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 16241 - 16260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16241 | 2025-10-07 |
Predicting Age and Visual-Motor Integration Using Origami Photographs: Deep Learning Study
2025-Jan-10, JMIR formative research
IF:2.0Q4
DOI:10.2196/58421
PMID:39803896
|
研究论文 | 本研究应用深度学习技术通过折纸照片预测儿童年龄和视觉-运动整合能力发展 | 首次将人工智能技术应用于儿童折纸作品分析，通过多角度照片组合预测发育指标 | 样本量相对有限（515名儿童），仅使用折纸狗单一模型进行评估 | 开发基于折纸作品的儿童发育评估AI工具 | 2-6岁学前儿童及其折纸作品 | 计算机视觉 | 儿童发育评估 | 数字摄影，标准化发育测试 | CNN, 集成学习, 多层感知机 | 图像 | 515名2-6岁儿童，按4:1比例分为训练集和测试集 | PyTorch/TensorFlow, Scikit-learn | ResNet-50, XGBoost, 多层感知机 | R2, 准确率, 平均绝对误差, 相关系数 | NA |
| 16242 | 2025-10-07 |
Awareness and Attitude Toward Artificial Intelligence Among Medical Students and Pathology Trainees: Survey Study
2025-Jan-10, JMIR medical education
IF:3.2Q1
DOI:10.2196/62669
PMID:39803949
|
调查研究 | 本研究通过问卷调查评估和比较约旦医学生和病理住院医师对人工智能在医学中应用的认知和态度 | 这是约旦首个分析医学生对AI看法的研究，也是首次纳入病理住院医师视角的研究 | 研究仅限于约旦的5所公立医学院和4个住院医师项目，样本代表性有限 | 评估医学生和病理住院医师对医学人工智能的认知水平和态度 | 约旦5所公立医学院的医学生和4个住院医师项目的病理住院医师 | 医学教育 | NA | 网络问卷调查 | NA | 问卷调查数据 | 394名受访者（328名医学生和66名病理住院医师） | NA | NA | 统计显著性检验（P值） | NA |
| 16243 | 2024-12-05 |
I can see clearly now the blur has gone: Deep learning efficiencies in single-photon emission computed tomography myocardial perfusion imaging
2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.102091
PMID:39622362
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16244 | 2024-12-06 |
Prediction of Neoadjuvant Chemotherapy Response based on Ultrasound Deep Learning Radiomics Nomogram
2025-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.040
PMID:39632218
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16245 | 2024-12-09 |
Response to the Letter on Prediction Tumor and Axillary Lymph Nodes Response to Neoadjuvant Chemotherapy based on Ultrasound Deep Learning
2025-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.050
PMID:39643472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16246 | 2025-10-07 |
UAV target tracking method based on global feature interaction and anchor-frame-free perceptual feature modulation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314485
PMID:39820190
|
研究论文 | 提出一种基于全局特征交互和无锚框感知特征调制的无人机目标跟踪方法 | 通过深度互相关操作进行特征融合，引入全局注意力机制增强模型视野范围和特征细化能力，设计无锚框感知特征调制机制 | NA | 提升无人机目标跟踪的精度和速度兼容性 | 无人机视角下的目标跟踪 | 计算机视觉 | NA | 深度学习 | Siamese网络 | 视频流 | UAV123@10fps、UAV20L、DTB70数据集 | NA | Siamese网络 | 跟踪精度、处理速度 | Jetson Orin Nano平台 |
| 16247 | 2025-10-07 |
Automatic classification of mobile apps to ensure safe usage for adolescents
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313953
PMID:39820808
|
研究论文 | 提出一种基于注意力卷积神经网络的移动应用分类方法，以保护青少年免受不良内容影响 | 首次将基于BERT嵌入的注意力卷积神经网络应用于移动应用分类，在6G网络背景下解决青少年移动安全保护问题 | NA | 通过准确分类移动应用来保护青少年免受暴力视频、色情内容、仇恨言论和网络欺凌等不良内容影响 | 移动应用程序(M-APPs) | 自然语言处理 | NA | 深度学习 | CNN, A-CNNs | 移动应用数据 | NA | NA | 注意力卷积神经网络(A-CNNs), BERT | 准确率, 召回率 | NA |
| 16248 | 2025-10-07 |
Glaucoma detection and staging from visual field images using machine learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316919
PMID:39823435
|
研究论文 | 本研究开发了基于深度学习模型的青光眼检测和分期系统，仅使用模式偏差图进行自动分类 | 首次使用深度学习模型仅基于模式偏差图实现青光眼的分期分类，并与传统机器学习方法进行对比 | 样本量相对有限（265个数据集），数据存在不平衡问题 | 开发自动化的青光眼检测和分期系统 | 119只正常眼和146只青光眼患者的视觉场图像 | 计算机视觉 | 青光眼 | Humphrey 24-2视觉场检查 | CNN | 图像,数值数据 | 265个模式偏差图和265个数值数据集 | PyTorch,TensorFlow | ResNet18,VGG16 | F1-score,precision,recall,specificity,accuracy | NA |
| 16249 | 2025-10-07 |
Field-scale detection of Bacterial Leaf Blight in rice based on UAV multispectral imaging and deep learning frameworks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314535
PMID:39823436
|
研究论文 | 本研究开发了一种基于无人机多光谱成像和深度学习框架的水稻白叶枯病田间尺度检测方法 | 首次将U-Net架构与ResNet-101骨干网络结合，探索多种波段组合用于水稻病害检测，并自主构建了无人机水稻病害数据集 | 缺乏合适的基于无人机的水稻病害公开数据集，需要自主构建数据集 | 开发准确的水稻白叶枯病检测方法以支持精准补偿分配 | 水稻白叶枯病感染的稻田 | 计算机视觉 | 植物病害 | 无人机多光谱成像，NDVI，NDRE | 深度学习 | 多光谱图像 | 通过病害接种技术在实验稻田自主生成的数据集 | NA | U-Net, ResNet-101 | mIoU, 准确率, F1分数, 精确率, 召回率 | NA |
| 16250 | 2025-01-19 |
Enhancing Real-Time Patient Monitoring in Intensive Care Units with Deep Learning and the Internet of Things
2025-Jan-17, Big data
IF:2.6Q2
DOI:10.1089/big.2024.0113
PMID:39819048
|
研究论文 | 本文探讨了深度学习和物联网技术在重症监护病房（ICU）中实时患者监测的应用，旨在优化ICU的工作流程和提高诊疗水平 | 结合深度学习和物联网技术，提出了一种新型的智能ICU病房管理模式，以减少人为错误并改善患者监测和治疗效果 | 文章未具体提及现有系统的局限性，仅概述了深度学习和物联网技术整合的潜在优势和挑战 | 通过深度学习和物联网技术优化ICU的患者监测和诊疗流程，提高工作效率和诊疗水平 | 重症监护病房（ICU）中的患者监测系统 | 机器学习 | NA | 深度学习（DL）、物联网（IoT） | 深度学习模型 | 临床数据、传感器数据 | NA | NA | NA | NA | NA |
| 16251 | 2025-01-19 |
MultiChem: predicting chemical properties using multi-view graph attention network
2025-Jan-16, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-024-00419-4
PMID:39815309
|
研究论文 | 本文介绍了一种名为MultiChem的多视图图注意力网络模型，用于预测化学化合物的分子特性 | MultiChem模型通过结合局部和全局结构特征，利用图注意力层和多头注意力层来有效捕捉化学化合物的关键结构信息，相比现有方法在AUROC和RMSE上分别有3%和7%的提升 | 未明确提及具体局限性 | 开发一种高效且成本效益高的计算方法，以预测化学化合物的分子特性，从而加速药物发现过程 | 化学化合物的分子特性 | 机器学习 | NA | 多视图学习模型 | 图注意力网络（GAT） | 分子结构数据 | 九个MoleculeNet数据集 | NA | NA | NA | NA |
| 16252 | 2025-01-19 |
Evaluating the feasibility of AI-predicted bpMRI image features for predicting prostate cancer aggressiveness: a multi-center study
2025-Jan-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01865-8
PMID:39812752
|
研究论文 | 本研究评估了利用人工智能预测的双参数MRI图像特征预测前列腺癌侵袭性的可行性 | 使用深度学习放射组学模型从bpMRI图像中提取特征，预测前列腺癌的侵袭性，并展示了良好的外部验证能力 | 研究未提及模型在不同种族或地区患者中的适用性 | 评估AI预测的bpMRI图像特征在前列腺癌侵袭性预测中的可行性 | 878名前列腺癌患者 | 数字病理学 | 前列腺癌 | 双参数MRI (bpMRI) | 深度学习放射组学模型 | 图像 | 878名前列腺癌患者，来自4家医院 | NA | NA | NA | NA |
| 16253 | 2025-01-19 |
Pervasive glacier retreats across Svalbard from 1985 to 2023
2025-Jan-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-55948-1
PMID:39814715
|
研究论文 | 本文利用深度学习生成的1985年至2023年间149个海洋终止冰川的124919个冰崩前沿位置数据，揭示了斯瓦尔巴群岛非涌浪冰川在过去38年中的普遍冰崩前沿退缩现象 | 首次使用深度学习技术大规模分析斯瓦尔巴群岛海洋终止冰川的冰崩前沿退缩，揭示了季节性周期和区域海洋变暖对冰崩前沿变化的显著影响 | 研究主要依赖于遥感数据和深度学习模型，可能忽略了局部地形和冰川内部动力学的复杂性 | 研究目的是理解和预测海洋终止冰川的冰崩前沿退缩行为，特别是季节性变化和年际变化对冰川质量损失的影响 | 斯瓦尔巴群岛的149个海洋终止冰川 | 地球科学 | NA | 深度学习 | NA | 遥感数据 | 149个海洋终止冰川的124919个冰崩前沿位置数据 | NA | NA | NA | NA |
| 16254 | 2025-01-19 |
Artificial Intelligence in Computer-Aided Drug Design (CADD) Tools for the Finding of Potent Biologically Active Small Molecules: Traditional to Modern Approach
2025-Jan-15, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 本文探讨了人工智能在计算机辅助药物设计（CADD）中的应用，特别是小分子药物的发现 | 本文强调了人工智能、生物信息学和数据科学在加速药物发现、降低成本和减少动物实验需求方面的作用，并讨论了深度学习在配体性质和靶标活性预测中的进展 | 本文未具体提及研究中使用的数据集或样本量，也未详细讨论AI模型的具体局限性 | 研究目的是探讨人工智能在药物发现和开发中的作用，特别是如何加速高效、靶向特异性药物的发现 | 研究对象是小分子药物及其与生物分子靶标的相互作用 | 药物发现 | NA | 结构基于虚拟筛选（SBVS）、深度学习（DL） | 深度学习（DL） | 分子性质数据、靶标结合数据、3D结构数据 | NA | NA | NA | NA | NA |
| 16255 | 2025-01-19 |
DANTE-CAIPI Accelerated Contrast-Enhanced 3D T1: Deep Learning-Based Image Quality Improvement for Vessel Wall MRI
2025-Jan-08, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8424
PMID:39038956
|
研究论文 | 本文探讨了深度学习去噪算法在加速、血液抑制后的颅内血管壁MRI（IVW）中的应用，以提高图像质量并缩短扫描时间 | 首次将深度学习去噪算法应用于DANTE-CAIPI-SPACE加速和血液抑制的IVW，显著减少了动脉和静脉流动伪影，并在较短的扫描时间内提高了信噪比（SNR） | 研究样本量较小（64名患者），且未进行长期随访以评估该技术的临床效果 | 提高加速和血液抑制后的颅内血管壁MRI（IVW）的图像质量，减少伪影并提高信噪比（SNR） | 64名连续接受IVW扫描的患者 | 医学影像 | NA | 深度学习去噪算法 | 深度卷积网络（DCNN） | MRI图像 | 64名患者 | NA | NA | NA | NA |
| 16256 | 2025-01-19 |
Deep Learning-Based Super-Resolution Reconstruction on Undersampled Brain Diffusion-Weighted MRI for Infarction Stroke: A Comparison to Conventional Iterative Reconstruction
2025-Jan-08, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8482
PMID:39779291
|
研究论文 | 本研究比较了基于深度学习的超分辨率重建与传统压缩感知重建在脑部扩散加权磁共振成像（DWI）中对梗死性卒中的图像质量和诊断信心的影响 | 首次将深度学习技术应用于脑部DWI的超分辨率重建，以提高梗死性卒中的诊断信心 | 研究为回顾性设计，样本量相对较小（114例），且未涉及其他类型的卒中 | 评估深度学习超分辨率重建在脑部DWI中对梗死性卒中的图像质量和诊断信心的提升效果 | 114名接受脑部DWI检查的参与者 | 医学影像 | 梗死性卒中 | 深度学习超分辨率重建 | 深度学习模型 | 磁共振成像（MRI）图像 | 114名参与者 | NA | NA | NA | NA |
| 16257 | 2025-10-07 |
New Technologies for Monitoring Coastal Ecosystem Dynamics
2025-Jan, Annual review of marine science
IF:14.3Q1
|
综述 | 本文综述了用于海岸带生态系统动态监测的新兴技术及其在应对气候变化和人为压力中的应用 | 系统整合了卫星监测、无人机、原位传感器网络、光纤系统和社区科学观测站等多种新兴监测技术，并强调了人工智能和深度学习在数据处理中的核心作用 | 海岸带生态系统监测仍存在重大空白，需要进一步解决以应对全球变化的加速 | 综合评估海岸带生态系统监测技术的最新进展 | 海岸带生态系统 | 环境监测 | NA | 卫星监测、空中和水下无人机、原位传感器网络、光纤系统、社区科学观测站 | 深度学习 | 多源遥感数据、传感器数据、社区观测数据 | NA | NA | NA | NA | NA |
| 16258 | 2025-10-07 |
Brief Review and Primer of Key Terminology for Artificial Intelligence and Machine Learning in Hypertension
2025-Jan, Hypertension (Dallas, Tex. : 1979)
|
综述 | 本文介绍了人工智能和机器学习在高血压领域应用的关键术语和基本概念 | 系统梳理了AI和机器学习在高血压医疗场景中的术语体系和应用框架 | NA | 为医疗专业人员提供人工智能在高血压管理中应用的基础知识 | 人工智能和机器学习技术及其在高血压管理中的应用 | 自然语言处理,计算机视觉 | 高血压 | NA | 神经网络,深度学习 | 血压数据,生物特征数据,文本数据,图像数据 | NA | NA | 大语言模型(如ChatGPT) | NA | NA |
| 16259 | 2025-10-07 |
Predicting therapeutic response to neoadjuvant immunotherapy based on an integration model in resectable stage IIIA (N2) non-small cell lung cancer
2025-Jan, The Journal of thoracic and cardiovascular surgery
IF:4.9Q1
DOI:10.1016/j.jtcvs.2024.05.006
PMID:38763304
|
研究论文 | 本研究开发了一种整合深度学习评分、血液肿瘤突变负荷和临床因素的模型，用于预测可切除IIIA期非小细胞肺癌新辅助免疫化疗的治疗反应 | 首次将基于CT的深度学习评分与血液肿瘤突变负荷及临床因素相结合构建集成预测模型 | 样本量较小（45例患者），且为单中心研究 | 预测可切除非小细胞肺癌患者对新辅助免疫化疗的治疗反应 | 45例IIIA期（N2）非小细胞肺癌患者 | 数字病理 | 肺癌 | ctDNA检测，深度学习方法 | 深度学习模型 | CT图像，血液样本，临床数据 | 45例IIIA期（N2）非小细胞肺癌患者 | NA | NA | AUC，疾病无进展生存期，总生存期 | NA |
| 16260 | 2025-10-07 |
TransEBUS: The interpretation of endobronchial ultrasound image using hybrid transformer for differentiating malignant and benign mediastinal lesions
2025-Jan, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2024.04.016
PMID:38702216
|
研究论文 | 开发基于混合Transformer的深度学习系统TransEBUS，用于支气管内超声图像中良恶性纵隔病变的分类 | 提出首个能自动提取和整合多成像模式时空特征的EBUS图像分析模型，无需人工选择代表性帧 | 在数据不足的情况下进行训练，可能影响模型泛化能力 | 建立EBUS图像的良恶性纵隔病变自动辅助诊断系统 | 支气管内超声图像中的纵隔病变 | 计算机视觉 | 纵隔病变 | 支气管内超声成像 | Transformer, CNN | 视频图像 | NA | NA | 混合Transformer, 双流模块 | 准确率, AUC | NA |