的深度学习工具，采用主动学习的三阶段训练过程，能够处理不同病因、位置和扫描参数的多样化数据 | 回顾性研究设计，样本量相对有限（191名患者），病灶分割的Dice评分（0.61）有待进一步提升 | 开发自动分割脊髓和髓内病变的深度学习工具 | 脊髓损伤患者的T2加权MRI扫描数据 | 医学影像分析 | 脊髓损伤 | T2加权MRI | CNN | 医学影像 | 191名脊髓损伤患者 | NA | NA | Dice系数 | NA |
| 15705 | 2025-10-07 |
Development and Validation of a Deep Learning Model Based on MRI and Clinical Characteristics to Predict Risk of Prostate Cancer Progression
2025-Jan, Radiology. Imaging cancer
DOI:10.1148/rycan.240078
PMID:39792014
|
研究论文 | 开发并验证基于MRI和临床特征的深度学习模型，用于预测前列腺癌进展风险 | 结合MRI影像和临床参数构建深度学习模型，相比传统风险计算器提供更准确的前列腺癌进展预测 | 回顾性研究设计，外部验证性能有所下降（C-index 0.56） | 预测前列腺癌进展风险，优化个性化随访策略 | 1143名疑似临床显著前列腺癌的男性患者 | 数字病理 | 前列腺癌 | MRI | 深度学习 | 图像, 临床数据 | 1607次MRI扫描，来自1143名患者 | NA | NA | C-index, 风险比 | NA |
| 15706 | 2025-10-07 |
Elephant herding optimized features-based fast RCNN for classifying leukemia stages
2025, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240750
PMID:39485713
|
研究论文 | 提出一种基于象群优化特征和快速RCNN的白血病分期分类方法LEU-EHO NET | 结合象群优化算法进行特征选择，并集成MobileNet特征提取与Faster RCNN分类器 | 重叠细胞分割精度需提升，分类准确率有待进一步提高 | 开发高精度白血病细胞自动分类系统 | 血液涂片图像中的白血病感染细胞与正常细胞 | 计算机视觉 | 白血病 | 图像处理 | Faster RCNN, MobileNet | 图像 | NA | NA | MobileNet, Faster RCNN | 准确率 | NA |
| 15707 | 2025-10-07 |
Discovery of novel PRMT1 inhibitors: a combined approach using AI classification model and traditional virtual screening
2025, Frontiers in chemistry
IF:3.8Q2
DOI:10.3389/fchem.2025.1548812
PMID:39906150
|
研究论文 | 本研究结合AI分类模型和传统虚拟筛选方法发现新型PRMT1抑制剂 | 首次将深度学习分类模型与分子对接技术相结合，发现了具有新型骨架的PRMT1抑制剂 | 研究结果尚未经过临床试验验证 | 发现新型PRMT1抑制剂用于疾病治疗 | PRMT1蛋白及其抑制剂 | 机器学习 | NA | 深度学习, 分子对接, 分子动力学模拟, 结合自由能分析 | 深度学习分类模型 | 化学分子数据 | 现有PRMTs抑制剂数据集 | NA | NA | NA | NA |
| 15708 | 2025-10-07 |
The role of artificial intelligence and machine learning in predicting and combating antimicrobial resistance
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.01.006
PMID:39906157
|
综述 | 探讨人工智能和机器学习在预测和应对抗菌素耐药性中的作用 | 系统整合了AI/ML在AMR领域的前沿应用，包括新型抗菌药物发现和实时临床决策支持 | 涉及伦理考量、数据隐私和模型偏差等挑战 | 评估AI/ML技术在应对抗菌素耐药性方面的潜力 | 抗菌素耐药性（AMR）相关数据和预测模型 | 机器学习 | 传染病 | 基因组测序，微生物组分析 | 监督学习，无监督学习，深度学习，强化学习，自然语言处理 | 临床数据，基因组序列，流行病学数据 | NA | NA | NA | 预测准确率 | NA |
| 15709 | 2025-10-07 |
Contactless Detection of Abnormal Breathing Using Orthogonal Frequency Division Multiplexing Signals and Deep Learning in Multi-Person Scenarios
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3506914
PMID:39906267
|
研究论文 | 提出一种基于正交频分复用信号和深度学习的非接触式异常呼吸检测系统，可在多人场景中实时分类多种呼吸模式 | 开发了VGG16-GRU混合深度学习模型，结合OFDM信号技术，首次实现多人场景下的个体呼吸模式区分 | 数据集主要在办公室环境收集，未来需要扩展更多呼吸模式和真实世界呼吸科数据 | 开发非接触式呼吸监测系统，用于实时检测和分类异常呼吸模式 | 多种呼吸模式（包括百日咳、急性咳嗽、正常呼吸、呼吸过缓、呼吸急促、比奥呼吸、叹息呼吸、陈-施呼吸、库斯莫尔呼吸、中枢性睡眠呼吸暂停、阻塞性睡眠呼吸暂停） | 机器学习 | 呼吸系统疾病 | 正交频分复用(OFDM)信号，软件定义无线电(SDR) | CNN, GRU | 无线信号数据 | 办公室环境中收集的多人场景数据集 | NA | VGG16, GRU | 准确率, 精确率, 召回率, F1分数 | NA |
| 15710 | 2025-10-07 |
A Review on Deep Learning for Quality of Life Assessment Through the Use of Wearable Data
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3526457
PMID:39906266
|
综述 | 本文全面回顾了深度学习技术在生活质量评估中的应用，重点关注可穿戴数据的分析 | 系统整合了深度学习与可穿戴数据在生活质量评估中的交叉应用，特别关注生理和心理健康子领域 | 作为综述文章，不包含原始研究数据，主要基于现有文献分析 | 探讨深度学习技术如何通过可穿戴数据改进生活质量评估方法 | 可穿戴设备收集的生理信号和健康数据 | 机器学习 | NA | 可穿戴传感技术 | 深度学习 | 生理信号，患者报告结果，医疗图像 | NA | NA | NA | NA | NA |
| 15711 | 2025-10-07 |
Optimal Transport Based Graph Kernels for Drug Property Prediction
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3480708
PMID:39906265
|
研究论文 | 提出基于最优传输理论的图核方法用于药物ADMET性质预测 | 首次将最优传输理论应用于构建图核函数，相比图神经网络具有更好的可解释性、适应性和泛化能力 | 未明确说明方法在特定类型药物或性质预测上的局限性 | 开发计算工具以早期准确预测药物的ADMET性质 | 药物分子的图结构数据 | 机器学习 | NA | 图匹配，最优传输理论 | 图核方法 | 图数据 | 19个不同的ADMET数据集 | NA | 基于最优传输的图核 | NA | NA |
| 15712 | 2025-10-07 |
ChromosomeNet: Deep Learning-Based Automated Chromosome Detection in Metaphase Cell Images
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3512932
PMID:39906268
|
研究论文 | 提出基于深度学习的染色体自动检测系统ChromosomeNet，用于中期细胞图像中的染色体识别 | 结合单阶段和双阶段模型优势，无需预处理即可处理原始图像，在包含困难图像的大规模数据集上实现高精度检测 | 需要其他医院数据进行跨院验证以确认临床适用性 | 开发自动染色体检测和识别系统以辅助产前诊断 | 中期细胞图像中的染色体 | 计算机视觉 | 染色体疾病 | 深度学习 | 目标检测模型 | 图像 | 5000张中期细胞图像，包含229,852条染色体（其中3827张简单图像，1173张困难图像） | NA | ChromosomeNet（结合单阶段和双阶段模型） | mAP50, 准确率, 召回率, F1分数 | NA |
| 15713 | 2025-10-07 |
Evaluating the advancements in protein language models for encoding strategies in protein function prediction: a comprehensive review
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1506508
PMID:39906415
|
综述 | 全面评估蛋白质语言模型在蛋白质功能预测中编码策略的最新进展 | 系统整合最新蛋白质语言模型在功能预测中的应用现状，并与传统方法进行详尽性能对比 | NA | 评估蛋白质语言模型在蛋白质功能预测编码策略中的进展 | 蛋白质序列数据及其功能预测 | 生物信息学 | NA | 深度学习，蛋白质语言模型 | 蛋白质语言模型 | 蛋白质序列数据 | NA | NA | NA | 准确率 | NA |
| 15714 | 2025-10-07 |
ECG-LM: Understanding Electrocardiogram with a Large Language Model
2025, Health data science
DOI:10.34133/hds.0221
PMID:39906894
|
研究论文 | 开发了首个能够处理自然语言并理解心电图信号的多模态大语言模型ECG-LM | 首创将多模态大语言模型应用于心电图处理，通过专门的ECG编码器将原始ECG信号转换到高维特征空间并与文本特征空间对齐 | 文本-ECG数据稀缺问题通过医疗指南生成数据来解决，但仍需更多真实临床数据验证 | 开发能够整合患者数据和ECG读数并提供临床建议的多模态大语言模型 | 心电图信号和患者临床数据 | 自然语言处理, 医疗人工智能 | 心血管疾病 | 多模态大语言模型, ECG信号处理 | 大语言模型, 多模态模型 | 心电图信号, 文本数据 | 基于医疗指南生成的文本-ECG对和医院真实临床数据 | NA | 大语言模型, 专门的ECG编码器 | 心血管疾病检测准确率, 问答性能 | NA |
| 15715 | 2025-10-07 |
Application of human-in-the-loop hybrid augmented intelligence approach in security inspection system
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1518850
PMID:39911181
|
研究论文 | 提出一种人在回路混合增强智能方法，通过混合决策策略提升安检系统的安全性和效率 | 首次将“拒绝优先”和“放行优先”两种策略结合的混合决策方法应用于安检系统 | 实验数据仅来自特定安检场景，未验证在其他场景的泛化能力 | 提升安检系统的安全性和可靠性，同时降低人力成本 | 安检系统中的违禁品检测 | 机器智能 | NA | 人在回路混合增强智能 | 深度学习 | 安检数据 | 来自特定安检站点的数据集 | NA | NA | 安全性、效率、人力成本 | NA |
| 15716 | 2025-10-07 |
AlphaFold 2, but not AlphaFold 3, predicts confident but unrealistic β-solenoid structures for repeat proteins
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.01.016
PMID:39911842
|
研究论文 | 评估AlphaFold 2在完美重复序列蛋白质结构预测中的表现，发现其倾向于生成高置信度但不现实的β-螺线管结构 | 首次系统揭示AlphaFold 2对完美重复序列存在特异性预测偏差，生成具有不合理特征的β-螺线管结构 | 研究主要针对人工设计的完美重复序列，对天然蛋白质的适用性需要进一步验证 | 评估AlphaFold 2在特定蛋白质序列类型（完美重复序列）上的预测准确性 | 由不同长度随机序列组成的完美重复蛋白质序列 | 计算生物学 | NA | 蛋白质结构预测，分子动力学模拟 | 深度学习 | 蛋白质序列数据 | 多种不同长度的完美重复序列 | AlphaFold 2, 其他先进结构预测方法 | AlphaFold 2架构 | 预测置信度，结构合理性评估 | NA |
| 15717 | 2025-10-07 |
Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model
2025-Apr, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100659
PMID:39902382
|
研究论文 | 本研究结合影像组学和Vision Transformer深度学习技术，开发预测结直肠癌骨转移风险的模型 | 首次将Vision Transformer模型应用于结直肠癌骨转移风险预测，并采用双模态CT图像和晚期融合策略 | 回顾性研究，样本量有限（155例），需要更大规模多中心研究验证 | 开发预测结直肠癌骨转移风险的精准模型 | 结直肠癌患者 | 计算机视觉 | 结直肠癌 | CT成像 | Vision Transformer, SVM, KNN, Random Forest, LightGBM, XGBoost | CT图像 | 155例结直肠癌患者（81例有骨转移，74例无骨转移） | NA | Vision Transformer | AUC-ROC, 准确率, 敏感性, 特异性 | NA |
| 15718 | 2025-10-07 |
Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo
2025-Mar-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116982
PMID:39616900
|
研究论文 | 本文探讨了将人工智能与智能手机成像系统相结合用于体内癌症检测的技术 | 整合智能手机成像与AI算法，为资源有限地区提供便携、经济、可及的早期癌症检测方案 | 智能手机系统存在成像质量较低和计算能力受限的问题 | 开发基于智能手机和AI的早期癌症检测工具 | 不同癌症类型的体内检测 | 计算机视觉 | 癌症 | 智能手机成像 | 深度学习 | 图像 | NA | NA | NA | NA | 智能手机 |
| 15719 | 2025-10-07 |
Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms
2025-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100925
PMID:39901943
|
研究论文 | 提出一种基于两阶段深度学习的全自动方法，用于定位前列腺高剂量率近距离放射治疗导管 | 首次结合pix2pix GAN和GOTURN两种深度神经网络，实现前列腺近距离放射治疗针的自动分割与轨迹追踪 | 仅使用25名患者的数据进行训练和测试，样本量有限 | 自动化定位前列腺高剂量率近距离放射治疗导管轨迹 | 前列腺高剂量率近距离放射治疗患者的CT图像 | 计算机视觉 | 前列腺癌 | CT成像 | GAN, CNN | 医学图像 | 25名患者，592个测试切片，8764根针 | NA | pix2pix GAN, GOTURN | Dice相似系数, IoU, F1分数, 召回率, 精确度 | NA |
| 15720 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-Feb-05, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |