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 11823 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-07-26 |
FedGAN: Federated diabetic retinopathy image generation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326579
PMID:40705831
|
研究论文 | 提出FedGAN框架，结合生成对抗网络（GANs）与跨机构联邦学习，用于生成合成糖尿病视网膜病变图像 | 结合联邦学习与GANs，在保护隐私的前提下生成高质量医学图像，解决数据稀缺问题 | 实验仅展示了在糖尿病视网膜病变数据集上的效果，未验证其他医学图像的适用性 | 解决医学AI中的数据稀缺和隐私保护问题 | 糖尿病视网膜病变图像 | 数字病理 | 糖尿病视网膜病变 | GAN, 联邦学习 | DCGAN, FedAvg | 医学图像 | NA |
| 162 | 2025-07-26 |
Correction: Deep learning-based text generation for plant phenotyping and precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1648292
PMID:40708587
|
correction | 本文是对先前一篇关于基于深度学习的植物表型和精准农业文本生成文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 163 | 2025-07-26 |
Ultrasound radiomics models improve preoperative diagnosis and reduce unnecessary biopsies in indeterminate thyroid nodules
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1615304
PMID:40708722
|
研究论文 | 本研究开发并评估了超声放射组学模型，以提高不确定甲状腺结节的诊断准确性并减少不必要的手术 | 专注于具有明确病理结果的不确定甲状腺结节，开发了三种放射组学模型，并在独立训练和验证队列中进行了评估 | 回顾性研究设计可能限制了结果的普遍性，样本量相对较小 | 提高不确定甲状腺结节的诊断准确性并减少不必要的手术 | 197个具有明确病理结果的不确定甲状腺结节 | 数字病理 | 甲状腺结节 | 超声放射组学 | Radunion模型, Radsize模型 | 超声图像 | 197个不确定甲状腺结节（训练队列136个，验证队列61个） |
| 164 | 2025-07-26 |
Neural signals, machine learning, and the future of inner speech recognition
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1637174
PMID:40708808
|
综述 | 本文综述了机器学习在内隐语音识别（ISR）中的关键作用及其在脑机接口和辅助技术中的潜在应用 | 综合并组织了现有的ISR方法学，提出了结构化的数学框架，并对现有机器学习方法进行了详细的比较分析 | 讨论了当前技术在获取高质量神经信号方面的挑战以及技术的局限性 | 探索机器学习如何改进内隐语音的神经信号分析和分类，以推动脑机接口和辅助技术的发展 | 内隐语音相关的神经信号 | 机器学习 | NA | 支持向量机（SVMs）、随机森林、卷积神经网络（CNNs） | SVM、随机森林、CNN | 神经信号 | NA |
| 165 | 2025-07-26 |
ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf153
PMID:40708869
|
research paper | ABCFold简化了AlphaFold 3、Boltz-1和Chai-1的使用，通过标准化输入预测原子结构，并便于比较不同方法的结果 | 提供标准化输入和统一结果处理，便于安装和运行AlphaFold 3而无需下载大型数据库 | 未明确说明是否适用于所有类型的目标 | 简化深度学习结构预测方法的使用和结果比较 | 蛋白质和复合物的原子结构预测 | computational biology | NA | deep learning-based structure prediction | AlphaFold 3, Boltz-1, Chai-1 | protein sequences and structures | NA |
| 166 | 2025-07-26 |
Hybrid representation learning for human m6A modifications with chromosome-level generalizability
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf170
PMID:40708868
|
研究论文 | 本研究提出了两种新型混合深度学习模型，用于预测人类m6A修饰位点，并提高了染色体水平的泛化能力 | 提出了两种混合深度学习模型（Hybrid Model和Hybrid Deep Model），整合了局部序列特征（k-mers）和上下文嵌入，通过CNN提升预测性能和泛化能力 | 深度全局表示可能在染色体独立设置中过拟合 | 提高m6A修饰位点预测的准确性和染色体水平的泛化能力 | 人类m6A修饰位点 | 机器学习 | NA | 深度学习 | CNN | 序列数据 | NA |
| 167 | 2025-07-26 |
Deep learning-assisted diagnosis of liver tumors using non-contrast magnetic resonance imaging: a multicenter study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1582322
PMID:40708941
|
research paper | 本研究开发并验证了一种基于深度卷积神经网络的非对比磁共振成像（NC-MRI）肝脏病变分类方法 | 利用非对比MRI进行肝脏肿瘤分类，减少了成本、扫描时间和对比剂风险 | 研究主要关注三类肝脏病变（良性、原发性恶性和转移性），可能不适用于其他类型病变 | 开发并验证一种基于深度学习的非对比MRI肝脏病变分类模型 | 肝脏肿瘤患者的MRI图像 | digital pathology | liver cancer | non-contrast MRI (NC-MRI), T2-weighted, diffusion-weighted imaging (DWI), multiphasic T1-weighted imaging | Inception-ResNet V2 | image | 50418张增强MRI图像，来自1959名肝脏肿瘤患者，三个中心的数据 |
| 168 | 2025-07-26 |
Integrating multimodal cancer data using deep latent variable path modelling
2025, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01052-4
PMID:40709098
|
研究论文 | 本文提出了一种名为深度潜在变量路径建模的方法，用于整合多模态癌症数据 | 结合深度学习的表征能力和路径建模的能力，识别复杂系统中相互作用元素之间的关系 | 未提及具体局限性 | 整合多模态癌症数据以获得对病理学的全面理解 | 乳腺癌数据 | 数字病理学 | 乳腺癌 | 单核苷酸变异、甲基化分析、microRNA测序、RNA测序和组织学数据 | 深度潜在变量路径建模 | 多模态数据（包括基因组学、转录组学和组织学数据） | 来自The Cancer Genome Atlas的乳腺癌数据 |
| 169 | 2025-07-26 |
Bullying and cyberbullying. A high risk, in boys and girls, of superficial learning, poor planning and academic procrastination
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1567523
PMID:40709227
|
研究论文 | 本研究分析了欺凌和网络欺凌与深度学习、浅层学习、规划决策以及学业拖延之间的关联 | 揭示了欺凌和网络欺凌对青少年学习行为的多方面影响，包括浅层学习和学业拖延，并量化了受害者和施暴者的风险差异 | 研究样本仅来自西班牙，可能限制了结果的普遍性 | 探究欺凌和网络欺凌对青少年学习行为的影响 | 1263名10-16岁的西班牙学童（51.39%为女孩） | 教育心理学 | NA | 协方差分析(ANCOVA)和二元逻辑回归 | NA | 问卷调查数据 | 1263名西班牙学童（10-16岁） |
| 170 | 2025-07-25 |
Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103499
PMID:40704174
|
研究论文 | 提出一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击 | 将改进的SqueezeNet模型与DCNN和优化的随机混合Lp层结合，提高检测准确率并保持计算效率 | 未提及模型在更广泛或多样化数据集上的泛化能力 | 提高IoT环境中Botnet攻击的检测准确率和计算效率 | IoT-Bot攻击 | 机器学习 | NA | 深度学习 | SqueezeNet, DCNN | 入侵检测数据集 | 大规模入侵检测数据集（具体数量未提及） |
| 171 | 2025-07-25 |
PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction
2025-Oct, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100740
PMID:40703536
|
研究论文 | 提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建 | PA OmniNet能够适应不同的系统配置，仅需少量示例图像（4至32张）即可调整模型，无需重新训练 | 未明确提及具体局限性，但可能依赖于上下文集的质量和数量 | 开发一种成本效益高且鲁棒的光声成像系统 | 光声图像 | 计算机视觉 | NA | 光声成像 | 改进的U-net | 图像 | 包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像 |
| 172 | 2025-07-25 |
Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography
2025-Sep, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.06.003
PMID:40484187
|
研究论文 | 本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞 | 结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类 | 研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本 | 开发一种自动分类胆道癌细胞的方法，以辅助早期诊断 | 胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69） | 数字病理学 | 胆道癌 | 3D光学衍射断层扫描（ODT） | CNN（EfficientNet-b3） | 3D折射率断层图像 | 4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系） |
| 173 | 2025-07-25 |
AI-powered liquid biopsy for early detection of gastrointestinal cancers
2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120484
PMID:40669686
|
综述 | 本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展 | 利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模 | 数据标准化、偏差缓解和监管验证等关键挑战仍需解决 | 探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率 | 胃肠道癌症（GICs） | 数字病理学 | 胃肠道癌症 | 液体活检、ctDNA、exoRNA、肿瘤教育血小板 | 机器学习（ML）、深度学习（DL） | 生物标志物数据 | NA |
| 174 | 2024-12-05 |
Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Aug-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005227
PMID:39618126
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 175 | 2025-07-25 |
A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy
2025-Aug-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113045
PMID:40703442
|
研究论文 | 本研究介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌 | 首次将对比学习集成到宫腔镜图像分析中，用于特定疾病区分 | NA | 提高子宫内膜癌和非典型子宫内膜增生的诊断准确性 | 非典型子宫内膜增生和子宫内膜癌患者 | 数字病理学 | 子宫内膜癌 | 深度学习 | 对比学习 | 图像 | 训练集：49,646张图像来自1,204名患者；验证集：6,228张图像来自190名患者 |
| 176 | 2025-07-25 |
Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.043
PMID:40157849
|
研究论文 | 本研究开发了一种结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于评估腕管综合征（CTS）的严重程度 | 首次开发了结合临床信息和多模态超声特征的联合深度学习模型，用于CTS分级，并在多中心研究中验证了其性能 | 研究为回顾性和前瞻性混合设计，可能影响结果的普遍性 | 开发并验证一种联合深度学习模型，用于更准确地评估腕管综合征的严重程度 | 腕管综合征患者 | 数字病理 | 腕管综合征 | 深度学习，超声成像 | 联合深度学习模型（CTSGrader） | 超声图像，临床数据 | 训练集680例，内部验证集173例，外部验证集174例，外部验证集2（跨厂商测试）224例 |
| 177 | 2025-07-25 |
Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma
2025-Aug, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01780-y
PMID:40214915
|
research paper | 利用深度学习技术预测食管鳞状细胞癌淋巴结转移的研究 | 提出了一种结合CNN和LSTM的新型深度学习模型LymphoReso-Net，用于分析增强CT图像并预测淋巴结转移 | 研究为回顾性研究，样本量有限（441例患者），且仅基于动脉期增强CT图像 | 优化食管鳞状细胞癌的治疗策略并改善患者预后 | 食管鳞状细胞癌患者 | digital pathology | esophageal squamous cell carcinoma | contrast-enhanced CT | CNN, LSTM | image | 441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者 |
| 178 | 2025-07-25 |
Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.005
PMID:40253221
|
研究论文 | 本研究探讨了基于CT的生境放射组学和深度学习特征在预测T1期肺腺癌淋巴管浸润中的应用 | 首次使用K-means算法聚类CT图像和表观扩散系数图，构建生境放射组学模型，并比较其与传统放射组学和深度学习模型的性能 | 回顾性研究设计可能引入选择偏倚，样本量相对较小且来自三个中心 | 预测T1期肺腺癌患者的淋巴管浸润状态 | 349名T1期肺腺癌患者 | 数字病理学 | 肺癌 | CT成像，K-means聚类算法 | 放射组学模型，生境模型，深度学习模型 | CT图像 | 349名患者（内部训练集210名，外部测试集139名） |
| 179 | 2025-07-25 |
Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods
2025-Aug, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01781-x
PMID:40343649
|
研究论文 | 本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响 | 比较了多种图像重建方法（FBP、HIR、MBIR和DLR）在超低剂量CT中对AI肺结节检测性能的影响，发现DLR在超低剂量条件下仍能保持高检测率 | 未检测到3mm的磨玻璃结节（GGNs），且研究使用的是胸部模型而非真实患者数据 | 评估AI肺结节检测程序在不同图像重建方法和辐射剂量方案下的性能差异 | 嵌入人工肺结节（实性结节和磨玻璃结节）的胸部模型 | 数字病理 | 肺癌 | 超低剂量CT（ULDCT） | AI-based | CT图像 | 6种管电流和电压组合扫描的胸部模型 |
| 180 | 2025-07-25 |
Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa
2025-Aug-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179739
PMID:40480170
|
研究论文 | 利用无监督深度学习框架和高分辨率卫星图像对撒哈拉以南非洲多个城市的城市发展表型进行分类 | 提出了一种新颖的分层深度学习框架，用于无监督聚类高分辨率卫星图像，揭示城市发展的多维特征 | 研究仅覆盖了撒哈拉以南非洲的少数城市，可能无法完全代表该地区的所有城市发展模式 | 通过无监督深度学习对高分辨率卫星图像进行分析，以实现对城市环境的近实时监测 | 撒哈拉以南非洲多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的卫星图像 | 计算机视觉 | NA | 无监督深度学习 | 分层深度学习框架 | 卫星图像 | 多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的高分辨率卫星图像 |